地理空间数据是与地球表面上特定位置相关的基于时间的数据。它可以帮助人们深入了解变量之间的关系并揭示模式和趋势。
地理空间数据是指描述地球表面或附近位置的物体、事件或其他特征的信息。地理空间数据通常将位置信息（通常是地球上的坐标）和属性信息（有关物体、事件或现象的特征）与时间信息（位置和属性存在的时间或跨度）结合起来。
提供的位置在短期内可能是静态的（例如，设备的位置、地震事件、生活贫困的儿童）或动态的（例如，移动的车辆或行人、传染病的传播）。
地理空间数据通常涉及从许多不同来源以不同格式收集的大量空间数据，可以包括普查数据、卫星图像、天气数据、手机数据、绘制图像和社交媒介数据等信息。当可以通过结合传统业务数据发现、共享、分析和使用地理空间数据时，它是最有用的。
地理空间分析用于为传统类型的数据添加时间和位置以及构建数据可视化效果。这些可视化可以包括显示历史变化和当前变化的地图、图形、统计数据和示意地图。借助这种额外的上下文可以更全面地了解事件。大型电子表格中可能被忽视的洞察可以通过易于识别的视觉模式和图像来揭示。因此可以作出更快、更简单、更准确的预测。
地理空间信息系统 (GIS) 与可视化表示形式中数据的物理测绘密切相关。例如，当飓风地图（显示位置和时间）与显示潜在雷击区域的另一图层叠加时，您将看到 GIS 的运行情况。
了解塑造可持续发展商业世界的趋势，以及有助于推动转型的洞察。
注册获取有关温室气体排放核算的电子书
地理空间数据的类型
地理空间数据是用某种类型的地理指标记录的信息。地理空间数据有两种主要形式：矢量数据和光栅数据。
矢量数据是指用点、线和多边形表示属性、城市、道路、山脉和水域等特征的数据。例如，使用矢量数据的可视化表示形式可能包括由点表示的房屋、由线表示的道路以及由多边形表示的整个城镇。
光栅数据是按行和列标识的像素化或网格单元。光栅数据创建的图像要复杂得多，例如照片和卫星图像。
地理空间数据的示例
地理空间数据的示例包括：
- 矢量和属性：有关位置的描述信息，例如点、线和多边形。
- 点云：可重新构建为 3D 模型的同位图表点的集合。
- 光栅和卫星图像：从高空拍摄的高分辨率世界图像。
- 普查数据：与特定地理区域相关的已发布普查数据，用于研究社区趋势。
- 手机数据：根据 GPS 定位坐标，通过卫星发送呼叫。
- 绘制图像：建筑物或其他结构物的 CAD 图像，提供地理信息以及建筑数据。
- 社交媒体数据：数据科学家可通过研究社交媒体帖子来识别新兴趋势。
地理空间技术
地理空间技术是指收集、存储和组织地理信息所需的所有技术。它包括用于地球地理测绘和分析的卫星技术。地理空间技术存在于多种相关技术中，例如地理信息系统 (GIS)、全球定位系统 (GPS)、地理围栏和遥感。
地理空间技术和 Python
流行的编程语言 Python 非常适合处理地理空间数据，并且能够容纳矢量数据和光栅数据，这两种方式通常用于表示地理空间数据。矢量数据可以使用 Fiona 和 GeoPandas 等程序来进行处理，光栅数据可以使用 xarray 等程序来进行处理。
处理大型地理空间数据集存在许多挑战。因此，许多组织难以充分利用地理空间数据。
首先是庞大数量的地理空间数据。例如，据估计，每天都会生成 100 TB 的天气相关数据。仅此一项就给大多数组织带来了相当大的存储和访问问题。地理空间数据还存储在许多不同的文件中，因此很难找到包含解决特定问题所需数据的文件。
此外，地理空间数据以多种不同的格式存储，并按不同的标准进行校准。任何比较、合并或映射数据的工作首先都需要大量的数据清理和重新格式化。
最后，处理原始地理空间数据需要专业知识和应用高级数学来执行必要的任务，例如数据层的地理空间对齐。除非分析师精通这项工作且经验丰富，否则他们将无法从数据中获得价值或在实现组织的业务目标方面取得进展。
地理空间数据收集
由于企业通常所需的地理空间数据量巨大，因此许多组织希望使用服务来获取精选的地理空间数据。
无论您从何处获取地理空间数据，都必须始终保持数据质量。数据不良会导致模型很少或使用有限。（事实证明，“输入错误的数据导致输出错误的见解”这句警示语是千真万确的。）显然，组织可以从拥有一个监护和检查数据的解决方案中获益匪浅，因此任何“垃圾”数据都会得到正确的解释。
地理空间数据管理
现在数据如此之多，因此管理数据变得相当重要。许多组织发现自己的数据过多，并求助于内部数据科学家来帮助他们管理数据。
据估计，数据科学家 90% 的时间都花在数据监护活动上，包括组织、“清理”和重新格式化数据。因此这些数据科学家每天只有 10% 的时间用于分析数据趋势并利用这些洞察来帮助制定业务策略。
当公司将数据收集和管理移交给 IBM Environmental Intelligence Suite 之类的解决方案时，可以更有效地执行数据收集和数据管理活动。该解决方案基于云且可扩展，并且能够适应不同的文件格式。
通过使用优化信息的精选数据库，数据科学家可以有更多时间专注于如何使用分析洞察并将其转化为组织进步和业务影响。
尽管由 GIS 提供支持的地理空间分析最初用于与地质学、生态学和流行病学等生命科学相关的领域，但其用途已在大多数行业中得到体现。它的应用现在涉及国防和社会科学等多种行业。地理空间分析产生的洞察影响着与自然资源管理和国家情报同样重要的事务。
地理空间分析有助于同时研究许多事物，监控数百甚至数千个事件并从中收集相关数据。这为各种规模的企业提供了利用数据做出更明智的业务决策的机会：
- 公用事业提供商可以分析数十万英里电力线的性能。
- 连锁餐厅可以使用地理空间分析技术来跟踪食品提供商的进货情况。
- 风能和太阳能装置可以通过精确定位当地资产来分析环境条件。
近年来，由于物联网 (IoT) 的相对爆炸式增长，分析大量数据的工作变得更具挑战性。所有类型和用途的对象和设备现在都被设计为能够传输与该设备的性能或协议相关的数据。这对于地理空间分析来说是个好消息，因为地理空间分析需要大量数据才能收集有价值的洞察。
地理空间分析
地理空间分析是指通过地理空间分析实现的数据收集与增强的可视化方法相结合，通过根据时间和空间组织数据来最大限度地提高数据的影响。
这种类型的可视化数据可以帮助研究人员更轻松地得出可能正在发生的趋势的相关迹象。地理空间分析能够有效传送不断变化的情境的形状和能量。随着越来越多的有关该情境的数据被收集起来，人们会更容易发现该情境中更微妙的细微差别。
地理空间分析市场目前正在经历可观且稳定的增长。事实上，到 2025 年，该市场价值预计将增长至 963 亿美元，在回顾的 5 年期期间实现 12.9% 的年销售额增长。¹
按行业划分的地理空间应用
以下是不同行业使用地理空间分析的情况：
- 政府可以获取有关健康、疾病和天气的洞察，并利用它们在发生自然灾害或发生紧急健康事件时更好地向公众提供建议。
- 电力公用事业提供商可以使用数据来帮助预测可能的服务中断并优化维护和人员安排。
- 保险公司可以更准确地预测风险并警告投保人他们可能很快会面临的潜在问题。
- 农场和农业贷款机构可以改进用于评估信用风险分数并减少不良贷款投放的方法。
通过用户定义的函数 (UDF)，参与植被管理的人员使用地理空间分析能够评估水位和湿度水平。
用户定义的函数还有助于气象学家处理传入的数据，以绘制可能穿过某个区域的龙卷风的路径。
通过在一个平台上获取卫星图像、普查数据和风力预报等相关数据，事件指挥员可以绘制野火的发展和移动情况。
大多数专家预计地理空间技术将变得越来越复杂，特别是随着该技术与机器学习和 AI 的联系越来越密切。
事实上，预计地理空间 AI 也将发挥作用，为机器学习带来地理元素。专家还预测测绘即服务即将到来，其中可以根据消费者或工业需求制作高分辨率的定制地图以供出租。
此外，还有一些新型车辆正在开发中，这些车辆完全依赖于地理空间技术。它们的使用频率将更高 — 无论是携带包裹在空中飞行（无人机），还是在街道上行驶（自动驾驶汽车）。还将发现这些技术的新应用，例如使用无人机进行航空测绘。
了解专为地理空间-时间数据设计的平台，该平台包含代表大量类别的超过 6 PB 的数据集。
了解当您将强大的分析应用于服务区域内所有植被管理时会发生什么。
为基于位置的应用提供支持，并能够处理高级地理空间查询，同时利用针对空间数据优化的存储。
获得气候和天气洞察以预测会造成中断的环境条件，积极主动地管理风险并打造更可持续的运营。
数据来源
¹ 地理空间分析市场（ibm.com 外部链接），Markets and Markets，2020 年 8 月