Główne obszary badawcze, które są obecnie w trakcie opracowywania, dla geograficznej informacji naukowej?

Jakie są główne obszary aktywnych badań i rozwoju w dziedzinie informacji geograficznej (GISc), tj. Jakie obszary wymagają dalszych badań i rozwoju?

Niektóre „gorące tematy” dla GISc mogą być modelowaniem, symulacją, reprezentacją czasową.

Uważam te otwarte i ciągłe tematy w GIScience:

• implikacje treści generowanych przez użytkowników (alias Volunteered Geographic Information Systems)
• efekty geograficzne w sieciach społecznościowych
• analiza sieci geograficznej
• geograficznie modelowane agentowanie
• struktury przestrzenno-czasowe i analiza
• szybkie, interaktywne eksperymenty (aka geodesign)
• infrastruktura informacji przestrzennej
• obiektowe modele danych dla ciągłych danych
• w czasie rzeczywistym i iteracyjna analiza geograficzna
• analizy na sferoidie
• połączenie danych
• interakcja między wyszukiwaniem semantycznym i geograficznym
• usługi mapowania mobilnego i usługi lokalizacyjne
• ludzkie postrzeganie ewoluujących wzorów geograficznych
• implikacje i algorytmy rzeczywistości mieszanej i rozszerzonej

• mobilna rzeczywistość rozszerzona
• eksploracja danych geograficznych
• dobrowolne monitorowanie informacji geograficznych
• sieci czujników w czasie rzeczywistym

Automatyczne, ale odpowiednie uogólnienie.

Umiejętność przyjmowania geometrii wysokiego rzędu z dużą ilością szczegółów i uproszczenia jej w celu uzyskania grubszej mapy szczegółów, bez upuszczania ważnych funkcji, jest cholernie trudna. Na przykład łańcuch małych jezior widocznych w skali 1:50 000 nie powinien być wcale pokazywany w skali 1: 500 000, ale ciek, który je łączy, powinien pozostać widoczny i ciągły.

Automatyczne geokodowanie.

O ile mi wiadomo, MetaCarta jest jedyną firmą, która mówi lub zapewnia usługę, która próbuje automatycznie georeferencyjnie dowolny dokument na podstawie jego zawartości. Na przykład wie, że Tom Sawyer Marka Twaina mieszka nad rzeką Missisipi. To bogate pole i jest dużo miejsca dla większej liczby graczy i implementacji.

Analiza dużych danych przestrzennych przy użyciu oprogramowania typu open source do przetwarzania rozproszonego, takiego jak Hadoop .

Istnieje ogromny potencjał przetwarzania ogromnych zbiorów danych, takich jak dane Lidar o dużej gęstości w rozproszonym środowisku komputerowym. Berkeley Open Infrastructure for Network Computing (BOINC) jest obecnie platformą typu open source do przetwarzania rozproszonego. ESRI już weszło na arenę, tworząc Big Data Spatial Analytics dla Hadoop Framework .

Implikowana lub sugerowana topologia.

czy nie byłoby wspaniale, gdyby komputer zauważył, że geometrie warstw X, Y i Z były do ​​siebie bardzo podobne, prawie zawsze podążały za tymi samymi trendami, i oferował ich połączenie / scalenie lub utrzymanie innych w ścisłym kontakcie jest zmieniony?

Wykorzystanie robotyki do gromadzenia danych przestrzennych nie wydaje się być popularne - ale myślę, że tak powinno być.

Oceany pokrywają większość ziemi. Mapowanie ich będzie wymagało robotów.

XPrize.org oferuje nagrodę w wysokości 7 milionów dolarów .

Ludzka percepcja i poznanie jest ograniczone, a granice te stają się coraz bardziej problematyczne, ponieważ ilość i różnorodność informacji wciąż eksploduje ilością i złożonością. W jaki sposób można wykorzystać narzędzia przestrzeni, lokalizacji i reprezentacji, aby przekształcić tę kakofonię danych w części zrozumiałe i możliwe do wykonania dla ludzkiego umysłu?

Równoległe przetwarzanie GIS było gorące 12 lat temu, ale wydaje się, że powoli zanikało. (Link do „GIS Parallel Architectures Lab” na tej stronie jest zepsuty, zastanawiam się, czy laboratorium nadal istnieje). Przy tak dużym zainteresowaniu wielordzeniowym i chmurowym wydaje się, że powinno być również rosnące zainteresowanie równoległym geoprzetwarzaniem.

Wiele osób twierdzi, że najlepszym sposobem na przejście równoległe jest programowanie funkcjonalne . To może być dobry obszar, ale wydaje się, że cierpi z powodu tego samego piętna akademickiego, którego Sztuczna Inteligencja nigdy nie była w stanie zrzucić.