EN中文

Journal of Geo-information Science >

2024 , Vol. 26 >Issue 1: 3 - 14

DOI: https://doi.org/10.12082/dqxxkx.2024.230788

Research Progress of Cartography Highlighted by the 31st International Cartographic Conference

  • LIU Jiping , 1 ,
  • CHE Xianghong , 1, * ,
  • WANG Yong 1 ,
  • Xu Shenghua 1 ,
  • SUN Yujie 2 ,
  • CHI Jinzhe 3 ,
  • DU Kaixuan 4
Expand
  • 1. Chinese Academy of Surveying and Mapping，Beijing 100830, China
  • 2. Faculty of Geomatics, Lanzhou Jiaotong University, Lanzhou 730070, China
  • 3. School of Geomatics, Liaoning Technical University, Fuxin 123032, China
  • 4. School of Resources and Environmental Sciences, Wuhan University, Wuhan 430072, China
* CHE Xianghong, E-mail:

Received date: 2024-01-02

  Revised date: 2024-01-15

  Online published: 2024-03-26

Supported by

National Key Research and Development Program of China(2022YFC3005700)

the Basic Scientific Research Foundation of the Chinese Academy of Surveying and Mapping(AR2205)

Fold

Abstract

The 31st International Cartography Conference (ICC) was held in Cape Town, South Africa from August 13 to August 18 in 2023. This paper first introduced the overview of the 31st ICC, the participation of Chinese experts and enterprise. Secondly, based on the technical reports during the ICC2023, new research hotspots of cartography were analyzed and summarized from eight aspects including the basic theory of cartography and technologies of cartography, map data, map products, and Spatial Data Infrastructure (SDI) construction, public applications, sustainable development applications and historical and cultural ethics. We concluded some obvious hotspots that the traditional mapping fields have paid more attention to multi-element fusion mapping, user and scenario experience enhancement and rapid mapping capabilities; On the other hand, the emerging geographical information fields have focused on multi-modal ubiquitous sensing, big data fusion processing, artificial intelligence analysis, knowledge construction and services which have been deepened continuously; In addition, government agencies, scientific research institutions, industrial enterprises across the world have continuous passion on global, regional, national and urban sustainable development cartographic applications for resource management, ecological protection, social development. Subsequently, the new characteristics of map visualization methods from the award-winning maps were explored as well which incorporate more modern elements and cultural imprints, and emphasize people-map interaction. Afterwards, in the era of big data and artificial intelligence, the development trend of theoretical systems, technical methods and application services for cartography in the next few years are discussed. That is, the theoretical system of cartography becomes more professional and refined. In the era of artificial intelligence, the technical content of cartography becomes more knowledgeable. Cartography application services become more ubiquitous driven by big data. Cartography plays a more profound role in supporting the sustainable development of the United Nations. In the last place, some suggestions were put forward for the development of the cartography discipline in China. For example, in the future, we must make full use of the ICA international platform to continuously establish and improve a new theoretical system of cartography in the intelligent era, break through the key core technologies of cartography, and promote the high-quality development of cartography in our country with a global perspective. Meanwhile, we should pay more attention to the international frontier developments in important and emerging research fields such as geospatial data fusion, knowledge construction, spatial analysis, ubiquitous mapping, geographic intelligence, and data quality, and strengthen scientific and technological exchanges and cooperation between relevant domestic and foreign research institutions. A more proactive and proactive opening-up strategy should be implemented to promote the continuous improvement of the international influence of cartography research.

Key words： Cartography; geographic information; ICA; cartographic visualization; GeoAI; spatial-temporal big data; SDGs; artificial intelligence

Cite this article

LIU Jiping , CHE Xianghong , WANG Yong , Xu Shenghua , SUN Yujie , CHI Jinzhe , DU Kaixuan . Research Progress of Cartography Highlighted by the 31st International Cartographic Conference[J]. Journal of Geo-information Science, 2024 , 26(1) : 3 -14 . DOI: 10.12082/dqxxkx.2024.230788

1 引言

国际制图协会（International Cartographic Association，简称为ICA），是世界地图制图学界权威性学术组织，于1959年在瑞士伯尔尼成立，旨在促进国际间地图制图学的发展，加强国际间技术合作和技术交流（https://icaci.org/）。ICA任务是推进地图制图学的研究，鼓励和协调这一领域的科研活动，其中包括国际间的协作、技术和文献的交流，促进地图制图学教育的发展、推动地图制图学的科普工作，组织地图制图学的国际学术讨论会、讲座、培训和技术展览会等，并参加其他国际学术组织的有关会议和活动。国际制图大会是国际制图协会组织的国际地图制图学界学术会议，每两年举行一次。来自世界各地政府部门、教育机构和企事业单位的地图制图专家在国际制图大会上通过专题报告和大会展览等方式宣传地图制图学基础理论、技术方法和应用服务等方面的最新进展。因此，本文旨在全面分析2023年国际制图大会的专题报告和地图产品，总结归纳地图制图学研究特点与未来发展趋势，这对我国地图制图学科未来几年的发展具有重要的参考意义。

2 ICC 2023概况

第31届国际制图大会(ICC 2023)于2023年8月13日至18日在南非开普敦举行，大会主题为智能制图促进可持续发展，共吸引了来自87个国家的845名代表出席技术大会及国际地图展。本次大会上选举产生了新一届执行委员会（2023—2027） https://icaci.org/executive-committee/）。其中，我国 1人成功当选执行委员会副主席，6人当选为委员会主席。国际制图大会同期举办了国际地图大赛和芭芭拉·佩什尼克世界儿童地图大赛，我国选送的地图作品共获5项大奖。国际制图大会包含5个主旨报告、45个专题会场（342个技术报告）和8个委员会会前研讨会，涵盖了基础理论、地图制图技术、地图数据、地图产品、空间数据基础设施（Spatial Data Infrastructure, SDI）建设、公众应用、可持续发展应用和艺术伦理历史等内容（图1）。
图1 大会专题报告类型及数量

Fig. 1 Type and number of special reports at the conference

3 地图制图学研究热点

从大会专题报告整体上看地图制图学关注领域可分为传统制图和新兴地理信息两方面，其中传统制图领域（如地图投影、多尺度制图、地图设计等）更加注重多要素融合制图、用户/场景体验增强和快速制图能力，新兴地理信息领域则在多模泛在感知、大数据融合处理、人工智能分析、知识构建与服务等方面保持持续旺盛的势头。地图应用领域除交通、应急、工程、生活、文教等传统领域仍然是地图制图与地理信息技术产品应用重点外，面向资源管理、生态保护、社会发展等的全球/区域/国家/城市的可持续发展，已成为各国政府机构、科研机构、产业企业等共同努力的热点方向。
本次大会专题报告分为基础理论、地图制图与地理信息技术、地图数据、地图产品、教育与培训、应用等方面，涉及的地图数据处理、地图产品、教育与培训等内容相比之前更为丰富，呈现以下八个方向研究热点（图2）。
图2 大会专题报告研究方向

注:红色标识为热点研究。

Fig. 2 Research directions of the technical reports from ICC2023

（1）基础理论研究：涵盖地图制图学知识体、构成、方法论、发展方向等主题[1⇓⇓⇓-5]，更加强化了地图制图作为独立学科的地位。例如，挪威特隆赫姆挪威科技大学Midtbø团队提出了地图制图学知识体（CartoBok）框架，致力于从ICA中收集和动态更新地图知识，用以确定地图制图学核心知识和概念，快速建立与相关科学/学科的关联（图3）[1]；奥地利维也纳科技大学Georg Gartner教授在主旨报告中强调地图既要回归和重新审视其作为人类感知空间方法与导航和规划等工具的本质属性，同时在大数据智能时代也要更加主动地与大数据、人工智能、快速服务、多模传达、知识体构建、可信服务等技术进行深度融合以应对未来挑战[6]。
图3 地图制图学知识体（CartoBok）[1]

Fig. 3 Cartographic Body of Knowledge （CartoBok）[1]

（2）地图制图与地理信息技术：涵盖地理空间分析与建模、基于位置的服务、制图综合与多重表达、地理空间语义、可视化分析、地理信息可视化认知、增强虚拟现实与混合现实、数字孪生和开源地理空间技术等方面，其中空间分析和建模、可视化认知、制图综合与多重表达、增强虚拟现实与混合现实、地理空间语义等是大会讨论热点。地理空间分析与建模研究中可达性、时空分布、空间格局、路径规划以及空间分析与建模技术在地貌水文、交通规划、应急救援、公共安全、气候变化等领域的应用为研究热点[7-8]。可视化认知研究中地图符号、配色设计、眼动追踪等技术方法是关注重点[9]。制图综合与多重表达研究中点要素综合、多尺度表达、通航图/海图自动综合、特征选择、空间相似等是热点研究主题[10-11]。增强/虚拟/混合现实研究中沉浸式虚拟现实在定位、地图绘制、可视化和交互中的应用，以及增强现实技术和制图的结合是研究热点[12]。地理空间语义研究中语义语境制图、知识图谱表示推理查询、地图语义信息提取等研究被广泛关注。
（3）地图数据：涵盖地理空间数据及其软件、开放数据、地图众包、传感器驱动制图、无人机数据制图、对地观测与制图和参与式制图等专题，对地观测与制图、地图众包和开放数据是热点讨论主题。对地观测与制图研究主要基于光学遥感影像、雷达数据和无人机数据等进行传统制图与空间分析，也凸显了人工智能、机器学习与异构地理信息数据融合等新研究进展。地图制图与地理信息科学领域的众包研究重点关注大比例尺地形图测绘更新、众包系统移动定位精度提升等技术，以及众包数据应用于地理空间数据更新的研究[13]。用于制图与地理科学的开放数据研究重点关注数据收集、地图自动生成和数据质量提升等研究热点，以及开放数据在协助地形测绘、政府数据支持和公共空间表达等方面的重要应用[14]。
（4）地图产品：涵盖地图设计、地图册与地图集、地形图、海洋制图、山地制图、室内制图、运动休闲地图、儿童与制图、盲人/弱视人士用图及历史地图等主题，其中地图设计、儿童与制图、历史地图、盲人/弱视人士用图等研究居多。地图设计研究主要关注面向特殊群体的地图设计和地图符号改进，提升地图使用体验舒适性[15]。儿童与制图研究主要探讨如何通过教育将地图制图与儿童结合起来，或开发出以儿童为受众群体的专题地图[16]。历史地图专题研究主要致力于将历史遗迹通过现代数字化手段以地图方式表现[17]。盲人/色弱用图研究主要探讨如何通过3D打印技术或人机交互技术制作触觉地图，以解决视障人士使用地图的困境[18]。
（5）空间数据基础设施（SDI）建设：涵盖SDI与标准、地名研究、制图标准化、地理空间服务交付、未来地理空间生态系统等方面，其中SDI和标准、地名方向为研究重点。SDI和标准研究主要探讨面向未来的OGC服务与标准的转型[19]。地名研究则主要关注地名的影响因素及外来词使用标准[20]。
（6）公众应用：涵盖地图和互联网、移动设备地图、地图用户体验、地图教育培训等方面，其中地图教育培训、地图用户体验是研究重点。地图教育培训研究主要关注在学校地理教学中使用地图和在高等教育中教授地图制图学的心得及经验[21-22]。例如，慕尼黑工业大学Holger Kumke团队开发了一种用于解释基本制图问题的交互式Web应用程序，旨在使用交互式学习环境来学习和巩固知识。地图用户体验研究强调以用户为中心的地图设计、智慧校园制图技术改进等方向[23-24]。
（8）历史文化与伦理：主要探索地图制图学历史、地图与艺术、地图/地理科学伦理等相关主题。例如，德克萨斯大学Imre Josef Demhardt团队致力于将艺术与制图结合起来，从间冰期（15—18世纪)出现的第三个新奇事物的角度审视北极制图进展，并主要以德国地理期刊为国家案例，展示了《北极星报》制图表示的报道进展[33]。
（7）可持续发展应用：以智能制图促进可持续发展是本次大会主旨，涵盖服务于SDGs的空间数据和分析制图、联合国综合地理空间信息框架实施体系、气候变化地图制图学和地理科学、预警和危机管理制图等主题[25⇓⇓⇓⇓⇓-31]，其中，服务于SDGs的空间数据和分析制图、预警和危机管理制图为研究热点。服务于SDGs的空间数据和分析制图技术主要关注面向可持续发展的地图制图技术或地理数据集分类方法[26]。预警和危机管理制图相关报告关注新冠肺炎、洪水、火灾等灾害频发背景下的地图制图新技术、新应用和地图服务产品[27-28,32]。

4 地图可视化特点

本次国际地图大赛地图主要分为挂图类地图产品、航空（海）类地图产品、地图集（册）类地图产品、地图集（册）类地图产品、教育类地图产品、实体类地图产品、数字地图及服务类产品七大类型（https://icc2023.org/index.php/international-map-exhibition/）。从国际地图大赛获奖地图整体看，地图可视化方法融入更多的现代元素和文化印记，更加注重“人-图”互动（表1）。例如，新中式漆画挂图类地图借鉴中国古代舆图中地景地物表达方法以及青绿山水绘制技法，将漆画的色彩与技艺运用到地图制图；蓝印-青岛老街故事类地图将蓝印花布艺术与地图相结合，并融合文字、音乐和摄影讲述青岛老街故事；纸质盲文地球仪教育类地图由四张八节膨胀纸组成，帮助盲人感受地球形状和大陆位置，掌握三维地球仪的概念。
表1 不同类型地图可视化特点

Tab. 1 Visualization characteristics of different types of maps

序号 地图类型 地图特点
1 挂图类 结合传统绘画艺术和文字、音乐、语音和摄影等现代艺术和文学作品等文字、图片、音频、视频等多种信息展示手段，使得地图可视化更加生动，在地图空间定位等基本功能基础上，更加突出地图的艺术美感（图4（a）—图4（b））
2 故事类
3 实体类
4 航空（海）类 为全力保障航空、海运安全性，可视化与飞行和航海相关的地理要素和航行要素类型更为细化，如注重海洋和陆地地形地貌等可视化表达（图4（c））
5 地图集（册）类 相比传统的静态制图，结合多源大数据更加主动自然、社会和人文等地理现象时空变化的地图可视化表达（图4（f））
6 教育类 相比传统纸质制图介质，结合数字化与物理等多元化介质，让地图教育更加常态化；地图制图从传统2D模式向3D和4D模式转化，更加注重地图交互性，地图用户群体更加广泛（图4（d））
7 数字地图及服务类 更加关注WEB端时空大数据的快速在线分析和可视化，制图过程可快速个性定制和自适应 （图4（e））
相关研究表明相比成年人，儿童对社会可持续发展目标主题的看法和环境感知更加真实，儿童地图可以最为直观的表征当前社会发展问题[34]。本届儿童地图比赛以“我未来世界的地图”为主题，共汇聚了来自32个国家的176幅儿童地图作品参赛（https://icc2023.org/index.php/childrens-map-competition/），如图4所示，从色彩绚烂的获奖地图可以看出未来的城市与自然和谐相融，环保意识深植于儿童心田，科技与自然相互交融（图5）。
图4 国际地图大赛部分获奖作品

注:数据来源: https://icc2023.org/index.php/international-map-exhibition/。

Fig. 4 Parts of the award-winning works from the International Map Exhibitions

图5 儿童地图大赛部分获奖作品

注:数据来源: htps://anderkrogt.net/petchenik/age.php?cat=3。

Fig. 5 Part of the award-winning works from the Children's Map Competition

5 地图制图学发展趋势

两年一届的国际制图大会有力促进了地图制图学与地理信息研究，推进了各国间的地图制图学与地理信息科研工作，普及了地图制图学与地理信息知识，推动了地图制图学与地理信息教育发展，为科研人员提供了地图制图学与地理信息领域的最新进展和动态。新时代地图制图学与地理信息的发展，表现出了新的发展趋势。

5.1 地图制图学理论体系更加专业和精细化

本届ICA（2023—2027）同意成立了28个技术委员会，主要涉及地图制图学基础理论、技术、地图数据、地图产品、教育与培训和应用6个方面。其中，地图制图技术和地图产品委员会占50%，将地图制图技术和地图产品研究方向划分的更为精细化和专业化（图6）。地理人工智能（GeoAI）、地图与可持续发展、高精地图、国家测绘机构数字化转型、地图制图学集成地理空间信息和地图制图学伦理为新成立的6个委员会，是地图制图学研究领域新方向。随着科学技术的综合化，地图制图学将与更多的学科交叉融合，形成各个学科方向更为细化的地图制图学理论体系，如水文地图制图学、地质地图制图学、天文地图制图学、气候地图制图学和经济地图制图学等。
图6 新一届ICA(2023—2027)委员会构成

注：表格中黄色标注内容为新增委员会。

Fig. 6 Overview of the new ICA (2023— 2027) commissions

5.2 人工智能时代地图制图学技术内容更加知识化

人工智能的发展先后经历了符号主义、行为主义和连接主义，其共同目标是解放人类[35]。其中传统的符号主义和行为主义人工智能在地图制作、地图专家系统、地图空间决策、地址选取、时空现象发展、空间格局优化配置、地图注记自动配置等方面取得了系列进展[36-37]。连接主义的人工智能以当前最为流行的卷积神网络和注意力机制等深度学习方法为代表，地图研究涉及制图数据获取处理、制图符号设计、制图符号配置、地图制图综合、地图设计艺术风格迁移等方面[38⇓⇓⇓⇓⇓-44]。特别是近几年，以ChatGPT（Generative Pre-trained Transformer）生成式预训练变换大语言模型为代表的人工智能[45]，能够从多模态数据中自动泛化学习，在地图对象识别、地图生成、地图风格转换、制图设计评估、自动地图标签、地图概括和地图内容推断等方面得到了初步应用[42,46⇓⇓⇓-50]，并且已经衍生出可人机交互、查询地图数据和空间规划等功能的AI产品，如ChatGPT-4 Earth插件、ChatMap[51]、MapGPT(www.mapbox.com/mapgpt)和GeoGPT[52]等。
然而，当前与地学研究相关的大模型大多将地学空间分析融合到ChatGPT框架中，是基于ChatGPT自身具备的语言理解能力和代码生成组织能力，直接针对地图数据和制图开展的大模型研究目前还未涉及。可喜的是，本次大会专门新成立了GeoAI委员会，来自奥地利维也纳理工大学Markus Jobst团队提出了Carto-GPT地图大模型[53]，采用机器学习或人工智能对地理信息进行大规模处理，并解决下游系列地理任务，是一种集成人工智能、知识图谱等新一代智能技术的新模式。该模型框架可输入文本、图像、音频、结构化数据、3D模型和点云等多源数据，采用大模型的多模态数据融合处理能力，通过地图基础大模型实现与地图内容相关的回答问题、情感分析、信息抽取、图像说明、目标识别的等任务（图7），基于大模型的地理任务研究将成为未来几年的热点研究。
图7 Carto-GPT地图大模型框架[53]

Fig. 7 Carto-GPT large model framework[53]

5.3 大数据驱动下地图制图学应用服务更加泛在化

传统的时空大数据包含对地观测数据和社会经济数据[54]，随着天空地海一体的传感器网技术、人工智能技术、“互联网+”技术和智能计算技术等的快速发展，时空大数据范畴进一步扩展到感知人类社会活动的物联网大数据、互联网大数据、社交网大数据等[55]。时空大数据为地图制图提供了大规模海量数据源，时空大数据的海量性、快速性、多样性、价值性、真实性、可变性等大数据特性，使得地图制图朝着动态化、实时化、自适应化、多尺度化和泛在化发展。认为在未来几年，多源异构时空大数据在数据融合、泛在制图等方面将深度赋能地图制图学发展。
（1）多源异构时空大数据融合：多源异构时空大数据，特别是感知人类社会活动的多源异构时空大数据（如移动轨迹、街景、社交媒体、购物订单和手机信令等数据），蕴含着人类活动的潜在规律，数据增长快、规模大，但数据来源混杂，非结构化程度高，数据异构性大，时空粒度细化程度高，实时性非常强[56]。近年来多源异构时空大数据融合研究已取得一些进展[57⇓⇓⇓-61]，但随着数字孪生、元宇宙等新技术和高精地图等新应用成熟，倾斜三维、全景图像、视频地理信息等新型地理大数据等不断涌现，数据体量和异质性将进一步提高，其“碎片化”地理信息与物理世界和社会系统的交融更为广泛和深入，我们要基于人工智能等技术在多源异构大数据融合质量评估与控制、多尺度不同时空数据相似度度量、不同语义数据一致性处理等方面深入研究，为地图制图提供语义丰富且可信的高时空粒度数据源。
（2）时空大数据泛在制图：随着网络新媒体的涌现和制图工具门槛的降低，越来越多的非专业人士参与到地图制图活动中，满足不同用户需求。自2003年起，国际制图协会就成立了泛在制图委员会，致力于推动该领域的国际合作及研究工作，取得了一系列研究成果[62]，其中最为流行的是OpenStreetMap(OSM)众源数据平台，在提供丰富开源数据的同时，也提供志愿者自助制图功能。目前，多尺度时空大数据自动综合、基于AI的时空大数据分析挖掘与知识发现、自适应表达和在线快速可视化等理论与技术都取得了一系列进展，为泛在制图提供了重要保障[63⇓-65]。面向社会各行业对地图多方面、高时效、高交互性方面提出的新要求，泛在地图是当下地图制图学的重要创新方向，需要进一步深化。

5.4 地图制图学支撑联合国可持续发展作用更加深入

随着计算机等科学技术的快速发展，地图制图学已被广泛应用于地质、林业、土地资源、气象、海洋、农业、工业、水利、商业、交通等领域，为灾害预测预警、生态保护、环境治理、城镇和区域发展规划设计与管理调控提供了重要支撑[66]。2015年，联合国发布了《2030年可持续发展议程》，包括17项可持续发展目标（Sustainable Development Goals，SDGs）、169项具体目标（Targets）及232项指标（Indicators），旨在2015—2030年消除一切形式和表现的贫困、减少多重交叉不平等、应对气候变化、结束冲突及维持和平[67]。可持续发展目标相关的社会、经济和环境等方面的发展问题，主要通过研究地理环境、资源分布和人类活动等地理信息，基于地理空间分析工具或系统，以“地图”方式提供可持续发展各项目标/指标完成情况（如《2023年可持续发展目标地图集》（https://datatopics.worldbank.org/sdgatlas?lang=en）），为可持续发展提供科学依据和实践指导。本次大会上联合国经济和社会事务部统计司秘书长Greg Scott指出，地图和地理信息在支撑联合国2030年可持续发展议程目标落实中发挥着重要作用，要增强各国尤其是发展中国家的空间信息管理能力、聚焦空间信息与其他可用信息集成的多维管理框架-联合国综合地理空间信息框架（UN-IGIF）以及SDG数据联盟发展情况[31]。目前，地图及地图制图技术在可持续发展目标的环境维度应用成果较为广泛，如可持续利用海洋资源[68]、可持续森林管理[69]、防治荒漠化[70]、遏制生物多样性丧失[71]等，未来要加强地图制图学在社会和经济维度的应用研究和国际合作与交流，携手筑建全球发展命运共同体。

6 结语

国际制图大会为推进地图制图学研究，鼓励和协调国际间技术交流和合作提供了重要的国际平台。从本次制图大会可以看出，随着大数据、互联网和人工智能的快速发展，地图制图学呈现智能化制图、多源数据融合、知识构建、空间分析、泛在制图等多个研究热点，地图产品的表达方法更加多样化和生动化，地图产品更加大众化、个性化和精细化，并且为支撑全球可持续发展提供了重要工具。目前，我国地图制图学科在基础理论、技术方法及应用等方面取得了长足进展。未来，我们要充分利用ICA国际平台，不断建立和完善智能时代新的地图制图学理论体系，突破智能时代地图制图学关键核心技术，以全球视野促进我国地图制图学高质量发展。为此，我们要加强关注和跟进地理空间数据融合、知识构建、空间分析、泛在制图、地理智能、数据质量等重要和新兴研究领域的国际前沿发展动态，加强国内外相关研究机构科技交流与合作，实行更加积极的主动开放策略，推动我国地图制图学研究的国际影响力不断提升。

References

Publishing order | Descend order by publishing year | Descend order by cited within
[1]
Midtbø T, Bandrova T, Gartner G, et al. Establishing a cartographic body of knowledge[J]. Abstracts of the ICA, 2021,3:1-2. DOI:10.5194/ica-abs-3-208-2021.

[2]
Midtbø T, Bandrova T, Gartner G, et al. Cartographic body of knowledge-work in progress[J]. Abstracts of the ICA, 2023,6:1-2. DOI:10.5194/ica-abs-6-166-2023

[3]
Gordeziani T, Laoshvili Z, Gudzuadze G, et al. Theoretical cartography structure, connections, functions[J]. Abstracts of the ICA, 2023,6:1-2. DOI:10.5194/ica-abs-6-76-2023

[4]
Edler D, Kühne O. Deviant cartographies: a contribution to post-critical cartography[J]. KN - Journal of Cartography and Geographic Information, 2022, 72(2):103-116. DOI:10.1007/s42489-022-00110-w

[5]
Moore A B. From the abstract to maps and landscapes: A metageovisualisation perspective[J]. Abstracts of the ICA, 2023,6:1-2. DOI:10.5194/ica-abs-6-171-2023

[6]
Gartner G. Revisiting the Relevance of Cartography[R]. Cape Town, South Africa: International Cartographic Association, 2023.

[7]
Iwaniak A, Maziarz M, Kaczmarek I. Spatial analysis in GeoAI with the use of graph neural networks: Quality of life prediction in urban areas case[J]. Abstracts of the ICA, 2023,6:1-3. DOI:10.5194/ica-abs-6-102-2023

[8]
Karimzadeh M, Hance B, Posen A, et al. Characterizing spatial accessibility of COVID-19 testing and vaccination sites using dasymetric mapping and GIS[J]. Advances in Cartography and GIScience of the ICA, 2023,4:1-10. DOI:10.5194/ica-adv-4-12-2023

[9]
Bergmann Martins V, Rosa Amorim F, et al.Augusto Reolon Schmidt M, Study about the appropriate number of participants in map user studies[J]. International Journal of Cartography, 2023, 9(2):196-209. DOI:10.1080/23729333.2022.2163142

[10]
Dawid W, Pokonieczny K. Generalization of digital elevation models for military passability maps development[J]. Advances in Cartography and GIScience of the ICA, 2023,4:6. DOI:10.5194/ica-adv-4-6-2023

[11]
Xiao T Y, Ai T H, Yu H F, et al. A point cluster generalization method based on graph convolutional network[J]. Abstracts of the ICA, 2023,6:1-2. DOI:10.5194/ica-abs-6-278-2023

[12]
Bärthele R, Sauer S, Wilkening J. Exploring the potential of an Augmented Reality sandbox for geovisualization[J]. Proceedings of the ICA, 2023,5:1-6. DOI:10.5194/ica-proc-5-1-2023

[13]
Sun Y, Auer S, Meng L Q, et al. Artificial intelligence based building attributes enrichment in OpenStreetMap using street-view images[J]. Abstracts of the ICA, 2023,6:1-2. DOI:10.5194/ica-abs-6-250-2023

[14]
Gröbe M, Prechtel N, Burghardt D, et al. # mappingmtushba - data collection and automated mapgeneration[J]. Abstracts of the ICA, 2023,6:1-2. DOI:10.5194/ica-abs-6-80-2023

[15]
Barvir R, Brus J, Vondrakova A. A new approach to making 3D-printed geographic models interactive for people with visual impairment[J]. Abstracts of the ICA, 2023,6:1-2. DOI:10.5194/ica-abs-6-16-2023

[16]
Reyes Nunez J J, Irás K. Hungarian writers and poets in the BIO-MAPS Biographical Map Library[J]. Abstracts of the ICA, 2023,6:1-2. DOI:10.5194/ica-abs-6-209-2023.

[17]
Ignaccolo C, Maamari D, Louie A, et al. Exclusionary tales in Beirut's spaces of craftsmanship: Using historic cartography, archival ethnography, and oral history to map the enduring vulnerability of craftspeople[J]. Abstracts of the ICA, 2023,6:1-2. DOI:10.5194/ica-abs-6-97-2023

[18]
Brus J, Barvir R, Vondrakova A. Multi-colour 3D printing for supporting tactile perception of geospatial visualizations[J]. Abstracts of the ICA, 2023,6:1-2. DOI:10.5194/ica-abs-6-26-2023

[19]
Hobona G, Simmons S, Masó-Pau J, et al. OGC API standards for the next generation of web mapping[J]. Abstracts of the ICA, 2023,6:1-2. DOI:10.5194/ica-abs-6-91-2023

[20]
Jordan P. Reasons for the emergence of exonyms[J]. Abstracts of the ICA, 2023,6:1-1. DOI:10.5194/ica-abs-6-112-2023

[21]
Kumke H, Brunnengräber M. Cartography Playground: Interactive, web-based applications to explain basic cartographic issues[J]. Abstracts of the ICA, 2023,6:1-3. DOI:10.5194/ica-abs-6-129-2023

[22]
Ohnishi K. The role of maps in Japanese high school geography textbooks[J]. Abstracts of the ICA, 2023,6:1-2. DOI:10.5194/ica-abs-6-192-2023

[23]
Wakabayashi Y. Changes in map use after digitalisation: results from online surveys at three time periods[J]. Abstracts of the ICA, 2023,6:1-2. DOI:10.5194/ica-abs-6-266-2023

[24]
de Mendonça A L A, Delazari L S, Schmidt M A R. Issues of a Map interface with SVI imagery in a Smart Campus Context[J]. Abstracts of the ICA, 2023,6:1-3. DOI:10.5194/ica-abs-6-163-2023

[25]
Alenda-Demoutiez J. White, democratic, technocratic: the political charge behind official statistics in South Africa[J]. Review of International Political Economy, 2022, 29(1):44-64. DOI:10.1080/09692290.2020.1796752

[26]
Yilma A D, Nonguierma A. Availability of fundamental geospatial datasets for monitoring the sustainable development goals in Africa[J]. Abstracts of the ICA, 2023,6:1-1. DOI:10.5194/ica-abs-6-285-2023

[27]
Liu J P, Wang Y, Xu S H, et al. A few thoughts on the integrated space-air-ground emergency rescue communication command in China[J]. Proceedings of the ICA, 2023,5:12. DOI:10.5194/ica-proc-5-12-2023

[28]
Lienert C, Angly Bieri F, Ruf W, et al. From documentation to response-the operational swiss rapid mapping service for natural hazard and crisis management[J]. Abstracts of the ICA, 2023,6:1-2. DOI:10.5194/ica-abs-6-140-2023

[29]
Swab J. Changing desires and aims in public health mapping in the united states, 1920-2020[J]. Abstracts of the ICA, 2023,6:1. DOI:10.5194/ica-abs-6-251-2023

[30]
Todd J, Yano K, Hanaoka K. A dashboard application to explore population distribution derived from GPS location data during the COVID-19 pandemic in Kyoto, Japan[J]. Abstracts of the ICA, 2023,6:1-2. DOI:10.5194/ica-abs-6-258-2023

[31]
Greg Scott, et al. The united nations integrated geospatial information framework[J]. GIM Business Guide Issue 1, 2023,37:27-31.

[32]
Shen J, Ishii K, Liu S D, et al. Scenario building for urban disaster management based on the integration of CIM and Big data- The progress of CJISTCP[J]. Abstracts of the ICA, 2023,6:1-3. DOI:10.5194/ica-abs-6-232-2023

[33]
Demhardt I J. Unveiling frozen lands and seas: nineteenth century mapping of the Arctic[J]. Abstracts of the ICA, 2023,6:1. DOI:10.5194/ica-abs-6-52-2023

[34]
Jobst M, Gartner G. SDG generation's atlas: maps expressing a generation’s viewon SDG[J]. Abstracts of the ICA, 2022,5:1-3. DOI:10.5194/ica-abs-5-4-2022

[35]
艾廷华. 深度学习赋能地图制图的若干思考[J]. 测绘学报, 2021, 50(9):1170-1182.

DOI

[Ai T H. Some thoughts on deep learning enabling cartography[J]. Acta Geodaetica et Cartographica Sinica, 2021, 50(9):1170-1182.] DOI: 10.11947/j.AGCS.2021.20210091

[36]
Müller J C, Zeshen W. A knowledge based system for cartographic symbol design[M]//Landmarks in Mapping. Routledge, 2017:97-110.

[37]
钱海忠, 武芳, 王家耀. 自动制图综合及其过程控制的智能化研究[M]. 北京: 测绘出版社, 2012.

[Qian H Z, Wu F, Wang J Y. Study of automated cartographic generalization and intelligentized generalization process control[M]. Beijing: Sino Maps Press, 2012.]

[38]
王米琪. 基于图卷积神经网络的道路网模式识别[D]. 武汉: 武汉大学, 2021.

[Wang M Q. Pattern recognition of rode network based on graph convolutional network[D]. Wuhan: Wuhan University, 2021.] DOI:10.27379/d.cnki.gwhdu.2021.000686

[39]
李想, 李宏伟. 深度学习方法在地图点注记配置中的应用研究[J]. 出版与印刷, 2022(2):49-56.

[Li X, Li H W. Research on the application of deep learning method to map point annotation configuration[J]. Publishing & Printing, 2022(2):49-56.] DOI:10.19619/j.issn.1007-1938.2022.00.019

[40]
于洋洋, 贺康杰, 武芳, 等. 面状居民地形状分类的图卷积神经网络方法[J]. 测绘学报, 2022, 51(11):2390-2402.

DOI

[Yu Y Y, He K J, Wu F, et al. Graph convolution neural network method for shape classification of areal settlements[J]. Acta Geodaetica et Cartographica Sinica, 2022, 51(11):2390-2402.] DOI:10.11947/j.AGCS.2022.20210134

[41]
钟英铭. 基于深度学习的面向制图综合的建筑物群组模式识别研究[D]. 武汉: 华中师范大学, 2021.

[Zhong Y M. Research on pattern recognition of building groups for cartographic synthesis based on deep learning[D]. Wuhan: Central China Normal University, 2021.] DOI:10.27159/d.cnki.ghzsu.2021.003246

[42]
Kang Y H, Gao S Z, Roth R. A review and synthesis of recent GeoAI research for cartography: methods, applications, and ethics[C]// Proceedings of AutoCarto. 2022:2-4.

[43]
Li Z K. Generating historical maps from online maps[C]// Proceedings of the 27th ACM SIGSPATIAL International Conference on Advances in Geographic Information Systems. Chicago, IL, USA: Association for Computing Machinery, 2019:610-611. DOI:10.1145/3347146.3363463

[44]
黄楠. 基于DEM及风格迁移的地形水墨风格艺术化表达[D]. 南京: 南京师范大学, 2021.

[Huang N. Artistic expression of terrain ink style based on DEM and style transfer[D]. Nanjing: Nanjing Normal University, 2021.] DOI:10.27245/d.cnki.gnjsu.2021.000244

[45]
Ray P P. ChatGPT: A comprehensive review on background, applications, key challenges, bias, ethics, limitations and future scope[J]. Internet of Things and Cyber-Physical Systems, 2023, 3:121-154. DOI:10.1016/j.iotcps.2023.04.003

[46]
Juhász L, Mooney P, Hochmair H H, et al. ChatGPT as a mapping assistant: A novel method to enrich maps with generative AI and content derived from street-level photographs[EB/OL]. 2023: arXiv:2306.03204. http://arxiv.org/abs/2306.03204.pdf

[47]
Tao R, Xu J W. Mapping with ChatGPT[J]. ISPRS International Journal of Geo-Information, 2023, 12(7):284. DOI:10.3390/ijgi12070284

[48]
Mooney P, Cui W C, Guan B Y, et al. Towards understanding the geospatial skills of ChatGPT: taking a geographic information systems (GIS) exam[C]// Proceedings of the 6th ACM SIGSPATIAL International Workshop on AI for Geographic Knowledge Discovery. Hamburg Germany: Association for Computing Machinery, 2023:85-94. DOI:10.1145/3615886.3627745

[49]
Edler D. What happens if artificial intelligence represents the cartography of the future?![J]. KN - Journal of Cartography and Geographic Information, 2023, 73(2):93-95. DOI:10.1007/s42489-023-00141-x

[50]
Polous N. Smart Cartography: representing complex geographical reality of 21st century[J]. International Journal of Cartography, 2023, 9(3):619-637. DOI:10.1080/23729333.2023.2235498

[51]
Unlu E. Chatmap: Large language model interaction with cartographic data[EB/OL]. 2023: arXiv:2310.01429. http://arxiv.org/abs/2310.01429.pdf.

[52]
Zhang Y F, Wei C, Wu S Y, et al. GeoGPT: Understanding and processing geospatial tasks through an autonomous GPT[EB/OL]. 2023: arXiv:2307.07930. http://arxiv.org/abs/2307.07930.pdf.

[53]
Jobst M, Gartner G. A formal description of topographic space-maps contributing to AI[J]. Abstracts of the ICA, 2023,6:1-2. DOI:10.5194/ica-abs-6-110-2023

[54]
Lee J G, Kang M. Geospatial big data: challenges and opportunities[J]. Big Data Research, 2015, 2(2):74-81. DOI:10.1016/j.bdr.2015.01.003

[55]
刘艳芳, 方飞国, 刘耀林, 等. 时空大数据在空间优化中的应用[J]. 测绘地理信息, 2019, 44(3):7-20.

[Liu Y F, Fang F G, Liu Y L, et al. Application of spatio-temporal big data in spatial optimization[J]. Journal of Geomatics, 2019, 44(3):7-20.] DOI:10.14188/j.2095-6045.2019063

[56]
刘纪平, 王勇, 张福浩, 等. 网络地理信息获取融合与分析挖掘[M]. 北京: 测绘出版社, 2018.

[Liu J P, Wang Y, Zhang F H, et al. Acquisition, fusion, analysis and mining of web geospatial information[M]. Beijing: Sino Maps Press, 2018.]

[57]
Guan Q F, Ren S L, Chen L R, et al. A spatial-compositional feature fusion convolutional autoencoder for multivariate geochemical anomaly recognition[J]. Computers & Geosciences, 2021,156:104890. DOI:10.1016/j.cageo.2021.104890

[58]
Huang B, Wang J H, Cai J X, et al. Integrated vaccination and physical distancing interventions to prevent future COVID-19 waves in Chinese cities[J]. Nature Human Behaviour, 2021,5:695-705. DOI:10.1038/s41562-021-01063-2

[59]
裴韬, 黄强, 王席, 等. 地理大数据聚合的内涵、分类与框架[J]. 遥感学报, 2021, 25(11):2153-2162.

[Pei T, Huang Q, Wang X, et al. Big geodata aggregation: Connotation, classification, and framework[J]. National Remote Sensing Bulletin, 2021, 25(11):2153-2162.] DOI:10.11834/jrs.20210480

[60]
Liu Q L, Huan W H, Deng M, et al. Inferring urban land use from multi-source urban mobility data using latent multi-view subspace clustering[J]. ISPRS International Journal of Geo-Information, 2021, 10(5):274. DOI:10.3390/ijgi10050274

[61]
刘纪平, 王勇, 胡燕祝, 等. 互联网泛在地理信息感知融合技术综述[J]. 测绘学报, 2022, 51(7):1618-1628.

DOI

[Liu J P, Wang Y, Hu Y Z, et al. A review of web-based ubiquitous geospatial information discovery and integration technology[J]. Acta Geodaetica et Cartographica Sinica, 2022, 51(7):1618-1628.] DOI:10.11947/j.AGCS.2022.20220102

[62]
Morita T. Theory and development of research in ubiquitous mapping[M]//Location Based Services and TeleCartography. Berlin, Heidelberg: Springer, 2007:89-106. DOI:10.1007/978-3-540-36728-4_7

[63]
陈军, 闫超德, 赵仁亮, 等. 基于Voronoi邻近的移动地图自适应裁剪模型[J]. 测绘学报, 2009, 38(2):152-155,161.

[Chen J, Yan C D, Zhao R L, et al. Voronoi neighbor -based self-adaptive clipping model for mobile maps[J]. Acta Geodaetica et Cartographica Sinica, 2009, 38(2):152-155,161.] DOI:10.3321/j.issn:1001-1595.2009.02.010

[64]
王家耀, 张天时. 制图综合[M]. 北京: 星球地图出版社, 2016.

[Wang J Y, Zhang T S. Cartography Generalization[M]. Beijing: StarMap Press, 2016.]

[65]
戴志伟. 寻路大数据:海量数据与大规模分析[J]. 中国信息化, 2014,(S2):113.

[Dai Z W. Pathfinding big data: Massive data and large-scale analysis[J]. China Informatization, 2014,(S2):113]

[66]
廖克. 中国地图学发展的回顾与展望[J]. 测绘学报, 2017, 46(10):1517-1525.

DOI

[Liao K. Retrospect and prospect of the development of chinese cartography[J]. Acta Geodaetica et Cartographica Sinica, 2017, 46(10):1517-1525.] DOI:10.11947/j.AGCS.2017.20170330

[67]
Colglazier W. Sustainable development agenda: 2030[J]. Science, 2015, 349(6252):1048-1050. DOI:10.1126/science.aad2333.

PMID

[68]
Warren S, Bampton M, Cornick L, et al. Mapping the anthropogenic ocean: a critical gis approach[J]. Geographical Review, 2023, 113(4):554-572. DOI:10.1080/00167428.2023.2168542.

[69]
Bebi P, Bast A, Helzel K, et al. Avalanche protection forest: from process knowledge to interactive maps[M]//Protective forests as ecosystem-based solution for disaster risk reduction (Eco-DRR). IntechOpen, 2022. DOI:10.5772/intechopen.99514

[70]
Zakerinejad R, Masoudi M. Quantitative mapping of desertification risk using the modified MEDALUS model: a case study in the Mazayejan Plain, Southwest Iran[J]. AUC GEOGRAPHICA, 2019, 54(2):232-239. DOI: 10.14712/23361980.2019.20

[71]
Malavasi M. The map of biodiversity mapping[J]. Biological Conservation, 2020,252:108843. DOI:10.1016/j.biocon.2020.108843

Options
Outlines

/

〈 〉