信息化时代的地图学

首先简要论述了信息化时代地图学作为科学与技术的含义和任务 ,然后从地图学着重点的转移、地图学功能的扩展与延伸、地图学的新的生长点和地图制图生产的自动化等四个方面 ,分析了信息化时代地图学的特征。     

论地图学的属性和地图的价值

地图学和地图对测绘学和地理学来说都是十分重要的。不同历史时期的专家学者们对地图学的属性和地图的价值有不同的认识。本文从科学、技术、工程3个方面讨论了地图学的基本属性,总结了地图的科学价值、社会价值、法理价值和军事价值,对深刻理解地图学的基本属性和地图的价值,推动地图学和地图的健康、持续发展具有参考意义。     

论ICT时代的地图学复兴

在ICT技术推动下,地图学的发展迎来空前的挑战,本文针对当前地图学的发展面临的问题和转变,深入分析传统地图学的限制——物理空间的传统约束,面向现代地图的形式松散化,从现实与虚拟、外表与内里、纸质与电子等8个方面论述现代地图学信息空间的数字自由,并针对数字时代和大数据的发展机遇和需求,拓展地图学框架,同化新兴元素,推动地图学复兴。     

地图可视化现代地图学的热点

近年来，可视化(或称科学可视化)正受到越来越多的重视。其原因在于，视觉思维在社会生产生活各个领域中所发挥的作用越来越大。研究表明，人从外界环境获取信息的60％以上都是通过视觉得到的。1999年8月，在加拿大渥太华召开的国际地图学(ICA)会议上，对地图可视化的热烈讨论成为这次会议的一个重要特点，在所提交的论文中，有近20％的论文与地图可视化有关。     

大变化时代的地图学EI北大核心CSCD

当前,地图学同其他科学(如地理学)一样处在一个大变革时代。在地图学不断进步的同时,也出现了各种各样的“思潮”或“观点”,地图学是否被边缘化了?地图学应该向何处去?这是测绘地理信息学界和业界都十分关心的问题。本文首先简要梳理了地图学发展的历史进程,回顾了地图学史上的三次崛起,不忘过去才能继往开来,回顾地图学的历史是为了让地图学更好地走向未来;其次,从地图学学科体系、地图设计的新理念新思维和新方法、智能地图制图综合及多尺度级联更新、地图的社会影响力、地图学发展的不竭动力等方面,分析了当代地图学的发展成就;然后,强调了地图哲学思维对地图学创新发展的引领作用,侧重分析了人工智能推动地图学发展、时空大数据可视化及可视化设计的研究重点等;最后,分析认为,地图学必将沿着高度分化和高度综合的整体化方向快速发展,地图学再度崛起是时代之大势。     

时空大数据时代的地图学

地图学研究的主战场是"地图",但不同历史时期的地图其信息源、主题、内容、载体、形式、制作方法和应用方式是不同的,当然它的全方位价值也就不同了。从科学史上的科学范式的变化来看,随着大数据时代的到来,如今已经步入"数据密集型"科学范式时代,地图学亦如此,具有明显的大数据科学的特征。所有大数据都是由包括人类活动在内的地理世界的任何事物和任何现象运动变化产生的,都具有空间和时间特性,当然也就离不开空间参照和时间参照。因此,大数据本质上就是时空大数据。自20世纪50年代末60年代初以来的现代地图学,即信息化时代的地图学,是以时空数据为对象的,其核心是时空数据处理与表达,但并没有像今天面对天空地海一体的大规模多源(元)异构和多维动态的数据流(或流数据),地图的实时动态性、主题针对性、内容复合性、载体多样化、表现形式个性化、制作方法现代化、应用泛在化等特征,是以往任何时期都无法比拟的,这就产生了地图学理论、技术和应用体系的巨大变化。而所有这些变化都正好发生在20世纪50年代末和60年代初以来的约60年间,故以本文纪念《测绘学报》创刊60周年。     

大数据智能时代地图学课程内容改革探索

为了适应当前智能时代大数据的特点和地图应用的发展,本文结合当前地图学课程内容设置现状,分析在大数据时代地图学教学的特点,多源地理信息的参考体系差异、多维度地理信息高效可视化、多尺度表达的灵性化、地图用户需求的多样化等对地图学教学提出的新要求,在此基础上,结合地图学课程教学的理论与实践目标,提出在地图数学基础、地图可视化...     

中国地图学发展的回顾与展望

本文分3部分:第1部分是中国古代和近代地图学发展历史的简要回顾,阐明中国是世界上地图出现最早的国家之一,在世界地图学发展史上占有重要地位,对世界地图学的发展作出过重要贡献,直至15世纪的中国明代,中国地图和地图学始终领先于西方国家,只是清代以后,才落后于西方发达国家;第2部分阐述新中国成立后中国地图事业和地图学飞速发展,在全国地形图的测绘与编制、专题地图与地图集编制、遥感制图、计算机制图、多媒体电子地图、移动通信地图、互联网地图、地图学理论研究等方面取得了巨大成就,赶上了世界先进水平;第3部分提出新世纪中国地图与地图学方向与任务的调整,分析了大数据、互联网和人工智能时代地图学的机遇、挑战与展望。大数据通过三维动态地图可视化,能够显示事物和现象的空间格局与区域分异及时空动态变化,进而作出分析评价、预测预报、区划布局、规划设计、管理调控。因此地图学在大数据时代能够发挥重要作用。今后互联网将成为地图编制与应用的主要平台,地图会更加大众化、个性化、智能化与实用化。     

地图视觉化——现代地图学的核心

地衅视沈化是目前地理信息系统（GIS）和现代地图学的研究热点，作者对地衅视学化进行了初步的研究，指出地图视觉化是为视觉思维而进行的图形表示过程，它的特点集中体现在动态性、交互探究性和超媒体结构。文章着重分析了地图社同觉化的上述三个御吸三个基本的技术层次。最后作者认为建立地图视觉化的理论框架，开发相应的地图视觉化工具是目前这一领域的紧迫课题。     

数字技术对地图制图的影响

随着计算机技术在地图制图学科中应用的不断深入,地图学的理论、地图的生产方式都在发生变 化,整个测绘行业正经历着一场技术性的革命。新的作业方式和技术要求已取代传统手工地图生产流程。     

地图科学技术:由数字化到智能化

首先论述了地图学家和地图制图工程师们是怎样通过数据、大数据、时空大数据来改变自己的思维方式和工作方式, 并由此推动地图科学进入以“数据密集型计算”为特征的“第四科学范式”新时代;接着, 通过国家基础测绘地图产品（4D）数字化转型成果的功能和作用及其特性（一览性、解析性、知识性、基础性、表示内容的广泛性、表示对象的外拓性和时序性等）分析、非国家基础测绘地图产品的多样化和个性化进展、地图集“设计→编绘→出版”一体化数字化转型及2021年出版的有代表性地图集的介绍和特色分析, 认为地图（集）“设计→编绘→出版”全过程数字化转型取得了标志性成果;第三, 以地图制图综合“百年国际难题”的智能化突破、地图（集）“设计→编绘→出版”全过程由数字化到智能化的优化升级的深化研究为例, 总结了人工智能时代地图制图综合研究四个演进过程、难点和关键技术的突破, 深入分析了地图（集）“设计→编绘→生产”全过程由数字化到智能化的研究现状和需要进一步研究的问题。     

Re-Freshing Cartography

Abstract

This paper presents the cartographic elements of a system for classifying and visualizing high-dimensional geographic datasets. The system has been developed as part of the Land Ocean Interactions in the Coastal Zone (LOICZ) project. The goal of the system is to develop regional and global typologies of coastal zones using large multi-variable datasets. Our implementation bring together statistical clustering algorithms with visualization capabilities to allow easy analysis and comprehension of the result. The two main tasks of the visualization are to allow for discrimination of multiple classes and to show relationships between those classes. These are accomplished in two different visual presentations. In both cases, the system selects colors appropriate to the purpose. In the latter case — showing relationships — the system uses a novel iterative refinement algorithm to select the colors. The result show that the system is successful at both generation the classes and visualizing the relationships between them.     

Instructions for Contributors to Cartography and Geographic Information Science

A number of areal interpolation methods have been developed to estimate population for overlapping, discontinuous, or fragmented areas. Previous studies examined the relative accuracy of various methods; this research advances those endeavors by comparing the effectiveness of seven different methods using a national random sample of census block groups and blocks. As the results show, the areal interpolation methods produce good population estimates for nested census blocks except in areas of heterogeneous land use or unusual contexts. In addition, estimation conducted in areas with small populations or low population density was vulnerable to high percentage error. Amongst the different methods, road network allocation and statistical regression (with area and roads as predictors) produced the best population estimates for the sample blocks.