监测地球辐射能量收支的时空变化有助于增进我们对全球气候变化的理解。地球反射的短波辐射与发射的长波辐射是地球系统与外界进行能量交换的重要组成部分，也是地球辐射收支观测的主要参量。地球辐射探测仪是探测大气层顶辐射收支能量平衡参数的专用仪器。地球目标方向订正模型（Angular Distribution Models, ADMs）专指校正大气层顶地球-大气系统目标辐射各向异性的一系列非均匀因子，它是将卫星或月基观测的地球目标反射及发射宽波段辐亮度转换为辐射通量的有效途径。ADMs模型构建和算法优化直接影响基于空间观测推算地球辐射收支的最终解算精度。本文围绕地球辐射ADMs模型展开，回顾了过去几十年来ADMs模型的发展历程，着重介绍了目前应用于Terra与Aqua卫星的云与地球辐射能量系统（Clouds and the Earth's Radiant Energy System, CERES）的业务化ADMs模型，分析了地球静止卫星与月基对地观测在地球辐射ADMs模型中的优势、问题与潜力。基于上述综述与分析，讨论星载与月基地球辐射ADMs模型进一步优化的决定因素。
随着大数据时代的到来，地理信息系统（GIS）的时空范畴、信息内容和应用场景都得到了前所未有的扩展，地理信息系统需要由例外处理的被动适应方式，转变为内核支持的主动扩展方式，将地理信息系统扩展为新一代时空信息系统。本文在分析地理信息系统本质是以地图数据模型为核心的信息系统的基础上，从研究对象、基本原理和技术方法3个方面总结梳理了地理信息系统研究范式，并分析阐述了时空信息扩展对地理信息系统研究范式的新要求。其次，在分析全空间信息系统（PSIS）认知模型与多粒度时空对象数据模型的基础上，归纳出全空间信息系统基于时空实体的理论与技术路线，并总结其在多个领域的实践与应用。然后，系统分析了全空间信息系统对地理信息系统研究对象、基本原理和技术方法的具体扩展方式，提出全空间信息系统研究范式。最后，总结梳理了全空间信息系统研究范式的基本内容，并与地理信息系统研究范式进行了核心内容的分析对比，展望了地理信息系统研究范式进阶将带来的影响和变化。
地理学正在经历“剧变”时代，愈发强调决策支持。地理决策过程中往往涉及众多因素，需要通盘考量不同因素、权衡利弊，并提出最优方案，是典型的多目标优化过程。数学领域的多目标优化算法因而在地理决策中具有广阔的应用潜力和重要意义，其最新进展是地理学中新方法、新工具的重要来源。本文综述了多目标优化领域最前沿、最流行的算法代表“非支配排序遗传系列算法”（Nondominated Sorting Genetic Algorithms， NSGAs），对其三代不同算法的原理、适用性进行对比，并综述了这些算法在地理决策领域的应用现状、改进方法、问题与局限。研究发现：在三代算法中，NSGA-II因其在计算复杂性和使用场景方面的优势在地理决策中最为流行；NSGA-III对建模要求较高，尚未得到广泛关注。在地理决策的各领域中，水资源管理领域是NSGA算法应用最多、最成熟的领域，该领域的问题建模和在NSGA算法中融入局部搜索的经验值得其它领域借鉴和推广；土地利用规划领域提出了较多的NSGA改进算法，为更好地融合NSGA算法进行地理决策树立了典范。未来研究中，可通过凝练行业共性问题、构建通用优化模型降低NSGA算法的应用门槛。建议通过深入结合局部搜索的方式提升NSGA算法的收敛速度，同时建议在地理过程模拟中深入融合NSGA等多目标优化算法。
由地表三维空间数据生产的数字高程模型(DEM)的误差包括从数据误差传递来的误差和因数据数量不足以反映地形起伏造成的信息损失误差。本文给出了由三维空间数据的不规则三角网(TIN)模型栅格化为DEM过程中，通过线性插值将数据随机误差传递到DEM栅格上的随机误差的解析解，同时利用地基激光扫描仪测量的冲沟地形数据点云，分析得出因信息损失产生的DEM系统和随机误差的估算方法。结果显示信息损失产生的DEM平均高程系统误差和随机误差都与有效测点密度有关，其中有效测点由TIN中包含DEM栅格中心点的所有三角面的3个顶点组成；信息损失产生的DEM平均高程系统误差和随机误差除与有效测点密度相关外，还与地形特征有关，平均高程系统误差与地形整体凹度参数有关，随机误差与地形整体起伏程度参数有关。建立了分辨率为0.1 m×0.1 m 的DEM误差估算模型。
地面沉降是由自然和人类活动共同作用导致的缓变性地质灾害，是区域可持续发展的重要影响因素。以往地面沉降在建模时需要地裂缝等不连续结构的位置、走向、深度等信息，在构建微分方程模拟时需假设模型连续，这对开展地面沉降-地裂缝-地面塌陷一体化模拟带来一定的局限性。于2000年出现的近场动力学理论提出以积分形式描述材料受力过程，方法具有无需先验知识与连续性假设的优点，在材料的疲劳、损伤、断裂等模拟研究中展现出良好的应用前景。本文综述了其在岩石水力压裂、滑坡、饱水岩土材料等领域的研究进展；提出了应用近场动力学进行区域地面沉降建模求解的一般方法；结合InSAR技术获取的沉降信息、三维地震频谱谐振勘探技术获取的地下结构与密度信息等，提出了模型的反演调参与优化方法。以北京东部梨园-台湖镇-张家湾镇区域为实验区，建立了其4 km×6 km范围、0.2 km深度的近场动力学地面沉降模型，以实验区地下水位月均下降速率为边界条件，对2007—2010年地面沉降过程进行模拟。模拟结果与实测值的平均绝对误差为18 mm，表明近场动力学在地面沉降建模中有较好的适用性。
针对现有路网轨迹数据模型与时空索引结构自适应调节能力低的问题，提出了一种面向路网轨迹的自适应数据模型与时空索引结构，以支持路网时空轨迹的高效存储与查询。所提出的自适应时空数据模型为多层CLR数据模型的扩展，该模型以从时空轨迹群中挖掘的高频路网路径为主要网络线性元素建立自适应线性基准，并根据自适应线性基准对路网时空轨迹进行转换，转换后的时空轨迹其时空子实体数量变少，可以通过更高的效率进行存储；所提出的自适应时空索引结构为基于LRS的时空索引结构的扩展，该索引结构根据自适应线性基准构建自适应线性参考系统，基于自适应线性参考系统的索引结构其保存的时空子实体数量变少，可以通过更高的效率进行时空查询。为了验证所提出方法的有效性，本文最后采用真实开源T-Drive出租车轨迹数据集与人工合成轨迹数据集进行了充足的实验。实验以2种常见的时空相交查询类型为例，将所提出的方法与原始数据模型以及时空索引结构进行了存储效率和查询效率的对比。对比分析结果表明，所提出的自适应数据模型与索引结构最高能够提升40%的存储效率以及50%的查询效率，为路网轨迹数据的管理提供了新的解决方案。
乘客出行需求预测是智能交通系统的组成部分，准确的出行需求预测，对于车辆调度具有重要的意义；然而现有的预测方法无法准确的挖掘其潜在的时空相关性，且大都忽略历史流入量对出行需求的影响。为了进一步挖掘时空大数据中的时空特性及提升模型预测乘客出行需求的精度，本文提出了一种乘客出租出行需求短时预测CLAB(Conv-LSTM Attention BiLSTM)模型。CLAB模型设置了3个模块分别为基于注意力机制的Conv-LSTM模块和2个BiLSTM模块，基于注意力机制的Conv-LSTM模块提取临近时刻乘客出行需求量中的空间特征和短时时间特征，其中注意力机制能自动分配不同的权重来判别不同时间的需求量序列重要性；为了探索长期时间特征，用2个BiLSTM模块来提取历史流入量序列时间特征和日乘客需求量序列的时间特征。采用厦门岛的网约车和巡游车的订单数据进行实验，结果表明：① CLAB模型更适用于使用30 min历史数据预测未来5 min短时乘客出行需求；② 与基准预测模型相比，CLAB模型的整体的效果误差更低，具有更好的预测效果，CLAB模型比CNN-LSTM、LSTM、BiLSTM、CNN和Conv-LSTM的平均绝对误差（MAE）分别降低了33.179%、33.153%、33.204%、5.401%和5.914%，均方根误差（RMSE）分别降低了34.389%、34.423%、34.524%、6.772%和6.669%；③ 同时发现CLAB模型在规律性较高的工作日预测效果优于非工作日，且工作日早高峰预测效果最佳。
当消防事故发生在无明显道路或道路稀疏的野外复杂山区时，如何在复杂山地环境中规划安全、快速通过的路线至关重要。针对蚁群算法在复杂山地路径规划中容易陷入局部最优以及搜索时间较长的问题，本文提出一种适用于细粒度野外山地环境的徒步应急救援路径规划算法。本文首先根据已有文献分析地表信息与人类运动速度之间的关系，综合地表灌木盖度与地形坡度因素设计寻优算法的目标函数和启发函数；接着采用定向范围视野的蚂蚁搜索方式，决定蚁群算法寻优过程中每一步的网格选择；最后采用拉普拉斯分布调整初始信息素、添加隔离信息素、融合遗传算子与分组更新常规信息素的方法改进蚁群算法。将算法应用到400
河流水质预测对于水环境管理与水污染防治具有重要意义。近年来，以神经网络为代表的非机理性水质预测模型已被广泛应用于河流水质预测领域。然而，此类模型不考虑水质因子变化的物理机理，导致预测结果难以解释、稳定性差。为此，本文将水质因子变化的物理规律视为一种先验知识约束，建模于门控循环单元神经网络（Gated Recurrent Unit, GRU）之中，以河流水质预测的重要参数溶解氧为例，提出了一种物理约束的门控循环单元网络（Physics-constrained Gated Recurrent Unit, PHY_GRU）。以美国亚特兰大市2021年河流溶解氧预测为例进行实例验证，结果表明：① PHY_GRU与差分自回归移动平均模型、多层感知机和门控循环单元模型相比，预测精度和稳定性明显提升，其中预测均方根误差分别降低了94.8%，62.9%和37.2%；② 综合考虑多种物理规律约束可以提升PHY_GRU的预测精度和稳定性；③ PHY_GRU采用门控循环单元模型训练样本的30%，其预测精度和稳定性即可超过门控循环单元模型。本文提供了一种在神经网络模型中融入水质先验知识的研究思路，有助于提升水质预测模型辅助决策的水平。
精确、细粒度空气质量分指数（Individual Air Quality Index, IAQI）预测是空气质量指数（Air Quality Index, AQI）的基础，对于空气质量防治和保护人类身心健康均具有重要意义。目前传统时序建模、循环神经网络（Recurrent Neural Network, RNN）、图卷积网络（Graph Convolutional Network, GCN）等方法难以有效融合时空因素和气象因素，稳定提取监测站点间动态边缘关系。本文提出了基于时空因果卷积网络（Spatial-Temporal Causal Convolution Networks, ST-CCN）的空气质量分指数预测模型ST-CCN-IAQI。首先采用空间注意力机制分析多源空气污染物和气象因素的空间效应；其次利用堆叠膨胀卷积和时间注意力机制提取特征矩阵的时间依赖性特征；最后采用贝叶斯调优方法对膨胀卷积的多种参数进行了调优。本文采用上海市空气监测站空气质量分指数（IAQI-PM2.5）数据展开实验，并采用一系列基线模型（AR、MA、ARMA、ANN、SVR、GRU、LSTM和ST-GCN）与ST-CCN-IAQI效果进行对比。实验结果显示：① 在单测站测试中，ST-CCN-IAQI的RMSE和MAE值分别为9.873、7.469，相比基线模型平均下降了24.95%和16.87%；R2值为0.917，相比基线平均提升了5.69%；② 对全部站点的IAQI-PM2.5、IAQI-PM10和IAQI-NO2的预测，证明了ST-CCN-IAQI具有较强的泛化能力和稳定性。③ 采用Shapley分析方法论证了IAQI-PM10、湿度、IAQI-NO2对IAQI-PM2.5的预测具有较大程度的影响；通过不同数据抽样条件下的Friedman检验，证明了ST-CCN-IAQI对比基线模型有显著的性能提升。ST-CCN-IAQI方法为细粒度IAQI精准预测提供了一种鲁棒可行的解决方案。
提升海上态势感知能力是构建智慧海洋的重要环节。针对目前海上目标研究单源传感器存在感知盲区，多源传感器数据关联易受杂波干扰、在密集区表现不佳等问题，本文基于合成孔径雷达(SAR)和船舶自动识别系统(AIS)数据，提出一种抗干扰性强的角度最近邻数据关联方法，充分利用SAR与AIS船舶目标的空间角度关系，提高船舶目标在密集区域点迹关联的准确性。首先，对AIS数据进行时空滤波，实现数据粗关联，构建关联分析的数据候选集；然后，从时空数据的空间关系角度出发，在灰狼优化和匈牙利算法的启发下，利用点迹对特征向量矩阵进行运算，实现对多源空间数据的优化关联；最后结合数据几何关系对结果进行置信度评估。本文选取5幅SAR影像与AIS数据进行实验，并基于SAR影像数据及船舶轨迹点分布密度设计仿真实验，结果表明，本文所提出的角度最近邻数据关联方法，在密集分布情况下，关联精度为传统NN、GNN算法的3.62和4.61倍，运行时间为1.69 s，相较于NN算法仅增长1.36 s，仅占GNN运行时间的0.49 %，在运行时间增长不大的情况下具有更强的抗干扰能力，在密集区域仍能取得较好的关联效果。
海底地形数据是进行海洋科学研究、工程建设的重要数据源，水深信息作为海底地形数据的基础信息，反映了海底地形的起伏变化。因此，如何有效地处理水深数据成为海洋测绘的重点研究内容。为解决海量多波束测深数据的数据冗余问题，提出了一种顾及坡度和高程的多波束测深数据抽稀算法，能够兼顾数据抽稀的精度和地形特征点的保留。考虑到存在含有空洞、凹边界等局部空白区域的多波束测深数据，首先利用Alpha Shape算法提取测深数据局部空白区域的边界点；然后采用坡度和高程相结合的抽稀算法删除冗余点，得到抽稀结果。在实验区内，通过与基于坡度抽稀、顾及地形复杂度抽稀和基于系统抽稀算法进行对比实验，结果表明：① 本文抽稀算法在测深数据局部空白区域生成的等深线较上述抽稀算法更贴近原始测深数据等深线的形态，可以有效保持地形形态完整性；② 对不同地形的测深数据进行抽稀，本文算法的精度较上述抽稀算法均有不同程度的提升，尤其抽稀率较低时，本文算法较上述算法在MSE分别提升了16%、27%、14%和10%、36%、2%，RMSE分别提升了7%、12%、7%和5%、17%、3%，体现了本文算法对不同地形多波束测深数据抽稀的有效性和通用性，有效提高测深数据抽稀的精度，满足后续测深数据构建高精度海底地形的需要。
及时准确地获取水稻种植模式变化对于有效防控“非粮化”和完成“双碳”目标具有重要意义。现有研究多基于固定时间窗口挖掘水稻生长期特征，且多使用的是单一卫星影像数据，难以应用于大范围水稻制图。本文通过Sentinel-1/2数据构建动态窗口提取移栽期光学/雷达特征，利用其耦合关系实现水稻种植模式制图。将该算法应用于湖南和江西两省水稻制图。基于1402个地面参考点位对水稻提取结果进行验证，总体精度达92.80%；在县域尺度上，湖南和江西两省水稻制图面积与农业统计数据也具有高度一致性，R2达0.85以上。相比于用固定窗口进行水稻特征提取，该方法具有较强的鲁棒性和迁移能力，为实现更大范围作物制图提取提供新的思路和参考依据。2018—2021年江西省水稻制图结果表明，水稻总种植面积减少9.47%，约3460 km2，水稻种植强度从1.62下降至1.49；在种植模式上，“双改中”趋势明显，双季稻种植面积锐减21.61%，其中约84%改种中稻。
准确把握区域发展规律，定量、客观地认识村庄发展类型，对“因地制宜、分类推进”乡村振兴具有非常重要的现实意义。针对区域村庄发展类型自动、准确识别问题，研究提出了一种基于SMOTE-RF算法的村庄发展类型识别模型。研究首先从地形、区位、社会经济、农业生产和生态环境等方面提出了面向村庄发展多维特征表达的指标体系。在此基础上，针对村庄样本不平衡分布特点，利用SMOTE过采样技术对少数类样本进行分析和模拟，合成平衡化的村庄分类样本集；进而利用随机森林算法自动构建村庄发展的多维属性特征与村庄类型之间的非线性关系，形成可用于区域村庄发展类型自动识别的智能分类器。为验证模型的有效性，研究选取山东招远市作为试验区开展了实证研究。实验结果表明，耦合SMOTE过采样技术的随机森林分类模型有效保障了村庄分类结果的可靠性和准确度。在试验区，模型自动识别结果与规划专家分类结果的一致性达88.27%，Kappa系数为0.78，整体一致性良好。相对于人工分类，基于SMOTE-RF方法的村庄类型自动识别方法减少了依赖人工经验分类带来的不确定性，保障了分类结果的一致性，能够为国土空间规划和乡村振兴专项规划决策提供可靠的决策依据。
气候变化情景下极端降水事件的频次和强度预估呈增加趋势，这会导致全球部分地区极端降雨诱发地质灾害风险的增加。本文基于中国降雨诱发地质灾害易发性模型和不同地貌分区的累积事件降雨量-降雨历时阈值曲线，采用最新的CMIP6全球气候模式多模式集合结果，基于全球温升目标情景的视角，从地质灾害空间易发性和发生频次两方面，探讨温升情景下中国地质灾害危险性的可能变化及其对暴露人口的潜在影响。结果表明，CMIP6多模式集合预估的多年平均降水在温升1.5 ℃和2.0 ℃情景下相比基准时期可能增加5.4%~9.5%，导致中等至极高地质灾害易发区范围预估增加0.33%~0.74%，由于预估的极端降水事件增加，地质灾害发生频次预估增加7.0%~11.2%，进一步综合未来人口空间分布，潜在地质灾害暴露人口可能增加6.20亿人次（18.90%）和4.26亿人次（12.97%）。各地貌分区未来情景下地质灾害危险性预估增加且存在显著的空间异质性，温升2.0 ℃情景下中等至极高易发性范围相比基准时期增加0.71%~1.28%，地质灾害发生频次预估增加1.2%~15.6%，其中，青藏高原区地质灾害危险性增加最明显。综合考虑未来人口的变化，结果显示，由于未来预估人口的明显减少，青藏高原区温升1.5 ℃和2.0 ℃时潜在的地质灾害暴露人口预估减少468万人次~928万人次，而东南丘陵区潜在的地质灾害暴露人口分别增加3.96亿人次和3.00亿人次。本研究的结果可以为制定更有针对性的适应气候变化影响和减轻地质灾害风险措施提供科学指导。
蓝绿空间是城市生态安全的重要保障。本文通过谷歌地球引擎（GEE）提取2005、2010、2015与2020年的植被与水体指数数据，构建了包含272个地级城市建成区的蓝绿空间数据库。运用蓝绿空间覆盖率、300 m服务半径覆盖率、分维数与分离度4个指标分析其时空格局与演化模式，并进一步探讨其气候影响因素。结果表明：① 地级城市建成区蓝绿空间整体呈现为“南高北低”的格局，且南方“西高东低”、北方“东高西低”，但环渤海地区为蓝绿空间覆盖率“洼地”；时间格局为“总体增长、局部降低”，华中地区呈下降趋势的城市最多；② 就分区而言，西南地区城市建成区蓝绿空间覆盖率最高（平均高于65%）、分离度最低（平均低于0.60），西北地区覆盖率分异较大，华北地区覆盖率最低（平均10%~30%）且分离度最高（平均约0.98）；③ 采用多尺度地理加权回归模型所得R2为0.85（校正R2为0.83），其中，降水量对城市建成区蓝绿空间的影响最显著，降水量变化成正相关，气温则成负相关；整体上气候影响与比人为影响相当，但在某些时段间更大。
空间显式传染病传播模型由于能够较好地模拟城市内部的传染病传播过程，在城市疫情防控中得到了广泛应用。但现有的空间显式模型大多按照人口随机流动模式来模拟城市人口流动行为，未考虑城市中以通勤为主的人口流动模式。本文以长沙市的2014年第1~49周手足口病传播过程为例，将4、8、24邻域扩散以及重力模型、辐射模型共5种不同的人口流动模式与周期SEIR动力学模型结合建立起五种传染病传播模型，并通过比较模型时间和空间精度来明确不同人口流动模式应用在城市内传染病时空传播模拟中的各自优势和适用范围。实验结果表明：每种人口流动模式在城市内传染病时空传播模拟中都有其使用前提和适用范围。基于24邻域扩散的传播模型对手足口病病例数拟合精度最高（
企业间的联系是城市联系的重要组成部分，加强对基于企业间联系的城市功能网络分析对丰富城市网络理论研究具有重要意义。采用2010—2020年上市公司与其前五大客户间的贸易关系数据构建了中国城市网络，基于企业间的贸易联系视角分析城市网络时空演变特征。研究表明：① 2010—2020年间城市网络规模呈现先升后降的特征，整体网络密度较低，位于0.014~0.018之间；网络重心呈现“S”形空间轨迹变化和整体向南移动的趋势，网络总体空间结构由沿海向“T”形结构转变； ② 网络流量集中于少数节点城市，资金进出量前20城市总额占资金总流量的71.9%，北京、上海是网络的绝对核心，杭州、武汉、深圳、广州等省会或副省级城市承担着区域中心的功能，佛山、齐齐哈尔、南通等制造业发达城市是重要节点；③ 五大城市群中珠江三角洲网络密度最高，位于0.324~0.334之间，长江三角洲贸易总流量最高，为783.5亿元，长江中游城市群和成渝城市群网络发育相对滞后；④ 新冠疫情对整体网络的贸易流量和网络结构产生了明显影响，网络社团进一步分化重组，广州—深圳社团明显增强，上海社团明显减弱。研究结果对推动国内大循环和统一大市场建设具有一定的参考价值。
