从20世纪60年代至今，GIS已有60余年的发展历程，其内涵经历了地理信息系统（GISystem）到地理信息科学（GIScience），再到地理信息服务（GIService）的转变。这一时期的GIS研究主要基于地图学的二维抽象表达逻辑（Map-based GIS），实现对现实世界的抽象分析与表达。然而，随着实景三维、数字孪生、城市信息模型等新技术及新需求的不断涌现，GIS原有的二维抽象逻辑面临多源异构时空大数据汇聚、处理、融合，复杂时空动态过程表征，以及潜在时空规律挖掘等的挑战。如何调整GIS的科学定位，以适应数字社会对空间对象表达与分析的多类型、多层次、多角色需求，成为当前GIS发展亟须考虑的重要问题。本文针对当前GIS发展面临的问题和转变，从方法论角度，深入分析Map-based GIS在空间表征、空间分析及综合应用上的瓶颈，进而立足于新时代GIS的发展需求，在融合Map-based GIS的逻辑思维基础上，从理论基础、管理模式、可视化形式、功能定位等视角，提出新时代从Map-based GIS到Space-oriented GIS的科学概念转化模型，创新GIS科学概念转化下的新型应用。本文期待能为新时期GIS的发展提供参考思路。

经过一年多的在轨测试，我国第一组民用差分干涉SAR卫星，L波段差分干涉SAR（也称“陆探一号”）经过了各系统联合调整，已经具备了较好的在轨运行条件。本文对部分在轨应用关键参数进行了测试分析。测试结果表明，卫星的长期平面定位精度优于3.9 m。河南省及江苏省的检校和验证数据表明，检校前、检校后以及平差后的DSM中误差分别优于13.2、6.3、2.9 m。卫星具有3种形变产品，即差分干涉技术获取的形变场、不计高程改正误差参数估计的初级多时相回归堆叠技术获取的低精度形变速率场，以及顾及高程改正误差参数估计的精细多时相回归技术获取的高精度形变速率场与形变累计序列。山西省大同市的形变场产品与同期水准对比表明，三者的中误差分别优于2.7 mm、8.6 mm/a、3.7 mm。同时本文进行了严格回归轨道控制半径的测试，测试结果表明，90%的值小于323 m。本文同时进行了相干性的评估，在不考虑时间相干性的前提下，整体相干性优于0.7。在轨测试结果表明，陆探一号卫星已经具备了较好的运行条件，可提供给各用户开展广泛应用。

相比于传统SAR卫星应用方向，我国第一代L波段差分干涉SAR卫星主要用于实现全球精准地表形变测量。为了达到重轨差分干涉优于5 cm的形变测量指标，首先需要解决卫星空间基准轨道高精度回归的工程难题。对此，本文提出一种严格回归轨道优化设计方法，通过地球重力场阶数需求分析建立卫星高阶动力学模型，将J4摄动下修正的太阳同步回归轨道参数作为优化算法初值，以卫星WGS-84坐标系位置、速度回归精度满足收敛阈值为目标，利用启发式多目标进化算法开展轨道参数寻优。仿真试验表明，寻优结果回归精度可达厘米级，优于既定工程指标，并且本文方法有效性和正确性已经过L波段差分干涉SAR卫星在轨验证。

陆探一号是我国首个采用差分干涉测量技术实现地表形变监测应用的合成孔径雷达（SAR）卫星星座，其01组双星分别于2022年1月26日和2022年2月27日成功发射并在轨运行。双星在轨后具有双基编队干涉和双星组网两种模式。在双星干涉成像模式下，利用双基InSAR条带模式获取全国高精度DEM；在双星组网成像模式下，双星同轨道间隔180°在轨稳定运行，重访周期由8 d下降至4 d，获取时序相干数据，具备高精度地表形变监测的能力。此外，陆探一号SAR系统具备多模式极化优势，可获取单航过多极化InSAR、混合极化SAR数据，可用于林业、国土资源调查及灾害监测等。本文对陆探一号SAR载荷的关键技术，包括相位同步、模糊抑制与系统定标等进行系统性阐述和分析。陆探一号SAR载荷实现的最高分辨率为3 m，最大幅宽可达400 km，同时干涉模式方位模糊度优于-20 dB，系统性能优良，本文通过地面测试和在轨实测数据对陆探一号多模式成像性能进行验证。

陆地探测一号（简称“陆探一号”，LT-1）是中国首个以陆地SAR干涉测量为核心任务的L波段差分干涉合成孔径雷达卫星，通过双星绕飞、跟飞两种工作模式，利用差分干涉形变测量和干涉测高的技术，能够全天时、全天候实现高精度地表形变监测、地形测绘等任务。LT-1卫星运行于无线电业务分配比较密集的L波段，在部分地区面临着严重的同频射频干扰影响。射频干扰会导致干涉影像质量退化、相位失真以及相干性下降，进而直接影响形变场产品反演精度，造成对地遥感观测科学数据的浪费。为了降低射频干扰的不利影响，本文系统地分析了LT-1卫星影像中的射频干扰特性，提出了针对LT-1单视复数影像的业务化、批量化射频干扰检测和抑制方法。通过大批量实测卫星影像数据验证，本文方法能够高效地抑制影像中的射频干扰，恢复提升干涉影像对的相干系数。本文方法已经成功应用于自然资源部陆探一号地面处理系统中，为卫星影像业务化形变场产品生产提供支撑保障。

L波段差分干涉SAR卫星（陆探一号，LT-1）是我国首个L频段全极化民用SAR卫星星座，该组卫星将长期服务于自然资源监测监管，DEM生产是其主要任务之一。众所周知，相位解缠是影响DEM反演精度的关键因素之一，然而，高噪声及大梯度变化区域解缠结果精度低一直是相位解缠的瓶颈难题。对此，本文提出了一种相位质量融合估计策略引导的迭代信息滤波与解缠方法。首先，对干涉图像素的相干性、相位梯度、噪声分量和干涉条纹边缘进行估计与拟合，进而指导解缠路径布设，提高相位解缠结果的准确性；然后，采用中心差分信息滤波器实现解缠相位的准实时状态估计，进而提高解缠方法的稳健性；最后，通过TerraSAR-X/TanDEM-X双星及LT-1A/B双星SAR数据进行试验验证。结果表明，本文方法精度较统计费用流算法提高了约65.3%；较无迹信息滤波解缠算法提高了约13.6%。此外，试验结果不仅验证了本文方法的有效性，而且证明LT-1双星系统可达到高精度地形重建的预期效果，能为我国后续多云多雨区的DEM产品生产提供高精度的数据源。

陆地探测一号（LT-1）是我国乃至全球首个主要用于地表形变干涉测量应用的L波段雷达遥感双星星座。本文利用LT-1卫星获取的甘肃地区的绕飞SAR数据，分析了差分干涉图中因轨道误差引起的相位斜坡的空间特征，明确了平行基线分量变化率估计误差较大是引起轨道相位斜坡的主导因素。针对现有方法存在的一些局限性，发展了一种基于快速傅里叶变换（FFT）的迭代基线精细化估计方法，并基于校正后的基线开展了研究区数字高程模型（DEM）重建。通过SRTM、AW3D与哥白尼DEM对LT-1 DEM的产品质量进行综合评估与分析，结果表明，本文方法可有效校正残余基线误差，相比于非迭代FFT算法精度提升约16.64%；LT-1 DEM与SRTM、AW3D和哥白尼DEM的平均偏差分别为5.49、3.41及1.94 m，表现出优异的高程精度与现势性优势。

陆地探测一号01组卫星（LT-1）的发射成功实现了我国L波段干涉SAR卫星“从无到有”的发展。LT-1卫星因空间避障等原因，部分空间基线较长；经过调轨后，空间基线长度控制在400 m以内。为了验证LT-1卫星数据的可用性及精度，本文以山西大同矿区为例，获取了2022年12月23日至2023年5月20日共25景LT-1条带模式影像数据，分别进行差分干涉测量短基线集时序分析（SBAS）技术和永久散射体（PS）技术数据处理。对时序InSAR和GPS站点在SAR卫星视线向上的形变监测结果进行对比分析，二者差异标准差分别为5.7 mm/a（SBAS-InSAR）和3.4 mm/a（PS-InSAR），时间序列均方根误差均小于5 mm，具有高度一致性。研究表明国产LT-1卫星具备高精度的形变监测能力，为国内地形测绘及形变监测提供了可靠的数据保障。

遥感对地观测能力的稳步提升为遥感基础大模型的涌现和发展奠定了数据基础。针对不同数据及任务类型，设计不同的深度网络骨架及优化方法必将浪费大量人力物力。为了解决上述问题，国内外研究学者转入遥感基础大模型研究，并提出了大量优秀统一模型。为提高遥感基础大模型的泛化性和可解释性，引入泛在的地学知识被认为是一项关键技术。目前，已有相关工作在遥感基础大模型的结构设计或预训练方法中挖掘或整合了地学知识，但尚无文献系统性阐述和总结地学知识引导的遥感基础大模型的研究现状。因此，本文首先对大规模遥感基础模型预训练数据集进行了归纳和总结，并分类回顾了遥感基础大模型的研究进展；然后，介绍了地学知识引导的遥感影像智能解译算法以及面向遥感基础大模型的地学知识挖掘与利用进展；最后，针对该领域仍然面临的挑战提出了几点未来研究展望，旨在为遥感基础大模型的未来研究提供探索方向参考。

大模型从深度学习和迁移学习技术发展而来，依靠大量的训练数据和庞大的参数容量产生规模效应，从而激发了模型的涌现能力，在众多下游任务中展现了强大的泛化性和适应性。以ChatGPT、SAM为代表的大模型标志着通用人工智能时代的到来，为地球空间信息处理的自动化与智能化提供了新的理论与技术。为了进一步探索大模型赋能泛摄影测量领域的方法与途径，本文回顾了摄影测量领域的基本问题和任务内涵，总结了深度学习方法在摄影测量智能处理中的研究成果，分析了面向特定任务的监督预训练方法的优势与局限；阐述了通用人工智能大模型的特点及研究进展，关注大模型在基础视觉任务中的场景泛化性以及三维表征方面的潜力；从训练数据、模型微调策略和异构多模态数据融合处理3个方面，探讨了大模型技术在摄影测量领域当前面临的挑战与发展趋势。

AI大模型以其泛化性、通用性、高精度等优势，成为计算机视觉、自然语言处理等AI应用的基石，本文在分析AI大模型发展历程、价值、挑战的基础上，首先从数据、模型、下游任务3个层面阐述了其研究进展，数据层面从单模态向多模态发展，模型层面从小模型向大模型发展，下游任务层面从单任务向多任务发展；其次，探讨了遥感大模型3个重点发展方向，即多模态遥感大模型、可解释遥感大模型、人类反馈强化学习；再次，实现了“无标签数据集构建-自监督模型学习-下游迁移应用”遥感大模型构建思路，初步开展了技术试验，验证了遥感大模型的显著优势；最后，进行了总结与展望，呼吁以应用任务为导向，将理论方法、工程技术、应用迭代进行结合，实现遥感大模型的低成本训练、高效快速推理、轻量化部署及工程化落地应用。

伴随GNSS数据处理技术的进步及其衍生水汽产品精度的提高，GNSS大气可降水量（PWV）所蕴含的丰富水汽信息被逐渐应用于降雨预报。然而，目前联合GNSS PWV和气象参数的短临降雨预报模型在挖掘参数信息方面仍存在局限性。因此，本文提出了一种基于随机森林算法（RF），联合PWV、温度、气压和相对湿度等参数的距平和变化率的改进模型。通过对湖北、湖南和江西3省的定性降雨预报结果进行分析，发现本文模型能准确地捕捉到PWV和气象参数对降雨的影响。与只使用PWV和气象参数的反向传播神经网络算法（BPNN）的模型相比，本文模型的预报正确率为89.57%，其提升幅度为2.29%；错报率为15.06%，降低了2.76%。在暴雨频发期间，本文模型的预报性能表现出更明显的提升，相较于基于BPNN算法的预报模型，本文模型的预报正确率提高了5.57%，而错报率则降低了2.37%。进一步研究发现，当起报时刻分别设为时刻t和时刻t-1，以预报t+1时刻的降雨状态时，选择时刻t-1作为起报时刻会导致预报正确率有所提高，但同时错报率也会相应上升。

基于精细时间测量协议（FTM）的Wi-Fi RTT定位是目前领域内的研究热点，但其定位算法性能的评估手段较为单一且缺乏理论基础，Wi-Fi接入点（AP）布局对于定位精度的影响也尚未深入研究。本文以智能手机Wi-Fi FTM为研究对象，推导了基于Wi-Fi RTT/RSS混合定位方法的克拉美罗下界（CRLB），阐明了单一定位与混合定位方法CRLB的理论关系，为算法性能评估确立了理论依据；研究了Wi-Fi AP布局对RTT/RSS混合定位精度的影响，以增强遗传算法（EGA）和CRLB为基础，设计了Wi-Fi RTT/RSS混合定位的最优节点布局方案。研究表明，Wi-Fi RSS/RTT混合定位可作为高效的FTM定位方法，提出的基于EGA和CRLB的最优节点布局方法能快速给出定位区域内的最优AP布局方案。试验结果表明，在最优节点布局下（7个Wi-Fi节点），Wi-Fi RSS、RTT和RSS/RTT混合定位在本文试验环境的理论精度分别为0.92、1.07和0.61 m。研究结果可为Wi-Fi FTM定位算法性能评估提供理论支持，也能为合理布设Wi-Fi节点、减少定位成本投入提供可行方案。

道路数据具有数量大、变化频率高的特点，是地理空间数据的重要组成部分，道路要素化简也是地图制图综合和空间数据更新的核心技术环节之一。传统方法基于数据点压缩、弯曲识别和现有机器学习算法在道路化简中存在稳定性差、可控性弱，自动化程度低等问题，本文在视觉思维和句法模式相结合的理论基础上，利用深度学习算法的特征挖掘能力将生成式人工神经网络模型引入道路化简领域。首先，将需化简道路数据转化为序列数据，提取其序列特征，以此构造特征数据集；然后，利用门控循环单元（gated recurrent unit，GRU）神经网络构建的Seq2Seq编码模型，将大比例尺道路数据进行嵌入形成高维语义编码，通过对语义编码的解码生成化简后的小比例尺道路数据；最后，根据弧段压缩率、长度变化率、曲线折度、缓冲区限差4个指标评估模型有效性和适用性。通过试验与传统算法对比试验表明，本文模型可应用到道路形状化简中，丰富道路化简方法，促进地图制图综合智能化发展。

基于机器学习的轨迹预测方法通常依赖历史轨迹数据的数量和质量，而社交媒体签到数据更新频率低，形成的轨迹稀疏，在预测中易出现难学习、过拟合等问题。为突破低质量轨迹数据在预测任务中的限制，本文提出一种基于地理知识图谱增强与多时空约束条件建模的轨迹预测方法。将复杂异构的多源地理信息结构化为由若干三元组构成的地理知识图谱进行统一表达，并通过知识表示模型挖掘其中语义关联来增强轨迹序列的向量表征，同时采用具有多重时空约束条件的多头自注意力机制提取稀疏轨迹序列中的多重时空特征，从而提升轨迹预测精度。研究采用纽约市Foursquare社交媒体签到数据进行方法验证，试验结果表明：本文方法相较于其他表示学习方法和轨迹预测方法，在命中率和平均倒数排名两个评价指标上均有不同程度的提升，能够有效增强稀疏轨迹序列的表征，提取轨迹的多重时空特征，提高社交媒体用户签到轨迹的预测精度。