第10章 GIS
学习目标
- 说明地理信息系统的概念、组成、核心功能。
- 理解地理空间、空间参考系统和常用坐标系的含义。
- 比较矢量数据与栅格数据的基本结构、适用对象和主要优缺点。
- 说明缓冲区分析、叠加分析、网络分析等常用空间分析方法的基本思想。
- 理解 WebGIS 的体系结构、主要服务标准以及 GIS 在物流中的应用。
引言
地理信息系统（Geographic Information System, GIS）以地理空间为对象，以空间数据为核心，以空间分析为特征，是信息科学与地理科学、测绘科学、计算机科学等学科交叉形成的重要技术体系。随着移动互联网、卫星导航、遥感和时空大数据技术的普及，GIS 已从早期的专业制图与资源调查工具，发展为支撑城市规划、自然资源管理、交通物流、应急管理和公众服务的基础性信息系统。
本章从 GIS 的起源发展、概念本质、组成要素和核心功能入手，介绍 GIS 与遥感、卫星导航、管理信息系统等相关技术的关系；继而阐述地理空间与地理实体的表达方式，以及大地水准面、参考椭球体、坐标参考系统等地理空间基础；然后讨论矢量与栅格两类空间数据结构、拓扑关系及其相互转换，介绍地图数字化、遥感与移动测量等数据采集方法、数据预处理流程，以及空间数据库、空间索引与主流 GIS 软件平台；在此基础上讲解空间查询、缓冲区分析、叠加分析、地形分析、网络分析等常用空间分析方法，以及 WebGIS 的体系结构与地理信息服务标准；最后聚焦自然资源管理、城乡规划、应急管理等典型应用，并重点介绍 GIS 在物流设施选址、车辆路径优化和物流运营监控中的作用，展望 GIS 的发展趋势。
10.1 GIS 概述
10.1.1 GIS 的起源与发展
GIS 的产生源于地图学、测量学、计算机科学、统计分析与管理科学等多学科交叉融合。人口普查、土地调查、资源清查、城市规划和自动制图等工作对空间信息处理提出了持续需求，电子计算机、数字存储和图形处理技术的发展则为这些需求的实现提供了条件。
现代GIS的形成通常追溯到 20 世纪 60 年代。1963 年，加拿大学者 Roger F. Tomlinson 在国家土地资源清查项目中提出将地图转化为数字形式并在计算机中进行综合处理，建成了世界上第一个地理信息系统，这一实践被认为是现代 GIS 诞生的重要标志。随后，GIS 逐步完成了从概念探索、系统实验到工程化和产业化的发展过程。
从国际发展历程看，GIS 大致经历以下阶段：
- 探索期（20 世纪 60 年代）：回答"什么是 GIS、GIS 能做什么"等基础问题，开始尝试空间数据的数字化表示与初步分析。
- 实验期（20 世纪 70 年代）：数据库技术和计算能力提升，空间数据结构、空间检索和空间分析算法成为研究重点。
- 实用期（20 世纪 80 年代）：GIS 广泛应用于资源管理、环境监测和城市规划，与遥感结合解决全球性问题，专业软件平台逐步成熟。
- 全面应用阶段（20 世纪 90 年代至今）：互联网推动 GIS 向网络服务、在线共享和跨部门协同发展，空间信息产业快速形成；GIS 与移动互联网、云计算、大数据、物联网和人工智能深度融合，形成 WebGIS、移动 GIS、云 GIS、三维 GIS、数字孪生等新形态。
我国 GIS 起步相对较晚，但发展速度较快，其发展历程大致可以分为四个阶段。
20 世纪 70 年代为准备阶段，这一时期我国开始 GIS 的理论准备，并开展了局部的探索性实验。进入 20 世纪 80 年代，GIS 发展进入试验起步阶段，相关研究在科研院所和高校中逐步展开，研究基础得以建立。20 世纪 90 年代，GIS 进入全面推广阶段，伴随国土、城建、交通、测绘等行业的信息化建设而迅速发展。1996 年以来，我国 GIS 步入产业化阶段，随着数字城市、智慧城市、自然资源统一调查、北斗系统建设与互联网地图服务的发展，GIS 已成为我国信息基础设施和数字治理能力的重要组成部分。
10.1.2 GIS 的概念与本质
关于 GIS 的定义，学界与产业界有多种视角，主要可以归纳为以下四种：
- 数据处理流程视角。从数据处理流程看，GIS 是一个用于地理数据输入、存储、查询、分析与输出的系统。
- 专题应用视角。从专题应用看，GIS 是面向土地利用、矿产资源、城市交通、环境治理等场景的信息支持平台。
- 技术工具视角。从技术工具看，GIS 是处理空间数据的一组方法、模型、算法与软件工具。
- 信息资源组织视角。从信息资源组织看，GIS 是融合空间数据库、分析模型和可视化表达机制的综合信息系统。
综合来看，GIS 可以定义为：由计算机硬件、软件、地理数据、组织流程和用户共同构成的技术体系，其核心任务是对地理对象的空间位置、属性特征及其相互关系进行采集、存储、管理、分析、表达与共享，从而为认知、规划、管理与决策提供支持。
10.1.3 GIS 与相关技术
GIS 经常与遥感（Remote Sensing, RS）和全球导航卫星系统（Global Navigation Satellite System, GNSS ）并称为"3S 技术"。三者关系密切但分工不同。
遥感（RS）的主要功能是从远距离获取地表信息，它能够为 GIS 提供大范围、周期性更新的数据源，是 GIS 数据的重要来源之一。GNSS 的主要功能是精确定位与导航，它可以为 GIS 提供点位坐标、轨迹与时间信息，使空间数据具备准确的位置基准。GIS 则承担多源空间数据整合、管理、分析和表达的任务，是三者中的组织与决策核心。 GIS 与管理信息系统（Management Information System, MIS）也存在密切联系。二者都属于信息系统，均依赖数据库和计算机处理能力。MIS 主要处理属性数据，关注业务流程、表格和统计；GIS 同时处理属性数据与空间数据，能够表达地理位置、拓扑关系和空间模式。空间分析能力是 GIS 区别于一般管理信息系统的核心标志。
10.1.4 GIS 的组成
从系统工程角度看，GIS 通常由以下五个要素构成：
- 硬件。硬件是 GIS 运行的物理基础，典型设备包括服务器、工作站、移动终端、存储设备、扫描仪、数字化仪、GPS/北斗接收机、绘图仪和打印机等。
- 软件。软件包括操作系统与 GIS 专业软件，前者如操作系统、数据库管理系统（Oracle、SQL Server 等），后者如 GIS 桌面软件、GIS 服务器软件和 WebGIS 平台。
- 数据。数据是 GIS 的核心资源，主要包括矢量数据、栅格数据、影像数据、高程数据、地名地址数据、统计数据和实时轨迹数据等。
- 方法与流程。方法与流程是保障系统有效运行的规则体系，涵盖数据标准、建库规范、分析模型、质量控制流程和共享机制等方面。
- 人员。人员能力决定 GIS 的应用深度，相关角色包括数据采集人员、系统开发人员、业务分析人员、管理人员和最终使用者。
10.1.5 GIS 的主要功能
GIS 的主要功能可以归纳为以下五个方面：
- 数据的获取（Data Acquisition）。通过多种手段将现实世界中的地理信息输入系统。主要途径包括地图数字化、遥感影像解译、GPS/北斗定位采集、实地调查录入以及互联网数据抓取等。数据获取的质量直接决定后续分析与应用的可靠性。
- 数据的处理（Data Processing）。数据处理是对已获取数据进行加工和规范化的过程，主要包括坐标转换与配准、数据格式转换、拓扑关系检查、误差纠正、图形编辑和数据压缩等。其目的是消除不同来源数据之间的差异，使数据满足入库和分析的要求。
- 数据的存储及关联（Storage and Retrieval）。GIS 依托空间数据库对海量、多源的空间数据进行组织和管理，包括图层划分、空间索引建立、属性数据与空间数据的关联、版本更新维护和权限控制等。高效的空间索引和数据关联机制是实现快速检索与调用的基础。
- 数据的查询与分析（Query and Analysis）。查询与分析是 GIS 区别于一般信息系统的核心功能。空间查询支持按位置、属性或空间关系检索对象；空间分析则包括缓冲区分析、叠加分析、网络分析、地形分析和插值分析等，能够从数据中挖掘空间模式和内在规律，为决策提供依据。
- 图形的显示与交互（Display and Interaction）。GIS 以地图为主要表达载体，将数据和分析结果转化为直观的图形形式，包括专题图、统计图、三维场景、动态地图和仪表板等。同时，系统支持缩放、漫游、图层控制、属性点击查看等交互操作，使用户能够按需探索和理解空间信息。
10.2 地理空间基础与坐标参考系统
10.2.1 地理空间与地理实体
GIS 所面对的空间是地球表层及其相关现象构成的地理空间。地理空间中的对象既包括可直接识别的地理实体，如道路、河流、建筑、行政区和仓库，也包括抽象但可测度的现象，如人口密度、温度分布、交通拥堵程度、空气质量和物流需求强度。
从几何表达角度，地理实体通常可抽象为以下基本类型：
- 点对象。为零维几何，其大小在所研究尺度上可忽略，但具有明确的空间位置。典型示例包括学校、公交站、配送点和监测站等。
- 线对象。为一维几何，其长度显著而宽度可忽略。典型示例包括道路、河流、输电线路和配送路线等。
- 面对象。为二维几何，具有明确的边界和面积。典型示例包括地块、湖泊、行政区和服务区等。
- 体对象。为三维几何，具有体积和内部结构。典型示例包括建筑物、地下管线、堆场和大气层等。
需要注意的是，实体的几何类型与观察尺度密切相关。同一对象在不同比例尺下可能呈现不同的几何形态，例如一个城市在宏观尺度上表现为点，在微观尺度上则表现为面；一条公路在大尺度下是线，在小尺度下则是具有一定宽度的面。
除几何信息外，地理实体还具有三类重要属性：属性信息（如道路名称、等级、车道数等）描述实体的非空间特征；时间信息（如建成时间、状态更新时间）刻画实体随时间的变化；空间关系（如相邻、相交、包含、距离等拓扑与度量关系）描述实体之间的相互位置。几何、属性、时间与空间关系共同构成了对地理实体的完整表达，这是 GIS 进行空间查询与分析的基础。
10.2.2 地球模型与坐标参考系统
现实中的地球表面起伏复杂，不可能直接用简单几何形体完全描述。为了实现测量与计算，人们建立了一系列抽象模型：
1. 地球自然表面
地球自然表面是人类实际生活和测量的表面，包括陆地地形和海底地形。它是测量工作的对象，但形态过于复杂，不能直接作为计算基准。
2. 大地水准面
大地水准面（Geoid）是假想海水在静止、无潮汐、无风浪、无洋流的状态下，平均海平面延伸穿过大陆内部所形成的封闭曲面。它是地球重力场中的一个等位面，处处与重力方向（铅垂线）垂直。
主要特点：
- 物理意义明确：它由重力场决定，水准仪的水准气泡、铅垂线方向都与它直接相关，所以是高程测量的天然参照面。
- 形状不规则：地球内部密度分布不均匀，如地壳厚度变化、山脉、地幔密度差异等，使大地水准面呈现缓慢的起伏，相对于参考椭球体的起伏幅度一般在约 ±100 m 以内。
- 不能用简单公式表达：它只能通过重力测量、卫星测高和重力场模型（如 EGM2008）来逼近。
我国高程基准：我国现行的高程基准为"1985 国家高程基准"，以青岛验潮站多年观测的黄海平均海水面为零点，青岛原点（水准原点）高程为 72.260 m。此前使用过"1956 黄海高程系"，水准原点高程为 72.289 m。两者相差约 0.029 m，在高精度应用中需要换算。
3. 参考椭球体
参考椭球体（Reference Ellipsoid）是由于大地水准面不能用数学公式表达，人们选择一个绕短轴旋转的椭圆所形成的旋转椭球体，作为地球形状的数学近似，并在其上进行几何计算。
基本参数：
表10-1 参考椭球体基本参数
| 参数 | 符号 | 含义 |
|---|---|---|
| 长半轴 | a | 赤道半径 |
| 短半轴 | b | 极半径 |
| 扁率 | f = (a − b)/a | 描述椭球的扁平程度 |
| 第一偏心率平方 | e² = (a² − b²)/a² | 用于投影与坐标换算公式 |
常见椭球体参数：
表10-2 常见参考椭球体参数
| 椭球体 | 长半轴 a (m) | 扁率 f | 应用 |
|---|---|---|---|
| 克拉索夫斯基椭球 | 6 378 245 | 1/298.3 | 1954 年北京坐标系 |
| IAG-75 椭球 | 6 378 140 | 1/298.257 | 1980 西安坐标系 |
| WGS84 椭球 | 6 378 137 | 1/298.257223563 | GPS 使用的 WGS84 |
| CGCS2000 椭球 | 6 378 137 | 1/298.257222101 | 2000 国家大地坐标系 |
从克拉索夫斯基椭球到 CGCS2000 椭球，长半轴相差约 100 m 量级，这是不同坐标系之间坐标值存在系统差异的重要原因之一。
参心椭球与地心椭球：
- 参心椭球：椭球中心不与地球质心重合，椭球面在某个区域内与大地水准面拟合最好，适合服务局部或国家范围的测量。BJ54 和西安 80 都属于这一类。
- 地心椭球：椭球中心与地球质心重合，适合卫星导航定位和全球范围应用。WGS84 和 CGCS2000 属于这一类。
4. 大地基准
仅有椭球的大小和形状还不足以确定坐标，还需要确定椭球在地球内部的位置和方向，这就是大地基准（Geodetic Datum），它包含：
- 椭球的几何参数（a、f）；
- 椭球中心相对地球质心的位置；
- 椭球短轴的指向和经度起算方向（定向）；
- 大地原点或参考框架的定义（如我国西安 80 的大地原点位于陕西省泾阳县永乐镇）。
5. 坐标参考系统
坐标参考系统由"大地基准+坐标系类型"构成，用来把空间位置转换成一组可以保存、传输和计算的数值。
按照表达形式，可分为以下几种：
表10-3 坐标参考系统类型
| 类型 | 坐标形式 | 典型用途 |
|---|---|---|
| 地心空间直角坐标系 | (X, Y, Z)，单位 m | 卫星定位、基准转换计算 |
| 大地（地理）坐标系 | (经度 L, 纬度 B, 大地高 h) | 全球范围定位和数据交换 |
| 平面（投影）坐标系 | (x, y)，单位 m | 区域制图、量算、空间分析 |
| 垂直坐标系 | 高程值 | 地形、水文、工程设计 |
GIS 软件通常用 EPSG 代码或 WKT 字符串标识 坐标参考系统CRS，例如：
- EPSG:4326：WGS84 地理坐标系
- EPSG:4490：CGCS2000 地理坐标系
- EPSG:4214：北京 54 地理坐标系
- EPSG:4610：西安 80 地理坐标系
从地球表面到坐标参考系统的建模转换流程如下：
10.2.3 地理坐标系与投影坐标系
1. 常用地理坐标系
地理坐标系以参考椭球面为基准面，用经度和纬度两个角度值表示地球表面位置。我国常用地理坐标系如下：
表10-4 我国常用地理坐标系
| 坐标系 | 椭球体 | 类型 | 特点 |
|---|---|---|---|
| 1954 年北京坐标系（BJ54） | 克拉索夫斯基椭球 | 参心坐标系 | 与苏联 1942 年坐标系联测建立；椭球与我国大地水准面拟合欠佳，高程异常较大 |
| 1980 西安坐标系（Xi'an 80） | IAG-75 椭球 | 参心坐标系 | 大地原点在陕西泾阳；椭球定位与我国大地水准面拟合较好，精度高于 BJ54 |
| 2000 国家大地坐标系（CGCS2000） | CGCS2000 椭球 | 地心坐标系 | 与卫星导航系统相适应，国家法定坐标系，2008 年 7 月 1 日起启用，国家规定自 2018 年 7 月 1 日起全面使用 |
| WGS84 | WGS84 椭球 | 地心坐标系 | GPS 采用的全球坐标系，与 CGCS2000 在厘米级到分米级内接近，常规精度下可近似通用 |
2. 我国的加密偏移坐标
出于国家安全要求，在我国境内公开发布的电子地图，一般使用经过非线性加密处理的坐标，常见如 GCJ-02，部分商业地图在此基础上再次加密，如 BD-09。这些并非标准的大地坐标系，不能与 CGCS2000 或 WGS84 坐标直接叠加，否则会出现几十到几百米的偏移。使用此类数据时要特别注意其来源和合规要求。
3. 投影坐标系
地理坐标系用经纬度表示位置，虽然解决了定位问题，但许多情形下需要使用投影坐标系：
- 距离和面积的测算。经纬度的单位是“度”，而 1 经度的实际距离随纬度变化，如赤道上约 111 km，纬度 60° 处仅约 55 km，1 纬度与 1 经度对应的地面长度也不相同。在角度单位下无法直接计算“仓库到客户有多少千米”“配送区域有多少平方千米”这类业务问题。
- 显示与输出的需要。计算机屏幕、纸质地图和手机界面都是平面，要把椭球面上的地理数据绘制到平面上，必须有一套平面坐标。
- 空间分析的需求。缓冲区分析、路径规划、区域叠加等 GIS 运算，以及各类基于直角坐标的算法，都建立在平面坐标之上。
在地理坐标系的基础上，通过投影把经纬度转换为平面直角坐标（x, y），从而能够以米等长度单位进行量算和分析。地图投影就是将地球曲面上的点映射到平面上的数学方法。由于曲面展为平面不可避免产生变形，因此任何投影都只能在形状、面积、距离和方向之间进行权衡。常见投影家族包括：
表10-5 常见地图投影家族
| 投影类型 | 适用范围 | 特点 |
|---|---|---|
| 方位投影 | 以某一点为中心的区域（如极地区域） | 在某一点附近变形最小 |
| 圆柱投影 | 赤道附近和全球制图 | 赤道附近变形小，高纬度变形大 |
| 圆锥投影 | 中纬度、东西向延伸较大的地区 | 适合我国东西跨度较大的省区 |
在我国测绘和 GIS 实践中，高斯-克吕格（Gauss-Krüger）投影和通用横轴墨卡托（Universal Transverse Mercator, UTM）投影较常见。对于区域级 GIS 建设，选择恰当的坐标参考系统至关重要。若坐标系统设置错误，可能导致图层无法重合、距离计算失真和空间分析结果错误。
10.3 空间数据结构
10.3.1 空间数据与属性数据
GIS 中的数据通常由两部分组成：
- 空间数据，用于描述对象的位置、形状、范围和空间关系。
- 属性数据，用于描述对象的名称、类别、数量、状态、等级等非空间特征。
例如，一个配送站点在地图上的点位属于空间数据，而其站点名称、面积、服务半径和日均订单量属于属性数据。空间数据与属性数据结合后，GIS 才能形成可分析的信息。较完整的空间信息还应包含采集或观测时间，用于表达对象的时序变化。
10.3.2 矢量数据结构
矢量模型通过坐标序列精确描述点、线和面对象，是 GIS 中表达离散对象最常用的数据结构。矢量图形与分辨率无关，放大后不会出现锯齿。
矢量模型的优点在于精度高、数据结构紧凑、便于进行网络分析和地物边界表达；缺点是叠加和连续表面分析在某些场景下较复杂。
在矢量模型中，多边形表达可采用不同的编码方法，常见的有以下三种：
- 坐标序列法：直接存储各多边形的坐标序列，简单直观，但相邻多边形的公共边会被重复存储，存在数据冗余问题。
- 树状索引编码法：通过层级索引组织多边形的空间关系，能够提高空间检索的效率。
- 拓扑结构编码法：记录结点、弧段和多边形之间的邻接与包含关系，可消除数据冗余，并支持复杂的空间分析。
10.3.3 拓扑关系
拓扑关系（Topology）是 GIS 中的特色的概念，关注对象之间在空间上的结构关系。常见的拓扑关系有以下四种：
- 邻接：指两个面对象共享边界。例如，在行政区划分中，相邻行政区之间不应出现重叠和缝隙。
- 连通：指两个线对象通过结点相互连接。例如，道路网络中的路径计算就依赖于道路之间的连通关系。
- 包含：指一个对象完全位于另一个对象内部。例如，查询"位于某工业园区内的仓储设施"就需要用到包含关系。
- 相交：指两个对象在某区域或某点发生交会。例如，判断某管线是否穿越生态保护区，就需要分析二者的相交关系。
10.3.4 栅格数据结构
栅格模型以规则网格单元表示空间，每个单元称为像元（Pixel）或栅格单元。其特点是：位置由行列号隐式确定，属性由像元值直接表示——即"属性明显、定位隐含"。栅格模型特别适合表达连续变化现象，如高程、温度、降水、土壤湿度、土地覆盖和遥感影像。
栅格模型具有以下特点：
- 数据结构简单，便于叠加运算和连续表面分析。
- 数据量受分辨率影响显著，分辨率越高，存储需求越大。
- 作为图像的基本单元，像素与分辨率是两个重要概念。空间分辨率通常指一个像元在地面上代表的实际尺寸。例如，10 米分辨率影像表示每个像元覆盖 10 米 × 10 米地面区域。
1. 栅格数据的取值方法
现实世界中的地物边界是连续、不规则的，而栅格模型只能为每个像元赋予一个值。当一个像元内同时包含多种地物或多种属性时，例如一个像元内既有道路又有农田，就必须按照一定规则确定该像元最终记录哪个值，这就是栅格数据的取值问题。
取值方法不同，得到的栅格数据也不同，会直接影响后续空间分析的准确性，因此需要根据数据类型和应用目的选择合适的取值方法。常见取值方法包括：
- 中心点法：以像元中心点所在位置的属性值作为整个像元的值。这是最常用的方法，适合属性变化较均匀的区域。
- 面积占优法：以占据像元面积最大的属性类型作为该像元的值。适合分类型数据，如土地利用类型。
- 重要性法：无论面积大小，只要像元内包含某种重要地物，即赋予该值。适合不能遗漏的关键地物，如道路、河流。
2. 栅格编码方法
为了提高存储效率与运算效率，栅格数据常采用多种编码方式：
表10-6 栅格数据编码方式
| 编码方式 | 原理 | 特点 |
|---|---|---|
| 直接栅格编码 | 按行或按列逐个记录像元值 | 结构直观，数据量较大 |
| 游程长度编码（Run-Length Encoding） | 把一行中连续相同值的像元合并记录 | 适合大面积同质区域，压缩效果好 |
| 块式编码 | 将相同属性的二维区域合并为方块记录 | 是对游程思想的二维扩展 |
| 四叉树编码（Quadtree） | 递归地将区域分割为四个象限，直到子区域内部属性一致 | 可变分辨率组织方法，适合高效压缩和快速定位 |
四叉树编码的重要思想在于：空间并不总是需要以统一精度表达。变化复杂区域可用更细粒度表示，变化平稳区域可用更粗粒度表示，这种"按需分辨率"思想在现代 GIS 和数字地球系统中仍然具有重要价值。四叉树编码中，每个结点的地址通常由"层次 + 象限编号"表示，叶子结点存储属性值，树杈结点则指向更细的分割。
四叉树编码例子：
以下面一幅 4×4 的栅格图为例（1 表示仓储用地，0 表示其他用地）：
表10-7 四叉树编码示例栅格
| 行＼列 | 1 | 2 | 3 | 4 |
|---|---|---|---|---|
| 1 | 0 | 0 | 1 | 1 |
| 2 | 0 | 0 | 1 | 1 |
| 3 | 0 | 1 | 1 | 1 |
| 4 | 0 | 0 | 1 | 1 |
编码步骤：
- 第一次分割：将整幅图分为西北（NW）、东北（NE）、西南（SW）、东南（SE）四个 2×2 象限，依次编号为 0、1、2、3。
- 一致性判断：
- NW 象限全为 0，属性一致，作为叶子结点，值为 0，不再分割；
- NE 象限全为 1，属性一致，作为叶子结点，值为 1，不再分割；
- SW 象限包含 0 和 1（0、1、0、0），属性不一致，需继续分割；
- SE 象限全为 1，属性一致，作为叶子结点，值为 1。
- 继续分割 SW 象限：分为 4 个 1×1 像元，依次为 NW=0、NE=1、SW=0、SE=0，均为叶子结点。
编码结果（"地址：值"）：
表10-8 四叉树编码结果（地址:值）
| 结点地址 | 值 | 说明 |
|---|---|---|
| 0 | 0 | NW 象限，叶子结点 |
| 1 | 1 | NE 象限，叶子结点 |
| 20 | 0 | SW 象限的 NW 子块 |
| 21 | 1 | SW 象限的 NE 子块 |
| 22 | 0 | SW 象限的 SW 子块 |
| 23 | 0 | SW 象限的 SE 子块 |
| 3 | 1 | SE 象限，叶子结点 |
原本需要记录 16 个像元值，四叉树编码后只需记录 7 个叶子结点，说明在大片同质区域中四叉树具有明显的压缩效果。
10.3.5 矢量数据和栅格数据对比
矢量数据和栅格数据在不同地物的表示上各有优势。
表10-9 矢量数据与栅格数据对比
| 比较维度 | 矢量数据 | 栅格数据 |
|---|---|---|
| 表达对象 | 离散实体（边界明确的地物） | 连续表面（如高程、温度、影像） |
| 空间精度 | 高 | 受分辨率限制 |
| 数据结构 | 较复杂 | 较简单 |
| 数据冗余 | 低 | 较高（数据量大） |
| 图形表达 | 边界清晰 | 易出现锯齿 |
| 叠加分析 | 相对复杂 | 方便 |
| 网络分析 | 优势明显 | 不够自然 |
| 遥感影像处理 | 不适合原生表示 | 非常适合 |
在实际系统中，两者往往结合使用。例如，在城市物流分析中，道路网络、站点和行政区通常用矢量表示，地形、热力强度和遥感底图通常用栅格表示。
10.3.6 矢量与栅格的转换
GIS 实践中经常需要在矢量与栅格之间进行转换。
矢量转栅格常用于统一分析分辨率，例如将地块边界、道路缓冲区转为栅格，以便与地形和土地利用图层进行叠加评价。常见方法包括：
- 内部点扩散法：从多边形内部某点出发，向四周扩展填充。
- 射线算法：通过射线穿越边界的次数，判断像元是否位于多边形内部。
- 扫描算法：沿扫描线逐行判断像元的归属。
- 边界代数算法：基于边界判定的方法确定像元归属。
栅格转矢量常用于从影像分类结果中提取边界或将栅格区域转为面对象，便于制图和管理。主要步骤包括：边界提取、边界追踪、拓扑构建和曲线平滑。
数据转换往往会带来信息损失或精度变化，因此应明确转换目的，避免不必要的转换。
10.4 空间数据采集处理
10.4.1 GIS 数据来源
GIS 的数据来源很广。早期的数据主要来自纸质地图，包括地形图、规划图和各类专题图，经数字化后进入系统。遥感影像是另一类重要来源，卫星、航空和无人机平台可以在短时间内覆盖大片区域。使用全球导航卫星系统的实地测量能够直接得到点位、轨迹和时间戳，政府部门和行业机构则长期维护着行政区划、道路中心线、兴趣点和统计年鉴等标准化数据库。企业在运营中也积累了大量带有位置属性的数据，例如订单、配送轨迹、仓储位置和客户分布。近年来，互联网地图平台的用户标注、开放街图和移动位置服务数据，成为补充现势信息的重要渠道。
这些数据在精度、格式、时效性和可信度上差别很大。同一座城市的道路，官方数据库可能精度较高但更新缓慢，众包数据更新很快但完整性参差不齐。因此，GIS 数据建设的工作量主要花在筛选、标准化和整合上，单纯的收集只是其中一小部分。
10.4.2 地图数字化与扫描输入
在 GIS 发展早期，大量基础数据来自纸质地图数字化。传统数字化主要有两种方式：
- 手扶跟踪数字化
- 原理：操作者在数字化仪上沿地图边界或线状对象移动游标，系统根据电磁感应原理记录坐标。
- 特点：适合精细线划地图，效率受人工影响较大。
- 扫描输入
- 原理：通过大幅面扫描仪将纸图转化为栅格图像，再进行屏幕数字化或自动矢量化处理。
- 特点：速度较快，适合大批量资料数字化，但后续纠错工作较重。
10.4.3 遥感与移动测量采集
现代 GIS 数据获取越来越依赖遥感和移动测量。遥感平台能够快速获取大范围影像，适合区域监测；而移动测量车、无人机和便携终端则更适合获取街景、道路设施和高精度局部信息。
在导航电子地图与物流场景中，常见采集方式包括：
表10-10 导航电子地图常见数据采集方式
| 采集方式 | 说明 | 主要内容 |
|---|---|---|
| 车辆采集 | 采集车搭载摄像头、GPS/北斗定位系统和惯性测量装置（IMU） | 道路名称、车道数、交通标志、信号灯、限速信息、兴趣点位置 |
| 步行采集 | 用于车辆难以覆盖的区域 | 小区内部道路、校园路径、商业综合体内部结构 |
| 企业回传 | 物流车辆、出租车、外卖骑手等终端持续上传轨迹 | 道路更新、通行状态分析的动态数据 |
| 互联网众包 | 公众在地图平台上的纠错、评价和位置标注 | 经审核后更新地理数据库 |
国内主要的导航电子地图数据采集和服务商包括高德、四维图新等。
10.4.4 数据预处理与格式转换
采集得到的数据通常不能直接用于分析，需要进行预处理。主要工作包括：
- 几何纠正：修正因扫描、投影、采集误差造成的位置偏差，包括缩放、平移、旋转和坐标系转换。
- 属性清洗：统一字段格式，处理缺失值、异常值和重复记录。
- 拓扑修复：消除重叠、缝隙、悬挂线、自相交等错误。
- 格式转换：不同系统使用不同数据格式（如 Shapefile、GeoJSON、GeoTIFF、FileGDB、KML 等），转换时需注意字段长度、编码、几何类型和 CRS 信息。
- 多源融合：将影像、矢量、统计表和业务数据按统一编码或空间位置进行关联。
GIS 数据处理的一个重要原则是"保留源信息、记录处理过程、避免不可逆操作"。
10.5 空间数据存储与管理
10.5.1 空间数据库概念
空间数据库是在传统数据库基础上扩展而成的，能够同时管理几何对象、空间关系和属性信息。与普通关系数据库相比，空间数据库不仅存储字段值，还需要处理坐标、几何类型、空间索引和空间查询。
10.5.2 空间数据存储方式
空间数据的存储方式经历了从"分离存储"到"集成存储"的演变，目前主要有以下三种：
表10-11 空间数据存储方式
| 存储方式 | 说明 | 典型实现 | 优缺点 |
|---|---|---|---|
| 分离存储 | 早期方式。空间数据保存在专用图层文件（如 .MAP、.SHP）中，属性保存在关系表（如 .TAB、.DAT）中，通过地物标识码连接 | MapInfo 数据组织模式 | 实现简单，但数据定义与操作分离，维护复杂，时间变化和版本更新管理困难 |
| 集成存储 | 几何对象、属性、索引与规则统一纳入空间数据库管理系统 | 企业级地理数据库（SDE）、PostGIS、Oracle Spatial | 数据管理统一，支持事务与并发，但系统复杂度较高 |
| 文件型集成存储 | 使用轻量级嵌入式数据库，以单一文件集成管理空间与属性数据 | FileGDB、GeoPackage | 适合中小规模项目，便于数据交换 |
现代主流 GIS 软件普遍以"集成存储"为主、文件格式为辅，空间数据与属性数据统一存放，并依靠空间索引、事务机制和开放标准实现高效管理与共享。典型软件做法如下：
- ArcGIS：以地理数据库（Geodatabase）为核心，统一管理几何、属性、拓扑和规则。小型项目使用 FileGDB；企业级多用户场景通过 ArcSDE 将数据存入 Oracle、SQL Server、PostgreSQL（PostGIS）等关系数据库，支持事务、并发和版本管理；同时兼容 Shapefile 等文件格式。
- QGIS：不强制使用专有存储格式，通过 GDAL/OGR 等库直接读写多种数据源。默认使用 GeoPackage作为文件存储；多用户场景连接 PostgreSQL/PostGIS 或 SpatiaLite；也可读取 Shapefile、GeoJSON 等。
10.5.3 空间索引与检索
普通数据库可以通过字段索引提高查询效率，空间数据库则还需要空间索引。空间索引的作用是快速缩小候选对象范围，避免对全部数据逐一做几何计算。常见空间索引方法包括：
- 网格索引：将空间划分为固定大小的网格，在每个网格中记录落入其中的对象。其特点是实现简单，适合对象分布较均匀的场景。
- R 树（R-Tree）及其变体：用最小外接矩形（MBR）逐层包围空间对象，形成层次化索引结构。其特点是适用范围广，是目前最常用的空间索引方法。
例如，在查询"距离某配送中心 3 千米范围内的社区"时，若没有空间索引，系统需要对所有社区逐一计算距离；而有了空间索引，系统可以先快速定位附近候选对象，再进行精确计算，从而大幅提升性能。
10.5.4 GIS 平台与软件生态
目前 GIS 平台大致可分为三类：桌面 GIS、服务器 GIS 和 WebGIS/云 GIS。主流 GIS 软件平台如下：
表10-12 主流 GIS 软件平台
| 软件 | 类型 | 特点 |
|---|---|---|
| ArcGIS（Esri） | 商业 | 功能全面，行业标准，含桌面端（ArcGIS Pro）和服务器端（ArcGIS Enterprise） |
| MapInfo | 商业 | 桌面 GIS，易于上手 |
| MapGIS（中地数码） | 国产商业 | 国情适配性强 |
| SuperMap（超图） | 国产商业 | 大数据 GIS 支持，提供全系列产品 |
| QGIS | 开源 | 免费，插件丰富，社区活跃 |
| GeoServer | 开源 | 服务器端 GIS，支持 OGC 标准服务发布 |
| PostGIS | 开源 | PostgreSQL 的空间扩展，用于空间数据库建设 |
商业平台功能完整，行业应用案例丰富；开源平台过程透明，扩展灵活，成本较低，便于推广。各平台的界面和操作方式差异较大，但背后的数据模型、空间分析原理基本相通。
10.6 空间查询与分析
10.6.1 空间查询
空间查询是 GIS 最基本的分析功能。与普通数据库的属性查询不同，空间查询不仅可依据字段条件筛选对象，还可依据空间关系进行检索。常见空间查询类型包括：
- 属性查询：基于 SQL 条件对属性进行筛选。例如，查询"日均订单量大于 1000 的配送站点"。
- 位置查询（包含/落入）：基于拓扑关系进行空间筛选。例如，查询"位于高新区内的物流企业"。
- 距离查询：基于空间距离条件进行筛选。例如，查询"距离机场 5 千米范围内的冷链仓库"。
- 方位查询：基于方向关系进行筛选。例如，查询"位于学校北侧的公交站点"。
- 相交查询：判断对象之间的空间交集关系。例如，查询"穿越某街道范围的主干道"。
空间查询让地理对象具有了"可计算性"。GIS 的各种空间分析方法，本质上是在空间查询基础上的扩展和组合。
在空间查询中，由于数据精度和坐标表达的局限性，通常需要设定误差容限（Tolerance）。例如，两条线段的端点虽在理论上应重合，但实际坐标可能相差零点几米，此时若不设容限就会被判为"不连通"。误差容限的合理设定直接影响查询结果的准确性。模糊查询则允许在一定空间范围或属性近似条件下返回结果，适用于位置不精确或要求灵活匹配的场景。
10.6.2 缓冲区分析
缓冲区分析（Buffer Analysis）是以点、线、面对象为中心，按照给定距离生成一定范围区域的方法。它是 GIS 最常见、最实用的分析方法之一。
- 点缓冲区：以点为中心生成圆形范围，适用于设施服务半径分析。例如，校园快递柜 300 米覆盖范围分析、危险品仓库爆炸影响范围分析。
- 线缓冲区：沿线对象两侧生成带状范围，适用于道路影响分析。例如，道路拓宽涉及拆迁范围分析、噪声影响带分析。
- 面缓冲区：围绕面对象边界向外（或向内）扩展，适用于区域保护与辐射分析。例如，水源保护区控制范围分析、野生动物栖息地活动范围评估。
缓冲区的本质是将"距离"转化为"区域"。在物流领域，缓冲区可用于研究站点服务范围、冷链配送半径、危险品运输安全距离和终端配送可达圈层。
10.6.3 叠加分析
叠加分析（Overlay Analysis）将多个图层在空间上重合，综合各图层的几何和属性信息，生成新的分析结果。许多隐含在单个图层中看不出来的空间信息，需要通过叠加才能提取出来。
1. 矢量叠加分析
常见矢量叠加类型包括：
- 相交叠加（Intersect）：提取两个图层共同覆盖的部分，支持面面、线面、点面等叠加形式。例如，提取四川省范围内的湖泊分布。
- 合并叠加（Union）：将多个图层融合为新的统一图层。例如，整合多个行政区数据。
- 擦除叠加（Erase）：将某图层中位于另一图层范围内的部分删除。例如，从候选区域中排除生态保护区。
- 标识叠加（Identity）：把面对象属性附加到点、线或面对象上。例如，给道路附加所在行政区属性。
2. 栅格叠加分析与地图代数
栅格叠加分析通过对多个栅格图层的像元值进行逐像元数学运算，实现多因子综合评价。这种基于栅格的空间运算方式称为地图代数（Map Algebra），其基本运算包括：
- 局部运算：对应像元之间的逐点计算。例如，两个时期土地利用栅格相减，得到变化图。
- 焦点运算：基于邻域窗口的计算。例如，均值滤波、坡度计算。
- 区域运算：对属于同一区域的像元集合进行统计。例如，统计各行政区的平均高程。
- 全局运算：对整个栅格表面的计算。例如，流域提取、成本距离计算。
栅格叠加分析在物流园区选址适宜性评价中应用广泛：将土地利用、交通可达性、地价、生态红线和人口分布等图层的栅格评分值加权叠加，即可筛选出兼顾多种因素的候选区域。
10.6.4 地形分析
地形分析主要基于数字高程模型（Digital Elevation Model, DEM）进行，用于提取地形特征和评价地表过程。DEM 的构建方式包括规则格网 DEM 和不规则三角网（Triangulated Irregular Network, TIN）。
常见地形分析内容包括：
- 坡度分析：评估地面陡缓程度。应用于山区公路选线、仓储选址、农田适宜性评价等。
- 坡向分析：判断坡面朝向。应用于农业、生态与建筑规划等。
- 山脊线和山谷线提取：用于流域分析和工程选线。应用于水系提取、汇水区划分等。
- 剖面分析：观察沿某路线的地形起伏。应用于输送管线设计、公路纵断面分析等。
- 通视分析：判断某点是否能看见其他区域。应用于通信基站选址、安防监控、景观规划等。
- 表面积与体积量算：计算不规则地表面积和挖填方量。应用于工程土石方计算等。
在物流实践中，地形分析对山区公路运输、仓储选址和应急物资投送具有现实意义。山区道路的线路设计、运输时间估算和车辆选型往往与坡度密切相关。
10.6.5 网络分析
网络分析（Network Analysis）是 GIS 在交通、物流和市政领域最具代表性的应用之一。它建立在线对象的连通关系之上。网络由结点（Node）、弧段（Arc/Edge）和阻抗（Impedance）构成，可分为有向图和无向图。
核心问题包括：
- 最短路径问题：求两个点之间成本最小的通行路径（Dijkstra 等算法）。典型应用：从分拨中心到网点的最优通行路线。
- 最近设施问题：对某需求点寻找最接近的设施。典型应用：查找最近的仓库、医院、消防站。
- 服务区分析：根据给定通行时间或距离确定设施可覆盖范围。典型应用：配送站点 30 分钟配送覆盖区域分析。
- 资源分配问题：将多个需求点分配给多个供给点。典型应用：区域配送中心的货源分配。
- 车辆路径问题：多车辆、多客户、多约束条件下的配送任务路线设计。典型应用：城市末端配送路线规划。
- 连通分析：网络连通性判断与流量分析。典型应用：管线通断检测、网络冗余分析。
网络分析要求路网数据具备方向性、通行规则、限速、转向限制、时间成本等信息。真实可用的网络分析模型，远比"画一张道路图"复杂。
10.6.6 地理信息可视化
可视化是 GIS 将分析结果传递给用户的关键环节。地理信息可视化的主要形式包括：
- 专题图：包括量比图、等值线图、密度图、分级设色图等。典型应用：人口分布、经济指标的空间表达。
- 三维可视化：基于 DEM 或三维模型的立体场景展示。典型应用：地形可视化、城市三维模型。
- 动态地图与时空可视化：按时间序列展示空间数据的变化过程。典型应用：台风路径动画、城市扩张过程、物流轨迹回放。
- 仪表板与大屏系统：集成多种图表和地图的综合展示界面。典型应用：物流运营监控、应急指挥。
优秀的可视化设计能帮助决策者快速理解空间分布格局、异常集中区和资源配置状况。
10.7 WebGIS
10.7.1 WebGIS 的产生背景
传统 GIS 主要面向专业人员，系统通常部署在单机或局域网环境中，软件成本高、共享能力弱、培训门槛高。随着互联网和浏览器技术的发展，GIS 开始走向网络化和服务化。
WebGIS 是在互联网或内部网络环境下，基于 TCP/IP 和 WWW 协议，以浏览器或轻量客户端为统一入口，通过 Web 服务器与 GIS 服务器提供地图浏览、空间查询、空间分析和数据共享等服务的技术体系。
传统 GIS 与 WebGIS 的对比：
表10-13 传统 GIS 与 WebGIS 对比
| 比较维度 | 传统 GIS（如 ArcGIS Desktop） | WebGIS（如 ArcGIS Online） |
|---|---|---|
| 访问范围 | 局域网/单机 | 全球互联网 |
| 用户群体 | 专业人员 | 面向大众 |
| 数据共享 | 共享性差 | 资源高度共享 |
| 发布维护 | 周期长 | 快速发布，易维护 |
| 计算模式 | 集中式 | 分布式计算 |
| 系统成本 | 高 | 低 |
| 操作复杂度 | 复杂，培训成本高 | 简单，跨平台 |
10.7.2 WebGIS 的体系结构
典型 WebGIS 通常包括三层：
-
客户端层
- 功能：显示地图、发起请求和进行交互。
- 组成：浏览器（HTML5、JavaScript API）、移动 App、轻量桌面终端。
-
服务层
- 功能：响应请求、发布地图服务、执行业务逻辑。
- 组成：Web 服务器、GIS/Map 服务器、应用服务器。
-
数据层
- 功能：空间数据存储和管理。
- 组成：空间数据库、文件存储、遥感影像库、实时数据流。
在现代系统中，这三层可能进一步扩展为云平台架构，引入缓存、消息队列、容器化部署和 API 网关等技术，以支撑高并发和实时场景。
10.7.3 地理信息服务标准
地理信息共享如果缺乏标准，不同平台之间就难以互联互通。开放地理空间信息联盟（Open Geospatial Consortium, OGC）提出了一系列标准，极大推动了 WebGIS 的发展。
表10-14 OGC 地理信息服务标准
| 标准 | 全称 | 服务内容 | 返回形式 | 适用场景 |
|---|---|---|---|---|
| WMS | Web Map Service | 通过标准 HTTP 接口提供地理配准的地图图像请求服务 | JPEG、PNG 等地图图片 | 地图显示与共享 |
| WFS | Web Feature Service | 面向要素级别的访问，支持发现、查询、锁定、事务等操作 | 可计算、可编辑的地理要素数据（如 GML、GeoJSON） | 数据交换与分析 |
| WMTS | Web Map Tile Service | 提供预渲染的地图瓦片服务 | 标准化的地图瓦片 | 大规模地图快速显示，减少服务器计算负荷 |
| OGC API - Features | OGC API - Features | 以现代 RESTful Web API 方式组织地理要素访问 | JSON、GeoJSON 等 | 符合现代互联网开发习惯，是对传统 WFS 的演进 |
WMS 的本质是"给用户一张地图图像"，WFS 和 OGC API - Features 的本质是"给用户真正的地理对象数据"。前者侧重显示，后者侧重数据交换与分析。
10.7.4 WebGIS 与地图 API
除了 OGC 标准服务，现代 WebGIS 还大量依赖地图 API。
- 国际平台：ArcGIS Online（Esri）、Google Maps Platform、Mapbox。
- 国内平台：高德地图 API、百度地图 API、腾讯地图 API、天地图（国家地理信息公共服务平台）。
借助地图 API，开发者可以快速实现底图加载与缩放平移、点/线/面要素叠加、标注/热力图/聚合展示、路径规划与导航、地理编码（Geocoding）与逆地理编码、实时位置展示与事件联动等功能。
地图 API 的应用不应停留在"会调用函数"的层面，更需理解其背后的数据模型、投影机制、服务架构与性能约束。
10.8 GIS 应用与物流场景
10.8.1 自然资源与生态环境管理
GIS 最早广泛应用的领域之一是资源环境管理。其典型应用包括：
- 土地资源管理：土地利用现状调查与变化监测、土地资源潜力评价、不动产登记与权属管理。
- 森林与矿产资源：森林资源清查、草地监测、矿产资源管理、石油资源空间分布预测。
- 水资源管理：水资源时空分布研究、流域管理。
- 生态保护：生态红线划定、保护效果评估、生物多样性保护与栖息地分析。
- 环境监测：环境污染扩散监测与风险区划。
在这些场景中，GIS 的价值不仅在于制图，还在于将多源环境数据组织成可比较、可追踪、可评价的空间信息体系。
10.8.2 城乡规划与公共治理
在城乡规划中，GIS 可以服务于国土空间规划、用地评价、交通组织、基础设施布局和公共服务均衡化分析。典型问题包括：
- 新学校、新医院、新公园应布局在哪里。
- 哪些社区公共服务设施不足。
- 哪些地块适合建设产业园或居住区。
- 哪些区域在洪涝、地震或地质灾害方面风险较高。
GIS 将规划从"图纸表达"推进到"空间证据支持"，特别是在多因素权衡和多方案比选方面。
10.8.3 灾害监测与应急管理
GIS 在防灾减灾中的作用十分突出。通过整合遥感影像、实时监测点、人口分布、道路网络和避难场所等数据，可支持：
- 灾情分布快速判读。
- 受影响人口与设施统计。
- 应急路线规划与物资投送。
- 危险区、警戒区和疏散区划定。
- 灾后恢复评估与重建布局。
以洪涝应急为例，GIS 可以结合 DEM、水系、降雨数据和道路网络，快速推演淹没范围并规划应急车辆绕行路线，为管理者提供可视化决策支持。
10.8.4 GIS 在物流中的应用
物流是 GIS 最具现实价值的应用领域之一。物流活动天然具有位置属性、路线属性、网络属性和时空属性，与 GIS 高度契合。
1. 物流 GIS 的基本任务
物流 GIS 的核心任务主要包括五个方面。首先是物流设施的空间定位与布局管理，即对仓库、分拨中心、前置仓等设施的地理位置进行统一管理；其次是运输路径优化与配送调度支持，即基于路网和各类约束条件计算最优路线；再次是客户与需求的空间分布分析，将订单密度、客户聚类和需求预测等内容空间化；同时，还需要借助 GPS/北斗实现车辆与货物的动态位置监控，实时跟踪运行轨迹；最后是物流网络绩效的空间可视化，用地图直观表达 KPI 的空间分布与异常情况。
2. 车辆路径优化
车辆路径问题（Vehicle Routing Problem, VRP）是物流 GIS 的核心问题之一。其基本目标是在满足客户需求、车辆容量、服务时间窗等约束的前提下，设计一组车辆行驶路线，使总距离、总时间或总成本最小。
在 GIS 环境中，VRP 需要同时处理"路网 + 约束 + 地理情境"三层信息。影响路径优化的因素主要有五个方面：道路长度与限速决定了基础通行成本；单行线和转弯限制会影响可行路径的选择；高峰拥堵等因素使时间成本随时段动态变化，进而导致路径成本不断变化；客户的空间聚集特征影响分区配送策略；车辆类型与装载限制则约束车辆与客户之间的分配方案。GIS 为 VRP 提供的核心价值在于构建真实路网环境和位置约束条件，使优化结果更接近实际执行场景。
3. 最短路径与最近设施分析
最短路径是物流调度中最基础的问题，例如从分拨中心到网点、从仓库到门店、从救援中心到事故点的最优通行路线。GIS 中的最短路径并不一定是几何意义上的最短距离，更常见的是最短时间、最低费用或综合成本最小。经典算法如 Dijkstra 算法，可求解单源到所有节点的最短路径。实际应用中还需考虑时间窗、载重限制等多约束条件。
最近设施分析用于回答"由哪个仓库服务哪个门店""最近的维修点在哪里"等问题。它是仓配协同、售后服务和应急物流中极常见的 GIS 分析任务。
4. 物流网络布局分析
物流网络布局关注仓库、分拨中心、前置仓、门店和客户之间的整体结构优化。常见问题包括：
- N 个仓库如何向 M 个门店供货，运输总成本最小？
- 新增一个前置仓应设置在哪个区域？
- 哪些客户群应划归哪个配送中心服务？
- 在保持服务水平不变的前提下，能否减少仓库数量？
GIS 在这些问题中的优势体现在：可将需求密度、交通可达性、地价、人口、竞品和政策约束纳入同一空间框架；可通过服务区、叠加分析和网络分析快速识别候选区域；可对不同布局方案进行地图化比较和沟通展示。
5. 设施选址分析
设施选址是物流规划中的高价值问题。仓库、配送中心、冷链节点和自提柜等设施的选址效果，直接影响运输成本、订单响应时间和服务质量。
一个完整的 GIS 选址分析通常考虑以下因素：
- 需求端：客户分布和订单密度。
- 供给端：现有设施布局和能力。
- 交通条件：道路等级、高速接口和拥堵情况。
- 成本因素：土地价格、租金与运营成本。
- 约束条件：生态保护区、洪涝风险区、噪声限制区等。
在运筹学研究中，设施选址常被建模为 p-中位问题（p-Median Problem）和 p-中心问题（p-Center Problem）。p-中位问题的目标是选择 p 个设施位置，使所有需求点到最近设施的加权总距离最小；p-中心问题的目标是选择 p 个设施位置，使所有需求点到最近设施的最大距离最小。在 GIS 环境中，这些模型的距离参数由真实路网计算得出，而不是简单采用直线距离。
6. 物流可视化
GIS 广泛用于物流可视化监控，包括：
- 车辆实时位置展示（基于 GPS/北斗轨迹）。
- 运输轨迹回放。
- 订单热区分布图。
- 站点负荷地图。
- 预警事件地图，如超时、偏航、异常停留、冷链温度异常。
相较于传统表格，大屏地图更容易让管理者快速理解空间分布、异常集中区和资源配置不均衡问题。
10.8.5 GIS 发展趋势
从当前技术发展看，GIS 正在呈现五个方面的趋势。
首先，GIS 正在向实时位置智能演进，从离线数据处理走向实时空间感知与响应，使车辆调度、异常预警等业务能够即时决策。其次，GIS 正从二维制图走向三维场景建模与数字孪生，为仓储园区、城市物流网络等对象提供更直观的虚实映射与仿真能力。再次，GIS 正在从单机分析走向云原生服务与标准化 API，空间数据与分析能力可以按需调用，并更便捷地嵌入各类业务系统。与此同时，GIS 也在从专家系统走向轻量化与大众化，逐步形成面向公众和业务人员的轻量化应用，降低了使用门槛。最后，GIS 正在与人工智能、知识图谱和时空大数据深度融合，使空间分析从传统的统计与建模，进一步迈向智能预测与自动化决策。
本章小结
本章围绕 GIS 的概念、数据、管理与分析四个层次展开。地理信息系统以空间数据和空间分析为核心，由硬件、软件、数据、方法与人员共同构成，其基本功能覆盖数据获取、存储管理、空间分析、可视化表达与共享服务。地理空间需要借助大地水准面、参考椭球体和坐标参考系统完成从真实地表到可计算坐标的抽象；空间数据通常采用矢量模型或栅格模型组织，两类模型分别适合离散地物和连续表面，并可通过栅格化与矢量化实现转换。
空间数据采集、质量控制和空间数据库建设是 GIS 应用的基础工程。缓冲区分析、叠加分析、网络分析、地形分析和空间插值等方法是空间分析的核心工具。WebGIS 将 GIS 能力扩展到网络环境，并通过 OGC 标准与地图 API 实现地图、要素和分析服务的共享。在物流领域，GIS 被广泛用于设施选址、服务区评价、路径优化、车辆监控和运营可视化，是连接空间数据与业务决策的重要技术平台。
课后习题
- 地理坐标系统与投影坐标系统有何区别？
- 比较矢量数据与栅格数据在空间精度、数据结构、叠加分析和网络分析方面的主要差异。
- 简述四叉树编码的基本思想及其适合处理的数据类型。
- 缓冲区分析、叠加分析和网络分析分别解决哪类空间问题？各举一个物流应用实例。
- 结合配送中心选址问题，说明多种空间分析方法如何组合完成一个综合决策。
- 试说明 GIS 在车辆路径优化、设施选址和物流运营监控中的具体作用。
参考文献
[1] 邬伦, 刘瑜, 张晶, 等. 地理信息系统: 原理、方法和应用[M]. 北京: 科学出版社, 2001.
[2] 汤国安, 杨昕. 地理信息系统空间分析实验教程[M]. 第2版. 北京: 科学出版社, 2012.
[3] Longley P A, Goodchild M F, Maguire D J, et al. Geographic Information Science and Systems[M]. 4th ed. Hoboken: Wiley, 2015.
[4] Tomlinson R. Thinking About GIS: Geographic Information System Planning for Managers[M]. 5th ed. Redlands: Esri Press, 2013.
[5] Esri. What is GIS?[EB/OL]. https://www.esri.com/en-us/what-is-gis/overview.
[6] QGIS Project. QGIS Documentation: A Gentle Introduction to GIS[EB/OL]. https://docs.qgis.org/latest/en/docs/gentle_gis_introduction/.
[7] Open Geospatial Consortium. OGC Web Map Service (WMS) Implementation Specification[S]. OGC 06-042, 2006.
[8] Open Geospatial Consortium. OGC Web Feature Service (WFS) Implementation Specification[S]. OGC 09-025r2, 2014.
[9] Open Geospatial Consortium. OGC API - Features - Part 1: Core[S]. OGC 17-069r4, 2022.
[10] U.S. Geological Survey. What is Remote Sensing and What is It Used For?[EB/OL]. https://www.usgs.gov/faqs/what-remote-sensing-and-what-it-used.
[11] 国家测绘地理信息局. 2000 国家大地坐标系技术报告[R]. 2008.
[12] 黄杏元, 马劲松, 汤勤. 地理信息系统概论[M]. 修订版. 北京: 高等教育出版社, 2008.
[13] Kang-tsung Chang. 地理信息系统导论[M]. 陈健飞, 胡嘉骢, 陈颖彪, 译. 原著第9版. 北京: 科学出版社, 2019.
[14] OSGeo 中国中心. 地理信息系统原理[EB/OL]. https://osgeo.cn/gis-tutorial/index.html.