Principais áreas de pesquisa atualmente em desenvolvimento para Ciência da Informação Geográfica?

Quais são as principais áreas em pesquisa e desenvolvimento ativos para a Ciência da Informação Geográfica (GISc), isto é, quais áreas precisam de P&D adicional?

Alguns "tópicos importantes" para GISc podem ser modelagem, simulação, representação temporal.

Considero esses tópicos abertos e em andamento no GIScience:

• implicações do conteúdo gerado pelo usuário (também conhecido como Sistemas de Informações Geográficas Voluntárias)
• efeitos geográficos nas redes sociais
• análise de rede geográfica
• modelagem baseada em agente habilitada geograficamente
• estruturas e análises espaço-temporais
• experimentação rápida e interativa (aka design geográfico)
• infraestrutura de informação espacial
• modelos de dados baseados em objetos para dados contínuos
• análise geográfica iterativa e em tempo real
• análises no esferóide
• fusão de conjuntos de dados
• interação entre pesquisa semântica e geográfica
• serviços móveis de mapeamento e localização
• percepção humana dos padrões geográficos em evolução
• implicações e algoritmos da realidade mista e aumentada

• realidade aumentada móvel
• mineração de dados geográficos
• Monitoramento ambiental voluntário de informações geográficas
• redes de sensores em tempo real

Generalização automática, mas apropriada.

Ser capaz de pegar geometria de alta ordem com muitos detalhes e simplificá-la para um mapa de detalhes mais grosso, sem descartar recursos importantes, é extremamente difícil. Por exemplo, uma cadeia de pequenos lagos visíveis em 1: 50.000 não deve ser mostrada em 1: 500.000, mas o curso de água que os liga deve permanecer visível e contínuo.

Geocodificação automática.

Até onde eu sei, a MetaCarta é a única empresa que fala ou fornece um serviço que tenta georreferenciar automaticamente qualquer documento com base em seu conteúdo. Por exemplo, ele sabe que Tom Sawyer, de Mark Twain, vive ao longo do rio Mississippi. Este é um campo rico e há muito espaço para mais jogadores e implementações.

Análise de grandes dados espaciais usando software de código aberto para computação distribuída, como o Hadoop .

Existe um enorme potencial para processar conjuntos de dados massivos, como dados Lidar de alta densidade, em um ambiente de computação distribuído. Infra-estrutura aberta de Berkeley para computação em rede (BOINC) é atualmente uma plataforma de código aberto para computação distribuída. A ESRI já entrou na arena criando o Big Data Spatial Analytics para o Hadoop Framework .

Topologia implícita ou sugerida.

não seria maravilhoso se o computador notasse que as geometrias das camadas X, Y e Z eram muito semelhantes umas às outras, quase sempre seguindo as mesmas tendências, e se ofereceu para fundi-las / mesclá-las ou manter as outras em sigilo quando um Mudou?

O uso da robótica para a coleta de dados espaciais não parece quente, mas acho que deveria ser.

Os oceanos cobrem a maior parte da terra. Mapear eles exigirá robôs.

Há um prêmio de US $ 7 milhões sendo oferecido pelo XPrize.org.

A percepção e cognição humanas são limitadas e esses limites estão se tornando cada vez mais problemáticos à medida que o volume e a variedade de informações continuam a explodir em quantidade e complexidade. Como as ferramentas de espaço, localização e representação podem ser aproveitadas para transformar essa cacofonia de dados em pedaços compreensíveis e acionáveis ​​para a mente humana?

O processamento paralelo de GIS estava quente há 12 anos, mas parece ter desaparecido lentamente. (O link para o "Laboratório de arquiteturas paralelas GIS" em nesta página está quebrado, pergunto-me se o laboratório ainda existe). Com tanto interesse em multicore e nuvem, parece que também deve haver um interesse crescente em geoprocessamento paralelo.

Muitas pessoas dizem que o melhor caminho a seguir é através da Programação Funcional . Essa pode ser uma boa área, mas parece sofrer o mesmo estigma acadêmico que a Inteligência Artificial nunca foi capaz de lançar.