1. 遥感智能信息提取

该方向面向高分辨率遥感影像、多光谱/高光谱及SAR等多源卫星数据，研究基于深度学习与基础模型的智能解译方法，

重点突破目标检测、语义分割、变化检测与地物分类等关键技术，解决小样本、跨域迁移与多模态融合等难题。

团队致力于实现土地利用、植被覆盖、水体提取、建筑物识别、农作物分类等要素的自动化、高精度提取，

为自然资源调查、生态环境监测与农业遥感应用提供核心算法支撑，推动遥感解译从人工判读走向智能自动化。

2. 时空信息建模挖掘

该方向围绕时空数据的多维、动态、异质特性，研究时空统计建模、时空序列预测、时空关联规则挖掘与图神经网络建模等方法，

构建面向交通流、气象环境、城市动态与生态演变等场景的时空预测与知识发现模型。

团队注重揭示时空过程的演化规律与驱动机制，打通“时间—空间—属性”三维语义，实现动态过程的可计算表达，

为智能决策提供规律支撑，推动时空信息从“数据可见”走向“规律可算”。

3. GIS应用建模研发

该方向面向智慧城市、自然资源、应急减灾、生态环境等行业需求，研究GIS空间分析建模、多源数据融合、空间决策支持与可视化表达方法，

构建可配置、可扩展的地理计算与业务应用模型。团队坚持算法研究与软件研发并重，

研发时空数据管理分析引擎、GIS应用建模与低代码配置系统及行业决策支持平台，

形成从数据管理到智能决策的全链路应用能力，为政府决策与行业应用提供自主可控的GIS软件支撑。

4. 机器视觉与智慧农业

该方向聚焦机器视觉与视频分析技术，研究视频目标检测、跟踪、行为识别与事件理解等方法，

从视频流中实时提取结构化信息。团队重点面向智慧水产养殖场景，围绕鱼群摄食视频感知与决策开展AI算法研究，

通过水下视频分析实现鱼群摄食行为识别、摄食强度评估与投喂决策优化，构建“感知—分析—决策—控制”闭环的智能投喂系统。