GIS技术发展概况：
目前创新互联已为近千家的企业提供了网站建设、域名、雅安服务器托管、成都网站托管、企业网站设计、江南网站维护等服务，公司将坚持客户导向、应用为本的策略，正道将秉承"和谐、参与、激情"的文化，与客户和合作伙伴齐心协力一起成长，共同发展。
在新兴的信息产业中，GIS(Geographic Information System,地理信息系统)作为集计算机科学、地理学、测绘遥感学、环境科学、城市科学、空间科学和治理科学及相关学科等为一 体的新兴边缘学科，近30年来迅速兴起。
GIS将计算机技术和空间地理分布数据相结合，通过系统建立、空间操作与模型分析，为地球科学、环境科学和工程设计、乃至企业治理等方面的规划、治理和决策提供有用的信息。
目前GIS在国内外应用领域已相当广泛，不但成功地应用于测绘、制图、资源和环境等领域，而且已成为城市规划、公共设施治理、工程建设等的重要工具，此外GIS还进入了军事战略分析与决策、商务策划、文教卫生乃至人们日常活动的各种领域中。
目前GIS被认为是21世纪支柱性产业，是信息产业的重要组成部分。“九五”期间国家科技部已将GIS列为“重中之重”的项目，并重点支持发展我国的GIS产业。
扩展资料
我国的GIS发展较欧美先进国家起步约晚15年左右，但发展速度并不很慢。1994年9月，我国国家测绘总局与美国ARC/INFO总部签定了合作的ARC CHINA计划。
仅以GIS在城市方面的应用就有城市自来水、城市煤气、城市规划、城市地下管线、城市环境、城市道路、城市土地等不胜枚举，至于其他各方面的应用诸如环境监测、水土流失、矿产资源、投资评价等更是屡见不鲜。所有这些都标志着GIS在我国的成长与发展。
参考资料百度百科——GIS
20世纪90年代是GIS的应用普及阶段，这个时期GIS发展的标志性技术主要有以下几个方面：
1、数字地球；2、网格GIS(GridGIS)；3、虚拟现实GIS(VRGIS)；4、移动GIS。
地理信息系统普及时代（二十世纪90年代）：地理信息系统被认为一种痛用得地理信息技术工具被广泛应用，美国前副总统提出了“数字地球”这一概念。
引言
地理信息系统(Geographic Information System，简称GIS)是计算机科学、地理学、测量学、地图学等多门学科综合的技术[1]。GIS的基本技术是空间数据库、地图可视化及空间分析，而空间数据库是GIS的关键。空间数据挖掘技术作为当前数据库技术最活跃的分支与知识获取手段，在GIS中的应用推动着GIS朝智能化和集成化的方向发展。
1 空间数据库与空间数据挖掘技术的特点
随着数据库技术的不断发展和数据库管理系统的广泛应用，数据库中存储的数据量也在急剧增大，在这些海量数据的背后隐藏了很多具有决策意义的信息。但是，现今数据库的大多数应用仍然停留在查询、检索阶段，数据库中隐藏的丰富的知识远远没有得到充分的发掘和利用，数据库中数据的急剧增长和人们对数据库处理和理解的困难形成了强烈的反差，导致“人们被数据淹没，但却饥饿于知识”的现象。
空间数据库(数据仓库)中的空间数据除了其显式信息外，还具有丰富的隐含信息，如数字高程模型〔DEM或TIN〕，除了载荷高程信息外，还隐含了地质岩性与构造方面的信息；植物的种类是显式信息，但其中还隐含了气候的水平地带性和垂直地带性的信息，等等。这些隐含的信息只有通过数据挖掘才能显示出来。空间数据挖掘（Spatial Data Mining，简称SDM），或者称为从空间数据库中发现知识，是为了解决空间数据海量特性而扩展的一个新的数据挖掘的研究分支，是指从空间数据库中提取隐含的、用户感兴趣的空间或非空间的模式和普遍特征的过程[2]。由于SDM的对象主要是空间数据库，而空间数据库中不仅存储了空间事物或对象的几何数据、属性数据，而且存储了空间事物或对象之间的图形空间关系，因此其处理方法有别于一般的数据挖掘方法。SDM与传统的地学数据分析方法的本质区别在于SDM是在没有明确假设的前提下去挖掘信息、发现知识，挖掘出的知识应具有事先未知、有效和可实用3个特征。
空间数据挖掘技术需要综合数据挖掘技术与空间数据库技术，它可用于对空间数据的理解，对空间关系和空间与非空间关系的发现、空间知识库的构造以及空间数据库的重组和查询的优化等。
2 空间数据挖掘技术的主要方法及特点
常用的空间数据挖掘技术包括：序列分析、分类分析、预测、聚类分析、关联规则分析、时间序列分析、粗集方法及云理论等。本文从挖掘任务和挖掘方法的角度,着重介绍了分类分析、聚类分析和关联规则分析三种常用的重要的方法。
2.1、分类分析
分类在数据挖掘中是一项非常重要的任务，目前在商业上应用最多。分类的目的是学会一个分类函数或分类模型(也常常称作分类器)，该模型能把数据库中的数据项映射到给定类别中的某一个。分类和我们熟知的回归方法都可用于预测，两者的目的都是从历史数据纪录中自动推导出对给定数据的推广描述，从而能对未来数据进行预测。和回归方法不同的是，分类的输出是离散的类别值，而回归的输出则是连续的数值。二者常表现为一棵决策树，根据数据值从树根开始搜索，沿着数据满足的分支往上走，走到树叶就能确定类别。空间分类的规则实质是对给定数据对象集的抽象和概括，可用宏元组表示。
要构造分类器,需要有一个训练样本数据集作为输入。训练集由一组数据库记录或元组构成,每个元组是一个由特征(又称属性)值组成的特征向量,此外,训练样本还有一个类别标记。一个具体样本的形式可为:( v1, v2, ..., vn; c )；其中vi表示字段值，c表示类别。
分类器的构造方法有统计方法、机器学习方法、神经网络方法等等。统计方法包括贝叶斯法和非参数法(近邻学习或基于事例的学习)，对应的知识表示是判别函数和原型事例。机器学习方法包括决策树法和规则归纳法，前者对应的表示为决策树或判别树，后者则一般为产生式规则。神经网络方法主要是反向传播（Back-Propagation,简称BP）算法，它的模型表示是前向反馈神经网络模型(由代表神经元的节点和代表联接权值的边组成的一种体系结构)，BP算法本质上是一种非线性判别函数[3]。另外，最近又兴起了一种新的方法:粗糙集(rough set)，其知识表示是产生式规则。
不同的分类器有不同的特点。有三种分类器评价或比较尺度：1) 预测准确度；2) 计算复杂度；3) 模型描述的简洁度。预测准确度是用得最多的一种比较尺度，特别是对于预测型分类任务，目前公认的方法是10番分层交叉验证法。计算复杂度依赖于具体的实现细节和硬件环境，在数据挖掘中，由于操作对象是海量的数据库，因此空间和时间的复杂度问题将是非常重要的一个环节。对于描述型的分类任务，模型描述越简洁越受欢迎。例如，采用规则归纳法表示的分类器构造法就很有用，而神经网络方法产生的结果就难以理解。
另外要注意的是，分类的效果一般和数据的特点有关。有的数据噪声大，有的有缺值， 有的分布稀疏，有的字段或属性间相关性强，有的属性是离散的而有的是连续值或混合式的。目前普遍认为不存在某种方法能适合于各种特点的数据。
分类技术在实际应用非常重要，比如：可以根据房屋的地理位置决定房屋的档次等。
2. 2 聚类分析
聚类是指根据“物以类聚”的原理，将本身没有类别的样本聚集成不同的组，并且对每一个这样的组进行描述的过程。它的目的是使得属于同一个组的样本之间应该彼此相似，而不同组的样本应足够不相似。与分类分析不同，进行聚类前并不知道将要划分成几个组和什么样的组，也不知道根据哪些空间区分规则来定义组。其目的旨在发现空间实体的属性间的函数关系，挖掘的知识用以属性名为变量的数学方程来表示。聚类方法包括统计方法、机器学习方法、神经网络方法和面向数据库的方法。基于聚类分析方法的空间数据挖掘算法包括均值近似算法[4]、CLARANS、BIRCH、DBSCAN等算法。目前，对空间数据聚类分析方法的研究是一个热点。
对于空间数据，利用聚类分析方法，可以根据地理位置以及障碍物的存在情况自动地进行区域划分。例如，根据分布在不同地理位置的ATM机的情况将居民进行区域划分，根据这一信息，可以有效地进行ATM机的设置规划，避免浪费，同时也避免失掉每一个商机。
2.3 关联规则分析
关联规则分析主要用于发现不同事件之间的关联性，即一事物发生时，另一事物也经常发生。关联分析的重点在于快速发现那些有实用价值的关联发生的事件。其主要依据是：事件发生的概率和条件概率应该符合一定的统计意义。空间关联规则的形式是X－＞Y[S%，C%]，其中X、Y是空间或非空间谓词的集合，S%表示规则的支持度，C%表示规则的置信度。空间谓词的形式有3种：表示拓扑结构的谓词、表示空间方向的谓词和表示距离的谓词[5]。各种各样的空间谓词可以构成空间关联规则。如，距离信息（如Close_to(临近)、Far_away(远离)）、拓扑关系（Intersect（交）、Overlap（重叠）、Disjoin(分离)）和空间方位（如Right_of(右边)、West_of(西边)）。实际上大多数算法都是利用空间数据的关联特性改进其分类算法，使得它适合于挖掘空间数据中的相关性，从而可以根据一个空间实体而确定另一个空间实体的地理位置，有利于进行空间位置查询和重建空间实体等。大致算法可描述如下：(1)根据查询要求查找相关的空间数据；(2)利用临近等原则描述空间属性和特定属性；(3)根据最小支持度原则过滤不重要的数据；(4)运用其它手段对数据进一步提纯(如OVERLAY)；(5)生成关联规则。
关联规则通常可分为两种：布尔型的关联规则和多值关联规则。多值关联规则比较复杂，一种自然的想法是将它转换为布尔型关联规则，由于空间关联规则的挖掘需要在大量的空间对象中计算多种空间关系，因此其代价是很高的。—种逐步求精的挖掘优化方法可用于空间关联的分析，该方法首先用一种快速的算法粗略地对一个较大的数据集进行一次挖掘，然后在裁减过的数据集上用代价较高的算法进一步改进挖掘的质量。因为其代价非常高，所以空间的关联方法需要进一步的优化。
对于空间数据，利用关联规则分析，可以发现地理位置的关联性。例如，85%的靠近高速公路的大城镇与水相邻，或者发现通常与高尔夫球场相邻的对象是停车场等。
3 空间数据挖掘技术的研究方向
3.1 处理不同类型的数据
绝大多数数据库是关系型的，因此在关系数据库上有效地执行数据挖掘是至关重要的。但是在不同应用领域中存在各种数据和数据库，而且经常包含复杂的数据类型，例如结构数据、复杂对象、事务数据、历史数据等。由于数据类型的多样性和不同的数据挖掘目标，一个数据挖掘系统不可能处理各种数据。因此针对特定的数据类型，需要建立特定的数据挖掘系统。
3.2 数据挖掘算法的有效性和可测性
海量数据库通常有上百个属性和表及数百万个元组。GB数量级数据库已不鲜见，TB数量级数据库已经出现，高维大型数据库不仅增大了搜索空间，也增加了发现错误模式的可能性。因此必须利用领域知识降低维数，除去无关数据，从而提高算法效率。从一个大型空间数据库中抽取知识的算法必须高效、可测量，即数据挖掘算法的运行时间必须可预测，且可接受，指数和多项式复杂性的算法不具有实用价值。但当算法用有限数据为特定模型寻找适当参数时，有时也会导致物超所值，降低效率。
3.3 交互性用户界面
数据挖掘的结果应准确地描述数据挖掘的要求，并易于表达。从不同的角度考察发现的知识，并以不同形式表示，用高层次语言和图形界面表示数据挖掘要求和结果。目前许多知识发现系统和工具缺乏与用户的交互，难以有效利用领域知识。对此可以利用贝叶斯方法和演译数据库本身的演译能力发现知识。
3.4 在多抽象层上交互式挖掘知识
很难预测从数据库中会挖掘出什么样的知识，因此一个高层次的数据挖掘查询应作为进一步探询的线索。交互式挖掘使用户能交互地定义一个数据挖掘要求，深化数据挖掘过程，从不同角度灵活看待多抽象层上的数据挖掘结果。
3.5 从不同数据源挖掘信息
局域网、广域网以及Internet网将多个数据源联成一个大型分布、异构的数据库，从包含不同语义的格式化和非格式化数据中挖掘知识是对数据挖掘的一个挑战。数据挖掘可揭示大型异构数据库中存在的普通查询不能发现的知识。数据库的巨大规模、广泛分布及数据挖掘方法的计算复杂性，要求建立并行分布的数据挖掘。
3.6 私有性和安全性
数据挖掘能从不同角度、不同抽象层上看待数据，这将影响到数据挖掘的私有性和安全性。通过研究数据挖掘导致的数据非法侵入，可改进数据库安全方法，以避免信息泄漏。
3.7 和其它系统的集成
方法、功能单一的发现系统的适用范围必然受到一定的限制。要想在更广泛的领域发现知识，空间数据挖掘系统就应该是数据库、知识库、专家系统、决策支持系统、可视化工具、网络等技术的集成。
4 有待研究的问题
我们虽然在空间数据挖掘技术的研究和应用中取得了很大的成绩，但在一些理论及应用方面仍存在急需解决的问题。
4.1 数据访问的效率和可伸缩性
空间数据的复杂性和数据的大量性，TB数量级的数据库的出现，必然增大发现算法的搜索空间，增加了搜索的盲目性。如何有效的去除与任务无关的数据，降低问题的维数，设计出更加高效的挖掘算法对空间数据挖掘提出了巨大的挑战。
4.2 对当前一些GIS软件缺乏时间属性和静态存储的改进
由于数据挖掘的应用在很大的程度上涉及到时序关系，因此静态的数据存储严重妨碍了数据挖掘的应用。基于图层的计算模式、不同尺度空间数据之间的完全割裂也对空间数据挖掘设置了重重障碍。空间实体与属性数据之间的联系仅仅依赖于标识码，这种一维的连接方式无疑将丢失大量的连接信息，不能有效的表示多维和隐含的内在连接关系，这些都增加了数据挖掘计算的复杂度，极大地增加了数据准备阶段的工作量和人工干预的程度。
4.3 发现模式的精炼
当发现空间很大时会获得大量的结果，尽管有些是无关或没有意义的模式，这时可利用领域的知识进一步精炼发现的模式，从而得到有意义的知识。
在空间数据挖掘技术方面，重要的研究和应用的方向还包括：网络环境上的数据挖掘、栅格矢量一体化的挖掘、不确定性情况下的数据挖掘、分布式环境下的数据挖掘、数据挖掘查询语言和新的高效的挖掘算法等。
5 小结
随着GIS与数据挖掘及相关领域科学研究的不断发展，空间数据挖掘技术在广度和深度上的不断深入，在不久的将来，一个集成了挖掘技术的GIS、GPS、RS集成系统必将朝着智能化、网络化、全球化与大众化的方向发展。
地理信息系统（GIS）的存在与发展已历经30余年。
用户的需要、技术的进步、应用方法论的提高，以及有关组织机构的建立等因素，深深地影响着地理信息系统的发展。
综观GIS发展，尤其是北美地区的实际情况，可将地理信息系统发展分为以下几个阶段：
（1）60年代为地理信息系统开拓期，注重于空间数据的地学处理。
例如，处理人口统计局数据（如美国人口调查局建立的DIME）、资源普查数据（如加拿大统计局的GRDSR）等。
许多大学研制了一些基于栅格系统的软件包，如哈佛的SYMAP、马里兰大学的MANS等。
综合来看，初期地理信息系统发展的动力来自于诸多方面，如学术探讨、新技术的应用、大量空间数据处理的生产需求等。
对于这个时期地理信息系统的发展来说，专家兴趣以及 *** 的推动起着积极的引导作用，并且大多地理信息系统工作限于 *** 及大学的范畴，国际交往甚少。
（2）70年代为地理信息系统的巩固发展期，注重于空间地理信息的管理。
地理信息系统的真正发展应是70年代的事情。
这种发展应归结于以下几方面的原因：
一是资源开发、利用乃至环境保护问题成为 *** 首要解决之疑难，而这些都需要一种能有效地分析、处理空间信息的技术、方法与系统。
二是计算机技术迅速发展，数据处理加快，内存容量增大，超小型、多用户系统的出现，尤其是计算机硬件价格下降，使得 *** 部门、学校以及科研机构、私营公司也能够配置计算机系统；在软件方面，第一套利用关系数据库管理系统的软件问世，新型的地理信息系统软件不断出现，据IGU调查，70年代就有 80多个地理信息系统软件。
第三，专业化人才不断增加，许多大学开始提供地理信息系统培训，一些商业性的咨询服务公司开始从事地理信息系统工作，如美国环境系统研究所（ESRI）成立于1969年。
这个时期地理信息系统发展的总体特点是：地理信息系统在继承60年代技术基础之上，充分利用了新的计算机技术，但系统的数据分析能力仍然很弱；在地理信息系统技术方面未有新的突破；系统的应用与开发多限于某个机构；专家个人的影响削弱，而 *** 影响增强。
（3）80年代为地理信息系统大发展时期，注重于空间决策支持分析。
地理信息系统的应用领域迅速扩大，从资源管理、环境规划到应急反应，从商业服务区域划分到政治选举分区等，涉及到了许多的学科与领域，如古人类学、景观生态规划、森林管理、土木工程以及计算机科学等。
许多国家制定了本国的地理信息发展规划，启动了若干科研项目，建立了一些 *** 性、学术性机构。
如中国于1985年成立了资源与环境信息系统国家重点实验室，美国于1987年成立了国家地理信息与分析中心（NCGIA），英国于1987年成立了地理信息协会。
同时，商业性的咨询公司，软件制造商大量涌现，并提供系列专业 *** 。
这个时期地理信息系统发展最显著的特点是商业化实用系统进入市场。
（4）90年代为地理信息系统的用户时代。
一方面，地理信息系统已成为许多机构必备的工作系统，尤其是 *** 决策部门在一定程度上由于受地理信息系统影响而改变了现有机构的运行方式、设置与工作计划等。
另一方面，社会对地理信息系统认识普遍提高，需求大幅度增加，从而导致地理信息系统应用的扩大与深化。
国家级乃至全球性的地理信息系统已成为公众关注的问题，例如地理信息系统已列入美国 *** 制定的“信息高速公路”计划；同美国副总统戈尔提出的“数字地球”战略、我国的“21世纪议程”和“三金工程”也包括地理信息系统。
毫无疑问，地理信息系统将发展成为现代社会最基本的服务系统。
扩展资料：
社会应用
随着GIS在决策中的普及，学者们已经开始审议地理信息系统的社会影响。
有人认为 ，地理信息的生产、分配、利用和表述的很大程度上与社会环境有关。
其他相关议题包括版权、隐私和审查的讨论。
较为乐观的GIS社会应用是将它作为一个公众参与的工具来应用。
规划
测绘地理信息发展“十二五”总体规划纲要
国家测绘地理信息局日前印发了《测绘地理信息发展“十二五”总体规划纲要》，目标是到2015年，建成数字中国地理空间框架和信息化测绘体系。
规划还提出，争取把地理信息产业纳入国家战略性新兴产业规划。
统计显示，截至“十一五”末，我国地理信息产业总值突破1000亿元；而到“十二五”末，这一数字有望突破2000亿元。
倍增的规模将给地理信息产业链上下游企业带来巨大的市场空间。
推进地理信息资源整合
规划提出，要加快推进地理信息资源整合和数字城市建设。
据统计，“十一五”期间，我国数字城市建设试点和推广城市已达130个。
国家测绘地理信息局副局长王春峰表示，“十二五”期间将在全国全面推进数字城市建设，力争完成全部333个地级市和部分有条件的县级市的数字城市建设。
国家测绘地理信息局日前发布的2011年测绘工作要点明确要求，进一步加快数字城市建设步伐，力争在2011年完成100个以上、启动100个以上数字城市建设，使数字城市覆盖全国2/3以上的地级城市。
业内人士指出，基于这样的建设速度，未来3-5年，数字化城市管理平台的市场容量将超过100亿元。
值得注意的是，“十一五”末，公众版国家地理信息公共服务平台“天地图”开通并产生重要影响。
规划提出，“十二五”期间将“天地图”服务功能延伸到省级和市级，并加大“天地图”推广应用工作力度，将其打造成为互联网内容服务的中国自主品牌。
争取纳入新兴产业规划
规划还表示将继续完善产业发展政策，争取把地理信息产业纳入国家战略性新兴产业规划。
鼓励地理信息企业参与 *** 采购，推动企业自主创新产品在 *** 投资项目中的应用，努力实现重大测绘工程中国产装备使用比例超过50%。
规划还提出，要深入挖掘基于位置的地理信息服务等方面的市场潜力，大幅度提高地理信息服务业务覆盖范围和市场盈利水平。
其中包括加大地理信息技术与有关技术的集成应用，培育新的经济增长点。
加大地理信息技术和位置服务产品在电子商务、电子政务、智能交通、现代物流等方面的应用；开发基于地理信息的电子游戏产品、地理信息电视频道以及基于物联网的位置服务产品等。
分析人士指出，随着多项引导性政策的出台，地理信息产业链上下游企业将迎来巨大的市场机遇。
巡更应用
地理信息系统(GeographicInformationSystem)，简称GIS系统。
它是在计算机硬、软件系统支持下，对整个或部分地球表层(包括大气层)空间中的有关地理分布数据进行采集、存储、管理、运算、分析、显示和描述的技术系统。
GIS通常和GPS结合使用。
对于大范围的、露天的巡更巡检，巡更人员手持GPS巡检器，实时接收GPS卫星定位消息(时间、经纬度)，并按预先设定的时间间隔自动发送或者在特定地点手动发送定位信息到无线通讯前置机。
无线通讯前置机在收到定位信息后将数据传输到管理系统平台，系统软件采用GIS电子地图技术，动态显示和回放巡检轨迹，交由GIS分析可得该巡逻点的详细信息。
