蓝皮书文章丨童小华、冯永玖《空间分析与动态建模：从地表要素观测推演到深空天体探测选址的拓展》



蓝皮书文章丨童小华、冯永玖《空间分析与动态建模：从地表要素观测推演到深空天体探测选址的拓展》

GIS时代传媒

2025-12-05

导读：本文选自《地理信息产业蓝皮书·中国地理信息产业发展报告（2024）》

本文节选自《地理信息产业蓝皮书·中国地理信息产业发展报告（2024）》

空间分析与动态建模：从地表要素观测推演到深空天体探测选址的拓展

同济大学童小华冯永玖

一、引言

空间分析与动态建模是测绘遥感地理信息的核心技术，是空间实体的格局和规律挖掘的关键方法，可通过矢量和栅格等数据结构来实现。地球和深空天体表层的典型要素本质上都是具有时变特性的空间实体，分析并发掘其空间格局及演变规律，据此服务于对地观测与深空探测中的工程任务，尤其是地表要素观测推演及深空天体探测选址，是国家战略任务和国际科学前沿对空间分析与动态建模提出的迫切需求。这同时体现了测绘遥感地理信息从对地观测到深空探测领域的拓展与创新（童小华等, 2022）。

地表要素观测推演涉及多源数据监测、空间模式识别、动态建模推演等复杂过程，其核心是空间分析与动态建模。地表要素观测推演尤其需要高分辨率遥感数据的支持，在这方面我国高分辨率对地观测系统重大专项促进了遥感数据的广泛应用，推动了中国空间信息产业的快速发展（童旭东, 2016）。这些数据在空间分析与动态建模领域的应用尤为显著，通过融合高分卫星影像与其他遥感数据，实现地表要素变化高精度监测，以及建模分析与情景推演。例如，地表要素动态演变的典型现象为城市发展和土地利用变化，对其进行遥感监测与分析建模需融合卫星、航空和地面传感器等多源异构时空数据，最终有效推演其动态过程与未来情景（陈军等, 2021）。以历史和现状等原生时空格局为基础，突破空间分析与动态建模中的模拟推演方法，有助于评估其未来情景和衍生格局，从而为可持续发展等提供关键支撑（周成虎, 2020）。而联合国可持续发展目标SDG 11可持续城市和社区也提出，模拟推演技术是城市空间要素规划指引与分析的重要手段（郭华东, 2022）。我国在2018年发布的《自然资源科技规划纲要》，将仿真、预测和推演关键技术列为主要研发任务。这些需求提高了对地观测数据的利用层级、促进了空间分析和动态建模方法的发展，为地表要素观测推演、可持续发展策略制订提供了科学依据。

随着人类空间探测活动从地球拓展到深空天体，空间分析与动态建模方法也亟须相应的拓展创新。经过数十年的努力与进步，我国目前已成功完成探月工程一、二、三期（吴伟仁等, 2019），实现了嫦娥月球探测“绕、落、回”三步走规划；探月四期工程将开展月背采样、水冰探测、月面建造、载人探月等任务（Wang et al, 2024），目前嫦娥六号探测器已在国际上首次载回月球背面的月壤样品。此外，我国正在开展天问二号小行星探测和天问三号火星采样返回的任务论证与工程研制。其中，去深空天体的哪个位置进行探测是一个典型的空间分析与动态建模问题。以月球南极探测为例，其科学目标、极端地形、复杂光照等给探测器着陆和巡视器行驶带来了巨大挑战。因此，为了保障工程任务成功实施，在考虑高价值科学目标的同时，选择具有高工程安全性的着陆区是任务成功的关键因素。通过空间分析与动态建模方法，兼顾地形、辐射、光照、温度、地质、矿物等各类科学与工程目标，实现其价值最大化，进而识别平坦安全区并选择最佳着陆点以实现安全着陆（Feng et al, 2024b）。空间分析与动态建模也可以支持巡视探测路径规划，确保探测器能够安全到达科学目标点。在多类型月球与深空探测任务的驱动下，空间分析与动态建模不仅发挥着重要作用，还得到了拓展与创新，逐步形成了以专家决策为主、启发式学习为辅的新技术体系。

从本质上来说，无论对地观测还是深空探测，其时空数据模型均可采用矢量结构和栅格结构来表达，这也是空间分析与动态建模的底层数据结构。综合地表要素观测推演与深空天体探测选址，可知空间分析与动态建模是其共性技术，其中需要解决的三个关键难题是：①融合多源异构数据准确识别地表要素和深空天体关键要素，包括其特征、性质、数量、质量和分布；②在多类型、高维度和复杂性时空数据中准确挖掘要素的空间分布与动态演变规律（在一定条件下的发生概率），为地表要素未来情景推演与深空天体探测着陆选址提供关键支撑；③构建未来情景未知（如未来时间的可能状态）或者真值未知等困难条件下的建模结果可信度验证方法，提升空间分析模型从地球观测到深空天体探测的适应性和泛化能力。以上三个关键问题的解决，可为地表要素观测推演与深空天体探测选址任务，提供空间分析与动态建模技术的支撑。

二、空间分析与动态建模的新方法

（一）空间要素演变与格局形成的发生概率

任何空间实体均随着时间而演变，因此未来时间可能迎来某种格局的形成和出现。此外，某种空间实体分布在一定的环境中，是必然性和偶然性共同作用的结果，因此也存在一定的发生概率。可见，发生概率是用来描述和分析空间要素变化、转移和相互作用中的发展方向和随机性的核心概念。

这一概念主要涉及两类概率，即转移概率和适宜概率。在地表要素观测推演中，以城市发展和土地利用变化为典型的空间分析与动态建模对象，以时间为主线构建核心要素从前一时期到后一时期的状态转移概率模型，量化状态转移模式和未来情景发生的可能性（Feng et al, 2020）。例如，在人居密集区的土地利用变化模拟推演模型中，转移概率用来预测土地要素从一种状态（如耕地或林地）转变为另外一种状态（如居民区或商业用地）的可能性，据此推演可能发生的未来情景。在深空天体探测选址中，以空间优化为主线构建的同时考虑科学价值和工程安全的着陆适宜概率，用以评估候选着陆区作为着陆或探测目标区的适宜程度。例如，在月球南极探测的着陆点选址任务中，科学目标包括地质、矿物、化学、水冰、天文等，即存在不同的科学任务，任何一个候选着陆区可能同时满足多个科学目标，因此在兼顾科学目标时可根据探测任务的工程约束构建适宜概率，据此识别最适宜的着陆区和探测目标区（Feng et al, 2024b）。

（二）动态建模与情景推演的五类共性因素

要素空间格局演变是一个受多因素综合影响的复杂过程。这些因素包括自然因素、人为因素以及随机因素等，在细分方向可能涉及几十甚至百余个因素，它们相互作用、彼此关联，共同决定了地表和深空天体表层要素的空间分布及其关系（Feng, 2017; Feng et al, 2024b）。本文在广泛研究文献的基础上，提炼出面向空间要素动态建模与情景推演的五类共性因素（以下采用TCAPH来指代该五类共性因素及其模型），在地表要素观测推演和深空天体探测选址的空间分析中具有通用性。

（1）地形因素（T: terrain）指地球或地外天体形貌的影响，主要包括高程、坡度、坡向、形态、粗糙度等特征，对要素的空间分布和适宜评估有直接影响。例如，在对地观测领域，地形影响城市发展与国土空间规划、开发利用与设施选址等；在深空探测领域，地形影响探测器着陆区的选择、巡视器路径规划、矿物资源的探测利用等。

（2）限制区因素（C: constraint）指因特定原因而被限制利用或因技术局限不可探测的区域。例如，在对地观测领域，人居密集区的空间利用受法律、政策、环境保护等因素的限制（如生态保护区）；在深空探测领域，地形复杂区的科学探测受到高坡度、低光照、极端温度等因素的限制（如永久阴影区）。在空间分析与动态建模时一般排除这些区域，定义其为零发生概率区域。

（3）可达性因素（A: accessibility）是空间实体与其他实体之间的可连通性及其连通的便利程度。例如，在对地观测领域，可达性可用飞机、轮船、汽车、自行车、步行等多种交通方式的通行时间来衡量，或用特定范围内的人群对某种资源的可利用程度或便利性来衡量；在深空探测领域，可达性主要指巡视器是否能通过，需考虑工程安全性、任务执行程度、路径移动时间和能量消耗等因素。

（4）邻近性因素（P: proximity）指空间实体与某些关键要素的距离，发生概率与邻近性因素可能呈正相关关系，也可能呈负相关关系。例如，在对地观测领域，某地块被开发利用的概率与其到市中心的距离可能是负相关的，即距离越近其转移概率越高；在深空探测领域，邻近性表征着陆区与科学探测目标、原位资源、安全行驶区域等的距离，距离越近则适宜概率越高。

（5）异质性因素（H: heterogeneity）是指空间实体在不同位置的分异特征，几乎所有因素均存在空间异质性。例如，在对地观测领域，异质性体现为各类影响因素的各向异性（如城市土地覆盖在各方向上的梯度变化）；在深空探测领域，主要表现为光照、温度、辐射、地质、矿物、水冰等各类因素，尤其是一些时序动态影像因素分布的各向异性。

（三）顾及五类共性因素的发生概率建模方法

基于五类共性因素的空间分析与动态建模，提出将描述空间要素之间相互作用和转换关系的数学规则，定义为发生概率模型TCAPH：总体发生概率P_global表征要素在空间上出现的可能或发生变化的概率，由地形（T）、限制区（C）、可达性（A）、邻近性（P）、异质性（H）来定义规则F。该规则函数是结合具体真实需求的总体发生概率计算模型，其模型参数从历史演变过程或专家决策经验中学习优化而得，体现了TCAPH模型的核心优势。

TCAPH模型可利用空间统计、机器学习、深度学习等方法，通过在高维海量样本数据集上进行模型训练，优化产生最佳规则F，反映时空演化规律和专家决策经验，实现复杂现象在空间上的分布规律或模式的模拟预测，体现了TCAPH模型发现动态变化与空间模式的优势。基于五类共性因素的TCAPH模型，其转移概率可解释空间要素演变机理并建立空间演变推演方法（如地表城市土地利用变化、月表辐射变化等），而适宜概率可解决复杂环境下空间位置选择的适宜性问题（如地表基础设施选址、月表着陆与建站选址等）。图1展示了通过深度学习和机器学习等方法优化的发生概率模型，结合实际地表要素来计算转移概率，应用于时空演变模拟与未来情景推演，结合实际月表要素来计算适宜概率，应用于深空探测的智能选址。

图1 顾及五类高阶因素的发生概率动态建模共性方法

三、空间分析与动态建模的典型应用

（一）典型应用1：地表要素时空演变分析与推演

地表要素时空演变分析与推演是《自然资源科技创新发展规划纲要》中的重要技术需求，尤其在针对城市空间要素方面，可以为城市空间规划和治理提供前瞻性空间数据支撑。由于城市空间人类活动频繁、空间要素存在严重相关性等问题，基于五类共性因素的空间分析新方法，可实现关键要素可信建模、可信模拟推演、结果可信评估，为城市空间管控、规划利用、决策管理等提供关键支撑。

1. 地表关键要素遥感监测与分析

地表关键要素遥感监测可以分为两类：目标要素的遥感监测和影响要素的遥感监测，在人居密集城市区的需求尤其迫切。在众多分类器中，智能化决策树方法基于专家知识库和客观分类规则，协同主被动多源遥感的时-空-谱特征，通过有限次迭代动态更新阈值，实现城市目标要素的高可信识别与监测(冯永玖等, 2022)。针对五类共性因素，可综合多源异构遥感影像和时空大数据进行智能化监测。例如，在城市要素监测与分析领域，可以利用关注点（POI）并采用空间多尺度方法来挖掘城市的空间模式、结构和功能。此外，可将与此有关的地表温度和城市热岛作为一类典型的异质性要素，协同热红外遥感数据实现其识别、校准、挖掘与推演（Feng et al, 2018）。

2. 基于五类共性因素的时空推演模型

地表要素观测推演中，典型空间要素涉及土地利用、国土规划、城市形态、地表温度、碳储量、生态安全等，而地学计算和元胞模型是对这些要素进行空间模拟推演的关键方法。模拟推演模型的建模要素主要包括状态、邻域、转换概率、全局因素、随机影响、空间管控等，而这些要素的交互本身是复杂非线性的，亟须发展与实际需求对应的建模体系。

基于五类共性因素中的地形、可达性、异质性等因素，利用智能优化算法获取关键要素变化的转换规则，构建每一类要素的时序转移概率。针对此类模型中存在的固有难题，Feng等（2020）提出了异权异质建模架构：①用时间增量参数（TIP）来抵消转换概率的时间衰减效应，从而有效地反映出不同因素对建模对象的影响；②提出局部调整参数（LAP）来减少模拟过程中因邻域影响增强而产生的异常，准确传递邻近单元之间的底层相互作用；③采用异权方法关联模型元素之间的交互作用，从而实现更加真实的情景推演。据此，考虑空间管控（如城市发展规划等）和邻域配置（邻域大小、形态等）等，形成了基于五类共性因素的关键要素异权异质建模架构(图2)。

该架构结合了通用智能、进化智能和群体智能三类智能化建模方法，可自主挖掘推演模型的建模参数，从而提高对地观测领域地表要素的模拟推演精度，并提供各种条件和限制下的最优化情景。

图2 基于五类高阶因素的地表关键要素异权异质推演建模方法

3. 顾及转移概率的智能推演技术

在地表要素时空演变模拟推演领域，将发生概率具体化为转移概率，以其为核心开展未来情景的推演，服务于城市发展管控与规划治理。转移概率是评估任意像元从前一时期到后一时期转移的可能性，且当要素类型多样时，各类型之间存在竞争性，因此需要确定一种竞争或者选择机制来比较各类型的转移概率，从而确定转移目标类型。然而，在实际需求中，仅采用转移概率难以体现政策和管控的复杂性。一般情况下，空间管控可分为三类：适建区（FAA）、限建区（PAA）和禁建区（SPA）。然而，现有模拟模型在进行近期和中远期情景模拟方面，由于未考虑空间管控的限制，导致模拟结果的实用价值受限。因此，在转移概率智能推演模型（TCAPH-Trans）中顾及空间管控执行力度，所得情景可以支撑国土空间和城市规划治理决策。

为服务城市发展决策、国土空间规划、城市规划比选等重大需求，开展方案制定、反馈与评估，突破城市复杂空间要素情景推演平台关键技术，形成了城市空间演变推演系统、复杂土地利用变化推演建模系统两个城市空间要素智能模拟推演平台（图3）。上述两个平台能够满足多情景城市发展和国土空间的模拟推演需求，同时也适用于城市热岛、碳储量、生态安全等未来情景的推演分析，为城市发展和国土空间规划、管理和决策提供关键依据。

图3 城市空间要素智能模拟推演平台

4. 面向未来情景的推演结果评估

推演结果和未来情景可信度是应用的基础，目前存在的问题有：①一个模型在不同的空间和时间难以比较，即存在跨模型、跨区域和跨时间的精度比较难题；②未来情景未知，难以准确验证。

为了解决第一个问题，本研究团队提出了跨模型跨区域跨时间的模型可信度验证方法，其核心思想是将容易被TCAPH模型捕捉的区域进行排除，同时建立城市或非城市面积相同的等效区域来实现评估（Gao et al, 2023）。具体地，通过排除掉模拟前后像元状态保持不变、占比较大的非城市单元，保留了城市状态变化的最活跃部分，在很大程度上消除静止单元对模拟精度评估的影响（图4左），为模型优化和比选奠定基础。

为了解决第二个问题，本研究团队提出了利用五类因素来解释未来情景的间接评估方法，即提出了以驱动因素解释能力为基础的模型校准和验证新方法。当五类共性因素能够较好地解释模拟推演结果，则表明该结果是具有高可信度的；当五类共性因素对结果的解释力下降，则表明该模拟推演结果不再具有应用价值。具体地，采用广义可加模型构建目标要素与五类共性因素之间的关系，通过累计解释偏差（ADE）来解释，其中较高的ADE表示因素对推演结果的解释能力较强，据此可以推断出未来情景可信度和最合适的推演期限（图4右）。

图4 跨模型-区域-时间的可信度评估和未来情景可信度验证方法

（二）典型应用2：月表要素空间分析与探测选址

1. 月表关键要素遥感反演与分析

对于月球探测来讲，五类共性因素所包括的范围非常广，包括地形地貌、永久阴影区、各类科学目标、月表可巡视性、各类环境因素等，其中同济大学航天测绘遥感与深空探测研究团队在地形和光照方面，研制了高分辨率数据产品（Tong et al, 2023）。因此，此处介绍地形和光照以外的需通过遥感探测的典型关键要素。

月壤厚度：针对表层月壤厚度不均对地质演化分析的影响，本研究团队提出基于双曲线-有限带宽波阻抗法的高精度月壤厚度估算方法，基于双曲线法估算出的离散点目标介电常数数据，协同有限带宽波阻抗法实现月壤层二维介电剖面反演和月壤层厚度高精度估算（Feng et al, 2023b）。

表层结构：月球表层结构是一个典型地质问题，是着陆选址考虑的重要因素。本研究团队提出结合次表层雷达回波信息与垂直矿物成分的高可信度地层划分方法，考虑着陆区周围撞击坑中心矿物成分及撞击坑直径，构建着陆区深度-矿物成分拟合曲线，结合次表层雷达回波特性实现地层高可信度划分。

太阳辐照：针对月球极地区域温度数据受地形影响较大的难题，本研究团队提出考虑地表起伏与地形遮挡的实时有效太阳辐照度模型，基于星历数据准确获取太阳直射点经纬度，结合高精度地形高度角模型开展极地区域长时序有效太阳辐照度分析，实现了目标区任意时间间隔有效太阳辐照度的获取（Chen et al，2024）。

表层温度：针对地形复杂高纬度地区物理温度模拟精度受到制约的问题，本研究团队提出全月亮温高精度制图方法（Feng et al, 2023a），以及顾及局部地形影响的多源数据物理温度模拟方法，基于高精度实时太阳辐照度、美国绕月卫星的Diviner 辐射仪的红外数据，以及中国嫦娥二号（CE-2）微波辐射数据构建一维热力学模型，实现月球表层物理温度剖面的高精度分析。

水冰分布：面向月球南极水冰精准探测，本研究团队开展轨道器多源探测数据联合的浅层水冰反演研究，提出建立雷达极化散射特性、微小粗糙度、光照、温度等多指标特征体系（Feng et al, 2024a）；针对多源数据因分辨率差异而造成的水冰点匹配性不高的问题，提出了建立基于容差模糊匹配的水冰结构验证方法。

2. 顾及适宜概率的探测选址技术

（1）着陆适宜概率模型

月球南极是未来月球探测的重要目的地，评估潜在着陆点的科学价值与工程安全是保证任务成功的前提。月球着陆点选址指标体系一般包括科学价值与工程安全两类，涉及地形坡度、光照条件、通讯条件、水冰含量、到永久阴影区距离等众多指标。未来月球探测的任务范围将不断拓展，涉及着陆探测、巡视探测、科研站建设、飞跃探测等高难度任务，因此对选址的要求提高到多目标的优化。当选址范围扩大到月球南极，人工选址方法将显著增加漏选风险、降低选址效率、增加重复性成本，因此有必要提出融合专家决策和人工智能的大范围选址分析技术（Feng et al, 2024b）。

基于五类共性因素的发生概率共性方法，本研究团队提出一种面向月球探测的着陆适宜概率模型，五类共性因素在该模型中具体化为地形因素、危险限制性因素、目标邻近性因素、巡视可达性因素和环境异质性因素。地形因素用于分析着陆区的着陆安全性；危险限制性因素用于附加空间约束，如避开永久阴影区等无光照区域；目标邻近性因素涵盖到科学目标（水冰资源、生命痕迹和地质等）的距离；巡视可达性因素涵盖到探测点的可达性，包括通讯条件、时间代价指标和里程代价指标等；环境异质性因素涵盖月表环境的地质、物质、环境等的异质性。

综上，着陆适宜概率模型可衡量候选区的科研探测价值概率，而该模型的邻域缩放因子可量化着陆区周围的着陆安全性。此外，在模型中附加空间约束以限制着陆区的搜索范围，以防止着陆点落于危险的地区。针对传统选址模式需要人工设定阈值导致高价值着陆区遗漏的问题，该模型提出了划分着陆区优劣的总体阈值和个体阈值，并通过启发式学习方法自主解算，实现着陆点的工程安全与科学价值的综合表现最优化（Feng et al, 2024b;（图5）。

图5 基于五类高阶要素的月球着陆探测启发式选址模型

（2）基于启发式智能的选址模型训练

在着陆适宜概率模型中，指标权重和缩放尺度因子为线性关系，而指标阈值和适宜概率阈值为非线性关系，考虑到模型参数种类多、数量多且关系复杂，本研究团队提出采用启发式方法在大量选址参数组合中选取最优的参数组合，获得反映专家决策经验的选址规则，从而实现了着陆点的适宜概率最大化。

选址样本数据：首先构建反映专家选址经验的样本数据集，其中具有高着陆探测价值的像元作为正样本，不可着陆的像元作为负样本。正样本像元所处区域为月球探测历史区域与未来探测目标区域。样本数据集被分为训练数据集和验证数据集。训练数据集中的正负样本像元用于训练反映最优选址规则的选址模型，以完善着陆适宜性模型参数。验证数据集的样本像元用于评估优化后着陆适宜性模型的准确度，即模型判断适合着陆的像元属于正样本的比例。

选址模型训练：本研究团队提出跨区域启发式协同选址方法，将选址过程从依赖专家经验转变为自动化智能识别，将模型选择的着陆区与专家决策的着陆区之间的差异定义为目标函数，采用启发式算法优化目标函数结果，得到反映专家决策经验的最优着陆适宜概率模型。以遗传算法为例，通过个体选择、基因交叉和基因变异，该算法可以利用训练数据集中的正负样本像元，挖掘最优选址参数，避免人为设置权重，体现了着陆适宜概率模型的核心优势。

（3）附加空间约束的着陆区选择与评估

空间分析约束：使用启发式算法挖掘最佳选址模型参数后，反映专家选址经验的概率模型可以代替人工在更大范围评估像元级着陆区的适宜概率，并采用自适应阈值确定高价值着陆区，该方法可以有效提高选址效率并降低漏选风险。为了解决着陆区呈现出的破碎形态，附加了面积限制和形态学约束（偏心率和实心率），以完善月球南极的高价值着陆区的形态表现。

选址结果评估：为了评估训练后的着陆适宜概率模型与专家选址经验的一致性，本研究团队提出了训练集上的模型精度评估方法、选址模型可解释性分析方法、着陆点检验方法等，覆盖模型精度评估、模型可解释性分析、着陆点物理指标检验等三个关键环节，为检验五类共性因素分析方法的有效性，反映启发式方法优化后的模型性能提供真实客观评估。

3. 选址点间巡视路径规划技术

巡视探测是着陆后拓展探测范围的关键手段。巡视路径规划是保证巡视器行驶安全的首要前提，用于分析路径安全的关键因素同样涵盖了地形、可达性、邻近性、异质性、限制区五类共性因素。为此，提出了考虑五类高阶要素的巡视路径规划方法（图6），拟解决的关键问题如下：①基于刚体车轮与月壤相互作用模型模拟巡视器行驶的能量耗费，提出综合能量耗费、光照输入和通讯输入的综合性路径成本衡量方法，实现了月球南极潜在行驶路径综合安全的有效衡量；②结合地形、光照和通讯条件分析航路点的可通过性，设计自适应阈值选取策略以构建可通过性地图，解决了人工设定阈值在不同场景中适用性降低的问题；③提出面向动态阴影躲避的局部路径优化方法，并完成了月面巡视过程动态模拟，以可视化评估巡视路线安全性。

图6 考虑五类高阶要素的巡视路径规划技术

综合性行驶成本模型：月球巡视器需要持续获取太阳能，规避具有倾覆风险的危险区域，而这高度依赖路径规划算法找到最安全的行驶路径。考虑能量成本、阴影成本和通信成本，本研究团队提出综合性行驶成本模型，以行驶代价作为评估路径优先级的综合性指标，实现安全行驶路径的规划。

自适应可通过性分析：针对固定风险阈值忽略局部区域的地形与光照特征的问题，本研究团队提出考虑局部风险特征的自适应可通过性分析方法，基于选址点和目标点的空间位置，自适应计算全部和局部风险阈值，在识别危险行驶区域的同时保证路径搜索的有效性。

阴影躲避与行驶可视化：面对月球南极苛刻多变的光照条件，提出基于光照模拟的局部路径优化技术，实现阴影区域动态监测、规划与躲避；提出基于巡视过程第一人称可视化的路径安全性评估方法，为着陆点安全性和前往水冰等高价值区域的路径可靠性提供可视化评估方案。

4. 探测选址与路径规划系统

基于上述关键技术研究，设计实现了涵盖着陆探测选址、巡视路径规划、巡视三维模拟等功能的软件（TCAPH-Suit），应用于月表可着陆区域的搜索选取和路径优化（图7）。主要功能模块如下。

自动化选址模块：支持量化着陆区的安全性、科学价值等多种指标，并能够对指标进行标准化处理，基于叠置分析、遗传算法优化选址、滑动窗口自动化等方法搜索适宜着陆区，实现了模型精度评估、可解释性分析和着陆点安全性评估。

路径规划模块：基于自动化选址模块输出结果，实现选址点到水冰目标区域的路径规划。支持基于真实巡视器与月壤参数的能量耗费模拟，考虑地形安全与能量耗费，生成最优全局路径。

三维可视化模块：基于选址点到目标点的全局路径结果，实现第一人称巡视过程模拟，将沿线月表地形起伏和动态光照与阴影区域进行可视化。以沙克尔顿（Shackleton）连接脊区域为例，基于虚拟环境的第一人称可视化能表现撞击坑和山体的起伏变化，使用户直观感受到前进中姿态调整，有利于对长距离巡视探测任务的安全性进行评估。

图7 月球南极探测选址与路径规划软件

四、总结与展望

在人工智能驱动地理信息技术的新时代背景下，空间分析与动态建模涵盖地表要素观测推演和深空天体探测选址等应用领域。基于空间分析与动态建模思想，面向新场景、新需求、新挑战提出新方法，可以有效扩大地理信息技术的应用广度和深度，对解决国家关键领域的需求具有重要意义。本文提出的空间分析新方法用发生概率来捕捉和分析核心要素在变化、转移和交互过程中的时空规律和不确定性。通过集成人工智能技术来优化模型组合，深入解构空间要素间的内在联系，实现了推演因素的综合集成、模型的精细优化、应用场景的灵活适应。这些方法在城市发展空间推演和月球探测着陆选址等领域展现出较好的应用潜力。