正在兴起的大规模低轨卫星星座（简称星链）和人工智能技术为地理学研究范式变革提供了历史性机遇，推动地理学继定性地理、定量地理、数字地理之后迈入“星链智能地理”的新纪元。在“星链智能地理”的发展框架下，未来地理学研究可依托星链提供的高时空分辨率监测数据，在多尺度（特别是全球尺度）上精准捕捉地理要素的高时频动态变化；通过耦合物理模式和人工智能技术，可实现自然与人文要素相互作用复杂过程、系统状态和界面变化的模拟实验，深化对变量耦合、多过程级联效应及遥相关机理等地理学核心问题的认识。为推动“星链智能地理”发展，亟须打造依托星链的新一代数据采集共享平台，无缝绘制全球地理资源要素“动态一张图”；构建物理和AI耦合的地理模拟器，实现地理要素、图景变化及影响的智能模拟预估。

青藏高原植被具有高海拔及垂直地带性分布特征，这给植被遥感精细分类带来了诸多挑战，主体表现为特定植被类型之间的遥感可分性较差，解决之道是有效融入其他非遥感特征。本文发展了一种逐步融入粗空间分辨率植被与环境特征的植被遥感精细分类新方法，以提高分类的准确性和精细度。新方法首先筛选出对植被分类改善贡献更大、特征差异更明显的植被与环境特征，并利用这些特征采用广义相加模型计算获得各类别的先验概率，同时利用遥感特征进行机器学习分类以获得各类别的后验概率，最后将粗空间分辨率的先验概率利用贝叶斯算法对高空间分辨率的后验概率进行调整，从而计算出最终的精细分类结果。基于10 m空间分辨率的Sentinel-2遥感数据、90~10000 m空间分辨率的植被与环境数据以及地面调查数据，选择青藏高原的祁连山区、黄河源区和横断山区对新方法进行应用，获得了10 m空间分辨率的植被精细分类结果。相较于仅使用遥感特征的分类结果，新方法的分类精度提升8%~24%。新方法为提高植被分类的准确性和精细度提供了有效的技术支撑，对青藏高原及其他类似地区的植被精细分类具有重要参考价值。