地理学科大数据在本科教学中的挖掘与学习
中图分类号：G642.0 文献标志码：A 文章编号：1674-9324（2018）23-0160-03
一、引言
地理学（Geography）作为一门古老的学科发展历史悠久，曾被誉为科学之母。在人类了解和掌握我们居住的地球发生过的自然现象和人文历史的时空变化，并在分析自然和人文之间的相互关系中具有重要作用。从地理学演变的历史过程来看，古代地理学主要研究地球形状以及其距离大小的测量方法，或对人类居住或活动的区域和国家进行描述，现代地理学已演变为一门涉猎范围广泛的学科，大到地球表面的各种现象的时空变化，小到人类居住区的格局分析，等等，因此地理学家需要熟悉多种学科，例如生物学、社会学、地球物理学等。在广义的学科分类中，地理学一般分为自然地理学、人文地理学和地理信息系统三个分支。其中，自然地理学的研究重点是地貌、土壤等地球表层自然现象和自然灾害，土地利用与覆盖以及生态环境与地理之间的关系；人文地理?W研究的重点是历史地理学、文化与社会地理学、人口地理学、政治地理学、经济地理学和城市地理学；地理信息系统则是计算机技术与现代地理学相结合的产物，采用计算机建模和模拟技术实现地理环境与过程的虚拟，以便于对地理现象直观科学的分析，并提供决策依据。
当今地理学学科内部呈现明显的破碎化、离心化趋势，也有学者批评当今地理学面临着自然地理破碎化、人文地理经济化与社会化和地理信息科学信息技术化的危机[1，2]。传统地理学中“区域性”与“综合性”的学科特色与优势遭到了忽视与弱化，并且当今地理学面对的科学与社会问题越来越复杂，地球表层系统作为地理学研究的核心对象，受人类活动扰动和改造的影响越来越显著，地理学科在研究方法或者研究手段上越来越受到其他学科的影响和制约[3，4]。例如在研究沙漠化现象中经常将沙化的原因归咎于干旱，综合研究指出沙漠化是因过度放牧、农业过度扩展和毁林造田而加剧的，而沙漠化表征的诸多现象是由其他学科鉴定的，例如过度放牧和农业扩展由农业科学负责，毁林烧柴则由环境科学负责，等等。而地理学在此的任务是调查研究其分布模式、地域配合、联结各组成部分的网络以及其相互作用的过程。因此，在研究地球表层系统的过程中跨学科的综合与协同研究成为地理学未来发展的方向。
“大数据”是自2013年以来兴起的一个热潮，相信在未来的几十年里，大数据将会是个重要话题，无论是对于个人还是对于国家。大数据的发展会冲击着许多行业，包括经济、环保、医疗、旅游等。一时间3V或者4V理论风靡全球，海量、多样、高速、价值（Volume数量，Velocity速度，Variety种类）这四个词概括了大数据区别于传统数据的几个典型特征。卫星、无人机等测绘手段，为地理学带来了海量的大数据。大数据是快速数据，通过各种传感器网络，甚至可以提供实时亚米级影像。面临大数据的冲击，在地理学科中如何应对是亟待深入研究和探讨的问题。笔者结合地理学科的传统研究思路和具体应用，从大数据的挖掘与分析入手，简要分析了如何在地理学科本科教学中进行大数据的应用挖掘和学习。
二、大数据与地理信息结合
海量数据的分析与应用，使得人们对于数据的要求从精确性的苛求转向数据的多元性和交叉性的需求。人们对于事物之间相关性的认识比对于事物之间的因果关系更加显得需求迫切。利用地理数据进行商业选址和消费者分类服务在全球发达国家已经得到了普及，但是在中国尚未得到大范围的推广应用[5，6]。精准的地理服务在中国将会有更大的需求和市场，例如肯德基、星巴克等全球连锁公司等专门成立了商业地理分析团队，帮助其在中国的店铺进行选址。另外，可以构建数据分析中心，进行地理数据的深度挖掘，从而寻找对企业有利的信息，提升企业的利润。例如现在蓬勃发展的物流行业，众多物流公司均加大对数据分析方面的投入，将大数据作为战略资源，深度分析客户需求，进而调整公司的运营策略，在公司战略规划、运营模式等方面做出合理部署。可以想象在未来，大数据不仅会在地理信息行业得到飞速发展，同样在需要与大数据进行关联的其他行业应用也会越来越广泛。
三、案例分析探讨
对于地理学科来说，多源对地观测数据为其学科的变革提供了数据支持，而地理学科的多学科交叉属性为其提供了技术支撑。未来在地理学科大数据本科教学中在研究理论基础的同时，加强案例挖掘和学习，逐步构成一个成熟的体系。因此，本文选择以下三个案例进行了探索，以期为地理学科大数据在本科教学中的挖掘和学习提供一定的借鉴。
1.最优位置选择。在地理信息具体应用中科学选择最优位置是现代商业的关键所在，只有把对的商品放在对的位置上才能获取最大的商业利润。在地理类专业本科教学中可以增加大数据在最优位置选择的商业案例进行分析。
具体案例：现有一家股份制商业银行，该银行需要对未来中国西部某二线省会城市的网点开设方案进行规划。其要求是网点必须开设在银行顾客集中的区域，以方便银行业务的办理，同时需要避开其他银行过度竞争的区域来保证本银行的生存和发展前景。
案例分析：最优位置的选择是商业地理分析最常见的案例。对于某个特定的地点是否复合商业利益，进行现场调查是传统的方法也是最笨的方法，但是这种方法耗时耗力，对于面积人口较大的城市选出其中的重点区域，需要大量的人力、物力和财力，凭借小团队的有限知识远远不够，因此就需要大数据来帮助完成这个任务。基本方案是利用该城市的矢量地图，同时加载信息更多更丰富的经济、人口等基础地理数据，借助地理信息系统（GIS）和遥感（RS）来实现定性和定量的分析，可以建立适当的模型帮助我们在合适的城市区域内选择最优位置。 具体步骤：首先，目的是为了帮助银行挑选最有利的位置，可以从街道和临街商铺以及商业CBD等可能的位置进行初步分析。综合该城市的市区超过100个接到的常驻和流动人口统计数据、人口的收入数据、受教育程度的数据，包括分区内其他银行的分布网点位置以及营业年限，其他大型商业聚集区的辐射程度等地理数据，将市区按街道分区重新划分为核心区、缓冲区和边缘区三个大类，新设的银行网点应优先考虑核心区。其次，按照建立的模型对数据进行收集，根据不同街道分区的特征和商业信息的分布与聚集以及?射度进行赋值，最终得到分区的最后得分，根据得分结合该城市市区已建在建/筹建楼宇列表选出网点的最优位置。
2.人口流动热力图。2014年春节期间，百度地图推出了一个基于手机定位可视化数据而制作的国内城市间人口流动实时地图。春运是短时间内极大规模的人口迁徙行为，而流动人口所携带的手机如果开启了定位功能，那么这些定位数据反馈到计算平台，就可以相对准确和及时地表现出地图上任何一个地区人员的迁入与迁出状况。
案例设计：通过定位数据的分析，可以分析一天内某一地区人口密度的变化。以西安大雁塔地铁站为例，如果把每一个进出站、开着手机定位的人作为一个标注点，那么点的密度与实际人数成正比。如果把手机定位的海量数据扩大到更大的范围，比如说一座城市，就可以从中读出更多的信息，如分析哪个商圈在哪些时间段人流量大等。大数据对于商业区的宏观规划以及商家对于店铺位置的选择有着重要的参考价值。
案例分析：在当今的信息社会，人们已经习以为常地用电子地图去查找商场与酒店。利用大数据制作的景区热力图，利用得到的实时人流数据，动态地展现人群的分布。而这些实时、动态的地图可以帮助我们优化空间路线、识别潜在危险等。因此在未来本科教学中，可以从制图、信息实时集成、使用等角度展开挖掘。当然，要想更加精确、及时地在地图上呈现出某些信息，除了深度挖掘数据，还需数据分析的模型，对收集和运算的不同数据源进行叠加和融合，进而将深层次的信息准确地呈现和预测出来。
3.人口性别比分布。大数据往往存在不均匀、不规则分布的特征。资源与人口分布的不均衡，使得不同地区的各种指标存在着或大或小的差异。例如，一直困扰我国的男、女比例失调的问题已经影响到社会的稳定和经济的可持续发展，因此我们可以利用大数据来分析未来人口性别的平衡图。
案例应用：以往类似的性别比例分布图已有专家或学者做过，比如有学者利用2000年第五次全国人口普查公布的数据制作了全国人口普查中各区县1―4岁儿童的男、女比例分布图，我们可以从中提取某个省份的数据，例如陕西省在1―4岁的人口中，30%的区县男、女比例超过了1.4，那么17年后现如今的性别比例图是怎样的呢？是否可以利用相关的大数据进行分析是此案例分析的要点。
四、讨论
地理学经过了漫长的发展历程，而且地理学研究的领域相当广泛，上至无穷的太空，下至人类所能探测到的最深的地底，都是地理学的研究范围，因此，现代地理学的发展往往与多学科交叉，正是这样一个互相交叉、互相联系的地理领域构成了一个复杂的系统，这个复杂的系统往往与人们的生活息息相关。随着大数据概念的提出以及地理大数据的不断挖掘，需要在地理相关专业本科教学中开展大数据的挖掘和学习[7，8]。当前，地理学科的大数据来源广泛，包括测绘地理信息数据，比如各类的矢量图、DEM、多分辨率的遥感影像等对地观测数据，虽然经过了多年的发展，但是对地理学科大数据的应用和智慧发展仍然有相当大的差距，需要对地理学科的大数据进行更加深入和广泛地挖掘和学习。
