GIS：为什么我和别的软件不一样【转】

zongnixunta

有两三周没来这里凑热闹了，今天上来看到果然大家在热热闹闹的讨论天地图和公共服务平台，甚至我在6月份的第一篇有关“天地图”的博文都得到了热情的惠顾。这说明天地图对很多人，特别是空间信息领域的从业者来说的确是一件大事。大家关心天地图，从不同角度来看有不同的观点，关心媒体和运营的人士想到的是如何推广宣传，所以更关心“天地图公司”；地图专家关心的制图和投影，所以大家也看到了洪山波兄的有关投影的精彩博文；我等做GIS应用的人更关心如何基于天地图服务进行应用开发，所以可能会更关心瓦片地图的访问接口。

但是非本领域的大众对天地图的关心都不在此列，你找一个邻家女孩访问一下天地图，让她谈谈感受，百分之九十的概率她会关心她所熟识的一个地物在天地图上有还是没有。“呀，某某路审美美发都开了一年了，地图上都没有？”，“嘿，不错不错，我家小区里面的路都显示出来了”，这是大众常见的观察视角。你跟她说这个地图是经纬度坐标系统，没有投影所以不能准确在地图上测量，你得到的反馈只能是一个清澈而空洞的眼神----牛的眼神。

地图上的数据有还是没有，自然和天地图技术人员不相关，那是四维的事情，人家有人家的地图更新计划。但大众的视角代表了对空间信息服务的初始需求：基础要素展现和定位。也别用“要素”这等“准专业”词汇了，就是地名、地址、地物、地形和地理的展现吧。所以，面向大众的公众版必然会应对“新不新、有没有”的问题。数据的质量是首要的，技术倒在其次。其实，也别说大众，就是大部分的政府地图应用需求也是这样的。目前几乎公认做的最成功的城市级空间信息服务：北京市信息资源管理中心的共享服务平台，在其上跑的各个政府部门的地图应用绝大部分都是做业务数据上图的，也就是业务信息尤其是点状信息在共享服务上叠加定位。

我时常在想，可能在美国也是一样，大家的需求也都是标个点、定个位吧，那Esri那样的产品都卖给了谁呢？Esri的销售肯定比小月月的作者还能忽悠，可看老Jack，也不像郭德纲、周立波啊。再细想，业务信息的上图是第一步，上图以后业务人员自然就会想再挖掘这些信息背后的秘密，比如什么时间什么案件在什么地点发生的数量大？哪类地区哪个加油站业绩最好？还需要在哪儿建一个加油站？香港中路两边5米范围内有多少棵绿化树木多少根路灯？这时候他需要的就不仅仅是基础地图了，他还需要一件武器：GIS。

若说GIS区别于别的软件的地方，可能每个学习GIS的人都有一个共同答案。我想，至少制图和存储空间数据结构不应该算是GIS的独特之处吧。Adobe肯定不会说Illustrator是GIS，Oracle也不认为有了Spatial模块它就是GIS软件平台中的一员了。那么GIS有特色的地方就是所谓的空间分析了。

说到空间分析，我不想把上学时的课本找出来再温习一次，我在空间分析的理论和算法上也没有甚至是肤浅的认识，在我的眼中，空间分析就是用来回答类似我刚才的那几个问题的，去讲述上了图的数据背后的故事。最最基础的空间分析也就是那么三类：

1.
What’s on the top of what？就是谁在谁之上。我们俗称叠加（overlay）分析的。

2.
What’s close to what？就是谁邻近谁。我们俗称邻近（proximity）分析的。

3.
What’s connected to what？就是谁连接谁。我们俗称连通或者网络（network）分析的。

先说说第一类。叠加是非常有意思的一类分析，可以解决很多我们遇到的现实问题，所以应用场景非常之多。不同的场景也需要不同的叠加方法。ArcGIS最新的在线帮助在总体介绍叠加分析的页面有个表格列出了常用的5种方法。

叠加分析示意图

而除了标识、相交、交集取反、联合和更新这五种外，列在在ArcToolbox叠加分析工具箱中还有擦除和空间连接（基于空间关系传递属性）两个方法：

ArcGIS的叠加分析

叠加分析中的“擦除”示意

从这些小示意图中我们可以初步理解这些叠加操作的概念，在实际操作中肯定还需要加入其它工具才能实现具体场景的需求，比如需要基于属性的融合：

前面列出的矢量数据的叠加，对于栅格数据的叠加，最为基础的就是栅格像元特征值的加减。

栅格叠加原理

基于这个原理，ArcGIS提供的分析工具包括：加权叠加、加权总和以及模糊叠加。

ArcGIS的栅格叠加分析（模糊是10版本的新功能，先做模糊分类，然后再叠加）

矢量数据的叠加分析，在超图的软件中也都有很好的体现。

超图桌面帮助中的叠加分析模式

遗憾的是，这些功能目前还只能在Deskpro 6版本中即时使用，在最新beta的基于UGC底层的SuperMap Deskpro .NET 6R中还没有任何分析功能。从这一点上也可以印证，UGC也好，OGC也罢，对于用户来说，你不给提供我需要的功能，什么底层也白搭。不过叠加分析的功能在新版本中迟早是会有的，毕竟这是基础中的基础了，如果你还是一个GIS软件的话。

虽然帮助上注明从“分析”菜单中调用叠加分析，但尚且没有“分析”选项卡

超图的栅格分析中没有明确提出栅格叠加的概念，我前面也说过，栅格叠加的本质是栅格运算，所以只要有栅格运算的功能即可实现叠加的效果。你可以自己制作叠加的处理方法，比如加权。

超图Deskpro 6版本中的栅格分析

本想将三类分析一次阐述的，但一看篇幅过长，还是分成三个部分完成吧。下一篇说说邻近分析。

转自http://blog.3snews.net/html/73/39273-28240.html

zongnixunta

说完了GIS分析第一大特质：叠加分析，这篇小文再谈谈第二类分析：邻近分析，我上文所说的what’s near what。说起来邻近分析，有一些我们在现实中常常自动下意识使用的场景，比如团购时要看看“团”是不是在自己住所附近，购房时要考虑周边环境，小区中近邻的品味和背景，你总是不希望楼下就是一个K歌房，小区中都是些三教九流的租客，而是期盼自己住在风景优美的湖畔，要是附近再有优质的学校和医院那就更棒了，如果出门步行5分钟就到工作单位做梦也会笑起来——那是省委大院！

我们生活中自然而然的事情，先贤们早已总结出道理来让我们学习。有个叫做Tobler的大牛提出了地理学第一定律：Everything is related to everything else, but near things are more related than distant things。翻译一下就是：任何东西与别的东西之间都是相关的，但近处的东西比远处的东西相关性更强。所以你和你老婆的相关性要高过和老妈的相关性。这虽然不如我们初中就学过的热力学第一定律（能量守恒：热和功可以互相转化）有名气，但我们学地理的人Tobler的定律总还是要老老实实掌握的。这条定律使得很多后人在用GIS做研究的时候都会考虑的一种方法就是：空间自相关(spatial autocorrelation)，是指一些变量在同一个分布区内的观测数据之间潜在的相互依赖性，而分析各种依赖关系诞生了一批又一批的论文。其实GIS本身的论文也没有什么可做的。

缓冲区是我们最常见的邻近分析，而邻近分析的结果多是面状的，Buffer的结果都是多边形，此外还有泰森多边形，交通网络的服务区域也都属于面状分析结果。邻近分析生成的多边形也往往参与到叠加分析中，比如沃尔玛周边3公里的人口数量，小区名称等；另外邻近分析的结果不见得都是面状的，也可以是线性度量，最短距离我们其实也是一种邻近分析。对分析结果的表达，用矢量图形是一种，这最通用，用数值来表达是另一种形式，可以输出为具体的值或者表。

因为缓冲区分析最常用，所以对于Buffer，我们有必要多说两句，从高端到山寨，无论什么GIS软件，这个貌似人人皆具有的功能倒有一个基础值得一提，就是缓冲区的距离是基于什么空间度量的。因为二维地图是将地球投影而得，我们常常看到在二维地图上做的buffer都是基于欧式距离（笛卡尔坐标），投影有变形，因而这个buffer的结果和实际值都会有误差。真正准确的应该是基于球面坐标，也就是Geodesic Distance（测地线距离）。这个数学基础放到大比例尺的范围内显得意义不大，如果放到全球尺度那就很要命了，特别是用到WGS-84地理坐标系中，测地线缓冲就更加重要，这是因为，尽管在整个坐标系中对纬度的转换固定不变，但是由经度到线性距离的转换却会随着远离赤道而发生很大变化。用朝鲜半岛局势来举例，韩国首尔因为离朝鲜太近，基本上在朝鲜大炮的覆盖范围，所以首尔永远都是韩美的痛，那么朝鲜大炮的缓冲分析有些误差无所谓；但要是分析一下朝鲜的洲际导弹大浦洞2（三级液体燃料，有效射程12000公里），能打到美国哪儿，这就不能含糊了。我们可以用ArcGIS做一个例子看看。

用mercator投影，用平面测距从平壤到纽约将近18000公里

而用测地线测距，实际距离不过11900多公里，大浦洞2如果没有爱国者的保护落在纽约不成问题

另外一个需要考虑的因素是缓冲区结果的互相压盖，尤其是多点所作的缓冲区，分析结果融合与否很重要。

但是这个融合（dissolve）却是一个费时的工作，看似简单，其实要做一个很复杂的空间运算。

想到一个解决办法，就是用ArcGIS的制图综合工具集中的聚合点工具（aggregate points）先在点周围生成聚类多边形而后在给这个多边形做buffer即可。

此外，ArcGIS中生成缓冲区的设置比较丰富，比如可以选择线要素缓冲区在哪一侧生成，融合的方法，融合的字段等。还有其它工具值得去尝试，比如近邻分析和近邻表，会实现一些意想不到的功能。

网络分析其实也是一种典型的邻近分析，这是大众最常使用的GIS功能了，所以寻找路径是在线地图的必备功能，而行业GIS应用中，反倒不如Buffer普遍，应用的层次也比较浅，就是算算最短路径或者最优路径。有些GIS软件将交通网络和管线网络混作一团，而这两种网络都有各自独特的地方，混在一起往往两个方面考虑的都不周到。管线上（包括水文）的路径更多考虑的是连通性和上下游关系，我要在下一篇中继续罗嗦。

在ArcGIS中网络分析模块除了解决从A到B的基本问题外，还有三四个比较有趣的分析方法，一个是服务区域，一个是最近设施点，还有一个是在10中新增加的位置（资源）分配。

最优路径、服务区、最近设施点

       在ArcGIS的这些分析设置中，参数相当多，很多我也并不清楚，而在分析之前如何创建网络数据集，设置好网络的基本属性就有不少的学问，看来要想专精，还真需要下一番功夫不可。上面我就是从在线帮助中截取几张图片而已，好在在线帮助也都是中文化的了，在一个爽心的下午，品着拿铁，信手翻来也不失乐趣。

zongnixunta

按照一开始的规划，第三篇要写的是GIS的连通性分析，也就是回答What’s connected to what？的问题，但是后来想了想，这似乎已经成了GIS最为简单的功能，别说所有的GIS软件，即便是一些非GIS软件，这个功能也可以实现，所以我甚至感觉这项分析都不应该算作GIS的特质之一。但连通性分析怎么也算是传统GIS的核心，无论如何也要简单总结一二。

说连通性分析简单，主要在于实现这项功能不需要特别复杂的基础，无非是创建一个包含了三类数据库表的网络而已，这三个表是边（edge）表，交汇点（junction）表和连通性规则（connectivity）表。

借用ArcGIS帮助中的示意图，逻辑网络中的主供水管、支管和交汇点及其连通关系用三张表可以描述了，至于其中的门道，大家仔细观察一下即可明白，注意其中不同的颜色所代表的含义。

除了边、交汇点，还有一些常用的“网络词汇”，简单边是资源只能在端点流出的管道，比如支管，复杂边是允许在中间某处抽出资源而无需在实体上分隔的管道，比如主干管，源头（source）是资源流出的点，汇点（sink）是资源流入的点，孤立交汇点（orphan junction）是系统为了维护网络完整性而把没有出现几何重合的端点硬插入的交汇点等等。另外，在解决网络的问题中，复杂的情况也会很多，在这个时候就考验谁的软件想的细、做的细了，大家感兴趣可以上网去看ArcGIS的在线文档，里面说的比我更细。

虽然这些都是ArcGIS中几何网络（geometry network）的概念，但其他GIS组织网络数据的结构及原理大同小异，包括Oracle Spatial中的几何网络（Oracle spatial中是node表、link表和path表）。ArcGIS是希望借助一个抽象的模型将现实世界的某种网络（定向网络）表达出来，而抽象的方式就是浓缩这类网络的核心特征，无论是电力网络、给排水网络还是电信网络。

使用这种解决网络问题的思考方法有好有坏，好的方面是一套模型、自在扩展，所以在ArcGIS产品上诞生了一批行业上的解决方案，比如telvent的子公司miner&miner做了一套电力上的GIS产品，telcodia做了电信上的GIS产品，AMEC做了水资源的GIS产品，虽然完全是不同领域的解决方案，但它们的基础却是同一个模型；不好的方面是抽象的模型比较“地理化”，缺乏给予最终用户的直接感受，所以从这个角度出发，intergraph和smallworld不这样解决问题，它们给出来的都是面向具体行业的“工具性”产品，用户不需要关心“边”“交汇点”等抽象概念，他们要做的只是按照系统给出的步骤维护业务中的“人井”“阀门”“电表”“变电站”就好，用户感受很亲切，也容易学会软件的方法。所以曾经intergraph的G产品及smallworld的“小世界”显得很专业，但其实组织数据的方式和上面介绍的基本模型是别无二样的，而且它们用的都是Oracle Spatial，只是用户接口部分更好的考虑了业务对象和行业特征，这非常值得称道。只是这两家公司已经在慢慢的淡出GIS领域的群众视野，尤其在中国，在国家电网的186项目中败给ArcGIS，通通出局，也许卖了20亿给hexagon的intergraph能再度爆发出活力。

有了这个模型，可以做一些分析了，常用的包括：最短路径，查找连接或者断开的网络要素，环路分析等。在实际业务中用的最广的是爆管或者断路分析，抽象一点的表达就是从某一个点向上游或者下游追踪网络元素。有一些有学问的电力行业用户持有一种观点就是电气的拓扑应该单独维护，不要和地理网络混在一起（电力行业的拓扑就是ArcGIS的逻辑网络，和ArcGIS的拓扑规则无关）。我不大懂电力，不敢妄自评判，揣测其中的缘由：一是GIS的几何网络过于简单，实际操作中的一些问题不容易解决，比如刀闸，相等；二是抛开一个为地理设计的模型而使用自己随意控制的一套表更容易扩展；三是没有地理空间的负担，性能也会好很多；四是大部分的电气分析没有必要在地理的层面做，只是结果要展现在地图上即可，恐怕这是最主要的原因了。不知道我的猜测对否，请行业专家指点一二。但是单独做电气拓扑也有明显的坏处，就是需要为物理上同一个要素维护两套数据，这增加了冗余，也增加了维护的成本，如果不严格把关的话就会看到将地图放大到一定比例，线缆和变压器根本没有连接在一起的“囧图”，因为电气拓扑是没有问题的，维护人员就不在乎地理拓扑了。

超图的网络分析功能也很多，特别是在菜单上呈现出的数量好像是Supermap分析功能中做的最丰富的一类。但超图的网络是将定向网络和非定向网络混在一起的模型（定向网络是有比较明显的上下游关系，比如水电气，而交通网络是典型的非定向网络），这样造成的问题是功能都有，但都做的不细。例如桥的限高和限重对于交通网络来说这是一定要表达的因素，对于几何网络来说设置这个属性毫无必要，那在超图的网络模型中是支持还是不支持都显得比较尴尬了。Supermap的网路分析绝大部分功能针对的是交通网络，在ArcGIS中，这不是geometry network做的事，是上一篇提到的network analyst模块的任务。不想细说了，基本概念大家都差不多。

从1点到2点，有单行、限行、天桥、隧道

另外一个和连通性有关的话题是连通性的表达。地图直观的显示路径这是最常见的，还可以将连通性的结果存储在一个表中，用于后续的分析，还有一种是用逻辑示意图（schematics）来阐述。在美剧24小时中，主角Jack小强几乎在每一季中都会用手中的PDA查看他的坚实搭档兼粉丝Chole O'brian传过来敌人据点建筑物的schematics，看得出逻辑示意图在关键时刻异常管用。ArcGIS也有Jack，所以必定也有schematics模块。该模块可以自动根据几何网络生成逻辑图，在逻辑图上进行连通性和追踪分析，能够控制逻辑图的样式还可以通过ArcGIS Server对外发布……我对这部分不熟悉，还是藏拙吧。

还计划再写两篇，一篇是说说高级模型，最后做个总结。

zongnixunta

前面三篇谈了谈GIS的基础分析方法，我看了一下大家的反馈。有人觉得太简单，有人觉得有启发，但却有人觉得太新鲜甚至不明白，所以这也印证了一个道理：每个人的需求总是不一样。众口虽然难调，我的本意也只是想写点自己感兴趣的东西，但既然花费了心血，还是希望对有心人多点帮助。

第四篇想说说空间分析中的一些复杂话题。

现代科学技术众星璀璨，借助互联网则可以自由的抓取你感兴趣的那一颗。在互联网上热热闹闹被关注的技术中，有一个叫做数据挖掘。而数据挖掘技术中，有一类和数据展现有关系。老美命名了两个词：data visualization和infographic，直译过来就是数据可视化和信息图形，基本的意思都是指将数据、信息或知识的用可视化的形式表现，但data visualization更强调数据表现后面的故事，也就是能通过视觉效果将事物的规律、趋势、发展让人的大脑判读和理解。而地图是这类技术中最重要形式的之一。

地图可以表达空间模式，并通过空间模式回答一些问题。比如，山西省的肺癌患者是怎样分布的？如果他们是聚类分布，那这个聚类的中心在哪儿？是临汾还是太原？再比如，中国西部的地震中心最近50年朝什么方向移动？再比如气候变化对川北和陇南的大熊猫的栖息范围造成什么样的影响？再比如，索马里海盗在哪个椭圆范围活动的概率最大？原因何在？这些问题都和地理因素有关，而且都需要用地图说明答案和结果，GIS就能解决这类问题，这也是GIS与众不同的特征之一。

在ArcGIS中，这类分析叫做空间统计分析，从字面上也不难理解，是通过统计方法实现的，将采集到的样本数据按照某种统计模型进行计算，而发掘数据背后的规律。地统计和其他统计的基础都一样，通过分析事情发生的可能性研究事情结果的真实状况。如下图中的假设，如果临界值Z为5.73，说明该聚类分布为偶然现象的可能性小于1%。统计学就是这么绕嘴，说白一点，就是该空间现象是聚类分布的可能性超过99%。

在这里不多说地统计的知识了，像我这半吊子功夫的人往深里写，让科学家们嘲笑的连鲍鱼都喷出来了，岂不是可惜？将上图中的几个词汇翻译一下，也可以让你回忆起点点高等数据的基础知识。Critical value是“临界值”，用Z表示，significant不是“重要的”是“显著的”，significance是“显著性”，用P表示，Moran’S是空间自相关分析的基本测度，用I表示，Dispersed是离散分布，Random是随机分布（偶然的），Clustered是聚类分布（非偶然的）。其中significance可能是统计学中是最为重要的一个概念，因为统计分析能告诉你的，只是这个观察/测量结果有多可能是偶然的。如果一个结果只有0.1%的可能性是偶然的，那么我们比较有把握相信这个结果反映了真实。一般统计分析的结果是观察到的现象只有小于5%的可能是偶然的，我们就把这个结论叫做“significant”。

ArcGIS的空间统计分析是很有意思的一个工具集，其中很大部分是用python脚本写成，你都可以打开看到分析的源代码并根据自己的分析公式进行修改。虽然这个工具集从ArcView到ArcInfo都有，但很少有人用到，毕竟使用这类工具需要有一定的背景知识、科学的态度和相对详实的观察数据，而做这种工作的人往往是科学家。我们整天讨论的都是做项目，挣政府的钱，完全不需要花时间做这么费功夫的事情。实际上是如果你花时间做了，可能更容易挣到政府的钱吧，难道你没有注意到有些科学家拿到了大把的经费，花都花不完，而成果其实只是用GIS基本工具实现的而已。

ArcGIS空间统计工具集

简单归纳一下，ArcGIS的空间统计分析可以做四种工作：

l
度量地理现象的分布，就是研究事件（尤其是点事件）的分布规律，比如沿着某个方向分布，这些现象的中心点等。

l
分析空间分布的模式。主要研究空间自相关程度，聚类的程度。

l
聚类分布制图。可以将聚类的结果用各种好看的地图表现出来，这就是用地图进行数据挖掘的方式之一，通过地图展示空间分析的结论。如下图，可以用聚类的程度用不同的颜色表达，犯罪报警（实际上下图显示的点是赤贫寻求救助电话，绿色的十字是救助站的位置，这都是共产主义国家干的事，在我们天朝没有这项服务，所以不做类比）电话多的地方用红色表示，蓝色表示电话少，可以给我们一个科学的决策依据（这个分析结果还可以用密度图来做，但密度不能反映聚类的情况）。

l
为空间要素的关系建模，这个工具可构建空间权重矩阵或利用回归分析建立空间关系模型，从而考察或量化要素间关系。这类工具实在数学化，搞懂太费劲，核心意思就是构建一个统计数据空间结构。因为空间统计并不意味着将传统（非空间）统计方法应用于恰巧是空间数据（有 x 和 y 坐标）的数据，而是将空间和非空间关系直接整合到数学计算中。

ArcGIS的空间统计工具依据的都是地统计的标准方法，这些方法在一本书中被通俗易懂、特别清晰的介绍，推荐给想做地统计和回归分析的朋友们。这本书是由Andy Mitchell所著的《GIS分析》第二册：空间度量和统计（第一册写的栅格分析：空间模式和关系）。

刚才提到ArcGIS的空间统计分析工具大部分用python写成，打开它们，你可以学会ArcGIS的工程师们是怎么实现这些听起来都头疼的方法的。修改它，然后去发论文。

ArcGIS的modelbuilder早就随着ArcGIS 9的发布而得到使用，现在都到ArcGIS 10了，大家自然更能体会出可视化建模工具对于复杂模型和地理分析的意义。但说到python，可能没有体会那么深，只是觉得多了一个定制ArcGIS的接口而已，其实python的作用不止这么简单，还可以用于将ArcGIS与其他软件系统结合起来。上面除了简述地理统计分析还提到过回归分析，如果细说回归分析那还可以再长篇累牍的论道，但我们也知道ArcGIS做回归分析显然不够擅长，有的是专业回归分析软件，比如R。R也提供了空间回归分析方法和工具，更为重要的是R也具有python的module，将R和ArcGIS通过python“粘合”在一起，将会为空间回归及结果的展现带来更强劲的动力。两者的结合可以有两种方式，贴图如下，不赘述，大家实践中感受其中的不同。

ArcGIS和R通过python交互（连续多次）

R先处理（在R中debug）结果转换为python，再将其导入ArcGIS，一次交互

上文中提到的分析功能没有在Supermap中直接找到，所以不知从何入手研究超图软件这项能力，不做比较。

zongnixunta

前面四篇将常见到的GIS分析功能简述了一下，但不是说GIS就这点玩意儿，还有一些传统上区别于其他软件的地方没有提及，比如制图，比如空间数据存储和管理，这些是GIS软件的基础，而且地学专业毕业的学生可能都是从这开始学习GIS的。另外，GIS软件本身也林林总总，一些小规模的产品往往在某一个技术点上很有特色，这就要有针对性的研究了；我们国产GIS往往也有自己的特色，比如MapGIS和Easymap在制图上的特色，Supermap在国产数据库支持上的特色等，但如果从全面性上来看，无出ArcGIS右者。

全面并不意味着样样做得都好，也有一些人抱怨ArcGIS的过度设计，尤其是在空间分析上，提供的功能颇有一些鲜有人用到。但是我猜测这是一个软件长期积累的结果。在一个软件长期、甚至超长期发展的过程中，总会不断的遇到更多、更细的需求，从软件设计者的角度上看，如果认为这些需求应该满足、这些功能值得一做，那就会不断的增加软件的内容。Esri去年开始增加的一个网站：idea.arcgis.com，用于搜集用户的需求并组织投票，选择软件功能的开发方向。截图显示的是已经被采纳并在开发中的功能需求。

我相信这些从我们眼中“被过度设计”了的功能在美国用户群体中，一定有需求。在全面性上下苦工，其实是一个很有风险的选项，因为如果做不好就会被更多的人诟病。本来只是一个小众软件，因为你做的很全面，就会吸引大众使用，满意率十分容易下降。Google现在做的东西越来越全面，甚至多到让人瞠目结舌的程度。有一些做失败了，比如社交网络，这个让外人看来Google最容易做成功的一个方向，毕竟Google有这么多的粉丝和用户群体，但却没有成功。虽然Google仍在努力翻身，但已经不被看好了。所幸的是，Google在LBS、地图这方面做的很成功，这是我们搞GIS的一大幸事，我们既能有可利用的资源，也开了眼界，学到东西。

GIS有自己的功能，别的软件也各自有特色，我们做GIS的人既不能妄自菲薄，更不应该盲目尊大。我碰到过两种不当的态度，一种是认为GIS一无是处，所有的传统GIS软件都是狗屎、垃圾，不配在互联网的时代存活。持这种态度的人，言必出LBS、Google，认为这些轻功能、重性能的网络地图服务足够用了。究其原因，大众的地图需求功能不复杂，但大众的数量却是专业人士的成千上万倍。从面上讲，能满足大众的需求，就占据了主流，并创建了有效的商业模式。特别是近年来大众需求对地图、地理、导航有了井喷式的增长，自然会吸引投资，在技术上也有了突飞猛进的发展，但专业用户、专业研究的需求并不会因此而降低。你想，或者不想我，专业用户就在那儿，不赞不骂；你管，或者不管我，专业需求就在那儿，不多不少。而专业GIS软件仍然是专业用户居家旅行的必备。另外一种态度是GIS是神圣的，是高尚的，是别的软件所不能比拟的。持这种态度的人言必出spatial analysis、高斯克吕格、平差，恨不得把你唬死你，给自己固封在一个圈子里面，美其名曰GIS圈，外人稍有胆怯，即趾高气扬的贬低别人为：不懂GIS。究其原因，IT的发展太快，各种新技术层出不穷，而这种人跟不上发展，实际上很自卑，但却厚颜无耻。你看，或者不看我，技能就在那儿，不增不减；你骂，或者不骂我，脸皮就在那儿，不厚不薄。但这种人，必定会被时代淘汰。

互联网促使的是技术的融合，人的融合，mashup是互联网的主题。比如数据库，这么多年都是RDBMS的天下，Oracle、Sql Server、DB2这些大佬们做的是无所不能的事情，无论结构的、非结构的，空间的、非空间的皆通吃。但从去年开始NoSQL却无比的火热，为什么？因为需求的个性化。比如twitter、新浪微博，管理的主要是message，但对性能要求极高，一个身形如此庞大的Oracle提供的功能绝大部分人家都用不上，人家真正需要的却满足不了，这就是问题所在。所以NoSQL产品众多，基本上都是解决性能伸缩、schema扩展等传统RDBMS弊病的。在文档管理的NoSQL阵营中，有CouchDB、MongoDB、Amazon SimpleDB等悍将，都能支持python、ruby、php等脚本接口，其中MongoDB还支持空间数据存储，一个shape2mongodb的python方法即可将shapefile导入到数据库中，何乐而不为？关键这些NoSQL的性能都极高，这在互联网的应用中都是极受看重的。

毫无疑问，技术是死的，人是活的，技术本身并没有界限，界限都是人心定的。妄自菲薄的也好，盲目尊大的也罢，其内心的症结都是给自己设定了一个界限。技术飞速进步抑或退步都不可怕，对于GIS来说，可怕的是Esri、超图、中地们自己踏不出GIS的圈子，我们GISer踏不出GIS的圈子，而技术却并没有拒绝你，这就是GIS的悲哀了。所以技术人不应该被技术分类，唯一将你分类的是：用户的需求。GIS，你和别的软件有什么不一样的吗？答案：技术上没有，有的只是解决的需求不同。（完）

大家都归心似箭了吧。忘掉技术，多陪父母，春节快乐！

fchbxie

上班时间看了一上午

guyoujun543

写的不错，启发很大！