秦 昆，許 凱，吳 濤，徐 敏，黃 靜，陳一祥，馮 霞，趙鵬祥，王玉龍，張 曄0，徐源泉，畢 奇

（1. 武漢大學(xué)遙感信息工程學(xué)院，湖北 武漢 430079；2. 中國(guó)地質(zhì)大學(xué)（武漢）地理與信息工程學(xué)院，湖北 武漢 430078；3. 嶺南師范學(xué)院計(jì)算機(jī)與智能教育學(xué)院，廣東 湛江 524048；4. 中國(guó)科學(xué)院空天信息創(chuàng)新研究院遙感科學(xué)國(guó)家重點(diǎn)實(shí)驗(yàn)室，北京 100101；5. 北京應(yīng)用氣象研究所，北京 100029；6. 南京郵電大學(xué)地理與生物信息學(xué)院，江蘇 南京 210023；7. 湖北工程學(xué)院物理與電子信息工程學(xué)院，湖北 孝感 432000；8. 瑞典隆德大學(xué)自然地理與生態(tài)系統(tǒng)科學(xué)系，隆德S-223 62；9. 中國(guó)電子科技集團(tuán)公司第二十七研究所，河南 鄭州 450047；10. 國(guó)家基礎(chǔ)地理信息中心，北京100830；11. 廣西師范大學(xué)環(huán)境與資源學(xué)院，廣西 桂林 541006）

人工智能和大數(shù)據(jù)在21世紀(jì)的快速發(fā)展，為遙感測(cè)繪地理信息的創(chuàng)新和發(fā)展帶來(lái)了前所未有的機(jī)遇和挑戰(zhàn)。遙感大數(shù)據(jù)、智能化測(cè)繪、時(shí)空大數(shù)據(jù)分析已經(jīng)成為21 世紀(jì)新的研究范式的典型特點(diǎn)。2008 年，Nature發(fā)表?？禕ig data:science in the petabyte era》[1]；2011年，Science發(fā)表?？禗ealing with data》[2]；2012年，美國(guó)正式展開了“大數(shù)據(jù)研究和發(fā)展的倡議”計(jì)劃；2015年，我國(guó)國(guó)務(wù)院印發(fā)了《促進(jìn)大數(shù)據(jù)發(fā)展行動(dòng)綱要》的通知。這些標(biāo)示著21 世紀(jì)已經(jīng)進(jìn)入大數(shù)據(jù)時(shí)代。大數(shù)據(jù)具有體量大（volume）、速度快（ve?locity）、模態(tài)多樣（variety）、真?zhèn)坞y辨（veracity）、價(jià)值大（value）等特點(diǎn)。大數(shù)據(jù)時(shí)代的GIS（geo?graphic information system，地理信息系統(tǒng)）面臨著大數(shù)據(jù)體量大、流質(zhì)性、模態(tài)多樣，以及大數(shù)據(jù)難以挖掘隱含價(jià)值等挑戰(zhàn)[3]。在遙感和對(duì)地觀測(cè)領(lǐng)域，隨著對(duì)地觀測(cè)技術(shù)的發(fā)展，人類對(duì)地球的綜合觀測(cè)能力達(dá)到空前水平，遙感數(shù)據(jù)呈現(xiàn)出明顯的“大數(shù)據(jù)”特征[4]。但是，相對(duì)于遙感數(shù)據(jù)獲取能力，遙感信息處理能力仍然較低，在實(shí)現(xiàn)從數(shù)據(jù)到知識(shí)的轉(zhuǎn)化上明顯不足。因此，迫切需要研究遙感大數(shù)據(jù)自動(dòng)處理和數(shù)據(jù)挖掘方法[4]。遙感大數(shù)據(jù)處理技術(shù)、分析技術(shù)，與人工智能的結(jié)合是一條切實(shí)有效的途徑。人工智能自1956 年達(dá)特茅斯（Dartmouth）會(huì)議提出至今已有60多年，人工智能在模式識(shí)別、知識(shí)工程、機(jī)器人等領(lǐng)域已經(jīng)取得了重大成就。特別是進(jìn)入21世紀(jì)蓬勃發(fā)展的深度學(xué)習(xí)更是掀起了人工智能空前的研究熱潮。人工智能已經(jīng)在各行各業(yè)、各學(xué)科深入發(fā)展。人工智能是多學(xué)科交叉融合的產(chǎn)物，涉及到哲學(xué)、認(rèn)知科學(xué)、行為科學(xué)、腦科學(xué)、生理學(xué)、心理學(xué)、語(yǔ)言學(xué)、邏輯學(xué)、物理學(xué)、數(shù)學(xué)，以及信息論、控制論和系統(tǒng)論等許多學(xué)科領(lǐng)域，人工智能應(yīng)在交叉學(xué)科研究中實(shí)現(xiàn)創(chuàng)新[5]。

人工智能、大數(shù)據(jù)，與遙感科學(xué)、地理信息科學(xué)的交叉融合，產(chǎn)生了智能空間信息處理[6]與時(shí)空大數(shù)據(jù)分析[4]等研究方向，是本學(xué)科重要的研究趨勢(shì)和研究熱點(diǎn)。本文提出了一種智能時(shí)空信息處理與時(shí)空分析的研究框架，并對(duì)該框架的基礎(chǔ)理論、關(guān)鍵技術(shù)進(jìn)行分析，還對(duì)智能空間信息處理、空間數(shù)據(jù)挖掘、時(shí)空分析三個(gè)關(guān)鍵技術(shù)進(jìn)行了綜述，介紹了部分實(shí)驗(yàn)研究。本文擬為智能時(shí)空信息處理與分析的研究探索一條可行的研究路徑。

1 智能時(shí)空信息處理與時(shí)空分析研究框架

智能時(shí)空信息處理與時(shí)空分析是目前海量時(shí)空數(shù)據(jù)累積過(guò)程中的迫切需要，它主要包含的關(guān)鍵技術(shù)有：智能空間信息處理技術(shù)、空間數(shù)據(jù)挖掘及圖像挖掘技術(shù)和時(shí)空大數(shù)據(jù)分析技術(shù)等多個(gè)方面。研究智能時(shí)空信息處理與時(shí)空分析技術(shù)有助于加強(qiáng)對(duì)海量時(shí)空數(shù)據(jù)處理的能力，提高地學(xué)分析的深度，開拓地學(xué)決策分析的重要技術(shù)手段。

智能空間信息處理（intelligent spatial information processing，ISIP）是指利用人工智能的理論與方法，利用計(jì)算智能方法，如神經(jīng)計(jì)算、模糊計(jì)算、進(jìn)化計(jì)算等方法實(shí)現(xiàn)空間信息的智能化處理[6]，屬于地球空間信息科學(xué)（geo-spatial information science，Geomat?ics）與人工智能（artificial intelligence，AI）的交叉融合，是地球空間信息科學(xué)的重要發(fā)展方向[6]。從空間信息的獲取到空間信息的應(yīng)用和可視化都可以借助人工智能技術(shù)來(lái)提高空間信息的獲取效率和應(yīng)用效果。地球空間信息科學(xué)是以全球?qū)Ш叫l(wèi)星系統(tǒng)（global navigation satellite system，GNSS）、地理信息系統(tǒng)（geographic information system，GIS）、遙感（remote sensing，RS）為主要內(nèi)容，并以計(jì)算機(jī)和通信技術(shù)為主要支撐，用于采集、量測(cè)、分析、存儲(chǔ)、管理、顯示、傳播和應(yīng)用與地球和空間分布有關(guān)數(shù)據(jù)的一門綜合和集成的信息科學(xué)和技術(shù)[7]。

時(shí)空數(shù)據(jù)是同時(shí)具有時(shí)間信息和空間信息的數(shù)據(jù)，是最重要的大數(shù)據(jù)之一，其智能化處理和分析是以測(cè)繪、遙感和地理信息技術(shù)為中心的地球空間信息學(xué)的重要途徑和發(fā)展契機(jī)[8-9]。時(shí)空大數(shù)據(jù)分析是通過(guò)時(shí)空大數(shù)據(jù)的智能處理和分析，從時(shí)空大數(shù)據(jù)中提取時(shí)空信息、挖掘時(shí)空知識(shí)的過(guò)程和方法。

本文結(jié)合相關(guān)研究和本文作者的長(zhǎng)期探索，提出了如圖1 所示的智能空間信息處理與時(shí)空大數(shù)據(jù)分析的研究框架。該研究框架包括基礎(chǔ)理論、數(shù)據(jù)獲取、關(guān)鍵技術(shù)三大部分。其中，關(guān)鍵技術(shù)部分包括智能空間信息處理技術(shù)、空間數(shù)據(jù)挖掘及圖像挖掘技術(shù)、時(shí)空大數(shù)據(jù)分析技術(shù)3個(gè)方面。

圖1 智能信息處理與時(shí)空分析的研究框架

1.1 基礎(chǔ)理論

智能空間信息處理與時(shí)空大數(shù)據(jù)分析是多學(xué)科交叉融合的學(xué)科新方向，深入分析并梳理其基礎(chǔ)理論是開展持續(xù)深入研究的重要基礎(chǔ)，具體包括概念格、商空間、粒計(jì)算、云模型、數(shù)據(jù)場(chǎng)、認(rèn)知物理學(xué)、空間統(tǒng)計(jì)、空間聚類、空間關(guān)聯(lián)等。

1）概念格：概念形成是人腦學(xué)習(xí)的重要特征，從概念形成去探討人腦學(xué)習(xí)，通過(guò)數(shù)據(jù)庫(kù)中大量數(shù)據(jù)的學(xué)習(xí)從而產(chǎn)生概念和知識(shí)的過(guò)程，是一個(gè)行之有效的途徑。概念就是在頭腦里所形成的反映對(duì)象的本質(zhì)屬性的思維形式。概念具有內(nèi)涵和外延兩部分，如果能夠建立一種數(shù)學(xué)的形式化的數(shù)據(jù)結(jié)構(gòu)將概念的內(nèi)涵和外延以及概念與概念之間的不同層次的抽象關(guān)系表達(dá)出來(lái)，便能對(duì)數(shù)據(jù)挖掘和知識(shí)發(fā)現(xiàn)的過(guò)程進(jìn)行有效的分析和處理。概念格（也稱為形式概念分析）理論提供了此項(xiàng)功能，即利用概念格理論所形成的形式化體系可以很好地運(yùn)用數(shù)學(xué)的方法描述概念的形成過(guò)程，以此為基礎(chǔ)進(jìn)行數(shù)據(jù)挖掘，產(chǎn)生了基于概念格的概念聚類方法、分類方法、關(guān)聯(lián)規(guī)則挖掘方法等[10-11]，并可以有效地應(yīng)用于空間數(shù)據(jù)挖掘與圖像挖掘[12]。

2）商空間：人類智能的一個(gè)公認(rèn)特點(diǎn)，就是人們能從極不相同的粒度上觀察和分析同一問(wèn)題。人們不僅能在不同粒度的世界上進(jìn)行問(wèn)題求解，而且能夠很快地從一個(gè)粒度世界跳轉(zhuǎn)到另一個(gè)粒度的世界，往返自如，毫無(wú)障礙。這種處理不同粒度世界的能力正是人類對(duì)問(wèn)題求解的強(qiáng)有力的表現(xiàn)[13]。商空間理論基于等價(jià)關(guān)系實(shí)現(xiàn)論域的劃分，從而實(shí)現(xiàn)細(xì)粒度的原問(wèn)題（X，f，T）轉(zhuǎn)化為粗粒度的商層上的問(wèn)題（[X]，[f]，[T]），是基于等價(jià)關(guān)系的一種劃分[13]。基于這種“劃分”，可以將幾乎所有的數(shù)據(jù)挖掘方法都聯(lián)系起來(lái)，建立一個(gè)統(tǒng)一的數(shù)據(jù)挖掘框架，將聚類分析、分類分析、關(guān)聯(lián)規(guī)則挖掘統(tǒng)一在該框架中，這樣有利于在統(tǒng)一的框架下研究各種數(shù)據(jù)挖掘方法，便于多種挖掘方法的集成，也便于數(shù)據(jù)挖掘結(jié)果的直接應(yīng)用[14]。

3）粒計(jì)算：粒度原本是一個(gè)物理學(xué)概念，用來(lái)度量微粒的平均大小。粒計(jì)算理論借用這一概念，用來(lái)實(shí)現(xiàn)對(duì)認(rèn)知過(guò)程中概念或知識(shí)在不同層次或不同角度上的度量。粒計(jì)算理論模擬人類從不同層次，不同角度觀察和處理問(wèn)題的策略，根據(jù)需要在不同的粒度空間內(nèi)求解問(wèn)題，并且對(duì)計(jì)算中數(shù)據(jù)的不確定性具有很強(qiáng)的適應(yīng)能力。粗糙集、商空間、模糊信息粒等理論和方法都相繼在粒計(jì)算理論下進(jìn)行了自身的延拓和擴(kuò)展。目前，粒計(jì)算發(fā)展成為信息處理的一種新概念、新方法，覆蓋了所有和粒度相關(guān)的理論、方法和技術(shù)，主要用于描述和處理模糊、隨機(jī)、不完整和海量的信息及提供一種基于粒和粒間關(guān)系的問(wèn)題求解方法[15]。

4）云模型：模糊性和隨機(jī)性是不確定性的兩個(gè)重要方面，傳統(tǒng)的不確定性方法往往單獨(dú)從模糊性，或者單獨(dú)從隨機(jī)性角度研究不確定性，不夠全面，具有一定的片面性和局限性。如果能夠?qū)ふ业揭粋€(gè)能既考慮隨機(jī)性，又考慮模糊性的模型，并且能兼顧二者之間的關(guān)聯(lián)性，那么對(duì)于不確定性的表達(dá)和分析將會(huì)更加全面和科學(xué)。針對(duì)此問(wèn)題，李德毅[16]提出了云模型理論，即提出利用一個(gè)統(tǒng)一的云模型實(shí)現(xiàn)定性概念與定量描述之間的不確定轉(zhuǎn)換，并以此為基礎(chǔ)發(fā)展了一系列關(guān)鍵技術(shù)，目前已經(jīng)發(fā)展成為一個(gè)重要的不確定性處理和分析理論，并且正在不斷發(fā)展和完善[17]。

5）數(shù)據(jù)場(chǎng)：數(shù)據(jù)場(chǎng)是一種不確定性知識(shí)發(fā)現(xiàn)的物理學(xué)方法，它借鑒物理學(xué)中場(chǎng)的概念來(lái)描述客體間的相互作用，將數(shù)據(jù)點(diǎn)看作是具有輻射能力的點(diǎn)，在數(shù)域空間的影響力形成了數(shù)據(jù)場(chǎng)[17]。給定樣本集合D={x1,x2,…,xn}，假設(shè)每個(gè)樣本可用p個(gè)觀測(cè)屬性或變量進(jìn)行測(cè)量。若將每個(gè)樣本觀測(cè)值視為一個(gè)數(shù)據(jù)點(diǎn)，則n個(gè)樣本就構(gòu)成p維特征空間的n個(gè)數(shù)據(jù)點(diǎn)。設(shè)每個(gè)數(shù)據(jù)點(diǎn)所處位置都是一個(gè)虛擬對(duì)象或“質(zhì)點(diǎn)”，其周圍存在一個(gè)作用場(chǎng)，且位于場(chǎng)內(nèi)的任何對(duì)象都將受到其他對(duì)象的聯(lián)合作用，則在整個(gè)特征空間上可確定一個(gè)數(shù)據(jù)場(chǎng)[17]。數(shù)據(jù)場(chǎng)理論目前廣泛應(yīng)用于空間聚類[18]、圖像分割[19]等領(lǐng)域。

6）認(rèn)知物理學(xué)：認(rèn)知物理學(xué)將自然語(yǔ)言作為人工智能研究的切入點(diǎn)，借鑒原子模型、場(chǎng)和層次結(jié)構(gòu)描述從數(shù)據(jù)到信息再到知識(shí)的人類認(rèn)知過(guò)程，認(rèn)知物理學(xué)的核心是云模型、數(shù)據(jù)場(chǎng)和可變粒度層次結(jié)構(gòu)[17]。借鑒物理學(xué)中的原子模型表示概念，以自然語(yǔ)言作為切入點(diǎn)，將概念作為語(yǔ)言的基本模型，利用云模型表示概念，研究人類思維從定量到定性的雙向轉(zhuǎn)換過(guò)程。借鑒物理學(xué)中的場(chǎng)描述客體間的相互作用，認(rèn)知物理學(xué)通過(guò)考察數(shù)據(jù)對(duì)象間的相互作用并建立場(chǎng)來(lái)描述原始、混亂、復(fù)雜、不成形的數(shù)據(jù)關(guān)聯(lián)，揭示不同抽象程度或者概念層次上的知識(shí)。借鑒物理學(xué)中的粒度描述知識(shí)的層次結(jié)構(gòu)，形成了數(shù)據(jù)、信息、規(guī)則和知識(shí)之間的可變粒度層次結(jié)構(gòu)[17]。

7）空間統(tǒng)計(jì)：空間統(tǒng)計(jì)是對(duì)具有空間分布特征數(shù)據(jù)的統(tǒng)計(jì)分析理論和方法，是空間數(shù)據(jù)挖掘和圖像分析的重要基礎(chǔ)理論之一?？臻g統(tǒng)計(jì)的出發(fā)點(diǎn)是空間事物或現(xiàn)象的空間依賴或空間關(guān)聯(lián)性。地理學(xué)第一定律表明：地理事物或現(xiàn)象在空間分布上是相互關(guān)聯(lián)的，并且這種關(guān)聯(lián)性與空間距離相關(guān)，通常距離越接近，空間關(guān)聯(lián)性就會(huì)越強(qiáng)[20]?？臻g統(tǒng)計(jì)學(xué)被廣泛應(yīng)用于地質(zhì)、生態(tài)、農(nóng)業(yè)、土壤、林業(yè)、氣候氣象、海洋等環(huán)境學(xué)科以及人文地理、空間計(jì)量經(jīng)濟(jì)、流行病等社會(huì)經(jīng)濟(jì)學(xué)科。

8）空間聚類：空間聚類把特征相近的空間實(shí)體數(shù)據(jù)劃分到同一類中，類間差別盡可能大，類內(nèi)差別盡可能小。空間對(duì)象根據(jù)類內(nèi)相似性最大和類間相似性最小的原則分組聚類，并據(jù)此導(dǎo)出空間聚類知識(shí)。例如，根據(jù)圖像各像素的灰度值對(duì)圖像進(jìn)行自動(dòng)聚類，從而實(shí)現(xiàn)圖像的有效分割。

9）空間關(guān)聯(lián)：空間關(guān)聯(lián)知識(shí)是找出空間實(shí)體或?qū)嶓w的空間屬性之間的關(guān)聯(lián)關(guān)系，找出空間實(shí)體的特性數(shù)據(jù)項(xiàng)之間頻繁同時(shí)出現(xiàn)的模式，主要指空間實(shí)體間的相鄰、相連、共生和包含等關(guān)聯(lián)規(guī)則，并且同時(shí)給予支持度和置信度作為關(guān)聯(lián)知識(shí)的不確定性的度量?？臻g關(guān)聯(lián)規(guī)則是空間數(shù)據(jù)挖掘的重要內(nèi)容之一。

1.2 數(shù)據(jù)獲取

數(shù)據(jù)獲取是智能空間信息處理與時(shí)空大數(shù)據(jù)分析的前提和基礎(chǔ)。隨著遙感技術(shù)、傳感網(wǎng)技術(shù)和通信技術(shù)的發(fā)展，數(shù)據(jù)獲取手段越來(lái)越豐富。既有傳統(tǒng)的測(cè)繪感知的數(shù)據(jù)獲取手段，也有各種社會(huì)感知的數(shù)據(jù)獲取手段。從傳統(tǒng)的對(duì)地觀測(cè)，發(fā)展為既對(duì)地觀測(cè)，也對(duì)人觀測(cè)[21]。

1.3 關(guān)鍵技術(shù)

關(guān)鍵技術(shù)包括智能空間信息處理、空間數(shù)據(jù)挖掘、時(shí)空分析等，將在第2部分詳細(xì)介紹。

2 關(guān)鍵技術(shù)與實(shí)驗(yàn)分析

2.1 智能空間信息處理

智能空間信息處理是地球信息科學(xué)與人工智能的交叉融合。智能空間信息處理是利用計(jì)算智能（神經(jīng)計(jì)算、模糊計(jì)算、進(jìn)化計(jì)算等），以及認(rèn)知物理學(xué)（云模型、數(shù)據(jù)場(chǎng)、粒計(jì)算等）、空間統(tǒng)計(jì)等方法從空間數(shù)據(jù)中提取空間信息的過(guò)程和方法。神經(jīng)計(jì)算是指基于人工神經(jīng)網(wǎng)絡(luò)模型的智能計(jì)算方法，模糊計(jì)算是指基于模糊集、粗糙集等不確定性理論和方法的計(jì)算智能方法，進(jìn)化計(jì)算是指基于遺傳算法、蟻群算法等的計(jì)算智能方法[6]。以下重點(diǎn)介紹基于云模型、數(shù)據(jù)場(chǎng)和空間統(tǒng)計(jì)的智能空間信息處理方法。

2.1.1 云模型智能空間信息處理

云模型是一種綜合考慮模糊性和隨機(jī)性的不確定性分析理論，是不確定性人工智能的重要模型[17]。基于云模型可以發(fā)展一系列的智能空間信息處理方法，如云模型圖像分割[22]、云模型空間聚類[23]、云模型遙感圖像分類[24]等。這里以圖像分割和遙感圖像分類為例，對(duì)云模型智能空間信息處理方法進(jìn)行說(shuō)明。

圖像分割或圖像分類是將圖像分解成若干個(gè)簇的過(guò)程，分解過(guò)程需要解決2 個(gè)問(wèn)題：①圖像數(shù)據(jù)如何生成簇？②簇如何表達(dá)？

提取圖像簇的一個(gè)基本作用是從圖像中提取出概念，并忽略無(wú)關(guān)緊要的細(xì)節(jié)，從而降低問(wèn)題求解復(fù)雜度，因此也可以被看作是通過(guò)對(duì)圖像中蘊(yùn)含的概念進(jìn)行提取和整理的過(guò)程。云模型提供了一種圖像簇的形成方法—云變換[17，25]。云變換通過(guò)對(duì)數(shù)據(jù)的頻率分布實(shí)現(xiàn)概念的提取，將數(shù)據(jù)的頻率分布分解成若干個(gè)正態(tài)云模型的疊加。若給定數(shù)據(jù)X 的頻率分布函數(shù)為f(x)，云變換自動(dòng)將數(shù)據(jù)分解成若干個(gè)正態(tài)云模型Ci(Exi,Eni,Hei)的疊加，如公式（1）所示。

式中，n為變換后生成云模型的個(gè)數(shù)；ai為加權(quán)系數(shù)；Exi為第i個(gè)云模型的期望值；Eni為第i個(gè)云模型的熵，Hei為第i個(gè)云模型的超熵。

以直方圖來(lái)表示圖像像素灰度的頻率分布，則可以通過(guò)對(duì)圖像直方圖進(jìn)行云變換實(shí)現(xiàn)圖像的分割或分類。以TM遙感影像第5波段為例，統(tǒng)計(jì)圖像直方圖如圖2 所示。利用云變換對(duì)圖像直方圖進(jìn)行處理，則可以實(shí)現(xiàn)遙感圖像的非監(jiān)督分類。

圖2 TM遙感影像第5波段及其直方圖

直方圖中包含多個(gè)峰和谷，對(duì)應(yīng)圖像中不同灰度的目標(biāo)或背景，使用云變換可以將其分割成多個(gè)部分，每一部分代表圖像中的一個(gè)區(qū)域。將圖1 中的直方圖通過(guò)云變換表示為3 個(gè)云模型的疊加，則可以將遙感圖像非監(jiān)督分類為3 個(gè)地物類型，如圖3所示。

圖3 基于云變換的遙感圖像非監(jiān)督分類

2.1.2 數(shù)據(jù)場(chǎng)智能空間信息處理

數(shù)據(jù)場(chǎng)是一種不確定性知識(shí)發(fā)現(xiàn)的物理學(xué)方法，可以應(yīng)用于空間聚類[18]、圖像分割[19，26]、人臉識(shí)別[27]等領(lǐng)域。這里以圖像分割為例說(shuō)明數(shù)據(jù)場(chǎng)智能空間信息處理方法。

借鑒場(chǎng)的思想描述圖像本身存在的相互作用，充分兼顧圖像全局認(rèn)知和鄰域局部關(guān)聯(lián)，在不同的論域空間構(gòu)建圖像數(shù)據(jù)場(chǎng)，借鑒粒度層次的思想，通過(guò)數(shù)據(jù)場(chǎng)的類譜系圖生成和質(zhì)點(diǎn)的自適應(yīng)遷移形成多層次、多視角的粒結(jié)構(gòu)，在不同的粒度世界之間躍升實(shí)現(xiàn)對(duì)信息的抽象化和具體化，利用數(shù)據(jù)場(chǎng)的可變粒度層次結(jié)構(gòu)實(shí)現(xiàn)圖像粒化的計(jì)算[26]。如圖4 所示，從數(shù)據(jù)到信息的階段，利用數(shù)據(jù)場(chǎng)的抱團(tuán)特性在圖像不同決策空間上建模，利用影響因子的自適應(yīng)優(yōu)選，在最優(yōu)的粒度層次下刻畫圖像粒內(nèi)部對(duì)象之間和圖像粒之間的分布規(guī)律，完成從像素特征值到質(zhì)點(diǎn)勢(shì)值的映射，通過(guò)圖像粒場(chǎng)盡可能發(fā)現(xiàn)圖像粒內(nèi)部對(duì)象和圖像粒之間的自然抱團(tuán)特性。從信息到知識(shí)的階段，在圖像粒場(chǎng)的基礎(chǔ)上，分別利用圖像數(shù)據(jù)場(chǎng)和圖像特征場(chǎng)實(shí)現(xiàn)多層次、多視角粒結(jié)構(gòu)的粒度轉(zhuǎn)換，同時(shí)選擇相應(yīng)的劃分方式展開基于?；挠?jì)算，完成從質(zhì)點(diǎn)勢(shì)值到像素標(biāo)記的映射[26]。

圖4 數(shù)據(jù)場(chǎng)圖像分割的粒計(jì)算原理及解決方案示意圖

2.1.3 基于空間統(tǒng)計(jì)的智能空間信息處理

空間統(tǒng)計(jì)是研究空間分布數(shù)據(jù)統(tǒng)計(jì)規(guī)律的學(xué)科，其主要的理論方法包括空間自相關(guān)統(tǒng)計(jì)量、空間變異函數(shù)、空間插值、空間回歸、地理加權(quán)回歸等?？臻g數(shù)據(jù)具有空間依賴性（空間自相關(guān)性）和空間異質(zhì)性，地理學(xué)第一定律和第二定律分別揭示了空間數(shù)據(jù)的這兩種特性?？臻g自相關(guān)統(tǒng)計(jì)量（如Moran’s I、Geary’s C 和Getis-Ord 指數(shù)）可用于度量空間數(shù)據(jù)的空間依賴性，揭示其空間分布模式。空間變異函數(shù)可以用于建?？臻g數(shù)據(jù)的結(jié)構(gòu)特性，考慮這種特性的克里金模型能更好地實(shí)現(xiàn)空間離散數(shù)據(jù)的插值和預(yù)測(cè)?？臻g回歸和地理加權(quán)回歸分別實(shí)現(xiàn)了對(duì)空間依賴性和空間異質(zhì)性的模型化表達(dá)，已成為建模地理變量之間空間關(guān)系的主要方法。

空間統(tǒng)計(jì)已被廣泛用于遙感和地理空間數(shù)據(jù)的結(jié)構(gòu)模式分析和空間關(guān)系建模。對(duì)于遙感數(shù)據(jù)，各地物類的影像特征具有顯著的結(jié)構(gòu)性[28]，該特性對(duì)進(jìn)一步的影像解譯和信息提取具有重要的作用。空間自相關(guān)統(tǒng)計(jì)量可用于描述遙感影像的空間紋理和結(jié)構(gòu)特征，并結(jié)合機(jī)器學(xué)習(xí)算法實(shí)現(xiàn)影像的地物分類[29]?？臻g變異函數(shù)可用于建模影像的空間結(jié)構(gòu)模式，影像中不同的地物類由于具有不同的空間結(jié)構(gòu)特性，也就對(duì)應(yīng)不同的空間變異函數(shù)曲線，因此通過(guò)空間變異函數(shù)提取的影像特征可以用于區(qū)分影像中不同的地物類[29-30]。例如，它已被用于高分辨率衛(wèi)星影像的結(jié)構(gòu)特征建模，并進(jìn)一步用于實(shí)現(xiàn)建筑區(qū)的提取[31]。對(duì)于地理空間數(shù)據(jù)，空間統(tǒng)計(jì)模型由于考慮了空間依賴性和空間異質(zhì)性，在揭示地理變量之間的空間關(guān)系方面具有獨(dú)特的優(yōu)勢(shì)。以新冠疫情事件為例，利用時(shí)空地理加權(quán)回歸模型可以建立疫情初期湖北省各城市的確證病例數(shù)與人口流動(dòng)因素之間的時(shí)空關(guān)系，揭示人口流動(dòng)對(duì)新冠疫情確診病例的影響[32]。

2.2 空間數(shù)據(jù)挖掘

空間數(shù)據(jù)挖掘是從空間數(shù)據(jù)（包括圖像數(shù)據(jù)）中挖掘知識(shí)的過(guò)程[33-34]。這里重點(diǎn)介紹3個(gè)方面的技術(shù)和方法：基于概念格的空間數(shù)據(jù)挖掘方法、基于商空間和粒計(jì)算的圖像理解方法、基于深度學(xué)習(xí)的遙感目標(biāo)識(shí)別方法。

2.2.1 基于概念格的空間數(shù)據(jù)挖掘方法

空間數(shù)據(jù)挖掘是從空間數(shù)據(jù)中挖掘知識(shí)的過(guò)程，可以理解為從空間數(shù)據(jù)中形成空間概念的過(guò)程[12]。概念格（也稱為形式概念分析）提供了一種數(shù)學(xué)的形式化的數(shù)據(jù)結(jié)構(gòu)，可以將空間概念的內(nèi)涵和外延，以及空間概念之間的不同層次的抽象關(guān)系表達(dá)出來(lái)，可以對(duì)空間數(shù)據(jù)挖掘與知識(shí)發(fā)現(xiàn)的過(guò)程進(jìn)行有效的分析和處理[12]。

概念格的構(gòu)建過(guò)程其實(shí)是一種概念聚類的過(guò)程，是一種從低層概念進(jìn)行綜合從而得到高層概念的過(guò)程，這個(gè)過(guò)程體現(xiàn)了從數(shù)據(jù)中提取隱含概念的過(guò)程。Hasse 圖是概念格的一種可視化的表現(xiàn)形式，通過(guò)Hasse 圖的繪制，可以將概念之間的泛化與特化關(guān)系進(jìn)行直觀的可視化表達(dá)。

秦昆[12，35]將商空間和形式概念分析理論結(jié)合起來(lái)，建立了一個(gè)概念驅(qū)動(dòng)的統(tǒng)一的圖像數(shù)據(jù)挖掘框架，并重點(diǎn)對(duì)光譜（顏色）特征、紋理特征、空間關(guān)系特征等方面進(jìn)行了實(shí)驗(yàn)研究。針對(duì)圖像紋理特征數(shù)據(jù)挖掘過(guò)程中伴隨著高層概念的產(chǎn)生這一特點(diǎn)，吳濤[36-37]在此基礎(chǔ)上引入概念格來(lái)挖掘關(guān)聯(lián)規(guī)則。利用概念格的建格算法直接產(chǎn)生了頻繁封閉項(xiàng)集，避免了不必要的比較，減少了比較次數(shù)，提高了算法效率，另外也避免了一些冗余規(guī)則的產(chǎn)生。

2.2.2 基于商空間及粒計(jì)算的圖像理解方法

粒計(jì)算理論模擬人類從不同層次，不同角度觀察和處理問(wèn)題的策略，根據(jù)需要在不同的粒度空間內(nèi)求解問(wèn)題，粒度計(jì)算的理論與方法從觀念上突破了傳統(tǒng)優(yōu)化思想的束縛，不再以數(shù)學(xué)上的精確解為目標(biāo)，對(duì)計(jì)算中數(shù)據(jù)的不確定性有很強(qiáng)的適應(yīng)能力，具有廣泛的應(yīng)用前景[38]。粗糙集、商空間、模糊信息粒等理論和方法都相繼在粒計(jì)算模型下進(jìn)行了自身的延拓和擴(kuò)展[39]。粗糙集和商空間是從等價(jià)的觀點(diǎn)來(lái)描述粒度，研究的對(duì)象是集合，是一種“清晰的粒度”[40]。模糊信息粒使用模糊集來(lái)表達(dá)信息的粒度，粒之間沒(méi)有明確的界線，是傳統(tǒng)信息?；囊环N推廣[41]。

?；菍⑿畔⒒驍?shù)據(jù)分解成若干個(gè)簇的過(guò)程。以圖像數(shù)據(jù)為例，像素由于距離、灰度值或紋理等特征難以被區(qū)別而構(gòu)成的簇可以稱為“圖像信息?！薄D像的?；^(guò)程可以從兩個(gè)角度考慮：一是直接對(duì)像素論域進(jìn)行劃分，實(shí)現(xiàn)?；^(guò)程；二是對(duì)像素的特征計(jì)算不同的粒度，通過(guò)特征的?；瘜?shí)現(xiàn)像素論域的劃分。另外，粒度層次的構(gòu)建也是粒計(jì)算方法的一個(gè)關(guān)鍵問(wèn)題，通過(guò)構(gòu)建圖像的粒度層次樹可以實(shí)現(xiàn)圖像信息粒在不同粒度層次下對(duì)圖像數(shù)據(jù)的覆蓋。

商空間理論是粒計(jì)算的重要代表性理論。關(guān)澤群[42]探討了圖像概念形成中涉及商空間關(guān)系分析的抽象化與具體化，綜合與分析過(guò)程，并借助將商空間關(guān)系分析和人工智能融為一體的商空間法加以描述，進(jìn)而確立了較完整的商空間下的圖像分析理論。秦昆[12]提出將商空間理論與概念格理論相結(jié)合，對(duì)圖像數(shù)據(jù)挖掘與知識(shí)發(fā)現(xiàn)的機(jī)理進(jìn)行研究，通過(guò)商空間理論建立圖像數(shù)據(jù)挖掘的形式化分析體系，在該形式化分析體系的指導(dǎo)下，利用基于概念格理論的數(shù)據(jù)挖掘算法，從不同粒度的圖像世界中提取出不同層次的概念，分析概念之間的包含與被包含關(guān)系，從而挖掘出圖像數(shù)據(jù)中隱含的潛在有用的規(guī)律性知識(shí)。李剛[43]以問(wèn)題求解的商空間粒度計(jì)算理論為基礎(chǔ)，將像素分類方法和對(duì)象級(jí)分類方法相結(jié)合，提出了基于像素和面向?qū)ο蟮纳炭臻g合成方法。

2.2.3 基于深度學(xué)習(xí)的遙感場(chǎng)景分類和目標(biāo)識(shí)別方法

遙感場(chǎng)景分類與目標(biāo)識(shí)別是遙感圖像解譯的一項(xiàng)重要工作，隨著深度學(xué)習(xí)技術(shù)的迅猛發(fā)展，使用深度學(xué)習(xí)技術(shù)開展遙感場(chǎng)景分類和目標(biāo)識(shí)別已成為目前的主流方法。相比于傳統(tǒng)的“特征工程+分類器”方法，深度學(xué)習(xí)方法具有較強(qiáng)的表征學(xué)習(xí)能力，更容易學(xué)習(xí)到遙感圖像的高層語(yǔ)義信息，因此在識(shí)別表現(xiàn)上具有較大的提升。目前主流的基于深度學(xué)習(xí)的遙感場(chǎng)景分類和目標(biāo)識(shí)別方法通過(guò)主干網(wǎng)絡(luò)提取高層語(yǔ)義特征，然后通過(guò)多層次特征融合、優(yōu)化損失函數(shù)、構(gòu)建可分性更強(qiáng)的潛在特征空間、改進(jìn)高層次語(yǔ)義特征理解能力等方法，進(jìn)一步提升深度學(xué)習(xí)在遙感場(chǎng)景識(shí)別的性能[44]。

相比于自然圖像，遙感圖像成像面積更大，場(chǎng)景內(nèi)的空間結(jié)構(gòu)信息更加多樣，目標(biāo)分布更加復(fù)雜，現(xiàn)有深度學(xué)習(xí)方法獲得的全局語(yǔ)義表征仍不足以有效描述遙感場(chǎng)景，導(dǎo)致分類表現(xiàn)仍不盡如人意。一種可行的思路是通過(guò)局部語(yǔ)義建模來(lái)增強(qiáng)對(duì)遙感場(chǎng)景中的關(guān)鍵區(qū)域的特征響應(yīng)，以提高遙感場(chǎng)景的特征表達(dá)能力。所謂局部語(yǔ)義，是相對(duì)于全局語(yǔ)義的一個(gè)概念。具體而言，一張遙感場(chǎng)景圖像整體有一個(gè)語(yǔ)義標(biāo)簽，但該圖像的不同區(qū)域包含的地物信息不同，可能對(duì)應(yīng)于場(chǎng)景整體的語(yǔ)義標(biāo)簽，也可能對(duì)應(yīng)于其類別的語(yǔ)義標(biāo)簽。

畢奇[45-46]等研究了多種增強(qiáng)局部語(yǔ)義描述能力的深度學(xué)習(xí)遙感場(chǎng)景識(shí)別方法。第一類方法是通過(guò)多層次注意力機(jī)制，在深度網(wǎng)絡(luò)特征提取的過(guò)程中，反復(fù)加強(qiáng)關(guān)鍵局部區(qū)域的特征響應(yīng)，提高局部語(yǔ)義層面的特征區(qū)分度，從而進(jìn)一步提升識(shí)別效果。第二類方法是通過(guò)多實(shí)例學(xué)習(xí)進(jìn)行局部語(yǔ)義建模，將每個(gè)圖像塊視作一個(gè)實(shí)例，每個(gè)實(shí)例本身均可獲得一個(gè)類別層級(jí)的特征表達(dá)[47-48]。此類方法在預(yù)測(cè)推理階段，可以獲得每個(gè)圖像塊所包含的場(chǎng)景語(yǔ)義類別信息，對(duì)于遙感場(chǎng)景的細(xì)粒度語(yǔ)義理解具有重要意義。第三類方法是通過(guò)構(gòu)建諸如類別峰值響應(yīng)圖的可分度更強(qiáng)的特征表達(dá)，來(lái)實(shí)現(xiàn)局部語(yǔ)義描述[49]。

圖5 多實(shí)例深度卷積神經(jīng)網(wǎng)絡(luò)遙感圖像場(chǎng)景分類

2.3 時(shí)空分析

2.3.1 軌跡聚類與分析

行為軌跡大數(shù)據(jù)中隱藏著具有強(qiáng)時(shí)空相關(guān)性的時(shí)空聚類模式，蘊(yùn)含著人們豐富的行為模式和活動(dòng)規(guī)律。行為軌跡大數(shù)據(jù)的高性能時(shí)空聚類與社會(huì)分析是地理信息科學(xué)與工程領(lǐng)取迫切需要解決的關(guān)鍵科學(xué)問(wèn)題[50]?？紤]時(shí)空相關(guān)性的行為軌跡時(shí)空聚類挖掘過(guò)程包括：①行為軌跡數(shù)據(jù)預(yù)處理；②時(shí)空相關(guān)性分析；③屬性特征提?。虎芸紤]時(shí)空相關(guān)性的時(shí)空聚類；⑤時(shí)空聚類模式挖掘。行為軌跡時(shí)空聚類模型既是計(jì)算密集型的，也是數(shù)據(jù)密集型的，因此應(yīng)分別從算法并行和數(shù)據(jù)并行兩方面考慮，按照分布式數(shù)據(jù)庫(kù)對(duì)數(shù)據(jù)并行的要求，研究行為軌跡的數(shù)據(jù)劃分策略和彈性資源分配方法，按照高性能算法設(shè)計(jì)流程和方法，進(jìn)行時(shí)空聚類算法的高性能優(yōu)化求解[51]。行為軌跡時(shí)空聚類的應(yīng)用包括：熱點(diǎn)區(qū)域提取[52-53]、異常軌跡探測(cè)[54]、交通擁堵分析[55-57]等。

城市熱點(diǎn)區(qū)域通常是指商業(yè)較發(fā)達(dá)、居民出行次數(shù)較多、交通流量較大的區(qū)域，在某種程度上是人們密集出行的體現(xiàn)?？臻g聚類是從人類移動(dòng)軌跡中提取和分析城市熱點(diǎn)區(qū)域的重要方法之一?；谲壽E聚類的城市熱點(diǎn)區(qū)域提取是將表征人類活動(dòng)的軌跡點(diǎn)或軌跡線劃分成若干個(gè)類的過(guò)程，每個(gè)類代表一個(gè)城市熱點(diǎn)區(qū)域。軌跡聚類過(guò)程中需要解決兩個(gè)關(guān)鍵問(wèn)題：軌跡相似性度量、軌跡劃分。通過(guò)對(duì)代表乘客出行出發(fā)地和目的地的軌跡點(diǎn)進(jìn)行空間聚類，可以有效地提取某一時(shí)刻城市的熱點(diǎn)區(qū)域[52]。

異常軌跡是指軌跡數(shù)據(jù)中不同于大多數(shù)駕駛者常規(guī)選擇路線的軌跡。利用這些異常軌跡可以分析駕駛者或乘客的異常行為，可以為城市交通管理和社會(huì)管理等提供決策支持。軌跡聚類是異常軌跡探測(cè)的常用手段之一。例如，以武漢市2014年5月的出租車軌跡數(shù)據(jù)為數(shù)據(jù)源，選取武昌火車站為出發(fā)地、武漢火車站為目的地，獲取它們之間的所有載客軌跡，利用異常軌跡探測(cè)方法進(jìn)行實(shí)驗(yàn)，提取出發(fā)地和目的地之間的正常軌跡聚類簇和異常軌跡，并進(jìn)一步推斷異常軌跡產(chǎn)生的原因[54]。

城市交通擁堵是車輛移動(dòng)過(guò)程中產(chǎn)生的一種時(shí)空聚集現(xiàn)象，通過(guò)對(duì)緩速軌跡進(jìn)行聚類分析，可以有效地挖掘城市交通擁堵區(qū)域[55-56]。城市交通擁堵存在一定的時(shí)空變化模式，基于數(shù)據(jù)場(chǎng)理論可以對(duì)城市擁堵區(qū)域進(jìn)行分級(jí)，探索城市交通擁堵的時(shí)空變化規(guī)律[55]，并利用形態(tài)學(xué)的方法，可以挖掘不同擁堵級(jí)別下城市交通擁堵區(qū)域從形成-增長(zhǎng)-移動(dòng)-縮小-消散的全生命周期變換模式[57]。

2.3.2 融合遙感與社會(huì)感知的城市功能區(qū)提取

傳統(tǒng)的城市功能區(qū)提取與分析研究主要是采用土地利用現(xiàn)狀圖、問(wèn)卷調(diào)查等數(shù)據(jù)進(jìn)行分析和處理，往往存在數(shù)據(jù)單一、分析不夠全面等問(wèn)題，更多是對(duì)地物的物理屬性的感知和觀測(cè)，難以對(duì)城市的社會(huì)屬性進(jìn)行感知和觀測(cè)。隨著傳感網(wǎng)技術(shù)、通信技術(shù)等的發(fā)展，對(duì)社會(huì)屬性的社會(huì)感知成為傳統(tǒng)遙感的物理感知的一種重要補(bǔ)充[58]，綜合應(yīng)用傳統(tǒng)的遙感數(shù)據(jù)和社會(huì)感知數(shù)據(jù)對(duì)城市化問(wèn)題進(jìn)行綜合分析是一種切實(shí)有效的思路[59-60]。在這一背景下，張曄[61]基于高空間分辨率遙感影像、建筑物輪廓數(shù)據(jù)、開放街區(qū)地圖Open?StreetMap（OSM）數(shù)據(jù)、出租車軌跡數(shù)據(jù)和興趣點(diǎn)數(shù)據(jù)等多源地理數(shù)據(jù)，充分挖掘城市用地的自然物理屬性和社會(huì)經(jīng)濟(jì)屬性信息，從而提取城市空間內(nèi)部各地區(qū)的功能屬性，分析各組成部分之間的相互作用和功能分布模式[61-62]。

2.3.3 地理多元流分析

世界是一個(gè)相互關(guān)聯(lián)的網(wǎng)絡(luò)。物質(zhì)、信息、能量等的移動(dòng)或交換嵌入地理空間形成的地理多元流網(wǎng)絡(luò)，為從地理和網(wǎng)絡(luò)角度研究全球性問(wèn)題提供了新的視角。如何構(gòu)建多主題、時(shí)變的地理多元流網(wǎng)絡(luò)，識(shí)別其網(wǎng)絡(luò)結(jié)構(gòu)、時(shí)變規(guī)律和關(guān)聯(lián)模式，并為解決全球性的人口移動(dòng)、航空交通、國(guó)際關(guān)系、國(guó)際貿(mào)易等問(wèn)題提供支持，是迫切需要解決的問(wèn)題。全球尺度地理多元流網(wǎng)絡(luò)化挖掘及關(guān)聯(lián)分析的研究框架包括：多源數(shù)據(jù)收集與整理、地理多元流網(wǎng)絡(luò)構(gòu)建與結(jié)構(gòu)識(shí)別、地理多元流網(wǎng)絡(luò)演化分析、地理多元流網(wǎng)絡(luò)關(guān)聯(lián)分析等。

國(guó)際關(guān)系（這里主要指國(guó)際政治關(guān)系）包括國(guó)家/地區(qū)之間的合作、沖突，以及積極關(guān)系、消極關(guān)系等，可以理解為國(guó)家/地區(qū)之間的一種信息流。國(guó)際關(guān)系研究正從國(guó)家/地區(qū)間的關(guān)系研究走向日益開放和多元化的網(wǎng)絡(luò)空間關(guān)系研究。社會(huì)網(wǎng)絡(luò)分析已經(jīng)成為國(guó)際關(guān)系研究的一種新范式[63]。從地理視角探究國(guó)家/地區(qū)間各種關(guān)系的地緣政治，與社會(huì)網(wǎng)絡(luò)分析對(duì)“關(guān)系”的關(guān)注非常吻合，可以借助社會(huì)網(wǎng)絡(luò)分析研究地緣政治環(huán)境[64]。國(guó)際關(guān)系具有復(fù)雜性、及時(shí)性、時(shí)空性等特點(diǎn)，迫切需要時(shí)空大數(shù)據(jù)分析技術(shù)為其提供新的思路和技術(shù)手段。利用社會(huì)網(wǎng)絡(luò)分析和時(shí)空大數(shù)據(jù)分析技術(shù)進(jìn)行國(guó)際關(guān)系網(wǎng)絡(luò)化挖掘是一種有效的新思路[65]。

國(guó)家/地區(qū)之間的貿(mào)易往來(lái)形成了以國(guó)家/地區(qū)為節(jié)點(diǎn)、貿(mào)易關(guān)系（貿(mào)易額或貿(mào)易商品和服務(wù)量）為邊的國(guó)際貿(mào)易流網(wǎng)絡(luò)。國(guó)際貿(mào)易流的網(wǎng)絡(luò)化挖掘是研究國(guó)際貿(mào)易格局的重要方法。國(guó)際貿(mào)易流網(wǎng)絡(luò)是一個(gè)典型的復(fù)雜網(wǎng)絡(luò)[66]，即：節(jié)點(diǎn)度分布具有無(wú)標(biāo)度性，網(wǎng)絡(luò)具有較高的平均聚集系數(shù)和較短的平均最短路徑等。復(fù)雜網(wǎng)絡(luò)為國(guó)際貿(mào)易流的研究提供了重要的理論和方法。將社會(huì)網(wǎng)絡(luò)分析與空間分析相結(jié)合，可以有效地分析“一帶一路”沿線國(guó)家之間的原油貿(mào)易關(guān)系，從而為貿(mào)易政策的指定提供重要的基礎(chǔ)[67]。

航空航班數(shù)據(jù)是一種典型的流數(shù)據(jù)，基于航空航班數(shù)據(jù)的網(wǎng)絡(luò)化挖掘是重要的航空流數(shù)據(jù)分析方法，目前基于航空網(wǎng)絡(luò)的研究主要涉及網(wǎng)絡(luò)測(cè)度和統(tǒng)計(jì)特征的演化分析[68]、網(wǎng)絡(luò)的恢復(fù)力與穩(wěn)定性分析[69]、航空網(wǎng)絡(luò)與其他網(wǎng)絡(luò)協(xié)同演化分析[70]、網(wǎng)絡(luò)連通性和可達(dá)性分析[71-72]等。

網(wǎng)絡(luò)化挖掘是研究宏觀人口移動(dòng)的重要方法，其思路是將個(gè)體的移動(dòng)聚合到大尺度地理區(qū)域上，形成以地理單元為節(jié)點(diǎn)、地理單元之間交互關(guān)系為邊的空間交互網(wǎng)絡(luò)，通過(guò)步長(zhǎng)分布、重力模型擬合、社區(qū)提取等方法分析其背后的地理格局[73]。

3 總結(jié)與展望

智能空間信息處理與時(shí)空分析是地球信息科學(xué)與人工智能、大數(shù)據(jù)、深度學(xué)習(xí)等跨學(xué)科交叉融合的新興研究方向，是未來(lái)重要的學(xué)科發(fā)展方向和趨勢(shì)。本文結(jié)合學(xué)科發(fā)展趨勢(shì)，根據(jù)研究組的長(zhǎng)期探索，提出了一種智能空間信息處理與時(shí)空分析的研究框架，將其中的關(guān)鍵技術(shù)總結(jié)為三大方面（智能空間信息處理、空間數(shù)據(jù)挖掘、時(shí)空分析），并深入剖析和綜述了9 個(gè)方面的代表性關(guān)鍵技術(shù)（云模型智能空間信息處理、數(shù)據(jù)場(chǎng)智能空間信息處理、空間統(tǒng)計(jì)智能信息處理、基于概念格的空間數(shù)據(jù)挖掘方法、基于商空間及粒計(jì)算的圖像理解方法、基于深度學(xué)習(xí)的遙感場(chǎng)景識(shí)別方法、軌跡聚類與分析、融合遙感與社會(huì)感知的城市功能區(qū)提取、地理多元流分析），該研究框架不一定全面，但是代表了我們提出的一種可行方案和思路。

未來(lái)的研究方向包括：①與時(shí)俱進(jìn)，不斷優(yōu)化智能空間信息處理與時(shí)空大數(shù)據(jù)分析的研究框架；②加強(qiáng)基礎(chǔ)研究，深入發(fā)展和探索智能空間信息處理與時(shí)空大數(shù)據(jù)分析的基礎(chǔ)理論；③緊跟學(xué)術(shù)前沿，不斷引入先進(jìn)的人工智能理論與方法，優(yōu)化智能空間信息處理的理論和方法；④面向空間決策支持目標(biāo)，沿著“空間數(shù)據(jù)-空間信息-空間知識(shí)-空間決策支持”的過(guò)程，不斷發(fā)展空間數(shù)據(jù)挖掘及圖像挖掘的理論和方法；⑤開拓創(chuàng)新，針對(duì)時(shí)空大數(shù)據(jù)的特點(diǎn)和難點(diǎn)，不斷發(fā)展時(shí)空大數(shù)據(jù)分析技術(shù)。

隨著智能空間信息處理與時(shí)空大數(shù)據(jù)分析技術(shù)的不斷發(fā)展，必將推動(dòng)遙感測(cè)繪地理信息的創(chuàng)新、融合發(fā)展和轉(zhuǎn)型升級(jí)。讓遙感測(cè)繪地理信息的技術(shù)在新型基礎(chǔ)測(cè)繪建設(shè)、智慧城市、數(shù)字經(jīng)濟(jì)等領(lǐng)域服務(wù)國(guó)家戰(zhàn)略建設(shè)并惠及全社會(huì)。