【意义】 可持续农业作为实现可持续发展目标SDG2“零饥饿”与生态保护的关键路径，厘清可持续农业的演进脉络与数据驱动新内涵，是应对全球粮食安全与生态平衡双重挑战的关键路径。 【分析】 鉴于可持续农业的内涵不断演进，本文在系统梳理其定义发展历程的基础上，提出了更具数据导向性和可操作性的解释。围绕“数据-技术”架构，总结了地球大数据在可持续农业发展中的关键作用，并按2015年前、2015—2019年、2020年至今3个阶段，分析了其核心数据与不同农业领域应用（农业资源监测、多尺度农情评估、农业环境影响评估）的技术方法演进特征。同时，从数据基础设施、技术更新与应用、科研水平与政策支持4个维度，进一步比较了当前中国与发达国家在地球大数据支撑可持续农业发展领域的优势与不足，提出中国在数据生态系统建设、技术转化和基础理论创新等方面亟需加强。最后，结合当前农业可持续发展的需求，从数据获取能力、智能处理方法、应用推广与服务以及数据治理与伦理安全4个方面系统分析了地球大数据面临的主要挑战，并针对每一环节提出了多层次的应对策略。 【展望】 研究有助于明确可持续农业的数据支撑路径，推动农业绿色转型。

【目的】微地图是一种制作周期短、门槛低、传播速度快的个性化地图产品，其制作与使用必须遵守相关的法律法规。微地图平台允许用户创建个性化、开放式标注的地图，容易出现盲目或不当标注，增加了微地图内容不合规的风险，且缺乏对空间标注信息的系统性约束。因此，亟需对微地图标注文本中的敏感信息进行自动识别，快速发现潜在问题，确保微地图内容的安全性。【方法】本研究基于中文预训练BERT（Bidirectional Encoder Representations from Transformers）模型，结合迁移学习构建微地图标注文本的敏感信息识别模型。模型利用双向编码与多头自注意力机制捕捉上下文依赖与隐含语义，在微调阶段通过参数调整与训练策略优化，适应微地图碎片化、非规范化文本特征，实现对多类敏感文本的有效识别。【结果】该方法在微地图文本内容敏感数据集上的F1 score达到0.925 9，相较于主流的文本分类模型TextCNN、DistilBERT和DeBERTa分别提高了6.35%、1.04%和5.68%。【结论】该方法表现出更高的分类精度和鲁棒性，能够有效解决微地图文本内容敏感信息审核判别的技术空白，显著提高微地图文本内容审核的自动化水平和效率，确保合规性的同时减少了人工审核负担。

【目的】跨视角对象级地理定位（CVOGL）旨在卫星影像上精确定位地面街景或无人机影像所观测目标的地理位置。现有方法多聚焦于图像级匹配，通过对整张影像全局处理实现跨视角关联，缺乏对特定目标的位置编码研究，导致无法将模型的注意力引导到感兴趣目标。并且由于参考图像覆盖范围的变化，查询目标在对应卫星图像中的像素占比极低，精确定位较为困难。【方法】针对以上问题，本文提出了一种基于高斯核函数与异构空间对比损失的跨视角对象级地理定位方法（Cross-View Object-Level Geo-Localization Method with Gaussian Kernel Function and Heterogeneous Spatial Contrastive Loss， GHGeo），用于精确定位感兴趣目标位置。该方法首先通过高斯核函数对查询目标进行精确位置编码，实现了对目标中心点及其分布特征的精细化建模；此外还提出了动态注意力精细化融合模块来动态加权交叉感知全局上下文与局部几何特征的空间相似性，以概率密度预测查询目标在卫星影像中的精确位置；最后通过异构空间对比损失函数来约束其训练过程，缓解跨视角特征差异。【结果】本文在CVOGL数据集进行了实验，实验结果显示： GHGeo在该数据集的“无人机-卫星”任务中，当交并比（IoU）≥25%和≥50%时定位准确率分别达到67.73%和63.00%，相较于基准方法DetGeo分别提升了5.76%和5.34%；在“街景-卫星”定位任务中，对应IoU阈值下的定位准确率分别为48.41%和45.43%的定位准确率，相较于基准方法DetGeo分别提升了2.98%和3.19%。同时与TransGeo， SAFA和VAGeo等方法在CVOGL数据集上进行对比，GHGeo则展现出了更高的定位准确性。 【结论】本文方法有效提升了跨视角对象级地理定位方法的精度，为城市规划监测，应急救援调度等应用领域提供关键技术支持和精确位置信息支撑。

【目的】地图数据匹配是地理数据库更新的重要技术支撑，建筑物作为地图的主要内容之一，其匹配技术对于多源数据融合与更新具有重要意义。目前，面状建筑物匹配的方法主要有传统方法和机器学习方法2类，本文针对传统方法存在的需要人工确定匹配判断阈值和匹配因子权重，以及机器学习方法存在的特征提取能力差等问题，提出一种基于谱域图卷积的多尺度面状建筑物匹配方法。【方法】该方法首先构建融合建筑物局部特征和图级特征的图结构作为模型输入，完成匹配模型GAE-MLP的搭建与训练；然后，基于分离的思想将匹配流程划分为初次匹配和二次匹配，在2次匹配中分别运用GAE-MLP模型实现1:1、1: N以及M:1、M:N类型的匹配。【结果】本研究采用英国埃克塞特1:2 000和1:10 000比例尺的建筑物数据进行匹配对比实验。实验结果表明，本文方法通过融合图结构的多层次特征对建筑物进行编码，有效增强了模型的特征提取能力。在匹配精度方面，相较于传统几何方法、BP神经网络和CatBoost集成学习方法，本文方法的F1值分别提升了2.52%、3.53%和0.76%。此外，本文方法克服了传统方法依赖人工设定匹配阈值与因子权重的局限性，且与传统方法和机器学习方法相比，能够更有效地应对位置偏移与形状同质化问题，对1:N、 M:N等复杂匹配关系进行准确匹配。【结论】本文方法能够克服传统方法存在的问题，实现多尺度面状建筑物的精准匹配。

【目的】预测土地利用变化可以为在资源分配、环境保护、城镇化发展、灾害防范与风险评估等方面提供合理依据，有利于制定科学的政策。现有的元胞自动机（Cellular Automata，CA）模型在预测土地利用变化中，对多时序复杂土地利用变化中时空特征提取不足，难以适用于复杂土地利用变化的精准预测。【方法】本文提出了一种融合注意力机制并考虑多尺度驱动因素的深度时空建模网络（3DCBLT），并与CA模型耦合，旨在优化时空特征提取与非线性建模能力。3DCBLT整合了跨通道、空间注意力机制（Convolutional Block Attention Module， CBAM）和三维卷积（3D Convolution， 3DCNN）模块旨在强化对土地利用变化关键区域的关注，并提升对时空特征的深层提取能力。同时，采用长短时记忆网络（Long Short Term Memory Network， LSTM）充分挖掘土地利用演化过程中的时间依赖性与长期趋势，得到不同地类发展概率。本文以陕西省作为研究区，选取2000—2020年每5年一期土地利用数据并引入气候、地形、经济等12项指标作为驱动因素，以2020年土地利用数据为验证。【结果】本文提出模型的Kappa系数为0.888， OA系数为0.925， FoM系数为0.336，显著优于ANN-CA、 MLP-CA和CA-Marko，验证了该模型的在土地利用变化预测的有效性与优越性。【结论】本文提出的3DCBLT-CA模型在复杂土地利用变化预测中表现出较高的精度和优越的时空建模能力，为复杂土地利用情景下的变化模拟提供了一种切实可行的技术路径。

【目的】合理的地理边界单元划分需要考虑到空间特征的连续性和对象特征的属性相似性，然而现有研究缺乏对于以上两类约束作用在城市增长模拟的空间异质性效应评价分析，进而忽视了子区域之间增长特征的差异性。【方法】本文设定了4类典型分区方法：以空间连续性为主导的行政片区划分（Z1），以属性相似性为主导的“中心-边缘”结构分区（Z2）以及兼顾空间连续性与属性相似性约束的双重K-means聚类分区（Z3）和DSC聚类分区（Z4）。【结果】以江阴市2012—2017年土地利用现状数据为例，采用矢量CA模型探讨不同分区边界对城市空间增长模拟的潜在差异影响，研究表明： ① 各类分区方案虽然在整体FoM模拟精度上差异不大，但在子区域层面表现出不同程度的精度波动， Z2子区域间的SD值为0.007，差异最小， Z4的SD值为0.066，波动最大。 ② Z1和Z2能有效引导土地利用在空间上遵循特定的分布模式，形成了形状规则且分布有序的用地格局，体现在FN、AI、LSI和SHDI景观指数的相近性；而Z3和Z4更强调土地利用变化驱动因子的地域分异和一致性，形成了形状复杂且分布离散的用地格局。 ③ Z1与Z3在捕捉城市扩展模式方面表现出高度一致性，但其对特定扩展模式的敏感性较弱， Z2与Z4则模拟出更多的边缘式扩张地块，对城市扩展模式的局部变化具有更强的敏感性。各类分区方案对边缘式新增建设用地地块的识别较为显著，但其对应驱动因子对边缘扩张贡献程度存在一定差异。 ④ 在仅考虑土地利用变化驱动因子地域分异性的前提下， Z4能够更有效地刻画子区域之间的空间差异性与不均衡性。【结论】研究成果可为理解和引导城市发展模式由“增量扩张”向“存量更新”转型提供科学支撑。

【目的】山洪灾害风险评估对精准的防灾减灾至关重要。现有的山洪灾害风险评估研究往往忽视了山洪灾害的地理相似性特征，易造成有偏的山洪负样本，并导致相似山洪单元空间关联性的割裂问题，从而限制评估结果的准确性和可靠性。【方法】本文提出一种顾及地理相似性的山洪灾害风险评估方法。 ① 以小流域为风险评估基本单元，依据致灾因子、孕灾环境和承灾体的三元结构风险框架构建山洪灾害风险评估指标体系。 ② 提出一种地理相似性约束的山洪样本生成方案，基于小流域的山洪孕灾环境相似性优化山洪负样本生成策略。 ③ 基于小流域之间的地理相似性构建加权有向图，并提出地理相似性嵌入的图神经网络山洪灾害风险评估模型，实现精准的山洪灾害风险评估。【结果】将所提出方法应用于横断山区，生成山洪正负样本各884个开展山洪灾害风险评估，并与现有常用的山洪样本生成方案以及传统机器学习型风险评估模型进行对比分析。结果显示： ① 与随机和环境均衡样本生成方案相比，所提出的地理相似性约束的山洪样本生成方案在总精度上分别提升了24.76%和22.28%； ② 与随机森林、 XGBoost和LightGBM 3种机器学习型评估方法相比，所提出的地理相似性嵌入的图神经网络山洪灾害风险评估模型在总精度上分别提升了2.84%、3.41%和2.17%； ③ 4个模型的山洪灾害风险评估结果均表明，横断山区山洪灾害高风险区主要分布在东南部、西南三江河谷地带以及北部河流沿岸地区。【结论】通过将地理相似性融入山洪灾害风险的样本生成与评估模型构建过程中，显著提升了山洪灾害风险评估精度，为山洪灾害防治管理提供了科学决策辅助与技术支持。

【目的】活动空间描述了个体在空间移动行为中所接触的地理空间区域的集合，准确描述个体活动空间在城市公共资源配置优化、交通规划、公平性评价等研究中具有重要意义。然而，现有的活动空间构建算法未能准确反映人类移动行为中围绕活动锚点移动的空间行为特征，且现有研究中缺乏适用于大规模轨迹数据集的高效、准确活动空间构建算法。【方法】本研究提出了基于活动锚点的个体活动空间构建算法（ANChor Point-based Activity Space， ANC）。算法首先识别个体轨迹中的停留点，并结合停留时长以及访问频率等信息提取个体的活动锚点；其次建立锚点间的移动关系；随后，分别构建锚点内活动空间与锚点间活动空间，并叠加分析得到基于活动锚点的个体活动空间。在算法有效性验证方面，除了面积指标，本研究还提出了活动空间覆盖率与面积效率2项指标，并与标准距离圆（Standard Distance Circle， SDC）与标准距离椭圆（Standard Deviational Ellipse， SDE）算法进行对比分析。进一步，本研究计算了个体可达性，以验证ANC算法在城市研究中的实际应用潜力。 【结果】本研究以上海市手机信令数据为例开展案例分析，结果表明： ① 研究提出的ANC算法在活动空间覆盖率上优于SDC与SDE算法，面积效率提升50%以上，有效减少了对个体未到访区域的过度包络； ② 上海市活动空间分布呈圈层结构，城市中心区域活动空间较小、郊区较大。ANC面积显著低于SDC、SDE面积，表明现有活动空间算法存在过度包络，面积存在显著高估； ③ 上海市个体可达性空间分布呈圈层结构，城市中心区域个体可达性较大，郊区较小。ANC算法下的个体可达性仅为SDC、SDE算法的12%~40%，表明基于现有活动空间算法计算的个体可达性存在显著高估。 【结论】本文提出的方法相较现有算法能够更为准确地刻画个体活动空间，适用于大规模轨迹数据集的个体活动空间构建任务，能够为城市公共资源配置与布局优化研究提供可靠的计算支持。

【目的】路径规划是车辆行驶的关键决策环节。传统算法（如A*、Dijkstra等）未能充分考虑地表起伏、土壤松软等环境因素影响，难以动态评估车辆在不同地表条件下的受力状态及其通行效率。为应对上述问题，本文提出一种融合地表环境信息与车辆动力学特征的越野路径规划方法。【方法】首先通过评估地形、土壤等多环境因子影响，识别区域通行性；然后结合车辆几何结构与动力学参数，模拟车辆在不同地表条件下的受力情况与速度衰减特性；在此基础上，利用改进的A*算法，实现路径可行性与通行效率的协同优化。为验证该算法的有效性，本文在青藏高原2个典型区域开展模拟实验。【结果】在起点与终点最大直线距离91 km的条件下，改进方法规划的路径能够完全规避土壤沉陷区、地质灾害区和坡度受限地形等通行不利区域。与传统A*算法相比，本文方法规划的路径预估通行时间显著缩短，平均缩短约38.63%。【结论】本文方法从车辆受力角度，定量评估了自然地表条件对车辆通行能力的综合影响，可为越野环境下的路径规划一种实用而有效的工具。

【目的】近年来，机载LiDAR点云数据的应用日益广泛，其语义分割是实现三维场景理解的重要环节，但现有部分分割方法存在一定的缺陷。例如，基于局部聚合的PointNet++和KPConv等方法难以有效捕捉长距离依赖；而引入Transformer等全局注意力机制虽能扩大感受野，但其高昂的计算成本不适用于大规模机载LiDAR数据；同时，多数方法未能充分利用机载数据中蕴含的丰富高程信息。【方法】本文提出了一种融合投影注意力和高程注意力机制的点云分割网络（Projection Attention and Elevation Attention Network, PE-Net)。首先，为实现高效的全局依赖建模，投影注意力模块将传统自注意力中的键和值投影至一个低秩子空间，从而以线性计算复杂度捕捉长距离关系。其次，为充分利用机载数据的垂直结构先验知识，高程注意力模块直接从点的Z坐标学习注意力权重，显式地增强了模型对地形变化的敏感度。最后，局部-全局特征增强模块通过并行的最大池化与平均池化操作聚合了多尺度上下文信息，实现了局部几何细节与全局语义的深度融合，有效提升了对复杂空间结构的表达能力。【结果】利用ISPRS Vaihingen3D 和GML等主流机载LiDAR点云数据集对本文方法进行了验证，实验结果表明：PE-Net在ISPRS Vaihingen3D数据集上取得了82.6%的OA分数和72.1%的Avg.F1分数，在GML数据集上则达到97.0%的OA分数和72.8%的Avg.F1分数；同时，在LASDU数据集上也展现出较优的分割结果。与基线方法KPConv相比， PE-Net在GML数据集上的OA分数和Avg.F1分数上分别提升了7.0%和20.4%。【结论】相较于现有主流方法，本文提出的PE-Net在总体精度和Avg.F1分数上均取得了显著提升，证明了PE-Net在复杂三维场景点云语义分割任务中的有效性和鲁棒性。

【目的】敏捷型光学遥感卫星通过同轨多条带拼幅成像能够快速获取过境区域的大范围影像，但由于成像过程中卫星视角多变、条带间误差特性不同等原因，导致影像存在几何畸变。需对多条带影像高精度拼接技术开展研究。【方法】提出了一种适用于敏捷型光学卫星的多条带影像高精度拼接处理方法：通过区域网平差、开源地形数据辅助下几何粗纠正、正射影像匹配引导的几何精纠正和拼接输出等处理，实现多条带影像的高精度拼接处理。在处理中提出了矢量数据引导的连接点提取技术；引入样条函数优化影像配准技术；借助区域网平差思想优化影像匀色方案。【结果】为验证方法有效性，利用高景二号与北京三号卫星所获4个区域的影像开展试验。【结论】结果表明几何精纠正的精度可以达到平原地区1.90像素，丘陵山地地区2.56像素。该方法能够有效解决敏捷型光学卫星影像区域高精度拼接问题，实际作业可操作性强、输出影像产品精度高，具有重要的应用价值。

【目的】遥感影像目标检测是遥感影像智能解译的关键技术，旨在自动搜索并定位影像中的感兴趣目标。尽管通用目标检测算法在自然影像上已取得显著进展，但由于遥感影像固有的背景复杂、目标尺度与形状变化剧烈（多尺度、极端长宽比目标）等特性，其直接应用于遥感领域时性能受限。【方法】为应对上述挑战，本文提出了一个尺度和形状感知方法用于检测遥感影像复杂背景下的多尺度和极端长宽比目标，并将其命名为BSPDet（Background, Scale, and Profile Detector）。该网络由3个协同工作的核心模块构成： ① 以全局和局部交叉融合网络（Global-Local Contexts Crossing Fusion Network, GLCCFNet）作为主干网络，有效捕获多尺度目标的深层特征，实现尺度感知； ② 引入一个可挑选焦点特征融合网络（Select Focus Feature Pyramid Network, SFFPN），通过语义精炼与空间选择机制，精准过滤复杂的背景噪声，增强对目标的专注度； ③ 设计了形状感知解耦检测头（Shape Sensitive Decoupled Head, SSDHead），专门用于提升对极端长宽比目标的特征提取能力，实现形状感知。这3个模块有机结合，共同提升了模型在复杂场景下的检测鲁棒性。【结果】为验证BSPDet的有效性，本文在3个光学遥感数据集（DIOR, RSOD, HRRSD）和一个SAR数据集（SSDD）上进行了综合实验。结果表明， BSPDet在3个光学数据集上的平均精度均值（mAP）分别达到了73.7%、96.5%和94.4%，显著优于PKINet、 YOLOv12等先进算法。在SAR影像的SSDD数据集上， mAP更是高达98.7%，超越了LWM-YOLO和DEPDet等最新方法，展示了优越的性能和良好的泛化能力。【结论】本文提出的BSPDet通过融合尺度感知、背景抑制与形状感知机制，有效提升了遥感影像目标检测的精度。该方法为解决遥感图像中多尺度和极端长宽比目标的检测难题提供了新的思路，可为道路病害识别、舰船监测等应用领域提供有力的技术参考。

【目的】目前遥感影像建筑物变化检测方法中存在双时相图像融合信息利用不充分和图像对准等问题，导致变化检测结果不准确。【方法】针对存在的问题，本文提出了一种基于双时相图像特征交互和差分对齐的Mamba网络FIDAMamba（Feature Interaction and Differential Alignment Mamba）。该方法使用编码器-解码器结构，在特征提取阶段通过将特征交互模块嵌入到分层的Mamba编码器中，将双时相特征投影到特征空间中并获得共同特征，以增强融合双时相图像特征信息的能力。在预测差分图阶段，通过估计并校正双时相图像特征之间的偏移量，提高特征对齐的能力。最后，将聚合多级特征的差异图通过解码器，以预测最终变化图。【结果】 FIDAMamba在LEVIR-CD和WHU-CD数据集上F₁值分别达到91.89%和91.12%， mIoU值分别达到84.99%和83.68%。相较于现有方法ChangeFormer以及ChangeMamba，本文提出的方法在LEVIR-CD数据集上F₁值分别提高了1.49%、2.09%， mIoU值分别提高了2.52%、3.50%。与现有方法相比， FIDAMamba在背景变化较大或图像错位时，通过引入特征交互、差分对齐模块，增强了模型捕捉和对齐图像差异信息的能力，能够更好地识别变化的建筑物，减少误检和漏检的情况。【结论】该方法有效地提升了变化检测的精度，为遥感影像在建筑物变化检测任务中的深入研究与应用提供了有力的支撑。

【目的】为了对自然灾害发生后的快速响应与救援提供有力支持，针对建筑物遥感图像的损伤分类中出现的评估精度与效率不足的问题，提出一种基于两阶段卷积神经网络(BDDNET)的建筑物损伤评估模型。【方法】该模型以Unet++模型为基础，引入SE、CBAM和ASPP模块，通过模块间的协同作用处理复杂背景与多尺度损伤区域，增强模型特征提取能力；同时，为应对数据集类别不平衡问题，采用CutMix数据增强技术，提升模型泛化能力与鲁棒性。实验采用xBD遥感卫星数据集具体分析了该方法的可行性，并通过消融实验证明了所添加模块的有效性，将评估指标与基于Unet++、 FCN、 Deeplabv3 模型的结果进行了对比。【结果】实验验证显示，BDDNET 模型在建筑物提取任务中的F1分数达到92.25%， IoU达到86.2%；在损伤分类任务中的F1分数达到76.55%， IoU达到64.15%。均较目前的主流模型均有一定程度的提升，能够有效完成建筑物提取与损伤分类任务。【结论】基于BDDNET的建筑物损伤评估模型，通过融合深度学习与遥感技术，结合模块优化与数据增强策略，显著提升了灾后建筑物损伤评估的精度与效率，具备良好的实用性与可靠性，可助力灾害后的快速响应与救援工作。

【目的】海岸带遥感监测为海岸带资源管理和环境保护提供了有力的数据支持，深度学习的发展为海岸带遥感监测提供了新思路，然而由于海岸带遥感影像的复杂性和样本的稀缺性，实际应用效果不理想。为了丰富海岸带遥感样本数据集，提高模型精度和泛化能力，构建了数据自动增强网络RS_FAA，提出了一种样本增强效果评估方法，以实现海岸带遥感样本数据的高效自动增强。【方法】首先针对海岸带遥感影像的成像特点及光谱特征，设计了包含几何增强与色彩增强的策略搜索空间，绑定几何与色彩增强策略以克服现有增强方法过度依赖几何增强的缺点；然后改进Fast AutoAugment网络，引入U-Net模块、数据增强评估模块和增强策略筛选模块，实现海岸带遥感样本的多种增强策略最优选择与组合；最后采用欧式距离与余弦相似度来评估增强后样本数据集的多样性，采用6种性能评估指标来评估增强后数据集对模型泛化能力的提升。【结果】以福建省漳州市海岸带为研究区，对样本增强效果和模型性能进行评估，增强后数据集的特征差异与多样性明显增强，整体精度在U-Net、PsPNet、SegNet、Deeplab V3+这4类网络上均有提升，分别提高了2.4%、1.5%、1.3%、0.8%，跨区域数据召回率提升了4.8%。【结论】该方法可显著提升海岸带遥感样本集的多样性和模型性能，降低模型对特定区域数据分布的依赖，可有效应用于海岸带遥感监测任务中。

【目的】针对历史文化街区街道空间品质评价中数据采集困难、量化维度单一等问题，本研究以郴州市裕后街为实验区域，提出了一套可量化的历史街区街道空间品质评价方法。【方法】研究从步行通达性、安全便捷性、视觉舒适性3个维度构建了包含文化层面的17个指标评价模型，针对狭窄街巷空间的数据采集困难，地图平台数据覆盖不全的问题，创新性地采用自采集街景，即人工模拟游客行进路径采集街景图像，确保对狭窄样本街道的适用性，并运用全卷积神经网络语义分割和ArcGIS空间可视化，实现对街道空间品质的量化评估。【结果】 ① 自采集街景图片能够有效覆盖包括狭窄街巷的空间街景，且拍摄更贴近行人视角，符合实验数据需求。② 街景图片结合语义分割和数据可视化可精确定位各街道指标数据及空间品质等级结果，验证发现案例地街道品质梯度分布特征显著，且具有明显的空间分异性。③ 该方法构建了从街景数据采集到空间品质评价的完整技术框架，实现了街道环境多维度指标的量化分析与可视化呈现，为历史街区精细化更新提供了数据支撑和决策依据。【结论】 ① 本研究结合人工街景采集方法创新提出了针对历史街区的“人工采集街景图像-全卷积网络语义分割-ArcGIS空间可视化”的技术路径，有效解决了狭窄历史街巷的数据采集难题，为小尺度建成环境研究提供了可推广的技术方案。 ② 构建了针对历史文化街区的评价体系，将“文化视觉识别度”“传统业态占比”等软性指标纳入量化体系，为同类街区的品质研究提供了量化分析方法。