MEModern Engineering2996-69732996-6981Art and Design10.61369/ME.2025050035Article时空大数据与人工智能助力地学领域复杂系统研究https://artdesignp.com/journal/ME/2/5/10.61369/ME.2025050035于龙龙,李根2025252025-05-20人类正面临全球气候变化与资源能源紧缩等“地学复杂系统”的叠加挑战。时空大数据在多源要素、跨尺度耦合与过程表征方面具有天然优势，但其价值释放仍受数据孤岛、质量不稳和算力门槛所限。本文系统梳理了时空大数据与人工智能在地学复杂系统研究中的应用现状、关键挑战与发展趋势，重点阐释从时空数据驱动到智能分析、再到平台化整合的技术迭代逻辑。针对数据瓶颈、协同门槛与工程实施等问题，提出以高性能计算、云计算与时空大数据平台为支撑的解决思路，并展望以时空图神经网络为代表的前沿技术融合方向。研究旨在为依托时空大数据的地学复杂系统研究提供可操作的理论框架与实践路径，推动其战略价值的充分释放。时空大数据,高性能计算技术,机器学习,时空图神经网络

[1]王家耀,王利军,程士源.时空大数据及其应用[J].测绘科学技术学报,2024,40(04):331-337+391.[2] Yu L, Wen J, Chang C Y, et al. High‐resolution global contiguous SIF of OCO‐2[J]. Geophysical Research Letters, 2019, 46(3): 1449-1458.[3] Wu Z, Pan S, Chen F, et al. A comprehensive survey on graph neural networks[J]. IEEE transactions on neural networks and learning systems, 2020, 32(1): 4-24.[4]李宇航,徐志伟,刘燕华,等.人工智能时代的地理科学前沿问题探析[J].地理学报,2024,79(10):2409-2424.DOI:CNKI:SUN:DLXB.0.2024-10-001.[5] Tamiminia H, Salehi B, Mahdianpari M, et al. Google Earth Engine for geo-big data applications: A meta-analysis and systematic review[J]. ISPRS journal of photogrammetry and remote sensing, 2020, 164: 152-170.