客座编辑
张帆 (北京大学｜中国)
李子奇 (弗罗里达州立大学｜美国)
黄啸 (埃默里大学｜美国)
朱晓香 (慕尼黑工业大学｜德国)
专刊背景
近年来，地理人工智能（GeoAI）在社会、城市、环境与地理空间科学领域展现出重要价值。GeoAI通过融合人工智能与地理信息科学（GIScience），有针对性地建模空间效应以解决复杂空间问题、揭示隐藏规律并推动理论发展，兼具科学发现与现实应用的双重使命。然而，GeoAI模型的"黑箱"特性与内在复杂性也带来显著挑战——在科学导向的AI研究（AI4Science）中，AI可解释性（XAI）不仅是需求，更是科学与知识发现的必要条件。为此，GeoAI模型需具备以下特质：1、内在可解释性——通过显式嵌入空间效应、机理与先验知识进行模型设计；2、可解释方法支持——配备强大的后验解释工具以解析模型行为与输出。
本专刊旨在推进地理空间科学与对地观测领域中的可解释GeoAI（XGeoAI），促进跨学科创新与知识交流，提升研究成果的可解释性及社会影响力。我们邀请但不限于以下主题的投稿：
- 大语言模型与地理基础大模型的可解释性研究
- 面向GeoAI的空间显式XAI方法
- 可解释的GeoAI模型设计
- GeoAI中的物理规律约束
- GeoAI中的因果推断与发现
- GeoAI的公平性、偏差检测与不确定性量化
- 遥感影像的XAI技术
- XAI在城市、环境与地理空间科学中的应用
- XGeoAI的可扩展性与计算效率
- XGeoAI的标准化评估框架
- 地理可视化分析与以人为本的XGeoAI
投稿指南
投稿系统：请访问https://www.editorialmanager.com/photo/default.aspx，选择文章类型 “VSI: XGeoAI” 提交稿件
投稿截止日期：2026年5月31日
计划出版时间：2026年9月（论文一经接收首先在线发表）
声明：本站学术征稿、期刊选题、投稿指南等内容来源官方渠道和网络平台，请注意核实信息真实性及合法性
