揭示 Modern（现代）GIS 的核心原理

在一个以技术实力为特征的时代，GIS 领域经历了变革性的演变。这催生了现在被广泛认可的 Modern （现代）GIS。这些技术进步塑造了 GIS 的当代状态，也引入了实时数据处理和复杂的绘图软件。

现代 GIS 的标志之一是无缝集成不同的空间数据，打破数据孤岛。这种整合超越了理论概念，为城市规划和各个行业提供了可行的见解，向 Web GIS 的范式转变也标志着一个转折点，扩展了全球的可访问性和协作潜力。

什么是 现代 GIS？

现代 GIS 代表了传统制图和空间分析方法的复杂且动态的演变。在当代背景下，现代 GIS 涉及利用地理空间数据进行洞察。它集成了云计算、实时数据处理和基于网络的平台等先进技术，为地理空间数据管理和分析提供全面的交互式方法。这种演变超越了静态地图，融合了三维可视化、移动应用程序以及与机器学习和人工智能等其他技术的无缝集成。

现代 GIS 的核心原则是什么？

现代 GIS 中包含的原则超越了单纯的绘图，还结合了基于网络的平台、云计算和先进的分析技术。在本文中，我们将揭示现代 GIS 的创新特征。

空间数据集成

现代 GIS 强调集成不同来源的各种类型的空间数据，这包括卫星图像、GPS 数据、人口统计数据等。整合不同的数据集可以全面了解地理现象。

Web GIS

GIS 与网络的集成已成为一个基本方面。Web GIS 允许用户通过 Web 浏览器访问、分析和共享地理信息，从而促进协作并使空间数据更易于访问。

基于云的 GIS

云计算通过在云中存储、处理和分析大型空间数据集，改变了 GIS。这有利于可扩展性、协作以及通过互联网连接从任何地方访问 GIS 工具和数据。

移动 GIS

移动技术，包括智能手机和平板电脑，在现代 GIS 中发挥着至关重要的作用。现场数据收集、GPS跟踪和实时更新已成为标准功能，允许在现场进行动态数据收集和分析。

空间分析

现代 GIS 强调先进的空间分析技术。这包括地质统计学、网络分析、空间建模和其他超出基本制图范围的方法，这些技术有助于揭示空间数据中的模式、关系和趋势。

开放数据和开放标准

开放数据举措促进地理空间信息的公开共享，从而加强协作和创新。开放标准确保不同 GIS 平台和数据源之间的互操作性。

3D GIS

3D 数据和可视化技术的集成是现代 GIS 的一个关键方面。这对于城市规划、环境建模和基础设施管理尤其重要。

实时 GIS

现在许多应用程序都需要实时数据，而现代 GIS 可以在收集数据时对其进行处理和分析。这对于跟踪移动物体、监控动态事件和紧急响应尤其重要。

数据质量和准确性

随着空间数据量的不断增加，保持数据质量和准确性至关重要。现代 GIS 系统包括用于数据验证、清理和确保空间信息准确性的工具。

用户友好的界面

用户界面变得更加直观和用户友好。这使得更广泛的受众（包括那些没有深厚 GIS 背景的受众）能够访问和利用 GIS 工具进行决策。

机器学习和人工智能集成

现代 GIS 通常结合机器学习和人工智能技术，用于空间数据集中的自动分析、特征识别和模式检测。

定制和互操作性

GIS 平台旨在可定制并可与其他软件系统互操作。这种灵活性允许用户将 GIS 集成到他们的工作流程中，并将地理空间数据与其他类型的信息相结合。

现代 GIS 原理的影响

在地理空间技术的动态领域，现代 GIS 原理的采用彻底改变了景观，释放了洞察力和效率的新维度。

弥合知识差距

现代 GIS 原则优先考虑无缝空间数据集成，消除孤岛并实现对地理现象的全面理解。这种整合使企业、政府和研究人员能够弥合知识差距，促进数据驱动的决策。组织现在可以利用不同数据集的力量，加深对空间关系的理解并推动跨部门创新。

全球可访问性和协作

结合 Web GIS 原则已经超越了传统界限，提供了地理空间信息的全球可访问性。企业现在可以跨距离无缝协作、共享实时数据并使用交互式地图。这不仅提高了效率，而且实现了关键信息获取的民主化，促进了更具包容性的空间分析和规划方法。

可扩展性和资源优化

现代 GIS 采用基于云的原理，为存储、处理和分析大量空间数据提供可扩展的解决方案。这种可扩展性不仅优化了资源利用率，还使组织能够快速适应不断变化的数据需求。基于云的 GIS 使用户能够利用先进的计算功能，而不受传统基础设施的限制，从而促进敏捷性和创新。

增强现场运营能力

移动 GIS 的原理通过提供对地理空间工具的移动访问重新定义了现场操作。现场工作人员现在可以实时收集和分析数据，从而缩短决策过程并缩短响应时间。从环境监测到灾难响应，移动 GIS 原理提高了空间数据的准确性和即时性，优化了工作流程并最大限度地减少了停机时间。

揭开隐藏的模式

现代 GIS 中先进的空间分析原理的采用不仅仅是制图，还揭示了空间数据中隐藏的模式、关系和趋势。企业可以提取可行的见解，研究人员可以进行深入研究，城市规划者可以做出明智的决策。这种增强的分析能力是游戏规则的改变者，在日益数据驱动的世界中提供竞争优势。

促进合作与创新

现代 GIS 原则拥抱开放数据举措，促进协作和创新。通过公开共享地理空间信息，组织可以为更丰富、更互联的生态系统做出贡献。这种方法不仅增强了集体知识，而且刺激了创新，从而能够开发新的应用程序、解决方案和方法来应对复杂的挑战。

现代 GIS 和地理空间

随着新技术和工具的开发、新思想和新技能的教授和学习，以及更多流程正在使用基于云的工具和服务，现代 GIS 正在开始扎根并定义自己（尽管这不是一个现代 GIS 的先决条件）。

GIS 和现代 GIS 由支持地理空间工作或实践的工具和技术或系统组成。地理空间是该工作的实际执行以及使个人能够执行和促进其专业发展的教育、专业和其他基础设施。简而言之，GIS 就像一个装满工具的工具箱，而地理空间是教您如何使用这些工具的技能和持续学习，以及分享如何使用这些工具的想法的社区。

GIS 有着悠久的历史，在这 60 多年的时间里不断发展和变化，但是现代 GIS 虽然非常相似，因为它们都代表执行地理空间分析的工具和系统，但由于许多原因，它们有着根本的不同，从而分离成自身。

现代 GIS 和地理空间有何相关或不同？

现代 GIS 比传统 GIS 更加开放、可扩展、协作和可访问。它可以使用本地托管的开源工具在具有互联网连接的单台计算机上运行，以支持云中的完整企业架构。它支持更大规模和速度的数据，比传统的非无服务器工作流程具有更快的计算和处理时间，并且开放工具和通用语言的互操作性允许与非 GIS 团队进行协作工作流程。

此图表提供了两者之间差异的高级视图：

简而言之，现代 GIS 的定义是其开放且基于标准的方法以及可扩展的能力，大量数据以及计算资源（通常采用无服务器模型）。这与更传统的 GIS 平台不同，后者使用更专有的系统，可以通过复制进行扩展（如果一个数据库或服务器过载，可以建立一个复制服务器），但无法扩展到与其他云相同的数据量水平- 数据仓库等原生工具。

开放且基于标准的技术

第一个关键点是现代 GIS 利用开源技术并开发遵循这些开源工具中的传统和实践标准的工具。其中一个示例是使用开源可视化库。Deck GL 已迅速成为前端应用程序中可视化数据的流行选择。我们看到许多组织都使用这个开源项目并为其做出贡献，并将其集成到其以商业为中心的工具和平台中，而不是构建新的库来可视化和设计地理空间数据。

Google 地图最近添加了对 Deck GL 的支持。

这种方法允许个人和组织在免费和开源模型中使用这些工具，并从贡献和使用这些工具的组织中受益。支持这些项目的企业组织能够避免构建专有工具并获得用户采用这些库。

这种情况在许多不同的工具中一次又一次地发生，这是现代 GIS 的基本组成部分，整个社区受益于交叉协作和共同标准。

现代 GIS 生态系统。

集成且可互操作的工具和语言

传统 GIS 通常依赖于专有工具，这些工具通常使用通用语言，但仅作为连接到相同专有工具、服务和数据库的一种方式。

现代 GIS 建立在使用可互操作的工具和语言的基础上，这些工具和语言可以用作独立工具，也可以集成到与其他常用工具一起使用。它还使用通用和公认的语言以及这些语言的基础组件。

例如，可以使用 Geopandas 进行地理空间分析和数据处理。Geopandas 遵循以下许多约定：

• 它是用 Python 构建的，并遵循与所有其他 Python 库相同的开发原则
• 它构建并使用其他基础库，例如 Pandas、Fiona、PyProj、Shapely 等
• 它扩展了常见和公认的规范，例如 Pandas DataFrame（以制作 GeoDataFrame）
• 它使用常见的安装工具，如 PyPI
• 它使用开源开发和贡献模型

还可以将 Geopandas 集成到用 Python 构建的 API 服务中，因为毕竟，Geopandas 只是一个 Python 库。由于所有这些库都使用 SQL、Python、Javascript 等通用语言，因此它们也是完全可互操作的，这意味着非地理空间用户可以使用和阅读相同的工具，因为它们采用相同的语言，并且代码是无缝共享的在共同的团队中。

例如，数据科学家可以与空间数据科学家无缝合作。数据工程师可以与地理空间数据工程师无缝合作等等。这不仅促进了协作，而且使每个人都能够同样处理空间和非空间数据。

可在本地和云端扩展

现代 GIS 还提供了可扩展性，可以处理更大的数据、更复杂的分析和工作流程。这种情况发生在小规模的情况下，个人用户在自己的机器上工作，一直到使用云原生无服务器流程的最大企业。

当然，这对于光谱的每一端来说看起来都是不同的。对于个人用户来说，他们可以通过使用数据库索引、使用 PyGEOS 扩展 Python 工作流程以及使用 Docker 创建容器化环境来在本地扩展其分析能力。

在中间层，云或托管服务的组合可用于数据存储和管理，确保数据访问和连续性以及本地服务，例如 QGIS 等桌面工具、本地 Jupyter 笔记本以及仪表板和应用程序的本地开发。

在最高级别上，复杂的企业可以使用地理空间库和工具以及云原生服务，与地理空间数据工程师一起使用 Apache Beam 等工具来管理复杂的批量和流数据摄取，并为这些工具（例如 Dataflow with geobeam）提供无服务器支持。

数据仓库可以存储和查询大量地理空间数据以及来自整个企业的其他数据。CARTO 等工具和平台可用于可视化数据并制作仪表板和复杂的应用程序。托管笔记本可以为复杂的流程提供可扩展的计算资源。无服务器方面允许这些组织在需要的短时间内使用大量计算资源，而不是一直运行这些服务（并为其付费）。

云原生

与上述几点类似，现代 GIS 可以从非常小的规模（一个人一台机器）开始，直到非常大的规模。出于多种原因，云是运行这些流程的最佳位置，但是根据需要完成的流程，利用云的方式可能会有所不同。

传统上，云中的 GIS 意味着托管数据、数据库/服务器，有时还托管工具和应用程序/仪表板。虽然这些事情都发生在云中，但它们不可扩展。

云原生 GIS 与在云中运行的传统 GIS 有何不同。

例如，在云服务中的计算实例或虚拟机中运行的服务器或数据库始终受到其运行的实例或计算机的参数的约束（即，在 16 个 CPU 上运行的数据库将始终受到这些参数的约束，除非这些参数手动更改）。

最近看到更多的服务开始在云中采用更现代的部署模型，利用 Kubernetes 和 Docker 等工具。这是一件好事，因为它允许服务分离（如果一个组件出现故障，系统的其余部分保持不变）和服务重复（如果服务器过载，可以自动启动重复服务来处理增加的服务）加载，想象一个洪水地图应用程序由于飓风而突然获得许多视图）。

然而，这里仍然存在两个问题。首先是这些努力仍然支持不可扩展的服务。之前使用的相同服务器和数据库仍然受到与以前相同的约束，例如文件大小、处理速度、行限制等。如果出现任何故障或服务负载大幅增加，它们现在会更容易使用。

第二是这些服务仍然始终开启。这意味着无论它们是否被使用，都需要全天候使用它们。如果需要更多的计算或存储资源，可以增加资源，但这当然会增加成本。

另一方面，云原生使用无服务器工具和服务。Serverless 的定义如下（借自 Google Cloud）： 无服务器意味着无需预先配置、无需管理服务器以及构建应用程序的按使用量付费的经济性。

实际上，这意味着对于您使用的服务，不负责配置使用它们所需的资源。此外，服务根据需求进行扩展。如果有更大的查询或更大的数据摄取过程，它将为该特定作业提供更多的计算能力。这些服务可以确定所需的适当资源，为该作业配置和使用它们，然后关闭它们。这意味着可以获得适量的资源来处理您的工作，并仅在需要的时候使用它们。

从这里我们开始看到云原生 GIS 的定义开始形成，它与现代 GIS 直接相关。它允许将现代 GIS 工作流程和流程迁移到集成云环境中，并提供直接集成的多种服务和工具，并利用高效且可扩展的无服务器处理。

云 GIS 架构。

过去，开源地理空间工具和服务很难在企业环境中得到支持。要么需要一个由用户和 IT 专业人员组成的专门团队来使用它们，有时需要与其他商业工具一起使用，要么需要一个专门的团队来帮助您实施，更重要的是支持开源工具。

现在这要容易得多。云提供商提供许多大型企业所需的可扩展性、支持、安全性和 SLA，同时允许您大规模使用现代 GIS 工具和服务。

准备好应对所有类型、大小和速度的数据

现代 GIS 的另一个主要优点是能够处理任何类型的数据。地理空间数据有多种格式。事实上，基于 GDAL 支持的文件类型数量，有数百个。GDAL 是现代 GIS 架构的基础组件，因为它存在于许多关键工具中：QGIS、Geopandas、Fiona 等。这一核心库专为实现快速、可靠的性能而构建，确保现代 GIS 可以处理任何文件类型。

文件类型只是数据可扩展性和灵活性的一种衡量标准。文件大小当然是另一个衡量标准。这可以是数据行数、列数、几何复杂性或三者兼而有之。现代 GIS 工具允许您扩展到非常大的数据集，甚至是本地数据集。可以使用不同的工具来读取和存储数据，例如本地安装的 PostGIS 或使用 Fiona 或 Geopandas 等库，可以使用 Apache Feather 文件格式或 Dask 进一步实现这一点。

在云中，这可以进一步扩展。既可以存储大量数据，又可以轻松摄取数据。云提供商为此提供了直接集成到数据仓库中的工具，或可用于更复杂的工作流程的其他数据摄取工具。我已经使用 Dataflow plus geobeam 完成了多次此操作，它使用 GDAL、Fiona 和 rasterio 等核心库来并行处理大量数据集，包括具有数十亿行（像素）的栅格数据和 TB 级文件。

但当然，还必须考虑流数据或高速数据。幸运的是，既有本地工具可以帮助您处理传入的数据，也有云提供商通过 Apache Beam（可以在本地或云中运行）和其他基于 Pub/Sub 的工作流程等工具使这一切变得简单。这不仅可以帮助您处理传入的数据，还可以为数据增加价值（可能是地理编码、人口普查数据丰富或对附近点的测量），然后将该数据存储在数据库或数据仓库中。

对流或实时数据的分析是一个热门话题，预计这一话题会不断发展，而现代 GIS 已准备好处理和解决这些用例。

支持新功能和角色

最近，地理空间空间中开始形成许多新的角色和功能。随着地理空间需求的增长，正在定义和要求更加集中和明确的工作职能，而地理空间“万事通”现在需要大量技能。

GIS 分析师甚至地理空间开发人员等职位非常常见，并且已经存在了一段时间，但空间数据科学家和地理空间数据工程师等新职位已经开始出现。

而且新的角色很可能会不断出现。在数据科学领域，机器学习工程师、数据架构师等新角色已经开始变得越来越常见。

常见的 GIS 和地理空间职位。

现代 GIS 工具允许这些角色：

• 工作具有完全的灵活性和可扩展性
• 与非地理空间重点领域的类似同行和技术进行合作
• 拥有可在团队之间共享的可互操作代码
• 从小规模开始并扩展到云流程
• 开发和构建基础工具和最佳实践
• 自行开发独特的工作流程、库、工具和解决方案

越来越多的这些角色将继续定义自己，越来越多的角色将开发自己的流程、规范和技术来支持他们正在做的工作。现代 GIS 为这项工作的开始提供了基础。

多种类型的输出

现代 GIS 的最后一个方面是可以开发的不同类型的输出和可交付成果。但概念是现代 GIS 使地理空间用户能够构建业务案例所需的输出，而不是受到可用输出的限制。这个列表很长，展示了现代 GIS 中可用选项的规模：

• 仪表板和数据查看器
• Jupyter notebooks
• 用于演示的简单地图
• API 和微服务
• 数据管道
• 简单的应用
• 全栈网络应用程序
• 集成到其他系统
• 移动应用
• 数据收集和验证
• 机器学习模型
• 简单的静态地图
• 数据货币化解决方案

这种纯粹的灵活性和多种可能的选择是现代 GIS 的核心特征。这确保了现代 GIS 用户在需要创建的输出方面永远不会受到限制或约束。从技术上讲，这些工具和解决方案不是孤立的，而是完全集成的，可用作独立工具或集成解决方案。

它使地理空间解决方案能够完全集成到组织中，最重要的是，它是这些组织中在实践和技术层面上解决问题的关键部分。

现代 GIS 仍在不断发展，并将随着时间的推移而变化和发展，但我们相信这些核心原则和思想将成为其发展的基础，并帮助支持新一代地理空间用户。这是太空中令人兴奋的时刻，地理空间中存在着前所未有的可能性。