GIS的定義是什么?

物質世界中的任何地物都被牢牢地打上了時空的烙印。人們的生產和生活中80%以上的信息和地理空間位置有關。地理信息系統（Geographic Information System, 簡稱GIS）作為獲取、處理、管理和分析地理空間數據的重要工具、技術和學科，近年來得到了廣泛關注和迅猛發展。

10年的新化網站建設經驗，針對設計、前端、開發、售后、文案、推廣等六對一服務，響應快，48小時及時工作處理。成都全網營銷推廣的優勢是能夠根據用戶設備顯示端的尺寸不同，自動調整新化建站的顯示方式，使網站能夠適用不同顯示終端，在瀏覽器中調整網站的寬度，無論在任何一種瀏覽器上瀏覽網站，都能展現優雅布局與設計，從而大程度地提升瀏覽體驗。成都創新互聯從事“新化網站設計”,“新化網站推廣”以來，每個客戶項目都認真落實執行。

GIS至今尚沒有國際統一的定義，不同學科和不同領域對GIS的理解不盡相同，美國聯邦數字地圖協調委員會（FICCDS）對GIS的定義是：GIS是由計算機硬件、軟件和不同方法組成的系統*該系統具有支持空間數據的獲取、管理、處理、分析、建模和顯示的功能，并可解決復雜的規劃管理問題。

從技術和應用的角度，GIS是解決空間問題的工具、方法和技術；從學科的角度，GIS是在地理學、地圖學、測量學和計算機科學等學科基礎上發展起來的一門學科，具有獨立的學科體系； 從功能上，GIS具有空間數據的獲取、存儲、現示、編輯、處理、分析、輸出和應用等功能；從系統學的角度，GIS具有一定結構和功能，是一個完整的系統。

地理信息系統 (GIS, Geographic Information System) 是一種基于計算機的工具，它可以對在地球上存在的東西和發生的事件進行成圖和分析。 GIS 技術把地圖這種獨特的視覺化效果和地理分析功能與一般的數據庫操作（例如查詢和統計分析等）集成在一起。這種能力使 GIS與其他信息系統相區別，從而使其在廣泛的公眾和個人企事業單位中解釋事件、預測結果、規劃戰略等中具有實用價值。

我們當今面臨世界的最主要的挑戰是——人口過多，環境污染，森林破壞，自然疾病等，這些都與地理因素有關。

不論是從事一種新的職業，還是尋找生長香蕉的最合適的土壤，或是為救護車計算最佳的行車路線，這些本地問題也都有地理因素。

地圖制作和地理分析已不是新鮮事，但GIS執行這些任務比傳統的手工方法更好更快。而且，在GIS技術出現之前，只有很少的人具有利用地理信息來幫助做出決定和解決問題的能力。

今天，GIS 已是一個全球擁有數十萬的人員和數十億美元的產業。GIS已在全世界的中學、學院、大學里被講授。在每個領域里的專家不斷地意識到按地理的觀點來思考和工作所帶來的優越性。

在電力工業中，GIS是指六氟化硫封閉式組合電器，國際上稱為“氣體絕緣開關設備”（Gas Insulated Switchgear)簡稱GIS，它將一座變電站中除變壓器以外的一次設備，包括斷路器、隔離開關、接地開關、電壓互感器、電流互感器、避雷器、母線、電纜終端、進出線套管等，經優化設計有機地組合成一個整體。

GIS全稱氣體絕緣組合電器設備（Gas Insulated Switchgear）

GIS是氣體絕緣封閉式組合電器，主要把母線、斷路器、CT、PT、隔離開關、避雷器都組合在一起。就是我們經常可以看到的開關站，也叫高壓配電裝置。

高壓配電裝置的型式有三種：第一種是空氣絕緣的常規配電裝置，簡稱AIS。其母線裸露直接與空氣接觸，斷路器可用瓷柱式或罐式。葛洲壩電廠采用的即是這種型式。

第二種是混合式配電裝置，簡稱H－GIS。母線采用開敞式，其它均為六氟化硫氣體絕緣開關裝置。

第三種是六氟化硫氣體絕緣全封閉配電裝置。其英文全稱GAS—INSTULATED SWITCHGEAR，簡稱GIS。

GIS的優點在于占地面積小，可靠性高，安全性強，維護工作量很小，其主要部件的維修間隔不小于20年。

GIS基本技術有哪些？

引言

地理信息系統(Geographic Information System，簡稱GIS)是計算機科學、地理學、測量學、地圖學等多門學科綜合的技術[1]。GIS的基本技術是空間數據庫、地圖可視化及空間分析，而空間數據庫是GIS的關鍵。空間數據挖掘技術作為當前數據庫技術最活躍的分支與知識獲取手段，在GIS中的應用推動著GIS朝智能化和集成化的方向發展。

1 空間數據庫與空間數據挖掘技術的特點

隨著數據庫技術的不斷發展和數據庫管理系統的廣泛應用，數據庫中存儲的數據量也在急劇增大，在這些海量數據的背后隱藏了很多具有決策意義的信息。但是，現今數據庫的大多數應用仍然停留在查詢、檢索階段，數據庫中隱藏的豐富的知識遠遠沒有得到充分的發掘和利用，數據庫中數據的急劇增長和人們對數據庫處理和理解的困難形成了強烈的反差，導致“人們被數據淹沒，但卻饑餓于知識”的現象。

空間數據庫(數據倉庫)中的空間數據除了其顯式信息外，還具有豐富的隱含信息，如數字高程模型〔DEM或TIN〕，除了載荷高程信息外，還隱含了地質巖性與構造方面的信息；植物的種類是顯式信息，但其中還隱含了氣候的水平地帶性和垂直地帶性的信息，等等。這些隱含的信息只有通過數據挖掘才能顯示出來。空間數據挖掘（Spatial Data Mining，簡稱SDM），或者稱為從空間數據庫中發現知識，是為了解決空間數據海量特性而擴展的一個新的數據挖掘的研究分支，是指從空間數據庫中提取隱含的、用戶感興趣的空間或非空間的模式和普遍特征的過程[2]。由于SDM的對象主要是空間數據庫，而空間數據庫中不僅存儲了空間事物或對象的幾何數據、屬性數據，而且存儲了空間事物或對象之間的圖形空間關系，因此其處理方法有別于一般的數據挖掘方法。SDM與傳統的地學數據分析方法的本質區別在于SDM是在沒有明確假設的前提下去挖掘信息、發現知識，挖掘出的知識應具有事先未知、有效和可實用3個特征。

空間數據挖掘技術需要綜合數據挖掘技術與空間數據庫技術，它可用于對空間數據的理解，對空間關系和空間與非空間關系的發現、空間知識庫的構造以及空間數據庫的重組和查詢的優化等。

2 空間數據挖掘技術的主要方法及特點

常用的空間數據挖掘技術包括：序列分析、分類分析、預測、聚類分析、關聯規則分析、時間序列分析、粗集方法及云理論等。本文從挖掘任務和挖掘方法的角度,著重介紹了分類分析、聚類分析和關聯規則分析三種常用的重要的方法。

2.1、分類分析

分類在數據挖掘中是一項非常重要的任務，目前在商業上應用最多。分類的目的是學會一個分類函數或分類模型(也常常稱作分類器)，該模型能把數據庫中的數據項映射到給定類別中的某一個。分類和我們熟知的回歸方法都可用于預測，兩者的目的都是從歷史數據紀錄中自動推導出對給定數據的推廣描述，從而能對未來數據進行預測。和回歸方法不同的是，分類的輸出是離散的類別值，而回歸的輸出則是連續的數值。二者常表現為一棵決策樹，根據數據值從樹根開始搜索，沿著數據滿足的分支往上走，走到樹葉就能確定類別。空間分類的規則實質是對給定數據對象集的抽象和概括，可用宏元組表示。

要構造分類器,需要有一個訓練樣本數據集作為輸入。訓練集由一組數據庫記錄或元組構成,每個元組是一個由特征(又稱屬性)值組成的特征向量,此外,訓練樣本還有一個類別標記。一個具體樣本的形式可為:( v1, v2, ..., vn; c )；其中vi表示字段值，c表示類別。

分類器的構造方法有統計方法、機器學習方法、神經網絡方法等等。統計方法包括貝葉斯法和非參數法(近鄰學習或基于事例的學習)，對應的知識表示是判別函數和原型事例。機器學習方法包括決策樹法和規則歸納法，前者對應的表示為決策樹或判別樹，后者則一般為產生式規則。神經網絡方法主要是反向傳播（Back-Propagation,簡稱BP）算法，它的模型表示是前向反饋神經網絡模型(由代表神經元的節點和代表聯接權值的邊組成的一種體系結構)，BP算法本質上是一種非線性判別函數[3]。另外，最近又興起了一種新的方法:粗糙集(rough set)，其知識表示是產生式規則。

不同的分類器有不同的特點。有三種分類器評價或比較尺度：1) 預測準確度；2) 計算復雜度；3) 模型描述的簡潔度。預測準確度是用得最多的一種比較尺度，特別是對于預測型分類任務，目前公認的方法是10番分層交叉驗證法。計算復雜度依賴于具體的實現細節和硬件環境，在數據挖掘中，由于操作對象是海量的數據庫，因此空間和時間的復雜度問題將是非常重要的一個環節。對于描述型的分類任務，模型描述越簡潔越受歡迎。例如，采用規則歸納法表示的分類器構造法就很有用，而神經網絡方法產生的結果就難以理解。

另外要注意的是，分類的效果一般和數據的特點有關。有的數據噪聲大，有的有缺值， 有的分布稀疏，有的字段或屬性間相關性強，有的屬性是離散的而有的是連續值或混合式的。目前普遍認為不存在某種方法能適合于各種特點的數據。

分類技術在實際應用非常重要，比如：可以根據房屋的地理位置決定房屋的檔次等。

2. 2 聚類分析

聚類是指根據“物以類聚”的原理，將本身沒有類別的樣本聚集成不同的組，并且對每一個這樣的組進行描述的過程。它的目的是使得屬于同一個組的樣本之間應該彼此相似，而不同組的樣本應足夠不相似。與分類分析不同，進行聚類前并不知道將要劃分成幾個組和什么樣的組，也不知道根據哪些空間區分規則來定義組。其目的旨在發現空間實體的屬性間的函數關系，挖掘的知識用以屬性名為變量的數學方程來表示。聚類方法包括統計方法、機器學習方法、神經網絡方法和面向數據庫的方法。基于聚類分析方法的空間數據挖掘算法包括均值近似算法[4]、CLARANS、BIRCH、DBSCAN等算法。目前，對空間數據聚類分析方法的研究是一個熱點。

對于空間數據，利用聚類分析方法，可以根據地理位置以及障礙物的存在情況自動地進行區域劃分。例如，根據分布在不同地理位置的ATM機的情況將居民進行區域劃分，根據這一信息，可以有效地進行ATM機的設置規劃，避免浪費，同時也避免失掉每一個商機。

2.3 關聯規則分析

關聯規則分析主要用于發現不同事件之間的關聯性，即一事物發生時，另一事物也經常發生。關聯分析的重點在于快速發現那些有實用價值的關聯發生的事件。其主要依據是：事件發生的概率和條件概率應該符合一定的統計意義。空間關聯規則的形式是X－＞Y[S%，C%]，其中X、Y是空間或非空間謂詞的集合，S%表示規則的支持度，C%表示規則的置信度。空間謂詞的形式有3種：表示拓撲結構的謂詞、表示空間方向的謂詞和表示距離的謂詞[5]。各種各樣的空間謂詞可以構成空間關聯規則。如，距離信息（如Close_to(臨近)、Far_away(遠離)）、拓撲關系（Intersect（交）、Overlap（重疊）、Disjoin(分離)）和空間方位（如Right_of(右邊)、West_of(西邊)）。實際上大多數算法都是利用空間數據的關聯特性改進其分類算法，使得它適合于挖掘空間數據中的相關性，從而可以根據一個空間實體而確定另一個空間實體的地理位置，有利于進行空間位置查詢和重建空間實體等。大致算法可描述如下：(1)根據查詢要求查找相關的空間數據；(2)利用臨近等原則描述空間屬性和特定屬性；(3)根據最小支持度原則過濾不重要的數據；(4)運用其它手段對數據進一步提純(如OVERLAY)；(5)生成關聯規則。

關聯規則通常可分為兩種：布爾型的關聯規則和多值關聯規則。多值關聯規則比較復雜，一種自然的想法是將它轉換為布爾型關聯規則，由于空間關聯規則的挖掘需要在大量的空間對象中計算多種空間關系，因此其代價是很高的。—種逐步求精的挖掘優化方法可用于空間關聯的分析，該方法首先用一種快速的算法粗略地對一個較大的數據集進行一次挖掘，然后在裁減過的數據集上用代價較高的算法進一步改進挖掘的質量。因為其代價非常高，所以空間的關聯方法需要進一步的優化。

對于空間數據，利用關聯規則分析，可以發現地理位置的關聯性。例如，85%的靠近高速公路的大城鎮與水相鄰，或者發現通常與高爾夫球場相鄰的對象是停車場等。

3 空間數據挖掘技術的研究方向

3.1 處理不同類型的數據

絕大多數數據庫是關系型的，因此在關系數據庫上有效地執行數據挖掘是至關重要的。但是在不同應用領域中存在各種數據和數據庫，而且經常包含復雜的數據類型，例如結構數據、復雜對象、事務數據、歷史數據等。由于數據類型的多樣性和不同的數據挖掘目標，一個數據挖掘系統不可能處理各種數據。因此針對特定的數據類型，需要建立特定的數據挖掘系統。

3.2 數據挖掘算法的有效性和可測性

海量數據庫通常有上百個屬性和表及數百萬個元組。GB數量級數據庫已不鮮見，TB數量級數據庫已經出現，高維大型數據庫不僅增大了搜索空間，也增加了發現錯誤模式的可能性。因此必須利用領域知識降低維數，除去無關數據，從而提高算法效率。從一個大型空間數據庫中抽取知識的算法必須高效、可測量，即數據挖掘算法的運行時間必須可預測，且可接受，指數和多項式復雜性的算法不具有實用價值。但當算法用有限數據為特定模型尋找適當參數時，有時也會導致物超所值，降低效率。

3.3 交互性用戶界面

數據挖掘的結果應準確地描述數據挖掘的要求，并易于表達。從不同的角度考察發現的知識，并以不同形式表示，用高層次語言和圖形界面表示數據挖掘要求和結果。目前許多知識發現系統和工具缺乏與用戶的交互，難以有效利用領域知識。對此可以利用貝葉斯方法和演譯數據庫本身的演譯能力發現知識。

3.4 在多抽象層上交互式挖掘知識

很難預測從數據庫中會挖掘出什么樣的知識，因此一個高層次的數據挖掘查詢應作為進一步探詢的線索。交互式挖掘使用戶能交互地定義一個數據挖掘要求，深化數據挖掘過程，從不同角度靈活看待多抽象層上的數據挖掘結果。

3.5 從不同數據源挖掘信息

局域網、廣域網以及Internet網將多個數據源聯成一個大型分布、異構的數據庫，從包含不同語義的格式化和非格式化數據中挖掘知識是對數據挖掘的一個挑戰。數據挖掘可揭示大型異構數據庫中存在的普通查詢不能發現的知識。數據庫的巨大規模、廣泛分布及數據挖掘方法的計算復雜性，要求建立并行分布的數據挖掘。

3.6 私有性和安全性

數據挖掘能從不同角度、不同抽象層上看待數據，這將影響到數據挖掘的私有性和安全性。通過研究數據挖掘導致的數據非法侵入，可改進數據庫安全方法，以避免信息泄漏。

3.7 和其它系統的集成

方法、功能單一的發現系統的適用范圍必然受到一定的限制。要想在更廣泛的領域發現知識，空間數據挖掘系統就應該是數據庫、知識庫、專家系統、決策支持系統、可視化工具、網絡等技術的集成。

4 有待研究的問題

我們雖然在空間數據挖掘技術的研究和應用中取得了很大的成績，但在一些理論及應用方面仍存在急需解決的問題。

4.1 數據訪問的效率和可伸縮性

空間數據的復雜性和數據的大量性，TB數量級的數據庫的出現，必然增大發現算法的搜索空間，增加了搜索的盲目性。如何有效的去除與任務無關的數據，降低問題的維數，設計出更加高效的挖掘算法對空間數據挖掘提出了巨大的挑戰。

4.2 對當前一些GIS軟件缺乏時間屬性和靜態存儲的改進

由于數據挖掘的應用在很大的程度上涉及到時序關系，因此靜態的數據存儲嚴重妨礙了數據挖掘的應用。基于圖層的計算模式、不同尺度空間數據之間的完全割裂也對空間數據挖掘設置了重重障礙。空間實體與屬性數據之間的聯系僅僅依賴于標識碼，這種一維的連接方式無疑將丟失大量的連接信息，不能有效的表示多維和隱含的內在連接關系，這些都增加了數據挖掘計算的復雜度，極大地增加了數據準備階段的工作量和人工干預的程度。

4.3 發現模式的精煉

當發現空間很大時會獲得大量的結果，盡管有些是無關或沒有意義的模式，這時可利用領域的知識進一步精煉發現的模式，從而得到有意義的知識。

在空間數據挖掘技術方面，重要的研究和應用的方向還包括：網絡環境上的數據挖掘、柵格矢量一體化的挖掘、不確定性情況下的數據挖掘、分布式環境下的數據挖掘、數據挖掘查詢語言和新的高效的挖掘算法等。

5 小結

隨著GIS與數據挖掘及相關領域科學研究的不斷發展，空間數據挖掘技術在廣度和深度上的不斷深入，在不久的將來，一個集成了挖掘技術的GIS、GPS、RS集成系統必將朝著智能化、網絡化、全球化與大眾化的方向發展。

GIS基礎平臺軟件選型時需要考慮哪些主要因素

主要從以下幾個方面來考慮：

隨著社會的進步和科學技術水平的日新月異，企業對信息技術提供了更心信息技術的發展更是給各行各業注入了新鮮的血液。GIS技術作為信息系統的重要組成部分，在各行業的應用由來已久。隨著企業對信息技術新的要求的出現，對GIS的應用也提出了新的要求，比如：海量數據的存儲、系統的可伸縮性、系統的開放性、多用戶的并發訪問、INTERNET解決方案等。GIS應該在日新月異的IT技術中采取積極借鑒、充分融合的方式以滿足用戶對這一應用新的要求。

作為平臺支撐軟件，必須滿足以下要求：海量數據的存儲、高效的并發訪問等。企業級信息系統以及社會級信息系統的核心是數據倉庫，用來存儲和管理所有的空間和屬性數據。這勢必要求所選用的GIS軟件具備海量數據的存儲和管理能力，同時具備多用戶高效的并發訪問機制等。結合各行業GIS應用現狀，在選擇GIS軟件平臺時，應考慮如下幾個主要因素：

系統的可伸縮性：

在現代科學技術不斷進步時代，任何一個信息系統都不應是孤立存在和停滯不前的。在設計和規劃系統之初，就應該從宏觀、從長遠的觀點來統籌考慮。但因為經費的投入問題、現階段的應用需求以及其它各種硬軟環境的制約，又往往無法一步到位。因此，“統籌規劃，分步實施”就不失為一種上佳選擇。而要做到這一點，系統所依賴的平臺的可伸縮性（可擴展性則是關鍵，從而充分保護用戶和開發商的前期投資和工作，保證系統的分步實施不會因為平臺的提升和系統規模及功能需求的擴展而陷入進退兩難的境地。系統規模應該是可以縮放的，可以小到一個獨立的桌面應用，也可以大到為面向企業級的應用系統，應該是在系統建設的不同階段都會有不同定位的產品來對應，給用戶留有許多余地，提供基于空間信息的處理與分析，以滿足各部門不同階段、不同應用的需求。

系統的安全性：

任何一個信息系統，一旦投入實際生產運作中，其安全性的重要程度自是不言而喻，系統的安全與否應該自投入運作開始應該是和企業息息相關了。系統的安全性應該包含三個方面的內容：一是系統自身的堅固性，即系統應具備對不同類型和規模的數據和使用對象都不能崩潰的特質，以及靈活而強有力的恢復機制；二是系統應具備完善的權限控制機制以保障系統不被有意或無意地破壞；三是系統應具備在并發響應和交互操作的環境下保障數據安全和一致性。因此，用以建設系統的GIS軟件應該是久經考驗的，并得到市場公認，有著廣大用戶群體和經過大量工程的成功考驗。

支撐面向對象的數據模型和組建化的GIS軟件技術：

數據模型是現實世界的某一部分的邏輯描述。GIS數據模型以數字的形式表達現實世界地理對象及其相互關系。數據建模的目的就是在計算機上抽象和表達現實世界，讓用戶可以通過在他的數據中加入其應用領域的方法或行為以及其他任意的關系和規則，使數據更具智能和面向領域應用，盡可能地簡化開發過程，提高開發效率。

現在，一些大的軟件公司，如ESRI公司引入了面向對象的GIS數據模型，允許用戶建立自己的面向對象的在基本模型基礎上擴展的數據模型。面向對象的數據模型與用戶通常看待所研究事物的觀點及分類很接近，因此直觀且使用簡單，軟件處理的將是面向用戶的概念，例如：桿塔和用戶、人井與開關，而不是面向系統的概念，如點、線、面。

全關系型GIS技術：

GIS軟件管理兩類數據：空間數據和屬性數據。其中，屬性數據刻劃了對象除空間位置外的性質，這類數據一般是可以結構化的，因此可以用傳統的關系型DBMS來管理，并實現快速、可靠的檢索；而空間數據則刻劃對象的空間位置以及對象之間的相互關系，結構化的難度較大，因此一般采用文件系統來管理空間數據。這種數據管理的不一致性，一方面增加了GIS軟件開發的復雜性，另一方面也不易保證數據管理的可靠性，給使用帶來不便。

近年來，國外GIS與數據庫開發商（如ESRI公司與IBM公司）加緊了聯合的步伐，共同開發全關系型的GIS軟件，使GIS軟件能充分利用商用數據庫中已經成熟的眾多特性，如內存緩沖、快速索引、數據完整性和一致性保證、并發控制、安全和恢復機制及分布式處理機制，明顯地提高了GIS軟件管理空間數據的能力。

現在，新一代全關系型GIS支撐軟件基礎上開發的企業級GIS軟件已經投入運行，取得了很好的效果。

支持長事務處理和版本管理，支持海量數據管理：

在企業的實際應用中，往往有許多工作并不是一揮而蹴，也不是一個兩個人就能夠獨立完成的，而是需要多人協同作業，需要一周一個月甚至更長時間來完成。在這種情況下，系統的長事務處理和版本管理功能就顯得尤為重要。此外，作為一個完善的系統，應該能支持海量數據管理，這在系統建設和應用的初期可能不會顯得十分重要，但卻是系統設計過程就應該考慮到的問題，避免隨著系統應用的進一步加深，數據量達到一定程度時由于系統不支持海量數據管理所帶來的重建、換平臺等一系列問題。

系統的開放性：

為了充分利用已有的企業資源，要求GIS軟件必須具備良好的開放性，包括支持多種硬件平臺、操作系統、數據庫以外，還要求能夠將已有的各種格式的數據轉換目前可用的數據類型，及支持多種數據格式的轉換。GIS支撐軟件是否開放主要體現在以下三個方面：首先是數據結構特別是圖形數據結構的開放性，要求有開放的數據格式，有標準的外部數據交換格式，同時這種數據格式又是可以擴展的，如ESRI公司的shape數據格式等。其次是產品二次開發技術的開放性，能夠支持通用的開發集成環境，如Delphi、Visul C++,Visul Basic等；支持通用的商業關系數據庫，如DB2，Orcale和SQL Server等；支持各種必須的工業接口標準等。第三是產品結構的開放性，它們可以按照不同的應用需求，搭配成一種客戶/服務器體系結構。

能夠提供全方位的企業級解決方案：

企業的GIS系統是整個企業的應用平臺。因此，在選擇基礎支撐GIS系列軟件產品時，這些GIS軟件產品應該支持企業級的GIS應用，也就是說，應該能夠根據用戶的特點，在客戶端和服務端為用戶提供多種適合用戶的選擇。

根據用戶應用需要和投資計劃的不同，GIS產品系列應該支持從偶爾用GIS功能的用戶到復雜的多用戶的企業級系統應用。這意味著，隨著用戶的應用對GIS功能的需求的增長，從某個GIS軟件家族中選取適合的產品。日后，隨系統的擴展而進一步選取較高端的產品，以滿足新的GIS的應用需求。

采用工業標準或事實上的工業標準：

建設GIS系統是一個投入大、時間長的過程，這要求平臺供應商對用戶的應用系統提供長期的支持和維護。由于不同的GIS軟件之間的數據結構、開發方式、技術支持上的巨大差異，所以當用戶從一種GIS軟件轉換到另一種GIS軟件，往往意味著巨大的投資被浪費；甚至即使采用同一種GIS軟件，從一個開發商轉換到另一個開發商，都有可能造成數據的丟失，因為開發過程中，不同的開發商對相同的設備設施有著不同的數據描述。因此，采用工業標準和事實上的工業標準有利于保護用戶的投資。

另外，由于GIS系統所包含的內容非常龐雜，技術涉及面廣，應該采用具有廣大用戶群的GIS產品，從而在技術支持、產品的穩定性和產品的升級換代等方面得到保證。

文章題目：GIS技術基礎簡答題 gis技術的基本原理及基本應用領域
當前地址：http://vcdvsql.cn/article48/doiepep.html

成都網站建設公司_創新互聯，為您提供移動網站建設、企業網站制作、做網站、網站改版、定制網站、虛擬主機

廣告

聲明：本網站發布的內容（圖片、視頻和文字）以用戶投稿、用戶轉載內容為主，如果涉及侵權請盡快告知，我們將會在第一時間刪除。文章觀點不代表本網站立場，如需處理請聯系客服。電話：028-86922220；郵箱：631063699@qq.com。內容未經允許不得轉載，或轉載時需注明來源： 創新互聯