地外天体的三维形貌重建是深空探测任务中的核心环节之一，为着陆区选址、巡视规划、资源勘查等提供关键的三维空间信息支撑。现有方法如摄影测量法、影像光度法与激光测高插值法等，已广泛应用于月球、火星、小行星等地外天体的三维形貌重建，在高精度地形模型构建、关键区域地貌解析及资源勘查等方面取得了显著成果。但是受制于影像获取条件受限、控制基准缺失以及地形与光照环境复杂等因素，常面临数据质量差、匹配困难、观测缺失与自动化不足等问题。近年来，卷积神经网络、生成对抗网络、注意力机制模型（Transformer）和神经辐射场等人工智能方法在地外天体的三维重建工作中被逐渐关注。本文系统回顾了人工智能方法在地外天体三维形貌重建任务中应用的3种主要技术途径，即用于影像的特征提取与匹配、用于单视影像的深度估计，以及用于多视影像的辐射场建模。本文还对各类方法的核心机制、典型应用案例、适用场景和性能特点进行了对比分析，并总结了当前存在的技术挑战，展望了未来在多源融合、自/弱监督学习、大模型及实时处理等方面的研究趋势，以期推动人工智能方法在地外天体三维形貌重建领域的进一步应用与发展。

GNSS是当今人类社会定位导航与授时（PNT）服务的重要提供者。经历了数十年的发展与迭代，当前架构的GNSS服务性能已接近理论和工程的极限，无法全面满足日益增长的全球分米级导航和高可信服务的需求。本文提出一种基于星间链路构建测量通信网络、融合高轨/中轨/低轨混合星座的新型GNSS架构。该架构在极简地面支持下，通过天基时空基准、低轨增强信号与通信辅助等手段，实现全球分米级实时定位与完好性服务。仿真结果表明，系统在兼容现有GNSS用户终端的前提下，可实现定位精度优于5 cm、收敛时间缩短至1 min，并显著提升抗干扰与防欺骗能力。同时，该系统架构能够与现有GNSS兼容互操作，并可在其基础上演进而来，使用户体验平稳升级。

无人机载合成孔径雷达干涉测量系统在大型工程沿线变形监测中展现出高机动性、高空间分辨率的显著优势，但其航迹航姿不稳定，易导致重复轨道SAR影像干涉处理困难。本文基于自主研制的X波段固定翼垂起无人机载干涉SAR装备，针对SAR成像和影像配准导致重轨干涉质量差的问题，提出公共航向角拟合SAR成像与分块配准方法，显著提升干涉相干性与形变监测能力。试验结果表明：航迹控制精度优于±2 m，重轨影像均可实现差分干涉；公共航向角拟合SAR成像方法解决了因航迹（空间基线）不平行导致的沿方位向干涉条纹问题，分块配准方法将相干性从0.6提升至0.8以上；影像分辨率为0.18 m×0.18 m，可精准识别两块小尺寸模拟沉降板形变特征，干涉形变测量值与真值差值小于±2.6 mm（均方根误差分别为1.2、1.5 mm），验证了本文方法具有毫米级精度的工程变形监测能力。

中国南极内陆科考路线是一条相对固定的路线，自沿海的中山站出发，途经泰山站，延伸至位于冰穹A点附近的昆仑站。全线复杂多变的地形特征，为每年常态化科考任务的组织与实施带来巨大挑战，因此亟须对科考沿线地形和雪层特性进行深入研究，以保障科考队安全高效行进和常态化科考业务的开展。本文基于中国第39次南极科考期间采集的1250 km高精度动态车载GNSS测线，根据行驶里程划分统计单元，分别计算各单元内累计垂直位移、最大垂直位移、垂直位移大于30 cm的发生频率，以及沿线坡度。通过上述指标，全面评估了科考沿线冰盖表面平整度，有效识别雪丘、雪垄、风蚀槽等地形障碍密集分布的关键路段，并进一步分析雪地车累计垂直位移量分布趋势与冰盖表面三维地形、表面风向风速之间的相互关系。数据结果表明全线最颠簸的路段位于距离出发基地175~500 km与860~1180 km的位置。研究结果可为中国后续的内陆考察方案制定，包括重型装备运输、物资配载、行进速度规划等提供重要参考。

无人机导航除了GNSS/SINS模块，通常还搭载了低成本微电子机械系统（MEMS）气压计，现有的气压计测高与GNSS基准不一致，且易受气流、风力等因素影响，随机误差较大，难以可靠地应用在无人机导航中。基于此，本文提出了一种基于气压计测高误差精细建模的无人机GNSS/SINS组合导航增强方法。具体地，在经典GNSS/SINS的15维状态基础上，引入气压计偏置状态进行随机游走参数化建模，鉴于气压计误差波动大，针对旋翼无人机气压计测高随机误差进行显著相关性分析，提出了一种基于运动状态的气压计测高误差预测的神经网络模型，建立惯性测量单元（IMU）输出与气压计随机误差之间的映射关系，作为气压计增强定位的随机模型优化的基础。通过山区无人机飞行试验，结果表明，相较于传统方法，气压计测高误差精细化建模并与GNSS/SINS进行扩展卡尔曼滤波（EKF）融合在开阔大机动场景下，天向定位精度提升了15.20%；在峡谷遮挡环境中，天向定位精度提升了37.74%；针对10 s GNSS信号拒止的情况，天向定位精度则提升44.20%，证明在山区等复杂场景下本文方法具有较好的稳健性及更高的定位精度。

遥感监测监管是支撑自然资源保护、开发、利用的核心技术。当前，数字化发展和高质量保护对遥感监测监管的实时性、精准性、知识性、动态性提出了更高要求，迫切需要提升业务支撑体系的自动化、智能化水平，构建面向多要素、多场景、跨层级的自然资源一体化监测监管平台。本文在分析了当前研究现状的基础上，凝练了自然资源遥感监测监管工程化应用所需突破的主要技术瓶颈，以去中心化和服务自治为思路，提出了动态服务计算支持的自然资源遥感监测监管总体技术思路，设计了动态服务计算架构，并以“就绪化数据—精准化监测—知识化监管”为主线，介绍了关键技术研发任务、最新研究进展以及在自然资源监测监管业务场景的应用成效。最后对相关研究工作的推广应用意义进行了讨论。

针对遥感影像场景中复杂地物空间分布引起的场景混淆、分类准确率低下的问题，本文提出一种融合场景迁移特征空间和语义信息的分类方法。利用深度卷积神经网络不同层次迁移特征对场景局部细节信息和全局语义信息表达的特点，建立深度空间共现矩阵量化局部地物空间共现规律，获得场景的空间信息特征并与高层次语义特征融合，形成空间-语义联合特征，实现对场景空间与语义信息的协同表达，从而提升对复杂遥感影像场景的识别能力。在多个遥感影像场景数据集上的试验表明，本文方法可有效识别复杂易混淆场景，在空间信息表达和提升分类准确率方面具有一定优势。

时空地理加权回归模型（GTWR）作为局部时空统计的核心方法，能够精准且灵活地捕捉数据中的时空异质性。然而，针对诸如犯罪数、病例数和交通事故数等具有非连续性和非正态性特征的计数数据时，传统的基于高斯分布的GTWR模型常面临预测不准确和模型设定不恰当等挑战。因此，本文将泊松回归方法融入GTWR模型框架，提出时空地理加权泊松回归模型（GTWPR），以适用于计数数据的建模和分析，并详细阐述基于局部似然估计的GTWPR模型拟合方法。为验证GTWPR模型的优越性，本文设计了3组模拟试验，结果显示GTWPR模型的拟合精度分别达到0.941、0.794和0.965，表明GTWPR模型在处理计数数据时能够有效刻画时空异质性，显著提升模型结果的准确性。最后，本文基于ZG市格网尺度下财产犯罪数据及其影响机制开展实证分析。结果表明，与地理加权泊松回归模型（GWPR）相比，GTWPR模型的拟合精度显著提升，该结果不仅验证了GTWPR模型在处理计数数据与时空异质性特征方面的显著优势，也体现了其解决实际问题的能力。综上，本文提出的GTWPR模型为犯罪学、公共卫生和交通安全等领域的计数数据应用提供了有力的统计工具，有助于揭示复杂时空数据中蕴含的深层次规律和机制。

微地图是自媒体时代地图泛化的产物。当前微地图的研究尚未关注如何将文本描述中的空间方向关系转译为地图表达的机制，制约了微地图的发展。基于此，本文提出了微地图制图的空间方向关系转译法。在图论的支持下构建了微地图的表达模型，明确了微地图的数据组织形式，定义了微地图的描述结构，借助自然语言的预训练模型从文本描述中提取空间方向关系，并将其转译为图结构的微地图进行表达，为微地图制图提供了目标框架。通过构造数据集，从定性（微地图的特征匹配性）和定量（微地图的结构稳定性，包括可读性、稳定性和平衡性）两方面验证了本文方法的可行性。试验结果表明，在选取的500个测试数据样本中，可读性在[0.772 9，0.982 1]之间浮动，均值为0.928 6；稳定性在[0.001 6，0.463 8]之间浮动，均值为0.091 2；平衡性在[0.000 016，0.062 816]之间浮动，均值为0.008 5。微地图可读性的值接近于1，稳定性和平衡性的值接近于0，且生成的地图符合微地图的特点。本文方法能够有效提取制图实体和实体间的空间方向关系，并实现路径连通、结构稳定的微地图绘制，整体表现良好。

从海量文本中精准捕获与解析地理事件，对于深刻理解现实世界动态变化、构建富含时空语义的时空知识图谱至关重要。然而，描述时空位置的形式多样且内涵模糊，同时领域内高质量标注样本匮乏，这给地理事件信息的准确提取带来了严峻挑战。对此，本文提出一种多智能体层次化协同方法，系统地将大语言模型的推理能力应用于少样本场景下的地理事件抽取与解析任务。本文方法的核心在于构建了一个由主控协调智能体与多个专精子智能体组成的协作框架，主控智能体负责对任务进行自适应分解与调度，专精智能体则专注于地理事件抽取、时间要素解析、空间要素定位及空间位置推理等子任务。在基于DUEE构建的基础数据集和空间推理增强数据集上的试验表明，本文方法在少样本条件下展现出优异的地理事件时空解析性能。其中，本文方法在基础数据集上的空间要素解析（F₁@100 m=0.779）与时间要素解析（F_1time=0.856）性能，相较于当前最优基线方法分别实现了16.3%与22.1%的显著提升。同时，消融研究也验证了该方法设计的有效性。此外，通过对“7·20郑州特大暴雨”事件相关社交媒体数据的实例分析，进一步证实了本文方法在解析事件时空发展脉络、辅助理解事件演化过程方面的能力。本文研究为面向文本数据的地理事件抽取提供了一种多智能体处理范式，其成果有望为事件驱动的时空知识图谱及地理空间智能提供有力支撑。

采用ByteTrack算法对高速公路巡检车摄像头捕捉到的广告牌进行跟踪，能够提取广告牌视频画面、出现时间节点信息。然而该算法面临着遮挡问题及误跟踪非广告牌目标的挑战，为此，对ByteTrack算法作出以下改进研究。首先，在目标被标识为跟踪ID前需创建缓冲轨迹，直至此轨迹满足预激活判定条件，对处于丢失状态的目标轨迹判断遮挡状态，当预激活目标与遮挡目标符合类别、外观及方位向量等条件时，进行两目标之间的匈牙利匹配；然后，参考Botsort、ByteTrack算法中卡尔曼滤波参数设置特点，使用遗传算法分别对XYAH、XYWH编码方式下卡尔曼滤波关键参数进行调节，对比选择预测效果最佳的卡尔曼滤波。本文以长株潭城市群部分高速公路为试验对象，研究结果表明，相较于原始ByteTrack算法，本文方法的Hota、Mota、IDF指标分别提高了1.318、11.682、2.033个百分比；对比其他的多目标跟踪算法，改进的ByteTrack算法除了FP值略高于Ocsort算法，其他各个指标都优于Botsort、Deepocsort、Hybridsort等算法。改进的ByteTrack算法实现了高速公路广告牌目标的良好跟踪，为高速公路广告牌智能巡检技术提供了参考。

下一个兴趣点推荐是基于位置的社交网络的一项重要服务，在用户个性化位置推荐、商业优化布局等领域具有显著应用价值。当前推荐系统主要基于深度学习方法而未采用因果推断框架，导致其倾向于学习均质化的相关性，难以有效消除时空数据中混杂因子的干扰，使得模型推荐性能受限。针对上述问题，本文提出基于时空因果推断的下一个兴趣点推荐模型。首先，为了将时空数据融入因果推断框架，分别基于时序特征、空间特征对序列信息和时空上下文信息嵌入编码，生成时空角度上的用户与兴趣点的特征表示。然后，基于前门调整和反事实推理提出因果推断模块，通过识别特征变量之间的因果效应，提取具有用户差异的用户时空状态，有效缓解了时空数据中混杂因子的影响。最后，处理用户多时段的时空状态，预测用户访问各个兴趣点的概率，实现下一个兴趣点推荐。在两个真实数据集上进行了试验分析，与最优的基线模型相比，本文方法的首项准确率和平均倒数排名在纽约数据集上分别提升了37.60%和22.72%，在东京数据集上分别提升了32.84%和20.63%，证明了本文方法的有效性和先进性。