该文综述地理空间机器学习中的公平与偏差问题，包括贫困地图的城乡不平等与系统性误差、数据分布偏移对预测和公平的影响、图像分类模型的地理偏差及数据集偏欧美、文本分类器跨地区泛化差；研究提出KD树、卷积网络等方法提升公平性与精度，并强调部署前需进行误差与偏差分析。