这个世界上根本没有正确的选择，我们只不过是要努力，使当初的选择变得正确。（村上春树）
团队新闻 | “区域经济态势时空动态感知技术及应用”国家重点研发计划项目启动会
2024年3月23日，由北京大学地球与空间科学学院刘瑜教授主持的 国家重点研发计划“地球观测与导航”重点专项“区域经济态势时空动态感知技术及应用” 项目启动会在北京顺利召开。
团队教学 | C++环境下的GDAL与多线程入门
为了帮助GIS学生更好地学习使用这两项C++下的重要库（GDAL：空间数据处理库，OpenMP：CPU多线程），我们在Bilibili平台上传了教学视频，视频作者为团队学生张翔。
团队教学 | UrbanComp团队的机器学习指南
为了帮助大家更好地入门机器学习技术，我们在Bilibili平台上传了教学视频，视频作者为团队学生喻承龙。
团队教学 | UrbanComp团队的Word排版教程
为了帮助大家更好地使用Word进行文档排版，团队姚尧老师录制并在BiliBili平台上传了教学视频。
A multimodal data fusion model for accurate urban land use mapping with uncertainty analysis
Title: A multimodal data fusion model for accurate and interpretable urban land use mapping with uncertainty analysis
Temporal-VCA: Simulating urban land use change using coupled temporal data and VCA
Title: Temporal-VCA: Simulating urban land use change using coupled temporal data and vector cellular automata
发明专利 | 顾及时空相关性和气象因素的PM2.5浓度预测方法及装置
本发明公开了一种顾及时空相关性和气象因素的PM2.5浓度预测方法及装置，在充分顾及空气质量监测站点时空相关性的基础上，融合气象因素对不同时间尺度下PM2.5浓度进行预测，该方法包括：构建数据集；补全处理；构建时间图卷积网络；时空特征提取；模型耦合和微调；预测精度对比。本发明构建了时间图卷积网络，通过图卷积神经网络提取站点的空间相关性，通过门控递归单元提取站点的时间相关性。在叠加多个时间图卷积网络后，构建全连接神经网络，实现多种气象因素的融合。通过本发明所提供的耦合模型，充分顾及不同站点在时间和空间的相关性，并兼顾到站点位置相应的气象因子的时空相关特征，大大提高了不同时间尺度下空气质量预测效果。
Graph convolutional networks for street network analysis with a case study of urban polycentricity
Graph convolutional networks for street network analysis with a case study of urban polycentricity in Chinese cities
矢量地块级模拟和分析软件集（UrbanVCA和VecLI）教学视频
视频介绍为了帮助大家更好地理解和使用我们之前发布的基于矢量元胞自动机的城市土地利用模拟系统软件（UrbanVCA）和支持矢量数据的景观指数计算（VecLI)的系统，我们已经专门在Bilibili平台上发布了详细的软件操作学习视频。由于这些系统的操作难度较大，很多用户都在寻找相关的学习资料。因此，我们
团队新闻 | 我和我的导师——引千里之行，筑梦海阔天空
转载自地信学院公众号“我和我的导师”系列文章，作者为团队研究生郭紫锦
