Principaux domaines de recherche en cours de développement pour la science de l'information géographique?

Quels sont les principaux domaines faisant l'objet d'une recherche et d'un développement actifs pour la science de l'information géographique (SIG), c'est-à-dire quels domaines nécessitent davantage de R&D?

Certains "sujets d'actualité" pour GISc peuvent être la modélisation, la simulation, la représentation temporelle.

Je considère ces sujets ouverts et en cours dans GIScience:

• implications du contenu généré par l'utilisateur (alias Volunteered Geographic Information Systems)
• effets géographiques sur les réseaux sociaux
• analyse de réseau géographique
• modélisation basée sur un agent géographiquement activé
• structures spatio-temporelles et analyse
• expérimentation rapide et interactive (alias géodessign)
• infrastructure d'information spatiale
• modèles de données basés sur des objets pour des données continues
• analyse géographique itérative et en temps réel
• analyses sur le sphéroïde
• confusion de l'ensemble de données
• interaction entre recherche sémantique et géographique
• cartographie mobile et services basés sur la localisation
• perception humaine des schémas géographiques en évolution
• implications et algorithmes de la réalité mixte et augmentée

• réalité augmentée mobile
• exploration de données géographiques
• surveillance environnementale volontaire de l'information géographique
• réseaux de capteurs en temps réel

Généralisation automatique, mais appropriée.

Il est difficile de prendre une géométrie d'ordre élevé avec beaucoup de détails et de la simplifier pour une carte détaillée plus grossière, sans perdre d'importantes fonctionnalités. Par exemple, une chaîne de petits lacs visibles au 1: 50 000 ne doit pas du tout être représentée au 1: 500 000, mais le cours d'eau qui les relie doit rester visible et continu.

Géocodage automatique.

Pour autant que je sache, MetaCarta est la seule entreprise à parler ou à fournir un service qui tente de géoréférencer automatiquement tout document en fonction de son contenu. Par exemple, il sait que Tom Sawyer de Mark Twain vit le long du Mississippi. C'est un domaine riche et il y a beaucoup de place pour plus de joueurs et d'implémentations.

Analyse de grandes données spatiales à l'aide d'un logiciel open source pour l'informatique distribuée tel que Hadoop .

Il existe un énorme potentiel pour le traitement d'ensembles de données massifs comme les données Lidar haute densité dans un environnement informatique distribué. Berkeley Open Infrastructure for Network Computing (BOINC) est actuellement une plate-forme open source pour l'informatique distribuée. ESRI est déjà entré dans l'arène en créant des Big Data Spatial Analytics pour Hadoop Framework .

Topologie implicite ou suggérée.

ne serait-ce pas merveilleux si l'ordinateur remarquait que les géométries des couches X, Y et Z étaient très similaires les unes aux autres, suivant presque toujours les mêmes tendances, et proposait de les fusionner / fusionner, ou de garder les autres au même endroit lorsqu'une est changé?

L'utilisation de la robotique pour la collecte de données spatiales ne semble pas être chaude - mais je pense que cela devrait l'être.

Les océans couvrent la majeure partie de la terre. Leur cartographie nécessitera des robots.

XPrize.org offre un prix de 7 millions de dollars.

La perception et la cognition humaines sont limitées et ces limites deviennent de plus en plus problématiques à mesure que le volume et la variété des informations continuent d'exploser en quantité et en complexité. Comment tirer parti des outils de l'espace, de l'emplacement et de la représentation pour transformer cette cacophonie de données en éléments compréhensibles et exploitables pour l'esprit humain?

Le traitement SIG parallèle était chaud il y a 12 ans, mais semble avoir lentement disparu. (Le lien vers le "GIS Parallel Architectures Lab" sur cette page est cassé, je me demande si le laboratoire existe toujours). Avec autant d'intérêt pour le multicœur et le cloud, il semble que le géotraitement parallèle devrait également susciter un intérêt croissant.

Beaucoup de gens disent que la meilleure façon de faire parallèle est via la programmation fonctionnelle . C'est peut-être un bon domaine, mais il semble souffrir de la même stigmatisation académique que l'intelligence artificielle n'a jamais pu éliminer.