文献类型：期刊文章

作　　者：石岩[1,2] 王达[1] 邓敏[1,2,3] 杨学习[1,2]

SHI Yan;WANG Da;DENG Min;YANG Xuexi(School of Geosciences and Info-physics,Central South University,Changsha 410083,China;Hunan Geospatial Information Engineering and Technology Research Center,Changsha 410018,China;School of Geography and Environment,Jiangxi Normal University,Nanchang 330022,China)

机构地区：[1]中南大学地球科学与信息物理学院,湖南长沙410083 [2]湖南省地理空间信息工程技术研究中心,湖南长沙410018 [3]江西师范大学地理与环境学院,江西南昌330022

出　　处：《测绘学报》

基　　金：国家重点研发计划(2021YFB3900904,2022YFB3904203);国家自然科学基金(42071452,42371477,42271485);湖南省自然科学基金(2022JJ20059);湖南省科技创新计划(2023RC3032);中南大学创新驱动计划(2023CXQD013);中南大学前沿交叉研究项目(2023QYJC002);江西省“双千计划”第三批引进类创新领军人才短期项目(jxsq2020102062)。

年　　份：2024

卷　　号：53

期　　号：8

起止页码：1493-1504

语　　种：中文

收录情况：AJ、BDHX、BDHX2023、CSCD、CSCD2023_2024、EAPJ、EI、GEOBASE、JST、PROQUEST、RCCSE、SCOPUS、UPD、ZGKJHX、核心刊

摘　　要：时空异常探测是地理空间数据挖掘的核心技术之一,可为深层揭示地理过程演化机理提供关键突破口。在大数据与人工智能技术的推动下,从数据驱动向知识驱动转变是地理大数据时空异常智能探测的发展趋势。本文系统梳理了时空异常探测研究的发展历程与主流研究思路,剖析了数据、信息与知识间的辩证关系,并从“地理变量、空间基底、时空关系、知识类型”四位一体的视角构建了时空知识的统一描述框架。进而,结合案例阐述了时空知识与时空异常的“双向驱动”内涵,提出了“时空知识关联建模→时空异常智能识别→时空知识动态更新”的时空异常智能探测实现路径,支撑时空异常可靠探测与时空知识可信服务。

关 键 词：时空异常  地理大数据  时空知识  知识图谱 深度学习  

分 类 号：P208]