地理信息产业转型升级的驱动力

当前，地理信息产业的发展面临着转型升级的严峻挑战，同时也迎来了大好的发展机遇。“互联网+”、大数据、云计算、人工智能等新兴信息技术的迅速发展为地理信息产业的转型升级提供了强有力的支撑。在这种情况下，人们要认真思考和探索地理信息产业转型升级的背景、目标、途径和方法、驱动力等一系列问题。针对地理信息产业转型升级的背景问题，从如何认识地理信息产业和大数据入手，提出大数据的时空观和时空大数据的理论；针对地理信息产业转型升级的目标问题，提出时空大数据平台理论和“通用时空大数据平台+”模式，通过军民融合实现时空大数据产业化，使之成为地理信息产业的转型升级版；针对地理信息产业转型升级的途径和方法问题，提出构建时空大数据平台的技术体制和技术方法，探讨从基础研究起步的时空大数据产业化之路，构建由硬件产品、软件产品、软硬件集成产品和各类（种）数据产品组成的时空大数据产品体系；针对地理信息产业转型升级的驱动力问题，探讨人工智能技术将成为地理信息产业转型升级的核心驱动力，并分析人工智能的算法、数据和计算能力三要素在时空大数据产业化中的作用及三者之间的关系。     

地理空间大数据建设面临的问题与对策

大数据背景下测绘地理信息的发展有了新的驱动力,本文通过分析地理空间大数据在互联网、产业和公共服务等应用范畴中已经出现的新情况与新问题,分析指出地理空间大数据需从改进测绘地理信息管理、加快地理空间大数据科技攻关、实现基于地理空间大数据为基础的信息化测绘体系建设和构建地理空间大数据服务模式等着力点加快发展。     

大数据时代下测绘地理信息产业的机遇和挑战

我们正在逐步进入大数据时代,大数据开启了一次重大的时代转型,必定会对各个领域中的生存和发展产生重大的影响。本文分析了大数据时代测绘地理信息产业呈现出的新特点、新趋势,阐述了大数据给测绘地理信息产业发展带来的机遇和面临的挑战,提出了推进测绘地理信息产业发展的对策及建议。     

大比例尺地理信息数据服务模式的研究

大比例尺地理信息数据由于详尽的数据内容和精准的位置信息,在城市经济社会发展中发挥着重要作用。然而由于传统的服务方式的限制,数据的使用效率并不高。地理空间框架数据结合GIS技术和网络技术,将大比例尺地理信息数据使用方式从线下转到线上,提高了数据使用效率。而本文提出的主动式地理信息服务模式是一种全新的地理信息服务模式,将大比例尺地理信息服务数据与用户业务数据深度融合,最大限度地满足用户的业务需求,将是地理信息服务模式未来的发展方向。     

地理国情大数据研究框架

地理国情监测作为大数据时代测绘地理信息领域一个新的、重要战略方向,其发展迫切需要顶层设计与新型技术的支撑,需要建立一种灵活、高效、低成本的大数据处理模式与服务方式。本文以地理国情监测与大数据研究相结合为切入点,阐述了地理国情大数据的分类及特点,提出了云计算环境下地理国情大数据研究架构,并从地理国情大数据存储、处理、挖掘、应用服务4个方面探讨了地理国情大数据云平台建设思路。本文将有助于地理国情监测的生产方式与服务模式变革,推动地理国情监测的广泛应用与产业化发展。     

大数据时代地理信息获取与服务方式的嬗变

地理信息是国家基础信息资源,其获取方式与服务方式与相关学科技术的发展水平相适应。研究地理信息获取和服务方式的发展变化过程和互联网大数据时代地理信息获取和服务的新方式,为地理信息发展和服务提供有益的参考。大数据时代,用户使用地理信息的行为会成为地理信息服务依赖的重要数据,可以从中分析获取大至人类群体活动规律、小至用户行为习惯偏好等信息。此外,在这个阶段,大众不仅是地理信息服务的使用者,同时也是地理信息的采集者、提供者。     

空间大数据在MongoDB中的存储探索

最近几年,IT技术,特别是云计算和大数据技术的发展,给传统的地理信息软件平台带来了很大变革.作为地理信息的核心技术之一,空间数据存储技术在地理信息软件平台中发挥着重要的作用,是实现高效的空间查询和空间分析的技术基础.面对数据量的爆发性增长、数据类型的增多等大数据问题,传统的关系型数据库很容易遇到存储瓶颈,存在诸如存储效率低、并发访问能力弱、横向扩展难等问题,这使得发展新的空间大数据存储技术势在必行.为解决传统关系型数据库在面对海量多源异构数据存储时遇到的上述问题,本文利用分布式存储NoSQL数据库进行了空间大数据存储和查询的技术探索,并通过一系列实验证明MongoDB数据库是一种有效的存储空间大数据的方法.     

基于地理空间大数据的应急指挥辅助决策平台研究

现代社会已经进入了产生和使用地理空间大数据的时代。大数据作为当前已经在许多领域得到成熟应用并强劲发展的方法和技术,为指挥员充分利用海量战场地理空间环境信息进行高效决策提供了有益参考。本文在对应急指挥决策与空间大数据主要特征进行梳理的基础上,结合应急指挥辅助决策的空间信息需求,分析了建设地理空间大数据支撑下的智能应急指挥辅助决策平台需要考虑的关键问题,设计了辅助决策平台的技术架构,为建立新的基于地理空间大数据应急辅助指挥平台提供了思路。     

面向大数据的空间信息决策支持服务研究与展望

本文分析了大数据并行处理、地理计算、数据挖掘分析、空间信息决策、地理信息服务等领域的技术发展和应用需求,通过在多源信息融合的组织机构空间分布格局分析、地理要素统计分析、互联网泛在地理信息挖掘分析等方面的理论探索与实践经验,对面向大数据的空间信息决策支持服务涉及的理论问题、关键技术、发展趋势等方面作了分析与展望。     

大数据时代的地理国情统计分析

统计分析是实现地理国情数据向地理国情信息转换的重要手段，可以从不同维度反映资源、环境、生态、经济等要素的内在空间特性及其相互作用。针对大数据统计分析面临的高效管理、高强度计算和深度服务需求，提出了地理国情大数据统计分析的技术框架，并从大数据存储与融合、统计计算关键技术、服务建模与应用3个维度探讨了地理国情统计分析的核心流程。该研究成果将有助于提升地理国情监测和统计分析在自然资源监管、生态保护修复等领域中的应用水平，推动测绘地理信息产业的转型升级。     

大数据视角下的地矿工作发展与变革研究

本文提出了地矿大数据应用需要考虑地球系统和社会系统两个方面的内部规律,分析了地矿大数据的三类组成,给出了地矿大数据的四层应用架构;重点就大数据下地矿工作发展和变革提出了四项建议,包括重视数据,转变地矿工作决策模式;收集数据,夯实地矿工作决策基础;分析数据,提高地矿工作科学决策水平;开放数据,提高地矿工作服务能力和水平。     

浅析昆明国土资源“大数据”建设

本文探讨昆明市国土资源数据管理部门应如何使用大数据技术来管理、利用数据,发掘数据之中的价值,为社会服务、政府决策提供支持。同时,探索如何部署大数据技术、建立技术机制和人才保障制度。     

Digital Earth: a new challenge and new vision

ABSTRACT

Digital Earth has seen great progress during the last 19 years. When it entered into the era of big data, Digital Earth developed into a new stage, namely one characterized by ‘Big Earth Data’, confronting new challenges and opportunities. In this paper we give an overview of the development of Digital Earth by summarizing research achievements and marking the milestones of Digital Earth’s development. Then, the opportunities and challenges that Big Earth Data faces are discussed. As a data-intensive scientific research approach, Big Earth Data provides a new vision and methodology to Earth sciences, and the paper identifies the advantages of Big Earth Data to scientific research, especially in knowledge discovery and global change research. We believe that Big Earth Data will advance and promote the development of Digital Earth.     

Geospatial web services pave new ways for server-based on-demand access and processing of Big Earth Data

ABSTRACT

Big Earth Data has experienced a considerable increase in volume in recent years due to improved sensing technologies and improvement of numerical-weather prediction models. The traditional geospatial data analysis workflow hinders the use of large volumes of geospatial data due to limited disc space and computing capacity. Geospatial web service technologies bring new opportunities to access large volumes of Big Earth Data via the Internet and to process them at server-side. Four practical examples are presented from the marine, climate, planetary and earth observation science communities to show how the standard interface Web Coverage Service and its processing extension can be integrated into the traditional geospatial data workflow. Web service technologies offer a time- and cost-effective way to access multi-dimensional data in a user-tailored format and allow for rapid application development or time-series extraction. Data transport is minimised and enhanced processing capabilities are offered. More research is required to investigate web service implementations in an operational mode and large data centres have to become more progressive towards the adoption of geo-data standard interfaces. At the same time, data users have to become aware of the advantages of web services and be trained how to benefit from them most.     

Research challenges and opportunities in mapping social media and Big Data

Social media and Big Data have transformed our world into interconnected cyberspace and realspace. Cartographers can now trace, monitor, and map the spread of social movements, disease outbreaks, nature hazards, and popular events by digitally collecting social media and Big Data with locational contents, such as global positioning system tags and user location profiles. The dynamic characteristics of social media and Big Data provide a great research opportunity for cartographers to map and analyze human behaviors, communications, and movements. However, there are many challenges and pitfalls in cartographic research associated with spatiotemporal analysis of social media contents and Big Data. This short paper will address important research challenges and major opportunities for cartographers to process and visualize Big Data and social media.     

基于GIS技术的重大危险源信息监控系统

对重大危险源信息监控系统建设中的数据库设计和相关功能的实现技术进行了详细探讨,并对系统在功能实现上的作用进行了介绍。     

Big Data Analytics for Earth Sciences: the EarthServer approach

Big Data Analytics is an emerging field since massive storage and computing capabilities have been made available by advanced e-infrastructures. Earth and Environmental sciences are likely to benefit from Big Data Analytics techniques supporting the processing of the large number of Earth Observation datasets currently acquired and generated through observations and simulations. However, Earth Science data and applications present specificities in terms of relevance of the geospatial information, wide heterogeneity of data models and formats, and complexity of processing. Therefore, Big Earth Data Analytics requires specifically tailored techniques and tools. The EarthServer Big Earth Data Analytics engine offers a solution for coverage-type datasets, built around a high performance array database technology, and the adoption and enhancement of standards for service interaction (OGC WCS and WCPS). The EarthServer solution, led by the collection of requirements from scientific communities and international initiatives, provides a holistic approach that ranges from query languages and scalability up to mobile access and visualization. The result is demonstrated and validated through the development of lighthouse applications in the Marine, Geology, Atmospheric, Planetary and Cryospheric science domains.     

政务地理空间大数据研究进展综述

近年来,地理空间大数据引起了产学研及政府部门的高度关注,甚至引发了许多变革。面向电子政务的地理空间大数据技术为政府信息管理和决策提供了新的手段。本文在阐述政务地理空间大数据的内涵及特点的基础上,重点梳理了政务地理空间大数据处理的关键技术,包括政务地理空间大数据整合、存储与管理、挖掘与分析、可视化以及决策支持服务技术,最后分析了当前和未来政务地理空间大数据所面临的机遇和挑战。     

Big spatial data for urban and environmental sustainability

ABSTRACT

Eighty percent of big data are associated with spatial information, and thus are Big Spatial Data (BSD). BSD provides new and great opportunities to rework problems in urban and environmental sustainability with advanced BSD analytics. To fully leverage the advantages of BSD, it is integrated with conventional data (e.g. remote sensing images) and improved methods are developed. This paper introduces four case studies: (1) Detection of polycentric urban structures; (2) Evaluation of urban vibrancy; (3) Estimation of population exposure to PM2.5; and (4) Urban land-use classification via deep learning. The results provide evidence that integrated methods can harness the advantages of both traditional data and BSD. Meanwhile, they can also improve the effectiveness of big data itself. Finally, this study makes three key recommendations for the development of BSD with regards to data fusion, data and predicting analytics, and theoretical modeling.