Area penelitian utama saat ini sedang dikembangkan untuk Ilmu Informasi Geografis?

Apa bidang utama dalam penelitian dan pengembangan aktif untuk Ilmu Informasi Geografis (SIG) yaitu bidang apa yang perlu litbang lebih lanjut?

Beberapa "topik hangat" untuk GISc dapat berupa pemodelan, simulasi, representasi temporal.

Saya menganggap topik terbuka dan berkelanjutan ini dalam GIScience:

• implikasi dari konten yang dibuat pengguna (alias Sistem Informasi Geografis Sukarelawan)
• efek geografis di jejaring sosial
• analisis jaringan geografis
• pemodelan berbasis agen yang diaktifkan secara geografis
• struktur dan analisis spatio-temporal
• eksperimen cepat dan interaktif (alias geodesign)
• infrastruktur informasi spasial
• model data berbasis objek untuk data kontinu
• analisis geografis waktu nyata dan berulang
• menganalisis spheroid
• penyatuan dataset
• interaksi antara pencarian semantik dan geografis
• layanan pemetaan dan lokasi berbasis seluler
• persepsi manusia tentang pola geografis yang berkembang
• implikasi dan algoritma realitas campuran dan augmented

• mobile augmented reality
• penambangan data geografis
• pemantauan lingkungan informasi geografis secara sukarela
• jaringan sensor realtime

Otomatis, namun sesuai, generalisasi.

Mampu mengambil geometri tingkat tinggi dengan banyak detail dan menyederhanakannya untuk peta detail yang lebih kasar, tanpa menjatuhkan fitur-fitur penting, sangat sulit. Misalnya rantai danau kecil terlihat pada 1: 50.000 tidak boleh ditampilkan sama sekali pada 1: 500.000, namun jalur air yang menghubungkan mereka harus tetap terlihat, dan berkelanjutan.

Geocoding otomatis.

Sejauh yang saya tahu, MetaCarta adalah satu-satunya perusahaan bicarakan atau menyediakan layanan yang upaya untuk secara otomatis diproses georeference setiap dokumen berdasarkan konten itu. Misalnya ia tahu Mark Sawain Tom Sawyer tinggal di sepanjang Sungai Mississippi. Ini adalah bidang yang kaya dan ada banyak ruang untuk lebih banyak pemain dan implementasi.

Analisis data spasial besar menggunakan perangkat lunak sumber terbuka untuk komputasi terdistribusi seperti Hadoop .

Ada potensi besar untuk memproses dataset besar seperti data Lidar kepadatan tinggi dalam lingkungan komputasi terdistribusi. Infrastruktur Terbuka Berkeley untuk Komputasi Jaringan (BOINC) saat ini merupakan platform sumber terbuka untuk komputasi terdistribusi. ESRI telah memasuki arena dengan menciptakan Big Data Spatial Analytics untuk Kerangka Kerja Hadoop .

Topologi implisit atau yang disarankan.

bukankah akan luar biasa jika komputer memperhatikan bahwa geometri lapisan X, Y & Z sangat mirip satu sama lain, hampir selalu mengikuti tren yang sama, dan menawarkan untuk mengacaukan / menggabungkannya, atau membiarkan yang lain saling berhadapan ketika satu diubah?

Penggunaan robotika untuk pengumpulan data spasial sepertinya tidak panas - tapi saya pikir seharusnya begitu.

Lautan menutupi sebagian besar bumi. Pemetaan mereka akan membutuhkan robot.

Ada hadiah $ 7 juta yang ditawarkan oleh XPrize.org.

Persepsi dan kognisi manusia terbatas dan batasan-batasan itu menjadi semakin bermasalah karena volume dan variasi informasi terus meledak dalam jumlah dan kompleksitas. Bagaimana alat-alat ruang dan lokasi dan representasi dapat dimanfaatkan untuk mengubah hiruk-pikuk data menjadi potongan-potongan yang dapat dimengerti, dan dapat ditindaklanjuti, ke pikiran manusia?

Pemrosesan GIS paralel itu panas 12 tahun yang lalu, tetapi tampaknya perlahan memudar. (Tautan ke "Lab Arsitektur Paralel GIS" pada halaman ini rusak, saya bertanya-tanya apakah lab masih ada). Dengan begitu banyaknya minat pada multicore dan cloud, sepertinya harus ada minat yang tumbuh pada geoproses paralel juga.

Banyak orang mengatakan cara terbaik untuk menjadi paralel adalah melalui Pemrograman Fungsional . Itu mungkin area yang bagus, tetapi tampaknya mengalami stigma akademis yang sama dengan yang tidak pernah bisa ditumpahkan oleh Intelejen Buatan.