地理时空大模型:概念、范式与实践

大语言模型的快速发展为地理信息科学带来了新的机遇,但通用大模型并不天然具备处理坐标参考、拓扑关系和尺度效应等空间约束的能力。地理时空大模型作为在多源、多粒度和多模态地理时空大数据上预训练的大规模模型,从预训练中涌现出地理表征、地理理解、地理推理等核心能力,并可通过智能体机制将这些能力转化为自主执行空间分析的行动能力。本文梳理地理时空大模型的概念内涵与研究框架,沿"感知—认知—推理—行动"主线归纳四类研究范式:地理实体表征、多模态地理场景理解、时空语义驱动的地理推理以及大模型驱动的地理智能体。地理时空大模型不是通用大模型在地理领域的简单应用,而是将地理信息科学领域知识与人工智能方法深度融合形成的新型研究方向。未来应完善多源地理时空数据的组织与评测基准,将空间关系和时空规律融入模型训练与结果校验,并提高GIS任务执行过程及空间结果的可验证性,以增强模型在土地利用分析、城市时空预测和空间决策等任务中的可靠性。


面向国土空间规划实施评估的双路径土地利用变化模拟方法

规划实施评估和重点区域调控是国土空间规划进入实施管理阶段后的重要需求。现有土地利用变化模拟多侧重单一路径下的格局预测,难以在统一条件下辨析历史惯性与规划目标导向的差异。为此,提出一种融合历史变化基线与规划目标导向的双路径土地利用变化模拟方法。基于 2019—2024 年土地利用、空间驱动与约束及 2035 年国土空间规划数据,采用马尔可夫链模型与矢量元胞自动机模型构建历史趋势驱动路径;以现状与规划目标的差额为数量约束,构建规划目标牵引路径;进而对双路径结果进行数量结构、空间配置和规划偏离对比与叠置诊断。以常州市武进区中心城区为研究区,结果表明:模型回测中,数量预测的 L1 精度为 0.98,空间模拟的总体精度、Kappa 系数和优值因子分别为 0.92、0.90 和 0.26;双路径差异主要集中于农用地、城镇住宅用地、工业仓储用地和商业服务业用地,并在外围发展区、既有开发区及工业连续带边缘集聚;双路径协调区、历史惯性偏离区、规划实施难点区和规划调整不稳定区分别占研究区的 48.21%、18.90%、27.12%和 5.77%。


Simulating Urban Economic Development via S-Curve & CA

Urban economic forecasting is crucial for the formulation of a macroeconomic development strategy for a region toward harmonious socio-economic and ecological progress. Cellular Automata (CA) enables fine-grained urban economic modeling, but its conventional discrete-state structure performs poorly when handling continuous economic variables like GDP density, and furthermore often lacks the ability to integrate with general economic growth patterns. These shortcomings ultimately compromise the simulation accuracy of urban economic dynamics.