留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

基础地理知识服务的基本问题与研究方向

陈军 刘万增 武昊 李志林 赵勇 张蓝

陈军, 刘万增, 武昊, 李志林, 赵勇, 张蓝. 基础地理知识服务的基本问题与研究方向[J]. 武汉大学学报 ● 信息科学版, 2019, 44(1): 38-47. doi: 10.13203/j.whugis20180441
引用本文: 陈军, 刘万增, 武昊, 李志林, 赵勇, 张蓝. 基础地理知识服务的基本问题与研究方向[J]. 武汉大学学报 ● 信息科学版, 2019, 44(1): 38-47. doi: 10.13203/j.whugis20180441
CHEN Jun, LIU Wanzeng, WU Hao, LI Zhilin, ZHAO Yong, ZHANG Lan. Basic Issues and Research Agenda of Geospatial Knowledge Service[J]. Geomatics and Information Science of Wuhan University, 2019, 44(1): 38-47. doi: 10.13203/j.whugis20180441
Citation: CHEN Jun, LIU Wanzeng, WU Hao, LI Zhilin, ZHAO Yong, ZHANG Lan. Basic Issues and Research Agenda of Geospatial Knowledge Service[J]. Geomatics and Information Science of Wuhan University, 2019, 44(1): 38-47. doi: 10.13203/j.whugis20180441

基础地理知识服务的基本问题与研究方向

doi: 10.13203/j.whugis20180441
基金项目: 

中国工程院重点咨询研究项目 2017-XZ-13

国家重点研发计划 2018YFC0807000

详细信息
    作者简介:

    陈军, 教授, 博士生导师, 主要从事地理信息建模、更新与服务的理论方法与工程应用研究。chenjun@nsdi.gov.cn

  • 中图分类号: P208

Basic Issues and Research Agenda of Geospatial Knowledge Service

Funds: 

The Key Projects of Consultation and Research of the Chinese Academy of Engineering 2017-XZ-13

the National Key Research and Development Program of China 2018YFC0807000

More Information
    Author Bio:

    CHEN Jun, professor, specializes in the theories and methods of land cover mapping, updating and validation.E-mail: chenjun@nsdi.gov.cn

图(9) / 表(1)
计量
  • 文章访问数:  1619
  • HTML全文浏览量:  243
  • PDF下载量:  711
  • 被引次数: 0
出版历程
  • 收稿日期:  2018-11-04
  • 刊出日期:  2019-01-05

基础地理知识服务的基本问题与研究方向

doi: 10.13203/j.whugis20180441
    基金项目:

    中国工程院重点咨询研究项目 2017-XZ-13

    国家重点研发计划 2018YFC0807000

    作者简介:

    陈军, 教授, 博士生导师, 主要从事地理信息建模、更新与服务的理论方法与工程应用研究。chenjun@nsdi.gov.cn

  • 中图分类号: P208

摘要: 基础地理数据具有空间载体和知识存量两大作用。以往人们主要关注其空间载体作用,研发和提供了丰富多样的基础地理数据服务与信息服务,但对其知识存量挖掘不够,提供的地理空间知识服务极少。近年来,“数据海量,信息爆炸,知识难求”现象愈加突出,从地理数据信息服务走向知识服务势在必行,已成为测绘科技转型升级的一项重要任务。借鉴知识图谱的最新研究进展,讨论了基础地理数据、信息和知识的基本内涵,提出了以结构化和关联化为重要特征的基础地理知识服务总体思路,分析了由此带来的4方面问题;继而从领域知识体系构建、关键技术、应用服务3个方面讨论了基础地理知识服务的研究方向与重点;以GlobeLand30知识服务为例,介绍了初步研究进展。

English Abstract

陈军, 刘万增, 武昊, 李志林, 赵勇, 张蓝. 基础地理知识服务的基本问题与研究方向[J]. 武汉大学学报 ● 信息科学版, 2019, 44(1): 38-47. doi: 10.13203/j.whugis20180441
引用本文: 陈军, 刘万增, 武昊, 李志林, 赵勇, 张蓝. 基础地理知识服务的基本问题与研究方向[J]. 武汉大学学报 ● 信息科学版, 2019, 44(1): 38-47. doi: 10.13203/j.whugis20180441
CHEN Jun, LIU Wanzeng, WU Hao, LI Zhilin, ZHAO Yong, ZHANG Lan. Basic Issues and Research Agenda of Geospatial Knowledge Service[J]. Geomatics and Information Science of Wuhan University, 2019, 44(1): 38-47. doi: 10.13203/j.whugis20180441
Citation: CHEN Jun, LIU Wanzeng, WU Hao, LI Zhilin, ZHAO Yong, ZHANG Lan. Basic Issues and Research Agenda of Geospatial Knowledge Service[J]. Geomatics and Information Science of Wuhan University, 2019, 44(1): 38-47. doi: 10.13203/j.whugis20180441
  • 众所周知,基础地理数据是地形地物分布及相互关系的数字化描述与表达,以矢量地形、数字高程模型、正射影像、地表覆盖等主要形式呈现,兼具空间载体和知识存量两大作用[1]。经过多年的努力,中国建成了尺度多元、内容丰富、更新及时的基础地理信息数据库体系[2-3],通过全国地理信息资源目录服务系统(www.webmap.cn)、国家基础地理信息服务管理系统、“天地图”(www.tianditu.gov.cn)和全球地表覆盖信息服务系统(www.globeland30.org)等多种平台,向社会各界提供系列数据产品与相关信息服务,在国家信息化建设和社会化应用中发挥了重要的作用[4-6]

    最近一段时间,国家提出实施“四个全面”战略布局、生态文明建设和“走出去”战略等,许多用户不仅需要掌握地形地物的空间分布与变化情况,还要求了解“山水林田湖草”的空间格局、地域差异、时空规律、归因机制等方面的地理空间知识,以支撑规划、管理与决策研究。但目前基础地理服务普遍存在着“数据海量,信息爆炸,知识难求”现象,无法满足用户对基础地理知识的服务需求,制约着基础地理数据信息作用的全面发挥。这既是测绘事业转型升级的一个瓶颈问题,也是测绘科技创新面临的一大难题[7]。究其原因,主要是以往人们重点关注基础地理数据的空间载体作用,虽然研发了元数据查询、数据浏览下载、应需专题制图、API调用等服务功能,但对基础地理数据的知识存量挖掘不够,提供的地理空间知识服务极少。近年来,国内外有关专家、学者提出要重视研究地理空间知识服务[8-9],构建地理知识服务平台[10],将地理空间知识引入GIS软件系统[11-12],构建虚拟地理环境的地理知识体系[13],从网络文本资源中提取和构建地理知识图谱等[14-15],但尚处于概念探讨和初步实验阶段。有关机构或单位开始研发地理空间知识服务,如美国大自然保护协会凝练了全球发展对大自然影响的若干知识点,并与遥感影像、地表覆盖等数据有机链接,形成了具有初步知识导航功能的“人类世”知识地图服务(http://www.esri.com/products/maps-we-love/anthropocene),但主要是提供故事地图服务,缺乏系统化、深层次的知识服务。

    总体而言,人们对基础地理知识服务的研究刚刚起步,对其基本问题和关键技术尚缺乏深入认识与研究,更没有形成成套的知识服务体系。随着“互联网+”、大数据、云计算、人工智能2.0等的迅猛发展,以知识图谱和知识中心为代表的知识服务研究方兴未艾[16-17],为基础地理知识服务的研发与应用提供了有益借鉴。其中知识图谱是以结构化方式显式地表达知识节点(包括概念、实体等)及相互间的语义关系,从文本和数据互联走向知识互联,形成大数据环境下的知识服务[18-19]。知识中心是在“数据海”概念的基础上构建一个知识收集、积累、创造、演化和利用的服务环境,提供智能知识进化和深度知识服务[20](http://www.ckcest.cn)等。本文借鉴知识图谱和新型基础测绘的有关理念与思路,提出了基础地理知识服务的基本概念和总体思路,分析了面临的基本问题;继而介绍了GlobeLand30知识服务系统的实例研究,讨论提出了今后的研究方向。

    • 基础地理数据是对地表、地形、地物的位置、属性及关系进行观察、量测或感知所得出的结果,信息是对数据进行提取、挖掘等加工处理而获得的有特定意义的成果,而基础地理知识是面向领域需求,对基础地理数据、信息进一步挖掘、凝练、梳理、升华,与现有地理知识进行关联,所形成的对地理环境要素空间格局、相互关联和时空变化规律的系统性认识, 如图 1所示。以地表覆盖为例,人们通过对地观测,从遥感影像中识别出各种地表覆盖类型及其空间分布,研制出单期或多期数据产品;继而对这些数据产品进行统计分析等处理,可得出面积、数量及变化等地表覆盖信息;然后按照地表过程的专业研究视角,以空间格局、区域差异、趋势特征及成因机理为主线,凝练出具有结构关系的一组知识点(包括概念),方可形成对地表覆盖的系统性认识或知识体系。

      图  1  地理空间数据-信息-知识

      Figure 1.  Geospatial Data-Information-Knowledge

      图 2给出了基础地理知识服务的基本思路。首先,要综合利用领域专业知识(如专业叙词表)、基础地理数据、专业文献资料、开放知识库和泛在网络资源等,抽取(或提取)、凝练相关知识,并使用知识描述语言,如网络本体语言(Web ontology language,OWL)或资源描述框架(resource description framework,RDF)进行形式化表达,以便计算机解析、访问及操作[21];其次,对获得的各种知识进行结构化建模和关联化处理[22-23],建立起由模式层和实体层组成的空间知识图谱, 并发布成Web服务,便于互联网环境下的知识互联与利用;继而,面向领域应用需求,研发基础地理知识的浏览、搜索、问答和推荐等知识化服务。例如,知识搜索是根据用户输入的关键词“长江”,将其匹配到知识图谱中显著度最高的知识实体“长江(河流)”,并通过知识卡片的形式提供具有层次化和结构化特征的搜索结果,包括长江的别名、长度、流域面积等基本属性信息和发源地、各支流实体等关联关系,以及地理空间分布、形态等,并配以实景照片及地图影像。

      图  2  基础地理知识服务的总体思路

      Figure 2.  General Framework of Geospatial Knowledge Service

      由此看出,结构化和关联化是构建基础地理知识服务的两个重要技术环节。结构化是指采用自顶向下或自下而上的方式梳理出有关知识点(或概念)、实体与属性之间的结构关系,构成一个结构有序的概念知识图谱[21];关联化是指进一步分析挖掘概念知识之间的层级、地理和事件等关联关系,并将其与相关的图片、文本、声音、视频等多媒体资料信息有机关联起来,形成物理化的知识图谱[24]。这些多媒体资料信息用作基础地理知识的辅助说明,能够描述客观事实和反映动态情景,有助于用户更好地理解和应用知识。例如,亚马逊是世界最大的流域, 青藏高原湖泊群是世界最大的高原湖泊群等,属于典型的事实性陆表水知识,它们的几何形态、地域分布、空间细节等可以用遥感影像、地表覆盖分布图等直观地展示。

      进一步分析可知,基础地理知识服务不同于一般的知识图谱和文献型知识中心,面临着至少4个方面的基本问题。第一,其既要从多类型的文本数据(如专业文献资料)中抽取知识,也要从地形、地表覆盖、影像等基础地理数据中挖掘多粒度、多尺度、多维度的空间知识。因此,既要采用或借鉴计算机领域的文本信息抽取技术(如实体抽取、关系抽取、属性抽取等),又要发展空间数据挖掘、机器学习等技术[25],还要研发综合利用空间和文本信息的知识抽取方法[14]。第二,空间知识图谱的节点既包括非空间型知识单元或实体(如坐标系、书籍、作者等),又涉及到“长江”、“北京”等空间型知识单元或实体。节点之间存在着等同、隶属等非空间型的层级关系,如“图像”是“影像”的近似名称,“遥感影像”是“影像”的子类;也可能存在大量的空间关系、时间关系或时空关系,如“嘉陵江”是“长江”的上游支流,2000—2010年全球建设用地扩展了5.08%等。这就要厘清不同尺度空间实体、不同粒度知识单元之间的逻辑顺序排列及尺度对应关系等[21],对知识序化提出了更高要求。第三,传统知识图谱构建是借助于linked data等技术,实现概念、实体等的层级关联,而实现基础地理知识的空间互联,往往还要利用地理关联技术去链接知识单元的语义信息与空间位置,利用事件关联技术实现新产生(或更新、扩展)的知识与引发变化的事件之间的关联[24]。第四,实现空间知识检索、问答和推荐等,既要采用语义推理,又要顾及空间推理[26]。例如,查询“流经江苏苏南地区的主要河流”,既要用到主要河流的语义知识,也要考虑江苏省苏南地区的空间概念。这些均要求针对基础地理知识服务的特点,深入分析基础地理知识服务的基本问题,研究发展知识抽取(提取)、建模组织、推理的理论与方法。

    • 前述分析表明,基础地理知识服务面临着地理空间这一特性带来的诸多新问题、新挑战。今后应从领域知识体系构建、关键技术、应用服务3个方面加强研究。

    • 基础地理数据用于描述和表达境界、地形、地物、地表覆盖及其他各种自然现象的空间位置、界线(或轮廓)等。依据需求对数据进行提取、挖掘可获取有特定意义的信息,而后通过结构化、关联化处理形成领域知识体系,如表 1所示。其中版图知识是指关于版图四至范围、地势特征、邻国及陆地国界走向等的知识体系,可用于指导底图选用和“问题地图”甄别;地理知识是有关地形、地貌特征以及重要自然和人文地理实体的位置、高程、深度、面积、长度等属性及其空间关系的知识体系;地表覆盖知识是关于空间格局、区域差异、时间变化、归因机理等的知识体系,主要用于人地关系、生态环境、气候变化、可持续发展等研究;领域文献知识是指基于文献空间化技术,在空间维度上(研究机构、研究区所在的空间范围)构建研究主题、作者等其他属性之间的关联关系;专家合作关系知识是指从事基础地理及相关学科领域的专家在发表论文、承担项目、获得奖励、学术组织方面所形成的合作关系,往往是利用发文属性(篇名、主题、关键词、时间、期刊名称、合作作者等)、特征属性(年龄、学历、职称、研究方向等)、社会属性(学习机构、工作机构、导师、学生等)等构建出专家合作关系网络;专业概念知识是由术语表、叙词表、分类法等所描述的领域专业概念及相互关系,主要用于解释概念及查询概念关系,信息自动分类标引等。

      表 1  几种典型的基础地理知识

      Table 1.  Typical Geospatial Knowledge

      领域知识 内涵 来源 典型应用
      版图知识 地理位置、四至范围、地势特征、邻国、陆地国界走向与表示等 行政区域数据、国家边界条约等 正确选用底图,甄别“问题地图”
      地理知识 陈述性知识、地名知识、地理分布、地理景观等地貌知识 地形数据、学术专著、网站等 用于规划、认知、智能导航等
      地表覆盖知识 空间格局、区域差异、时间变化、归因机理等 多期地表覆盖数据、学术专著、网站等 研究人地关系、生态环境、气候变化、可持续发展等
      领域文献知识 文献资料作者、机构及其空间分布、研究区域及其空间分布、研究热点、主要结论等 全文及引文、学术专著、专利、项目等数据库及网站等 文献空间化查询、研究趋势的空间聚类分析等
      专业概念知识 阐述专业概念解释、概念属性及概念之间的关系 专业术语库、叙词库、分类法等 概念解释及概念关系查询,信息自动分类标引等
      专家合作关系 发表论文、承担项目、获奖、学术组织所形成的合作关系 全文及引文、学术专著、专利、项目等数据库及网站等 研究专家关系、推荐审稿或项目评审专家

      为了构建基础地理的领域知识体系,需要针对每一类基础地理知识,厘清其内涵、来源和用途,进行详细的粒度划分,有效地揭示和描述其全面、深层次的概念关系,实现知识组织的深度序化。

    • 构建和提供基础地理知识服务,其影响因素众多,技术过程复杂,涉及到知识挖掘或抽取、知识图谱自动化构建、空间推理、空间知识服务、可视化表达等关键技术。图 3给出了其技术研究的主要内容。

      图  3  基础地理知识服务的技术研究内容

      Figure 3.  Major Research Issues for Geospatial Knowledge Service

      1) 知识挖掘或抽取的智能化。首先,要发展从基础地理数据中直接提取高层语义信息的方法与技术[25]。例如,利用深度学习方法直接从单期地形图中识别地物类型,判定是何种地貌类型;或利用两期及以上地表覆盖数据或影像数据判定全球或指定地理区域内哪些地方水域出现较大幅度减少,或建设用地有较大幅度增加。其次,利用自然语言处理技术,研究如何从领域文献、网络文本或其他泛在文本资源中抽取地理相关概念、实体、关系等知识,如基于开放知识库及百科数据抽取水体概念、实体间的上下位关系,并建立其概念模型。

      2) 空间知识图谱的自动化构建。在基础地理知识图谱构建的初期,往往需要借鉴已有的分类体系和发挥专家的主体作用,对基础地理知识的概念模型进行预先定义、固定编排,包括概念与概念之间的上下位关系、实体与概念之间的类属关系。但随着知识的不断扩充,应逐步地走向自动化,研究从领域文献中实现知识的自动化关联和知识图谱的自动化生成,并建立适当质量控制机制,使知识图谱再更新保持一致性。为此,需要根据基础地理知识图谱的时空特性,研究解决空间关联关系的自动提取、关联数据的动态维护等问题,发展自动化的动态关联技术。例如,通过分析科技文献(科研成果)中专家之间的关系(如指导、同事、朋友等),设计专家关系提取模型,自动构建专家关系网络。这主要是通过模式匹配、深度学习等自然语言处理方法,挖掘和提取文献中的地理信息特征(如研究机构位置和研究区),使用统计分析、关联规则提取等文献计量统计的相关技术,构建研究主题、作者等其他属性在空间维度上的关联关系。

      3) 空间知识推理。基于知识图谱推导出新的知识,是基础地理知识服务的一个新方向[27]。为此,需要研究将基于规则的推理、基于图的推理、基于深度学习的推理以及混合推理等方法,用于对知识元和知识关联进行结构上的重新组合,形成和提供描述型、诊断型、预报型和方案型的知识服务[28]。例如,利用版图知识和“问题地图”的有关判定规则,开发了基于深度学习的智能甄别算法与软件,可以进行地图智能识别,地图自动识别正确率90%以上,极大提高了“问题地图”甄别效率。

      4) 空间知识服务。为了便于用户获得服务,需将基础地理知识服务的有关众多模型、算法抽象、封装,发布成可调用的Web服务接口,形成注册的服务资源,供用户选择和调用。系统可根据用户要求,通过自动的服务组合、编排,形成个性化的知识服务,如地理知识检索、地理知识问答、问题地图识别、专家推荐等。

      5) 可视化表达。对知识进行恰如其分的可视化表达,能够帮助和增进用户对基础地理空间知识的理解。根据知识的特点和欲突出的主题,如何综合利用静态表达(统计图表、似地图、密度地图等)、动态表达(动态gif文件、Js动态图表等)和交互式表达(在线切片地图、信息弹框等)等多种手段,实现地图与知识的联动,在保持简洁性的同时,增强地图的表现力,将隐性知识显性化,显性知识个性化,便于用户看见、看懂、看好[29-30]

    • 近年来,我国工程科技研究与咨询涉及的各种支撑性数据与知识急剧增长,往往零散无序地隐藏在国内外专业数据库、数字图书馆以及互联网上无尽的数据之中,面临着“进不去”、“打不通”、“找不深”等三大问题,即大量数据源无法访问,数据源之间难以打通,数据搜索深度不够(http://www.ckcest.cn),难以向广大用户提供所需的知识服务。面对这一挑战,国家于2015年启动了“中国工程科技知识中心”建设项目,以跨领域专业数据汇聚融合与深度知识挖掘为目标,构建由总平台和23个专业分中心组成的公益性、开放式的资源集成和知识服务中心。国家基础地理信息中心的主要任务是整合集成工程科技研究与咨询所需的基础地理空间信息,为数据汇聚、知识分析和服务提供统一的地理参考,并研发新工具、新手段,支持用户进行工程科技数据与知识的地理空间关联与查找分析,并从地理空间数据中发现新知识、新规律。目前已初步建成地理信息专业知识服务系统(http://kmap.ckcest.cn/),向工程科技界提供空间型知识服务。

      今后还要针对自然资源保护、社会经济发展、生态环境评估等领域的应用需求,以基础地理信息为基础,关联相关专业领域知识(如水资源、城镇化),构建和提供有关山水林田湖草的基础地理知识服务。

    • GlobeLand30是我国自主研制的全球30 m分辨率地表覆盖数据产品,自2014年起以在线方式向全世界提供数据信息服务,包括数据下载、浏览、统计等。为了从数据信息走向知识服务,笔者开展了基于GlobeLand30的地表覆盖知识服务研究,建立了GlobeLand30知识服务系统(http://kmap.ckcest.cn/otherSearch/searchDbfgPage)。

    • 参照学术同行对地理知识的定义,地表覆盖知识可看作是关于地球陆表水体、湿地、耕地、建设用地、林地、草地、冰川等概念和现象的描述[31-32]。GlobeLand30覆盖全球陆域范围,包括水体、耕地和林地等十大类地表覆盖类型,有两个时相(2000年和2010年)。根据其全球尺度和时空特性,设计采取了地理统计、时空分析、关联分析等方法,从GlobeLand30提取了有关水体、建设用地等的地理分布、时空变化、成因机理等三类知识。

      图 4以建设用地为例,给出了基于GlobeLand30的全球地表覆盖知识提取方法。全球建设用地知识举例如下:①全球建设用地的总面积118.75万km2,占陆表总面积的0.88%,其中美国、中国占全球建设用地的30%;地理空间分布很不均匀,北半球的城乡建设用地面积占全球的90.69%,而其中82.28%分布于20°N~60°N之间的中纬度地区;全球70%以上的建设用地分布于海拔0~500 m之间,缘于海拔较低、相对平坦地区的土地开发建设相对容易[29]。②在2000—2010年的十年间,全球新增建设用地5.8万km2,中国和美国占全球增量的近半;城乡建成区新增占比6.16%,建成区新增占比9.50%;而全球新增城乡建设用地占用耕地50.26%[33]。③不到全球面积1%的建设用地支撑着约70亿人口;全球地均人口聚集度为0.963,全球地均国内生产总值(gross domestic product,GDP)聚集度为2.954;1%人造地表增长带来2.6%的人口增长和近20%的GDP增长,大多数地区的城乡建设用地效率与人口社会经济发展水平成正比[34]。需要说明的是,对于不同的地表覆盖类型,所采取的统计分析方法往往有所不同,需要有针对性地进行统计单元、分析指标、计算方法的设计[35-36]

      图  4  基于GlobeLand30的全球建设用地知识提取

      Figure 4.  Extracting Knowledge About Global Artificial Surface from GlobeLand30

    • 地表覆盖的空间分布及变化反映着人类社会经济活动过程,影响着陆地生态系统和人地关系等[37-38]。为较系统地表达和展示地表覆盖的相关知识,将陆表水、人造覆盖、耕地、湿地等地表覆盖类型作为一级节点,将空间格局、时空变化、成因机制等知识类型作为二级节点,并逐步细分每个二级节点下的知识点,形成一个结构化的GlobeLand30多级概念知识网络,如图 5所示。

      图  5  GlobeLand30知识网络的概念模式

      Figure 5.  Conceptual Models of GlobeLand30 Knowledge Network

      对每一个提取的知识点,又可以细分为两种类型:地理空间知识单元或语义知识单元。其中,地理空间单元是指可通过地理空间数据(如坐标、矢量数据、影像数据、在线地图等)方式表达的知识;语义单元是将非显式空间知识通过地理标注(geotagging)、地理编码(geocoding)、地理格网化(gridding)等过程完成空间化的知识,如图片、表格或专题图等。两者进一步通过空间关系、时间关系、语义关系关联在一起,构成地表覆盖知识点。例如,陆表水域“空间格局”这一知识点由“全球陆表水域总面积为367.67万km2,占全球陆域面积的2.73%”等描述,对应着全球水域密度图(见图 6)。同时,还可以通过空间关系关联着各大洲水域面积占比、陆表水域纬向分布图、陆表水域经向分布图等其他知识单元。此外,还可以通过时间关系关联到“2000年至2010年,全球陆表水域面积减少了6.52万km2”,以及一些陆表水域变化比较明显的区域。

      图  6  全球水体密度图

      Figure 6.  Density Map of Global Surface Water

    • 为了便于用户更好地理解地表覆盖知识,可以利用多媒体在线地图的形式,集成多种知识表达形式来呈现更为丰富多彩的地表覆盖知识。其主要特点是充分发挥互联网地图的互动性优势,如缩放、移动、超链接等,使得各种知识和信息互为补充、互为支撑,以达到更加全面地呈现地表覆盖知识的效果和目的。从制图表达形式上看,地表覆盖知识的制图形式可以包括专题地图、统计图表、网络地图、Cartogram、信息图(infographics)等。如图 7采用Cartogram的方式通过改变制图单元的面积来生动直观地反映全球建设用地面积的不均衡。从媒体形式上看,地表覆盖知识的媒体形式包括静态图片、动态图片(如动态gif文件)、可伸缩矢量图形(scalable vector graphics,SVG)、HTML5+JS图形(如WebGL图形、在线切片地图底图)等。

      图  7  各大洲城乡建设用地面积可比图

      Figure 7.  Cartogram Map of Artificial Surface in Different Continents

    • GlobeLand30知识服务系统提供着典型地表覆盖景观和知识导航两种知识服务(http://kmap.ckcest.cn)。前者是允许用户浏览和了解十大地类的全球之最或代表性景观,如千湖之国——芬兰、水域面积最大的国家——加拿大、世界最大的流域——亚马逊流域、第一长河——尼罗河下游河口三角洲、世界最大的高原湖泊群——青藏高原湖泊群、辫状河流水系——俄罗斯勒拿河下游以及世界上最大的湿地等(见图 8)。后者是提供知识导航服务,用户可了解陆表水、建设用地、耕地等地表覆盖类型的全球分布格局、变化及成因的相关知识(见图 9)。

      图  8  典型湿地的知识导航

      Figure 8.  Knowledge Navigation of Typical Wetland

      图  9  基于知识网络的耕地知识推荐

      Figure 9.  Recommendation of Cultivated Land Knowledge Based on Knowledge Network

    • 综上所述,基础地理数据具有尺度性、时效性、共享性和知识性等4大重要属性。以往人们对其尺度性、时效性和共享性进行了深入研究,在基础研究和技术研发方面取得了众多成果,组织了一大批重大测绘信息工程。但对其知识特性关注不够,理论和技术研究较少,除编制一些专题地图集,极少组织相关的重大测绘工程。目前,从传统的地理数据信息服务走向空间知识化服务,更好地支持科学研究、管理决策和服务大众,已经提上测绘各级领导的议事日程,成为测绘事业转型升级和科技创新的一项新任务。

      为了切实有效地推动基础地理知识服务的发展与应用,应站在国家战略的高度进行需求调查和问题分析,做好顶层设计;积极争取国家重大科技专项、自然科学基金等方面的支持,开展基础理论研究和关键技术研发,努力构建基础地理知识建模和服务的技术体系。此外,还应针对国家自然资源管理、生态环境监测及“一带一路”战略的实施需要,设计和组织实施基础地理知识工程,将基础地理知识服务落到实处,为中国重大国家战略的实施提供准确、前瞻、及时的知识服务。

参考文献 (38)

目录

    /

    返回文章
    返回