地理大数据为地理复杂性研究提供新机遇
Geographic big-data: A new opportunity for geography complexity study
查看参考文献42篇
|
文摘
|
大数据之风自2010年席卷全球,已在科学、工程和社会等领域产生深远影响。本文首先从地理大数据、第四范式以及非线性复杂地理系统3组基本概念出发,剖析上述3组概念之间的科学联系与相互支撑作用,提出大数据和第四范式为地理复杂性研究提供新机遇。其后,探讨如何利用大数据和复杂性科学的理论方法开展地理复杂性研究。基于地理大数据,可以通过统计物理学的系列指标描述现实地理世界的复杂非线性特征,同时,还可利用深度学习、复杂网络、多智能体等方法,实现复杂非线性地理系统的推演和模拟。上述方法对认知地理现象和过程的复杂性,对复杂地理系统的分析、模拟、反演与预测有重要作用。最后,提出地理大数据和复杂性科学相互支撑可能成为21世纪地理学的主流科学方法。 |
|
其他语种文摘
|
Since 2010,big data has played a significant role in various fields of science, engineering and society. The paper introduces the concepts of geographic big- data, the fourth paradigm and nonlinear complex geographic system, and discusses interactive relationships of these concepts. It is proposed that geographic big-data and the fourth paradigm would become a new opportunity to research on geography complexity. Then the paper discusses how to use the methods of geographic big-data and complexity science to examine geography complexity. For example, based on big- data, a series of indicators of statistical physics fields could be constructed to describe the complex nonlinear characteristics of the real geographic world. Deep learning, complex network and multi-agent methods can be used to model and simulate the complex nonlinear geographic systems. These methods are important for a better understanding of the complexity of geographic phenomena and processes, as well as the analysis, simulation, inversion and prediction of complex geographic systems. Finally, the paper highlights that the combination of geographic big-data and complexity science would be the mainstream scientific method of geography in the 21st century. |
|
来源
|
地理学报
,2018,73(8):1397-1406 【核心库】
|
|
DOI
|
10.11821/dlxb201808001
|
|
关键词
|
地理大数据
;
第四范式
;
非线性
;
地理复杂性
|
|
地址
|
1.
北京师范大学, 地表过程与资源生态国家重点实验室, 北京, 100875
2.
北京师范大学, 环境演变与自然灾害教育部重点实验室, 北京, 100875
3.
北京师范大学地理科学学部, 北京, 100875
|
|
语种
|
中文 |
|
文献类型
|
研究性论文 |
|
ISSN
|
0375-5444 |
|
基金
|
国家自然科学基金项目
;
北京师范大学人才启动项目
|
|
文献收藏号
|
CSCD:6291244
|
参考文献 共
42
共3页
|
|
1.
Wang J F. A review of spatial sampling.
Spatial Statistics,2012,2(1):1-14
|
CSCD被引
16
次
|
|
|
|
|
2.
吴志峰. 地理学碰上“大数据”:热反应与冷思考.
地理研究,2015,34(12):2207-2221
|
CSCD被引
41
次
|
|
|
|
|
3.
钱学森. 一个科学新领域:开放的复杂系统及其方法论.
自然杂志,1990,13(1):3-10
|
CSCD被引
412
次
|
|
|
|
|
4.
杨国安. 人地系统复杂性思考.
科技导报,2002(3):58-60
|
CSCD被引
3
次
|
|
|
|
|
5.
李双成. 复杂性科学视角下的地理学研究范式转型.
地理学报,2010,65(11):1315-1324
|
CSCD被引
28
次
|
|
|
|
|
6.
李双成. 生态系统服务研究动态及地理学研究范式.
地理学报,2011,65(11):1619-1630
|
CSCD被引
1
次
|
|
|
|
|
7.
高江波. 土地利用/土地覆被变化研究范式的转变.
中国人口·资源与环境,2011,21(10):114-120
|
CSCD被引
6
次
|
|
|
|
|
8.
马振刚. 自然地理学的大数据研究.
地理与地理信息科学,2015,31(3):54-64
|
CSCD被引
4
次
|
|
|
|
|
9.
宋长青. 地理学研究范式的思考.
地理科学进展,2016,35(1):1-3
|
CSCD被引
52
次
|
|
|
|
|
10.
甄峰. 大数据时代的人文地理研究与应用实践.
人文地理,2014,29(3):1-6
|
CSCD被引
22
次
|
|
|
|
|
11.
Shen S. Spatial distribution patterns of global natural disasters based on biclustering.
Natural Hazards,2018,92(3):1809-1820
|
CSCD被引
9
次
|
|
|
|
|
12.
Hey T. The fourth paradigm: Data-intensive scientific discovery.
Microsoft Research,2009:8-10
|
CSCD被引
1
次
|
|
|
|
|
13.
Sullivan D. Spatial Simulation: Exploring Pattern and Process.
John Wiley & Sons,2013:213
|
CSCD被引
1
次
|
|
|
|
|
14.
Zimmermann R S. Observing spatio-temporal dynamics of excitable media using reservoir computing.
Chaos: An Interdisciplinary Journal of Nonlinear Science,2018,28(4):043118
|
CSCD被引
5
次
|
|
|
|
|
15.
Shen S. Visualized analysis of developing trends and hot topics in natural disaster research.
PloS One,2018,13(1):e0191250
|
CSCD被引
3
次
|
|
|
|
|
16.
周成虎.
地理元胞自动机研究,1999
|
CSCD被引
172
次
|
|
|
|
|
17.
唐璐(译).
复杂,2018:1,22-23
|
CSCD被引
1
次
|
|
|
|
|
18.
郭慧泉. 近年来美国地理学研究热点问题.
地理研究,2013,32(7):1375-1377
|
CSCD被引
6
次
|
|
|
|
|
19.
傅伯杰. 新时代自然地理学发展的思考.
地理科学进展,2018,37(1):1-7
|
CSCD被引
56
次
|
|
|
|
|
20.
宋长青. 新时代地理复杂性的内涵.
地理学报,2018,73(7):1189-1198
|
CSCD被引
6
次
|
|
|
|
|
了解气象卫星更多信息，请访问