Google Earth Engine 時空大數據於全球環境議題探究學習之應用構想

近年來從衛星和地面遙感探測器所獲得的地理資訊迅速大量增長，地理資訊科學專家Goodchild等人（2012）提出數位地球（Digital Earth）的概念架構，激發了強調國際合作、應用龐大的計算資源、結合時間與空間大數據分析以及視覺化的研究典範。而人工智慧的機器學習與深度學習技術的蓬勃發展，也成為地理相關研究的重要工具。例如，Jean等人（2016）發表在Science學術期刊上的研究，即應用機器學習方法分析夜間燈光強度以及日間高解析度衛星影像，來估計欠缺經濟統計數據的低度發展國家的經濟狀況。為了提升衛星影像判釋地表土地利用的精確度，Chen & Zipf（2017）利用群眾外包讓志願者提供衛星影像自動判釋所需的地面照片資料。Li等人（2017）則是應用深度學習方法，從衛星照片及地面測站資料，估計地面PM2.5的濃度分佈。隨著資料科學為各領域應用帶來創新性的影響，Singleton & Arribas-Bel（2019）也進一步提出密切結合資料科學與地理學的「地理資料科學（Geographic Data Science）」架構，認為地理學可以從資料科學學習許多新的資料分析方法，同時地理學的研究也可以對資料科學產生具體的貢獻。