专家报告+现场实操！和鲸社区携手武汉大学举办地理空间智能学术研讨会及编程工作坊，限时开启报名！

AI技术被深度应用在地理科学领域后，给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日武汉大学，和鲸社区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邀请了来自高校、研究机构等多位相关研究人员进行分享，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。同时，在下午的议程中，更将有动手编程实践环节，带大家体会GeoAI的魅力。

· 会议议程 ·

上午

地点：信息学部徕卡厅

09:20 来宾签到
09:30

开场致词

嘉宾演讲：

地理加权建模技术框架及其高性能集成
卢宾宾 - 武汉大学遥感信息工程学院

基于深度学习的遥感时序语义变化检测
阎继宁 -中国地质大学（武汉）计算机学院

联合情景推演和预训练模型的典型自然灾害发展态势分析
李英冰 - 武汉大学测绘学院神秘嘉宾演讲分享

12:00 午休

下午

13:00 Python 编程实践工作坊（需带电脑）：

地点：教室 1
基于多源数据融合的土地利用分类模型
UrbanComp 团队 - 高荣徽

地点：教室 2
面向复杂城市系统的大规模物流优化算法
UrbanComp 团队 - 范云鹏

地点：教室 3
基于街景图像的武汉城市绿化空间分析
Urbancomp 团队 - 郭子豪

15:00 结束

※ 最终日程以实际发生为准

扫描上方二维码即可报名
下午工作坊席位有限先到先得

· 研讨会嘉宾及分享简介 ·

卢宾宾：地理加权建模技术框架及其高性能集成

嘉宾简介
武汉大学遥感信息工程学院副教授，博士生导师，系副主任，新疆大学“天山学者”讲座教授，中国地理学会地理模型与地理信息分析委员会委员，中国优选法统筹法与经济数学研究会数学建模与算法分会理事;《Geo-spatial Information Science》(JCR二区)期刊青年编委，《Resources, Environment and Sustainability》期刊编委，《Frontiers in Plant Science 》、《International Journal of Environmental Research and Public Health》客座编辑。
分享简介
在关于空间距离衰减规则的空间局部建模思想框架下，涌现了一系列不同类型的地理加权建模技术(Geographicallyweighted models，GWmodel)，形成了完整的空间异质性建模技术框架，包括地理加权汇总统计技术、地理加权主成分分析技术、地理加权回归分析、地理加权判别分析技术，推动了探索性数据分析、高维数据理解、解释性分析、分类预测等问题从局部精细尺度的理解与解读。GWmodelS是以 C++为基础开发的高性能地理加权建模计算软件，为用户提供更加友好的图形化界面和地图可视化工具，支持多线程计算模式，模型计算效率更高。

阎继宁：基于深度学习的遥感时序语义变化检测

嘉宾简介
中国地质大学（武汉）计算机学院副教授，IEEE Senior Member，国际数字地球学会空间地球大数据专委会秘书长，中国遥感应用协会定量遥感专业委员会青年委员，中国太平洋学会海洋大数据与高性能计算分会理事。主要研究方向包括大规模时序遥感数据管理及智能分析、遥感云计算。
分享简介
伴随城市化进程不断加快，准确地检测城市地区的土地覆盖变化是城市相关研究的基础。但城市地区空间异质性高，变化类型众多，传统变化检测模型通常难以对时序数据进行有效建模。我们该如何更好地挖掘遥感时序信息，建立时序变化到土地覆盖变化的关联，实现快速城市化背景下的高精度土地覆盖变化检测？为此，我将给大家介绍基于深度学习的时序遥感语义变化检测方法，同时根据城市不同空间尺度的发展规划需求，从像素级和街区级尺度开展方法的介绍。

李英冰：联合情景推演和预训练模型的典型自然灾害发展态势分析

嘉宾简介
武汉大学测绘学院副教授，武汉大学智能测绘创新创业中心主任。主编教材/专著 5 部，参编 3 部，发表论文 60 余篇，获得专利 6 项，软件著作权 11 项。主持和参与科研项目 30 余项。指导学生学科竞赛获奖 40 余项，其中国家级特等奖 12 项。主要研究方向：时空数据智能分析，典型自然灾害情景推演。
分享简介
灾害应急决策往往面临关键知识不足、发展趋势不明等挑战。利用历史案例库和灾害情景库，应对案例数据不完整和实时数据获取困难等难题，利用深度学习模型，挖掘灾害发展的驱动因素；结合预训练模型的先验知识和实时监测结果，通过情景分级检索和相似度匹配算法，智能化提取高风险区域和易受攻击关键位置，量化灾害的危险性、暴露性和脆弱性变化，为灾等应急处置提供精准服务。

· 工作坊课题及讲师简介 ·

※ 此次工作坊的课题及讲师全部来自中国地质大学（武汉）UrbanComp位置智能和城市感知团队

※ 工作坊结束后将提供参与证书

高荣徽：基于多源数据融合的土地利用分类模型

提前在线学习：获取教案

嘉宾简介
中国地质大学（武汉）研究生
课题简介
城市土地利用信息反映着社会经济功能和活动，是城市规划和区域管理的重要基础，单一数据源逐渐无法满足进行高精度土地利用分类的需要，挖掘并融合多源数据能更有效地进行土地利用分类。兴趣点（Points-of-interest，简称POI）包含区域社会经济属性，高分辨率遥感影像数据包含区域外部物理属性，本项目基于深度学习技术，融合兴趣点数据和遥感影像数据进行土地利用分类。
学习任务
1. 如何加载、读取与清洗遥感影像数据和 POI 数据？
2. 为了识别区域地块功能，如何挖掘遥感影像的深度语义特征？
3. 遥感影像和 POI 数据一个有外部物理属性，一个有社会经济属性，如何融合？

范云鹏：面向复杂城市系统的大规模物流优化算法

提前在线学习：获取教案

嘉宾简介
中国地质大学（武汉）研究生
课题简介
物流对城市的发展、运营以及经济增长至关重要。不断增长的客户需求和城市系统的复杂性是当前物流优化的两个挑战，而传统的启发式算法无法快速提供高质量的车辆路径规划方案。本项目基于麻雀搜索算法（SSA）和模拟退火算法(SA)，提出了一种混合麻雀搜索算法（SA-SSA），用于解决考虑复杂道路网络的多仓库车辆调度问题。
学习任务
1. 建模：如何结合交通流量、货物需求、仓储设施位置等因素，精确建立复杂城市系统的物流优化模型？
2. 模型调优：如何选择、应用最适合的优化算法，以快速、高质量地找到最佳解决方案？
3. 结果呈现：获得优化结果后，如何通过地图可视化、数据图表等方式有效地展现物流路径，并利用交互式分析让用户更深入地了解数据？

郭子豪：基于街景图像的武汉城市绿化空间分析

提前在线学习：获取教案

嘉宾简介
中国地质大学（武汉）研究生
课题简介
街景图像作为一种新兴的地理大数据类型，以人类视角详细描绘了城市可视环境。而深度学习和计算机视觉等先进的人工智能技术，能够从街景图像中提取丰富的语义信息，从而更准确地理解和定量描述城市的物质空间和建成环境特征。本项目采用深度学习和计算机视觉技术，对街景图像的采集、语义分割以及城市绿色空间的可视化制图进行了深入研究。通过这种方法，我们能够更精确地理解和描述城市环境，为城市规划和管理提供更为精确的数据支持。
学习任务
1. 如何通过百度 API 从网站上爬取街景图像？
2. 如何读取、处理街景图像？
3. 如何对处理得到的数据，在武汉市矢量图上进行可视化？