研究提出一种受 Inception-ResNet 启发的深度学习方法，根据哥白尼计划的地球观测数据，估计丹麦全国范围10 x 10 m人造结构的特征和位置，包括建筑物级别人口估计。
研究设计了 Deep Roof Refiner——一种端到端且注重细节的深度学习网络，提出了一种综合策略来提高网络的性能。通过定量和定性实验验证提出方法在识别卫星影像精细屋顶结构线的有效性。
Qian, Z., Chen, M., Zhong, T., Zhang, F., Zhu, R., Zhang, Z., ... & Lü, G. (2022). Deep Roof Refiner: A detail-oriented deep learning network for refined delineation of roof structure lines using satellite imagery. International Journal of Applied Earth Observation and Geoinformation, 107, 102680.
研究综合使用Geonames、OpenStreetMap、社交媒体文本信息、用户公开描述、部分社交媒体信息位置等，建立这些信息之间的关联，推断用户推文位置。
Zohar, M. (2021). Geolocating tweets via spatial inspection of information inferred from tweet meta-fields. International Journal of Applied Earth Observation and Geoinformation, 105, 102593.
Yoo, C., Im, J., Cho, D., Lee, Y., Bae, D., & Sismanidis, P. (2022). Downscaling MODIS nighttime land surface temperatures in urban areas using ASTER thermal data through local linear forest. International Journal of Applied Earth Observation and Geoinformation, 110, 102827.
06 推断POI准确位置
研究提出了一种多层级 Points of Interest (POI) 类别组织的神经网络预测方法，精确推断OpenStreetMap POI准确位置。
Yu, W., Chen, J., & Wei, C. (2022). A hierarchical learning model for inferring the labels of points of interest with unbalanced data distribution. International Journal of Applied Earth Observation and Geoinformation, 108, 102751.
