Yang, J. , dkk. , 2021. Dampak finansial dari penghijauan di tingkat jalan pada bangunan komersial di New York. Lansekap dan Perencanaan Kota, 214, 104162.
Yang, Y., dkk., 2023. Merangkul teknologi analisis geospasial dalam studi pariwisata.
Teknologi Informasi & Pariwisata.
Yap, W. , Chang, J.H. , dan Biljecki, F. , 2022. Memasukkan jaringan dalam pemahaman semantik dari lanskap jalan: Mengkontekstualisasikan keputusan mobilitas aktif. Lingkungan dan
Perencanaan B: Analisis Perkotaan dan Ilmu Kota, 239980832211388.
Zhang, F., dkk. , 2023a. Analisis dan aplikasi citra tingkat jalan. Jurnal Fotogrametri dan Penginderaan Jauh ISPRS, 199, 195-196.
Zhang, F., dkk., 2020. Menemukan tempat yang tidak terlihat menggunakan check-in media sosial dan gambar street view. Komputer, Lingkungan dan Sistem Perkotaan, 81, 101478.
Zhang, Y. , Liu, P. , dan Biljecki, F. , 2023b. Pengetahuan dan topologi: Jaringan syaraf tiruan graf dua lapis yang bergantung pada spasial untuk mengidentifikasi fungsi-fungsi perkotaan dengan citra street view deret waktu. ISPRS Jurnal Fotogrametri dan Penginderaan Jauh, 198, 153-168.
Zhang, Z., dkk., 2022. Data area atap yang divektorkan untuk 90 kota di Cina. Data Ilmiah, 9 (1).
Zhao, T., dkk., 2023. Mengindera lanskap suara perkotaan dari citra street view. Komputer, Lingkungan dan Sistem Perkotaan, 99, 101915.
penelitian yang dapat direproduksi, ilmu pengetahuan terbuka, dan kesarjanaan digital dalam publikasi ai. Majalah AI, 39 (3), 56-68. Gundersen, O.E. dan Kjensmo, S. , 2018. Keadaan seni:
Reproduksibilitas dalam kecerdasan buatan. Dalam: Konferensi AAAI tentang Kecerdasan Buatan . vol. 32.
Haibe-Kains, B., dkk., 2020. Transparansi dan reproduktifitas dalam kecerdasan buatan. Nature, 586 (7829), E14-E16.
Hartter, J., dkk. , 2013. Data eksplisit secara spasial: penatalayanan dan tantangan etika dalam sains.
PLoS Biology, 11 (9), e1001634.
Hastie, T. , dkk. , 2009. Elemen-elemen Pembelajaran Statistik: Penggalian Data, Inferensi, dan Prediksi. vol. 2. Springer.
Hey, A.J., dkk., 2009. Paradigma Keempat: Penemuan Ilmiah Intensif Data. vol. 1. Microsoft Research.
Holler, J. dan Kedron, P. , 2022. Mengarusutamakan metadata ke dalam alur kerja penelitian untuk memajukan reproduktifitas dan ilmu informasi geografis terbuka. Arsip Fotogrametri, Penginderaan Jauh dan Ilmu Informasi Spasial, 48, 201-208.
Hutson, M. , 2018. Kecerdasan buatan menghadapi krisis reproduktifitas. Science, 359 (6377), 725- 726.
Janowicz, K., dkk., 2020. Geoai: teknik kecerdasan buatan yang eksplisit secara spasial untuk penemuan pengetahuan geografis dan lainnya.
Janowicz, K. , Sieber, R. , dan Crampton, J. , 2022. Geoai, kontra-ai, dan geografi manusia: Sebuah percakapan. Dialog dalam Geografi Manusia, 12 (3), 446-458.
Jupyter, P., dkk., 2018. Binder 2.0-lingkungan yang dapat direproduksi, interaktif, dan dapat dibagikan untuk sains dalam skala besar. Dalam: Prosiding Konferensi Python dalam Sains ke-17 . 113-120. Kang, Y. , Gao, S. , dan Roth, R. , 2022. Tinjauan dan sintesis penelitian geoai terbaru untuk kartografi: Metode, aplikasi, dan etika. Dalam: Prosiding AutoCarto . 2-4.
Kapoor, S. dan Narayanan, A. , 2022. Kebocoran dan krisis reproduktifitas dalam sains berbasis ml.
arXiv pracetak arXiv: 2207.07048.
Kaufman, S., dkk. , 2012. Kebocoran dalam penggalian data: Perumusan, deteksi, dan penghindaran. ACM TKDD, 6 (4), 1-21.
Kedron, P. , dkk. , 2021a. Reproduksibilitas dan replikabilitas dalam analisis geografis. Analisis Geografis, 53 (1), 135-147.
Kedron, P., dkk. , 2022. Reproduksibilitas, replikabilitas, dan praktik sains terbuka dalam ilmu geografi. OSF, Pusat Sains Terbuka, 1-10.
Kedron, P., dkk. , 2021b. Reproduksibilitas dan replikabilitas: peluang dan tantangan untuk penelitian geospasial. Jurnal Internasional Sains Informasi Geografis, 35 (3), 427-445.
Konkol, M. , Kray, C. , dan Pfeiffer, M. , 2019. Reproduktifitas komputasi dalam makalah geosains:
Wawasan dari serangkaian studi dengan para ilmuwan geosains dan studi reproduksi.
Jurnal Internasional Ilmu Informasi Geografi, 33 (2), 408-429.
Leipzig, J. , dkk. , 2021. Peran metadata dalam penelitian komputasi yang dapat direproduksi.
Patterns, 2 (9), 100322.
Li, W. , 2020. Geoai: Di mana pembelajaran mesin dan data besar bertemu dalam GIScience. Jurnal Ilmu Informasi Spasial, (20), 71-77.
Li, W. , 2022. Geoai dalam ilmu sosial. Buku Pegangan Analisis Spasial dalam Ilmu-ilmu Sosial, 291- 304.
Li, W. dan Hsu, C.Y. , 2022. Geoai untuk analisis gambar skala besar dan visi mesin: Kemajuan terbaru kecerdasan buatan dalam geografi. ISPRS International Journal of Geo-Information, 11 (7), 385.
Lin, T.Y. , Belongie, S. , dan Hays, J. , 2013. Geolokalisasi citra tinjauan silang. In: Prosiding Konferensi IEEE tentang Visi Komputer dan Pengenalan Pola . 891-898. Liu, P. dan Biljecki, F. , 2022. Tinjauan aplikasi geoai eksplisit spasial dalam geografi perkotaan. Jurnal Internasional Pengamatan Bumi Terapan dan Geoinformasi, 112, 102936.
Mai, G. , dkk. , 2022. Tinjauan pengkodean lokasi untuk geoai: metode dan aplikasi. Jurnal Internasional Ilmu Informasi Geografis, 36 (4), 639-673.
Miller, H.J. dan Wentz, E.A. , 2003. Representasi dan analisis spasial dalam sistem informasi geografis. Annals of the Association of American Geographers, 93 (3), 574-594.
metadata sumber. In: Prosiding Konferensi Internasional ke-16 tentang Perluasan Teknologi Basis Data . 773-776.
Akademi Ilmu Pengetahuan, Teknik, dan Kedokteran Nasional dan lainnya, 2019. Reproduksibilitas dan Replikasi dalam Sains. National Academies Press.
Nüst, D., dkk. , 2018. Penelitian yang dapat direproduksi dan ilmu pengetahuan: evaluasi menggunakan makalah konferensi tangkas. PeerJ, 6, e5072.
Nüst, D. dan Hinz, M. , 2019. Containerit: Menghasilkan berkas docker untuk penelitian yang dapat direproduksi dengan
r. Jurnal Perangkat Lunak Sumber Terbuka, 4 (40), 1603.
Nüst, D. dan Pebesma, E. , 2021. Reproduksibilitas praktis dalam geografi dan geosains. Annals of the American Association of Geographers, 111 (5), 1300-1310.
Openshaw, S. , 1984. Masalah unit areal yang dapat dimodifikasi. Konsep dan Teknik dalam Geografi Modern, 60-69.
Openshaw, S. dan Openshaw, C. , 1997. Kecerdasan Buatan dalam Geografi. John Wiley & Sons, Inc.
Parasidis, E. , Pike, E. , dan McGraw, D. , 2019. Laporan belmont untuk data kesehatan. The New England Journal of Medicine, 380 (16), 1493-1495.
Paszke, A., dkk., 2019. Pytorch: Perpustakaan pembelajaran mendalam dengan gaya imperatif dan berkinerja tinggi. Kemajuan dalam Sistem Pemrosesan Informasi Saraf Tiruan, 32.
Plesser, HE , 2018. Reproduksibilitas vs replikasi: sejarah singkat tentang terminologi yang membingungkan. Perbatasan dalam Neuroinformatika, 11, 76.
Rey, S.J. dan Franklin, R.S. , 2022. Buku Pegangan Analisis Spasial dalam Ilmu-ilmu Sosial.
Edward Elgar Publishing.
Smith, T.R. , 1984. Kecerdasan buatan dan penerapannya pada pemecahan masalah geografis.
The Professional Geographer, 36 (2), 147-158.
Stewart, A.J. , dkk. , 2022. Torchgeo: pembelajaran mendalam dengan data geospasial. Dalam:
Prosiding Konferensi Internasional ke-30 tentang Kemajuan dalam Sistem Informasi Geografis . 1- 12. Tullis, J.A. dan Kar, B. , 2021. Di mana asal usulnya? replikasi dan reproduktifitas etis dalam GIScience dan aplikasi kritisnya. Annals of the American Association of Geographers, 111 (5), 1318- 1328.
Wang, S. dan Li, W. , 2021. Geoai dalam analisis medan: Mengaktifkan pembelajaran mendalam multi-sumber dan fusi data untuk deteksi fitur alami. Komputer, Lingkungan dan Sistem Perkotaan, 90, 101715.
Watada, J. , dkk. , 2019. Tren yang muncul, teknik dan masalah terbuka dari kontainerisasi: sebuah tinjauan. IEEE Access, 7, 152443-152472.
Wilkinson, M.D., dkk., 2016. Prinsip-prinsip panduan yang adil untuk pengelolaan dan penatagunaan data ilmiah. Data Ilmiah, 3 (1), 1-9.
Wilson, JP, dkk. , 2021. Panduan bintang lima untuk mencapai replikasi dan reproduksibilitas ketika bekerja dengan perangkat lunak dan algoritma SIG. Annals of the American Association of
Geographers, 111 (5), 1311-1317.
Workman, S. , Souvenir, R. , dan Jacobs, N. , 2015. Geolokalisasi citra area luas dengan citra referensi udara. In: Prosiding Konferensi Internasional IEEE tentang Visi Komputer . 3961-3969.
Yao, X., dkk., 2020. Imputasi aliran asal-tujuan spasial menggunakan jaringan konvolusi graf.
IEEE Transactions on Intelligent Transportation Systems, 22 (12), 7474-7484. Yin, D. , dkk. , 2017. Kerangka kerja cybergis-jupyter untuk analisis geospasial dalam skala besar. Dalam:
Prosiding Praktik dan Pengalaman dalam Komputasi Riset Tingkat Lanjut tentang Keberlanjutan, Keberhasilan dan Dampak . 1-8.
Zhou, F. , dkk. , 2021. Prediksi deformasi tanah melalui jaringan syaraf tiruan graf yang sadar kemiringan. In: Konferensi AAAI tentang Kecerdasan Buatan. vol. 35, 15033-15040.
Zhu, D. , dkk. , 2021. Jaringan saraf konvolusi grafik regresi spasial: Paradigma pembelajaran mendalam untuk distribusi multivariat spasial. GeoInformatica, 26, 645-676.