• 将地理空间数据抽象库 (GDAL) 视为关键的 GIS 基础设施。
• GDAL 用于基于栅格和矢量的操作， 通常是最重要和最常见的地理空间操作，例如地理配准、 数据重采样或矢量导入和导出操作。
• GDAL 是开源的；虽然可能会保持原样，但这种工具的商业模式正在发生变化。

我们经常将关键基础设施视为与道路或电力相关的东西。 在日益数字化的世界中，关键基础设施也是数据网络和软件。 地理空间数据抽象库 (GDAL) 是一组软件工具， 可能是 GIS 软件中最重要的部分之一， 自 2000 年以来一直作为一个项目存在。

该库被Google Earth等主要公共平台使用，也被ArcGIS、 QGIS和GRASS等常用 GIS 工具使用。事实上， 可能有数百个软件项目使用 GDAL 库。 在 MapScpping Podcast 的一次采访中， Paul Ramsey 讨论 了 GDAL 的重要性， 以及它的财务模型和对地理空间社区的长期生存能力。

GIS 数据和 GDAL

我们可以将 GDAL 视为提供与矢量和栅格数据相关的许多操作的数据管道。 可以对数据进行排列和操作，以便应用各种数据编辑和可视化操作， 包括最常见的操作，例如转换和地理配准。

该工具执行的操作包括坡度和坡向计算、光栅扭曲、子集和图像重采样。 许多用户都知道它具有工作和操作各种数据格式的能力， 其中包含由库处理和导入的 160 多种栅格格式。 数据还可以多种格式导出，该工具可以工作并应用 GeoTiIFF、 GeoJSON 和 CSV 格式等。

其他软件和工具中的 GDAL 功能

命令行访问意味着它通常在其他工具中应用。还使用了 OGR 库， 处理矢量数据，包括矢量图形，并在标准格式上执行读写操作。

GDAL 用于广泛的开源和私有工具， 因此它经常包含在每个主要操作系统的第三方软件中。

GDAL 的部分是用C、C++和 Python编写的，具有多种计算机语言绑定， 这也是其被广泛访问的原因之一， 使得该工具可以在流行的 GIS 脚本语言中使用， 例如 Python、Perl、Ruby、R 等。

应用 C、C++ 或Java的大型面向对象平台也应用该库。 由于可以在 GDAL 中完成的通用操作， 像 Esri 这样的大公司决定使用这个库比创建自己的专有库更好。

最近，GDAL 也被应用为基于云的计算操作的一部分， 这意味着用户甚至不需要在本地复制它， 并且可以远程应用空间操作，有时在创建数据时可以近乎实时地应用。

例如，当访问来自 USGS 的 Landsat 或来自 Planet Labs 的 高分辨率卫星图像等数据时，GDAL 操作已经从卫星发送的数据点开始应用， 包括正射校正。

GDAL库不断更新完善；保持软件更新通常很重要， 以避免潜在的软件冲突或无法与其他软件正常工作的操作。

GDAL：地理空间社区的关键基础设施

我们可以得出的结论是， GDAL 已有效地成为地理空间社区的关键基础设施。 考虑到应用于矢量和栅格数据的广泛操作， 它可能是最重要的库之一。此外，很多大大小小的工具都使用GDAL， 也成为应用程序中不可或缺的一部分。

优势是该库是使用 MIT 许可证的免费和开源的。 这让地理空间社区放心，但作为一个重要性日益增长的开源项目， 维护库变得具有挑战性和时间要求。

维护和资助GDAL

GDAL 使许多用户受益，包括富裕的大型科技公司， 他们不必为该工具付费。幸运的是，GDAL 的商业模式已经改变， 现在敦促使用该程序的大型云提供商和公司为该项目提供资金， 以支付软件的时间和维护费用。

这运作良好，并允许该项目引入代码的开发人员和编辑人员。 此外，这意味着该库得到了相当定期的维护， 如果软件没有得到维护，可以避免成为地理空间用户的责任。

作为一个开源项目，GDAL 是一个协作项目， 由各种贡献者和数量有限的个人证明所做的更改。 虽然目前一些公司和项目正在为维护 GDAL 提供资金， 但人们意识到 GDAL 对许多甚至更小的公司和组织至关重要， 这一点也很重要。

为了帮助维护这个关键软件的未来， 用户可能有必要鼓励他们的经理和预算人员帮助为项目做出贡献， 以帮助维护其未来。鉴于其开源性质， 预计该项目不会向任何人收取使用费， 但捐款可能是确保该项目在未来几年继续进行的一种方式。