2024 GIS 计算机基础 LBS

GIS的基础概念

Geographic Information Systems,GIS的定义、常用术语

GIS的定义

地理信息系统（英语：Geographic Information System，缩写：GIS）是一门综合性学科，结合地理学与地图学，已经广泛的应用在不同的领域，是用于输入、存储、查询、分析和显示地理数据的计算机系统，可以分为以下五部分：

  • 人员，是GIS中最重要的组成部分。开发人员必须定义GIS中被执行的各种任务，开发处理程序。熟练的操作人员通常可以克服GIS软件功能的不足，但是相反的情况就不成立。最好的软件也无法弥补操作人员对GIS的一无所知所带来的副作用。
  • 数据，精确可用的数据可以影响到查询和分析的结果。
  • 硬件，硬件的性能影响到处理速度，使用是否方便及可能的输出方式。
  • 软件，不仅包含GIS软件，还包括各种数据库，绘图、统计、影像处理及其它程序。
  • 过程，GIS要求明确定义，一致的方法来生成正确的可验证的结果。

GIS属于信息系统的一类，不同在于它能运作和处理地理参照数据。地理参照数据描述地球表面（包括大气层和较浅的地表下空间）空间要素的位置和属性，在GIS中的两种地理数据成分：空间数据，与空间要素几何特性有关；属性数据，提供空间要素的信息。

wiki链接

GIS是一种存储、管理、分析和可视化地理空间数据的系统。

GIS中的常见术语

  1. 空间数据（Spatial Data）
    • 矢量数据（Vector Data）：用点、线和面来表示地理特征的数据类型，适合描述离散地物，如建筑物、道路等。
    • 栅格数据（Raster Data）：用像素网格（通常为正方形）表示连续数据，每个像素有相应的数值，常用于表示地形、温度等连续变化的区域。
    • 属性数据（Attribute Data）：描述空间要素的非空间信息，如道路的名称、长度等。

  2. 地理编码（Geocoding）

    将地址或地点名称转换为地理坐标的过程，通常用于定位和导航应用。

  3. 坐标参考系统（Coordinate Reference System, CRS）
    • 地理坐标系（Geographic Coordinate System, GCS）：基于地球的球面模型，通常用纬度和经度表示。
    • 投影坐标系（Projected Coordinate System, PCS）：对地理数据进行平面投影的坐标系，以便在二维空间中表示和分析，常用如墨卡托投影等。

  4. 空间分析（Spatial Analysis）

    对空间数据进行分析处理的过程，常见的包括缓冲区分析、叠加分析和网络分析等。

  5. 缓冲区（Buffer）

    在特定要素周围创建的区域，用于分析距离影响，如确定河流周围的生态保护区域。

  6. 叠加分析（Overlay Analysis）

    将多个图层进行叠加以分析空间关系，比如将土地使用图和洪水风险图叠加以确定高风险区域。

  7. 空间关系（Spatial Relationship）
    • 邻接（Adjacency）：判断两个要素是否相邻。
    • 包含（Containment）：判断一个要素是否位于另一个要素的边界内。
    • 相交（Intersection）：判断两个要素是否重叠或交叉。

  8. 遥感（Remote Sensing）

    通过卫星、无人机或传感器等手段收集地表信息的技术，常用于获取栅格数据。

  9. 地理数据库（Geodatabase）

    专门存储和管理空间数据的数据库，支持复杂的数据关系和空间分析。

  10. Web 地图服务（Web Map Service, WMS）

    一种标准化的网络服务协议，用于在互联网上发布和共享地图图层。

  11. 全球导航卫星系统（Global Navigation Satellite System, GNSS）

    包括 GPS、北斗等系统，通过卫星定位提供精确的位置信息。

  12. 栅格分析（Raster Analysis）

    处理和分析栅格数据的技术，比如地形分析、影像分类等。

  13. 空间索引（Spatial Index）

    数据库中用于加速空间查询的一种索引结构，如 R 树（R-Tree）和四叉树（Quad-Tree）。

  14. 地形分析（Terrain Analysis）

    分析地形特征，如高程、坡度和坡向等，用于研究地貌或构建三维模型。

  15. 空间数据基础设施（Spatial Data Infrastructure, SDI）

    提供数据、技术和政策以支持空间数据的共享和利用的架构或平台。

GIS的常见开发应用场景

GIS能帮助我们在空间维度更快更好更直观地分析数据，通过GIS的信息查询匹配，能够为用户提供高效、精准的地理信息服务，支持业务决策，提升用户体验。

常见的GIS系统功能：

  • 空间查询与分析
    • 邻近查询：实现基于经纬度的附近地点或用户查询，支持快速定位和范围查询。
    • 空间分析：开发空间分析功能（如缓冲区分析、叠加分析），为业务决策提供支持。
  • 位置服务与推荐系统
    • 基于位置的服务（LBS）：开发位置相关的推荐系统（如外卖、商店推荐），根据用户位置提供个性化服务。
    • 实时位置跟踪：实现实时位置更新和跟踪功能，支持物流、交通等应用。

常见的空间数据库

空间数据库，是一种专门设计用于存储、查询和处理地理空间数据的数据库系统。

它与传统数据库的区别在于：除了存储常规的数据类型（如整数、字符串等），空间数据库还支持存储和管理复杂的几何数据类型，比如点(point)、线(line)、面(polygon)等，这些类型可以表示地理位置、区域、路径等地理信息。

普通数据库提供了索引机制，方便对数据进行快速访问，如B-Tree索引。空间数据库支持空间索引，如 R 树、四叉树等，用于快速检索和查询空间数据。

PostGIS(半壁江山,功能丰富，性能强悍)

PostGIS 是 PostgreSQL 的一个扩展，提供对地理对象的支持，使 PostgreSQL 成为一个功能强大的地理信息系统（GIS）数据库。

主要特性：

  • 支持丰富的空间数据类型，包括点、线、面、多边形等。
  • 提供大量的空间函数和操作，如距离计算、缓冲区分析、空间连接等。
  • 支持标准的 SQL 查询语言，能够与 PostgreSQL 的其他特性（如事务、并发控制）无缝集成。
  • 支持空间索引(如 GIST 和 SP-GiST),加速空间查询性能。

应用场景：适用于需要复杂空间分析和地理数据处理的应用，如地图服务、城市规划、环境监测等。

MongoDB

MongoDB 是一个面向文档的 NoSQL 数据库，支持地理空间数据存储和查询。

主要特性：

  • 提供对 GeoJSON 格式的支持，可以存储点、线和多边形等地理数据。
  • 支持地理空间索引（2D 和 2DSphere），加速地理查询，如查找附近的地点。
  • 提供丰富的查询操作，如 $geoWithin 和 $near，用于空间搜索和分析。
  • 应用场景：适合存储非结构化数据和需要高可扩展性的应用，如位置服务、实时数据分析和社交网络等。

Elasticsearch (ES)

Elasticsearch 是一个开源的分布式搜索和分析引擎，广泛用于日志分析和全文搜索，也支持地理空间数据处理。

主要特性：

  • 支持 GeoJSON 数据格式，能够存储和查询地理位置数据。
  • 提供强大的地理查询功能，如距离查询、范围查询和聚合分析。
  • 可以与 Kibana 结合使用，提供可视化的地理数据分析和展示。
  • 支持高效的分布式存储和扩展性，适合大规模数据处理。
  • 应用场景：适用于需要快速搜索和分析大量数据的场景，如日志分析、地理数据监控和实时数据搜索。

Redis

Redis 是一个高性能的键值存储数据库，虽然主要用作缓存，但也支持地理空间数据。

主要特性：

  • 提供内置的地理空间命令（如 GEOADD、GEORADIUS），支持存储和查询地理坐标。
  • 可以快速执行地理位置查询，如查找某个位置周围的其他位置。
  • 适用于快速的地理数据缓存和临时存储。
  • 应用场景：常用于需要快速响应的应用场景，如实时位置服务、推荐系统和社交应用。

GeoJSON

GeoJSON 是一种用于编码各种地理数据结构的格式，它采用JSON格式表示地理数据。

可以在https://geojson.io上参考效果

{
"type": "FeatureCollection",
"features": [
  {
  "type": "Feature",
  "geometry": {
    "type": "Point",
    "coordinates": [102.0, 0.5]
    },
  "properties": {
    "prop0": "value0"
    }
  },
  {
  "type": "Feature",
  "geometry": {
    "type": "LineString",
    "coordinates": [
      [102.0, 0.0], [103.0, 1.0], [104.0, 0.0], [105.0, 1.0]
      ]
    },
  "properties": {
    "prop0": "value0",
    "prop1": 0.0
    }
  },
  {
  "type": "Feature",
  "geometry": {
    "type": "Polygon",
    "coordinates": [
      [
        [100.0, 0.0], [101.0, 0.0], [101.0, 1.0],
        [100.0, 1.0], [100.0, 0.0]
      ]
    ]},
  "properties": {
    "prop0": "value0",
    "prop1": {"this": "that"}
    }
  }
]
}

GeoHash

GeoHash 是一种用于地理空间编码的算法，它将二维地理坐标（经纬度）转换为字符串表示，用于表示地理位置或区域。GeoHash 将地球表面按特定规则划分为网格，每个网格用唯一的字符串表示，字符串的精度与网格的大小成正比。GeoHash 最早由 Gustavo Niemeyer 提出，广泛应用于地理信息系统（GIS）、位置服务和大数据处理等场景。

GeoHash的原理

GeoHash 使用一种类似分治法的方式递归划分地球表面区域：

  1. 将地球经度划分为 [-180, 180] 的区间、纬度划分为 [-90, 90] 的区间，初始时整个地球视为一个区域。
  2. 逐步对区域进行二分，以纬度和经度为基准分别划分，直到满足精度需求。
  3. 使用二进制编码方式来标识每次划分的结果，最终将一串二进制数转换为Base32字符串，生成 GeoHash 值。

例如，wx4g0d 是北京某个位置的GeoHash值，字符越多，位置精度越高。而越相邻的地方，前缀就越相同。

GeoHash的优点

  1. 快速定位和查询：GeoHash 值可以直接用于数据库查询，尤其适合于空间索引和范围查询。GeoHash 可以将地理位置转化为字符串进行存储和索引，显著提高查询速度。

  2. 支持空间聚类：GeoHash 编码具有邻近性，即相近的地理位置会有相似的编码前缀。因此，可以通过前缀匹配快速找到相邻区域的地理位置。

  3. 灵活的精度控制：GeoHash 的精度可以通过字符串长度控制，字符串越长，位置越精确。例如，长度为 6 的 GeoHash 精度约为 1.2km，而长度为 12 的精度可达几米。

GeoHash的精度

GeoHash生成的Base32字符串越长，其代表的精度就越高。以下是 GeoHash 字符长度与精度的对照表：

GeoHash 长度 经度精度（米） 纬度精度（米） 覆盖区域（大致范围）
1 ±5,000,000 ±5,000,000 约 5000 x 5000 公里
2 ±1,250,000 ±625,000 约 1250 x 625 公里
3 ±156,000 ±156,000 约 156 x 156 公里
4 ±39,100 ±19,500 约 39 x 19 公里
5 ±4,890 ±4,890 约 4.9 x 4.9 公里
6 ±1,220 ±609 约 1.2 x 0.6 公里
7 ±153 ±153 约 153 x 153 米
8 ±38.2 ±19.1 约 38 x 19 米
9 ±4.77 ±4.77 约 4.7 x 4.7 米
10 ±1.19 ±0.596 约 1.2 x 0.6 米
11 ±0.149 ±0.149 约 15 x 15 厘米
12 ±0.0372 ±0.0186 约 3.7 x 1.8 厘米

GeoHash的局限性

  1. GeoHash是基于经纬度的矩形划分，而地球实际是一个球形。所以海拔越高，GeoHash的失真度就越高。
    • 球的经线在两极处汇聚，而在赤道处最远离，因此高纬度地区的经度单位（相同的度数）所代表的实际距离会比低纬度地区小。
    • 在高纬度地区，GeoHash 编码所代表的网格会变得相对较宽，但高度可能相对较小，从而导致覆盖区域的实际形状扭曲。
  2. 存在跨越网格的情况，因此如果要准确的查询相邻的人，需要查询多个领域
CATALOG
    FEATURED TAGS
    2018 Java JVM Spring 杂项 算法 踩坑 计算机基础 大数据 Hive 2019 Elasticsearch 协议 2020 2021 2023 2024