专业科普丨空间情报

城市为什么会堵车？
快递和外卖是怎么做到“准时到达”的？
灾害来临时，如何规划最优的应急路线？
气候变化和碳排放，靠什么来精准监测？

……

如果这些问题让你觉得有趣、
想要深入探索背后的数据与规律，

🔎 那么「空间情报学」
一定是一门非常适合你的学科！

今天就带大家认识这门
结合 地理 × 数据 × 社会应用，
拥有广阔就业前景的
日本读研强势专业✨

Social-economic and spatial dimensions

01

空间情报学是什么？

在日本高校里，有一个独特的交叉学科——空间情报。这里的“情报”就是我们常说的“信息”。

如果说国内的 地理信息科学（GIS） 主要关注地理数据，那么空间情报的研究范围就更广啦！它几乎涵盖了所有与 空间位置 有关的数据与现象。

💡 空间情报的核心是 用信息技术与数据科学，去探索和分析空间中的一切：

地理学 & 环境科学

计算机科学 & 统计学

城市规划 & 社会科学

经济学等

一句话总结：空间情报 = 空间 + 数据 + 技术 + 应用，它让我们能更全面地理解和利用“位置”背后的信息与价值。✨

学科谱系与发展脉络

要理解“空间情报”，不妨把它当作一条“科技演进的时间轴”来看👇

🔹 1950s–1960s：地理学的“大转弯”

原本只是“画地图、写地理”的传统学科，在这个时期迎来了革命。研究者开始用数学和统计的方法去理解空间现象，为后来的 GIS（地理信息系统）和空间统计打下了基础。📊

🔹 1960s–1980s：GIS雏形与卫星观测

・💻 计算机技术突飞猛进（IBM 引领）。

・1963年，Roger Tomlinson 在加拿大政府项目中首次提出 “地理信息系统（GIS）” 概念。

・1972年，美国发射了首颗 陆地卫星（Landsat 1），带来了从太空看地球的新方式，也开启了 遥感时代 🌍✨。

🔹 1990s–2000s：标准化与基础设施

1994年，开放地理空间联盟（OGC）成立，推动了 WMS（网络地图服务）、GML（地理标记语言）等开放标准，让不同系统之间能“对话”，促进跨领域合作。🤝

🔹 2000s：互联网地图 & 手机定位

・2004年，OpenStreetMap 诞生，开启“人人都能画地图”。🗺️

・2005年，Google Maps 上线，彻底改变了人们的出行方式。

・2007年，iPhone 发布 📱，LBS（基于位置的服务）走入日常生活。

🔹 2010s–至今：云计算 × AI × 数字孪生

・2016年，Google 发布全球卫星大图像，数据规模达到 数百万亿像素。

・深度学习逐渐应用于遥感与空间分析，催生 GeoAI。

・NASA 推动的 数字孪生（Digital Twin） 理念走红，从工厂、城市到区域治理，数字世界和真实世界的映射成为趋势。🌐🔮

从数学方法的引入 → 计算机与卫星 → 开放标准 → 互联网地图 → AI 与数字孪生，空间信息科学的发展，其实就是一部“人类如何理解与重塑地球空间”的科技史。✨

02

空间情报学研究方向

出处：Measuring pedestrian-level street greenery visibility through space syntax  

and crowdsourced imagery: A case study in London, UK

这一方向源自传统地理学与环境科学，关注的问题是：自然与社会现象在空间上的分布规律是什么？我们能否用特征与模型来解释和预测？

研究对象涵盖地形、水文、植被、社会文化与经济活动。典型课题包括地表覆盖与景观格局、空间统计与建模、时空模拟、不确定性分析，以及地图可视化。

👉 可以把它理解为“地理学在信息时代的延伸版”。

考试要求侧重：GIS/遥感基础、空间统计思维、读图与绘图能力。

🤖 空间情报工学

以计算机科学和数据工程为基石，重点放在“数据—平台—算法—系统”的工程化实现。目标是：如何高效获取、存储、处理并挖掘与位置相关的海量数据？

研究主题包括时空数据工程、轨迹挖掘、GeoAI、实时流式计算，以及三维空间可视化。

它的应用十分广泛：从疫情防控到外卖和打车平台，从智慧交通到智慧城市，几乎无处不在。

考试要求侧重：编程与数据处理、算法与数据库基础、问题抽象与复杂度意识。

👥 空间社会经济

这一方向以经济学、社会学和政策科学为背景，从“人—活动—制度—公平”的角度切入。它关注的问题是：人类行为、资源配置与制度安排，如何在空间和时间维度上发挥作用？

研究主题包括城市与区域发展、交通与可达性、环境与健康，以及公共政策评估。典型应用如店铺选址、人口流动分析、区域经济格局与社会公平。

考试要求侧重：计量经济学基础、空间相关思维、对社会经济问题的结构化分析、文献综述与名词解释能力。

📌 与国内相关专业的对应关系

在国内，如果你学过 GIS（地理信息科学），对空间情报学就不会陌生。它以 GIS 为基础，但研究范围更广，已经延伸到 社会经济、人工智能和跨学科应用。这也意味着，它和国内很多专业有着紧密联系👇

🔹 核心对口 

地理信息科学（GIS）/ 地理信息工程📡

测绘工程 / 地图学与地理信息系统 / 摄影测量与遥感🌐

遥感科学与技术🛰️

👉 这些专业的同学，学的知识和空间情报学最为贴合。

🔹  近邻专业 

城乡规划 / 城市规划 / 城市与区域规划 🏙️

资源环境科学 / 地理科学 / 人文地理与城乡规划 🌏

交通运输工程 / 土木工程（交通方向） 🚆

👉 这些专业与“空间位置”紧密相关，在方法论和应用场景上高度重叠。

🔹  交叉延伸 

计算机科学 / 软件工程 / 大数据技术 / 人工智能 🤖

统计学 / 应用数学 / 计量经济学 📊

经济学 / 社会学 / 公共管理 👥

电子信息工程 / 物联网工程 / 自动化 ⚙️

👉 正是这种跨界融合，让空间情报学成为一个典型的“交叉学科”。

03

空间情报学就业前景

04

哪些同学适合研究空间情报学

空间情报学是一门交叉学科，它既需要数理和工程的思维，也需要人文与社会的洞察。因此，不同背景的学生都可以在其中找到切入点，但各自的优势与需要补齐的短板也有所不同。

🔬 理工背景的学生

如果你来自数学、统计学、计算机、遥感、环境科学等专业，那么空间情报学对你来说是“顺水推舟”。你可以很自然地进入 空间情报解析 或 空间情报工学 方向。

优势：数理方法与编程能力扎实，空间数据建模或算法工程实现都不在话下。

需要补齐：如果你本科是 GIS、测绘、遥感背景，可能要在统计学习和编程工程化方面多下功夫；如果你本科是应用数学、计算机或大数据背景，则要加强空间思维与地理语境的理解。

📊 文科背景的学生

来自经济学、社会学、公共卫生、政策等专业的同学，则更适合切入 空间社会经济 方向。

优势：具备社会科学理论和政策分析能力，能够提出有价值的研究问题。

需要补齐：要掌握一定的空间计量方法，熟悉 GIS/遥感工具，并具备基本的代码能力，才能更好地利用地理大数据。

🌍 跨学科背景的学生

如果你本科学过规划、地理、环境类专业，那么几乎三个方向都可以自由切换：空间解析、工学实现、社会经济。

优势：对实际问题和应用场景有较强理解。

需要补齐：在空间统计、编程与数据处理、因果推断，以及 GIS/遥感工具操作等方面打好基本功，才能更好地把问题意识转化为学术研究或工程实践。

05

院校推荐及考试要求

在日本，多所顶尖大学都开设了与空间情报学相关的研究科或研究中心，不同院校各有侧重，适合不同背景的同学选择：

东京大学·空间信息科学研究中心（CSIS）

京都大学·地球环境学堂

筑波大学·系统情报工学研究科

名古屋大学·环境学研究科

北海道大学·环境科学院
......

📚 备考条件

报考这些研究科，不仅要关注语言要求，还需要理解研究计划书和笔试的核心考点。整体来说，空间情报学的研究科偏研究导向，对学术潜力和跨学科思维要求较高。

1️⃣语言要求
大部分院校要求 JLPT N1 或 TOEFL/IELTS 成绩，具体标准因院校不同而异。建议同时准备日语与英语成绩，以免受限。

2️⃣研究计划书
这是出愿材料的核心。需要清晰地提出研究问题，说明方法和数据来源，并强调研究的跨学科价值与应用意义。相比“泛泛而谈”，导师更期待看到你能结合地理/数据/社会问题，提出具体且可操作的研究构想。

3️⃣毕业论文
几乎所有研究科都会要求提交毕业论文，研究导向非常明显。提前在本科阶段积累论文写作或科研训练，将成为重要加分项。

✍️ 笔试内容

通常涵盖以下几类：

基础知识：地理学、GIS、遥感；

数学与统计：微积分、概率、统计学；

数据科学：编程、数据处理；

英语能力：学术文献阅读与翻译。

日本的空间情报学研究科既有国际前沿的学术优势，也有紧贴社会问题的应用特色。备考时，既要保证语言与学术基础，也要突出自己在 研究计划书 上的跨学科视野。这样，才能在考学中脱颖而出。

版 权 声 明

○

知 日 新 媒 体 部 出 品

未 经 允 许 不 得 转 载