论文概览 |《IJGIS》2024 Vol.38 issue4

本次给大家整理的是《International Journal of Geographical Information Science》杂志2024年第38卷第4期的论文的题目和摘要，一共包括8篇SCI论文！

论文1

knowledge-constrained large language model interactable with GIS: enhancing public risk perception of floods

一种考虑洪水知识约束的大语言模型与GIS交互的可交互系统：增强公众洪水风险感知

【摘要翻译】

公众的理性防洪行为取决于对洪水风险的准确感知。使用自然语言进行洪水风险感知是一种有效的方法，确保自然语言对话系统中提供的洪水信息准确性和可理解性至关重要。本研究提出了一种受洪水知识约束的大型语言模型(LLM)框架，旨在增强公众对洪水风险的感知。我们测试了LLM在该框架内的性能，结果表明，在知识图谱中的实体和关系约束下，LLM能够生成关于洪水的准确信息，并与地理信息系统(GIS)交互，通过实时编码生成个性化的知识。此外，我们对不同认知水平的用户进行了洪水风险感知实验。结果表明，使用自然语言对话可以缩小认知水平带来的差异，使公众平等地获取与洪水事件相关的知识。

【作者信息】

Jun Zhu，地质科学和环境工程学系,西南交通大学, 成都, 中国

Pei Dang，地质科学和环境工程学系, 西南交通大学, 成都, 中国

Yungang Cao，地质科学和环境工程学系, 西南交通大学, 成都, 中国

Jianbo Lai，地质科学和环境工程学系, 西南交通大学, 成都, 中国

Yukun Guo，地质科学和环境工程学系, 西南交通大学, 成都, 中国

Ping Wang，地质科学和环境工程学系, 西南交通大学, 成都, 中国

Weilian Li，地质科学和环境工程学系, 西南交通大学, 成都, 中国

论文2

A knowledge-guided visualization framework of disaster scenes for helping the public cognize risk information

一种基于知识的灾害场景可视化框架，用于帮助公众认知风险信息

【摘要翻译】

虚拟地理环境(VGE)作为其重要应用之一，虚拟灾害场景在增强公众风险意识方面起着至关重要的作用。然而，现有的虚拟灾害场景可视化方法缺乏专家指导，无法满足公众的需求，导致公众理解效果不佳。因此，本文提出了一种基于知识的灾害场景三维可视化框架。首先，分析了公众对灾害场景可视化的需求，构建了灾害场景的地理知识图谱。其次，通过知识图谱的引导，融合建模了虚拟灾害场景并进行了适宜性表示。第三，建立了灾害场景数据在多计算设备上的多样组织和适应性调度方法。最后，我们开发了一个灾害场景可视化的原型系统，选择了一个典型的灾害，并使用眼动追踪技术进行了认知实验。结果表明，所提出的方法可以有效地支持四台计算设备上的虚拟灾害场景的适应性可视化，并保持高效的帧率。此外，与其他的灾害场景可视化方法相比，我们的框架包含了场景、用户、需求和空间等语义知识，能够有效地传达灾害信息并帮助公众认知灾害风险，在建模标准化、个性化、适应性方面具有显著优势。

【作者信息】

Jun Zhu，测绘与地理信息科学系,西南交通大学, 成都，中国

Jinbin Zhang，测绘与地理信息科学系, 西南交通大学, 成都，中国

Qing Zhu，测绘与地理信息科学系,西南交通大学, 成都，中国

Weilian Li，大地测量与地理信息研究所, 波恩大学, 波恩，德国

Jianlin Wu，测绘与地理信息科学系, 西南交通大学, 成都，中国

Yukun Guo，测绘与地理信息科学系, 西南交通大学, 成都，中国

论文3

A deep learning approach to recognizing fine-grained expressway location reference from unstructured texts in Chinese

深度学习方法识别中文非结构化文本中的精细化高速公路路标位置参考

【摘要翻译】

非结构化文本中嵌套和断续的位置引用很常见。提取它们对于位置信息的准确检索和空间推理至关重要。然而，由于注释系统和模型架构的限制，传统方法难以处理这些引用。在此研究中，我们介绍了一种深度学习方法，用于统一地识别平的、嵌套的、和断续的位置引用，这是基于对精细公路位置引用的识别。该方法使用预训练语言模型生成语义句子表示，以及一个距离和方向感知的Transformer进行上下文编码。然后，通过建模单词对之间的邻接和边界关系来识别位置引用。我们在七个基准数据集上评估了这种方法，并将其与最先进的比较方法进行了比较。结果表明，该方法具有更高的准确性和更快的推理速度，验证了我们的建模范式和架构的有效性。进一步证实了架构中子模块的有效性。这些发现可以为开发先进的统一位置引用识别方法提供有价值的见解。此外，详细的标记位置引用数据集可以促进对统一识别方法和系统的评估和比较。

【作者信息】

Qilong Wu，资源与环境科学学院,武汉大学，武汉，中国

Peiwen Yao，遥感信息工程国家重点实验室, 地图制作与遥感, 武汉大学，武汉，中国

Haihong Zhu，资源与环境科学学院, 武汉大学，武汉，中国

Wei Zhu，资源与环境科学学院, 武汉大学，武汉，中国

Yukun Wu，资源与环境科学学院,武汉大学，武汉，中国

Lin Li，资源与环境科学学院, 武汉大学，武汉，中国

论文4

A method for finding a maximum value region with a minimum width in raster space

在栅格空间中寻找具有最小宽度最大值区域的方法

【摘要翻译】

给定一个单元格网格，每个单元格都被分配一个数值，量化其对某种用途的适宜程度。地理信息科学中的一个问题是选择一个区域，即一个具有特定大小的连通单元格集，其所有值的总和最大化。这个问题可以转化为一个被称为最大值区域问题的组合优化问题，并且存在精确和启发式方法来解决它。虽然这些解决方案被保证是可行的（如果不是最优的），但如果它们包含太窄的段（甚至只有一个单元格的宽度），则在实际使用中可能并不理想。本文提出了一种新的最大值区域问题变体——最大值宽区域问题，该问题要求区域至少与指定宽度一样宽。我们提供了一种启发式方法来解决这个问题，该方法将区域建模为邻居集，并通过计算机实验测试其性能。结果表明，该方法在连通性、大小、宽度和价值方面生成良好的可行解决方案，但与没有最小宽度要求的最大值区域方法相比，需要更多的计算时间。

【作者信息】

Lindsi Seegmiller，地理信息学系，建筑与环境学院, 皇家理工学院 (KTH), 斯德哥尔摩, 瑞典

Takeshi Shirabe，地理信息学系，建筑与环境学院, 皇家理工学院 (KTH), 斯德哥尔摩, 瑞典

论文5

A methodology to Geographic Cellular Automata model accounting for spatial heterogeneity and adaptive neighborhoods

一种考虑空间异质性和适应性邻域的地理格栅自动机模型的方法

【摘要翻译】

邻域效应是地理细胞自动机（GCA）建模领域内一个关键要素，在研究领域中得到了广泛关注。然而，目前尚未有研究基于不同土地利用类型的不同邻域敏感性对GCA建模进行研究。本研究旨在通过整合地理学第一定律与不同土地利用类型的不同敏感性的方法，引入一种名为适应性空间异质邻域（ASHN）的GCA建模新方法，以弥补这一空白。通过将这一创新框架应用于北京、武汉和珠江三角洲等三个地区，我们阐明了实施过程并进行了全面的土地利用变化模拟。校准期从2000年到2010年，随后是验证期从2010年到2020年。结果表明，ASHN-GCA模型在适应性均匀邻域地理细胞自动机（AHN-GCA）模型和均匀邻域地理细胞自动机（HN-GCA）模型中表现出色，具有更高的总体精度（OA）、卡方、模糊卡方和优点分数。此外，ASHN-GCA模型提供了更细致和详细的景观格局洞察，进一步突显了其在土地利用动态中的功效和潜力。

【作者信息】

Youcheng Song，资源与环境科学学院, 武汉大学，武汉，中国

Haijun Wang，资源与环境科学学院, 武汉大学，武汉，中国; 国家自然资源和地理空间信息管理监测重点实验室, 自然资源部, 武汉, 中国Bin Zhang，公共管理学院, 中国地质大学, 武汉，中国

Haoran Zeng，资源与环境科学学院, 武汉大学，武汉，中国

Jiahui Li，湖南省国土资源规划院，湖南，中国

Junjie Zhang，广州市城市规划设计研究院，广州，中国

论文6

A multi-glimpse deep learning architecture to estimate socioeconomic census metrics in the context of extreme scope variance

一种用于估计极端范围差异的社会经济普查指标的多视角深度学习架构

【摘要翻译】

卷积神经网络（CNN）被用于广泛的卫星图像信息提取任务。然而，对于寻求估计在高度变化地理范围内聚合信息的任务，现有技术存在关键限制。我们通过一个特定的案例研究来探讨这个挑战：估计墨西哥2358个市政区的普查变量，这些区域的范围从2.21平方公里（约74,000个30米像素）到72,417.9平方公里（数百万个像素）。基于深度学习从卫星图像中提取社会经济信息的最新文献，我们特别寻求建立基于粗分辨率（Landsat）卫星图像单独估计一系列普查变量时可能出现的误差基准指标。对于52个变量中的每一个，我们实施了一个多视角循环注意力模型，其中我们参数化确定每个市政区要迭代的采样子集。五折验证结果表明，近一半的测试变量（22个）可以用r2值大于0.75来估计。结果表明，卫星图像在未进行调查的历史时期和当代不可访问地区，对社会经济因素的估计具有相当大的潜力。

【作者信息】

Dan Runfola，应用科学系, 威廉与玛丽学院, 威廉斯堡, 弗吉尼亚州，美国;数据科学项目, 威廉与玛丽学院, 威廉斯堡, 弗吉尼亚州，美国

Anthony Stefanidis，数据科学项目, 威廉与玛丽学院, 威廉斯堡, 弗吉尼亚州，美国; 计算机科学系, 威廉与玛丽学院, 威廉斯堡, 弗吉尼亚州，美国

Zhonghui Lv，应用科学系, 威廉与玛丽学院, 威廉斯堡, 弗吉尼亚州，美国;弗吉尼亚海洋科学研究所, 威廉与玛丽, 格洛斯特, 弗吉尼亚州，美国

Joseph O’Brien，数据科学项目, 威廉与玛丽学院, 威廉斯堡, 弗吉尼亚州，美国

Heather Baier，应用科学系,威廉与玛丽学院, 威廉斯堡, 弗吉尼亚州，美国; 数据科学项目, 威廉与玛丽学院, 威廉斯堡, 弗吉尼亚州，美国

论文7

FBS-TGCN: a temporal graph-convolutional-network model for spatiotemporal prediction of spam messages from fake base stations

FBS-TGCN：一种用于虚假基站产生的垃圾邮件的时空预测的时空图卷积网络模型

【摘要翻译】

垃圾短信影响了手机用户和公安部门的正常通信，假基站（FBS）是发送垃圾短信的主要渠道，准确预测FBS发出的垃圾短信的空间时间分布对于警方实施短期的防垃圾短信措施至关重要。然而，现有的垃圾短信建模模型往往侧重于基于距离捕捉空间依赖关系，未能充分挖掘数据中隐藏的空间依赖关系，同时难以缓解过度零数据的影响。因此，基于众包垃圾短信数据，本文提出了一种基于时空图卷积网络模型（FBS-TGCN）用于FBS发出的垃圾短信的空间时间分布预测。该模型包括图卷积网络（GCN）和门控时序卷积网络（TCN）以交替捕捉空间和时间依赖关系。此外，本文还结合了加权邻接矩阵和自适应邻接矩阵以捕捉基于距离的空间依赖关系和隐藏的空间依赖关系。使用北京地区的垃圾短信数据集进行实验，验证了所提模型与基准模型相比的有效性，特别是在垃圾短信数量和垃圾短信高发区的预测方面。

【作者信息】

Yufei Shi，广东省城镇化与地理仿真重点实验室, 地理与规划学院, 中山大学, 广州，中国

Haiyan Tao，广东省城镇化与地理仿真重点实验室, 地理与规划学院, 中山大学, 广州，中国广东省公共安全与灾害防治工程技术研究中心，广州，中国

Chengbin Deng，地理与环境可持续性系, 俄克拉荷马大学, 诺曼, 俄克拉何马州，美国; 空间分析中心, 俄克拉荷马大学, 诺曼, 俄克拉何马州，美国

Li Zhuo，广东省城镇化与地理仿真重点实验室, 地理与规划学院, 中山大学, 广州，中国广东省公共安全与灾害防治工程技术研究中心，广州，中国; 南方海洋科学与工程广东省实验室（珠海）, 珠海，中国

Yiwei Ma，广东省城镇化与地理仿真重点实验室, 地理与规划学院, 中山大学, 广州，中国

Qingli Shi，广东省城镇化与地理仿真重点实验室, 地理与规划学院, 中山大学, 广州，中国

论文8

Predicting short-term PM2.5 concentrations at fine temporal resolutions using a multi-branch temporal graph convolutional neural network

使用多分支时间图卷积神经网络预测短期PM2.5浓度的细粒度时间分辨率

【摘要翻译】

在城市地区对PM2.5浓度进行逐小时的时间分辨率预测可以为公众健康保护提供关键信息。监测站之间的空间和时间依赖性以及PM2.5与相关因素（如气象和排放）之间的空间和时间相关性对于此类预测都是至关重要的。本研究提出了一种多分支时间图卷积神经网络（MB-TGCN）用于城市监测站PM2.5浓度的短期预测。MB-TGCN由一组用于空间依赖性建模的图卷积网络（GCN）、一组用于时间依赖性建模的门控循环单元（GRU）以及用于整合PM2.5和相关因素的多元结构组成，旨在通过图模型方法捕捉空间和时间关系，从而准确预测PM2.5浓度。来自北京35个站点的空气质量数据集的实验表明，MB-TGCN在从1到12小时的各种预测持续时间方面，比几种深度学习模型具有更高的准确性。本文所述的方法有助于提高PM2.5的预测能力，并为环境意识活动规划提供决策支持。