GIS、人工智能、模糊数学在自然地理研究中的应用
课程编码:070503M07001H
英文名称:GIS, Artificial Intelligence Techniques Fuzzy Logic Concepts in Physical Geography
课时:20
学分:1.00
课程属性:高级强化课
主讲教师:朱阿兴
教学目的要求
本课程旨在通过GIS、人工智能(AI)和模糊数学在自然地理研究中的应用学习,让学生逐步掌握GIS、AI和模糊数学等空间信息处理与分析方法,培养学生从最初的小的问题入手,逐步发现和明晰背后的科学问题,并针对性地设计研究方法来解决这个科学问题,完成研究工作。
预修课程
自然地理学、地理信息科学基础课程
大纲内容
第一章 第一章:概论 4学时 朱阿兴
第1节 概论
第2节 现代信息处理技术在自然地理定量研究中的重要作用
第3节 机遇和挑战
第4节 基于地理相似性的预测方法概述
第二章 第二章:刻画环境协变量 3学时 朱阿兴
第1节 the Fuzzy slope
第2节 the SCI approach
第三章 第三章:知识提取和量化技术 6学时 朱阿兴
第1节 Personal construct-based knowledge acquisition
第2节 Neural networks
第3节 Spatial data mining
第4节 Purposive sampling
第5节 Inference: Rule based evaluation
第6节 Lazy learning (VGI-based) approach
第四章 第四章:应用案例与方法 6学时 朱阿兴
第1节 应用1:精细土壤制图 (SoLIM)
第2节 应用2:滑坡灾害敏感性制图
第3节 应用3:猴子栖息环境制图
第五章 课程总结与学习报告 3学时 朱阿兴
第1节 课程总结与学习报告
参考书
课程教师信息
朱阿兴:美国威斯康星大学地理系正教授(终身教授)、威斯康星大学Manasse荣誉教授,是该地理系地理信息科学领域的学术带头人, 中国科学院地理科学与资源研究所研究员,中国科学院“百人计划”入选者, 国家“千人计划”入选者(南京师范大学)。现任《Annals of GIS》主编。曾任美国农业部资源普查署新技术开发和传播委员会主席、国际土壤学联盟土壤计量学会主席、国际地理信息科学学报和国际土壤学报客座编辑、美国地理学报。
多年从事地理信息系统理论和方法的基础研究及其在自然资源管理和生态过程模拟方面的应用研究。在精细尺度下地理现象空间渐变的表达模式、地理现象描述中的概括问题、地理分类误差和不确定性定量问题、精细尺度下流域系统模拟等方面有突破性的进展,研究成果获得美国遥感和测量学协会数据标准最佳学术论文奖,被英国的自然地理进展和美国地理学报列为新地理学的新发展之一,在国际上享有较高的声誉。研究成果转化的实用技术和软件系统也得到了政府部门、研究机构和企业的高度重视和广泛采用,这一成果已列入2003年美国地理信息科学在美国国家经济发展有贡献的六大成果之一,并于2003年2月向美国国会演示,撰写专著3部,发表主要论文300多篇(其中SCI 200多篇)。