地理空间大数据分析作为一个交叉前沿学科方向，涉及计算机、通信、遥感、人工智能等多个领域，也是近年来信息处理和应用领域的研究热点。本书系统介绍了地理空间大数据的概念内涵，从基础设施、组织关联、智能分析和可视化等四个方面详细叙述了地理空间大数据分析的技术要点和实现路线，并给出了若干领域的典型应用案例。 本书可供从事地理信息、图像处理、遥感测绘、人工智能等领域的研究人员参考使用，也可作为高等院校相关专业的教学和研究资料。

第1章 地理空间大数据概念内涵
1.1 大数据概念与发展现状
1.1.1 大数据的发展简史
1.1.2 大数据的定义内涵
1.1.3 大数据的特点
1.2 大数据的技术路线
1.2.1 数据采集
1.2.2 数据清洗
1.2.3 数据标注
1.2.4 组织关联
1.2.5 数据挖掘
1.2.6 可视化
1.3 大数据的典型应用
1.3.1 关联分析
1.3.2 推荐系统
1.3.3 趋势预测
1.4 地理空间大数据的概念内涵
1.4.1 地理空间大数据的认知
1.4.2 地理空间大数据的特点
1.4.3 地理空间大数据的技术
1.4.4 地理空间大数据的应用
1.5 小结
第2章 地理空间大数据基础设施
2.1 IT基础设施
2.1.1 计算设备
2.1.2 存储设备
2.1.3 网络设施
2.1.4 操作系统
2.1.5 文件系统
2.1.6 数据库
2.1.7 信息安全
2.2 大数据基础设施
2.2.1 虚拟化
2.2.2 容器
2.2.3 微服务
2.3 地理空间大数据基础设施
2.3.1 地理空间大数据基础设施基础框架
2.3.2 地理空间大数据虚拟化
2.3.3 地理空间大数据计算
2.3.4 地理空间数据存储
2.3.5 地理空间大数据开发支撑
2.4 小结
第3章 地理空间大数据组织关联
3.1 数据组织和关联
3.1.1 数据组织关联的概念内涵
3.1.2 数据组织关联的发展历程
3.1.3 大数据组织关联的独特性
3.1.4 大数据组织关联的基础流程
3.2 地理空间大数据组织和关联
3.2.1 地理空间大数据组织管理框架
3.2.2 地理空间坐标系统和投影方式
3.2.3 地理空间大数据标注
3.2.4 地理空间大数据组织
3.2.5 地理空间大数据关联
3.3 地理空间大数据组织关联应用
3.3.1 图谱构建
3.3.2 深度问答
3.3.3 智能推荐
3.3.4 人机对话
3.4 小结
第4章 地理空间大数据智能分析
4.1 地理空间大数据智能分析概述
4.2 人工智能技术综述
4.2.1 智能分析的概念内涵
4.2.2 人工智能的发展历程
4.2.3 深度学习的发展
4.2.4 智能产业发展现状
4.3 大数据智能分析技术
4.3.1 智能分析经典理论
4.3.2 深度学习基本思想
4.3.3 深度学习主流模型
4.3.4 深度学习主要框架
4.4 地理空间大数据智能分析技术
4.4.1 可见光遥感图像分析技术
4.4.2 合成孔径雷达图像分析技术
4.4.3 地理空间文本数据分析技术
4.4.4 电子信号数据分析技术
4.5 小结
第5章 地理空间大数据可视化
5.1 可视化基本概述
5.1.1 可视化的概念内涵
5.1.2 大数据可视化发展现状
5.2 可视化技术
5.2.1 通用可视化技术
5.2.2 大数据可视技术
5.3 地理空间数据可视化
5.3.1 基础数据可视化
5.3.2 承载数据可视化
5.3.3 融合数据可视化
5.4 地理空间大数据可视分析
5.4.1 地理空间人机交互
5.4.2 面向应用的可视分析技术
5.4.3 数字地球
5.5 小结
第6章 地理空间大数据典型应用
6.1 国土资源领域
6.1.1 需求背景
6.1.2 应用方案
6.2 水利环保领域
6.2.1 需求背景
6.2.2 应用方案
6.3 城市建设领域
6.3.1 需求背景
6.3.2 应用方案
6.4 交通运输领域
6.4.1 需求背景
6.4.2 应用方案
6.5 公共舆情领域
6.5.1 需求背景
6.5.2 应用方案
6.6 电磁领域
6.6.1 需求背景
6.6.2 应用方案
6.7 小结
参考文献