首页 > 最新动态 > 地信活动丨第二十届地理信息科学理论与方法学术年会日程安排及大会报告抢先看

最新动态

地信活动丨第二十届地理信息科学理论与方法学术年会日程安排及大会报告抢先看

2025-11-1962

第二十届地理信息科学理论与方法学术年会

第二十届地理信息科学理论与方法学术年会定于2025年11月21-24日在厦门举办。本次大会由中国地理信息产业协会指导，中国地理信息产业协会地理信息科学理论与方法工作委员会和集美大学联合主办，集美大学计算机工程学院和厦门理工学院计算机与信息工程学院承办。

地理信息科学理论与方法学术年会是一年一度的“学术沙龙式”研讨会，自2004 年以来，已成功举办十九届，是目前国内GIS界最盛大的学术会议。本次会议将紧扣地理信息科学理论方法、技术应用及产业化等主题展开研讨。大会报告分为特邀报告、专题报告和分会场报告三种形式。诚挚邀请从事地理信息与遥感研究及应用的专家学者及研究生前来参会，共同研讨地理信息科学理论与方法的前沿、热点问题以及我国GIS 技术与应用发展方向，建设GIS 美好未来。

会议通知：

关于召开第二十届地理信息科学理论与方法学术年会的通知（第二号）

第二十届地理信息科学理论与方法学术年会报告

报告人：汪炀

单位：中国科学技术大学

研究方向：时空智能关键理论、城市计算、AI for Science

个人简介：汪炀，中国科学技术大学教授、博士生导师、软件学院副院长，安徽省杰出青年基金入选者，CCF物联网专委会委员、智慧交通分委会执行委员。主要研究领域为时空智能基础理论及人工智能与物质科学的交叉前沿研究。先后承担中国科学院科技制高点专项、国家重大科研仪器研制项目、国家发改委下一代互联网专项、国家自然科学基金等30余项国家级科研项目，以第一/通讯作者在PNAS、JACS、IEEE TPAMI等期刊及ICML、NeurIPS、ICLR、KDD等会议发表论文100余篇，论文曾入选FESE创刊10年10篇代表性论文，并六次入选顶级会议Oral/Spotlight Paper。担任IEEE Globecom 2024等大会TPC主席，获IBM全球杰出学者奖、中国科学院年度团队、中国科学院优博/安徽省优博/ACM SIGSPATIAL优博导师奖等奖励。

报告主题：面向泛化与决策的城市时空智能

报告摘要：围绕城市增长视角下时空智能的两大核心问题——泛化预测与决策优化，从跨尺度、跨域与跨智能体视角阐述时空智能在城市建模、理解与可持续发展的价值与作用。首先，从跨尺度角度探讨不同层次的城市空间在层级上的耦合关系，提出跨尺度建模以揭示全局与局部的动态交互；其次，从跨域视角不同时间、区域、城市间的模式共性与差异，结合认知学习方法，探索如何在区域迁移与任务转化中实现共性模式强化与适应性演化；再次，基于城市更新与公平性发展需求，构建以“小模型进化预测、大模型整体规划”为核心的跨智能体协同框架，实现空间决策中平衡效率与公平。最后，报告展望认知学习与时空智能的融合路径，从人工智能与地理学双重视角探讨如何借助智能手段提升城市的韧性、可持续性与空间正义。

报告人：胡吉林

单位：华东师范大学

研究方向：时空数据管理与分析，AI for Science

个人简介：胡吉林，华东师范大学数据科学与工程学院教授、博士生导师、国家级海外优秀青年人才计划获得者。曾担任丹麦奥尔堡大学长聘副教授，阿联酋起源人工智能研究院研究员，加州大学伯克利分校访问学者。已在CCF-A类国际期刊或会议发表学术论文50余篇，曾获得ICDE 2022最佳论文奖，PVLDB 2024最佳论文奖提名，ACM SIGSPATIAL中国新星奖。担任ACM SIGSPATIAL 2023-2024 财务主席，PVLDB 2020、2024 论坛主席，SpatialDI’21/23 专题主席，2023-24年澳门智慧城市会议智能交通论坛主席。ICDE, AAAI, KDD, ACM MM, IJCAI, CIKM等国际学术会议程序委员会委员。

报告主题：时序智能：从时间序列模型评测到时序基础模型

报告摘要：时间序列数据广泛应用于诸多领域。时间序列数据处理方法研究至关重要。报告介绍了用于时间序列预测、异常检测方法的自动化基准——OpenTS，解决了当前研究中存在的数据领域覆盖不足、对传统方法的偏见以及流程不一致且不灵活等问题。OpenTS通过来自10个不同领域的数据集提高领域覆盖率，并提供了时间序列特征化以确保数据集的全面性。此外，OpenTS还支持包括统计学习、机器学习和深度学习等多种方法的集成，并提供多种评估策略和指标，以确保可对不同方法进行全面评估。

报告人：姚尧

单位：中国地质大学（武汉）

研究方向：GeoAI与遥感影像理解

个人简介：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，日本学术振兴会卓越研究员。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。

报告主题：地理时空大模型探索：问题、方法与实践

报告摘要：当前，大模型技术正在迅速发展，并逐渐进入地理信息科学领域。然而，通用大模型在地理分析任务中存在明显不足：对复杂时空关系的理解有限，在多模态数据融合上的能力不足，缺乏对专业地理知识的有效整合，以及在动态时空推理方面存在短板。这些问题制约了大模型在真实地理场景中的应用。本报告围绕上述四个方面展开探索。首先，在时空关系理解方面，提出了GeoInfoRAG框架，通过引入检索增强生成方法，使大模型能够结合地理文档和知识库开展问答与推理，提高结果的准确性和可靠性。其次，针对多模态数据利用难的问题，研发了LandGPT土地利用分类大模型，融合遥感影像、兴趣点数据和人口时序信息，实现了细粒度的土地利用识别，在二级分类任务中精度达到人类专家水平。第三，构建了大模型驱动的空间数据库自然语言接口，让非专业用户也能够通过自然语言直接访问和操作GIS数据库，从而降低使用门槛，扩大模型的应用场景。最后，提出了掩码地理信息模型（MGM），通过对轨迹、地块和人群流动等多源数据的融合，提升模型在“人—地—时”关系下的推断能力，更好地刻画城市运行的动态过程。研究展示了大模型在地理信息系统中的新可能，也为未来地理分析与城市治理提供了新的思路。

报告人：张帆

单位：北京大学

研究方向：地理人工智能，城市数据科学，城市视觉智能

个人简介：张帆，北京大学地球与空间科学学院助理教授、博士生导师，国家级海外优秀青年人才计划获得者、Elsevier全球前2%顶尖科学家榜单、中青科协会员。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。相关成果发表在PNAS、Nature Geoscience、Nature Communications等期刊。担任Transactions in Urban Data, Science, and Technology副主编、国际摄影测量协会会刊ISPRS Journal of Photogrammetry and Remote Sensing编委，Computers, Environment and Urban Systems编委等。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。

报告主题：城市视觉智能：基于街景影像的城市感知

报告摘要：城市大数据的涌现为感知城市时空动态和评估城市化进程开辟了新途径。街景影像作为一种新兴地理大数据，密集覆盖全球城市及街道，为城市物质空间的精细感知提供了基础。近年来，随着深度学习、计算机视觉和大语言模型等人工智能技术的快速发展，街景影像中所蕴含的语义信息得以被深入挖掘，物质空间得以被定量解析与理解。街景影像不仅可作为遥感数据的重要补充，以人本视角观测城市物质环境，还能够反映社会空间特征，推断人类活动模式及社会经济环境，从而为基于大数据的建成环境量化、人地关系研究以及空间知识发现提供新视角。本报告将围绕城市视觉智能框架，系统介绍街景影像在城市研究中的方法进展与应用实践。

报告人：蔡国榕

单位：集美大学

研究方向：三维环境感知、人工智能技术

个人简介：蔡国榕，集美大学计算机工程学院教授、博士生导师、集美大学科研处处长，入选福建省创新之星、福建省百千万人才工程，厦门市拔尖人才；主要从事视频结构化、深度学习理论及其应用、三维视觉理论与方法等领域的研究。先后主持多项国家自然科学基金面上项目、福建省产学科技重大项目、福建省自然科学基金重点项目、国家博士后面上基金、厦门市工业信息重大科技项目等，在ICCV、NIPS、ISPRS Journal of Photogrammetry and Remote Sensing、IEEE TITS、IEEE TGRS、中国科学等期刊和会议发表论文60余篇。

报告主题：面向机器人应用的跨域多模态智能感知

报告简介：环境智能感知是机器人系统的基础。本报告将针对机器人应用面临的路面图像分割、三维目标检测和场景语义分析等挑战，提出具体解决方案。在路面图像分割方面，采用深度信息和渐进式不确定性分析策略，利用几何一致性优化视觉特征，提升复杂场景下道路可行驶区域的分割精度；在三维目标检测方面，提出跨模态融合方案，引入深度图生成的虚拟点实现图像纹理和点云几何信息的融合，提升遮挡条件下低分辨率目标的检测精度；在场景语义分析方面，采用对比学习增强模型的特征判别力，通过跨模态知识蒸馏策略将图像语义特征迁移到点云网络，提升远距离稀疏点云的分割性能；并提出开放词汇域泛化语义分割方法，为未见类别生成像素级掩码，在保持高精度分割的同时提升跨域场景下的鲁棒性。研究成果为构建高可靠、强鲁棒性的机器人三维感知系统提供了技术支撑，已应用于巡检机器人、无人清扫车等。

报告人：龙瀛

单位：清华大学

研究方向：城乡规划技术科学

个人简介：龙瀛，清华大学建筑学院长聘教授、博士生导师，国家级青年人才计划项目获得者，主持国家自然科学基金重大项目课题1项和面上项目3项，发表学术论文300余篇。担任中国城市科学研究会理事，自然资源部科技创新团队首席专家，教育部虚拟教研室主任，教育部重点实验室副主任，国家文物局重点科研基地副主任，住房和城乡建设部智慧城市专业委员会委员，中国城市科学研究会城市大数据专业委员会副主任委员兼秘书长，中国城市规划学会城市规划新技术应用专业委员会副主任委员。曾获中国城市规划青年科技奖、全国优秀工程勘察设计金奖、国家级一流本科课程、华夏建设科学技术奖、北京市科学技术奖等，多年入选科睿唯安全球高被引科学家、全球前2%顶尖科学家（终身科学影响力榜单）。

报告主题：中国城市住房空置的多尺度测度研究

报告摘要：城市住房空置问题已成为影响城市资源配置效率和高质量发展的重要因素。报告针对我国以集合住宅为主体的基本特征带来的住房空置测度难题，介绍近期所开展的多尺度住房空置测度研究工作。（1）研发空置住房单元识别方法，为居住区尺度空置住房监测提供可复制、可推广的技术路径；（2）基于位置服务、手机信令、夜光遥感数据，研发城市尺度居住区住房空置率测度方法；（3）基于开源时空大数据研发全国尺度居住街区住房空置率测度方法，并据此首次推演出我国住房空置率、空置套数、空置面积等。最后，进一步总结我国城市住房空置的空间格局、主要影响因素，并结合人口流动趋势，提出差异化应对策略。

报告人：石茜

单位：中山大学

研究方向：农作物遥感智能监测

个人简介：石茜，中山大学地理科学与规划学院教授，国家自然科学优秀青年基金获得者，博士生导师，入选全球2%顶尖科学家，WGDC2022全球青年科学家。长期从事农作物遥感智能监测研究，发表学术论文80余篇，先后主持国家自然科学基金（重点项目、面上项目和青年项目）和重点研发子课题等国家和省部级科研项目10余项。致力于农情遥感智能监测与农事智慧管理的应用实践，实现遥感技术的规模化农业生产应用。担任IEEE Geoscience and Remote Sensing Letters、Remote Sensing 和IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing的期刊编委与副主编。

报告主题：知天而作：无人机遥感驱动下的智慧种植决策大脑

报告摘要：针对遥感技术在农业应用中存在的“无人机平台与卫星平台难联动”、“遥感监测与农事决策难联动”和“智能决策与农事实践难联动”三大核心瓶颈问题，构建了无人机遥感驱动下的“感知-分析-决策-执行”农业智慧种植大脑。形成了“无人机采样与建模-卫星推测与预警-无人机验证与更新”的智能监测闭环，实现了空天地遥感的自主大尺度联动监测；建立了农事决策主导下的遥感监测指标体系，实现了农学专家知识与遥感智能决策的有机融合；突破了“智能决策-指标跟踪-迭代强化”的自主农事决策强化算法，实现了农事智能决策体系的自主更新。研发的无人机遥感产品“飞鸟管家”广泛应用于岭南地区荔枝种植区农事精准管理，推动了生态农业数字化标准规模化应用，并在马来西亚、印尼等多个东南亚国家成功推广。

报告人：王江浩

单位：中国科学院地理科学与资源研究所

研究方向：地理大数据分析、地理智能系统

个人简介：王江浩，中国科学院地理科学与资源研究所研究员、博士生导师、地理信息科学与技术全国重点实验室副主任、国家优秀青年基金获得者、中国科学院大学岗位教授、MIT研究科学家与访学学者。主要研究领域为地理大数据与人类行为、地理智能系统。先后主持国家自然科学基金优青、面上，中国科学院先导B类专项等项目，以第一作者/通讯作者在Nature Human Behaviour、 Science Advances、One Earth等国际期刊上发表SCI/SSCI论文100余篇。担任Transactions in Urban Data,Science,and Technology副主编和多个专业期刊编委。现任中国地理学会地图学与GIS专委会副主任委员兼秘书长等，成果应用于区域可持续发展评价与灾害应急中，多份咨询报告得到国家领导人批示，成果入选中国地理科学十大研究进展。

报告主题：地理环境变化与人类行为响应的大数据解析

报告简介：综合利用地球大数据的自然观测以及人类行为社会感知，能够更好地刻画现实地理空间，理解环境变化与人类活动的相互作用关系，并对揭示地理现象形成机理，实现人地系统的模拟和预测具有重要意义。报告从地理信息科学视角出发，介绍地理大数据驱动下的人地相互作用智能解析方法，总结人地相互作用中的一般因果识别策略，并以气候变化、空气污染、野火灾害和重大传染病为例，研究人类行为对环境变化的影响与适应规律。

报告人：桂志鹏

单位：武汉大学

研究方向：时空数据挖掘、高性能地理服务与社会地理计算

个人简介：桂志鹏，教授、博导，武汉大学遥感信息工程学院副院长，国家级青年人才计划入选者。任国际摄影测量与遥感学会(ISPRS)第五技术委员会第四工作组WG V/4联合主席、国际华人地理信息科学协会(CPGIS)常规理事、中国地理信息产业协会地理信息科学理论与方法工委会秘书长、国际计算机学会中国空间分会(ACM SIGSPATIAL China)秘书长、中国遥感应用协会社会遥感地理计算专委会理事。在Nature Machine Intelligence、Nature Communications、The Innovation Geoscience、CVPR等发表论文100余篇；获ISPRS CATCON大赛奖、中国测绘学会测绘科学技术奖、中国土地学会自然资源科学技术奖、教育部高等学校科学研究优秀成果奖等荣誉。

报告主题：聚类分析范式演进：从规则导向、深度学习到大语言模型

报告简介：作为一种经典的无监督学习方法，聚类分析旨在揭示数据集内在结构与分布规律，为下游分析任务提供先验知识。随着人工智能技术浪潮式发展，聚类研究范式正在经历变革。规则驱动的传统范式依靠专家手动设计特征和相似性度量准则，可解释性强，但对特征工程的要求较高，且难以捕捉复杂非线性结构。深度聚类利用神经网络将特征学习和聚类过程集成到端到端框架中，实现特征从“人工设计”到“自动学习”的转变。当前，我们正站在新一轮范式转变的起点——大模型驱动的聚类分析。以大语言模型为代表的通用基础模型，以其海量参数和丰富世界知识，为聚类分析注入了新活力。报告将结合团队的研究工作，梳理聚类范式从“规则驱动”到“数据驱动”，再到“知识驱动”的演进脉络，并展望大模型时代聚类所面临的机遇与挑战。