专刊征稿 | 重访GeoAI时代下的时空分析与建模：Special Issue of JCUS

文章预览

专刊主题 重访GeoAI时代下的时空分析与建模 "Revisiting Spatiotemporal Modeling in the Era of GeoAI" 征稿通知 https://link.springer.com/journal/43762/updates/27456814 截止日期 2025年7月31号 主题内容 地理空间因广泛存在的时空依赖性以及异质性而被认为是复杂的。我们难以用统计或物理语言来完美地描述一个能够表征真实地理过程的普遍规律。GeoAI作为地理信息科学、统计学和AI的交叉，为重访和推进时空分析方法和模型提供了新的视角，以应对城市内的各类挑战。 当下是我们重访GeoAI中时空建模的关键节点。尽管利用深度学习（如CNN、GCN、LSTM、GAN、Transformer、LLM）分析时空现象的研究很多，鲜有工作探讨时空关键概念（例如依赖性、组织、尺度、规律性、距离、异质性、步变）与人工智能机制（如卷积、表示学习、注意力、迁移学习、元学习）之间的直观联系。 随着模 ………………………………