文章预览
推荐理由: 提出了一种GEE知识提取与复用框架; 提出了使用抽象语法树 (AST)来弥补GEE专家知识获取的挑战; 采用 ChatGPT (GPT-3.5 Turbo) 模型快速理解 GEE 工作流脚本并提取其专业知识。 01 论文标题 Liang J, Zhao A, Hou S, et al. A GPT-enhanced framework on knowledge extraction and reuse for geographic analysis models in Google Earth Engine[J]. International Journal of Digital Earth, 2024, 17(1): 2398063. 02 论文摘要 在地理空间大数据时代,地理分析模型变得越来越重要。作为一个将海量地理空间数据资源与强大计算能力相结合的云平台, Google Earth Engine (GEE) 收集了大量针对不同地理分析任务的工作流脚本,并逐渐演变为一个综合知识库。 然而,由于 GEE 工作流脚本的复杂性,从这些 GEE 工作流脚本中提取建模知识仍然是一个挑战。此外,这些 GEE 工作流脚本通常与 GEE 环境紧密耦合,这限制了它们在
………………………………