本文想法和初步動筆起源於10號，但是最近事情比較多，一直到現在才完稿。其實起源是從5月初本科學弟學妹的畢業答辯開始的，主要談一談聽完答辯的感悟以及對於GIS學科的一些引申思考。
1 Defence:
由於疫情的原因，今年本科學院的學弟學妹畢業論文答辯採用了騰訊會議網上形式。不過由於各種原因，聽得比較完整的還是直系基地GIS方向的答辯，因此也就針對這幾個內容稍微提點東西。先Po一下大家的題目。
一共是9位參與答辯。
第一位是基於新浪微博對洪水災害時間主題挖掘與淹沒資訊做提取。從選題來說，是近些年GIS一個比較熱門的方向，內容涉及的大致關鍵字應該包括位置語義，地理語義，文本挖掘，社交媒體地理學。而這個在災害方面的回應也是一個比較火的方向。大概思路就是基於微博數據，利用比較流行的文本挖掘模型LDA做洪水災害事件資訊提取，這裏是淹沒深度資訊，以及相關的主題分析。主題分析或者主題挖掘是屬於NLP方面比較專業的一類模型，這裏不細闡述,感興趣的同學建議自行搜索關鍵字。當前的研究基本上就是從微博文本來進行文本處理，如果是不含位置資訊的微博（即無法直接獲取經緯度），通常必須先從微博內容獲取相關的地名，這應該可以算是位置語義或者叫地理語義。然後做geocoding，而其餘的微博內容可以擴充其他文本挖掘的資訊，在這個研究裏就是淹沒深度。這類研究的意義就在於災害的應急回應以及預警。在目前的大數據時代，微博能非常快速地傳遞相關資訊。因此就像系裏老師點評的，這類研究最好能做成即時的app，會更有意義。國內微博數據分析比較多的相關團隊還是不少的，北京大學袁曉如老師團隊，地理所王江浩老師也做了一些研究，此外最近GeoAI講座裏的胡英傑老師也是這塊研究非常優秀的老師。感興趣的可以多去瞭解，至於模型的話，類似word2vec，甚至於去年大火的BERT是否可以用到裏面做結合也是很有意思的。最後的最後，其實我想說另一點，研究的技術性和新穎程度很高，但是我重新回顧的時候在考慮一個問題，題目裏的洪水災害事件，由於我沒有聽到這個彙報的全部內容，所以我不確定究竟是洪水災害事件或者是城市內澇事件。作為一個GIS的研究，我認為本質上還是基於地理學去分析問題，因此基礎的地學現象和定義要明確。這個研究也讓我想起我本科期間做的一個工作，基於城市藍綠景觀的空間變化與內澇區域的聯繫研究，其中我為了檢驗內澇區模擬準確性，當時也是採用了一個微博數據，有人在微博上分享了他整理的福州某次內澇事件的60個積水點的地點資訊，我根據那個數據做了一個簡單的geocoding，形成空間檔。
第二位是用地理加權回歸模型用高光譜遙感數據估算土壤有機質。由於我對高光譜這塊不是很瞭解，所以意見更多集中在地理加權回歸和土壤有機質方面的。地理加權回歸（Geographically Weighted Regression, GWR）是Forthingham教授提出空間統計回歸模型。本質上這個模型是基於地理學第二定律——空間異質性提出的，目前GWR有大量的模型發展和應用研究，最近Forthingham教授團隊正在拓展GWR相關的模型，最新成果是MGWR（Multi-scale Geographically Weighted Regression）。之前在某個會議見過他的弟子Ziqi Li,他也是MGWR模型的作者之一。當時他在會議上做了一個很有意思的研究，就是比較了R裏面不同R包（R語言中至少有3個GWR相關的包），ArcGIS，GWR4（Forthingham教授團隊開發軟體）以及Python的pysal包的GWR結果，即用同一套數據，不同語言，軟體執行GWR，結果表明，除了ArcGIS以外，其他結果是一樣的，可以複現。事實上由於ArcGIS是一個商業軟體，有些時候是會一定程度上忽略模型理論假設的限制以及針對參數做優化計算的，由此造成了結果差異。因此使用GWR要慎重。GWR這個模型，從模型求解角度，一定程度會有過擬合現象。這也讓我想到前一段，我與我的大導師討論研究計畫，我提到會用一個用GWR做校正的數據，我的大導師很明確跟我說GWR有過擬合現象，讓我不要用這個模型。因此這個模型在各種使用上仍需要慎重。當然我個人角度還算蠻推崇這個方法，我也在我的幾篇論文裏都有用到這個方法。GWR用於估算土壤有機質，從應用角度，可能稍微比重金屬更新一點。但是這個角度創新點我覺得不是特別高，另外做這類回歸和估算，我們要考慮的不僅僅是精度，還要考慮到研究模型的普適性和可推廣性。土壤有機質是比較難測量的變數（有做過土壤地理實驗的都知道測起來很麻煩），所以我們用GWR和高光譜就是想快速獲取大範圍的土壤有機質，因此我們選用的一些參數就要盡可能泛用以及便於測量。此外尺度效應也是一個很重要的點。另外GWR的變式還包括類似GAWR（地理海拔加權回歸），GTWR（地理時間加權回歸），這些都是後續可以拓展的模型。土壤有機質其實是生態學方面尤其是植被碳迴圈的重要變數之一，如果做好了，可以為後續的研究提供很多幫助。另外關於題目，我重新讀的時候覺得有些彆扭，事實上應該是用高光譜遙感數據作為輸入，然後用GWR來估算土壤有機質。其實我覺得可以把輸入數據和方法都放在基於的後面，似乎更舒服一些，如基於高光譜與地理加權回歸的土壤有機質估算。不過也僅是個人意見。
第三位也是研究土壤相關的，基於INLA-SPDE做平潭土壤鉛含量預測的不確定性研究。INLA-SPDE是一個空間貝葉斯模型。空間貝葉斯的關鍵就是可以推斷後驗概率，因此不僅可以得到模型估計值，也能得到模型估計的不確定性。事實上空間精度和空間不確定性分析也算是GIS近些年逐漸興起的一個重要分支領域。我在18年參加了Spatial Accuracy的國際會議，對此有頗多感悟，我也做了一些相關的研究。簡單來說就像量子力學裏有一個知名的測不准定律，空間數據也是如此，各類誤差和不確定性是廣泛存在向量與柵格數據的，而這些誤差和不確定性隨著數據處理會傳播到最後的結果中，但是很多時候我們無法判斷，這些誤差和不確定性是增大或者減小，同時對一個數據而言，如果不評價它的精度，在應用上就會充滿很多疑慮。個人的看法在於過去本身空間數據獲取手段相對匱乏，難度高（如測繪級數據），需要花大量時間收集數據，當然這樣子收集數據一般而言品質也較高，精度也高，但是數據不夠豐富，不夠多的前提下，想再去關注精度問題還是比較難的。而近些年井噴式的多源地理大數據以及對地觀測數據，算是比較完美解決了這個問題，但是隨之而來的就是大量的數據品質問題，這也是空間精度和空間不確定性分析近些年興起的一大原因。回到貝葉斯模型這塊，空間貝葉斯模型很重要的點就是推斷不確定性，某些研究裏可以視為風險值，為決策提供輔助。時空貝葉斯統計與模型也是我未來可能涉及的研究重點，這一塊，我個人推薦英國格拉斯哥大學的Duncan Lee教授，今年早些時候聽過他的報告。他是時空貝葉斯統計的專家，也開發了相關的R包。另外再來講講土壤重金屬元素的預測，這一塊其實有各類空間插值方法等研究，因此從領域而言不算太新，如何挖掘新因數以及找到相關的泛用預測引數，應該是比較有意思的延伸研究。另外答辯過程裏，老師提到了選空間插值的問題，這個讓我想到一個對於空間統計分析的思維培養。我個人認為的空間統計研究流程應該如下。事實上空間插值方法都有一個前提假設，就是插值的這個對象應該是符合地理學第一定律——具備空間自相關性的。此外這個研究還涉及到做模型的交叉驗證問題，模型的驗證也是具有一定的技巧的。
第四位是分析學校所在的大學城城中村的暴雨洪澇災害脆弱性研究。可以說比較貼近校園。當時我本科畢業選題也是基於校園的三維模型相關研究。從選題來說，脆弱性（vulnerable）或者恢復力/韌性（resillence）也算是近些年災害與氣候變化領域很火的主題。尤其與聯合國的SDGs結合，今天剛好看到了一篇華東師大相關的研究，也可以參考。這位的研究可以說是比較傳統的GIS空間分析研究，建立評估指標體系，賦權重，收集數據與空間疊加，可以說是比較典型的小數據地理傳統研究。整體來說，數據搜集工作很扎實，分析比較清晰。當時答辯老師提了幾個問題，如指標體系需求，指標體系權重確立，尺度效應的作用，針對這幾個點我也有些看法提了一下，指標體系，其實他定義的指標體系我感覺比較像個人確立的，當然對於小尺度區域性研究我覺得是可以的，但是我更推薦可以基於一個大的理論框架做指標體系的本地化和區域化，這類研究會讓我想到比較流行的P-S-R（壓力-狀態-回應）框架。指標體系權重確立方法有很多，我本科創新專案答辯時也用到這個權重確立，當時我覺得避免主觀打分，採用了熵值法，但是老師提的建議是，其實這類研究（我的專案也是基於校園的空間分析）熵值法可能不如AHP準確，因此權重方法確立也是根據具體情況而言。最後是尺度效應，老師們當時提的是經濟指標在這類小尺度研究是否與脆弱性/恢復力相關，普遍認知裏面社會經濟因數對大尺度區域的恢復力有顯著貢獻，這一點會讓我想到最近參與的一個小研究，關於新冠肺炎粗病死率的一張圖。我當時把概括，能保持粗病死率為0的除了有物理屏障優勢的幾個省份以外，江蘇就是社會經濟屏障的典型（經濟實力雄厚）。可以看到在應對這類公共衛生突發事件（突發災害也是相同）的時候，社會經濟示例雄厚的區域往往具有更強的恢復力/韌性。這個基本現象在大尺度研究下大概率是沒問題的，但是當區域放到小尺度研究呢？我思考了下在類似城中村以及社區域研究的普適性。以災害發生以後的資源調配和政府救助為例，假如存在兩個受災村子。一個村子的財政實力較為一般，另一個村子的財政實力稍微雄厚一些。財政實力略微雄厚的村子選擇自行救助。財政實力一般的村子由於自身經濟實力受限，上報上一級政府請求援助，但是上一級政府經濟實力非常雄厚。由於這個原因，反而財政實力一般的村子可能在災後恢復要比另一個村子快。當然這也是個比較極端的例子，但我個人認為小尺度區域受災害影響的時候，很多情況都是上報上級政府求助（假定是救助是均質的，受災程度相同，救助款也相同），那麼本身村子的經濟實力對於恢復力的影響是如何就比較難以判定了。