一、舆图数字化研究现状

标题	期刊/会议名	分区	方法	被引次数	出版年份	使用技术
古旧地图数字化的研究现状与发展趋势	华南地理学报	CSSCI/CSCD	系统评述国内外古旧地图数字化的演化脉络与发展趋势：图像质量优化（扫描、校正、修复、地理配准）→信息提取（矢量化、符号识别、深度学习语义分割）→数据库与共享平台构建→应用与智慧赋能	-	2025	GIS、遥感(RS)、计算机视觉(CV)、机器学习(ML)、深度学习(DL)、多源信息融合、语义分割
Redefining archaeological research: Digital tools, challenges, and integration in advancing methods	Applied Sciences	SCI Q2/中科院4区	Sylaiou等(2025)采用GIS对考古遗址进行空间数据整合、分布分析与数字化制图，并结合古地图资料辅助遗址定位	12	2025	GIS
The research progress and prospects of historical geography: A systematic review	Geographical Research Bulletin	SCI Q1/中科院2区	1.舆图的空间解码、数字化解读、比例尺与投影校正、地名演变匹配，是舆图数字化的基础方法论部分 2.历史地图数字化、矢量化、配准、叠加分析、时空数据库构建，是舆图数字化的核心技术	-	2025	GIS
Automatic vectorization of historical maps: A benchmark	PLOS ONE	SCI Q1/中科院3区	提出两阶段历史地图自动矢量化流程：1.深度学习边缘滤波（DEF）：使用U-Net/HED/BDCN/ViT/PVT架构检测地图边缘，结合拓扑感知损失函数（MOSIN/TopoLoss/BALoss）2.闭合形状提取（CSE）：采用Meyer分水岭变换或深度分水岭变换提取矢量形状；通过COCO Panoptic Quality评估，在巴黎历史地图数据集上验证	16	2024	U-Net、HED、BDCN、Vision Transformer、Pyramid Vision Transformer、Meyer分水岭变换、深度分水岭变换、拓扑感知损失函数（MOSIN/TopoLoss/BALoss）
Vectorizing historical maps with topological consistency: A hybrid approach using transformers and contour-based instance segmentation	International Journal of Applied Earth Observation and Geoinformation	SCI Q1/中科院1区Top	针对历史地图建筑提取，采用双分支深度学习架构，通过 LETR 模型提取建筑边界直线段几何基元，利用 E2EC 模型完成建筑实例轮廓检测；基于最小距离匹配与有序顶点约束实现线段 - 轮廓融合，通过几何拼接生成无重叠、无交叉的规整多边形。该纯矢量工作流省略栅格转矢量与复杂后处理，同时构建 Sanborn‑Vector 数据集并提出 sPQ 评估指标，有效提升历史地图建筑矢量化的精度与拓扑一致	9	2024	深度学习分割、拓扑约束、矢量化
从康熙《皇舆全览图》的数字化处理察其对湖广地区地图绘制的影响	江汉论坛	CSSCI/北大核心	用 ArcGIS 对康熙《皇舆全览图》湖广片区做地理配准、矢量化、坐标校正、地名数据库构建，比对乾隆《十三排图》、清代中后期湖广省 / 府 / 县方志图、水利图的坐标、水系、政区差异	3	2023	ArcGIS
数智时代中国古舆图文献的知识化描述框架及其应用场景研究	农业图书情报学报	CSSCI扩展	提出五大关键模块的知识化描述框架： - 资源实体：分疆域、地理、方志、江海、河道、军事、山水等舆图类型； - 描述对象：覆盖地理、人文、信息、技术四大空间； - 知识抽象：从时间、空间、属性、要素（人 / 地 / 时 / 事 / 物）四方面提炼核心知识； - 舆图表达：从时间结构、空间组织、维度、粒度实现多方式呈现； - 舆图展示：依托大模型、知识图谱、数据库等提供知识服务。	待查	2023	知识图谱、知识化描述框架、关联数据、语义技术、数字人文、RDF、SPARQL、Neo4j、NLP
海内外中文古地图数字化成果述评	数字人文研究	CSSCI扩展	1.整理了国内外中文古地图数字化成果 2.古地图数字化两阶段（高清扫描→矢量化电子地图）	8	2021	高清扫描→矢量化电子地图
Digitization of Old Maps and Possible On-line Tools for Their Use	Springer Digital Cultural Heritage	会议/图书	数字化最低要求：免费在线可访问、可缩放浏览 核心要求：必须地理配准，保留舆图的制图属性（坐标、投影、比例尺、可测量性） 增值功能：1.按区域/年代/比例尺找舆图 2.图叠加对比 3.地理配准工具 4.3D地形可视化 5.地图符号识别、文本提取 6.标准接口开放，可二次开发 舆图扫描标准（扫描精度、分辨率等）	9	2019	在线地图工具
Mapping archaeology while mapping an empire: Using historical maps to reconstruct ancient settlement landscapes	Geosciences	SCI Q2/中科院3区	地理配准：纸质老地图 → 数字化扫描 / 摄影、基于 GIS 的数字化配准、数字化校正算法 要素提取：人工建立两个 GIS 矢量图层：点图层存土丘、线图层存线性遗迹。按符号分类	57	2018	GIS
基于历史地图数字化分析的城市空间特色演进研究	城市规划学刊	CSSCI/北大核心/CSCD	1.对多幅历史舆图做几何校正、坐标配准、矢量化输入 2.数字化应用：紧凑度指数、空间整合度、分形指数定量分析	59	2013	数字化分析、空间演进分析
基于数字化技术的历史地图空间解译方法研究	城市规划	CSSCI/北大核心/CSCD	舆图扫描 / 收集 → 要素提取 → CAD 数字化转绘 → 与现状图配准叠加 → 用于规划	89	2016	几何纠正、要素提取、空间分析
3D digitization and mapping of heritage monuments and comparison with historical drawings	ISPRS Annals	SCI	1.物理古图纸 → 数字栅格图 2.舆图的几何校正（消除误差、变形、畸变）与配准 3.舆图精度评价与修复（同源点匹配）	52	2013	3D数字化、摄影测量

image-20260404145608355

--古旧地图数字化的研究现状与发展趋势

二、水系图像研究现状

标题	期刊/会议名	分区	方法	被引次数	出版年份	使用技术
Critical review on deep learning methodologies employed for water-body segmentation through remote sensing images	Multimedia Tools and Applications	SCI Q2/中科院4区	Gautam & Singhai(2024)系统综述了深度学习在水体分割中的应用。	22	2024	CNN、FCN、U-Net、多尺度 FCN/CNN
Extraction of surface water bodies using optical remote sensing images: A review	Earth Science Informatics	SCI Q2/中科院3区	综述光学遥感水体提取方法，涵盖光谱指数、机器学习、深度学习等。	62	2024	光谱指数、SVM、随机森林、CNN
Emerging methodologies in waterbody delineation: an In-depth review	International Journal of Remote Sensing	SCI Q3/中科院4区	1.综述了水体提取传统方法、机器学习、深度学习。 2.采用IoU、OA、F1、Kappa、mIoU、SSIM等量化分割精度，兼顾整体与边界、类别均衡性	6	2024	以 CNN、U-Net、DeepLabv3 + 为代表，自动学习特征，在复杂场景精度更高；主流模型有 MSR-Net、W-Net、SADA-Net、FWENet 等，适配光学、SAR、多源数据。
Review of recent advances in remote sensing and machine learning methods for lake water quality management	Remote Sensing	SCI Q1/中科院2区	使用多/高光谱遥感数据、及其/深度学习方法来做水质反演（叶绿素 a、浊度、CDOM、水温、水位、面积等）	99	2024	随机森林、梯度提升树、SVM、CNN、LSTM、GAN 等
A review of remote sensing image segmentation by deep learning methods	International Journal of Digital Earth	SCI Q1/中科院1区	综述深度学习遥感图像水体分割方法	116	2024	Deep-WaterMap、DenseNet、DensePPM、Unet
基于多源遥感数据的河流断面提取进展与展望	遥感技术与应用	北大核心/CSCD	多源遥感数据使用阈值法、分类器法、机器学习和深度学习方法进行提取水系、河流边界/轮廓、提取河流主干	3	2024	多源数据融合做cnn、语义分割
New deep learning method for efficient extraction of small water from remote sensing images	PLOS ONE	SCI Q2/中科院3区	ResNet101+条带池化（SPM+MPM）替代 DeepLabv3 + 的 ASPP，提取长距离细小水体（≤15 像素），可同时高效提取大型水体与细小水体	29	2022	深度学习、特征增强
Towards synoptic water monitoring systems: a review of AI methods for automating water body detection	Sensors	SCI Q2/中科院3区	水体提取以CNN为核心方法，相比 NDWI 指数法与 SVM、RF 等传统模型精度更高，可有效解决边界模糊、小水体识别、阴影与云层干扰等问题，CNN-SVM、CNN-CRF 等混合模型也被广泛应用； 水质监测主要采用LSTM等循环神经网络处理时序数据，结合 CNN、DNN、SVR、RF 等模型反演浊度、叶绿素 a 等参数，并融合卫星、无人机、地面传感器多源数据实现监测。	142	2022	CNN、LSTM、GAN、Transformer
基于多源国产高分辨率遥感影像的山区河流信息自动提取	清华大学学报	北大核心/CSCD/EI	1.针对山区窄河提取难、河宽精度低问题。使用国产 GF-1/ZY-3 卫星数据与 RF-ANN 算法提取河流表面信息。 2.Laplace + 边缘算法改进RivWidthCloud提取平滩河宽	15	2022	随机森林、人工神经网络、
基于多特征融合的遥感图像河流提取	遥感技术与应用	北大核心/CSCD	多特征融合方法（GLCM 纹理 + OTSU 阈值 + 几何滤波 手工组合）进行遥感图像河流提取。	7	2022	多特征融合、传统图像处理
A deep learning method of water body extraction from high resolution remote sensing images with multisensors	IEEE GRSL	SCI Q2/中科院3区	基于多传感器高分辨率遥感图像，使用DLFC 网络（编码器-解码器架构，融入DenseNet模块、局部特征压缩LFC模块） 解决传统方法依赖阈值、单传感器模型泛化差的问题。	131	2021	DLFC 网络
Surface water detection and delineation using remote sensing images: A review of methods and algorithms	Sustainable Water Resources Management	SCI Q3/中科院4区	综述遥感水体检测方法： 1.近红外波段阈值分割 2.光谱指数法：通过多波段比值增强水体特征 3.机器学习与深度学习 4.光谱混合分析	169	2020	阈值分割、机器学习、深度学习
Extraction of urban water bodies from high-resolution remote-sensing imagery using deep learning	Water	SCI Q2/中科院3区	采用高分辨率多光谱遥感影像，设计SAPCNN 自适应池化卷积神经网络，半监督训练提取水体区域。（解决小水体提取边缘模糊精度低，背景干扰问题）	270	2018	SAPCNN
数学形态学流域分割算法在遥感影像水系图图像分割中的应用	测绘科学	北大核心/CSCD	张明明等(2003)较早将数学形态学应用于水系图像分割。	23	2003	数学形态学、分水岭算法

三、舆图水系研究现状

标题	期刊/会议名	分区	方法	被引次数	出版年份	使用技术
GIS-Based Methods for Identifying River Networks Types and Changing River Basins	Water Resources Management	SCI Q1/中科院3区	基于古代纸质地形图和现代数字高程模型，使用GIS进行河网密度计算、流域面积统计分析	43	2024	GIS、河网分析、流域变化检测
The evolution of the Seine basin water bodies through historical maps	The Seine River Basin (Springer)	图书	以塞纳河流域近 200 年历史地图、工程图纸及 ArchiSeine 开源地图数据库为数据基础，运用GIS 地理配准、空间叠加分析、地图要素量化、时空对比分析等技术，系统研究 1800—2010 年塞纳河流域水体三维物理演变与人地驱动机制。	20	2022	历史地图分析、GIS
Deep learning-based road extraction from historical maps	IEEE Access	SCI Q2/中科院3区	基于土耳其 DHK 200 历史地图，使用Unet++和Timm-resnest200e 编码器并加入 scSE、多尺度注意力模块进行改进，对比Unet++、DeepLabv3+、MA-Net、FPN 等分割架构，解决多类别道路提取问题	21	2022	CNN、U-Net++
Towards an automatic characterization of riverscape development by deep learning	River Research and Applications	SCI Q3/中科院4区	基于包含河流景观的历史航拍影像，使用vgg16编码器和unet解码器进行训练，对河流景观进行分类	12	2022	深度学习、CNN、河流景观分析
Automating information extraction from large historical topographic map archives	Springer	出版社	基于全球多地公开的大规模数字化历史地形图档案，综合运用传统图像处理、计算机视觉、OCR、地理配准、空间对齐、探索性分析以及深度学习（CNN、U-Net、VGGNet 等）、自动训练样本生成、多源地理数据融合等方法，解决传统历史地图信息提取依赖人工交互、难以处理海量异构地图、无法高效精准提取时空地理信息的问题	-	2021	机器学习、自动化提取、深度学习
Potential of deep learning segmentation for the extraction of archaeological features	Archaeological Prospection	SCI Q3/中科院4区	GIS进行地理配准，unet进行分割水系区域	85	2021	CNN、U-Net、语义分割
A fast and effective deep learning approach for road extraction	ISPRS International Journal of Geo-Information	SCI Q2/中科院3区	以瑞士 Siegfried 历史地图与现代 swissTLM3D 矢量数据为基础，通过符号重建自动生成仿真训练图，结合改进 U‑Net 深度学习模型，解决历史地图道路提取中传统方法泛化性差、人工标注训练数据成本高、道路符号易与其他地物混淆的难题	40	2020	CNN、U-Net、道路提取
Extracting wetlands from Swiss historical maps with convolutional neural networks	Remote Sensing	SCI Q1/中科院2区	以瑞士 1872-1949 年的西格弗里德地图为研究对象，因无 1880 年标注数据，采用 1900 年湿地数据训练改进 U-Net 模型；将大尺寸地图分块处理，模型完成像素级湿地预测后，通过 GDAL 矢量化、道格拉斯 - 普克算法化简，生成湿地矢量图层	19	2020	U-Net、CNN、历史地图
Can we characterize river corridor evolution at a continental scale from historical topographic maps?	River Research and Applications	SCI Q3/中科院4区	使用扫描配准的历史地形图 + HMVT 自动矢量化工具，通过色彩转换→KNN 分类→形态学重建→拓扑校验，自动提取河道、沙洲、植被三类河廊要素	16	2020	历史地形图、GIS分析
Using local toponyms to reconstruct historical river networks in Hubei Province, China	ISPRS International Journal of Geo-Information	SCI Q2/中科院3区	以湖北为研究区，用水系与方位类地名重建历史河网，GWR 分析证实地名与河网密度显著相关，再用泰森多边形 + 空间聚类完成河道还原	16	2020	地名分析、历史地图、GIS
Characterization of river networks: A GIS approach and its applications	Journal of the American Water Resources Association	SCI Q3/中科院4区	Thoms & Scown(2018)提出河网特征GIS分析方法。	45	2018	GIS、河网特征分析
Rectify the river, rectify the map: Geometry and geovisualization of Adige river hydro-topographic historical maps	Academia	平台	使用MapAnalyst（历史地图几何精度分析）来地图配准和几何校正，然后进行web地图可视化	16	2014	几何纠正、可视化
Historic maps as a data source for socio-hydrology	Hydrology and Earth System Sciences	SCI Q1/中科院1区TOP	以匈牙利巴拉顿湖为案例，证实经数字化地理配准的历史地图可作为可靠定量数据源，有效填补社会水文学百年尺度数据缺口，并修正了该湖湿地消失源于湖泊水位下降的传统认知	75	2013	历史地图、社会水文学
Global river hydrography and network routing: baseline data and new approaches to study the world’s large river systems	Hydrological Processes	SCI Q2/中科院3区	1.优化HydroSHEDS全球水文数据集 2.开发HydroROUT矢量河网汇流模型，基于 GIS 几何网络，支持上下游追踪、物质输移、衰减模拟，兼容栅格 + 矢量混合结构	2093	2013	GIS、河网数据、水文模型
Extracting human settlement footprint from historical topographic map series	IEEE JSTARS	SCI Q2/中科院2区	Uhl等(2017)使用机器学习方法从历史地形图系列中提取人居足迹。	52	2017	机器学习、历史地形图、LeNet
Creating a hydrographic network from its cartographic representation	International Journal of Geographical Information Science	SCI Q1/中科院1区TOP	基于英国 OS MasterMap 水系制图数据，采用多边形分类、河流中轴线提取、拓扑建模、多指标置信度计算与最小生成树连接的方法开展实验，解决了原始制图数据中河网被地物割裂、无拓扑连通性、无法用于水文模拟的核心问题	50	2006	地图综合、水文网络构建
Using historical maps in researches over changeability of river network	International Multidisciplinary Scientific	会议	Bieda(2013)探讨利用历史地图研究河网变化性。（000）	1	2013	历史地图、河网变化分析
Historical shortening of river network in the Otava River Basin	Acta Universitatis Carolinae	SCI	采用 1844—2002 年多期军事地图与数字地图，经配准、矢量化、河段分割与 GIS 分析，量化河网长度变化并校正地图精度误差	21	2003	历史地图、GIS分析

版权所有

版权归属：HuiXiaHeYu

许可证：署名 4.0 国际 (CC-BY-4.0)