GIS行业的架构
GIS从应用的角度,是由硬件、软件、数据、人员和方法五部分组成。
硬件主要包括:
-
计算机和网络设备
-
存储设备
-
数据输入,显示和输出的外围设备等等。
软件主要包括:
-
操作系统软件
-
数据库管理软件
-
系统开发软件
-
GIS 软件,等等。
硬件和软件为地理信息系统建设提供环境;方法为GIS建设提供解决方案。
但是数据是GIS不可或缺的重要组成部分;
人员则是系统建设中的关键和能动性因素,直接影响和协调其它几个组成部分。
数据有多重要?
数据是GIS的重要内容,也是GIS系统的灵魂和生命。没有数据的支撑,GIS没有实现应用的基础,这也是为什么GIS需要和遥感、测绘、数据处理等相结合;也需要众多数据处理人员来加工这些数据,变成能投入使用的内容。
数据组织和处理是GIS应用系统建设中的关键环节,涉及许多问题:
-
应该选择何种(或哪些)比例尺的数据?
-
已有数据现势性如何?
-
数据精度是否能满足要求?
-
数据格式是否能被已有的GIS软件集成?
-
应采用何种方法进行处理和集成?
-
采用何种方法进行数据的更新和维护。
自动化处理数据多久能取代人?
关于这个问题,主要有两种观点,其中一种认为目前自动化数据采集和处理很难取代人。
观点1:
主要原因有下:
1、目前各行各业中的人工智能或机器人应用,只能处理一些最基本的重复性工作,而一旦涉及到需要分析和变通的部分,人工智能仿佛变得“智障”。
2、考虑到成本问题,自动化处理想要降低错误率,就要非常高的精度,这种技术的研发成本是非常高的。
反过来看人工处理数据的成本,目前招聘一个数据处理专员,也就4-6K的平均工资,不同城市可能有所差异,但总体来说,企业更愿意花费人力成本去招聘。
观点2:
另外一个观点认为,短期内,随着技术的发展,自动化处理数据的精度和应用成本变低;再随着越来越多的GIS专业学生不愿意做数据处理工作。有朝一日,地理数据处理完全可以被自动化取代。
主要原因如下:
1、就是前面咱们说到的,自动化处理数据的精度和应用成本随着技术发展而降低,而GIS专业学生对数据处理工作的兴趣减少,预示着未来地理数据处理可能会被自动化取代。
2、人工智能和机器人在各行各业中只能处理一些基本的重复性工作,但随着近些年来AI技术的突破,自动化处理数据的能力将逐步增强。
目前,只要地理数据处理的流程和场景模型逐步完善,自动化处理的精度完全可以替代人类。
3、测绘地理信息技术与新技术如大数据、云计算、人工智能的融合,正在催生新产品、服务和业态,比如人工智能技术,如机器人、语言识别、图像识别、自然语言处理等,预计将对测绘地理信息科技发展带来颠覆性影响。《中国测绘》2021年第8期就有提到,龚健雅院士预测,未来70%的测绘工作可能被人工智能取代。
4、我国GIS技术已经经历了好几个发展阶段,现在已经到了智能测绘时代,这个时代特别强调地理信息的实时服务和数据采集的多样化。技术融合方面,比如通过大数据分析交通状况,或者用AI来识别路标等,都是地理信息技术和人工智能结合的例子。
无论机器是否会取代人类,如何取代人类,我们都应该方平心态。
往好处想,即便GIS数据采集自动化代替了人工采集,这意味着GIS人才不需要从事辛苦的户外采集工作。
并且,随之而来的会有很多新的岗位,自动化发展也会催动相应自动化人才的缺口,比如自动化数据采集的操作人员、分析人员和优化人员等。
当然,想要应对科技的发展,能做的就是终身学习,提升自己的技能,不断完善自己的短板,应对即将到来的技术革新浪潮。
比如学习webgis开发,就是一项提升个人竞争力的方法。
以下是一些帮助大家提升个人竞争力的举措:
1、基础知识:
首先,需要有扎实的GIS基础知识,了解地理信息系统的工作原理、空间数据的管理和分析等。
2、编程技能:
学习至少一种编程语言,如JavaScript、Python或Java,这些都是WebGIS开发中常用的语言。
3、Web技术:
熟悉Web开发的相关技术,包括HTML、CSS和JavaScript等前端技术,以及可能用到的后端技术如Node.js等。
4、GIS软件和库:
学习和使用主流的GIS软件(如ArcGIS、QGIS)和JavaScript库(如Leaflet、OpenLayers、Mapbox GL JS Cesium GL JS)进行地图制作和空间分析。
5、云计算和大数据:
了解云计算平台(如AWS、Azure、Google Cloud)和大数据处理工具(如Hadoop、Spark),这些技能在处理大规模空间数据时非常有用。
人工智能和机器学习:随着AI和ML在GIS中的应用日益增多,了解这些技术及其在地理空间数据分析中的应用也是一个加分项。
6、考证和比赛:
考虑获得GIS相关的专业证书,或比赛,这可以证明你的专业技能和知识;比赛赢得的奖项也可以为你后续考研和就业助力。
7、实践经验:
通过实际项目来提升技能,可以是工作项目、个人兴趣项目或参与开源项目。
8、社群学习:
加入专业社群,如GIS相关的论坛、GIS开发学习小组,与同行交流学习。