企业官网建设流程全解析

简介：这份全国GIS应用水平考试题库面向备考GIS应用水平考试的学生与从业人员，也适合高校地理信息相关课程复习使用，帮助梳理GIS基础概念与核心考点。题库以名词解释和填空题为主线，覆盖GIS定义、地理信息与地理数据特征、空间数据结构、矢量与栅格结构、属性数据编码、数据文件与数据库模型、数据采集与处理、空间内插与叠置分析、DSS与空间决策支持等知识点，题面完整、术语规范，便于对照教材逐章自测与查漏补缺。资源包共1个docx文件，约23KB，轻量易取，可直接打印或导入笔记软件使用。目前已有1759人学习下载，适合需要系统过一遍GIS基础理论、强化名词与填空记忆的备考者。

1. 地理信息系统到底是什么：从一张会“说话”的地图说起

你打开手机地图查路线，它不光告诉你往哪走，还能算出哪条路最堵、附近哪家店评分最高——这背后站着的，就是地理信息系统，英文缩写 GIS。通俗地说，GIS 是一套把地理空间数据采集进来、存好、分析、再画给人看的技术系统。它和普通电子地图最大的不同在于：普通地图只负责“展示”，GIS 还要负责“计算”和“回答”。打个比方，普通地图是一张印好的照片，GIS 则是一台能对照片提问的机器——你问它“这条规划路两侧五十米内有多少栋楼”，它能给你数出来。搞懂 GIS，等于搞懂现代城市管理、资源调查、灾害评估背后那套共同的“空间思维语言”，这也是为什么全国 GIS 应用水平考试会把它作为整个知识体系的起点。

2. 地理数据为什么特殊：空间、时间、属性三只脚

2.1 地理数据的三重身份

要理解 GIS，先得理解它吃进去的“粮食”——地理数据。地理数据不是随便一堆数字，它天生带着三个基本特征：空间特征、时间特征和属性特征。空间特征说的是“在哪里”，时间特征说的是“什么时候是这样”，属性特征说的是“它是什么、有多少”。打个比方，一条河流的数据里，“流经哪几个坐标点”是空间特征，“今年汛期水位”是时间特征，“河宽多少米、水质几类”是属性特征。三者缺一，这条河在 GIS 里就站不住脚。

这也解释了为什么 GIS 里的数据和普通表格数据不是一回事。普通表格里一行记录只回答“是什么”，GIS 里一行记录必须同时回答“在哪里、是什么、什么时候”。所以地理数据通常被拆成几何数据（管位置和形状）、关系数据（管拓扑连接）和属性数据（管具体数值）三块来存。初学者容易把这三块混成一锅粥，结果一画图就发现位置对不上属性，这就是没分清数据身份的血泪教训。

2.2 矢量与栅格：两种看世界的眼光

GIS 里最常被问到的概念对，就是矢量结构和栅格结构。矢量结构把地物看成点、线、面，用坐标串来描述，特点是定位明显、存储空间小、查询速度快；栅格结构把地面切成一个个小方格，每个格子填一个值，特点是定位隐含、存储空间大、查询速度慢。打个比方，矢量像用笔画轮廓，栅格像用马赛克拼图。

这两种结构没有绝对优劣，只有场景匹配。要算道路长度、统计地块面积，矢量结构更顺手；要做坡度分析、洪水淹没模拟，栅格结构更自然。考试里常考的“直线矢量数据转栅格”有中心点法和面积占优法，“栅格转矢量”则要经过边界提取、线划跟踪、拓扑关系生成等步骤。这些转换方法的名字听着玄学，本质都是在回答一个问题：当世界从“画线”变成“填格子”，哪些信息必须保住，哪些可以近似。

提示：判断用矢量还是栅格，先问自己一句——我要的是精确边界，还是连续表面的趋势？边界优先选矢量，趋势优先选栅格。

2.3 拓扑关系：地图里的“邻里关系”

拓扑结构是 GIS 里最容易被低估的概念。它不关心具体坐标，只关心谁挨着谁、谁包含谁、谁和谁相连。拓扑邻接说的是两个多边形共享一条边，拓扑包含说的是一个多边形落在另一个里面（比如湖中岛），拓扑关联说的是弧段和多边形之间的连接关系。打个比方，拓扑就像小区里的邻里关系表：张三和李四共用一个院墙，王五家住在小区里面——这张表不记录每家具体门牌号，但能快速回答“谁和谁挨着”。

建立拓扑关系的应用价值很实在：它能让你在数据有微小误差时依然做出正确的邻接判断，也能让面积统计、路径分析、叠置分析跑得更快。很多初学者以为拓扑是“画图时自动生成的附属品”，其实它是空间分析的地基。地基没打好，后面做缓冲区分析、多边形叠置，结果就会莫名其妙地翻车。

3. 数据从采集到入库：一条数据的完整旅程

3.1 数据采集与处理：把现实搬进电脑

GIS 数据采集，指的是把各种地理信息通过某种记录方式，经过处理，变成系统能存储和分析的形式。采集方式有手工方式、数字化仪方式、扫描方式、影像提取方式等。采集进来只是第一步，后面还有一长串处理：平面坐标变换、空间数据压缩、空间数据类型转换、数据提取等。地图扫描数据的后续处理尤其琐碎，包括去噪、断线修复、符号识别和属性赋值，每一步都是在跟现实世界的“不规整”较劲。

数据处理的意义在于，原始采集数据往往带着各种毛病：坐标不统一、线条断裂、属性缺失。不处理就直接入库，后面分析出来的结果就是垃圾进、垃圾出。数据压缩也是这个道理，根本目的就两条：节省存储空间、节省传输时间。曲线矢量数据常用道格拉斯-普克法压缩，面域栅格数据则通过消除数据冗余来瘦身。这些方法的名字不用死记，记住它们都在做同一件事——在保住精度的前提下，把废话删掉。

3.2 数据库与 DBMS：数据的集体宿舍

数据量一大，就得请出数据库。数据库是以一定组织形式存储在一起的、互相有联系的数据集合，它的存放有几条硬要求：一致性原则、数据共享原则、数据安全原则、数据备份原则。打个比方，数据库就像一栋管理严格的集体宿舍，每个人（数据）有固定床位，进出有登记，不能随便串门改别人东西。DBMS 就是这栋宿舍的宿管系统，负责数据的定义、操纵、维护和控制。

数据库模型是这栋宿舍的户型图，常用的有关系模型、层次模型和网状模型。关系模型用二维表表达数据，层次模型像一棵倒长的树，网状模型则允许更复杂的多对多连接。GIS 里选哪种模型，取决于问题的复杂度和所表达空间关系的形式。这里有个常见误区：很多人以为关系模型就是“最好的”，其实它只是最通用的；当空间关系特别复杂时，网状模型反而更贴合。数据库的系统结构一般分三级，对应外模式、模式和内模式，这套分级思想说白了就是：让不同的人看到不同的数据视图，同时保证底层数据只有一份。

3.3 空间分析与决策支持：让数据开口说话

数据存好了，真正的重头戏是空间分析。缓冲区分析是围绕地物画一圈“影响范围”，空间叠置是把两层地图叠在一起找交集，空间聚合是把细粒度数据归并到粗粒度单元。这些操作听起来抽象，落到例子上就很具体：城市道路要拓宽，向两侧平均拓宽，部分位于拆迁区内的十层以上建筑不拆——用 GIS 做拆迁指标计算，就是先做道路缓冲区，再和建筑图层叠置，最后按层数条件筛选。步骤清晰，但每一步的参数设置都会影响最终数字。

再往上一层是决策支持系统，也就是 DSS。它主要解决半结构化决策问题，特点是面向决策者、强调模型和用户交互、强调灵活的处理方式。DSS 由对话系统、模型系统、数据库系统等子系统构成。GIS 和 DSS 结合，就形成了空间决策支持，用来回答“厂址选在哪里合适”这类问题——考虑土地利用现状、地形坡度、人口密度和自然保护区，本质上是把多个栅格图层按权重叠置，再筛出适宜区域。这套流程不神秘，但每个因素的权重怎么定，往往需要反复试算，这也是 GIS 分析里最考验判断力的地方。

4. 几个最容易搞混的概念：别在名词上栽跟头

4.1 信息与数据：内容和载体不是一回事

易混点：把信息和数据当成同义词。为什么混：日常说话里两者经常互换，但在 GIS 里它们是内容和载体的关系。怎么区分：数据是信息的具体表现形式，是载体；信息是数据经过解释后有意义的内容。同样的数字“30”，放在温度字段里是气温，放在人口字段里是人数——数据没变，信息变了。考试里问“信息和数据的区别与联系”，答的就是这层关系。

4.2 地理系统与 GIS：研究对象和工具不是一回事

易混点：以为地理系统就是 GIS。为什么混：两个词都带“地理”，读起来像一家人。怎么区分：地理系统是客观存在的、由各种地理要素相互作用构成的现实系统，是研究对象；GIS 是研究这个对象的技术系统，是工具。打个比方，森林是地理系统，研究森林的遥感监测软件是 GIS。搞清楚这层，才能理解为什么说“地理系统是 GIS 的科学依据”。

4.3 矢量结构与栅格结构：别把特点记反

易混点：把两种结构的特点张冠李戴。为什么混：两者特点正好相反，死记硬背容易串。怎么区分：抓住“定位”这个词。矢量结构定位明显，因为坐标直接写在数据里；栅格结构定位隐含，因为位置要靠行列号推算。由此推出存储和查询的差异：矢量省空间、查询快，栅格费空间、查询慢。记住一个锚点，其余顺推，比背整段话靠谱。

4.4 拓扑邻接、包含、关联：三种关系别搅在一起

易混点：把拓扑的三种关系混为一谈。为什么混：都叫拓扑，名字又相近。怎么区分：邻接是“共享边界”，包含是“一个在另一个里面”，关联是“弧段和多边形的连接”。用小区打比方：两家共用院墙是邻接，你家在小区里面是包含，你家门牌挂在某条路上是关联。做题时先问“这两个要素之间是挨着、套着、还是连着”，答案就出来了。

4.5 结构化、半结构化、非结构化决策：按可描述程度分

易混点：以为决策类型是按难度分的。为什么混：直觉上越难越“非结构化”。怎么区分：西蒙的划分依据是决策的可描述程度，不是难度。结构化决策能事先把规则写清楚，半结构化只能写一部分、留一部分靠人判断，非结构化则几乎无法预先描述。DSS 主攻的是半结构化，这个定位很关键——它既不是全自动，也不是全凭拍脑袋。

5. 什么时候该用 GIS 思维，什么时候别硬套

GIS 不是万能锤子，认清边界比背熟定义更有用。适合用的场景很明确：只要问题里带着“在哪里”“离多远”“叠在一起会怎样”这类空间追问，GIS 就能派上用场。城市拆迁指标计算、工业厂址适宜性分析、洪水淹没范围估算、土地利用动态变化分析，都是典型例子。这类问题的共同点是：有空间位置、有多层数据、需要按规则叠加筛选。用 GIS 做，流程可复现，结果可解释。

不适合硬套的情况同样清楚。如果问题根本没有空间维度，比如单纯统计某类属性的总量，用普通数据库查询就够了，硬上 GIS 只会增加复杂度。如果数据精度本身撑不起分析结论，比如用粗分辨率栅格去判断单栋建筑是否拆迁，那再漂亮的模型也是自欺欺人。还有一种常见翻车：把 GIS 当成“自动出结论”的黑匣子，权重随手一设，结果看着像模像样，实际经不起追问。GIS 输出的是基于假设的推演，不是真理。

我自己的习惯是，每次动手做空间分析前，先强制走一遍“三问”：这个问题真的需要空间计算吗？我的数据精度够不够支撑这个判断？我的权重和规则能不能说清楚？三问里有一问答不上来，就先停下来补课，而不是急着跑模型。这套习惯帮我省掉了不少返工。希望帮到你。

本文还有配套的精品资源，点击获取