当前正在为地理信息科学开发的主要研究领域？

地理信息科学（GISc）积极研究和开发的主要领域是什么，即哪些领域需要进一步的研发？

GISc的一些“热点”可能是建模，模拟，时间表示。

我考虑了GIScience中这些开放的和正在进行的主题：

• 用户生成内容的含义（又名“自愿性地理信息系统”）
• 对社交网络的地理影响
• 地理网络分析
• 基于地理支持的代理的建模
• 时空结构与分析
• 快速的交互式实验（又名Geodesign）
• 空间信息基础设施
• 基于对象的数据模型，用于连续数据
• 实时迭代地理分析
• 球体分析
• 数据集合并
• 语义和地理搜索之间的交互
• 移动地图和基于位置的服务
• 人类对不断变化的地理格局的感知
• 混合现实和增强现实的含义和算法

• 移动增强现实
• 地理数据挖掘
• 自愿性地理信息环境监测
• 实时传感器网络

自动但适当的概括。

很难获得具有大量细节的高阶几何并将其简化为更粗糙的细节图而又不丢失重要特征的情况是困难的。例如，在1：500,000可见的一连串小湖根本不应该在1：500,000处显示，但连接它们的水道应保持可见且连续。

自动地理编码。

据我所知，MetaCarta是唯一一家谈论或提供服务的公司，该公司试图根据文档的内容自动地理参考任何文档。例如，它知道马克·吐温（Mark Twain）的汤姆·索亚（Tom Sawyer）住在密西西比河沿岸。这是一个广阔的领域，还有更多的空间供更多的玩家使用和实现。

使用开源软件进行分布式计算（例如Hadoop）的大空间数据分析。

在分布式计算环境中处理诸如高密度激光雷达数据之类的海量数据集具有巨大潜力。 伯克利网络计算开放基础架构（BOINC）当前是用于分布式计算的开源平台。ESRI已经通过为Hadoop框架创建大数据空间分析而进入了舞台。

隐式或建议的拓扑。

如果计算机注意到X，Y和Z层的几何形状彼此非常相似，几乎总是遵循相同的趋势，并提出将它们融合/合并，或者当一个被改变了吗？

使用机器人技术进行空间数据收集似乎并不热门-但我认为应该如此。

海洋覆盖了地球的大部分地区。映射它们将需要机器人。

有一个$ 700万奖金由XPrize.org所提供。

人类的感知和认知是有限的，并且随着信息的数量和种类继续以数量和复杂性激增，这些限制变得越来越成问题。如何利用空间和位置以及表示的工具来将这种繁琐的数据转换成人类大脑可以理解且可操作的片段？

并行GIS处理在12年前很热门，但似乎已经慢慢消失了。（此页面上“ GIS并行体系结构实验室”的链接已断开，我想知道该实验室是否仍然存在）。由于对多核和云的兴趣如此之大，似乎对并行地理处理的兴趣也应该越来越大。

许多人说，最好的并行方法是通过函数式编程。那可能是一个不错的领域，但似乎遭受了人工智能永远无法摆脱的学术耻辱。