Suite

Principaux domaines de recherche actuellement en développement pour la science de l'information géographique ?


Quels sont les principaux domaines de recherche et de développement actifs pour la science de l'information géographique (GISc), c'est-à-dire quels domaines nécessitent davantage de R&D ?

Certains "sujets chauds" pour GISc peuvent être la modélisation, la simulation, la représentation temporelle.


Je considère ces sujets ouverts et en cours dans GIScience :

  • implications du contenu généré par les utilisateurs (aka Systèmes d'information géographique volontaires)
  • effets géographiques sur les réseaux sociaux
  • analyse du réseau géographique
  • modélisation géographique basée sur des agents
  • structures et analyses spatio-temporelles
  • expérimentation rapide et interactive (alias géoconception)
  • infrastructure d'information spatiale
  • modèles de données basés sur des objets pour les données continues
  • analyse géographique en temps réel et itérative
  • analyses sur le sphéroïde
  • fusion d'ensembles de données
  • interaction entre recherche sémantique et recherche géographique
  • services de cartographie mobile et de localisation
  • perception humaine de l'évolution des modèles géographiques
  • implications et algorithmes de réalité mixte et augmentée

  • réalité augmentée mobile
  • exploration de données géographiques
  • information géographique volontaire surveillance environnementale
  • réseaux de capteurs en temps réel

Généralisation automatique mais appropriée.

Être capable de prendre une géométrie d'ordre élevé avec beaucoup de détails et de la simplifier pour une carte de détail plus grossière, sans laisser tomber des caractéristiques importantes, est sacrément difficile. Par exemple, une chaîne de petits lacs visible au 1:50 000 ne devrait pas être montrée du tout au 1: 500 000, mais le cours d'eau qui les relie devrait rester visible et continu.


Géocodage automatique.

Autant que je sache, MetaCarta est la seule entreprise à parler ou à fournir un service qui tente de géoréférencer automatiquement tout document basé sur son contenu. Par exemple, il sait que Tom Sawyer de Mark Twain vit le long du fleuve Mississippi. C'est un domaine riche et il y a beaucoup de place pour plus de joueurs et d'implémentations.


Analyse de données volumineuses à l'aide de logiciels open source pour l'informatique distribuée tels que Hadoop.

Il existe un potentiel énorme pour le traitement d'ensembles de données volumineux comme les données Lidar haute densité dans un environnement informatique distribué. Berkeley Open Infrastructure for Network Computing (BOINC) est actuellement une plate-forme open source pour l'informatique distribuée. ESRI est déjà entré dans l'arène en créant Big Data Spatial Analytics pour Hadoop Framework.


Topologie implicite ou suggérée.

ne serait-il pas merveilleux si l'ordinateur remarquait que les géométries des couches X, Y et Z étaient très similaires les unes aux autres, suivant presque toujours les mêmes tendances, et proposait de les amalgamer/fusionner, ou de garder les autres au même niveau lorsqu'un est changé?


L'utilisation de la robotique pour la collecte de données spatiales ne semble pas être chaude - mais je pense qu'elle devrait l'être.

Les océans couvrent la majeure partie de la terre. Les cartographier nécessitera des robots.

Il y a un prix de 7 millions de dollars offert par XPrize.org.


La perception et la cognition humaines sont limitées et ces limites deviennent de plus en plus problématiques à mesure que le volume et la variété des informations continuent d'exploser en quantité et en complexité. Comment les outils de l'espace, de la localisation et de la représentation peuvent-ils être exploités pour transformer cette cacophonie de données en éléments compréhensibles et exploitables pour l'esprit humain ?


Le traitement parallèle des SIG était chaud il y a 12 ans, mais semble s'être lentement estompé. (Le lien vers le "GIS Parallel Architectures Lab" sur cette page est cassé, je me demande si le lab existe toujours). Avec autant d'intérêt pour le multicœur et le cloud, il semble qu'il devrait y avoir un intérêt croissant pour le géotraitement parallèle également.

Beaucoup de gens disent que la meilleure façon d'aller en parallèle est via la programmation fonctionnelle. C'est peut-être un bon domaine, mais il semble souffrir du même stigmate académique que l'intelligence artificielle n'a jamais pu se débarrasser.


Voir la vidéo: What is Library u0026 Information Science? (Octobre 2021).