地理资讯系统专论

How Artificial Intelligence, Robots Enhance Forest Sustainability in Finland       芬兰的森林覆盖了该国四分之三的景观。芬兰森林监测中心的林业专家想要使用机器人自主执行大多数森林维护任务。为此， 芬兰森林中心创建了一个网站，为森林所有者提供一个与林业专业人员联系的市场，以良好的进行私有森林的维护。     该网站的建立后，为了更好、更精准的服务，芬兰专家通过将GIS数据，图像源以及气候和天气数据集结合起来，可以对森林分布进行精确测量，并更好地预测森林资源，以便足不出户实现森林的资源的在线精准管理。 网页链接： https://www.esri.com/about/newsroom/blog/finland-enhances-forest-data-accuracy-for-automation/

        Winter Outlook: Warmer than average for many, wetter in the North         美国国家海洋大气管理局（national oceanic and atmospheric administration，NOAA）对美国冬季（2019年12月-2020年2月）的区域温度和湿度做了一个预测。指出：      阿拉斯加和夏威夷区域比去年更加温暖，美国南部区域区域也相对暖和，均位于全国平均气温以上。但是在中北部地区，密西西比河和密歇根湖区域气温在平均气温附近浮动。      湿度方面，几乎都不低于平均值。除了中南部和加州南部区域。 网页链接： https://www.noaa.gov/media-release/winter-outlook-warmer-than-average-for-many-wetter-in-north

（一）区域坡度图： （二）剖面（5m一个点计算、感觉可以先插值做平滑曲线计算，单位水平：m，坡度：° 高程：m）。做了两张图，第一张为高程图，第二张为坡度图。地形图中存在奇异点，毕竟地形好像没那么高。 （三） 每500米截点，大概243个点（感觉不是很准确）。先buffer在统计平均，再与公路线相交出得出每500米一点的平均坡度。 网页：       美国国土安全部网站提供国家洪水灾害层（NFHL）的地理空间数据库，其中包含当前的有效洪水灾害数据。 FEMA提供洪水灾害数据以支持国家洪水保险计划。 可以通过这些信息更好地了解洪水风险等级和洪水类型。 链接： https://www.fema.gov/national-flood-hazard-layer-nfhl 感谢盈萱给的地形整理图以及伯钧、亮铧的帮忙。

网页心得： Why AI for GIS Is still under the radar 为何基于AI的GIS技术仍然停留在雷达影像之下？        计算机和图像识别技术的发展，使得GIS的应用越来越广泛。一方面，许多人在思考如何将GIS和AI结合用于污染治理和防止灾害的进一步扩大。另一方面，如何结合IOT技术实现实时在线控制也是未来应用前景之一。GIS和AI的结合在未来有着巨大的机遇，但是目前仍然存在着许多必须面对的问题，如基础设施建设、经济、数据结构分析、与人相关的障碍等。       以数据结构分析方面为例说明GIS面临的挑战。虽然OCR的出现使得数据读取、解释变得更加容易，但是仍然需要人工超级视角的监督确保结果准确无误。为了智能化，GIS需要一个庞大的原始数据库进行不断地学习。但是特别对于灾害天气等情况，目前世界上还无法提供足够多的原始数据确保GIS学习的智能化。另外，数据的多样性也为GIS技术带来了不少的难题。最容易忽略的一点是，GIS大部分的图像源都是基于英语进行识别的，对于非英语国家而言带来了不少的麻烦，使得世界范围的全面数据收集更加困难。        展望未来，GIS最难克服的障碍仍是可靠的数据库建设。这是一个长期的过程，这是一个需要全世界合作的过程，这是一个跨越时空的巨大挑战。 （图片来源： https://blog.mapillary.com/update/2018/03/09/ai-and-gis.html ） 原文链接： https://www.geospatialworld.net/blogs/why-ai-for-gis-is-still-under-the-radar/

（抱歉，雷达数据处理雨量的暂时没做出来，后续补上。再次表示抱歉。） 主题一：雨量插值图    （20:00时刻） 雨量历线绘制如下：（为每个小时段的汇入雨量，非累积雨量。）数据由kriging插值得来。 （3）做了一张各个雨量站点雨量随时间变化的动态图。数值比较接近，所以区别不明显。 （4）雷達數據處理 主题二：网页心得 Integrating Deep Learning with GIS     文章主要涉及人工智能的一些应用。未来关于GIS如何与人工智能进行结合。机器学习、深度学习的风险与挑战，利用gis进行城市区域影响的智能处理等方面的一些介绍。 网页链接： medium.com/geoai/integrating-deep-learning-with-gis-70e7c5aa9dfe                                                                                       蔡清池  於台北科技大学                                                                          ...

       Can GIS make AI smarter?       随着技术的成熟，如何有效运用技术去预测“未来”的可能成为一种趋势，文章讨论了GIS在 artificial intelligence 方面的结合，探讨GIS大数据的机器学习能否跨越数十年来的传统分析瓶颈。 网页链接： https://www.lynker-analytics.com/theblog/2019/7/10/can-gis-make-ai-smarter