AI 正革新地理空间数据分析的范式，既为科学研究及行业落地应用带来了机遇，同样也带来了挑战。

5 月 25 日，和鲸科技联合武汉大学遥感信息工程学院、中国地质大学（武汉）地理与信息工程学院，于武汉大学成功举办了以“地理空间智能（GeoAI）最新研究进展及落地应用”为主题的分享会。此次活动汇聚众多高校和研究机构的研究人员，深入研讨 GeoAI 的理论与方法进展、GeoAI 如何被应用于实际帮助人类工作和生活，以及对 GeoAI 未来发展的展望和思考。此外，为深化理解与实操体验，特别设立 Python 编程实践工作坊，零距离感受 GeoAI 的非凡魅力。

上午举行的研讨会中，多位业内专家就地理加权建模技术、灾害态势分析以及遥感时序语义变化检测等议题进行了深入分享与交流，为参会师生带来了前沿的学术思想和技术动态。

武汉大学遥感信息工程学院的卢宾宾副教授首先介绍了地理加权建模技术框架及其集成开发，详细阐述了其在空间局部建模中的应用，包括汇总统计、主成分分析、回归分析和判别分析等地理加权建模技术，这些技术不仅推动了数据分析的深入研究，还通过 GWmodels 软件提供了高效计算工具和地图可视化功能，为科研人员提供了强有力支持。

中国地质大学（武汉）计算机学院的博士生贺海旭分享了基于深度学习的遥感时序语义变化检测方法。他强调，城市化进程中准确检测土地覆盖变化至关重要。他展示了如何从像素级和街区级尺度挖掘遥感时序信息，建立时序变化与土地覆盖变化的关联，实现高精度检测。

武汉大学测绘学院的李英冰副教授则聚焦联合情景推演和预训练模型，分析自然灾害发展态势。他提出，结合历史案例、灾害情景库和深度学习模型，可应对知识不足和趋势不明等挑战。通过挖掘灾害驱动因素，结合先验知识和实时监测，智能识别高风险区域和关键位置，为灾害应急提供精准服务。

此外，和鲸科技产品运营专家许以言从企业角度出发，深入探讨了交叉领域研究场景下，和鲸如何利用平台化工具和社区化方法支持组织科研，并聚焦于空间数据智能分析场景，详细介绍了 ModelOps 方法，即以知识驱动、以数据验证的科学分析流程形成的专业模型 （SAOps）、以数据驱动、以知识解释的 AI 模型（ MLOps ），以及串联数据模型与领域知识的 LLM 智能体（LLMOps），并通过和鲸在 AI+遥感领域的应用案例解释了三者的整体相关性关系。

为进一步深化对地理空间智能（GeoAI）的理解与体验，下午面向参会学生举办基于 GeoAI 的 Python 编程实践工作坊，旨在通过多源数据融合、物流优化算法以及街景图像分析等领域的前沿课题，帮助掌握 GeoAI 技术，更好地应对地球科学科研与应用挑战。

本次工作坊共设三个课题，课题均由中国地质大学（武汉） UrbanComp 团队成员担任讲师。高荣徽主讲“基于多源数据融合的土地利用分类模型”，他探讨了如何通过深度学习技术融合兴趣点（POI）数据和遥感影像数据进行土地利用分类，以应对单一数据源在分类精度上的局限。范云鹏则围绕“面向复杂城市系统的大规模物流优化算法”展开，他提出的混合麻雀搜索算法（SA-SSA）为解决多仓库车辆调度问题提供了新的思路。郭子豪则以“基于街景图像的武汉城市绿化空间分析”为题，利用深度学习和计算机视觉技术，从街景图像中提取信息以支持城市规划和管理。工作坊结束后，由和鲸团队为在场学生颁发荣誉证书。

和鲸社区今年隆重推出了全新的地球科学学习计划系列，本次工作坊的教案内容也以案例形式上传至和鲸社区平台，您可点击图片下方链接获取详情。平台内配备了详细的学习任务，从数据加载、模型建立到结果呈现都一目了然。我们诚邀您持续参与，共同探索地球科学奥秘！

https://mp.weixin.qq.com/s/_2Q72rtFasaJRLaONWvsywhttps://mp.weixin.qq.com/s/_2Q72rtFasaJRLaONWvsyw

作为在综合领域积累了丰富落地成果的科技公司，和鲸科技一直致力于以“协同平台+实践社区+竞赛”三位一体的数据科学与人工智能基础设施建设体系，助力各行各业打通数据的价值闭环，实现 AI 赋能应用落地。

本次活动同样是和鲸社区“101 数智领航计划”的重要成果。结合和鲸社区近十年在数据科学人工智能的开源资源积累和专业共建经验积累，和鲸发起的“101 数智领航计划”，配合高校重点聚焦在一流核心课程、一流核心教材、一流核心教师团队和一流核心实践项目四个“基础核心要素”建设，助力高校在本科教育教学模式的持续转型，推动人才培养从“知识为主”转向“能力为先”。若您对这一计划感兴趣，欢迎与我们取得联系！