GIS
已经深入到各行业的应用中，从最早面向制图的系统发展到桌面GIS，随着互联网的发展，出现了WEBGIS，并得到了迅速发展，近年来，智能手机的普及，
嵌入式GIS正成为一种新的客户终端，将被广泛应用到各行业中，硬件性能的提升，三维GIS也逐步被重视起来；同时，随着数据库系统的广泛应用，GIS数
据管理，也从文件系统发展到空间数据库系统；从基础理论研究的角度来讲，时态GIS、空间数据挖掘、自动制图综合等一直是GIS中最难解决的核心课题，吸
引很多科研人员不断在这一领域辛勤耕耘。下面重点谈几个研究方向。
一、 空间数据库
一提到“空间数据库”，大家就会想到oracle spatial、arcsde、SuperMap SDX+ 等，实现了GIS图形数据的数据库存储和管理，但仅仅有这些，还不能称其为“空间数据库”，下面列举几点，说明“空间数据库”还需要研究的方向：
1，
空间数据的完整性。这个问题没有得到很好的解决。所谓“完整性”，就是数据的正确性和一致性，在关系型数据库中，有“实体完整性”、“参照完整性”、“用
户自定义完整性”；在空间数据库中，语义层面的空间数据的正确性和一致性，就很难界定，它要比关系型属性数据复杂得多。打个比方，一条道路横跨一条河流，
必然经过一座桥，而如果不经过，就必然违背了空间数据的正确性，也就是说“不完整”。这只是一个很简单的例子，类似于这样的空间语义关系，是需要空间数据
库提供“用户自定义完整性约束”，以保证空间数据的完整性；但目前所谓的“空间数据库”还很难保证这一点，arcsde能从“图形”层面保证几何规则的完
整性，但还很难从语义层面保证空间语义的完整性。
2， 空间查询的执行效率。一个带有空间和属性的混合查询，是先进行空间查询，再进行属性查询，还是反过来，先进行属性查询，再进行空间查询，还是多个步骤交错进行，这是一个值得思考的问题，怎样作查询效率才更高？
3，
空间数据的物理存储。物理存储，关系到空间数据添加删除修改的性能，而目前，空间数据是以二进制对象或字符等形式，交给关系型数据库来管理的，屏蔽了物理
层的存储细节，粒度较大；同时，空间聚簇与数据更新存在矛盾，如果这些问题交给关系型数据库来处理，还很难得到较好的解决，需要单独针对空间数据实现物理
存储的管理。
以上三点表明，不是空间数据存储在数据库里，实现数据的共享，就是所谓的“空间数据库”，总体上来说，“空间数据库”还不成熟，这一领域还有许多值得探讨的地方。
二、 时态GIS
现在的GIS，属于“静态GIS”，只描述了地理空间在某一时间片上的状态，而地理空间状态是随着时间在不断改变的，为了描述这种动态变化的过程，“时态
GIS”应运而生，就是加入“时间维”来刻画这种动态性，地理空间状态State是时间Time的函数State=F(Time)，输入时间点
Time1，经过F函数的映射得到空间状态State1。有了这样一种本质的抽象，下面我们来探讨一下“时空模型”的建立。
既然地理空间状态State是时间Time的函数State＝F(Time)，假设输入不同的时间点Time1、Time2，我们得到的状态
State1、State2，假设State1≠State2，表明空间状态发生了改变，那么相对应的“空间索引”也发生了改变，即State1状态下的
空间索引SpatialIndex1≠State2状态下的空间索引SpatailIndex2。由此，我们将问题转化为
“空间索引SpatialIndex是时间Time的函数SpatialIndex=G(Time)”,所以，对事件发生的时间片建立一维索引，并在每个
时间片上存储不同的空间索引，也就是所谓的“时空索引”，如果事件发生的时间间隔比较短，每个时间片上都建立完整的空间索引，会造成时间片之间的空间索引
的冗余，为此，可以设定一个的时间片跨度，在跨度之内的时间片上的空间索引采用增量方式，在跨度之上的时间片上，保存一次完整的空间索引。这样，两个时间
片跨度之间，空间索引的合并，工作量并不是很大，可以很好地控制空间索引的冗余。“时态GIS”是要保存所有时间片上状态的空间数据，采用以上模型，可以
很好地控制空间数据在不同时间片上存储相同空间数据所带来的冗余。下一步考虑空间数据的存储，存储策略决定着空间数据的存取性能，再下一步，就是“时空分
析”，有了时间维，就可以看出地理空间状态演化的过程，为探索空间演化的机理、预测未来发展的趋势打下了基础，时空序列分析，极大地丰富了空间数据挖掘的
内涵。
“时态GIS”，比现在“静态GIS”前进了一大步，更符合现实世界，实用价值更大，但真正实现还有很多的困难，以上只是作者关于“时空模型和时空索引”
的一种观点，还有很多需要细化的地方，对于“时态GIS数据存储”、“时空分析”、“时间序列挖掘”还有很多方向有待进一步探讨。总之，“时态GIS”是
未来GIS发展重要的研究领域之一。
三、空间数据挖掘
空间数据挖掘，就是从空间数据集中抽取出隐含的、有价值的信息的过程，它源于空间统计、空间分析、机器学习和数据库技术。空间数据不同于其他数
据，比如空间自相关性，即性质相似的对象在地理空间分布上聚集，找出这种某种性质与空间分布的关系，便于找出某种现象背后的本质规律。目前常用的空间数据
挖掘方法有空间聚类、空间分类、关联规则、奇异点挖掘等，实现也有很的理论和技术手段。空间数据挖掘是目前GIS领域最时髦的词，是从时空数据中获得信息
的更高级的手段，开辟了GIS更高的研究领域。
此外，“自动制图综合”是地图学家梦寐以求的目标，目前在这一领域，已经实现了半自动化的程度，离全自动还有很长的路要走，随着人工智能等技术的不断进步，“自动制图综合”也会得到更进一步的发展，将带动整个GIS研究上一个更高的水平。