地理大数据为地理复杂性研究提供新机遇

被引:112
作者
程昌秀 [1 ,2 ,3 ]
史培军 [1 ,2 ,3 ]
宋长青 [1 ,3 ]
高剑波 [1 ,3 ]
机构
[1] 北京师范大学地表过程与资源生态国家重点实验室
[2] 北京师范大学环境演变与自然灾害教育部重点实验室
[3] 北京师范大学地理科学学部
关键词
地理大数据; 第四范式; 非线性; 地理复杂性;
D O I
暂无
中图分类号
P208 [测绘数据库与信息系统];
学科分类号
070503 ; 081603 ; 0818 ; 081802 ;
摘要
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。
引用
收藏
页码:1397 / 1406
页数:10
相关论文
共 31 条
[1]   新时代地理复杂性的内涵 [J].
宋长青 ;
程昌秀 ;
史培军 .
地理学报, 2018, 73 (07) :1204-1213
[2]   新时代自然地理学发展的思考 [J].
傅伯杰 .
地理科学进展, 2018, 37 (01) :1-7
[3]   地理学研究范式的思考 [J].
宋长青 .
地理科学进展, 2016, 35 (01) :1-3
[4]   地理学碰上“大数据”:热反应与冷思考 [J].
吴志峰 ;
柴彦威 ;
党安荣 ;
龚建华 ;
高松 ;
乐阳 ;
李栋 ;
柳林 ;
刘行健 ;
刘瑜 ;
龙瀛 ;
陆锋 ;
秦承志 ;
王慧 ;
王鹏 ;
王伟 ;
甄峰 .
地理研究, 2015, 34 (12) :2207-2221
[5]   自然地理学的大数据研究 [J].
马振刚 ;
李黎黎 ;
许学工 .
地理与地理信息科学 , 2015, (03) :54-58+64
[6]   简单、复杂与地理分布模型的选择 [J].
陈彦光 .
地理科学进展, 2015, 34 (03) :321-329
[7]   凝聚度——描述与测度社会生态系统抗干扰能力的一种新特性 [J].
胡小兵 ;
史培军 ;
汪明 ;
叶涛 ;
LEESON Mark S .
中国科学:信息科学, 2014, 44 (11) :1467-1481
[8]   基于DCCA方法的成都市市区与周边城镇大气污染长程相关性分析 [J].
史凯 ;
刘春琼 ;
吴生虎 .
长江流域资源与环境, 2014, 23 (11) :1633-1640
[9]   大数据时代的人文地理研究与应用实践 [J].
甄峰 ;
秦萧 ;
王波 .
人文地理, 2014, 29 (03) :1-6
[10]   近年来美国地理学研究热点问题 [J].
郭慧泉 ;
张国友 ;
何书金 .
地理研究, 2013, 32 (07) :1375-1377