Geography, geospatial analysis and artificial intelligence: between traditional methods and new spatial paradigms

方法

文献综述，梳理AI与地理信息科学、地学大数据分析的关系。

发现

AI已深刻变革地理空间数据的处理、建模与解释方式。

机会点

可将AI地理空间范式引入农业遥感，探索大尺度时空数据下的作物监测新方法。

1986年——没错，就是1986年，并非笔误——地理信息科学（GIScience）先驱之一、城市与区域建模与规划、空间认知及信息社会地理学专家Helen Couclelis指出，人工智能（AI）与地理学在一个广泛的语境中相互关联，该语境涉及理论、认识论和科学方法等根本性问题。当时，人们探讨了AI尚鲜为人知的逻辑-数学语境，展示了其对一般建模、预测、理论结构解释，乃至我们对科学作为一种过程的理解所具有的重大意义。作者认为，“计算革命”（AI是其产物）的这些更为抽象的方面可能对地理研究产生深远影响（Couclelis, 1986）。此后，AI通过为分析、建模和解释地理空间数据提供先进方法，深刻改变了地理学。作为一门关注空间关系、地方、环境及人地交互的学科，地理学日益受益于能够处理大规模复杂时空数据集（如大数据）的AI方法，从而对地域动态和复杂地理现象产生新的洞见（Encalada-Abarca等，2023）。AI在地理空间数据处理方面做出了重要贡献，拓展了处理和分析日益庞大且异构数据集的能力（Mohamad Alshiha, 2024）。基于机器学习的技术，包括深度学习，在处理和解释地理信息方面日益重要。这些方法能够识别模式、建模趋势，并为城市、环境和社会挑战开发新的分析途径。基于AI的方法现已在空间数据分析和解释中得到广泛探索，加强了AI原理与地理研究问题之间的联系（Mohamad Alshiha, 2024）。当AI置于地理信息学（geomatics）语境中考虑时，这种关系同样显而易见。尽管该术语的使用和范围因学科和国家传统而异，地理信息学广义上涵盖与地理参考信息的获取、管理、分析和表达相关的领域，包括GIS、遥感