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 *** 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。
添加微信好友, 获取更多信息
复制微信号
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 *** 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。
来源：开源地理空间基金会中文分会
来源链接：https://www.osgeo.cn/post/16bd3
本站声明:网站内容来源于 *** ,如有侵权,请联系我们,我们将及时处理。
