文献类型：期刊文章

作　　者：邓敏[1] 蔡建南[1] 杨文涛[2] 唐建波[1] 杨学习[1] 刘启亮[1] 石岩[1]

DENG Min;CAI Jiannan;YANG Wentao;TANG Jianbo;YANG Xuexi;LIU Qiliang;SHI Yan(Department of Geo-information,Central South University,Changsha 410083,China;National-Local Joint Engineering Laboratory of Geospatial Information Technology,Hunan University of Science and Technology,Xiangtan 411100,China)

机构地区：[1]中南大学地理信息系,长沙410083 [2]湖南科技大学地理空间信息技术国家地方联合工程实验室,湘潭411100

出　　处：《地球信息科学学报》

基　　金：国家自然科学基金重点项目(41730105);国家重点研发计划项目(2016YFB0502303)~~

年　　份：2020

卷　　号：22

期　　号：1

起止页码：41-56

语　　种：中文

收录情况：BDHX、BDHX2017、CSCD、CSCD2019_2020、JST、RCCSE、ZGKJHX、核心刊

摘　　要：多模态地理大数据时空分析旨在融合地理大数据的多模态信息发现有价值的时空分布规律、异常表现、关联模式与变化趋势,是全空间信息系统的核心研究内容,并有望成为推进地理学人地关系研究的重要突破口。为应对地理大数据时代的新机遇与挑战,本文围绕4类核心的时空分析方法(时空聚类分析、时空异常分析、时空关联分析与时空预测分析),系统归纳了国内外研究现状,探讨了时空分析中多尺度建模、多视角协同、多特征认知与多特性表达的研究难点。进而,介绍了多模态地理大数据时空聚类、异常、关联与预测分析模型,更加全面、客观、精准地认知与理解时空大数据中潜在的地理知识,并且能够在气象环境监测、公共安全管理、城市设施规划等多个应用领域发挥关键作用。

关 键 词：全空间信息系统  地理大数据  多模态特征  时空分析  时空聚类分析  时空异常分析  时空关联分析  时空预测分析  

分 类 号：P208]