พื้นที่การวิจัยหลักในปัจจุบันภายใต้การพัฒนาสำหรับวิทยาศาสตร์สารสนเทศภูมิศาสตร์?

พื้นที่หลักที่อยู่ภายใต้การวิจัยและพัฒนาอย่างแข็งขันสำหรับวิทยาการสารสนเทศภูมิศาสตร์ (GISc) คือพื้นที่ใดที่จำเป็นต้องมีการวิจัยและพัฒนาเพิ่มเติม

"ประเด็นร้อน" สำหรับ GISc บางอย่างอาจเป็นการสร้างแบบจำลองการจำลองการแสดงชั่วคราว

ฉันพิจารณาหัวข้อที่เปิดกว้างและต่อเนื่องเหล่านี้ใน GIScience:

• ความหมายของเนื้อหาที่ผู้ใช้สร้างขึ้น (aka ระบบข้อมูลภูมิศาสตร์อาสาสมัคร)
• ผลกระทบทางภูมิศาสตร์บนเครือข่ายสังคม
• การวิเคราะห์เครือข่ายทางภูมิศาสตร์
• การสร้างแบบจำลองตามเอเจนต์ที่เปิดใช้งานตามภูมิศาสตร์
• โครงสร้างและการวิเคราะห์เชิงพื้นที่
• การทดลองเชิงโต้ตอบอย่างรวดเร็ว (aka geodesign)
• โครงสร้างข้อมูลสารสนเทศเชิงพื้นที่
• โมเดลข้อมูลเชิงวัตถุสำหรับข้อมูลต่อเนื่อง
• เรียลไทม์และการวิเคราะห์ทางภูมิศาสตร์ซ้ำ
• วิเคราะห์ในรูปทรงกลม
• ชุดข้อมูล conflation
• ปฏิสัมพันธ์ระหว่างการค้นหาความหมายและทางภูมิศาสตร์
• บริการแผนที่มือถือและบริการบอกตำแหน่ง
• การรับรู้ของมนุษย์ในการพัฒนารูปแบบทางภูมิศาสตร์
• ความหมายและอัลกอริธึมของความเป็นจริงแบบผสมและเติม

• เติมความเป็นจริงมือถือ
• การขุดข้อมูลเชิงภูมิศาสตร์
• อาสาสมัครติดตามข้อมูลด้านสิ่งแวดล้อมทางภูมิศาสตร์
• เครือข่ายเซ็นเซอร์เรียลไทม์

การวางนัยโดยอัตโนมัติ แต่เหมาะสม

ความสามารถในการใช้รูปทรงเรขาคณิตที่มีรายละเอียดจำนวนมากและทำให้มันง่ายขึ้นสำหรับแผนที่รายละเอียดที่หยาบกว่าโดยไม่ทำให้คุณสมบัติที่สำคัญตกอยู่ในความยากลำบาก ตัวอย่างเช่นห่วงโซ่ของทะเลสาบขนาดเล็กที่มองเห็นได้ที่ 1: 50,000 ไม่ควรแสดงที่ 1: 500,000 แต่สายน้ำที่เชื่อมต่อพวกเขาควรมองเห็นได้และต่อเนื่อง

การเข้ารหัสภูมิศาสตร์อัตโนมัติ

เท่าที่ฉันทราบMetaCartaเป็น บริษัท เดียวที่พูดถึงหรือให้บริการซึ่งพยายามตรวจสอบเอกสารใด ๆตามเนื้อหาโดยอัตโนมัติ ตัวอย่างเช่นรู้ว่าทอมซอว์เยอร์ของมาร์คทเวนอาศัยอยู่ตามแม่น้ำมิสซิสซิปปี นี่เป็นสนามที่สมบูรณ์และมีพื้นที่มากมายสำหรับผู้เล่นและการใช้งานมากขึ้น

บิ๊กการวิเคราะห์ข้อมูลเชิงพื้นที่โดยใช้ซอฟต์แวร์โอเพนซอร์สสำหรับการกระจายการคำนวณเช่นHadoop

มีความเป็นไปได้สูงสำหรับการประมวลผลชุดข้อมูลขนาดใหญ่เช่นข้อมูล Lidar ที่มีความหนาแน่นสูงในสภาพแวดล้อมการคำนวณแบบกระจาย Berkeley Open Infrastructure สำหรับ Network Computing (BOINC)ปัจจุบันเป็นแพลตฟอร์มโอเพ่นซอร์สสำหรับการคำนวณแบบกระจาย ESRI ได้เข้าแล้วเวทีโดยการสร้างข้อมูลขนาดใหญ่เชิงพื้นที่ Analytics สำหรับ Hadoop กรอบ

โทโพโลยีโดยนัยหรือข้อเสนอแนะ

มันจะไม่ยอดเยี่ยมหรอกถ้าคอมพิวเตอร์สังเกตว่ารูปทรงของเลเยอร์ X, Y & Z นั้นมีลักษณะคล้ายกันมากและมักจะติดตามแนวโน้มเดียวกันเสมอและเสนอที่จะรวม / รวมเข้าด้วยกันหรือทำให้คนอื่นอยู่ในที่เดียว มีการเปลี่ยนแปลงอย่างไร

การใช้หุ่นยนต์สำหรับการรวบรวมข้อมูลเชิงพื้นที่ดูเหมือนจะไม่ร้อน แต่ฉันคิดว่ามันควรจะเป็น

มหาสมุทรครอบคลุมพื้นที่ส่วนใหญ่ของโลก การทำแผนที่จะต้องมีหุ่นยนต์

มีความเป็น$ 7 ล้านบาทรางวัลที่ถูกนำเสนอโดย XPrize.org

การรับรู้และการรับรู้ของมนุษย์มี จำกัด และข้อ จำกัด เหล่านี้มีปัญหาเพิ่มมากขึ้นเนื่องจากปริมาณและความหลากหลายของข้อมูลยังคงระเบิดในปริมาณและความซับซ้อน เครื่องมือของพื้นที่และที่ตั้งและการเป็นตัวแทนสามารถใช้ประโยชน์เพื่อแปลงเสียงขรมของข้อมูลนี้เป็นชิ้น ๆ ที่เข้าใจได้และสามารถนำไปใช้กับจิตใจมนุษย์ได้อย่างไร

การประมวลผลแบบขนานของ GIS นั้นร้อนเมื่อ 12 ปีที่แล้ว แต่ดูเหมือนว่าจะค่อยๆจางลง (ลิงก์ไปยัง "GIS Parallel Architectures Lab" ในหน้านี้ใช้งานไม่ได้ฉันสงสัยว่าห้องทดลองนั้นยังมีอยู่) ด้วยความสนใจอย่างมากในมัลติคอร์และคลาวด์ดูเหมือนว่าควรมีความสนใจเพิ่มขึ้นในกระบวนการทางภูมิศาสตร์แบบคู่ขนานเช่นกัน

ผู้คนจำนวนมากบอกว่าวิธีที่ดีที่สุดที่จะไปขนานผ่านหน้าที่ Programming นั่นอาจเป็นพื้นที่ที่ดี แต่ดูเหมือนว่าจะได้รับความอัปยศทางวิชาการแบบเดียวกับที่ปัญญาประดิษฐ์ไม่สามารถหลั่งไหลได้