多尺度注意力驱动的地理信息系统框架及其在技术学院地理信息学教学中的应用

《Frontiers in Earth Science》：Multi scale attention driven GIS framework for geoinformatics teaching applications in technical colleges

　　

摘要：引言：技术学院中的地理信息学教育日益强调地理信息系统（GIS）的实践制作与解译技能，然而，现有许多交互式或基于 Web GIS 的学习环境，对于复杂地理空间数据可解释的多尺度分析支持仍然有限。为弥补这一缺口，本研究提出了一种面向地理信息学教学应用的多尺度注意力驱动地理信息系统（GIS）框架。方法：该框架集成地理尺度注意力网络（GeoSAN）与自适应多尺度注意力策略（AMAS），以支持尺度感知特征提取、跨尺度注意力聚合，以及教学场景中更具可解释性的空间分析。研究结合了计算评估与课堂教育评估。计算研究部分中，该框架在两个公开遥感基准数据集 SpaceNet 和 DeepGlobe 上进行了测试，采用与职业化 GIS 训练相关的面向制图的分割任务。性能采用平均交并比（mIoU）、F1/Dice、精确率（Precision）和召回率（Recall）进行评估，并同时报告模型参数量与浮点运算次数（FLOPs）。结果与讨论：所提出方法在所有比较基线中取得了最佳总体性能，在 SpaceNet 上达到 78.2% mIoU 和 88.4% F1，在 DeepGlobe 上达到 63.5% mIoU 和 77.6% F1。消融实验进一步验证了多尺度注意力机制、GeoSAN 和 AMAS 的贡献。为评估教育有效性，研究人员还开展了一项包含 42 名技术学院学生的课堂研究。与使用传统静态材料的对照组相比，在所提出框架支持下的实验组获得了更高的后测成绩（84.2 vs 72.6）、更大的学习增益（25.5 vs 14.7）、更长的任务投入时间（41.5 vs 33.8 min）以及更高的参与度（五点评分量表上为 4.3 vs 3.5），且差异具有统计学显著性（p<0.01）（p<0.01）。这些结果表明，所提出框架不仅提升了真实地理空间任务中的制图性能，而且增强了技术学院地理信息学教育中的学生参与度和学习成效。

本文发表于《Frontiers in Earth Science》，聚焦技术学院地理信息学教学中一个具有现实针对性的核心问题：现有 GIS 与 Web GIS 学习环境虽然提升了地理空间资源的可获得性和课堂互动性，但在帮助学生理解复杂地理空间数据的多尺度结构、局部特征与整体空间语境如何共同影响制图结果方面仍存在明显不足。技术学院的地理信息学课程通常强调建筑物提取、道路提取、土地利用解译、专题制图和底图更新等职业导向任务，这些任务不仅要求学生会操作软件，更要求其形成空间推理能力、地图判读能力以及从数据到决策的迁移能力。面对具有空间异质性、多观测尺度和强上下文依赖性的遥感影像，学生往往能够程序化地完成操作，却难以深入理解为何某一制图输出会产生。正是在这一教学缺口下，研究人员提出了多尺度注意力驱动 GIS 框架，试图将计算模型的准确性与教学支持的可解释性结合起来，使模型不仅能产生较优制图结果，还能作为课堂中的分析辅助工具，帮助学生观察在不同空间尺度上哪些区域和结构对判读更为关键。

从研究设计看，本文并未将框架简单视为一种算法，而是将其定义为兼具计算性能与教学价值的教学支持系统。研究人员构建的整体框架由地理尺度注意力网络（GeoSAN）与自适应多尺度注意力策略（AMAS）组成，目标是实现尺度感知特征提取、跨尺度注意力聚合、关系型空间推理以及更具教学意义的可解释分析。论文提出的基本观点是，多尺度学习对地理信息学教学具有独特价值，因为面向制图的空间线索可能随着目标现象而出现在不同分辨率上，学生需要借助合适的分析支架去理解哪些局部区域、上下文结构和尺度依赖模式对任务最相关。同时，论文对“可解释性”采取谨慎立场，认为注意力机制能够提供有用的分析线索，但注意力权重本身并不构成对模型行为的完整解释，因此注意力图主要被用作教学中的解释性辅助证据。

研究所采用的关键技术方法主要包括以下几个方面。首先，以 SpaceNet 与 DeepGlobe 两个公开遥感基准数据集作为样本来源，构建与职业化 GIS 训练高度相关的建筑物、道路和地表覆盖语义分割任务；数据经清洗、去重、标签校验、512×512 固定切片、归一化与适度增强处理，并按 7:1:2 划分训练集、验证集和测试集。其次，构建 GeoSAN，通过多尺度卷积编码、图传播层与地理尺度注意力机制实现跨尺度特征融合和空间关系建模。再次，引入 AMAS，通过动态尺度选择与注意力加权实现不同空间分辨率下信息的自适应强化。最后，结合五次独立重复实验、配对 t 检验、可视化解释分析与 42 名技术学院学生的课堂对照研究，对其计算效果和教学效果进行双重验证。

在方法部分，论文首先通过形式化定义明确了问题框架。研究人员将地理空间数据集表示为 D={d₁,d₂,…,d_n}，并设定多尺度集合 L={l₁,l₂,…,l_k}，通过注意力函数 A:D×L→R^m 为不同尺度上的数据点分配权重。模型利用查询矩阵、键矩阵和值矩阵计算注意力权重，再生成上下文向量 c_i，以封装多尺度信息。进一步地，研究人员又引入教学目标集合 P={p₁,p₂,…,p_t} 与兼容性函数 C:D×P→[0,1]，用于衡量地理空间数据与特定学习目标之间的契合程度，并通过总体有效性指标 E 量化框架对教育目标的支持强度。这一部分的意义在于，论文并非仅从图像分割精度出发，而是试图在理论上建立地理空间分析与教学目标之间的对应关系。

在 “3.3 Geo Scale Attention Network (GeoSAN)” 部分，研究人员详细介绍了核心模型结构。GeoSAN 由多模态编码器架构（Multimodal Encoder Architecture）、基于图的传播层（Graph Based Propagation Layer）和地理尺度注意力机制（Geo Scale Attention Mechanism）三部分构成。多模态编码器先在不同空间分辨率上提取特征图 F_s(X)，再通过评分函数计算尺度特异性注意力权重 α_s，并将不同尺度的特征融合为统一表示 F_int。随后，图传播层通过图嵌入与关系推理建模区域间依赖，使模型能够在相邻区域之间传播上下文信息，维持空间一致性。最后，地理尺度注意力机制对多尺度特征融合进行进一步细化，强化信息量更高的空间分辨率并抑制无关响应。该部分表明，GeoSAN 的主要作用在于把多尺度编码、关系传播和尺度感知注意力整合为统一框架，从而提升复杂地理空间任务中的判读能力和教学可解释性。

在 “3.4 Adaptive Multi Scale Attention Strategy (AMAS)” 部分，论文进一步提出动态尺度感知增强方案。AMAS 同样包括多模态编码、图传播和动态尺度感知特征提取三个模块。其过程是先在各尺度上计算注意力图 A_s，生成加权后的尺度特异性特征 F_s^att，再通过聚合得到 F_agg。随后，图传播层利用预测误差对注意力响应进行迭代修正，以增强注意力与任务目标的一致性。最后，通过尺度选择机制为每个尺度分配相关性权重 β_s，形成最终尺度感知表示 F_scale。AMAS 的作用在于根据任务需求动态选择最具信息量的空间尺度，从而增强模型对不同场景复杂度和空间粒度变化的适应性。

在 “4.5.1 Comparative experiments” 部分，论文展示了与 FCN、U-Net、DeepLabv3+、PSPNet、HRNet 和 SegFormer 六类基线方法的对比结果。在 SpaceNet 数据集上，所提方法获得 78.2% 的 mIoU、88.4% 的 F1/Dice、89.2% 的 Precision 和 87.6% 的 Recall，整体优于全部基线；与 U-Net 相比，mIoU 提升 3.4 个百分点，F1 提升 2.8 个百分点，说明显式建模多尺度空间依赖有利于尺寸与形状变化较大的地图目标提取。在 DeepGlobe 数据集上，所提方法同样取得最佳结果，达到 63.5% 的 mIoU 和 77.6% 的 F1/Dice，表明该框架在不同空间模式与类别分布下具有较好的泛化能力。效率分析显示，该方法参数量为 38.8 M，FLOPs 为 125.3 G，在性能与计算成本之间保持了较为均衡的关系，较重型上下文模型计算成本更低，同时精度更高。

在 “4.5.2 Ablation study” 部分，研究人员通过去除多尺度注意力机制、去除 GeoSAN、去除 AMAS 三种方式验证各模块贡献。结果表明，无论在 SpaceNet 还是 DeepGlobe 上，去掉任一核心组件都会导致 mIoU、F1、Precision 和 Recall 一致下降。其中，移除多尺度注意力机制所带来的性能下降最大，SpaceNet 上 mIoU 从 78.2 降至 74.5，DeepGlobe 上从 63.5 降至 59.2，说明多尺度信息建模是提升制图质量的关键。去除 GeoSAN 会削弱跨尺度结构化聚合与空间关系推理能力，导致预测更易碎片化；去除 AMAS 则使动态尺度选择能力下降，说明自适应尺度加权对异质场景的鲁棒性提升具有实际作用。附加的敏感性与鲁棒性分析还显示，默认三尺度配置表现最佳，尺度过少会损失局部与全局互补信息，尺度过多则会引入冗余并削弱稳定性；注意力温度参数过高或过低都会损害性能，而在加入视觉噪声后，模型仍保持相对稳定，表明多尺度聚合具有一定抗干扰能力。

在 “4.5.3 Attention visualization and interpretability analysis” 部分，论文从可解释性角度验证了框架的教学价值。研究人员给出了 SpaceNet 与 DeepGlobe 样本上的输入图像、真实标注、模型预测和注意力热图。可视化结果显示，高响应区域主要集中在建筑物轮廓、道路走廊和地表覆盖边界等与任务直接相关的空间结构上。这意味着该框架能够把学生注意力引导到真正关键的空间区域，帮助其观察局部细节与整体语境如何共同影响制图结果。为量化这一特征，研究定义了注意力相关性得分，即落在参考目标区域内的归一化注意力质量占比。结果表明，该得分与课堂研究中的学生测验表现呈显著正相关，相关系数为 r=0.62，且 p<0.01，说明这些被高亮的空间区域不仅在计算上与任务目标相关，而且在教学上也具有解释意义。

在 “4.5.4 Classroom study” 部分，论文进一步评估了框架的教育有效性。研究共纳入 42 名技术学院地理信息学课程学生，按个体随机分为实验组与对照组，各 21 人。前测结果显示两组在基础空间分析和地图判读能力上无显著差异，实验组为 58.7±8.9，对照组为 57.9±9.1，p=0.78，说明基线水平可比。教学干预持续两个 90 min 课时，由同一教师按照相同教学计划实施，唯一差别在于实验组使用所提框架辅助学习，对照组使用传统静态材料。结果表明，实验组后测成绩显著高于对照组，为 84.2±7.4 对 72.6±8.1；按前后测差值得到的学习增益也更高，为 25.5±9.6 对 14.7±10.1，且 p<0.01。与此同时，实验组在任务投入时间上更长，为 41.5±6.8 min 对 33.8±7.1 min，在 5 分 Likert 量表上的参与度更高，为 4.3±0.5 对 3.5±0.6，差异同样具有统计学显著性。后测成绩提升的 Cohen’s d=1.50，提示该教学干预具有较大的效应量。该部分结果支持论文的总体结论，即该框架不仅提高制图任务表现，也能够增强课堂参与和学习成效。

讨论部分强调，这一研究的意义在于把多尺度注意力机制从纯技术场景引入职业化地理信息学教学，回应了“如何让学生理解多尺度地理空间模式与制图输出之间关系”的教学需求。论文显示，该框架能够以集中推理的方式部署于课堂，在学生设备无需高性能本地训练能力的条件下支持教学活动，这使其具备一定现实可用性。同时，作者也明确指出局限：模型训练和研究阶段仍依赖较强计算资源；教师需要接受关于注意力图解读与课堂整合的前期培训；教育评估仅在单一机构、小样本、短周期条件下完成，因此结论的推广性需要谨慎看待；基准数据集上的分割性能也不能被简单等同为更广泛的教育有效性。总体而言，论文以较完整的计算实验、消融分析、可解释性分析和课堂研究，构建了一个同时面向地理空间任务精度与教学解释支持的框架，为技术学院地理信息学教育提供了可操作的研究范式。

研究结论部分可译为：本研究提出了一种面向技术学院地理信息学教学应用的多尺度注意力驱动地理信息系统（GIS）框架。该框架集成地理尺度注意力网络（GeoSAN）与自适应多尺度注意力策略（AMAS），以支持尺度感知特征提取、跨尺度空间推理以及对地理空间数据的注意力引导分析。本研究并未仅从技术层面界定其贡献，而是旨在回应职业地理信息学教育中的一项教学需求，即帮助学生理解面向制图的地理空间模式如何在多个空间尺度上被解释。SpaceNet 和 DeepGlobe 上的实验结果表明，所提出框架在代表性的遥感制图任务上取得了具有竞争力且稳定的性能。课堂研究则表明，该框架能够支持教学场景中的学生学习，具体体现为与比较条件相比更高的后测表现、更大的学习增益、更长的任务投入时间以及更高的主观参与度。与此同时，这些结果仍需谨慎解读。尽管该框架可通过集中式推理部署于课堂，但研究与训练过程仍依赖相对较强的计算资源，这可能限制其在基础设施受限院校中的采用。框架的有效使用还需要教师准备，尤其是在解读模型生成的注意力输出并将其整合入教学活动方面。教育评估仅在单一机构情境、较小样本和较短干预周期下开展，因此结果未必能够直接推广至其他院校、学习者群体、课程设计或教学形式。未来工作将聚焦于轻量化部署策略、更完善的教师支持材料、多点课堂验证，以及关于注意力引导地理空间分析如何影响不同教育情境下学生理解与学习迁移的长期研究。