【目的】长期以来，城市常被视为有机体、生命体，但传统论述大多停留在修辞隐喻，相关研究也多关注分析视角、缺乏可操作的科学框架与技术方案。【方法】基于文献综述和理论分析，将“有机生命体”定位为启发式隐喻，以复杂系统理论为指导，提出并完整阐述城市生命体的理论技术框架。【结果】城市生命体由“三维度-七子系统-七类关键要素”耦合而成，可通过异质级联网络进行描述，并利用网络动力学解析要素间的竞争、协同、依赖机制，从而为生命体模型提供符号化表示。借助数字孪生、城市模拟等新一代技术，可通过动力学仿真与智能体仿真融合实现城市生命体的数字孪生，实现对城市现象的跨尺度涌现推演。此外，可借助强化学习完成“模拟+决策”的闭环治理范式，针对突发事件实现资源调度、城市病治理推演要素配置等问题提供解决方案。【结论】城市生命体理论为超大特大城市韧性、宜居与可持续发展提供了统一的理论框架、可计算模型及新的治理范式，填补了隐喻与科学之间的理论与技术缺口。

【目的】城市普遍被视为复杂巨系统。第五次中央城市工作会议明确提出“城市生命体”的命题，强调应将城市作为一个整体系统加以认知。然而，当前学界与实践领域对城市系统仍缺乏统一认识，其功能结构、组成要素及耦合关系尚不清晰。传统城市研究多基于实证主义与功能结构主义，将城市视为可测量的物理系统，而忽略了城市是由观念、制度与社会互动不断建构的社会技术复合体。本研究认为政府治理行为在塑造城市系统认知中具有核心作用，既界定“城市是什么”，也界定“如何治理城市”，从而形成城市问题与城市系统的边界。因此，本研究从建构主义视角出发，提出一种以政府职能为基础的城市系统认知路径，以实现对城市整体性的系统化认知。【方法】本文根据政府职能抽取城市要素，并通过大语言模型与图检索增强等人工智能技术，结合政府文件与学术文献构建跨学科城市系统知识图谱，识别城市要素之间的复杂关联。【结果】研究从覆盖广州、深圳、上海3个城市131份政府职能文件中提取出19类主要政府职能及其关联要素，并与可持续发展目标相对应。构建的城市系统知识图谱全面且有效地捕捉了要素之间的关联，支撑对城市系统功能结构与运行机制的理解。【结论】在理论层面，本研究为城市研究提供了一种认知论框架，也可为城市治理实践与可持续发展研究奠定学理基础。

【意义】城市作为具有自组织、新陈代谢等特征的复杂生命体，其运行与演化过程体现出高度的系统性与动态性。面对环境污染、交通拥堵等日益突出的“城市病”，传统治理模式已难以应对复杂多变的城市问题，亟需从生命体视角出发，构建全周期治理的新范式。数字孪生作为物理城市与虚拟空间之间的桥梁，正在成为实现智慧城市建设与精细化治理的关键技术路径。基于此，本文聚焦于城市生命体视角下的数字孪生技术，旨在为未来城市生命体全周期治理提供感知、理解、推演和决策支持的重要基础。【分析】本文系统梳理了城市生命体数字孪生在城市建模、运行模拟与智能决策中的核心功能与发展路径。首先，在数据不完备背景下，通过贝叶斯推断、图扩散模型等技术实现数据补全，构建覆盖城市生命体多子系统的孪生模型；其次，结合动力学模型与智能体模拟仿真方法，提出城市物理与社会要素的协同仿真机制，并随实时监测数据动态更新，以确保仿真的准确性；进一步，面向城市病的预警与治理，提出基于时空基础模型的城市指标预测与反事实推演方法，实现治理方案的模拟评估与优化迭代。【结论】本文从城市生命体视角出发，构建了城市数字孪生的系统性技术框架与研究思路，旨在为未来城市生命体全周期治理提供感知、理解、推演和决策支持的重要基础。

【目的】针对城市要素流动受阻、子系统耦合失调引发的公共服务设施空间配置失衡、交通拥堵等“城市病”，本文旨在构建一种从被动响应向主动干预转型的治理模式。【方法】基于城市生命体理论，本文界定“心理韧性”的特征，将其定义为城市系统通过历史治理经验积累实现策略动态优化的内在学习机理。进一步提出基于城市生命体理念的模拟与决策协同治理概念，明确其核心特征与治理逻辑，并构建了融合模拟推演与强化学习技术的城市主动治理框架，该框架通过解耦训练与决策过程，确立了“慢模拟”验证与“快决策”响应的异步协同机制，并针对反映亚健康状态的“慢性病”与应对突发风险的“急性病”提出差异化分治路径。【结果】基于SUMO仿真平台的实验表明，在常态高饱和流及突发事件等多种压力场景下，该框架通过智能体与环境的深度交互迭代，其治理成效优于传统固定配时与自适应控制策略，在降低现实试错成本的同时，提升路网通行效能与系统韧性。【结论】本文提出的协同治理框架为城市多要素的精准配置与动态修复提供了技术路径，未来可进一步在多源数据融合与算力平衡方面深入探索。

【目的】为明确城市模拟与深度强化学习在智能城市规划中的学科定位，本文从地球信息科学与规划学交叉视角，梳理“城市模拟器-规划智能体-反馈学习”的计算范式、应用进展与挑战。【方法】该范式以城市模拟器作为可交互数字孪生环境，将土地利用、道路、设施、交通需求等城市要素表达为图结构，并将规划干预形式化为马尔可夫决策过程；深度强化学习智能体在模拟器中完成状态感知、动作选择、奖励反馈和策略更新，在大规模方案空间中学习兼顾效率、公平、成本与可持续性的规划策略。【结果】现有研究已在15 min生活圈、城中村道路规划、公共设施选址和地铁网络扩展等场景中展示了较强的优化能力与迁移潜力，说明该范式能够把传统GIS中的空间分析、可达性评价和情景模拟进一步推进为主动生成方案的地理计算实验。【展望】城市模拟与深度强化学习的结合，不仅是一组算法工具，也可能推动城市规划从经验驱动的静态方案比较，转向“模拟-学习-评估-协同”的动态决策新范式。未来仍需在多源数据融合、奖励函数的价值表达、模型可解释性、长期反馈机制与人机协同治理等方面深化研究。

【背景】随着城市数字化转型的不断深化，传统数据管理模式在复杂城市治理场景中逐渐暴露出“信息孤岛”问题与低效决策支撑能力等短板，已难以充分契合精细化治理的现实需求。【方法】本文提出“城市数字孪生数据体”范式，通过数据全生命周期管理与技术融合创新，力求系统性破解城市治理中的数据割裂与智能决策难题。【过程】研究首先阐释其内涵特征，强调数据体并非简单的数据聚合，而是具有内在逻辑关联的有机整体；继而构建以“空间融合、信息扩展、应用驱动、智慧赋能”为核心的4层架构体系：通过空间维度立体整合城市基础空间、行业部件与社会经济信息，形成全要素数字化映射基底；依托核心属性与领域属性分层设计及对象型属性链式关联机制，提升数据跨场景灵活适配能力；基于场景需求驱动数据模块化拆分与动态组装，实现全域数据向定制式、精准化应用的价值转化；借助人工智能技术推动多源数据智能融合与认知深化，完成智慧趋势预测与决策优化闭环。研究基于所提数据体架构，设计智慧停车全域协同治理场景，融合规划、交通、商业、应急等多部门数据，通过动态车位智能调度、跨域数据实时联动及常态应急双模式协同管理，解决停车资源错配、数据壁垒等治理难题，验证该理论框架在复杂城市治理场景中的实践指导效能。【展望】在数据体安全隐私与可信计算方面的深化方向，为城市从“数字孪生”向“智慧共生”演进提供理论支撑与实践路径。

【意义】空间规划是引导国土空间优化开发和可持续发展的重要政策工具，是城市未来发展建设和管理的重要依据。然而，由于不同空间层级、不同类型规划的编制标准和设计单位存在差异，造成了规划信息的多样性和复杂性，导致“规划冲突”问题。【方法】本文基于知识图谱在数据组织和语义关系表达方面的优势，通过整合不同层级和不同类型规划要素，探索构建了城市规划协同知识图谱，通过将空间规划资源的时空属性信息进行了语义关联，实现在统一的时空框架下将广泛的城市规划信息进行集成与关联，提升城市空间多层级、多类型规划协同的整体效能。【结果】本文以深圳市为实验区，构建了规划协同知识图谱，并提出“矛盾表现—冲突来源”双视角检测框架。实证研究精准识别了宝安区医疗与生态空间重叠及龙岗区产业与林业规划的指标属性冲突，实现了对规划冲突的量化检测与政策溯源。【结论】作为国土空间开发与城市管理重要依据的空间规划，其“规划冲突”难题可通过知识图谱技术解决。城市空间规划协同图谱的构建与应用，充分证实了知识图谱与城市规划结合的可行性，其不仅构建了全面数据库、借可视化简化管理协同，更通过整合数据源促进规划关联重构，为要素协同、冲突检测等提供技术支持，最终有效提升规划协同整体效能。

【目的】近年来，城市区域表征学习作为理解与建模城市空间结构和功能的重要技术路径，逐渐成为地理信息科学与人工智能交叉研究的热点方向。该领域致力于将城市中复杂、多源的信息嵌入统一的表示空间，以支撑城市功能识别、社会行为理解和经济指标预测等下游任务。鉴于该领域缺乏系统性综述的现状，本文通过全面梳理现有研究成果，旨在帮助研究者把握领域发展脉络，明确关键科学问题与未来方向。【方法】本研究建立“空间单元构建-多模态融合-结构协同建模”三位一体的分析框架，围绕以下核心内容展开系统探究：在空间单元层面，深入比较不同划分方式对表征效果的影响机制；在多模态融合层面，全面分析多源数据的特征对齐与融合策略；在结构建模层面，重点对比多图、异质图、超图等结构方法与提示学习、对抗学习、元学习等学习范式的技术特征。【结果】基于对相关研究成果的整合分析，本综述系统呈现了不同技术路线的演进脉络与相互关系，总结了该领域发展过程中面临的共性难题，并梳理了各类方法的适用场景与技术特点。【结论】本文进一步提出该领域未来的核心发展路径，从理论基础、技术架构与应用范式3个维度指明重点突破方向，为构建新一代城市空间智能分析体系提供理论支撑与方法指导。

【目的】随着个性化旅游服务的兴起，旅游兴趣点（POI）推荐在提升用户体验和优化出行决策方面发挥着重要作用。然而，受限于用户签到数据的高度稀疏性、时空依赖的复杂性以及多种特征的动态变化，现有方法难以精准建模用户的旅游偏好。【方法】针对上述挑战，本文提出了一种基于元学习的动态特征融合和跨视图对比学习的兴趣点推荐方法（MCC-POI）。该方法通过引入动态特征融合机制，使得模型能够根据任务和时间步的变化自动调整多种特征的重要性。此外，结合跨视图对比学习和对称性约束，有效捕捉了兴趣点（POI）特征与地理特征之间的潜在关联，从而进一步提升了推荐的精度和鲁棒性。【结果】所提方法在4个现实世界数据集上进行了广泛实验，实验结果表明，MCC-POI在F1分数和pairs-F1分数上均显著优于传统基线方法（如Popularity、PersTour、POIRank等）及先进深度学习模型（如DeepTrip、SelfTrip、BertTrip等），较最优基线模型（AR-Trip）提升1.6%~6.0%。【结论】本研究提出的MCC-POI方法通过动态特征融合与多视图对比学习，有效解决了旅游推荐中特征融合静态化的问题，为复杂场景下的个性化推荐提供了新思路。

【目的】隐喻是语言学修辞法的重要内容，该修辞将抽象的、难于理解的本体内容通过形象直观的喻体映射表达。地图作为地学研究的第二语言，引入隐喻修辞法后产生了一种新的地图——隐喻地图，它是对非空间信息（语义信息）的仿地图可视化表达，在人为构造的虚拟空间中，将语义信息的关联、层次、因果、过程化等特征，映射到该虚拟空间中以地域性图形符号展示，获得形象、直观的空间可视化感受。本文基于泛地图表达中地理特征组合的4种情形，讨论了隐喻地图的产生背景，剖析了隐喻地图概念的内涵与外延。【方法】针对语义概念自身信息和相互联系的2种隐喻表达对象，从地图设计原理出发分析了隐喻地图实现的3个技术方法：语义特征的抽象概括、语义空间到地理空间的升维、似地图符号的仿真。【结果】以计算机目录结构文件信息可视化为例，对层次特征语义信息表达开展了隐喻地图表达案例研究。【结论】隐喻地图为语义信息的空间化表达提供了可视化方法，让受众在形象直观的空间感中认知抽象的信息内容，拓展了地图在其他可视化领域的应用。

【目的】随着城市化进程的推进，城市空间功能正经历深刻变化，逐渐从传统的单一功能向复合型功能转变。静态的街道功能识别及动态出行流动性分析等问题已得到广泛关注，但功能与流动模式之间关系的探究仍有欠缺。【方法】为此，本文提出一种融合街道功能类型与出行流动性规律的框架挖掘功能与流动模式之间的潜在相互关系。首先，利用出租车轨迹数据和街景图像数据提取居民动态出行行为特征与静态物理环境特征，将其映射至对偶图，通过深度图注意力嵌入模型实现街道聚类。随后，引入兴趣点数据，结合词频-逆文档频率模型确定街道功能。最后，利用DBSCAN算法实现出行OD流聚类，提取统计指标，并采用相关性分析解析街道功能与流动性指标间的关系。【结果】该方法有效识别济南市5类混合功能街道：休闲-商业型、商业-公共服务型、行政-医疗型、工作-生活型及出行-生活型；分析显示，济南市街道呈现功能层级结构。【结论】研究结论可为街道空间优化提供重要参考，助力城市设施的科学配置与高效治理。

【目的】海洋环境变量通常表现为分布于曲面地球空间、并沿非均匀垂向层采样的三维标量场。传统体渲染方法在处理WGS84椭球几何和真实海洋深度结构时，易产生几何不匹配、无效采样、垂向结构畸变、浅层细节丢失及深层冗余计算等问题。为提高海洋三维标量场可视化的空间一致性与渲染效率，本文提出一种WGS84椭球约束下的几何感知与分层自适应体渲染方法。【方法】该方法将椭球代理几何构建、非均匀深度索引和自适应光线投射集成于WebGL2渲染流程中。首先，在保持CMEMS原始垂向层结构的基础上，将经度-纬度-深度数据组织为三维纹理，并通过深度层查找与层内插值建立物理深度到纹理坐标的映射，避免等深度重采样导致的结构畸变。其次，基于WGS84椭球参数构建双层椭球壳代理几何体，在地心笛卡尔坐标空间中限定有效采样区间，减少曲率不匹配和地理范围外无效采样。最后，根据垂向层间距动态调整光线投射步长，提高浅层采样密度，并降低深层冗余计算。【结果】基于中国近海CMEMS温度场数据的实验表明，本文方法能够保持研究区域的曲面地理结构，避免深度线性化引起的垂向畸变，并较好重建典型深度层结构。与固定步长光线投射相比，分层自适应采样在保持相近视觉质量的同时，使平均帧率提升约24.9%。Web端测试进一步表明，该流程可支持百万级至近千万级体素数据的秒级初始化。【结论】本文方法通过耦合WGS84椭球几何与海洋非均匀垂向分层特征，提升了海洋三维标量场可视化的空间保真度、层次表达能力和交互渲染效率，可为大规模非均匀海洋数据的精确可视化提供技术支持。

【目的】遥感影像少样本目标检测在灾害监测和军事侦察等领域具有重要意义，但受遥感影像背景复杂、目标尺度差异大、类别间相似度高及标注样本稀缺等因素影响，现有模型易出现过拟合且新类检测精度低的问题。因此，本文提出一种基于特征优化的遥感影像少样本目标检测方法。【方法】首先，在模型颈部设计自适应密集融合金字塔模块（Adaptive Dense Fusion Pyramid Network，ADFPN），通过特征预处理与特征密集融合2个步骤使得不同尺度的特征充分交互，同时确保特征金字塔在跨尺度融合过程中的信息完整性，为检测头提供更为准确的特征表示。其次，提出可变形区域候选网络（Deformable Region Proposal Network，D-RPN），通过引入卷积核偏移量预测模块，实现了采样点的动态自适应调整，使得网络能够根据目标物体的几何特性灵活地调整感受野，从而增强模型对于不规则形状目标的定位能力。最后，设计跨层级融合感兴趣区域提取器（Cross-Hierarchical Fusion Region of Interest，CHF-RoI），迫使模型在训练过程中同时关注目标本身及其关联的上下文信息，该模块利用上下文信息，有效缓解了过拟合问题并提升了检测性能。【结果】本文在NWPU VHR-10.v2与DIOR数据集上开展了对比实验与消融实验。结果表明：在NWPU VHR-10.v2上，相较于基线模型Meta-RCNN，本文方法在 2-shot、3-shot、 5-shot和10-shot设置下的新类mAP（mean Average Precision）分别提升2.1%、1.5%、6.4%和6.2%。在DIOR数据集的类别划分方案一中，本文方法在各少样本设置下的新类mAP均优于Meta-RCNN；在DIOR数据集的类别划分方案二中同样取得了较好的新类mAP表现。此外，与FSCE、TFA、P-CNN等经典方法的对比结果显示，本文算法在新类检测mAP上整体更优，具有明显优势。消融实验进一步验证了本文所设计的3个模块均能有效提升模型在遥感影像少样本目标检测任务中对于新类目标的检测能力，证实了各模块的必要性与有效性。【结论】本文设计的模块有效提升了模型在少样本条件下的新类检测精度，验证了所提算法能够在复杂场景中缓解少样本带来的性能退化问题，具备良好的检测精度与泛化能力。因此，本方法为遥感影像少样本目标检测提供了一种有效的解决方案，在灾害监测与军事侦察等实际应用领域具有广阔的应用前景。

【目的】针对高分辨率遥感影像中地物尺度差异显著、空间结构复杂以及边界易退化等问题，现有轻量化语义分割方法虽在计算效率方面具有优势，但普遍将解码阶段简化为分辨率恢复过程，缺乏对多层特征间结构关系的系统建模，易导致复杂区域结构破碎、小目标识别不足以及边界细节缺失。为此，本文从解码机制出发，将解码过程引入结构恢复视角，并建模为层次化结构恢复过程。【方法】本文提出一种轻量化遥感语义分割网络——选择性对齐融合网络（Selective Alignment Fusion Network, SAF-Net）。该方法构建以结构恢复为主线的渐进式解码框架，在高层阶段通过空间结构重建模块增强语义特征的空间连续性，在跨层融合阶段利用选择性语义对齐机制缓解语义偏差，并在浅层阶段结合多尺度细节恢复与边界约束细化策略，实现细粒度结构与边界信息的协同优化。通过上述设计，解码过程由传统的尺度恢复进一步扩展为兼顾语义一致性、结构完整性与边界连续性的联合建模过程。【结果】在 ISPRS Vaihingen、Potsdam 及 LoveDA 数据集上的对比实验结果表明，SAF-Net 分别取得 84.57%、86.89% 和 51.04% 的 mIoU，相较于LightFormer分别提升了1.65%、0.59%和3.02%，在轻量化模型、Transformer 方法及 Mamba 方法中均表现出较强的竞争力。进一步的消融实验与可视化分析验证了进一步验证了所提结构恢复机制在跨层语义协调、复杂结构恢复、小目标表达以及边界连续性建模方面的有效性。【结论】本文提出的结构恢复驱动解码建模方法为高分辨率遥感语义分割中的轻量化解码设计提供了一种新的建模思路。

【目的】遥感变化检测（Remote Sensing Change Detection，RS-CD）在城市扩张监测、灾害评估和土地利用调查等领域具有重要应用价值。针对复杂场景下变化目标尺度差异显著、双时相差异信息表征不足以及跨层特征融合易产生语义不一致与空间偏移等问题，提出一种面向复杂场景的遥感变化检测方法。【方法】本文提出了一种层次化差异融合网络（Hierarchical Difference Fusion Network，HDFNet）。该网络在编码阶段引入多尺度差异增强模块（Multi-Scale Difference Enhancement Module，MSDE），针对不同层级特征的表达特点，分别采用高效多尺度差异增强模块（Efficient Multi-scale Difference Enhancement，EMDE）和坐标感知差异增强模块（Coordinate-aware Difference Enhancement，CADE），以增强浅层细粒度变化响应和深层语义结构一致性；在解码阶段设计双重特征融合模块（Dual Feature Fusion，DFF），通过通道自注意力门控（Channel Self-Attention Gating，CSAG）和多尺度空间混合器（Multi-Scale Spatial Mixer，MSSM）实现跨层特征的语义筛选与空间对齐；同时结合加权多损失联合优化策略，以提升模型对复杂背景的适应能力和变化区域的判别能力。【结果】在LEVIR-CD、WHU-CD、CLCD和SYSU-CD 4个公开数据集上的实验结果表明，HDFNet的F1分别达到91.31%、94.05%、78.73%和83.46%， IoU分别达到84.01%、88.77%、64.92%和71.62%。相较于近期代表性方法HA2F，本文方法在4个数据集上的F1分别提升0.69%、1.76%、1.96%和0.89%， IoU分别提升1.16%、3.09%、2.63%和1.31%，说明所提方法在不同复杂场景下具有较好的变化区域识别能力。可视化结果表明，所提方法在复杂背景抑制、边界细节恢复及大尺度变化区域完整性表征方面具有更好表现；消融实验进一步验证了多尺度差异增强和双重特征融合策略的有效性。【结论】HDFNet能够有效提升复杂场景下遥感变化检测的精度与鲁棒性。

【目的】云检测是光学遥感影像处理的关键步骤，生成无云底图对于土地利用分类、变化信息提取、长时间序列地表覆盖监测等具有重要的意义。近年来基于深度学习的云检测方法相比于基于特征的云检测方法，在高亮地物混合等复杂区域精度提升明显。随着卫星在轨计算等前沿应用的飞速发展，在轨云检测成为研究热点问题。然而，受限于星上等算力有限设备，现有云检测模型在参数量、计算资源占用等方面存在一定的局限，限制了深度学习模型在算力受限设备上进一步应用。【方法】为此，本文基于通用视觉大模型—DINOv3，结合知识蒸馏等模型优化方法，构建了轻量化光学遥感影像云检测模型—LWCloudNet(Lightweight Cloud Detection Network)，该模型通过解耦训练与推理两阶段，在训练阶段同时学习DINOv3通用语义知识与云目标特有信息，实现了推理阶段轻量化模型的高效推理与高精度云检测的目的。该网络模型同时融入了卷积神经网络架构局部特征提取能力与Transformer架构长距离建模优势，从理论上提升了深度模型对形状多变的云目标检测能力。在高分一号、高景一号等国产光学卫星遥感影像数据上进行真实性实验验证，同时在Jetson等资源受限设备上开展了移动端实验测试。【结果】本研究构建的轻量化云检测模型，能够精准分割云覆盖区域，在云像素边缘等复杂区域，相比现有模型精度更高，IOU相比现有轻量模型STCNet提高了2.86%。移动设备Jetson推理效率上，在单景高分一号PMS影像上实现了301.34 s推理，相比于现有轻量化分割检测模型FastViT效率提升了17.62%。蒸馏策略对比上，本文所提的多尺度知识蒸馏策略，相比于现有的引导特征蒸馏策略，IOU提升了2.08%。【结论】本文的轻量化云检测模型有望为卫星在轨智能信息解译提供一定的预处理技术支撑，并为低算力设备高精度云检测提供理论参考。

【目的】海冰监测对保障冬季航运安全及海洋工程维护具有重要意义。【方法】针对海冰尺度多样化导致海冰特征提取困难，以及复杂背景干扰导致冰水辨识度低的问题，本文提出一种融合多源物理特征与双重注意力的 SegFormer海冰提取方法。为解决海冰尺度多样化导致海冰特征提取困难的问题，在编码器设计SCSA-Inception模块，结合Inception多尺度卷积与空间通道协同注意力机制（Spatial and Channel Synergistic Attention, SCSA），有效兼顾大面积冰盖的全局上下文与细碎流冰的局部细节，增强对不同尺度海冰特征提取能力。为解决复杂背景干扰导致冰水辨识度低的问题，本文分别从数据输入增强、网络特征解码以及损失函数约束3个层面进行优化：首先结合可见光波段物理特性，构建包含强度、归一化差异水体指数（Normalized Difference Water Index, NDWI）变体及明度分量在内的物理信息增强输入，以降低冰水光谱混淆度，并提升表面的光学对比度；随后在解码器设计CPCA引导注意力模块，利用通道先验卷积注意力（Channel Prior Convolutional Attention, CPCA）自适应分配特征权重，放大海冰特征响应并削弱沿岸陆地纹理噪声，有效抑制复杂背景干扰；最后设计边界感知复合损失函数，通过Sobel算子显式提取海冰边界信息并结合区域语义损失，促使模型在关注整体分类精度的同时，优化海冰边缘的提取细节，进而协同提升复杂背景下的冰水辨识度。【结果】以辽东湾为实验区，在构建的HY-1C/D卫星海冰数据集上开展验证，实验结果表明：本文方法在mIoU、mPA和Accuracy指标上分别达到81.51%、90.28%和90.98%。特别是在核心评价指标mIoU上，相较于SAM-RS、SCTNet、CGGLNet及SegFormer等当前先进模型分别提升了14.08%、13.50%、7.20%与5.88%，展现出良好的提取精度与鲁棒性。【结论】本文提出的多模块改进方法有效克服了海冰尺度多样化导致的特征提取困难，以及复杂背景干扰引起的冰水辨识度低等难题，为冬季海上交通航运安全保障及海洋工程维护提供了高效、精准的监测手段。

【目的】针对秦岭复杂山地环境中单一遥感数据在针叶林与阔叶林识别过程中易受光谱混淆、物候差异与地形干扰等问题，构建兼顾多源信息协同表达与高维特征优化的森林类型精细识别方法，实现针叶林与阔叶林的高精度制图及其空间格局刻画。【方法】以秦岭地区为研究区，选取2020—2022年Landsat 8光学影像、PALSAR-2雷达极化数据并结合DEM地形数据，构建涵盖基础光谱、多时相光谱、基础植被指数、多时相植被指数、纹理特征、极化特征及地形因子在内的多维度特征体系。采用随机森林（Random Forest, RF）模型开展分类识别，并构建特征重要性排序、精度响应分析、相关性约束的分阶段特征筛选策略，实现高维特征压缩与关键变量优选；结合置换重要性分析不同类型特征的贡献差异，并利用地形梯度揭示针叶林与阔叶林空间分异规律。【结果】① 特征贡献分析表明，光谱波段与植被指数在针叶林与阔叶林区分中发挥主导作用，其中差值植被指数（Difference Vegetation Index, DVI）、归一化差值植被指数（Normalized Difference Vegetation Index, NDVI）及近红外波段的重要性最高；多时相特征与地形因子的引入显著增强了复杂山地条件下的分类稳定性，多源特征之间表现出良好的互补性，形成“光谱主导、时序增强、结构补充、地形约束”的协同机制。② 分类精度评价结果显示，2020—2022年针叶林与阔叶林制图结果的总体精度分别为0.976、0.942和0.928， Kappa系数均高于0.90；本研究针叶林识别的生产者精度均高于0.94，用户精度均高于0.90；相比之下，MODIS MCD12Q1产品针叶林的生产者精度与用户精度均为0， GLC_FCS30产品针叶林的生产者精度最高为0.924，用户精度最高为0.864。总体来看，与其他两种产品相比，本研究在复杂山地环境下表现出更高的分类精度与空间细节表达能力，有效缓解了山地细碎斑块区域的漏分问题。③ 针叶林与阔叶林空间分布呈现显著的垂直地带性特征，阔叶林主要分布于海拔2 000 m以下区域，针叶林在2 500 m以上随海拔升高逐渐占据优势，并在阴坡与半阳坡条件下呈现较高分布比例。【结论】结合分阶段特征筛选策略，多源遥感特征的协同融合可显著提升复杂山地针叶林与阔叶林的识别精度及模型泛化能力。本研究方法兼具精度优势与可解释性，可为秦岭及类似山区森林资源监测、生态评估与动态制图提供技术支撑。

【目的】针对结构性变化背景下机动车盗窃风险时序转折、空间重组及热点激活特征识别不足的问题，本文以X市为研究区，揭示机动车盗窃风险阶段性变化后的时空演化过程及其环境关联。【方法】基于X市2016—2024年机动车盗窃数据，首先采用分段式中断时间序列分析识别机动车盗窃月度序列的结构性断点；其次，以500 m×500 m格网为分析单元，结合格网增量贡献比较和局部Getis-Ord Gi*统计量刻画断点前后风险增长的空间集聚与热点演化特征；最后，在高可达区域内部构建二元Logit模型，检验断点前交通流量、兴趣点密度、功能混合度、网络中心性、距最近警局距离和基线案件水平与断点后热点激活之间的关系。【结果】以X市作为实验区，基于该市2016—2024年机动车盗窃数据开展实证研究。结果表明，X市机动车盗窃在2022年8月前后发生明显结构性转折，断点后风险增长主要集中于少数空间单元，月均增量前10%和前20%的格网分别贡献了50%和72%的全市月均新增案件；热点格局呈现既有高风险区持续强化、邻近区域扩展和部分潜在区域激活并存的空间重组特征。在高可达区域中，118个格网由非显著热点转化为显著热点，占高可达格网的19.87%；模型结果显示，兴趣点密度和功能混合度与热点激活概率显著正相关，而交通流量差异未表现出显著影响。【结论】结构性变化后的机动车盗窃风险并非全市范围内的均匀抬升，而是表现为具有空间选择性的局部强化过程；高可达性更接近机动车盗窃风险释放的背景条件，兴趣点集聚和功能混合则更有助于解释潜在风险向显性热点的转化。本文构建的“结构性断点识别—热点状态转移—激活条件检验”分析路径，可为我国犯罪研究中的潜在热点识别和风险前瞻研判提供方法参考。面向国内防控实践，该框架可结合本土案件数据、停车组织、社区管理、视频监控、物业治理和警务巡控等条件，识别高可达区域内部更可能发生风险激活的重点场所，从而为机动车盗窃及类似机会型犯罪的精细化防控提供依据。

【目的】在人口老龄化与城市热岛效应叠加的双重背景下，老年人群面临日益突出的热暴露健康风险。现有研究多将老年人群作为泛化整体，忽视了老年人口集聚于高密度老旧街区所形成的热暴露空间耦合格局，针对不同老龄化程度街区的热暴露环境归因研究仍显不足。研究旨在揭示不同老龄化程度街区热暴露的空间分异特征，并解析驱动机制的差异化规律。【方法】以北京五环内4 795个街区为研究单元，融合遥感反演的地表温度、ASPECT老年人口分布及建成环境多源数据，计算地表城市热岛强度并耦合老年人口规模构建街区尺度热暴露指数（Heat Exposure Index, HEI），依据老龄化率将街区划分为轻、中、重3类；运用双变量空间自相关揭示老龄化与热暴露的空间耦合格局；从街区形态、建筑形态、绿色空间与设施可达性4个维度构建11项指标体系，结合随机森林-SHAP可解释方法量化建成环境因子的非线性贡献。【结果】① 热暴露水平随老龄化程度显著递增，轻、中、重度街区HEI均值分别为8.80、11.76、14.12，双变量Moran's I达0.345 9，呈现显著空间耦合； ② 热暴露环境归因随建成环境强度梯度分化，轻度街区绿色空间维度合计贡献36.7%居首，中度街区绿色空间与建筑高度并重，重度街区建筑形态维度升至41.4%，相较绿色空间维度（29.1%）呈现约12%的相对优势；③ 随机森林模型在3类街区的预测性能均优于传统回归模型，SHAP分析显示NDVI单位降温效益在重度街区更显著但受整体植被水平偏低所限，街区面积的正向作用在重度街区减弱，建筑覆盖率呈现明显阈值转折。【结论】老龄化与热暴露在北京五环内呈显著空间耦合，建成环境驱动机制随老龄化程度呈梯度分异，研究结论为老龄友好型城市热环境优化提供了科学支撑；分类建模与RF-SHAP方法的有效集成为城市热环境归因解析提供了新的分析框架。

【目的】学术出版物蕴含着学科发展的深层语义信息与多维时空特征。针对传统文献计量方法在处理非结构化文本时语义挖掘深度不足，且难以量化外部属性（如时间、地域）对主题演化驱动作用的局限。【方法】本文旨在构建一套基于结构主题模型（Structural Topic Models，STM）的期刊文献多维语义挖掘框架。选取《地球信息科学学报》1996—2024年刊载的3 523篇论文摘要作为实证对象，系统验证了该框架的有效性与适用性。【结果】① 具备时序捕捉能力：本框架有效提取15个核心潜在主题，并精准捕捉到“轨迹数据分析”、“空间网络分析”等新兴热点的指数级增长趋势，以及“空间数据管理”等基础主题的成熟期特征，同时学科范式实现了从GIS工程化到GIScience科学化再到GeoAI智能化的跃迁过程； ② 具备空间异质性解析能力：通过量化主题的空间分布差异，揭示了不同高校与科研院所的研究偏好，及其科研资源集聚与区域现实社会问题导向双重驱动下的主题集聚性； ③ 通过对比中外发展路径，揭示了《地球信息科学学报》侧重于立足国家重大战略下的应用集成创新路径。【结论】本文提出的分析框架突破了单一维度的计量局限，能够从主题的时序演化、空间格局与中外期刊对比3个维度系统解构学科发展脉络，为地球信息科学及不同科学领域的学术评价与学科规划提供了一套科学、可复用的量化分析范式。