研究与论文 - 李广

我的研究工作围绕城市土地与空间数据问题展开，重点关注“数据组织 - AI 建模 - 解释分析 - 成果落地”的完整链条，尤其关注在复杂、异质甚至小样本条件下，如何把研究方法转化为可复现、可沟通、可落地的方案。对博士申请而言，这体现了我的研究问题意识；对就业岗位而言，这意味着我能把模型真正转化为可交付的成果。

研究方向¶

基于遥感与 GIS 的城市土地变化动态监测
城市空间大数据智能感知与 GeoAI
城市住宅用地市场价格动态评估
自然资源与环境管理决策支持与政策评估
城市更新与城镇低效用地识别、多尺度空间优化

方法与工具¶

能够在 PyTorch 框架下完成回归、分类、空间插值等任务建模，并根据数据规模与业务约束选择 Transformer、FNN、CNN、XGBoost、随机森林、KNN 或图神经网络等方法。
能够将 SHAP、XAI、空间坐标编码与地理相似性推理结合起来，提高模型解释性和业务可用性。
能够完成 ArcGIS、ArcGIS Pro、空间数据库、WebGIS、PySide6 等工具链协同，形成从数据处理到展示原型的完整流程。
能够使用 Python、Anaconda、Git 等工具沉淀实验流程、分析脚本与汇报材料，兼顾研究复现性与项目协作效率。