Una manera para explicar el Geo Big Data a través de sus características, fuentes y tecnologías de apoyo fundamentales
DOI:
https://doi.org/10.23854/07199562.2024601.alciaturiPalabras clave:
Geo Big Data, Información Geográfica, GeografíaResumen
El Big Data ha tenido un impacto significativo en la investigación científica y en la cotidianidad. Ello ha llevado al desarrollo de soluciones que se alinean con sus principios. Dado el contexto, es esencial proponer elementos que orienten hacia una comprensión básica de campos específicos del conocimiento, como aquellos relacionados con el dominio espacial. Mediante una revisión narrativa, este documento explica los fundamentos del Geo Big Data al contextualizar en el ámbito de la información geográfica; las características, fuentes y tecnologías principales del Big Data. Dentro de los hallazgos más significativos, se determina que el Geo Big Data es una alternativa para potenciar el entendimiento de los fenómenos espaciales tanto en la dimensión biofísica como en la humana. La tecnología facilita la adquisición de valiosos conocimientos y oportunidades en diversas áreas, incluyendo gestión de riesgos, salud, agricultura, medio ambiente y gobierno abierto. Este documento sienta algunos elementos para orientar iniciativas Geo Big Data hacia esfuerzos más específicos.
Descargas
Citas
Aguirre, M. G., Guerrero, N. S. T., & Guerrero, L. M. T. (2021). The influence of Airbnb on hotel occupancy in Mexico: a Big Data Analysis (2007-2018). Cimexus, 16(3), 9-32.
Airbnb. (2021). Inside Airbnb. http://insideairbnb.com/get-the-data.html. Accessed September 15, 2021.
Allen, C., Smith, M., Rabiee, M., & Dahmm, H. (2021). A review of scientific advancements in datasets derived from big data for monitoring the Sustainable Development Goals. Sustain Sci 16 (5), 1701-1716. DOI: 10.1007/s11625-021-00982-3.
Ardagna, D., Cappiello, C., Samá, W., & Vitali, M. (2018). Context-aware data quality assessment for big data. Future Generation Computer Systems, 89, 548-562.
BBVA. (2023). Monitoring The Economy in Real Time And High Definition, https://www.bbvaresearch.com/en/special-section/bigdata/ Accessed March 30, 2023.
Berrang-Ford, L., Sietsma, A., Callaghan, M., Minx, J., Scheelbeek, P., Haddaway, N., Haines, A., & Dangour, A. (2021). Systematic mapping of global research on climate and health: a machine learning review. The Lancet Planetary Health, 5 (8), 514–525. https://doi.org/10.1016/S2542-5196(21)00179-0.
Bhimala, K., Rakesh, V., & Prasad, K. (2020). Identification of vegetation responses to soil moisture, rainfall, and LULC over different meteorological subdivisions in India using remote sensing data. Theoretical and Applied Climatology, 142, 987–1001. https://doi.org/10.1007/s00704-020-03360-8.
Biao, L., Wang, J., Zhaorui., Jing, Z., Niu, H., & Yang, M. (2022) Agglomeration and migration of population in resource-based cities: evidence from DMSP/OLS and NPP/VIIRS nighttime lights, International Journal of Remote Sensing, DOI: 10.1080/01431161.2022.2152759.
Bloom, M. (2019). Environmental Epidemiology. Encyclopedia of Environmental Health (Second Edition), Elsevier, 419–427, https://doi.org/10.1016/B978-0-12-409548-9.10635-9.
Descargas
Publicado
Cómo citar
Número
Sección
Licencia
Derechos de autor 2024 Revista Geográfica de Chile Terra Australis
Esta obra está bajo una licencia internacional Creative Commons Atribución 4.0.
Aviso de derechos de autor/a
Revista Geográfica de Chile Terra Australis conserva los derechos patrimoniales (copyright) de las obras publicadas en Revista Geográfica de Chile Terra Australis.
Está permitida la reutilización del contenido bajo una licencia:
Reconocimiento
CC BY
Esta licencia permite a otros distribuir, mezclar, ajustar y construir a partir de su obra, incluso con fines comerciales, siempre que le sea reconocida la autoría de la creación original. Esta es la licencia más servicial de las ofrecidas. Recomendada para una máxima difusión y utilización de los materiales sujetos a la licencia.
Para ver más información ver en los links siguientes:
