Der schnelle Fortschritt der Künstlichen Intelligenz (KI) und des Maschinenlernens (ML) hat das Gebiet der Geographie erheblich transformiert, indem er die räumliche Datenanalyse, die Umweltüberwachung und die Entscheidungsprozesse verbessert hat. Geographische Forschung stützt sich zunehmend auf große geospatialen Datensätze, die aus Satellitenbildern, geografischen Informationssystemen (GIS), Fernerkundung und globalen Positionssystemen (GPS) abgeleitet werden. KI- und ML-Algorithmen bieten effiziente Werkzeuge zur Analyse komplexer räumlicher Muster, zur Vorhersage von Umweltveränderungen und zur Automatisierung von Kartenprozessen (Goodchild & Li, 2021). Dieses Papier untersucht aktuelle Trends in der Anwendung von KI und ML innerhalb geographischer Studien, mit einem Schwerpunkt auf der Analyse geospatialer Daten, der Klassifizierung von Fernerkundungsbildern, der Stadtplanung, der Bewertung des Klimawandels, dem Katastrophenmanagement und der landwirtschaftlichen Überwachung. Die Studie verwendet eine qualitative Überprüfungsmethodik, die auf Sekundärdaten aus Forschungsartikeln, Berichten und akademischen Publikationen basiert. Die Ergebnisse zeigen, dass KI-gesteuerte Techniken wie Deep Learning, neuronale Netzwerke und räumliche prädiktive Modellierung die Genauigkeit und Effizienz der geografischen Analyse erheblich verbessert haben (Reichstein et al., 2019). Die Integration von KI mit GIS und Fernerkundung hat das Konzept der Geospatialen Künstlichen Intelligenz (GeoAI) hervorgebracht, das die Extraktion bedeutungsvoller räumlicher Informationen aus großen Datensätzen ermöglicht (Janowicz et al., 2020). Trotz ihrer Vorteile bleiben Herausforderungen wie Datenqualität, rechnerische Anforderungen und begrenzte technische Expertise erhebliche Hürden. Das Papier kommt zu dem Schluss, dass KI und ML weiterhin eine transformative Rolle in der geographischen Forschung und der Planung nachhaltiger Entwicklung spielen werden.
Anand Purushottam Pandit (Fr,) hat diese Frage untersucht.