地理分析模型是对地理系统要素及其作用关系、演化规律的抽象与表达。通过构建地理分析模型开展地理模拟可以反演过去、预测未来、模拟过程、揭示规律，从而增进对复杂、多样地理系统的认知与理解。近年来，随着观测手段与建模技术的更新与发展，已经涌现了大量地理分析模型，有效推动了人们对地理系统要素作用机制、演化规律、演变过程的认知，提高了对地理环境变化的预估与适应能力。由此可见，地理分析模型的构建与应用已经成为探索地理过程、人地关系，乃至应对全球变化、可持续发展等重大科学议题的重要方法。

为了推广自主研发和自主改进的地理分析模型并提升其社会服务价值，南京师范大学联合中国地理学会、中国自然资源学会、中国地理信息产业协会、国际数字地球学会中国国家委员会共同发起国产地理分析模型培训班，自2021年起连续四年成功举办以“水文模型”、“时空建模与分析”、“可持续发展模拟与分析”、“灾害模拟与可持续发展”为主题的模型培训班。在此基础上，本年度将以“地理空间智能分析”为主题，举办第五届国产地理分析模型培训班，以促进国产地理分析模型的健康蓬勃发展，推动国家级模型服务生态系统建设，从而构建知识共享、成果互惠、服务社会的具备开放性与持久活力的自主模型系统生态圈。

南京师范大学虚拟地理环境教育部重点实验室

气候系统预测与变化应对全国重点实验室

南京师范大学地理科学学院

中国地理学会

中国自然资源学会

中国地理信息产业协会

国际数字地球学会中国国家委员会

可持续发展大数据国际研究中心

国际地理联合会地理信息建模委员会

国际数字地球学会数字地球教育和能力建设工作组

国际数字地球学会青年科学家创新网络

亚洲地理学会青年地理学家工作组

国家地球系统科学数据中心长江三角洲分中心

国家超级计算中心郑州中心

国际数字地球学会中国国家委员会青年科学家委员会

江苏省地理信息资源开发与利用协同创新中心

南京师范大学环境学院

张帆，北京大学地球与空间科学学院研究员，助理教授，博士生导师。曾担任香港科技大学助理教授、麻省理工学院高级研究员、感知城市实验室（MIT Senseable City Laboratory）视觉智能组负责人。入选国家海外高层次青年人才引进计划、Elsevier全球前2%顶尖科学家榜单、中青科协会员。研究方向为地理人工智能、城市大数据挖掘等。担任ISPRS Journal of Photogrammetry and Remote Sensing，Computers, Environment and Urban Systems编委。荣获2024 CPGIS Young Scholar Award、2022 Geospatial World 50 Rising Stars、2020 WGDC全球前沿科技青年科学家等荣誉。相关成果发表在PNAS、Nature Geoscience、Nature Communications等期刊。

陈逸敏，中山大学地理科学与规划学院教授，博士生导师。获国家自然科学基金优秀青年基金项目、广东省自然科学基金杰出青年项目等资助。荣获2019年广东省科技进步奖二等奖。2023年入选Elsevier全球前2%顶尖科学家榜单，连续四年（2021、2022、2023、2024年）入选科睿唯安全球高被引学者。主要研究方向包括城市大数据计算、人工智能与城市过程建模、城市可持续发展情景模拟等，研究论文发表于Int J Geogr Inf Sci、Remote Sens Environ、Landscape Urban Plan、Ann Am Assoc Geogr、Nat Commun、地理学报等权威地理学刊物。

姚尧，中国地质大学（武汉）地理与信息工程学院教授，博士生导师，日本一桥大学社会高等研究院客座教授。在时空大数据和地理空间人工智能开展研究，主持国家自然科学基金面上项目、青年项目、多项国家重点研发计划和巨头企业资助项目。荣获2020年国际计算机协会(ACM) SIGSPATIAL中国新星奖（每年全球1-2华人入选），科睿唯安全球高被引学者（2023、2024年）、美国斯坦福大学全球前2%科学家（2022、2023、2024年），2022全球前沿科技青年科学家等奖项。已发表相关论文100余篇，总计被引用8000余次，其中ESI高被引/高热点论文13篇，现有相关专利和软件著作权20余项。

汪闽，南京师范大学地理科学学院教授，博士生导师。主持多项国家自然科学基金、国家重点研发计划子课题、国家863课题、江苏省杰出青年基金等项目。主要从事基于人工智能的遥感信息处理与分析及其行业应用方向的研究。在遥感图像处理与特征提取、遥感图像挖掘、高分辨率遥感图像信息提取与目标识别等方面提出了系列新方法。研究成果已在航道信息管理、海岸带资源调查与围填海工程遥感监测、城市空间信息提取与管理、生态环境监测以及军事目标识别等领域加以应用，在国内外重要学术刊物发表论文90余篇。现任《遥感信息》期刊编委。获中国测绘学会测绘科技进步二等奖（排名第一）、江苏省科学技术奖三等奖（排名第一）、江苏省青蓝工程学术带头人、六大人才高峰、江苏省首届青年地理科技奖等荣誉。

城市大数据的涌现为感知城市时空动态、评估城市化进程提供了新的途径。街景影像是感知城市物质空间的一种新型地理大数据，目前已经密集地覆盖了全球城市和城市中的每一条街道。近年来，以深度学习、计算机视觉、大语言模型为代表的人工智能技术不断发展，为挖掘街景语义信息、理解和定量表达物质空间提供了强有力的支持。街景影像不但可以作为遥感影像的补充，以人的视角对城市物质空间进行观测；而且可以表达城市社会空间，反演城市物质空间背后的人类活动状况和社会经济环境，为基于大数据的人地关系研究、建成环境量化研究、空间数据挖掘与知识发现研究提供新的视角。本课程将以城市视觉智能框架为线索，从不同视角介绍街景影像在城市研究中的方法和应用。

过去四十年全球经历了快速城市化，城市人口增长和用地扩张对资源、环境、生态系统、气候等产生了巨大而深远的影响。城市增长模型是理解城市演化过程、分析城市影响、预估城市发展趋势的重要手段。本课程将回顾现有城市增长观测的主流数据资料和城市增长模型的研究历程，重点讨论元胞自动机、深度学习等方法在城市增长模拟中的作用。同时，本课程将结合案例阐述如何利用城市增长模型定量评估城市扩张的资源、环境影响，并简要介绍从城市土地利用变化模拟到城市三维形态模拟的城市增长建模趋势转变及人工智能方法在其中的重要作用。

智慧城市是城市治理体系和治理能力现代化的必然要求。城市智能表征（向量化和关键指标提取）、监测（复杂网络和时空动态数据建模）和模拟（长时期土地利用模拟）作为核心技术，旨在利用多源异构时空大数据，精准刻画城市多维特征，实时监测城市运行状态，动态模拟城市发展趋势。这些能力不仅支撑城市运行规律的深度认知和风险预判，更推动全生命周期管理的优化。通过构建多尺度表征模型、动态监测网络和时空模拟系统，可精准解析城市空间特征、实时追踪人流交互、推演未来用地演变。智慧城市的全面建设，需突破“高精度特征提取、动态关联建模、长时序推演”等关键技术瓶颈，最终实现城市治理的科学化、精细化和智能化转型。

当前，以全卷积网络、Transformer等经典网络结构为代表的深度学习技术在计算机视觉、自然语言处理等领域得到成功应用。在遥感影像智能解译领域，深度学习面临包括遥感数据规模与识别分析任务的复杂性、标注成本与样本数据的稀缺性，以及数据高度异质性等方面带来的技术挑战。本课程将基于多源遥感数据（包括无人机航空与卫星、光学/SAR图像），介绍包括基于对象化深度学习的高分辨率遥感图像分割、基于多任务深度学习的小目标识别与变化检测，以及基于光学/SAR多模态图像信息融合的弱小目标识别在内的遥感信息提取与分析模型，开展相关模型在城市潜在违建发现以及海上弱小目标识别等方面的应用实践，为深度学习技术在遥感AI领域的深入应用提供新的技术思路。

第五届国产模型培训班采取线上视频授课、OpenGMS平台辅助学习以及期终考核相结合的培训方式。每堂课程由主办方协助授课团队完成，学员须在课程开始前完成签到。本次培训不收取任何费用。

授课途径：腾讯会议

考核方式：每位学员至少选择3个模型进行学习，学习结束后提交实验报告，由模型主讲老师团队统一考核。考核通过的学员将获得由中国地理学会、中国自然资源学会、中国地理信息产业协会、国际数字地球学会中国国家委员会、南京师范大学地理科学学院联合颁发的结业证书。

2025年8月9日-8月16日，每天上午9:00-12:00点（如有特殊情况导致培训时间变更，将于课前另行通知）。

从事教学和科研工作的青年学者以及高校学生。

通过报名链接或二维码进行网上报名。

截止日期：2025年6月30日。

通过审核的学员将以邮件的形式通知录取。

报名链接：

https://www.wjx.cn/vm/erpLHkZ.aspx#

报名二维码：

本次活动由南京师范大学OpenGMS团队承办

统筹：

陈旻  chenmin0902@163.com

联系人：

王大江

电话：17715282132

邮箱：wdj2022nnu@163.com

黄鑫锋

电话：13067333011

邮箱：253301116@qq.com

团队官方网站：

https://geomodeling.njnu.edu.cn

活动联系群：

第五届国产地理分析模型培训班-活动群（QQ群号：1043526794）