地理资讯系统专论

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