本次给大家整理的是《International Journal of Geographical Information Science》杂志2024年第38卷第8期的论文的题目和摘要，一共包括9篇SCI论文！
论文1
Assessing publication trends in selected GIScience journals
在选定的GIScience期刊中评估出版趋势
【摘要翻译】
本研究考察了地理信息科学（GIScience）期刊的近期出版趋势。研究考虑了24种精选期刊中的可引文项（研究文章、综述），并对2018年至2023年期间的数据进行了评估。研究首先概述了GIScience期刊的出版趋势，包括绝对数量的增长以及它们以开放获取（OA）形式传播研究的比例。还探讨了GIScience作者的地理分布和国际合作。期刊及其影响力、声誉和感知质量通过常见的期刊指标进行评估，包括影响因子、五年影响因子、CiteScore、每篇论文的源标准化影响（SNIP）、SCImago期刊排名（SJR）、即时指数、文章影响分数和归一化Eigenfactor。研究基于2022年的所有这些指标建立了一个综合指数。研究发现，GIScience越来越多地以OA形式传播。有证据表明，全球南方在GIScience中代表性不足，这需要在这些地区给予更多的包容和支持。最后，对期刊指标的评估有助于研究人员识别出有效传播其工作的主要GIScience期刊。本文为GIScience近期出版趋势的知识和理解做出了贡献，为研究人员、从业者和期刊编辑提供了宝贵的见解。
【作者信息】
Levente Juhász，佛罗里达国际大学（Florida International University），美国迈阿密，地理信息系统中心（GIS Center）
论文2
An entity alignment approach coupling NGBoost and SHAP for constructing spatio-temporal evolution knowledge graph from historical atlases
一种结合NGBoost和SHAP的实体对齐方法，用于从历史地图集构建时空演化知识图谱
【摘要翻译】
历史地图集提供了丰富的信息，展示了地理随时间和空间演变的过程。不同时间段地理实体的对齐是提取地理空间-时间动态有意义洞见的关键。本论文提出了一种结合自然梯度提升（NGBoost）与Shapley加法解释（SHAP）的地理实体对齐方法。以中国历史地图集为案例研究，构建了基于NGBoost的地理实体对齐模型，考虑了地理实体的不同相似性特征，包括语义、距离、形状、大小和拓扑结构。通过SHAP框架分析NGBoost模型中相似性特征的贡献，以提高模型的解释能力。根据对齐类型，通过关联规则生成地理实体的时空演化关系，并以四元组的形式表示，用于构建地理知识图谱。与BP神经网络、随机森林及其他替代方法相比，提出的NGBoost方法在地理实体对齐中表现出更高的准确性。构建的地理时空演化知识图谱为演化知识的查询提供了宝贵支持。
【作者信息】
Yongquan Yang，中华人民共和国教育部虚拟地理环境重点实验室，南京师范大学，中国南京；江苏省地理信息资源开发与应用协同创新中心，中国南京
Min Cao，中华人民共和国教育部虚拟地理环境重点实验室，南京师范大学，南京，中国；江苏省地理信息资源开发与应用协同创新中心，南京，中国
Dehui Kong，重点实验室：中华人民共和国教育部虚拟地理环境重点实验室，南京师范大学，南京，中国；协同创新中心：江苏省地理信息资源开发与应用协同创新中心，南京，中国
Xue Hu，重点实验室：中华人民共和国教育部虚拟地理环境重点实验室，南京师范大学，南京，中国；协同创新中心：江苏省地理信息资源开发与应用协同创新中心，南京，中国
Xueying Zhang，重点实验室：中华人民共和国教育部虚拟地理环境重点实验室，南京师范大学，南京，中国；协同创新中心：江苏省地理信息资源开发与应用协同创新中心，南京，中国
Min Chen，重点实验室：中华人民共和国教育部虚拟地理环境重点实验室，南京师范大学，南京，中国；协同创新中心：江苏省地理信息资源开发与应用协同创新中心，南京，中国
论文3
DKNN: deep kriging neural network for interpretable geospatial interpolation
DKNN：用于可解释地理空间插值的深度克里金神经网络
【摘要翻译】
地理空间插值在空间分析中发挥着关键作用，因为它为各种时空数据挖掘（STDM）任务提供了高质量的数据支持。然而，统计方法如克里金（kriging）在处理复杂的地理大数据时面临挑战。此外，尽管基于深度学习的方法表现出色，但也存在一些限制，如可解释性差。为了发挥统计方法和深度学习方法的互补优势，本研究提出了一种新颖的地理空间人工智能（GeoAI）框架，称为深度克里金神经网络（DKNN）。主要贡献在于开发了一种不对称编码器-解码器结构，包括基于深度学习的空间编码器和基于地统计学的克里金解码器。空间编码器由三个专门的神经网络组成，而克里金解码器则依赖于提出的统一克里金系统。在前向传播过程中，克里金解码器利用来自空间编码器的消息生成预测的插值权重。相反，在反向传播过程中，克里金解码器指导空间编码器学习可解释的知识。通过对合成数据集和实际数据集进行实验，结果表明，与最佳基线方法相比，MAE（均方误差）、RMSE（均方根误差）和MAPE（平均绝对百分比误差）分别平均提高了20.18%、25.04%和24.06%。此外，这些结果还确认了我们的DKNN框架具有优越的可解释性。
【作者信息】
Kaiqi Chen, 地球科学与信息物理学院，中南大学（CSU），中国长沙
Enbo Liu, 地球科学与信息物理学院，中南大学（CSU），中国长沙，liuenbo@csu.edu.cnMin
Deng, 地球科学与信息物理学院，中南大学（CSU），中国长沙；湖南省地理空间信息工程与技术研究中心，中国长沙Xiaoyong Tan, 地球科学与信息物理学院，中南大学（CSU），中国长沙
Jiaoju Wang, 数学与统计学院，中央、南大学（CSU），中国长沙Yan Shi, 数学与统计学院，中南大学（CSU），中国长沙Zhizhong Wang, 数学与统计学院，中南大学（CSU），中国长沙
论文4
A streamlined approach to uncertainty and sensitivity analysis for models with spatial outputs with an example from geodiversity assessment
一种简化的不确定性和敏感性分析方法，适用于具有空间输出的模型，以地质多样性评估为例
【摘要翻译】
本文提出了一种联合使用两种全局灵敏度分析方法来评估模型输入对空间显式输出的影响。这项分析针对地质多样性评估的空间输出进行。首先，使用筛选方法识别重要性较低的输入和交互作用，以便在后续分析中可以忽略这些输入。通过比较简化模型与完整模型在空间输出上计算的均值和方差来评估结果的不确定性。最后，方差分解方法为每个输入计算两个灵敏度指数图。结果通过双变量分类进行映射，从而同时识别具有较高地质多样性评分的区域及其对应的变异性。研究表明，精简的方法在保留原始模型中观察到的结果不确定性和灵敏度的整体模式的同时，减少了解释结果地图的数量。此外，双变量映射在同时描绘空间灵敏度和交互效应方面表现出高效。通过简化计算过程并提供一种替代方式来可视化和解释驱动模型输出灵敏度的输入因素，所提出的方法和双变量映射所带来的分析效率提高了对空间显式不确定性和灵敏度分析的操作知识。
【作者及邮箱】
Arika Ligmann-Zielinska, 地理、环境与空间科学系，密歇根州立大学（Michigan State University），美国东兰辛（East Lansing），MI；地球生态与地理信息研究所，亚当·密茨凯维奇大学（Adam Mickiewicz University），波兹南，波兰，arika@msu.edu
Piotr Jankowski, 地球生态与地理信息研究所，亚当·密茨凯维奇大学（Adam Mickiewicz University），波兹南，波兰；地理系，圣地亚哥州立大学（San Diego State University），美国圣地亚哥，CA
Alicja Najwer，地球生态与地理信息研究所，亚当·密茨凯维奇大学（Adam Mickiewicz University），波兹南，波兰
Zbigniew Zwoliński，地球生态与地理信息研究所，亚当·密茨凯维奇大学（Adam Mickiewicz University），波兹南，波兰
论文5
Matching the building footprints of different vector spatial datasets at a similar scale based on one-class support vector machines
基于一类支持向量机的不同尺度相似矢量空间数据集的建筑物轮廓匹配
【摘要翻译】
多源数据的自动匹配是实现变化检测、数据融合和空间数据更新的重要技术。然而，目前大多数建筑物轮廓匹配的学习方法需要大量样本，而标注这些样本在劳动和时间上的成本很高。此外，多源建筑物轮廓数据复杂多样，使得识别不同匹配关系变得困难。因此，本研究提出了一种基于学习的方法，通过使用一类支持向量机（OCSVM）来识别多源建筑物轮廓匹配关系。OCSVM仅使用正样本进行训练。首先，设计了一组几何指标来训练模型，实现初步匹配识别。然后，基于粗略匹配结果计算了上下文度量，将几何和上下文度量结合起来训练模型，实现松弛匹配识别。松弛匹配是在初步匹配之后实施的优化过程，用于识别更为宽松的匹配关系。在松弛匹配中，使用凸包来识别除了1:1之外的匹配关系，如1:n、m:1和m:n。实验结果表明，所提出的方法优于指标加权（加权平均）和基于学习的匹配方法，如传统SVM和决策树（DT）。该模型在武汉（中国）、北京（中国）和里士满山（加拿大）数据集上的精度分别为97.1%、95%和97.2%。此外，所提出的模型能够识别具有复杂几何特征和高密度空间分布的建筑物匹配关系。
【作者信息】
Yongyang Xu, 计算机学院，中国地质大学（武汉），中国武汉；国家地理信息工程技术研究中心，中国西安；地理与信息工程学院，中国地质大学（武汉），中国武汉；国家地理信息系统工程技术研究中心，中国地质大学（武汉），中国武汉
Jun Li, 地理与信息工程学院，中国地质大学（武汉），中国武汉；中南建筑设计研究院有限公司，中国武汉
Xuejing Xie，国家地理信息系统工程技术研究中心，中国地质大学（武汉），中国武汉
Zhong Xie，计算机学院，中国地质大学（武汉），中国武汉；国家地理信息工程技术研究中心，中国西安；地理与信息工程学院，中国地质大学（武汉），中国武汉
论文6
The influence of uncertainty visualization on cognitive load in a safety- and time-critical decision-making task
不确定性可视化对安全和时间紧迫的决策任务中认知负荷的影响
【摘要翻译】
在空间可视化的决策过程中，通常面临不确定性和高时间压力。然而，不确定性的缺失或不当表示可能会妨碍决策过程。本文研究了不确定性可视化在安全关键、时间敏感的决策任务中对认知负荷的影响，使用交通系统地图作为案例。在一个对照实验中（n=40），我们比较了三种不同的不确定性可视化技术和一种基线，在不同时间压力水平下进行。通过基于眼动跟踪和皮肤电反应的生理心理指标以及自我报告来测量认知负荷。结果显示，不同可视化类型之间的认知负荷存在显著差异，线条不确定性表示技术在低时间压力和高时间压力场景下均导致较低的认知负荷（α<0.05）。
【作者信息】
Suvodip Chakraborty, 未来韧性系统，新加坡-ETH中心，新加坡
Peter Kiefer，制图与地理信息研究所，瑞士联邦理工学院（ETH Zurich），瑞士苏黎世
Martin Raubal，未来韧性系统，新加坡-ETH中心，新加坡；制图与地理信息研究所，瑞士联邦理工学院（ETH Zurich），瑞士苏黎世
论文7
Enhancing geospatial prediction models with feature engineering from road networks: a graph-driven approach
通过路网特征工程增强地理空间预测模型：一种图驱动方法
【摘要翻译】
传统的地理空间预测模型在物业估值中通常依赖于坐标以及‘享乐’（内部和外部）特征。特别是，像地理加权回归（GWR）和克里金（Kriging）等以位置为中心的方法关注于目标的内在特征以及个体目标之间的距离。然而，尤其在高度城市化的地区，这些方法可能忽视了从基础拓扑结构中产生的重要方面。具体而言，在这项工作中，我们关注于连接物业的道路网络所产生的结构。我们引入了一种基于道路网络构建图的简单而新颖的特征工程技术。然后，从这些图中提取相关特征，并将这些特征作为输入用于预测模型，评估它们在与各种著名地理空间模型和先进机器学习模型一起使用时的性能优势。为此，我们使用四个不同的实际数据集进行了全面的实验，这些数据集来自不同区域，规模超越了该领域许多对比工作。我们的研究结果表明，我们的特征工程方法在预测性能上提供了显著的改进。最后，我们应用Shapley值作为解释技术，以确认我们方法的可靠性和有效性。
【作者信息】
Yameng Guo, 商业信息学与运营管理系，根特大学，比利时根特
Seppe vanden Broucke, 商业信息学与运营管理系，根特大学，比利时根特；信息系统工程研究中心，鲁汶大学，比利时鲁汶
论文8
Location retrieval using qualitative place signatures of visible landmarks
使用可见地标的定性地点特征进行位置检索
【摘要翻译】
基于视觉信息的定位检索旨在通过将观察到的图像与环境的特定表示进行比较，从而检索代理（例如，人类或机器人）的位置或他们所看到的区域。现有的方法通常将此问题视为基于内容的图像检索问题，并在定位精度方面展示了良好的结果。然而，由于涉及的参考数据量庞大，这些方法难以扩展；此外，图像描述可能不易于人类理解或沟通以描述周围环境。考虑到人类在描述环境时常常使用不太精确但容易生成的定性空间语言和高层次的语义地标，本研究提出了一种粗到精的定性位置检索方法，通过利用大规模开放数据中的可用信息，快速缩小代理的初始位置。该方法通过从观察者的视角描述和索引位置/地点，使用共视地标的有序对之间的感知定性空间关系，称为“定性地点签名”（QPS）。通过使用开放获取的数据集以及考虑不同类型感知误差的模拟观察来评估所提出方法的可用性和有效性。
【作者信息】
Lijun Wei, 计算学院，利兹大学，英国Valérie Gouet-Brunet, LaSTIG，IGN-ENSG，古斯塔夫·埃菲尔大学，法国
Anthony G. Cohn，计算学院，利兹大学，英国；计算机科学与技术系，同济大学，中国上海；艾伦·图灵研究所，英国
论文9
Micromobility systems and disease transmission: a spatially explicit agent-based approach
微出行系统与疾病传播：一种空间显式的基于代理的模型方法
【摘要翻译】
我们提出了一种新颖的微观水平和空间显式的基于代理的建模框架，称为TranEpiSim，用于模拟传染病通过微出行系统和城市区域中的基线人群的传播。通过对芝加哥市公共自行车共享系统的案例研究，展示了该模型隔离交通作为传播媒介的能力，并评估了模型的有效性。结果显示，通过微出行交通传播病毒性疾病是可能的，但在最坏情况下，特别是考虑到当前系统的规模，系统对疾病动态的整体影响相对较小。所提出的模型通过考虑发生在目的地及运输工具和基础设施上的感染，提供了一种全面的方法来估计微出行（更一般地说，特定交通模式）对疾病传播的影响。暴露风险的空间模式显示，风险较高的区域位于中央商务区及其北部，这里是共享自行车运输最集中的地方。由于其固有特性，所提出的框架特别适合评估干预措施的有效性，并在处理流行病时权衡不同情景的利弊。
【作者信息】
Behnam Nikparvar，威廉·斯泰茨·李工程学院，北卡罗来纳大学夏洛特分校，美国夏洛特，NC
Jean-Claude Thill，地理与地球科学系，北卡罗来纳大学夏洛特分校，美国夏洛特，NC；数据科学学院，北卡罗来纳大学夏洛特分校，美国夏洛特，NC
扫一扫
1445
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
