亲爱的各位老师、同学、同行们：

2025 年慢慢走到终点。

回看这一年，我们发现自己依然在做一件不算轻松、却很重要的事：用数据、模型和算法，理解真实世界的变化。

我们把研究视角放在城市空间之中。

高楼、街道、车流，以及数据库中长期积累并持续更新的时空数据。我们将经济运行从宏观统计指标，细化到街区和地块尺度，借助位置数据刻画城市活动的空间分布与变化过程，使宏观经济从抽象汇总的指标，转化为可观测、可分析的时空过程。城市在加速、减速或转向，我们希望能更早识别这些变化信号。

我们将研究视角从城市空间，延展到更广阔的城市与区域层面。

从土地利用变化到城市功能结构，从遥感影像到人类活动轨迹，我们持续推进多源时空数据融合，并以地理语义作为统一接口，将对象、属性与关系组织为可计算的空间表达，使跨模态数据能够在一致的尺度与语义约束下对齐与推理。依托时空引擎对海量轨迹的索引、聚合与实时计算能力，我们进一步构建可持续更新的时空要素与特征底座，支撑城市与区域的学习、预测与模拟，为多场景下游任务提供统一时空基础。

我们围绕地理大模型，持续探索其在空间理解、推理与解释中的能力边界。

地理大模型逐渐走向更真实、更复杂的空间问题。我们不仅关注其对空间语义的表达能力，更强调模型对时空约束、尺度差异和空间异质性的刻画，从而在变化识别的基础上，进一步解释背后的形成机制，并支撑推理与决策。无论是城市拥堵、混合功能，还是区域差异与不均衡，我们都在尝试让模型不只给出推断和预测结果，而能够说明这些结果为何出现、在何种条件下发生。

我们也没有忘记那些不在聚光灯下的空间。

在村景感知和全国农村人居环境评价中，我们关注的不只是“看见”乡村，而是让 AI 学会在统一标准下理解乡村空间。从屋顶、街巷到房屋立面，从空间形态到发展活力，我们将离散的村庄要素转化为可比较、可量化的空间表征，使分散在各地的村庄能够在全国尺度上被系统刻画与评估。

城乡从来不是对立的两端，而是在同一片土地上，以不同方式生长。

面对不确定性，我们把目光放在城市如何承受冲击、如何恢复和调整。

在韧性城市与社区研究中，我们以轨迹数据刻画冲击下人群活动的真实响应路径，并通过网络模型分析关键节点与连接结构的失效与重构，从而识别城市系统的脆弱性来源与恢复机制。无论是极端天气、公共事件，还是突发扰动，我们关注的不是单次冲击的影响大小，而是城市与区域在反复冲击中的适应能力与调节过程，探索其如何在不确定性中保持稳定与韧性。

我们也在推进一系列以计算方法为核心的研究。

从城市与区域地理模拟，到“土地-人口-经济”的耦合建模，我们持续推进空间演化过程的可计算表达。结合强化学习与优化方法，将这些模型应用于交通优化与多节点物流等真实场景，让计算模型在真实约束下运行和迭代。

这些工作看似分散，其实始终围绕一个核心：理解空间，连接数据与现实。

让城市与乡村在同一套认知框架中被看见、被理解、被尊重。

2026年已经在路上。

《地理大数据分析》教材将和大家见面，希望它能成为更多人进入空间智能世界的一把钥匙。

我们也会继续保持好奇、耐心和一点点不服输，把复杂的问题讲明白，把难啃的问题慢慢往前推进。

Q.E.D.