基础概念9 分钟阅读
什么是地理空间数据？类型、格式，以及那些坑
地理空间数据就是带位置的数据。它的特别之处在于，记录之间的距离、包含与相邻关系本身就带有信息。
- 作者
- HuiTu Technology
- 发布时间
- 更新时间
地理空间数据就是任何带上了位置的数据。这个定义足够宽，连一张带邮编列的表格都算得上——这正是重点：多数业务数据本来就是地理空间数据，只是一直没被当成地理空间数据来用。
地理空间数据和普通表格数据的区别在于，记录之间的关系承载信息。两行数据可以彼此靠近。一行可以包含另一行。第三行可能从第一行开车八分钟就能到。这些关系在普通表里都不存在，而它们恰恰是这份数据值得上地图的全部理由。
矢量与栅格
你会遇到的东西，几乎都落在两种表示方式之一里。
| 矢量 | 栅格 | |
|---|---|---|
| 结构 | 带属性的点、线、面 | 由网格单元构成，每个单元存一个值 |
| 适合表达 | 离散事物：门店、道路、边界 | 连续场：高程、密度、温度 |
| 精度 | 精确坐标 | 受单元大小限制 |
| 常见格式 | GeoJSON、Shapefile、GeoPackage | GeoTIFF、COG、NetCDF |
| 文件体积 | 随要素数量增长 | 随分辨率与范围增长 |
这个选择不是审美问题。热力图必须是栅格，因为密度是连续的；硬塞进多边形，等于给一个本来没有边界的现象强加边界。一批门店必须是矢量，因为每家店都是带属性的离散对象；栅格化会把除位置以外的一切都丢掉。
坐标参考系，以及所有人都会犯的那个错
坐标参考系定义了那串数字到底是什么意思。EPSG:4326，也就是以度为单位的经纬度，是数据交换的默认选择，同时也是几乎所有计算的错误选择。
- EPSG:4326 —— 以度为单位的经纬度。用于存储与交换，不用于测量。
- EPSG:3857 —— Web Mercator。用于渲染切片地图。离赤道越远，面积失真越严重。
- UTM 分带 —— 以米为单位，在同一分带内精度可靠。城市与区域级分析的稳妥默认值。
- 各国国家坐标系 —— 在单一国家内作业、且要与官方数据对齐时，这才是正确答案。
- 等积投影 —— 只要涉及跨大区域的面积比较或密度计算，就必须用。
拓扑：你看不见的那类错误
几何对象可以看起来完美无缺，结构上却是坏的。边界自相交的多边形照样能正常渲染，但算出来的面积毫无意义。两个相邻的行政区如果重叠了半米，那条细缝里的每个点都会被重复计入。一条看起来连通的路网，可能在某个路口有两个相距 2 厘米的端点，而这足以让路径规划引擎认为这个路口过不去。
-- Find invalid geometry and why it is invalid
SELECT id, ST_IsValidReason(geom)
FROM boundaries
WHERE NOT ST_IsValid(geom);
-- Find overlapping neighbours that should only share edges
SELECT a.id, b.id, ST_Area(ST_Intersection(a.geom, b.geom)) AS overlap
FROM boundaries a
JOIN boundaries b ON a.id < b.id AND ST_Overlaps(a.geom, b.geom);这些检查要在分析之前跑，而不是等结果看起来不对再跑。前期在校验上多花一个小时，后面能省下好几个小时——省下的是为一个谁都复现不出来的数字做解释的时间。
地理空间数据从哪里来
- 国家测绘与统计机构：行政边界、地址、人口普查属性。权威，通常免费，但用起来往往别扭。
- 开放协作地图：道路、建筑、POI，全球都有覆盖，但密度不均。只要针对你关心的区域做过校验，质量相当好。
- 商业数据商：多国覆盖一致，需要授权，价格也随之而来。
- 遥感：卫星与航空影像，以及由影像派生出来的一切。
- 自行采集的数据：网页来源、传感器，以及你自己业务系统里做过地理编码的数据。
一个靠得住的起点
如果你正要开始一个空间项目，在做别的事之前先做这四件：明确写出每一份输入数据的坐标系；校验所有几何对象；确定用哪个投影坐标系来做测量；记录每一个图层的数据年份。这听着像官僚流程，但它决定了你的分析能不能过评审。