【意义】面对我国耕地资源有限、农村劳动力不足和极端天气风险上升等多重压力，农业生产正加快由经验驱动向智能管理转型。近年来，无人机遥感凭借高分辨率、灵活部署的观测能力，已成为田间尺度农情监测的重要技术手段。【分析】本文首先系统综述了各类无人机遥感技术的研究进展，梳理了可见光、多光谱与高光谱、激光雷达和热红外等遥感方式的技术原理与发展脉络，然后总结了当前无人机农业遥感的局限与挑战。本文认为，当前无人机农业遥感仍以数据感知和状态识别为主，还应强化其在农事决策方面的应用支撑能力。无人机农业遥感仍面临有限飞力下的数据感知、从遥感识别到农情理解和从农情信息到农事决策3个层面的关键挑战。在此基础上，本文提出了无人机遥感驱动下的智慧种植决策大脑研究框架。① 在感知端，构建“空-天-地-人”协同的主动感知体系，实现面向农事需求的按需观测。② 在识别端，建立环境因子嵌入的农情预测模型，构建过程可解释的长势预判与风险预警模式。③ 在决策端，形成感知、预测、决策、复核一体化的闭环优化体系，逐步打造因地制宜的本地化智能决策系统。【结论】无人机农业遥感的未来发展，不仅在于提升监测精度，更在于推动其由信息获取工具转向服务农业生产的智慧种植决策大脑，为现代农业的精准化、智能化与可持续发展提供技术保障。

【目的】厘清全球集装箱海运网络在“港口-港口对-港口群”多尺度上的拓扑特征，对优化全球海洋运输结构具有重要意义。现有研究未充分考虑集装箱运输的多港口挂靠、航线方向性及港口间层级连接关系，难以真实反映网络结构与功能。【方法】本文基于2023年全球集装箱船舶AIS数据，构建有向加权超图网络，通过Berge路径与运输成本函数建立考虑转运约束的港口中介中心性算法，识别关键枢纽港口；结合超图K-core分解与边重要性排序，自上而下揭示港口层级体系与层间关联；并借助图元分析与聚类方法，解析港口群连接模式，从而系统实现全球集装箱海运网络的多尺度分析。【结果】① 港口尺度上，考虑转运约束的中介中心性算法突出了多港口高阶交互中承担实质转运的关键港口。其中，上海港的超图中介中心性约高出一阶网络结果的35%，核心地位进一步凸显；并发现巴兰基利亚、蒙得维的亚等港口的中介中心性被低估。② 港口对尺度上，港口之间存在明确的层级与从属关系，71.15%的港口从属关系集中于本大洲，形成区域多级协作格局。③ 港口群尺度上，远洋航线形成3个跨洋紧密连接的特大港口群，最大的加勒比海—北海港口群包含了177个港口。网络受局部回路与全局桥接双重驱动，90.74%的回路发生于群组内部；2级港口的桥接网络中有46.83%的边用于群间桥接，而3级及3级以下港口跨群连边占比分别骤降至22.15%和13.58%，跨域功能随层级下降显著弱化。【结论】本研究通过多尺度视角与方法融合，量化揭示了全球集装箱海运网络的层级结构特征与枢纽功能。前三层级的高层级枢纽集中了近89%的强连接并主导了跨洋连通，低层级港口则聚焦于局部渗透，这为全球港口差异化分工协作、资源配置优化与航线网络优化提供了坚实的数据支撑与科学依据。

【目的】遥感影像描述生成作为高层次的语义理解任务，是实现复杂地理空间从场景感知到场景认知的重要途径。当前方法未能充分捕捉影像整体结构和地物关系特征，导致生成的描述语义碎片化、空间关系模糊，模型难以充分理解影像的空间场景结构，无法实现对影像空间语义的精准描述。为此，提出了一种场景图知识增强的多模态遥感影像描述生成方法RSSG2Caption。为了增强模型对遥感影像细节捕捉和空间关系描述的能力，构建包含场景图知识的遥感影像描述数据集RSSGCD。【方法】首先，利用CLIP模型对遥感影像和描述文本进行编码，实现影像特征与文本语义特征的对齐；其次，将遥感影像对应的场景图作为知识嵌入，使模型能够充分考虑地物空间关系；然后，基于向量投影与注意力机制，实现视觉细节、语义文本与结构化知识的协同；最后，采用“记忆增强编码器”强化多模态特征的深层关联，通过“网状解码器”实现结构化文本的生成，避免语义描述生成逻辑混乱。【结果】基于构建的遥感影像描述数据集RSSGCD，对RSSG2Caption进行训练与对比实验，并通过消融实验证明了RSSG2Caption各模块的有效性。RSSG2Caption在BLEU1-4指标上分别达到80.26%、69.81%、47.35%和37.42%，在ROUGE-L、METEOR和CIDEr指标上分别达到52.37%、33.50%和56.74%，与表现较好的MG-Transformer方法相比各项指标分别提升了4.87%、16.28%、12.09%、14.49%、11.81%、12.05%和20.29%。选取城市、郊区和海陆交汇3种场景进行案例分析，RSSG2Caption能够更准确地捕捉遥感影像中的地物空间关系，生成语义丰富、准确的空间关系描述语句。【结论】本方法有效提升了遥感影像描述生成的准确性和丰富性，可为军事侦察、灾害监测等应用提供关键技术支撑。

【目的】面向大语言模型、多模态模型和智能体等通用化人工智能技术的发展，厘清城市智能由专用任务计算向可治理的城市世界模型演进的科学问题、概念边界与技术路径。【方法】采用概念综合与比较分析方法，系统梳理城市计算、时空基座模型、城市多模态模型、城市大模型、城市智能体、数字孪生、城市模拟和生成式模型等研究，沿“观测对齐-动态与反事实推演-方案生成-后果评估-可信边界-治理审查”构建分析框架，并给出城市世界模型的形式化表示。【结果】研究提出“被计算的城市-城市基座模型-城市世界模型-人机共治”的演进路线。城市世界模型以多模态城市观测和城市基座表示为输入，将城市对象、空间关系、尺度语境、主体行为与治理规则纳入统一框架，通过表征、状态转移、候选生成、结果评估和可信边界说明等模块，组织城市方案的生成、模拟、比较与审查。该框架区别于侧重虚实同步的数字孪生、侧重显式机制求解的城市模拟以及侧重样本生成的生成式模型，强调反事实推演、后果可检验、适用范围说明和治理责任接口。【结论】城市世界模型现阶段应被视为可治理的研究框架和评测目标，而不是已经成熟的单一模型。地球信息科学可通过空间语义、尺度效应、时空过程、人地耦合和地理知识约束，为城市智能跨任务理解环境、比较行动后果并接受公共治理审查提供基础支撑。

【背景】叙事地图设计使地图从空间信息载体转变为社会意义生产的积极参与者，其意义早已超越地图制图学的传统疆域。既有地图设计的研究多停留于案例经验与制图技巧的讨论，尚未形成支撑叙事地图设计实践的理论框架，未能真正回答“什么是地图设计”以及“叙事地图应如何设计”等核心问题；更深层的困境在于，多学科知识资源虽丰富却彼此隔绝，知识的无序制约着该领域走向具有独立知识内核的学科方向。【目标与方法】本文以理论演绎为方法，首先厘清叙事地图设计的概念、本体与方法体系，构建概念框架；进而建立其知识体系，力求使叙事地图设计的核心知识从零散的经验片段走向系统的组织与关联。【结果】叙事地图设计是以空间关系的物质化铭刻为核心、以参与社会空间生产为目标的建构性实践，可归纳为解蔽、转译、叠加与介入4个核心操作，其设计语法由故事层、基础层、骨架层与表现层依次递进构成。地图一旦完成便开启自身的社会生命，追踪其社会生命轨迹，既是设计理论的内在组成部分，也构成设计实践自我反思的关键维度。叙事地图设计知识体系呈现出“三层次、六维度”的结构。其中，本体与叙事根基层由关系本体论与叙事逻辑两个维度构成，确立空间关系何以成为认知对象及其叙事转化的原初逻辑；社会、文化与技术中介层由技术中介、文化语境与社会实践三个维度构成，构成关系被符号化、编码化与社会化的生成场域；元解释层由解释方法单独承载，提供对知识生产过程的反思性治理。这一框架将叙事地图设计的知识组织为一个由关系生成的动态网络，为领域知识从离散经验走向系统累积提供了结构性基础。【结论】本研究为叙事地图学的体系建立和完善提供了新的思想资源与方法论。

【意义】时空智能体是应对现实世界动态、多尺度与异质环境挑战的新兴前沿方向，对于提升复杂时空场景下的感知、推理与自主决策能力具有重要意义。【进展】本文首先介绍了时空智能体的基本概念，紧接着指出了其的四个核心组成模块，突出其时空特性。随后，文章系统回顾了时空智能体的发展脉络，将其演进划分为三个阶段，突出了时空智能体的形成不是一蹴而就的，而是逐渐积累的结果。然后，文章梳理了时空智能体时空数据感知、时空表征建模、时空信息推理、时空信息预测和决策反馈优化的全闭环工作范式，强调这些环节不仅是线性连接的，更通过多层次的交互与反馈机制形成动态耦合关系。此外，文章展示了时空智能体的三类应用模式，彰显了其在解决现实问题中的强大潜力。【挑战与展望】然而，时空智能体仍面临着时空数据特性带来的多重挑战，时空智能算法可解释性与计算效率不足以及系统安全、隐私保护和跨领域协同治理能力不足等问题。展望未来，研究提出需构建高质量数据共享机制、发展高效透明算法、建立统一安全与隐私框架，并通过强化多智能体协同，以推动时空智能体在应对现实世界的挑战中发挥更深远的作用，支撑社会的可持续发展。

【目的】浮动车轨迹数据已成为城市交通监测、出行需求分析和空间行为研究的重要数据源，但其动态性、非集计性和应用多样性使传统空间元数据难以充分描述其质量特征。现有元数据模型通常以数据集整体为描述对象，侧重记录数据来源、空间范围、时间范围和一般质量信息，难以揭示轨迹数据在车辆运行过程、道路网络表达和区域出行联系中的差异化特征。【方法】针对上述问题，本文提出一种面向浮动车轨迹数据的多视角时空元数据模型，将质量元素组织为浮动车视角、道路视角和起讫点（Origin-Destination, OD）视角。其中，浮动车视角描述采样频率、轨迹完整性、行程有效性和车辆运营状态；道路视角描述道路覆盖度、道路定位精度、道路速度和路段车辆数；OD视角描述区域出行强度、出行广度、OD 行程数和 OD 平均距离。该模型从车辆运行过程、道路网络表达和区域出行联系3个层面刻画轨迹数据质量，使元数据描述由一般性数据说明扩展为多视角的质量表达。【结果】基于美国旧金山公开出租车轨迹数据的案例验证表明，该模型能够揭示传统整体性元数据难以表达的质量差异。典型结果显示，数据采样间隔均值为6.20 s、道路覆盖度均值为74.71%、OD间平均距离均值为8.59 km，且车辆、道路和OD 3个视角的质量特征具有明显异质性。【结论】浮动车轨迹数据质量不能由单一指标概括，而应根据车辆、道路和OD等不同应用视角进行组合式描述。本文提出的模型可为浮动车轨迹数据的质量评估、共享复用和时空数据基础设施建设提供方法支持。

【目的】低空垂直起降场是城市空中交通网络的关键基础设施，其科学选址直接关系到网络整体效能与可持续性。现有研究多侧重于经济效益与网络内部运行效率，所采用的选址模型普遍使用静态覆盖假设，难以应对城市人口的时空动态变化；同时，其二元覆盖逻辑也未能体现服务吸引力随地理距离衰减的现实规律。【方法】针对上述理论缺陷，本文融合时变人口数据，构建了一个融合距离衰减效应的动态最大覆盖选址模型。首先基于城市建筑面、兴趣点与手机信令等数据，构建了兼顾几何约束与功能适配性的候选设施网络；在此基础上，提出IDW-DMCLP模型，通过将覆盖关系由二元覆盖逻辑转化为连续服务效用，使选址决策从单纯追求覆盖数量最大化转变为兼顾服务质量与范围的时空动态协同优化，从而更真实地反映服务吸引力的空间交互规律。采用Gurobi、Pulp、贪心算法、遗传算法及粒子群优化五种优化算法进行求解，并基于南京市2021年的时变人口数据，在早高峰（8:00）、日间平峰（14:00）与晚高峰（17:00）3个典型时段，开展了不同服务半径与设施数量约束下的选址方案对比与性能评估实验。【结果】研究结果显示：① 改进的IDW-DMCLP模型在各项参数配置下均表现出更优的覆盖质量与稳定性，其人均服务距离较经典DMCLP模型均值降低约47%，验证了距离衰减机制对提升覆盖质量的有效性；② 设施布局能够响应城市人口潮汐规律，在典型情景（服务半径5 km，设施总激活次数400次）下，设施网络在高峰时段动态启停11个潮汐站点，实现了资源的时空动态配置；③ 在空间格局上，设施布局形成了以主城区为核心、向次级中心梯度扩散、边缘区节点补充的多层次网络结构，实现服务设施的平衡布局。【结论】该研究结果提供了一套能够动态响应需求变化、协同优化服务质量与范围的设施布局决策支持工具，能够为城市低空垂直起降场的动态选址与网络规划提供一定的理论依据与方法支撑。

【目的】高质量地面气象观测数据是气候变化分析的基础。针对传统模型难以有效捕捉大范围气温非线性长时依赖与复杂空间异质性的问题，本文提出一种增强型时空图神经网络，以提升全国尺度气温短临预测的精度。该网络采用“时空分离”机制，不仅通过图注意力自适应筛选空间邻域信息，还借助扩张卷积显著扩大时间感受野。【方法】基于2024年全国405个气象站逐时数据构建时空特征张量。首先，结合欧氏距离与K-近邻（KNN）算法构建空间先验拓扑图；其次，引入多头图注意力机制（Multi-head GAT）动态聚合站点的空间关联特征以克服空间异质性；最后，采用扩张因果卷积网络（Dilated TCN）高效捕捉大尺度非线性时间序列依赖关系。【结果】实验结果表明，该模型在未来4 h滚动预测中的RMSE为2.17 ℃，MAE为1.40 ℃，较历史平均（HA）、经典STGCN和LSTM基准模型，其MAE分别显著降低了64.2%、42.8%和5.4%（p<0.001）。在长时误差累积抑制方面，当预测延伸至第4小时，LSTM的RMSE发散至3.25 ℃，而本文模型将其严格控制在2.97 ℃，显著压低了0.28 ℃的单步误差累积。【结论】本文模型能有效提取大范围气象网络中的深层时空规律，在应对气温突变时展现出极强的动态追踪能力，验证了由“单点独立预测”向“网络化时空协同预测”转变的有效性，为广域气象要素的短临业务预报提供了可靠框架。

【目的】针对现有方法在深层语义特征与浅层边缘特征协同融合方面的不足，以及由此导致的地物边界模糊、分类精度受限等挑战，本文提出了一种基于视觉基础模型的边缘感知语义分割网络BASS-Net。【方法】BASS-Net是融合传统边缘先验知识与视觉基础模型特征的双分支学习框架：首先采用SAM2的特征提取器作为骨干网络，有效捕获地物的多尺度特征；然后设计多尺度特征连接解码器，通过多层感知机模块和特征融合模块实现深层和浅层特征的自适应融合，增强语义细节恢复能力；最后引入边缘辅助分支，在训练阶段结合Sobel算子与多尺度特征融合机制，引导模型优化边缘区域的分割效果。【结果】在ISPRS Vaihingen与ISPRS Potsdam数据集上对比了用于遥感影像分类的多种方法，包括A2FPN、ABCNet、BANet、CMTFNet、MANet、UNetFormer、DOCNet、LoGCAN++、SACANet、PEEN、MSEONet。实验结果表明，BASS-Net总体分类精度分别达到了93.26%和92.14%，相较于次优方法分别提高1.98%和0.36%，mIoU分别达到85.58%和87.59%，相较于次优方法分别提高3.39%和0.82%。特别地，在边缘交并比上分别实现了51.01%和48.28%的精度表现，相较于次优方法分别提升1.92%和0.40%。说明BASS-Net能够同时兼顾全局语义一致性与局部边缘细节刻画，整体综合性能优于现有主流语义分割方法。【结论】客观数据证实，BASS-Net在保证全局语义一致性的同时，能够有效解决复杂场景下的边缘粘连与破碎问题。

【目的】随着中国低空经济的蓬勃兴起，低空空域安全已成为保障其可持续发展的核心基石。传统的航空管制雷达系统高度依赖广播式自动相关监视（ADS-B）等合作式通信技术，属于通信依赖式的目标识别技术，无法有效应对日益增长的非合作“低慢小”航空器威胁。针对这一技术瓶颈，基于低慢小航空器目标的物理特点，即必须依赖于旋翼类结构进行飞行，会导致雷达波出现特定的微多普勒特征，本文提出了一种创新的雷达检测识别一体化（Integrated Detection and Recognition, IDR）方法框架。【方法】该方法的核心重构在于：首先，将目标属性识别的判决节点时间限定到单个相干处理间隔（CPI）内，打破了传统架构对多周期航迹积累的依赖；然后，提取精细的微多普勒信号，即桨叶回波调制（Rotor Blade Modulation, RBM）特征，实现目标属性的瞬时高维判别。这样，实际上将识别出的属性信息实时逆向反馈至信号检测单元，取得检测识别一体化的效果。本文利用岸基对海监视雷达，针对混合动力垂直起降（Vertical Take-Off and Landing, VTOL）固定翼无人机（TX25A）开展了复杂海杂波背景下的实证研究。【结果】在强海杂波干扰下，所提IDR方法对TX25A目标的检测概率达到97%（探测距离达20 km）。贝叶斯置信度极限分析表明，IDR架构有效突破了传统雷达低空探测的物理极限：在飞鸟与无人机先验数量比为 9:1的极端不平衡空域环境中，若要满足95%以上的宏观识别置信度，系统必须将误报率压制在0.56%以内，对于“低慢小”航空器等特定目标而言，这只有通过微多普勒物理特征信号的高维解耦与识别确认方能实现。【结论】本研究阐述的IDR技术框架，为低空5D雷达（3D空间+1D速度+1D属性）构筑了核心技术底座，不仅优化了经典雷达感知理论，也为低空经济时代的空域协同监管与协同感知提供了全新的技术路径。

【目的】针对现有建筑群空间模式识别方法难以同时刻画局部邻近关系与整体空间结构依赖的问题，提出一种基于全连接图与Transformer自注意力机制的建筑群空间模式识别方法。【方法】首先，基于建筑物矢量数据进行空间约束聚类，形成建筑群组；其次，以建筑物为节点、建筑物对为候选关系构建全连接图，并综合建筑物尺度、方向、形态复杂度和群组结构特征构建节点表示；最后，引入Transformer自注意力机制学习建筑物对关系权重，实现建筑群局部关系与整体结构的联合建模。【结果】以成都市建筑物数据为实验对象，在直线型、格网型和不规则型3类模式识别任务中进行验证。结果表明，本文方法在测试集上的整体识别准确率达到94.78%，准确率、精确率、召回率、F1分数和Kappa分别为0.948、0.948、0.948、0.948和0.922；相比Random Forest、GAT和GCN，本文方法的整体准确率分别提高16.10%、6.40%和8.60%，宏平均F1分数分别提高16.90%、6.50%和9.00%。特征消融、图结构对比和跨地域实验进一步验证了精选特征组合、全连接候选关系空间和少量目标域样本微调的有效性。【结论】本文方法能够在候选关系空间中自适应筛选关键建筑物对，增强建筑群局部邻近关系与整体拓扑结构的联合表达能力，为复杂城市形态场景下的建筑群空间模式识别提供方法支撑。

【目的】低空无人机激光雷达点云为输电走廊三维精细化巡检提供了重要数据基础，但复杂输电场景中电力线细长稀疏、电塔结构复杂、植被背景干扰强以及类别分布不平衡等问题，仍制约着点云语义分割与单条电力线提取的精度和稳定性。【方法】针对上述问题，本文提出一种几何拓扑约束的低空输电走廊点云语义分割方法。该方法首先基于多尺度邻域构建局部几何结构先验，以刻画电力线、电塔和背景目标在空间分布、方向一致性与结构复杂性方面的差异。随后，构建层次化几何感知点云分割网络，在邻域构建过程中联合考虑空间距离与几何结构相似性，以减少空间邻近但结构差异较大目标之间的错误聚合。进一步设计几何一致性感知模块和类别关联几何响应增强模块，分别增强细长结构目标的连续表达能力和不同类别目标的结构区分能力。最后，在预测空间中引入拓扑连续性约束，约束空间邻近且结构相似点之间的语义一致性，并结合拓扑聚类实现单条电力线实例提取。【结果】本文采用无人机载激光雷达获取的北京、广东等地低空输电走廊点云数据开展电力设施语义分割与单线提取实验。实验结果表明，本文方法在语义分割任务中取得了89.17%的总体精度和64.52%的平均交并比，较最优对比方法ASGFormer分别提升4.68%和7.14%，尤其在电力线和电塔等细长结构目标上提升明显。在单条电力线提取任务中，本文方法的精确率、召回率和F1分数分别达到95.46%、93.82%和94.63%，较最优对比方法EM-Net分别提升3.73%、4.24%和3.99%。【结论】本文方法能够有效减少电力线断裂、杆塔漏分和植被背景误分问题，保持较好的结构完整性和空间连续性。研究结果表明，几何结构先验与拓扑连续关系的联合建模能够有效提升复杂低空输电走廊点云语义分割的精度与鲁棒性，可为输电线路智能巡检、单线提取、净空检测和风险分析提供可靠的数据支撑。

【目的】针对现有居民地群模式识别方法在群体规模差异大、形态结构复杂的情形下，因对全局结构信息刻画不足而致使识别性能受限的问题，本文提出一种融合多维结构特征与全局关系建模的居民地群模式识别方法。【方法】该方法从几何、形态和方向3个维度出发，兼顾个体、关系与群体3个层次，构建包含12项指标的多维结构特征体系，以描述居民地个体属性、空间关联及群组分布格局；进而将所提取的特征序列化，形成居民地群结构特征序列，并引入Transformer编码器作为自注意力驱动的全局关系建模工具，用以学习判别力更强的深层特征表示；最后借助分类图实现模式类别的判定输出。【结果】选取北京、上海、重庆、图卢兹和德累斯顿5个城市的典型居民地群样本开展实验，结果表明，所提方法对6类居民地群模式的整体分类准确率达96.5%。相较于XGBoost、MLP、UNet、GAT和BiLSTM等对比方法，准确率分别提升约7.5%、8.5%、5.5%、3.5%和2.5%。特征空间可视化进一步显示，模型学习所得的类别表征具有明显的类内聚集性和类间可分性。【结论】本文方法能够有效刻画复杂居民地群内部的整体组织关系与跨单元关联特征，显著增强结构模式的表达与区分能力，从而提升多类型居民地群模式的识别精度。

【目的】针对现有矢量地图零水印算法依赖人工特征、鲁棒性与安全性不足的问题，本文旨在构建一种融合图注意力网络（GAT）的强鲁棒性零水印算法，以提升在复杂复合攻击下的版权保护能力。【方法】首先将矢量地图要素抽象为混合图结构，并采用KNN+Delaunay统一建图策略兼顾局部密集连接与全局连通性；区别于依赖人工设计几何特征的传统零水印方法，本文设计节点-图解耦编码的双流图注意力架构，由节点流经动态注意力捕获局部拓扑依赖、图流提取全局几何语义，并在融合层实现多尺度特征的非线性统一映射，从而摆脱对人工特征的依赖；训练阶段采用融合对比学习、相似性、多样性与二值化一致性的多目标联合优化策略，在同一目标下协同提升特征的鲁棒性与唯一性；在零水印构建时，通过唯一注册编号加时间戳的独立密钥对版权图像加密，以增强安全性。【结果】选取6个涵盖点、线、面图层的典型矢量地图数据集进行实验，并施加拓扑、几何变换与信息三大类共10种攻击及其顺序叠加的复合攻击。结果表明，该算法在各类攻击下均表现出强鲁棒性：在3类单体攻击下，还原水印的平均NC值均保持在0.9以上；尤其在顺序叠加全部10种攻击、同时涉及顶点级、对象级、几何变换与拓扑扰动的极端复合攻击下，6个数据集还原水印图像的平均归一化相关系数（NC）达到0.95，而性能最优的对比方法仅为0.65，且多种对比方法不支持点数据，所提方法提取的水印图像仍清晰可辨，显著优于现有基线方法。【结论】本文提出的基于图神经网络的双流融合零水印算法，通过图流-节点流解耦编码及多目标联合优化，在不修改原始数据、保持矢量地图几何精度的前提下学习高度鲁棒且跨场景一致的水印特征，有效克服了传统方法对人工特征的依赖，在多种复合攻击条件下均具备卓越的鲁棒性与泛化能力；其所采用的表示学习范式对交通网络、三维几何模型等其他非欧数据的鲁棒特征提取亦具参考价值，为高精度矢量地图的版权保护提供了一种可靠的技术方案。

【背景】遥感是人类借助遥感器这一现代技术工具获得观测对象信息以支持认识与改造世界的手段，遥感活动充分体现了人、工具、观测对象三者间关系。随着遥感技术的持续发展，遥感应用不断迭代升级，正朝着产业化、商业化方向加速发展，同时在知识积累上从分散的专题应用实践走向系统化、结构化的知识体系建构。【分析】本文梳理了遥感应用知识体系从“专题遥感”到“遥感专题学”再到一般性规律凝练的鲜明特点，解析了遥感应用学科的内涵与外延，主要包括遥感应用认知闭环理论、遥感应用活动四流理论等。在此基础上提出发展遥感应用学设想，初步整理了学科研究方向，分析了其与现有学科的差异关系。【展望】遥感应用学是遥感应用学科化的阶段性成果，通过对遥感应用实践的梳理与总结，形成体系化与结构化的知识框架，聚焦在基于遥感技术建立的人与观测对象之间的认知与被认知关系上，围绕观测对象的发现、识别、理解、判断及预测等关键环节，开展理论、方法、技术工程与实践的系统性研究，最终实现对遥感应用活动的认知深化与理解提升。

【目的】全面梳理1985—2025年区域地面沉降研究主题、热点聚类及前沿突现词，系统阐述区域地面沉降演化归因、模拟预测与风险评价核心领域的研究进展与问题，为深化区域地面沉降演化归因认知、提升模拟预测能力、完善风险评价体系提供科学依据。【方法】本文基于WoS（Web of Science）英文数据库、CNKI中文数据库，采用文献计量学方法和CiteSpace软件，对1985—2025年区域地面沉降研究主题、热点聚类结果及前沿突现词进行系统分析。在此基础上，依据可视化分析结果，系统梳理了区域地面沉降演化归因、模拟预测、风险评价三大核心领域的研究进展。【结论】区域地面沉降发展方向主要包括以下3个方面。① 深化“自然-人为”二元水循环驱动、多灾害链互馈下的非均匀沉降演化归因研究。气候变化驱动区域二元水循环、南水进京等新水情背景下，揭示区域地下水-地面沉降耦合演化与临界条件。② 在大模型时代背景下，进一步构建“数据-知识”双驱动的智能预测模型。将知识嵌入机器学习框架，提升地面沉降长期预测精度，增强模型应对非线性、非平稳沉降过程的能力。③ 在新水情背景下，构建多源协同的区域地面沉降灾变风险评价体系，需厘清沉降与伴生灾害的互馈机制、优化二元水循环下地下水位临界阈值识别方案，建立重大线性工程全生命周期预警机制，形成沉降灾害精准防控技术框架。【意义】通过揭示区域地面沉降的研究主题、热点聚类及前沿演进特征，可更好地理解与应对气候变化、极端天气事件及人类活动对区域地面沉降的影响，为区域地面沉降研究提供科学依据。

【目的】月球凭借其稳定的表面环境、特殊的空间位置及丰富的能源潜力，已成为深空探测与空间资源开发的重要目标。月球表面处于准真空环境，太阳辐射是其主要热源，而亮温（Brightness Temperature，BT）作为关键热物理参数，能够反映月表物质的热学与介电特性。针对当前月球微波与红外亮温数据存在高空间分辨率与高时间分辨率难以兼顾、观测盲区与轨道间隙明显等问题，本研究结合月球无大气、强辐射、高真空等环境特征，对传统时空融合模型进行改进，构建适用于月球球面几何与热物理特征的时空自适应融合框架，实现多源、多分辨率、多时相亮温数据的有效融合，生成兼具高空间分辨率与高时间一致性的全月面无缝月球微波亮温数据集，为月球热环境监测、月壤介电特性反演及水冰探测等研究提供可靠的数据支撑。【方法】本文以CE-2 MRM月球微波亮温数据与LRO Diviner红外亮温数据为基础，先结合时角、太阳几何、地形等时空特征构建数理统计模型，生成高时空一致性的模拟月球微波亮温数据集；再针对月球无大气、球面几何的环境特征，对STARFM模型进行改进，剔除光谱差异权重、保留时空权重，并引入月球球面距离公式替代平面距离，最终实现模拟月球微波亮温与CE-2实测月球微波亮温的时空融合。【结果】以改进STARFM模型融合得到的月球微波亮温数据为估计值、以CE-2 MRM实测月球微波亮温数据为参考值进行定量验证，结果显示融合数据决定系 R²≈0.90，与实测值变化趋势高度吻合；均方根误差RMSE≈5 K，数值偏差小、反演精度高；结构相似性指数SSIM>0.95，空间纹理与热分布结构保持良好。在阿波罗、月球号及嫦娥系列探测器着陆区开展独立验证，融合亮温时序变化与实测亮温日变化规律之间的时序一致性误差小于5 K，时间序列连续稳定，能够真实反映月表亮温的昼夜动态演变特征。【结论】该模型有效解决了月球微波亮温数据时空分辨率不足、覆盖不连续的问题，成功生成全月面无缝覆盖、高时空分辨率的月球微波亮温数据集。该数据集可靠性高、精度良好，可为月球热环境动态分析、月壤参数反演、水冰探测等研究提供高精度数据支撑，对月球地质勘探、着陆点优选及月球基地建设具有重要参考价值。

【背景】视觉位置识别（VPR）是一种基于视觉特征信息的地理位置识别技术，核心任务是利用多源异构影像数据实现未知图像的候选地点检索与视觉位置识别，目前其面临的主要困难是如何解决VPR深度学习模型泛化能力弱，易过拟合至训练场景分布，导致新环境中性能下降，以及复杂环境下光照、季节及视角等因素导致的特征判别性不足的问题。【方法】针对研究难点，本文提出了一种新的视觉位置识别技术DINO-BQ。DINO-BQ技术率先将视觉模型DINOv3引入VPR任务领域作为特征提取主干，并对DINOv3模型进行改进，通过高效微调，在保留其通用视觉表征能力的同时增强了DINOv3模型对于复杂场景的强鲁棒性特征表示能力，有效提升了VPR深度学习模型的泛化能力；其次，该技术引入了一种改进的特征聚合技术BoQ，利用一组可学习的全局查询向量，通过交叉注意力机制探测骨干网络提取的局部特征，进而将注意力输出直接展平、投影并进行一步式维度压缩，最终构建出判别性强的全局描述符，解决了复杂环境下特征判别不足的问题。此外DINO-BQ技术作为一种单阶段全局检索方法，采用了端到端的一体化的特征学习与匹配决策机制，既保持了单阶段深度学习模型流程简化、效率较高的优势，又通过BoQ模块全局查询与局部特征的交叉注意力加权，在特征层面实现无效信息筛选与关键特征聚焦，在单阶段框架内获得媲美两阶段方法的判别性能。【结论】在 Pitts250k 数据集上，Recall@1 达 96.2%，优于 EigenPlaces、MixVPR 等主流方法，精度优于 Patch-NetVLAD 等两阶段方法。极端光照数据集 Tokyo 24/7、跨时空 AmsterTime、季节变化 St Lucia、动态遮挡 SPEDtest 的 R@1 分别为 92.3%、58.6%、99.9%、91.1%，多气候 MSLS 数据集 R@1 达 86.4%，具备极强环境鲁棒性；推理单图延迟仅 2.4 ms，2048 维特征存储仅 8KB，计算效率与 SALAD 类先进单阶段模型持平。本文的研究成果为高精度实时视觉位置检索与识别提供了一种表现更优的高效解决方案。

【目的】针对当前星上实时目标检测受限于星载平台计算资源，而光学遥感影像又具有背景复杂、目标尺度差异大、小目标密集以及部分目标几何形态特殊等特点，现有轻量化模型在大幅压缩参数时往往导致特征信息丢失与空间几何表达能力下降，影响复杂场景下的检测精度与定位稳定性。为此，本文提出一种面向星上边缘计算环境的轻量化检测模型GFVS-Net，以实现检测精度、模型复杂度和实时推理性能之间的有效平衡。【方法】该方法首先利用Ghost模块重构骨干网络以降低计算开销，随后针对结构压缩导致的特征表达能力下降问题，设计跨层特征协同机制（FasterNeXt-Crosslayer Synergy Mechanism, FCS-M）以恢复特征信息的完整性。在此基础上，为了在有限特征容量下精准定位目标，提出方差感知注意力机制（Variance-Aware Spatial Attention, VASA）来动态抑制复杂背景噪声的干扰，并结合自适应的Shape-IoU损失函数利用几何先验知识校准压缩特征带来的定位偏差。【结果】基于NVIDIA Jetson AGX Orin嵌入式平台，GFVS-Net模型以1.86 M的参数量，在DIOR和HRRSD数据集上分别实现了85.8%和92.0%的mAP50以及10.6 ms和9.5 ms的延迟，满足了星上边缘计算场景的实时推理需求。【结论】该方法有效缓解了轻量化设计中推理效率与特征保真度之间的矛盾，在降低模型资源消耗的同时保持了较好的遥感目标检测精度，为下一代智能卫星的在轨实时目标检测提供了一种具有工程可行性的解决思路。

【目的】太白山作为秦岭造山带典型的断块山，山顶点的空间分布格局是构造抬升与外营力侵蚀共同作用的结果。解析山顶点空间关联的多尺度特征，对于揭示构造与侵蚀作用的特征尺度、识别夷平面及划分地貌发育阶段具有重要意义。【方法】基于30 m分辨率ASTER GDEM数据，提取研究区161个有效山顶点；运用空间关联维数与多尺度空间自相关方法，定量分析山顶点空间分布的尺度依赖性；结合HI判断地貌发育阶段；通过点状高程要素和典型地形剖面，构建点线协同的分析框架进行夷平面识别。【结果】山顶点在0.5~3.3 km、3.9~11.8 km区间存在显著关联，关联维数分别为1.84和1.58，5.95 km处存在空间自相关峰值，与研究区主断裂及冰斗群空间格局相吻合。HI显示，太白山地貌发育存在显著空间分异特征，主峰区因构造抬升与侵蚀作用表现为壮年期地貌，东西两侧因长期侵蚀主导进入老年期，南北两端受新构造活动和冰川退缩影响呈现幼年期特征。通过点要素高程统计与线要素剖面验证，太白山存在两级夷平面，3 400~3 500 m为主夷平面核心区、2 600~2 800 m为次级夷平面残留区。【结论】空间关联维与多尺度空间自相关相结合的分析方法，能够有效识别山地区域构造-侵蚀作用的特征尺度。基于特征尺度的地貌分析表明，太白山存在多级夷平面和显著的地貌分异特征，为理解断块山多期演化过程提供了新的证据。