研究启发
基于知识库资料生成的研究问题草图，面向研究生提供选题、方法与成果形态的思考线索。
地理大模型正从单任务适配走向多模态协同与空间推理，但真正支撑地理智能体（如自主选址、动态路径重规划、灾害响应代理）的底层能力——比如空间因果理解、跨尺度状态追踪、带约束的符号-神经联合决策——仍严重缺失。
POI文本描述与连续空间坐标的对齐，是否隐含了城市语义的拓扑断裂？
CaLLiPer用对比学习把POI文本和位置嵌入拉近，但伦敦实验中高精度制图提升并未伴随路网/街区层级一致性验证。当模型把‘咖啡馆’锚定在经纬度点时，它实际学到的是点密度分布，还是某种被坐标离散化掩盖的邻域语义流形？这个问题卡在：我们默认‘对齐’即合理，却未检验对齐后空间结构是否仍支持拓扑操作（如连通性判断、缓冲区交叠）。
Prithvi在遥感图像检索中表现优异，但它真的‘看见’了地物演化过程吗？
Prithvi在BigEarthNet上达到97.62% mAP，但ForestNet仅44.51%——这个断层是否暴露了它对‘变化’的建模本质是静态模式匹配而非过程理解？比如，它能区分火烧迹地和裸土，但能否判断某块地是‘刚烧毁’还是‘已恢复两年’？如果不能，那当前GFMs的时间建模，到底是在学序列帧相关性，还是在学‘时间戳’这个元信息的统计偏置？
SeeFar宣称‘卫星无关’，但它的标准化流程是否悄悄抹除了传感器物理差异所携带的诊断价值？
SeeFar统一波段对齐、重采样到384×384，目标是让模型不依赖特定卫星。但气象学家靠MODIS的720nm波段检测云顶相态，农业专家靠WorldView-3的1240nm波段识别作物水分胁迫——这些差异本就是解译线索。当基础模型在SeeFar上训练完，它还能否反向推断‘这张图大概率来自哪类传感器’？如果不能，说明标准化已过度；如果能，说明‘无关’只是幻觉。关键不在能不能，而在该不该保留这种可追溯性。
LESS ViT用低秩近似解决高光谱计算瓶颈，但空间-光谱联合注意力坍缩后，还能支撑亚像元分解吗？
LESS ViT的Kronecker积设计大幅降参，但在城市区域，一栋楼可能同时包含沥青屋顶（强SWIR反射）、玻璃幕墙（高可见光反射）和绿化阳台（强红边吸收）——这需要像素内光谱异质性的精细建模。当注意力机制被强制低秩分解，它是否把‘混合像元’当作噪声滤除，而非待解译的物理事实？这个问题直指：计算效率提升的代价，是不是牺牲了地理模型最核心的‘像元即现象’解释权？
HPC加速地理AI，但当模型跑在超算上时，谁来保证它的空间推理符合GIS基本法则？
Annals of GIS综述指出HPC正推动地理基础模型扩展，但所有加速策略（并行训练、梯度压缩、混合精度）都默认模型内部逻辑自洽。然而，一个在千卡集群上训练的地理大模型，其输出的等高线可能自相交，生成的行政边界可能不闭合，预测的交通流可能违反守恒律——这些不是精度问题，而是几何与物理一致性失效。问题在于：分布式训练天然割裂空间连续性，而GIS的拓扑规则（如DE-9IM）从未被纳入训练约束。
轨迹数据正从‘高精度但窄场景’走向‘多源异构、跨尺度、带行为语义’的阶段，而城市交通建模却仍常被当作纯流体或抽象图问题处理——二者之间的张力正在暴露方法论断层。
NGSIM视频轨迹 vs. 城市级GPS轨迹：当物理精度撞上空间代表性
NGSIM提供0.1秒级车道级车辆交互，但仅覆盖三段高速匝道；而城市GPS轨迹（如出租车/网约车）覆盖广但采样稀疏、定位漂移、无车道信息。若用NGSIM训练的跟驰模型直接迁移到城市路网，哪些误差会系统性放大？这种迁移失效，是几何偏差主导，还是交互语义缺失主导？
注意力机制嵌入地理信息时，‘位置’到底该是什么
《基于注意力机制与地理信息嵌入的城市出行预测》提到‘地理信息嵌入’，但没说嵌入的是经纬度、网格ID、还是路网拓扑编码。当轨迹点落在立交桥不同层、或同一坐标但不同高程的轨道/道路时，现有嵌入方式是否天然失效？这个‘位置歧义’问题，在模型里是靠数据增强掩盖，还是真需要重构空间表征？
交通管制仿真中的‘行为响应’为何总卡在OD层面
《基于情景仿真的复杂交通系统交通管制影响评估》强调社会层建模，但案例中用户响应仍以OD矩阵调整为主。当真实司机面对单双号限行时，可能改乘地铁、错峰、或绕行小巷——这些决策依赖局部路网可达性与实时感知，而非全局OD。那么，把‘个体轨迹重规划能力’作为仿真输入变量，是否比预设OD弹性系数更可控？
SAM分割行人设施后，怎么让轨迹‘认出’它
《行人可及基础设施清单》用SAM从激光雷达和卫星图中分割出盲道、坡道等对象，但这些对象如何与车辆/行人轨迹产生因果关联？比如，一段轨迹频繁减速+偏移，是否因检测到前方坡道？现有轨迹分析工具几乎不读取这类语义栅格，那‘基础设施-行为’链路，是该做多模态对齐，还是直接建图结构化接口？
时空知识图谱里，‘交通事件’该不该有空间粒度
《时空知识图谱模型综述》指出STKGs缺乏统一建模框架，而交通事件（如事故、施工）天然具有空间延展性——它不是一个点，而是一段路+影响范围。若强行把‘施工’压缩成(road_id, time, type)三元组，是否丢失了与轨迹交互的关键几何约束？比如，NGSIM中一辆车减速，是因为看到锥桶，还是因为导航提示？前者需空间邻近，后者只需语义传播。
多模态地理数据已从‘能用’进入‘必用’阶段，但真正卡住进展的，不是模型容量或算力，而是模态间不可回避的结构性错位——时间粒度不齐、空间基准漂移、语义粒度失配、采集动机异构。
遥感影像 + 电力时序数据：为什么‘时间对齐’在土地利用分类里反而会掩盖真实动态？
萍乡案例中TR-CNN将电力数据重采样到与遥感影像同频，但电力负荷本身是连续响应社会活动的脉冲信号。若强行对齐到日/周尺度，是否把‘夜间商业区突增负荷’这类关键判据平滑掉了？我们能否让时间不对齐成为线索，而非噪声？
出租车轨迹 + 社会感知POI：当‘空间连通性’被当作辅助特征，它到底在帮谁解释？
深圳MDFNet把出租车轨迹建模为空间连通性辅助信息，但轨迹本质是‘人流动’，POI是‘场所静态属性’，二者在空间上常不重合（如地铁站POI vs 实际上下车点）。这种连通性到底是反映物理可达性、行为惯性，还是平台调度策略？如果连通性指标本身有系统性偏置，它是在提升解释性，还是在加固偏见？
GF-1影像 + 地籍矢量：当‘像素-对象’对齐变成‘像素-地块-产权人’三元张力
GroundSet用高保真地籍矢量监督遥感理解，但地籍数据记录的是法律权属边界，而GF-1影像反映的是地表物理覆盖。当一栋楼跨两个地籍单元、或一块绿地被多个产权人共有时，模型该学‘视觉一致性’还是‘权属一致性’？这种张力在不透水面提取中是否已被低估？
遥感影像 + 街景图像：当‘视角差异’不是数据增强，而是语义坍缩的开关
Annals of GIS综述指出街景是独立模态，但其与遥感影像的空间对应关系极脆弱——同一地点，街景是地面眼高视角，遥感是俯视；街景有强光照/遮挡/季节变化，遥感有云/大气/太阳高度角影响。当SGMA框架试图‘调和跨模态不一致性’时，是否可能把本应保留的视角特异性语义（如建筑立面材质 vs 屋顶结构）给对齐没了？
多模态大模型微调：当‘指令’来自城市规划师，但‘数据’来自遥感工程师
GroundSet用指令微调提升空间理解，但其指令模板（如‘标出所有带坡屋顶的住宅’）隐含了遥感可解译假设。而真实城市规划需求常是‘找出容积率超限但未报建的片区’——这需要联动地籍、审批、遥感、电力四类数据。当前多模态LLM的指令空间，是否根本没覆盖这种跨制度逻辑的表达？