Traducido del afrikáans al español - www.onlinedoctranslator.

com

Geografía y sostenibilidad 2 (2021) 207–215

Listas de contenidos disponibles en CienciaDirecta

Geografía y Sostenibilidad
revista Página de inicio: www.elsevier.com/locate/geosus

Perspectiva

Ciencia SIG y teledetección en la investigación ambiental y de recursos

naturales: Status quo y perspectivas futuras
Tao pei a,mi,1, Jun Xu a,mi,1, yu liu B, Xin Huang C, Liqiang Zhang D, Weihua Dong D, Chengzhi Qin a,mi,
Canción Ci,mi
a , Jianya Gong C,∗, Chenghu Zhou ae,, ∗
aLaboratorio Estatal Clave de Recursos y Sistema de Información Ambiental, Instituto de Ciencias Geográficas e Investigación de Recursos Naturales, CAS, 11A, Datun Road
Anwai, Beijing 100101, China
B Instituto de Teledetección y Sistemas de Información Geográfica, Facultad de Ciencias de la Tierra y el Espacio, Universidad de Pekín, Pekín 100871, China
C Escuela de Ingeniería de Información y Teledetección, Universidad de Wuhan, Wuhan 430079, China
D Facultad de Ciencias Geográficas, Universidad Normal de Beijing, Beijing 100875, China
miUniversidad de la Academia China de Ciencias, Beijing 100049, China

Destacar Gráficamente abstracto

• Aclarar las definiciones y los marcos de la

ciencia SIG y la teledetección (RS)
• Discutir los roles de GIScience y RS en
recursos naturales y ciencia ambiental.

• Pronosticar las direcciones futuras de la

teledetección y la ciencia SIG

información del artículo abstracto

Historial del artículo: La ciencia de la información geográfica (GIScience) y la teledetección han proporcionado durante mucho tiempo datos esenciales y apoyo metodológico para los desafíos de los recursos naturales y la investigación de problemas ambientales. Con los

Recibido el 10 de junio de 2021 crecientes avances en la tecnología de la información, la investigación en ciencias ambientales y de recursos naturales se enfrenta al doble desafío de la intensidad de los datos y la computación. Por lo tanto, el papel de la teledetección y la ciencia SIG en

Recibido en forma revisada el 29 de agosto de 2021

los campos de los recursos naturales y la ciencia ambiental en esta nueva era de la información es una preocupación clave para los investigadores. Este estudio aclara la definición y los marcos de estas dos disciplinas y discute su papel en la investigación
Aceptado el 29 de agosto de 2021
de recursos naturales y medio ambiente. La ciencia SIG es la disciplina que estudia las expresiones abstractas y formales de los conceptos y leyes básicos de la geografía, y su marco de investigación consiste principalmente en geomodelado, geoanálisis y
Disponible en línea el 4 de septiembre de 2021
geocomputación. La teledetección es una tecnología integral que se ocupa de los mecanismos de los efectos humanos en el sistema del entorno ecológico natural mediante la observación del sistema de la superficie terrestre. Sus áreas principales

Palabras clave: incluyen sensores y plataformas, procesamiento e interpretación de información y aplicaciones ambientales y de recursos naturales. La ciencia SIG y la teledetección proporcionan datos y apoyo metodológico para la investigación en ciencias ambientales

Recurso natural y de recursos. Desempeñan un papel esencial en la promoción del desarrollo de la ciencia ambiental y de recursos y otras tecnologías relacionadas. Este documento proporciona pronósticos de diez direcciones futuras para la ciencia SIG y ocho

Ciencia medioambiental direcciones futuras para la teledetección, cuyo objetivo es resolver problemas relacionados con los recursos naturales y el medio ambiente. geoanálisis y geocomputación. La teledetección es una tecnología integral que se ocupa de los mecanismos de
ciencia SIG
los efectos humanos en el sistema del entorno ecológico natural mediante la observación del sistema de la superficie terrestre. Sus áreas principales incluyen sensores y plataformas, procesamiento e interpretación de información y aplicaciones
Sensores remotos
ambientales y de recursos naturales. La ciencia SIG y la teledetección proporcionan datos y apoyo metodológico para la investigación en ciencias ambientales y de recursos. Desempeñan un papel esencial en la promoción del desarrollo de la ciencia
Tecnologías de la información
ambiental y de recursos y otras tecnologías relacionadas. Este documento proporciona pronósticos de diez direcciones futuras para la ciencia SIG y ocho direcciones futuras para la teledetección, cuyo objetivo es resolver problemas relacionados con los

recursos naturales y el medio ambiente. geoanálisis y geocomputación. La teledetección es una tecnología integral que se ocupa de los mecanismos de los efectos humanos en el sistema del entorno ecológico natural mediante la observación del sistema

de la superficie terrestre. Sus áreas principales incluyen sensores y plataformas, procesamiento e interpretación de información y aplicaciones ambientales y de recursos naturales. La ciencia SIG y la teledetección proporcionan datos y apoyo

metodológico para la investigación en ciencias ambientales y de recursos. Desempeñan un papel esencial en la promoción del desarrollo de la ciencia ambiental y de recursos y otras tecnologías relacionadas. Este documento proporciona pronósticos de

diez direcciones futuras para la ciencia SIG y ocho direcciones futuras para la teledetección, cuyo objetivo es resolver problemas relacionados con los recursos naturales y el medio ambiente. La teledetección es una tecnología integral que se ocupa de los mecanismos de los efecto

∗Autores correspondientes.
Correos electrónicos:peit@lries.ac.cn (T.Pei),xujun@lreis.ac.cn (J. Xu),zhouch@lreis.ac.cn (C.Zhou).
1Primer autor: Tao Pei, Jun Xu.

https://doi.org/10.1016/j.geosus.2021.08.004
2666-6839 / © 2021 Los autores. Publicado por Elsevier BV y Beijing Normal University Press (Group) Co., LTD. en nombre de la Universidad Normal de Beijing. Este es un
artículo de acceso abierto bajo la licencia CC BY-NC-ND (http://creativecommons.org/licenses/by-nc-nd/4.0/)
T. Pei, J. Xu, Y. Liu et al.
1. Introducción
La teledetección y la ciencia de la información geográfica (GIScience) se han
empleado durante mucho tiempo para estudiar los recursos naturales y el medio
ambiente, proporcionando datos esenciales y apoyo metodológico.
Recientemente, el desarrollo de la tecnología de la información y la comunicación
ha dado lugar a una oleada de big data e inteligencia artificial, que han hecho
avanzar las aplicaciones de investigación de la teledetección y la ciencia GIS. Con el
surgimiento de big data y geocomputación, los datos georreferenciados de
dispositivos móviles y redes sociales son abundantes, compensan las limitaciones
de datos anteriores y brindan nuevas perspectivas y marcos de investigación (
Zheng et al., 2014;Liu et al., 2015). Además, la mejora progresiva en el
almacenamiento y las capacidades informáticas de los sistemas informáticos ha
cambiado sustancialmente la teledetección y la ciencia SIG. Nueva investigación
sobre mapeo panorámico basado en la ubicación (Zhou et al., 2011), mapeo
ubicuo (Guo y Ying, 2017) y sistemas de información panespaciales (Zhou, 2015) ha
sido propuesto. Nuevos modelos de datos como sistemas de cuadrícula 3D/4D (
Holhoş y Roşca, 2018;Sirdeshmukh et al., 2019;Ulmer y Samavati, 2020) se han
creado y se han adoptado ampliamente nuevos métodos y técnicas de ciencia de
la información. En el campo de la teledetección, se han introducido nuevos modos
y tecnologías de imagen, datos integrados de múltiples fuentes y nuevos métodos
inteligentes de procesamiento de imágenes. Además, el procesamiento y la
interpretación de la información de imágenes se están desarrollando en una
dirección más inteligente, dinámica y cuantitativa (Li, 2003;Tong et al., 2018). Por lo
tanto, las nuevas fuentes de macrodatos, así como los datos geoespaciales y de
teledetección tradicionales, apoyarán cada vez más el estudio de los fenómenos
naturales y socioeconómicos.
La población mundial enfrenta los desafíos del cambio climático global y la mala
gestión de los recursos naturales. Para superar estos problemas, la investigación en
ciencias ambientales y de recursos naturales debe brindar la capacidad de comprender,
simular y predecir estos cambios. El uso de datos de múltiples fuentes y las innovaciones
continuas en la investigación ambiental y de recursos naturales es una tendencia
irresistible. Como aspecto central de la "China digital" y la "tierra digital", la teledetección
y la ciencia SIG deben emplearse para ayudar a resolver los problemas ambientales y de
recursos que enfrentan China y el mundo mediante la introducción de nuevos métodos y
técnicas para mejorar la gestión y la toma de decisiones en los entornos naturales. los
recursos naturales, el medio ambiente, los peligros naturales, la seguridad pública y el
transporte. Este documento aclara las definiciones y los marcos de la ciencia SIG y la
teledetección y destaca su papel en la investigación de las ciencias ambientales y de los
recursos naturales. Luego pronosticamos direcciones futuras para la ciencia SIG y la
teledetección, con el objetivo de resolver problemas ambientales y de recursos naturales.
2. Definiciones y marcos de la ciencia SIG y la teledetección
2.1. ciencia SIG
En el contexto de los sistemas de información, la ciencia SIG estudia las
expresiones abstractas y formales de los conceptos y leyes geográficos
básicos para apoyar la investigación en ciencias ambientales y de recursos (
Buen niño, 1992a). Para ello, es necesario centrarse en: 1) modelar recursos
y elementos ambientales con diferentes distribuciones temporales y
espaciales (geomodelado) y 2) analizar y simular el espacio geográfico
(geoanálisis). El primero resuelve problemas de estructura de datos,
incluidos modelos y estructuras de datos espaciotemporales (Goodchild,
1992b; Goodchild et al., 2007), visualización de información geográfica (
Andrienko et al., 2003;Koua et al., 2006), cognición espacial (Marcos et al.,
1999), y grafos de conocimiento (Janowicz et al., 2012). Este último resuelve
problemas metodológicos, incluidos los recursos y la evaluación ambiental (
Sherrouse et al., 2011), recursos y análisis de big data ambiental (Yao et al.,
2017), y modelos espaciotemporales inteligentes (Parker et al., 2003;Li y Liu,
2008). Además, es necesario estudiar 3) técnicas de geocomputación (geo-
computación) para implementar y aplicar los modelos y métodos
correspondientes bajo el apoyo de la tecnología informática, incluida la
organización y gestión espaciotemporal de big data (Pijanowski et al., 2014),
sistemas informáticos geográficos
208
Geografía y sostenibilidad 2 (2021) 207–215
(Clarke, 2003), simulación ambiental (Batty et al., 1999), y apoyo a la decisión
(Malczewski, 2006) como se muestra enHIGO. 1.
2.1.1. Geo-modelado
Los principales objetos del geomodelado incluyen elementos naturales y
humanos (Buen niño, 1992b). Un elemento geográfico tiene los atributos de
ubicación espacial, tiempo y escala. Un elemento geográfico puede presentar
diferentes estados a diferentes escalas, y su representación depende de cómo se
perciba (marca 1993). Las condiciones espaciotemporales (estáticas) o de
comportamiento (dinámicas) de los elementos geográficos son fenómenos
geográficos. Los arreglos regulares de los elementos geográficos en el espacio
forman patrones geográficos (Peuquet, 2001;Yuan, 2001). Los procesos
geográficos son las observaciones de elementos, patrones y sistemas geográficos
en la dimensión del tiempo. Una característica central de los procesos geográficos
es la variabilidad espacial y temporal.
2.1.2. Geo-análisis
El geoanálisis es el estudio cuantitativo de los fenómenos geoespaciales,
que procesa los datos espaciales en diferentes formas, como la medición
espacial, las estadísticas espaciales (Anselin y Getis, 1992), agrupamiento (
Fotheringham y Zhan, 2010;Pei et al., 2012), análisis de red (Xu et al., 2015), y
la inteligencia espaciotemporal (Chapi et al., 2017; Juan, 2020), y extrae
información y conocimiento potencial para apoyar la toma de decisiones
espaciales. El geoanálisis implica el modelado, análisis, simulación,
predicción y optimización de ubicaciones espaciales, distribuciones, formas,
distancias y relaciones. En combinación con la inteligencia artificial,
GIScience ya no es solo una herramienta para la simulación espacial. Se
espera que GIScience rompa los marcos de investigación existentes al
descubrir leyes adicionales en los recursos naturales y el medio ambiente al:
investigar métodos espaciotemporales; integrar los recursos y el
conocimiento del dominio ambiental con métodos de inteligencia artificial; y
establecer conexiones universales de elementos, patrones y procesos
geográficos. Las áreas básicas de investigación del geoanálisis incluyen:
(1) Evaluaciones ambientales y de recursos de agua, suelo, atmósfera y
biología a través de modelos y análisis espaciales para revelar los
patrones de distribución, las interacciones y la evolución dinámica.
Este proceso debe considerar diferentes efectos espaciales, extender
los métodos clásicos de extracción y análisis de datos y encontrar un
compromiso entre la universalidad global y la particularidad local de
los fenómenos geográficos.
(2) El geoanálisis establece marcos de modelos de análisis espacial basados en
macrodatos geográficos de múltiples fuentes y revela la relación de
acoplamiento y los cambios dinámicos entre los recursos naturales y
múltiples elementos ambientales con la ayuda del aprendizaje automático,
el análisis de series temporales, el análisis de tensores y otros. métodos.
(3) El geoanálisis explora modelos espaciotemporales inteligentes que integran
las leyes de los recursos naturales y el medio ambiente mediante la
combinación de cajas en blanco y negro, la construcción de un sistema de
método de análisis inteligente espaciotemporal para comprender
fenómenos geográficos y modelar procesos geográficos, y realizar tareas
geográficas como espaciotemporal extracción de patrones, detección de
anomalías e inferencia de variables desconocidas y predicción de
escenarios. Esto permite la percepción general, la comprensión integral y
la predicción inteligente en los recursos naturales y el medio ambiente.
2.1.3. Geo-computación
La geocomputación es un campo de investigación que utiliza métodos informáticos
para procesar información geográfica y analizar fenómenos geográficos, lo que implica
computación de alto rendimiento para el procesamiento y la gestión de la información
geográfica (Chen et al., 2018), minería de datos geográficos (Mennis y Guo, 2009),
modelado de procesos geográficos (Marrón et al., 2005) e ingeniería de software y
sistemas informáticos que soportan procesamiento y análisis. La geocomputación integra
teorías y métodos
T. Pei, J. Xu, Y. Liu et al.
en informática, ciencia SIG, matemáticas y estadística e involucra
predominantemente metodologías en ciencia SIG. En la era de los grandes datos,
la investigación en ciencias ambientales y de recursos naturales ha tenido nuevas
oportunidades gracias a la abundancia de datos sobre observaciones terrestres y
movilidad humana, ingresando así en la era del "cuarto paradigma" para el
descubrimiento científico intensivo en datos (Oye et al., 2009;Pei et al., 2020).
Como soporte central para la ciencia GIS, la geoinformática necesita administrar,
analizar y explorar de manera eficiente la información espaciotemporal a gran
escala en este nuevo entorno de datos. En el contexto de los grandes datos,
determinar y desarrollar técnicas informáticas eficaces de alto rendimiento para
formar una solución informática geográfica sistemática es clave para superar los
desafíos de la intensidad de los datos y la intensidad computacional. Hay tres
áreas principales de investigación geocomputacional:
(1) Organización y gestión de datos espaciotemporales. La geocomputación
desarrolla nuevos tipos de técnicas de bases de datos espaciales
distribuidas destinadas a las dificultades en el almacenamiento y
procesamiento de datos espaciotemporales a gran escala. Al fusionar
técnicas avanzadas como NoSQL (Gato, 2010) y New SQL (Pavlo y Aslett,
2016), la geoinformática puede crear modelos de gestión de macrodatos
basados en nuevos tipos de marcos informáticos distribuidos para lograr
una gestión y acceso de alta eficiencia.
(2) Métodos de geocomputación para big data multimodal. Se requiere un
sistema informático de alto rendimiento que integre datos
espaciotemporales de múltiples fuentes y modelos micro y macro. Con el
apoyo de los nuevos modelos de almacenamiento y marcos de expresión
de big data espaciotemporales, esto se puede lograr mediante la
integración de métodos informáticos avanzados como la computación en
la nube con procesamiento de información espaciotemporal de alta
concurrencia, análisis espacial de alto rendimiento y visualización.
Además, la geocomputación admite la fusión fuera de línea y la asimilación
en línea para big data espaciotemporal de múltiples fuentes y brinda un
sólido soporte para la simulación de big data de múltiples fuentes y la
toma de decisiones basada en el conocimiento.
(3) Aplicaciones soportadas por geocomputación. Esta área de investigación
tiene como objetivo desarrollar aplicaciones geográficas con el apoyo de
herramientas científicas cuantitativas, por ejemplo, descubrimiento de
patrones espaciotemporales y soporte de decisiones en recursos
naturales, protección ecológica, salud pública y prevención y mitigación de
desastres basados en cálculo y análisis de big data.
2.2. Ciencia y tecnología de teledetección
La ciencia de la teledetección, que implica la observación de la superficie
terrestre, examina los mecanismos macro y micro del comportamiento humano
en el entorno natural relacionados con el desarrollo económico y social. Para
alcanzar estos objetivos, es necesario centrarse en la investigación de sensores y
209
Geografía y sostenibilidad 2 (2021) 207–215
HIGO. 1.Definición y marco de la ciencia SIG.
técnicas de plataforma, así como técnicas de procesamiento e interpretación de
información, que están relacionadas con la visualización de recursos naturales y
elementos ambientales. El primero se ocupa de la adquisición de datos y la
organización del sistema de información ambiental y de recursos, mientras que el
segundo resuelve problemas metodológicos relacionados con la interpretación de
la información ambiental y de recursos. Sobre esta base, la realización y las
aplicaciones de proyectos ambientales y de recursos respaldados por información
espacial se estudian más a fondo como se muestra enHIGO. 2.
2.2.1. Teoría y tecnología relacionada con sensores y plataformas para la adquisición de
datos ambientales y de recursos
La teledetección es una tecnología que mide la radiación electromagnética en
la superficie terrestre a través de sensores ubicados lejos del objetivo. Luego
transmite, procesa, interpreta y analiza la información adquirida para monitorear
el sistema ambiental de la tierra. En la era de la tierra digital, la observación de
todo tipo de clima, de tiempo completo y de cobertura total proporcionada por
sensores remotos es el principal método de adquisición de datos para la
investigación en ciencias ambientales. Como método de adquisición de datos
espaciales, la teledetección integra teorías y métodos de la ciencia de la
geoinformación, la industria aeroespacial, la aviación, la física, la informática y las
matemáticas computacionales. Utiliza métodos de imágenes de teledetección, es
decir, obtener los atributos geométricos y físicos de los elementos superficiales de
acuerdo con las características de las ondas electromagnéticas, que son reflejados
o radiados por los elementos de la superficie y luego registrados por los sensores.
A continuación se describen las áreas básicas de investigación de la teledetección.
(1) El desarrollo de nuevos sensores. Desde la perspectiva de los sensores
espaciales, los nuevos avances involucran el satélite de alta resolución y
bajo nivel de luz (es decir, luz nocturna) y la tecnología de constelación de
microsatélites (Eisenberg, 2013), diseño de sistemas de observación de
imágenes en tiempo real basados en el espacio (Xiao et al., 2018),
desarrollo de sensores satelitales de referencia radiométrica espacial y
sensores pasivos/activos de órbita terrestre geosincrónica. Desde la
perspectiva de los sensores aéreos, esta área de investigación se centra en
la cartografía aérea ligera y pequeña de alta precisión, los vehículos aéreos
no tripulados (UAV) y la detección remota de radar de apertura sintética
(SAR) espacial de navegación de alta eficiencia, etc. El desarrollo del sensor
SAR se centra en la miniaturización, multifunción y multimodo, por
ejemplo, incluida la polarimetría de aspecto múltiple (Yang et al., 2021),
interferométrica (Romeiser, 2013), vigilancia de área amplia.
(2) El mecanismo de sensores remotos. Esta área implica el análisis de los
principios espectroscópicos (Ryan y Walker, 2015;Chen et al., 2021),
dispersión atmosférica (Zhang et al., 2012), y el diseño del divisor óptico de
sensores (Shi et al., 2021) basado en los principios de la imagen de
teledetección activa y pasiva. Esta área de investigación también implica el
análisis de la geometría de las imágenes del sensor para compensar la
distorsión geométrica y estabilizar las imágenes.
T. Pei, J. Xu, Y. Liu et al.
basado en la altitud orbital, actitud y sincronización de tiempo de los
satélites y la orientación interna de los sensores (Norris y Walker, 2020).
Finalmente, esta área de investigación se ocupa de la relación entre las
cargas útiles y los modos de imagen, las plataformas satelitales y los
parámetros terrestres para mejorar la calidad de la imagen (Ren et al.,
2011;Zhang et al., 2021b).
(3) Teledetección geométrica. Esta área de investigación consiste en proyectar
imágenes a un determinado sistema de coordenadas del espacio del
objeto y recuperar la posición geométrica de los objetos correspondientes
de acuerdo con la orientación externa del sensor (Toutín, 2004). Involucra
técnicas de fecha espacio-tiempo, comunicación y transmisión de datos,
calibración geométrica en órbita, corrección geométrica de imágenes de
una sola escena, coincidencia geométrica de múltiples imágenes, modelos
digitales de elevación/terreno y generación de ortofotos (Wiesel, 1985;
Fraser, 1997;Hartmann et al., 2016; Zhang et al., 2019;Abdollahi y Pradhan,
2021).
(4) Teledetección física. Esta área de investigación examina la relación entre el
espectro electromagnético y la información obtenida por los sensores basándose
en el mecanismo de generación de imágenes de los sensores (Dellwig, 1986).
Implica el análisis de modelos de mecanismos de transferencia de radiación
mediante la exploración de la relación entre las señales de radiación terrestre y
los parámetros de la superficie terrestre; y modelos de transferencia de
radiación atmosférica mediante el análisis de la influencia de la atmósfera en las
señales de radiación superficial recibidas por sensores remotos (Tang et al., 2013
;Tripatía et al., 2015;Kwok y Ng, 2021).
2.2.2. Procesamiento e interpretación de información sobre recursos naturales y
medio ambiente
Las imágenes de teledetección multiespectrales y de periodos múltiples
adquiridas en diferentes ubicaciones y altitudes y la información de teledetección
mejorada progresivamente pueden proporcionar información integral,
sistemática, instantánea o sincrónica de regiones continuas que respaldan la toma
de decisiones espaciales en la ciencia ambiental. El alcance de la investigación
incluye plataformas de teledetección y tecnologías de integración de plataformas,
sensores remotos, procesamiento de información de teledetección, teledetección
cuantitativa e ingeniería de información de teledetección. El procesamiento e
interpretación de la información involucra las siguientes áreas de investigación.
(1) Con respecto a los requisitos de interpretación de información ambiental y de
recursos, este campo analiza los modos de imagen, las características físicas, las
características geométricas y la puntualidad de varios sensores remotos.
Combina inteligencia artificial en las técnicas básicas de extracción inteligente de
información de imágenes para resolver problemas como el procesamiento de
datos en órbita, el reconocimiento de patrones, la interpretación automática y la
visión por computadora para revelar tendencias de distribución de elementos de
superficie y patrones espaciotemporales.
210
Geografía y sostenibilidad 2 (2021) 207–215
HIGO. 2.Definición y marco de la teledetección.
(2) Este campo combina modelos de transmisión de radiación
electromagnética, modelos dinámicos de recursos y cambios
ambientales, modelos estadísticos y algoritmos de aprendizaje
automático para construir modelos cuantitativos de evolución
espaciotemporal de los parámetros de la superficie terrestre (físicos,
químicos y biológicos) y revelar relaciones y procesos.
(3) Bajo los servicios integrados de observación integral proporcionados por
satélites polivalentes, constelaciones de satélites y colaboración de
constelaciones múltiples, este campo implica la complementación
inteligente y la fusión de información con multiplataforma fina y masiva,
multicapa, multisensor, multi -datos de teledetección temporal,
multiespectral, multiángulo y multiresolución para descubrir patrones
geográficos complicados. Para aprovechar al máximo la eficacia de los
sistemas satelitales de múltiples fuentes y satisfacer las necesidades de
diversas aplicaciones en recursos naturales y el medio ambiente, este
campo debe resolver problemas como la minería de datos espaciales y el
motor de servicio inteligente.
2.2.3. Aplicaciones en los campos de los recursos naturales y el medio
ambiente A través del mecanismo de transmisión de información que
rige la interacción de las ondas electromagnéticas con las cinco esferas
principales de la tierra (hidrosfera, pedosfera, litosfera, atmósfera y
biosfera), la teledetección proporciona servicios para aplicaciones
ambientales y de recursos naturales y cambio global en tres niveles: general
investigaciones, investigaciones detalladas y seguimiento dinámico. Los
temas de investigación incluyen, entre otros, la teledetección atmosférica, la
teledetección marina, la teledetección forestal, la teledetección agrícola, la
teledetección ambiental, la teledetección topográfica y cartográfica, la
teledetección urbana y el seguimiento de la información nacional. La
investigación incluye las siguientes áreas.
(1) Investigación básica sobre aplicaciones de teledetección, producción de productos
de teledetección y métodos de validación, especialmente la tecnología de
procesamiento de datos de monitoreo dinámico en tiempo real para la
teledetección basada en el espacio. Esta investigación se centra en métodos de
validación de datos automatizados casi en tiempo real para múltiples elementos
en múltiples escalas espaciotemporales utilizando observaciones de múltiples
plataformas, como vehículos aéreos no tripulados (UAV) y sensores pequeños.
(2) Examinar la integración, planificación, conexión y coordinación entre varias
industrias y departamentos y la aplicación conjunta de datos de monitoreo
dinámico de sensores remotos de múltiples fuentes y redes de estaciones
terrestres. Las instalaciones, los datos, la información y las tecnologías de
software y hardware de teledetección distribuida deben integrarse para
resolver conjuntamente problemas técnicos globales importantes y
comunes en el monitoreo dinámico de teledetección para mejorar el nivel
de monitoreo dinámico de la superficie terrestre y los productos de
información de calidad.
T. Pei, J. Xu, Y. Liu et al.
3. Papel de la ciencia SIG y la teledetección en la ciencia de los recursos naturales
y el medio ambiente
3.1. Apoyar la investigación y las aplicaciones de los recursos naturales y las
ciencias ambientales.
La teledetección y la ciencia GIS brindan datos y apoyo metodológico para la
investigación en ciencias ambientales y de recursos con la ayuda de la tecnología
de la información desde los siguientes aspectos.
(1) Con big data espaciotemporal de múltiples fuentes, como datos de teledetección,
datos de muestreo de encuestas y datos de observación de estaciones, la
teledetección y la ciencia SIG se pueden utilizar para estudiar técnicas de
recopilación, gestión y distribución de datos, y para resolver problemas de
calidad de datos. relacionados con la adquisición y gestión de datos.
(2) La teledetección y los SIG se pueden utilizar para descubrir leyes, responder
preguntas y tomar decisiones óptimas mediante técnicas y métodos
innovadores de reconocimiento de patrones, simulación de procesos y
predicción espaciotemporal.
(3) Teniendo en cuenta las altas demandas de información de China, estos
métodos pueden construir sistemas de análisis y simulación mediante el
desarrollo de herramientas de hardware y software, sistematizando así los
logros científicos en las ciencias ambientales y de recursos.
(4) La tecnología de la información es un motor fundamental para promover el
desarrollo de la teledetección y la ciencia SIG. Mediante la introducción
activa de tecnologías avanzadas en tecnología de la información, como
redes de sensores, inteligencia artificial y computación en la nube, la
teledetección y la ciencia GIS pueden conectar la investigación en ciencias
ambientales y de recursos con otras disciplinas.
(5) La teledetección es un campo de investigación interdisciplinario que surge de la
interconexión de las ciencias topográficas y cartográficas, las ciencias espaciales,
las ciencias electrónicas, las ciencias de la tierra y las ciencias de la computación.
Es un medio importante para obtener recursos y parámetros ambientales
utilizando sensores sin contacto.
(6) GIScience investiga las representaciones teóricas primarias y el marco
metodológico básico de la investigación en ciencias ambientales y de
recursos, centrándose en los conceptos básicos y las herramientas
generales de la disciplina. Por lo tanto, GIScience puede lograr
abstracciones más generales de los objetos de investigación, lo que
ayuda a mantener la integridad y evitar la tendencia a "vaciar" en la
ciencia ambiental y de recursos.
3.2. Promoción del desarrollo de los recursos naturales y la ciencia
ambiental, y las tecnologías conexas
La ciencia de la teledetección ha avanzado en el desarrollo de varias áreas temáticas
e industrias, incluidas la urbanización, la información y la ciencia, la población y la salud,
la fabricación, el transporte, la seguridad pública, la defensa nacional, la supervisión de
recursos, la meteorología y los océanos. La teledetección ha proporcionado cambios
tecnológicos beneficiosos para la estimación del rendimiento de los cultivos, los estudios
de suelos, el cambio de uso de la tierra, el seguimiento de desastres, los estudios de
recursos hídricos, los estudios de ingeniería de conservación del agua y el seguimiento
del entorno agroecológico.
La teledetección ha aumentado drásticamente la cantidad de datos primarios y ha
creado una base tecnológica sólida en los recursos naturales y el medio ambiente.
Durante las últimas décadas, las agencias gubernamentales chinas y los departamentos
universitarios relacionados con la topografía y el mapeo, la prevención y mitigación de
desastres, la conservación del agua, el uso de la tierra, la geología, la meteorología, la
agricultura, la silvicultura y la investigación marina han estado realizando investigaciones
de teledetección y han acumulado largas series temporales. y datos multimodales de
observación de la Tierra.
La teledetección involucra varios campos científicos y técnicos, como la industria
aeroespacial, la optoelectrónica, la física, las ciencias de la tierra, las ciencias de la
información, la inteligencia artificial y la computación en la nube. Así, ha impulsado la
innovación y la interconectividad de sensores, información electrónica, ar-
211
Geografía y sostenibilidad 2 (2021) 207–215
inteligencia artificial, geografía, informática y otros dominios,
permitiendo el surgimiento de nuevas disciplinas.
GIScience tiene como objetivo satisfacer las necesidades prácticas de las
agencias regionales de gestión de recursos forestales, explotación de
minerales, evaluación ambiental y alerta de desastres naturales. Ha jugado
un papel importante en el establecimiento de indicadores de alta calidad y
sistemas técnicos para el seguimiento dinámico de los recursos y el medio
ambiente. También ha acelerado el desarrollo de otras disciplinas y
tecnologías relacionadas. En primer lugar, GIScience ha promovido la
recopilación y gestión eficientes de datos ambientales y de recursos. Los
modelos de datos espaciotemporales y los índices espaciotemporales, así
como las capacidades de la ciencia SIG del almacenamiento integrador de
datos espaciotemporales/transaccionales y la computación intermodal, han
ayudado a la eficiencia de la recopilación y la calidad de la gestión de datos
heterogéneos y de múltiples fuentes,
En segundo lugar, GIScience ha estimulado las capacidades y aplicaciones de
análisis de datos espaciotemporales en la investigación de recursos naturales y
ciencias ambientales. Las preguntas de investigación sobre recursos naturales y
entorno geográfico suelen estar correlacionadas en el tiempo y el espacio. Por lo
tanto, para adaptarse al desarrollo regional, dinámico y refinado de estos campos,
se requiere una comprensión precisa de los datos geoespaciales. El análisis
inteligente de big data espaciotemporal es una importante aplicación de datos
geoespaciales que brinda soporte técnico para el almacenamiento, recuperación y
visualización de datos espaciotemporales, computación colaborativa y extracción y
visualización de información precisa (Guo, 2018; Li, 2019).
En tercer lugar, la ciencia GIS ha fortalecido la interconectividad de las
disciplinas ambientales y de recursos y las tecnologías relacionadas. En los últimos
años, la combinación de la ciencia GIS y la teledetección con big data, la
computación en la nube y la inteligencia artificial ha experimentado un avance
sustancial, lo que ha contribuido a mejorar el desarrollo teórico y de aplicaciones
en disciplinas ambientales y de recursos.
4. Futuros desarrollos de la ciencia SIG y la teledetección
4.1. Tendencias generales de la ciencia SIG
La base teórica de la investigación en ciencia SIG debe fortalecerse de las
siguientes maneras. Primero, la comprensión y la expresión de los conceptos
geoespaciales básicos, como la escala, la dependencia espacial y la distancia,
deben mejorarse mediante la investigación en geografía teórica. En segundo
lugar, el modelado formal de patrones geoespaciales se puede desarrollar
mediante la introducción de métodos matemáticos relevantes, por ejemplo, los
mecanismos detrás de fenómenos como la autoorganización, la no linealidad, los
fenómenos sin escala y la emergencia en el complejo sistema gigante de la
geografía revelada a través de los métodos de complejidad. Ciencias. En tercer
lugar, el estudio de la cognición espacial proporciona la base de la ciencia
cognitiva para la inteligencia artificial geoespacial.
La ciencia SIG no se habría desarrollado sin el apoyo de la ciencia de la
información. Por lo tanto, GIScience debe aprovechar las oportunidades que
brindan las nuevas tecnologías como big data, inteligencia artificial, Internet
de las cosas (IoT), blockchain y computación de alto rendimiento para
desarrollar nuevos métodos y superar problemas de expresión, análisis,
simulación y predicción en los complejos sistemas de recursos naturales y el
medio ambiente.
La mayor parte de la investigación sobre los recursos naturales y el medio ambiente
se centra en el tema de la "plataforma de método de datos". GIScience necesita lidiar con
problemas en el desarrollo sostenible de los recursos naturales y el medio ambiente. Al
aumentar la inversión en datos, métodos y plataformas en estos campos, se pueden
realizar investigaciones sobre el procesamiento colaborativo entre dominios, el
modelado de la evolución espaciotemporal y la toma de decisiones inteligente para la
observación global integrada de grandes datos. Esto promoverá la aplicación de
tecnologías de información geográfica y mejorará el nivel de investigación sobre recursos
naturales y medio ambiente.
T. Pei, J. Xu, Y. Liu et al.
4.2. Tendencias generales de la teledetección
La teledetección es una importante fuente de datos para la investigación de recursos
naturales y ciencias ambientales, que proporciona parámetros de entrada precisos y
oportunos. Las técnicas de observación de la tierra, el procesamiento inteligente de la
información y la fusión de datos de múltiples fuentes se están desarrollando
rápidamente e inyectando nueva vitalidad y poder a la investigación ambiental y de
recursos naturales. Esta sección se centra en la "detección remota cuantitativa" y la
"detección remota de información", y aborda el desarrollo estratégico de la detección
remota en la inversión de parámetros geográficos y la fusión de información.
4.2.1. Inversión de parámetros de teledetección
Junto con las mejoras continuas en la capacidad de observación de la tierra de la
teledetección y las redes de observación terrestres, se espera que la inversión de
parámetros geográficos mejore la cuantificación, la precisión y la claridad. La extracción
cuantitativa de parámetros geográficos a partir de datos de teledetección basados en
las redes integradas de observación de la Tierra espacio-aire-tierra es una dirección
estratégica importante. Específicamente, ahora se encuentran disponibles abundantes y
cada vez más nacionales datos de observación basados en el espacio. La
implementación de programas de observación de la Tierra de alta resolución y el rápido
desarrollo de la industria aeroespacial civil han permitido que los satélites de alta
resolución en órbita de China logren observaciones en todo el espectro con
constelaciones de alta resolución y redes de detección basadas en el espacio compuestas
por sensores hiperespectrales de alta resolución espacial. , infrarrojo, y sensores de
radar. En la teledetección aérea, la popularidad y comercialización de la detección UAV y
la cobertura de espectro completo han mejorado aún más la capacidad de observación
de la Tierra. Al mismo tiempo, se han mejorado las observaciones desde tierra. Las redes
terrestres de observación de la vegetación, el suelo, la calidad del agua, la atmósfera, el
carbono y otros elementos, combinadas con la teledetección aeroespacial y aérea,
garantizarán una teledetección precisa, cuantificada y en tiempo real.
4.2.2. Procesamiento de información de teledetección
Las observaciones terrestres por teledetección son una importante
fuente de datos. La red integrada de observación de la Tierra espacio-
aire-tierra, que se desarrolla rápidamente, recopilará continuamente
datos de teledetección masivos, multidimensionales y heterogéneos.
Las características distintivas de los grandes datos incluyen no solo
grandes volúmenes, sino también características heterogéneas y de
múltiples fuentes. Sin embargo, cualquier dimensión individual de
estos datos solo representa un cierto aspecto del espacio geográfico y
probablemente incluye errores (errores de instrumentos, errores
estadísticos y errores de crowdsourcing). Por lo tanto, estos datos
heterogéneos de múltiples fuentes deben estar sujetos a la fusión,
asimilación e integración de datos antes de que sean demandados para
respaldar la geografía y como base para estrategias como el mapeo
global, la iniciativa Belt and Road y el desarrollo sostenible. Además,
4.3. Direcciones de desarrollo específicas de la ciencia SIG y la teledetección en las
ciencias ambientales y de recursos naturales
4.3.1. ciencia de la informacion geografica
Estimamos que los desarrollos de la ciencia SIG en los próximos 15 años
seguirán diez direcciones, que se pueden resumir en tres categorías:
métodos teóricos, una nueva generación de SIG y un entorno informático y
de datos integrado.
4.3.1.1. Métodos teóricos de la ciencia SIG.
(1) Modelado de información geográfica de los recursos naturales y el medio
ambiente.
212
Geografía y sostenibilidad 2 (2021) 207–215
Los objetivos fundamentales de investigación de GIScience, que aún no se ha
completado, implican el establecimiento de modelos de expresión efectivos, modelos de
evaluación cuantitativa y modelos de transformación de escala de información geográfica
basados en una comprensión de los mecanismos de generación, transmisión y
transformación de información relacionada con el medio natural y natural. elementos y
procesos sociales del agua, suelo, aire y biología.
(2) Representación e interacción de gemelos digitales de sistemas geográficos.
Las visualizaciones actuales solo toman capas para elementos o procesos
individuales como unidades de visualización y carecen de la capacidad de mostrar
procesos complejos de evolución espaciotemporal. La reproducción e interacción
en tiempo real y efectiva de los complejos procesos de evolución espaciotemporal
del entorno en forma de un gemelo digital superará las limitaciones de las
visualizaciones actuales y ayudará a los usuarios a lograr una comprensión precisa
y un análisis exploratorio de los sistemas geográficos.
(3) Simulación y análisis de sistemas geográficos inteligentes.
Expresión formal, integración y razonamiento de modelos y
conocimientos, especialmente el conocimiento implícito de modelado
empírico que es crucial para el uso correcto de modelos profesionales (Qin
et al., 2016; Liang et al., 2020), son esenciales para el modelado geográfico
en escenarios de aplicación complejos y para realizar simulaciones y análisis
eficientes y precisos de sistemas geográficos.
4.3.1.2. Desarrollando una nueva generación de SIG.
(1) Arquitectura GIS y modo de servicio de cómputo.
Cree una nueva arquitectura GIS basada en las características de las
aplicaciones de ciencias ambientales y de recursos naturales, y proporcione
modos de servicios informáticos avanzados que satisfagan diversos requisitos
funcionales para una nueva generación de sistemas de información ambiental y
de recursos naturales.
(2) Agregación de big data en recursos naturales y medio ambiente.
La agregación efectiva de varios datos geográficos tradicionales y nuevos
macrodatos relacionados con los recursos y el medio ambiente es necesaria cuando se
emplean "grandes datos geográficos" para respaldar la reproducción y el análisis de
todos los aspectos de múltiples elementos y procesos naturales y sociales (p. ej., agua,
suelo, aire y biología).
(3) Integración e interoperabilidad de conocimientos y modelos en
recursos naturales y medio ambiente.
La integración e interoperabilidad de conocimientos y modelos en varios
campos profesionales relacionados con los recursos naturales y el medio
ambiente hacen posible que los usuarios modelen rápidamente los recursos, el
medio ambiente, los desastres, el desarrollo sostenible y otros temas de una
manera flexible y fácil de usar (Zhu et al., 2021).
(4) Generación de nuevos sistemas de información ambiental y de
recursos.
Mediante la integración de los resultados de investigación de los métodos y
sistemas teóricos en la ciencia SIG, puede surgir una nueva generación de
sistemas de información ambiental y de recursos naturales. Para resaltar las
diferentes perspectivas de este sistema de nueva generación, se deben considerar
diferentes nombres, como SIG de nueva generación, sistema de información
geográfica de espacio completo o entorno virtual.
4.3.1.3. Principales servicios de aplicaciones integrados de datos y computación en
recursos y medio ambiente.
(1) Tierra digital de tiempo profundo.
La tierra digital de tiempo profundo se centra en la reproducción digital y la
interacción del sistema terrestre, especialmente las extensiones a la tierra profunda y el
espacio extraterrestre en la dimensión espacial y los períodos geológicos históricos en la
dimensión temporal. La construcción de una plataforma terrestre digital de tiempo
profundo puede proporcionar servicios de portal de datos, modelos y conocimientos
geocientíficos para la investigación y las aplicaciones en recursos naturales y el medio
ambiente.
T. Pei, J. Xu, Y. Liu et al.
(2) Experimentos virtuales que acoplan procesos naturales y humanos.
Los experimentos geográficos virtuales brindan apoyo a los sistemas
metodológicos y técnicos en recursos y medio ambiente.(Lin et al., 2013a, b). La
realización de experimentos virtuales que combinen procesos naturales y
humanos promoverá la comprensión de varios elementos geográficos, procesos e
interacciones en el sistema geográfico, lo que permitirá avanzar en el
descubrimiento de conocimientos.
(3) Apoyo a las decisiones sobre recursos naturales, medio ambiente,
desastres, salud y desarrollo sostenible.
La ciencia SIG debe centrarse en estas áreas que preocupan en gran medida a las economías
nacionales y los medios de subsistencia de las personas. También debe proporcionar monitoreo,
modelado y simulación de sistemas en tiempo real, análisis de escenarios, formulación de planes
de respuesta y alerta temprana y otro tipo de apoyo a la toma de decisiones.
4.3.2. Sensores remotos
El desarrollo de la teledetección en los próximos 15 años se puede
resumir en tres categorías: mecanismos y modelos de teledetección;
procesamiento de información de teledetección; y teledetección
cuantitativa y aplicaciones.
4.3.2.4. Exploración de mecanismos y modelos de teledetección en escenarios
complejos.Con el desarrollo de nuevos materiales, teorías y técnicas, el espectro
electromagnético de las imágenes de teledetección continúa expandiéndose y
continúan surgiendo nuevos sensores. Es necesario explorar nuevos mecanismos
y modelos de imágenes de sensores y desarrollar la teoría y los métodos de
transmisión de radiación entre objetivos y sensores. El modelado de teledetección
tradicional está maduro para objetivos y regiones relativamente homogéneos. La
investigación futura se centrará en el modelado de transmisión de radiación 3D
para objetivos y regiones complejos (como montañas, ciudades y nubes), así como
en las teorías de transmisión de radiación, que son adecuadas para sensores
emergentes, y en expandir el dominio de exploración a aguas profundas. espacio
profundo y tierra profunda.
4.3.2.5. Procesamiento de información de teledetección inteligente.La teledetección de
información convierte datos ricos y diversos de teledetección en información y
conocimiento. Esta disciplina implica la interconexión e integración de las observaciones
terrestres por teledetección y la computación de la información. Ha desarrollado nuevas
innovaciones en visión por computadora, inteligencia artificial, computación en la nube y
big data para aumentar la profundidad de la extracción de datos de teledetección y
mejorar la precisión del mapeo de teledetección y productos relacionados. Las
instrucciones específicas se discuten a continuación.
(1) Interpretación inteligente de imágenes que resalta las características
originales de la teledetección.
Una red neuronal de aprendizaje profundo es un tipo de red neuronal artificial.
Intenta imitar el cerebro humano a través de una red neuronal con tres o más capas. Más
capas ocultas en las redes neuronales de aprendizaje profundo pueden ayudar a
optimizar y refinar la precisión de la predicción (IBM Podría Educación, 2020). El
aprendizaje profundo ha logrado una mayor precisión que los métodos tradicionales en
problemas clásicos de interpretación de escenas de imágenes, coincidencia de visión
estéreo, clasificación de imágenes y reconocimiento de objetivos (Huang et al., 2020;Bai
et al., 2021;Guan et al., 2021;Ma et al., 2021;Zhang et al., 2021a). Sin embargo, todavía
hay espacio para futuras investigaciones en teledetección relacionadas con el aprendizaje
profundo basado en las características de las imágenes de teledetección, como la
interpretabilidad de los modelos de aprendizaje profundo, bibliotecas de grandes
cantidades de muestras de imágenes etiquetadas.
(2) Computación en la nube de detección remota que admite la fusión de información de
múltiples fuentes.
El modelo de computación en la nube de detección remota representado por Google
Earth Engine (GEE) ha recibido una atención sustancial en los últimos años y ha logrado
un gran éxito. La computación en la nube salva a los usuarios locales
213
Geografía y sostenibilidad 2 (2021) 207–215
de los complicados procedimientos de preprocesamiento de mosaico, corrección y
posicionamiento de imágenes. También elimina la necesidad de requisitos de almacenamiento
local mediante el almacenamiento en la nube, lo que permite un verdadero intercambio global de
datos de detección remota. El desarrollo futuro de la computación en la nube implica la
integración espaciotemporal de datos de múltiples fuentes, funciones y capacidades de
computación en la nube, asignación de recursos de computación en la nube y computación en la
nube profunda.
(3) Extracción de información de teledetección multimodal.
Las observaciones aeroespaciales y aéreas actuales pueden obtener datos de
teledetección a través de vehículos aéreos no tripulados, satélites y aviones. Sin embargo,
las nuevas fuentes de datos, como las observaciones terrestres, los estudios de campo,
las redes sociales y las estadísticas sociales, ayudan a interpretar los datos de
teledetección y reducen la incertidumbre de la extracción de información de
teledetección. Sin embargo, algunos temas clave como la corrección de datos de
múltiples fuentes, los métodos de fusión de información heterogénea de múltiples
fuentes y el análisis de big data tolerante a fallas requieren más investigación.
(4) Productos y servicios de teledetección.
Se generará una gran cantidad de información y productos de teledetección a partir
de la interpretación inteligente de la teledetección, la computación en la nube y la
minería de big data. Por lo tanto, el control de calidad y la integración de estos productos
merecen más estudio. Las direcciones de investigación futuras implican hacer que estos
productos de teledetección sirvan mejor para el modelado geográfico y el análisis
geográfico, así como para atender las estrategias y necesidades nacionales en China,
como la "Iniciativa de la Franja y la Ruta", "La hermosa China", "Mapeo global" y
"Ecológico". Ciudad ".
4.3.2.6. Mecanismos y productos de teledetección cuantitativa de alta resolución y
gran escala.La teledetección cuantitativa recupera las propiedades físicas de los
objetivos basándose en la transmisión de radiación entre sensores y objetivos.
Esta disciplina se ha desarrollado desde la interpretación visual manual y la
regresión estadística hasta métodos de inversión cuantitativa que combinan
modelos de transmisión de radiación, algoritmos de aprendizaje automático y
fusión de información de múltiples fuentes. La mejora en la precisión de la
extracción de información, la resolución espacial y temporal, la integridad
espaciotemporal y la puntualidad de la teledetección cuantitativa proporcionarán
un apoyo de datos importante para el seguimiento de elementos geográficos. Las
direcciones de investigación específicas incluyen:
(1) Inversión cuantitativa multimodal y fusión de información.
Esta dirección involucra teorías y métodos para la teledetección desde observaciones
hasta información cuantitativa. Después de haber experimentado un desarrollo a largo
plazo en la inversión de un solo sensor y la fusión de datos, la dirección de desarrollo
futuro de este campo es lograr una extracción de información cuantitativa de elementos
múltiples, de alta resolución temporal y de alta precisión a través del conocimiento
geocientífico a priori obtenido mediante la minería de big data y multi -información
modal de aspectos de "tiempo-espacio-espectro-ángulo" utilizando métodos avanzados
de aprendizaje automático.
(2) Validación de sensores remotos cuantitativos.
Se requieren métodos de validación "objetivos" para la extracción de
información de teledetección cuantitativa. Los métodos de validación tradicionales
se basan principalmente en observaciones in situ, por lo que no tienen suficientes
muestras espaciales representativas ni tipos de elementos de observación. Con el
surgimiento de métodos de observación avanzados como los UAV y las redes de
sensores, las direcciones futuras de la validación de métodos cuantitativos se
basarán en el uso integral de múltiples plataformas y datos de observación de
elementos múltiples y se centrarán en las leyes de escala temporal y espacial de
las observaciones de sensores remotos y cuantitativos. inversión
(3) Servicios de teledetección cuantitativa para aplicaciones
ambientales y de recursos.
Las aplicaciones en constante expansión en el dominio ambiental y de
recursos aportan vitalidad a la teledetección cuantitativa a través de
T. Pei, J. Xu, Y. Liu et al.
el uso de big data, computación en la nube, inteligencia artificial y otras
tecnologías avanzadas. El acoplamiento profundo de modelos cuantitativos de
teledetección con modelos de aplicación en agua, suelo, atmósfera, organismos y
actividades humanas, permitirá alcanzar nuevos modelos de servicios de
información cuantitativos inteligentes orientados a las demandas de los usuarios.
5. Conclusión
GIScience estudia las expresiones abstractas y formales de los conceptos
básicos y las leyes de la geografía. Las áreas de investigación de GIScience
incluyen geomodelado, geoanálisis y geocomputación. La ciencia de la
información de teledetección se ocupa de los mecanismos de los efectos humanos
en el sistema del entorno ecológico natural mediante la observación de la
superficie de la tierra. Las áreas principales incluyen sensores y plataformas,
procesamiento e interpretación de información y aplicaciones ambientales y de
recursos naturales. La ciencia IG y la teledetección desempeñan un papel
importante en la investigación de las ciencias ambientales y de los recursos al
proporcionar datos y apoyo metodológico, promoviendo así la ciencia ambiental y
de los recursos y otras tecnologías relacionadas.
En la nueva era de avances en el conocimiento y la información, los campos de
recursos naturales y ciencias ambientales se enfrentan al doble desafío de la
intensidad de los datos y la intensidad computacional. Por lo tanto, los avances en
las ciencias de la información y las ciencias de la computación han dado como
resultado muchas oportunidades para la investigación en ciencia SIG y sensores
remotos. Para resaltar temas importantes para las ciencias ambientales y de
recursos naturales, propusimos diez direcciones para la ciencia SIG, agrupadas en
tres categorías (métodos teóricos, una nueva generación de sistemas y datos
integrados y un entorno informático), y ocho direcciones para la detección remota,
agrupadas en tres categorías (mecanismos y modelos de teledetección,
procesamiento de información de teledetección y teledetección cuantitativa y
aplicaciones).
Declaración de interés en competencia
Los autores declaran no tener conflicto de intereses.
Expresiones de gratitud
Este trabajo fue apoyado por elFundación Nacional de Ciencias Naturales de
China(Concesión No.L1924041, 41525004) y el Proyecto de Investigación sobre la
Estrategia de Desarrollo Disciplinario de las Divisiones Académicas de la Academia
China de Ciencias (Subvención No. XK2019DXC006).
Referencias
Abdollahi, A., Pradhan, B., 2021. Técnica integrada de segmentación y clasificación
métodos con análisis de componentes conectados para la extracción de carreteras a partir de imágenes
ortofotográficas. Sistema experto aplicación 176, 114908.
Andrienko, N., Andrienko, G., Gatalsky, P., 2003. Visualización espacio-temporal exploratoria.
ción: Una revisión analítica. J. lenguaje visual. computar 14 (6), 503–541.
Anselin, L., Getis, A., 1992. Análisis estadístico espacial y sistemas de información geográfica.
Ana. Ciencias Regionales 26 (1), 19–33.
Bai, X., Wang, X., Liu, X., Liu, Q., Song, J., Sebe, N., Kim, B., 2021. Profundo explicable
aprendizaje para un reconocimiento de patrones eficiente y robusto: una encuesta de desarrollos recientes.
Reconocimiento de patrones. 120, 108102.
Batty, M., Xie, Y., Sun, Z., 1999. Modelado de dinámicas urbanas a través de sistemas celulares basados en GIS.
autómatas computar Reinar. Urbano. 23 (3), 205–233.
Brown, DG, Page, S., Riolo, R., Zellner, M., Rand, W., 2005. Dependencia del camino y la
validación de modelos espaciales basados en agentes del uso de la tierra. En t. J. Geogr. información ciencia 19
(2), 153–174.
Cattell, R., 2010. Almacenes de datos SQL y NoSQL escalables. Rec. ACM SIGMOD. 39 (4), 12–27.
Chapi, K., Singh, VP, Shirzadi, A., Shahabi, H., Bui, DT, Pham, BT, Khosravi, K., 2017.
Un nuevo enfoque híbrido de inteligencia artificial para la evaluación de la susceptibilidad a las inundaciones.
Reinar. Modelo. suave 95, 229–245.
Chen, W., Venables, DS, Sigrist, MW, 2021. Tendencias actuales y perspectivas futuras en espec-
monitoreo troscópico de la atmósfera. En: Chen, W., Venables, DS, Sigrist, MW (Eds.),
Avances en el monitoreo espectroscópico de la atmósfera. Elsevier, págs. 1–25. Chen,
Y., Huang, Z., Pei, T., Liu, Y., 2018. HiSpatialCluster: una novela de alto rendimiento
herramienta de software para agrupar puntos espaciales masivos. Trans. LEVADURA. 22 (5), 1275–
1298. Clarke, KC, 2003. El futuro de la geocomputación en los extremos: computación de alto rendimiento.
ing y nanoclientes. Cómputo paralelo. 29 (10), 1281–1295.
Dellwig, LF, 1986. Fundamentos físicos de la teledetección. Ciencias de la Tierra Rdo. 25 (3)
254–254.
214
Geografía y sostenibilidad 2 (2021) 207–215
Eisenberg, A., 2013. Microsatélites: qué ojos tan grandes tienen. New York Times,
2013–8–11.
Fraser, CS, 1997. Autocalibración de cámaras digitales. ISPRS J. Photogramm. 52 (4), 149–159.
Fotheringham, AS, Zhan, FB, 2010. Una comparación de tres métodos exploratorios para
detección de conglomerados en patrones de puntos espaciales. Geogr. Anal. 28 (3), 200–218.
Gao, S., 2020. Una revisión de investigaciones y reflexiones recientes sobre inteligencia artificial geoespacial.
gencia Inf. Geomática ciencia Universidad de Wuhan 45 (12), 1865–1874.
Goodchild, MF, 1992a. Ciencias de la información geográfica. En t. J. Geogr. información ciencia 6 (1),
31–45.
Goodchild, MF, 1992b. Modelado de datos geográficos. computar Geosci. 18 (4), 401–408.
Goodchild, MF, Yuan, M., Cova, TJ, 2007. Hacia una teoría general de la geografía
representación en SIG. En t. J. Geogr. información ciencia 21 (3), 239–260.
Guan, J., Yang, X., Ding, L., Cheng, X., Lee, VCS, Jin, C., 2021. Nivel de píxel automatizado
Detección de fallas en el pavimento basada en visión estéreo y aprendizaje profundo. automático Constr. 129,
103788.
Guo, H., 2018. Big data científico: una piedra angular de la estrategia nacional para big data. Toro. CAS.
33 (8), 768–773.
Guo, R., Ying, S., 2017. El rejuvenecimiento de la cartografía en la era de las TIC. Acta Geodaetica y
Cartographica Sinica 46 (10), 1274–1293 (en chino).
Hartmann, W., Havlena, M., Schindler, K., 2016. Desarrollos recientes en la vinculación a gran escala:
coincidencia de puntos. ISPRS J. Photogramm. 115, 47–62.
Holhoş, A., Roşca, D., 2018. Rejillas 3D refinables uniformes de poliedros convexos regulares
y pelotas Acta Matemáticas. Hungría. 156 (1), 182–193.
Huang, T., Zhang, Q., Liu, J., Hou, R., Wang, X., Li, Y., 2020. Ataques adversarios contra
- Reconocimiento de objetivos de imagen SAR basado en el aprendizaje. J. Red. computar aplicación 162, 102632.
Janowicz, K., Scheider, S., Pehle, T., Hart, G., 2012. Semántica geoespacial y espacio vinculado
datos temporales: pasado, presente y futuro. semántico Web. 3 (4), 321–332.
Koua, EL, Maceachren, A., Kraak, MJ, 2006. Evaluación de la usabilidad de la visualización
métodos en un entorno de geovisualización exploratoria. En t. J. Geogr. información ciencia 20 (4),
425–448.
Kwok, YT, Ng, EYY, 2021. Tendencias, temas y lecciones aprendidas de estudios de casos reales
uso de modelos atmosféricos de mesoescala para aplicaciones climáticas urbanas en 2000-2019.
Clima Urbano. 36, 100785.
Li, D., 2003. Hacia el desarrollo de la teledetección y los SIG en el siglo XXI.
Inf. Geomática ciencia Universidad de Wuhan 28 (2), 127–131 (en chino).
Li, D., 2019. El procesamiento inteligente y el servicio de big data espaciotemporal. J. Geo-Inf.
ciencia 21 (12), 1825–1831.
Liang, P., Qin, CZ, Zhu, AX, Hou, ZW, Fan, NQ, Wang, YJ, 2020. Un estudio basado en casos
método de selección de covariables para el mapeo digital de suelos. J.Integr. Agr. 19 (8),
2127–2136.
Lin, H., Chen, M., Lu, G., 2013a. Entorno geográfico virtual: un espacio de trabajo para com-
Experimentos geográficos asistidos por ordenador. Ana. Asoc. Soy. Geogr. 103 (3), 465–482.
Lin, H., Chen, M., Lu, G., Zhu, Q., Gong, J., You, X., Wen, Y., Xu, B., Hu, M., 2013b.
Entornos geográficos virtuales (VGE): una nueva generación de herramientas de análisis geográfico.
Ciencias de la Tierra Rdo. 126, 74–84.
Liu, Y., Liu, X., Gao, S., Gong, L., Kang, C., Zhi, Y., Chi, G., Shi, L., 2015. Detección social:
Un nuevo enfoque para comprender nuestros entornos socioeconómicos. Ana. Soy. Asoc.
Geogr. 105 (3), 512–530.
Li, X., Liu, X., 2008. Incorporación de estrategias de desarrollo sostenible en modelos basados en agentes
para su uso como herramienta de planificación. En t. J. Geogr. información ciencia 22 (1), 21–45.
Ma, A., Wan, Y., Zhong, Y., Wang, J., Zhang, L., 2021. SceneNet: escena de detección remota
red de clasificación de aprendizaje profundo utilizando búsqueda de arquitectura de evolución
neuronal multiobjetivo. ISPRS J. Photogramm. 172, 171–188.
Malczewski, J., 2006. Análisis de decisión multicriterio basado en SIG: una revisión de la literatura.
En t. J. Geogr. información ciencia 20 (7), 703–726.
Mark, DM, 1993. Hacia un marco teórico para los tipos de entidades geográficas. En:
Frank, AU, Campari, I. (Eds.), Teoría de la información espacial: una base teórica para GIS,
Apuntes de conferencias sobre informática. Springer-Verlag, Berlín, págs. 270–283. Mark,
DM, Freksa, C., Hirtle, SC, Lloyd, R., Tversky, B., 1999. Modelos cognitivos de
espacio geográfico. En t. J. Geogr. información ciencia 13 (8), 747–774.
Mennis, J., Guo, D., 2009. Minería de datos espaciales y descubrimiento de conocimiento geográfico: un
Introducción. computar Reinar. Urbano. 33 (6), 403–408.
Norris, JR, Walker, JJ, 2020. Geometría solar y del sensor, no respuesta de la vegetación, impulso
fenología satelital NDVI en ecosistemas extensos del oeste de los Estados Unidos. Sensores
remotos Reinar. 249, 112013.
Parker, DC, Manson, SM, Janssen, MA, Hoffmann, MJ, Deadman, P., 2003. Multi-a-
sistemas de agentes para la simulación del uso de la tierra y el cambio de cobertura de la tierra: una revisión.
Ana. Asoc. Soy. Geogr. 93 (2), 314–337.
Pavlo, A., Aslett, M., 2016. ¿Qué es realmente nuevo con NewSQL? Rec. ACM SIGMOD. 45 (2),
45–55.
Pei, T., Gao, J., Ma, T., Zhou, C., 2012. Descomposición multiescala de datos de procesos puntuales.
GeoInformatica 16 (4), 625–652.
Pei, T., Song, C., Guo, S., Shu, H., Liu, Y., Du, Y., Ma, T., Zhou, C., 2020. Grandes geodatos
minería: objetivo, connotaciones y temas de investigación. J. Geogr. ciencia 30 (2), 251–266. Peuquet,
DJ, 2001. Creando espacio para el tiempo: problemas en la representación de datos en el espacio-tiempo.
Geoinformática 5, 11–32.
Pijanowski, BC, Tayyebi, A., Doucette, J., Pekin, BK, Braun, D., Plourde, J., 2014. A
simulación de crecimiento urbano de big data a escala nacional: configuración del modelo de
transformación de la tierra basado en GIS y redes neuronales para ejecutarse en un entorno de
computación de alto rendimiento (HPC). Reinar. Modelo. suave 51, 250–268.
Qin, CZ, Wu, XW, Jiang, JC, Zhu, AX, 2016. Formalización del conocimiento basada en casos
y método de razonamiento para el análisis digital del terreno - Aplicación a la extracción de redes de
drenaje. Hidrol. Sistema Tierra ciencia 20, 3379–3392.
Ren, H., Yan, G., Chen, L., Li, Z., 2011. Efecto angular de los productos de emisividad MODIS y
su aplicación al algoritmo de ventana dividida. ISPRS J. Photogramm. 66 (4), 498–507.
T. Pei, J. Xu, Y. Liu et al.
Romeiser, R., 2013. Aplicaciones oceánicas del SAR interferométrico. En: Njoku, EG (Ed.), En-
Ciclopedia de Teledetección. Springer, Nueva York.
Ryan, NJ, Walker, KA, 2015. El efecto de las imprecisiones de los parámetros espectroscópicos en
teledetección de la atmósfera por ondas milimétricas basadas en tierra. J. Cuant. Espectrosc. Real academia de
bellas artes. 161, 50–59.
Sherrouse, BC, Clement, JM, Semmens, DJ, 2011. Una aplicación GIS para evaluar,
mapeo y cuantificación de los valores sociales de los servicios ecosistémicos. aplicación Geog. 31 (2),
748–760.
Shi, P., Yang, A., Meng, F., Chen, J., Zhang, Y., Xie, Z., Du, L, Yuan, X., 2021. Óptica
medición de campo cercano para la interacción espín-órbita de la luz. prog. cuant. Electrón. 78,
100341.
Sirdeshmukh, N., Verbree, E., Oosterom, PV, Psomadaki, S., Kodde, M., 2019. Utilizando
un sistema de cuadrícula global discreto para manejar nubes de puntos con diferentes ubicaciones,
tiempos y niveles de detalle. Cartográfica 54 (1), 4–15.
Tang, R., Li, ZL, Sun, X., 2013. Incremento temporal de la evapotranspiración instantánea:
Una intercomparación de cuatro métodos que utilizan medidas de covarianza de remolinos y datos
MODIS. Sensores remotos Reinar. 138, 102–118.
Tong, Q., Meng, Q., Yang, H., 2018. La historia y el futuro de la tecnología de detección remota.
Reducción de desastres de la ciudad. (6) 2–11 (en chino).
Hey, T., Tansley, S., Tolle, K., 2009. The Fourth Paradigm: Data-intensive Scientific Dis-
cubierta Microsoft Press, Redmon, Washington.
Toutin, T., 2004. Procesamiento geométrico de imágenes de teledetección: Modelos, algoritmos y
métodos. En t. J. Sensores Remotos. 25 (10), 1893–1924.
Tripathy, M., Raman, M., Chauhan, P., 2015. Estimación de la disponibilidad fotosintética
(PAR) de OCEANSAT-I OCM utilizando un modelo simple de transferencia de radiación atmosférica.
Adv. Resolución de espacio 56 (7), 1441–1452.
Ulmer, B., Samavati, F., 2020. Hacia la preservación del volumen esferoide degenerado-octree
red. Geoinformática 24, 505–529.
Wiesel, J., 1985. Procesamiento de imágenes digitales para la generación de ortofotos. Fotogrametría
40 (2), 69–76.
Xiao, A., Wang, Z., Wang, L., Ren, Y., 2018. Súper resolución para video satelital "Jilin-1"
imágenes a través de una red convolucional. Sensores 18, 1194.
215
Geografía y sostenibilidad 2 (2021) 207–215
Xu, J., Chen, Y., Xu, M., 2015. Minería de datos y aplicación de redes espaciales. común
Cómputo de China. Federación. 11 (11), 40–47 (en chino).
Yang, R., Dai, B., Tan, L., Liu, X., Yang, Z., Li, H., 2021. Clasificación de polarimétrica
Imágenes SAR. En: Yang, R., Dai, B., Tan, L., Liu, X., Yang, Z., Li, H. (Eds.), Polarimetric
Microwave Imaging. Springer, págs. 445–483.
Yao, Y., Li, X., Liu, X., Liu, P., Liang, Z., Zhang, J., Mai, K., 2017. Detección de distribución espacial
ción del uso del suelo urbano mediante la integración de puntos de interés y el modelo Google Word2Vec. En t. J.
Geogr. información ciencia 31 (4), 825–848.
Yuan, M., 2001. Representación de fenómenos geográficos complejos en SIG. Soy. Cartógrafo.
28 (2), 83–96.
Zhang, E., Liu, L., Huang, L., Ng, KS, 2021a. Un aprendizaje profundo, automatizado y generalizado.
método basado en ing para delinear los frentes de desprendimiento de los glaciares de Groenlandia a partir de
imágenes de teledetección multisensor. Sensores remotos Reinar. 254, 112265.
Zhang, Q., Pang, Z., Hu, W., Li, J., Liu, Y., Liu, Y., Yu, F., Zhang, C., Xu, M., 2021b.
Mecanismo de degradación del rendimiento del sensor de gas NO2 a temperatura ambiente activado por luz
basado en nanopartículas de Ag-ZnO. aplicación. Navegar. ciencia 541, 148418.
Zhang, X., Jiang, T., Li, X., Zhang, X., 2012. Investigación sobre la aplicación de PcModtran en
diseño de sensores remotos ópticos a bordo de satélites. física Procedimiento 25, 822–828.
Z. Zhang, Y., Fattahi, H., Amelung, F., 2019. Análisis de serie temporal de InSAR de referencia pequeña:
Corrección de error de desenvolvimiento y reducción de ruido. computar Geosci. 133, 104331.
Zheng, Y., Capra, L., Wolfson, O., Yang, H., 2014. Computación urbana: conceptos, método-
logías y aplicaciones. ACM Trans. Intel. sist. Tecnología 5 (3), 38.
Zhou, C., 2015. Perspectivas del sistema de información panespacial. prog. Geogr. 34 (2),
129–131.
Zhou, C., Zhu, X., Wang, M., Shi, C., Ou, Y., 2011. Mapa panorámico basado en la ubicación. prog.
Geogr. 30 (11), 1331-1335.
Zhu, AX, Zhao, FH, Liang, P., Qin, CZ, 2021. Próxima generación de GIS: debe ser fácil.
Ana. LEVADURA. 27 (1), 71–86.
IBM podría la educación. 2020. Aprendizaje profundo.https://www.ibm.com/cloud/learn/deep–
aprendiendo(consultado el 24 de julio de 2021).