GIS 和云：它们如何协同工作

云计算一直是访问处理、存储和软件等计算资源的主要趋势之一。 虽然有些人认为地理信息科学 (GIS) 作为一门学科是云的 较晚采用者，但 GIS 技术与云计算的融合对 GIS 专业人员 利用空间应用程序和信息的能力产生了深远的影响。

GIS 云计算部署模型

与其他形式的云一样，GIS 云计算通常分为三种不同的部署模型， 在讨论这两种技术如何协同工作之前，先看看利用它们的不同模型：

• GIS 公共云：任何人都可以免费使用 GIS 功能 （例如地图创建）的云服务。每个用户的数据通过虚拟化 实例分开保存，但可能与其他用户的信息存储在同一物理设备上。
• GIS 私有云：一种仅向授权用户提供 GIS 功能的云服务， 通常具有专用于单个组织的硬件。
• GIS 混合云：公共和私有云服务的混合，两者结合使用。

混合云的使用量有了相当大的增长（预计到 2023 年复合年 增长率为17%），尤其是随着这种模式变得更容易部署。 流行的 GIS 云基础设施提供商利用这一趋势使他们的选择更加灵活， 客户能够通过云提供 GIS 即服务。例如，可以将ArcGIS Server 等 平台配置为提供公共和私有云服务的混合。

如何将 GIS 用作服务

虽然 GIS 云计算的基本用法通常侧重于存储， 例如存储可以远程访问和使用桌面 GIS 软件分析的 空间数据，但 GIS 即服务已变得越来越普遍。

利用云技术的核心价值主张之一是利用规模经济； 虚拟化允许服务提供商向成百上千的用户提供 GIS 功能， 其中许多用户利用相同的硬件并访问云环境的私有实例。

GIS 如何用作服务的一些其他常见示例包括：

• 基于云的地图工具
• 具有内置地理空间数据分析工具的开放数据平台
• 空间数据与基于云的人工智能的集成
• 促进地理空间数据共享

在上述所有情况下，云技术使 GIS 从业者能够做的 事情比以往任何时候都多。例如，除了能够运行高级 机器学习算法的硬件之外，开发人工智能还需要专业知识。 但是，软件即服务 (SaaS) GIS 工具的出现使组织能够 利用专为分析 GIS 数据而设计的预先构建的 AI 软件。 同样，云存储平台为组织提供了经济高效的方式来存储 GIS 大数据分析所需的大量信息。

云计算对地理空间人工智能领域来说是一个巨大的福音， 尤其是对于需要高分辨率图像的领域。尽管处理能力 和存储为环境流行病学等学科带来了重大障碍， 但研究人员现在可以通过云利用大数据基础设施， 以处理大量信息并运行更快的分析。

GIS 和云：一起快乐

GIS 和云技术的融合有望令人兴奋。除了为运行复杂的 GIS 应用程序提供具有成本效益的基础设施外， 还增加了移动 GIS的潜在能力，因为大量计算机资源 可以存储在服务器上并可以远程访问。

然而，GIS 和云技术协同工作的趋势的核心是访问强大 技术资源的障碍正在变得越来越低。这样做的可能结果是， 各种规模的组织，而不仅仅是大型政府机构或企业， 将能够进一步扩展其 GIS 技术预算， 并为他们的 GIS 专家提供更多的工作工具。