
大数据时代 测绘地理信息如何服务发展
1、精心打造测绘地理信息数据平台
为了让测绘地理信息更好地服务大局、服务社会、服务民生,“十二五”期间,国家测绘地理信息局举全行业之力,全力打造了数字城市、天地图、地理国情普查和监测等测绘地理信息平台,极大地丰富了我国基础地理信息数据资源,为我国大数据战略实施夯实了测绘地理信息基底。
到2015年底,国家测绘地理信息局在全国所有333个地级市和476个县级市全面开展了数字城市建设,建成应用系统5600多个,建设成果在30多个领域、众多部门以及大众生活中得到广泛应用,有力提高了我国城市管理工作的科学化、精细化水平,成为各部门科学管理决策的重要工具、城市信息化建设的基础平台、提高人民生活质量的得力帮手以及展示城市形象的靓丽名片。
天地图(www.tianditu.cn),作为中国区域数据资源最丰富最权威、具有自主知识产权的在线地图服务网站,自2011年开通以来,已有200多个国家和地区的数亿人次访问,广泛服务于国家电子政务、不动产统一登记、防灾减灾等领域,成为方便群众的服务平台、产业发展的基础平台、政府服务的公益平台、国家安全的保障平台,受到社会各界的广泛赞誉,其社会影响力和国际影响力日益扩大。
2013年2月,国务院部署了第一次全国地理国情普查,这是新中国首次全面、客观、翔实摸清我国地理国情国力信息的重大工程,旨在揭示我国自然资源、生态环境和人文要素的空间分布及相互关系。这既是一次对全国测绘地理信息行业管理能力、创新能力、技术能力的全面检阅和重要考验,也是促进测绘地理信息技术体系、管理方式和服务模式全面转型、升级发展的重要机遇。
近3年来,全国5万余名测绘技术人员奔赴祖国各地,从繁华都市到偏僻山村,从深山密林到沙漠戈壁,从雪域高原到江南水乡,地毯式采集神州大地的自然和人文地理要素数据信息,以完成全覆盖、无缝隙、高精度的普查数据生产;建成全国地理国情数据库,构建基于不同目标用途的地理国情服务系统;编制地理国情普查系列成果,直观、形象、客观地反映地理国情资源分布、生态保护、区域经济发展、社会民生等信息;综合其他自然资源和经济社会发展信息,进行大数据挖掘,科学分析我国人地关系协调程度和资源环境承载能力与发展潜力,促进科学管理决策,服务生态文明建设。
当前,普查工作已进入收尾阶段,中国最精准的“地理国情图”按计划将于2016年全面完成。按照“边普查,边监测,边应用”的总体要求,测绘地理信息部门还积极推进普查成果应用和开展地理国情监测,取得了如京津冀一体化发展、三江源生态保护区管理、沿海滩涂变化、三峡地区地质环境变化、国家级新区建设变化等一批地理国情监测成果,在服务科学管理决策、生态文明建设、“多规合一”、应急救灾和反恐维稳等工作中发挥了重要作用。
2、地理信息数据就在公众身边
当地震、滑坡、泥石流、台风等重大自然灾害发生的时候,总有应急测绘队伍第一时间出现在现场,获取灾区遥感影像和地理信息,为抢险救灾提供快速、优质的服务;当各级领导进行宏观决策时,各类专题地图、领导工作用图和空间辅助决策系统便会及时出现、大显身手;当各行各业进行规划布局、开展工程建设时,开放、共享的测绘地理信息大数据是不可或缺的重要支撑;当旅游观光客初到一地、打开手机地图时,食、住、行、娱、购等各类信息一目了然。
所有这一切,都离不开测绘地理信息,都凝聚着测绘地理信息人的智慧和奉献。“一带一路”、京津冀协同发展、长江经济带等国家重大战略实施,上海世博会举办、APEC会议召开、抗战胜利70周年大阅兵、冬奥会申办等重点工作推进,南水北调、西气东输、西电东送、港珠澳大桥、“神舟”飞天等重大工程建设,玉树地震、舟曲泥石流、北京特大暴雨、海南台风、陕西山阳滑坡、深圳滑坡等突发事件应急处理,都有测绘地理信息工作者的拼搏和奉献;第三次经济普查、第二次土地调查、极地科考、环境治理、不动产统一登记等各个领域,也少不了及时高效的测绘地理信息保障。还有丰富多彩的政区、交通、旅游、生活和文化创意类地图,无处不在、方便快捷的手机地图、车载导航地图、互联网地图,给大众生活带来实惠和便利……
与此同时,测绘地理信息部门大力推进基础地理信息资源开放共享,通过加强与国务院有关部门的合作共赢、与军队测绘部门的融合发展、与地方政府的共建共享,测绘地理信息应用正向更深层次、更广领域扩展,测绘地理信息事业正迸发出更大活力、潜力和创造力。
这一切背后,都源于测绘地理信息的坚实支撑。“服务大局、服务社会、服务民生”的宗旨已深刻融入测绘地理信息人的血脉。
3、地理信息数据是重要的生产力
2014年9月22日,联合国气候峰会在纽约召开。中国政府将全球30米分辨率地表覆盖数据与国际社会分享。
这份厚礼,凝聚着国家测绘地理信息局与多个部委500余位科技工作者的智慧与汗水,是全球地理信息资源建设的重要成果,对于人类认知全球自然资源与环境,监测资源、环境与气候变化,服务2030可持续发展议程具有重要意义。
测绘地理信息数据就是生产力:年均增长25%,产值3000亿元,从业单位3万余个,上市企业38家,从业人员60万人……我国地理信息产业在“十二五”期间交出的这份答卷令人眼前一亮。
2014年,地理信息产业被国务院确定为战略性新兴产业,《国务院办公厅关于促进地理信息产业发展的意见》出台,发改委、科技、教育、工信、税务等部门明确提出支持举措,22个省(区、市)政府出台配套政策文件,为地理信息产业发展营造了有利政策环境。通过政策支持、放宽准入、数据开放、项目驱动、公平市场等举措,地理信息产业逆势上扬,规模、质量、效益快速提升,一批具有国际竞争力的龙头企业和充满活力的中小型企业勇当助推地理信息产业发展的主角,互联网地图、导航电子地图、手机地图及各类便携式移动定位服务蓬勃兴起,基于地理信息的新型应用和服务成为大众创业、万众创新的重要领域,为国家稳增长、促改革、惠民生、防风险发挥了积极作用。
4、《地图管理条例》规范地理信息使用
国务院日前颁布出台了《地图管理条例》,自2016年1月1日起施行。条例遵循“推进地理信息规范监管和广泛应用”的总要求,坚持维护国家主权、保障地理信息安全、方便群众生活的原则,放管结合促进地理信息产业健康发展。
条例有很多新规定,比如鼓励编制和出版符合标准和规定的各类地图产品,支持地理信息科学技术创新和产业发展,鼓励和支持互联网地图服务单位开展地理信息开发利用和增值服务。各级政府应建立健全政府部门间地理信息资源共建共享机制,加强对互联网地图服务行业的政策扶持。测绘地理信息部门应及时获取、处理、更新基础地理信息数据,通过地理信息公共服务平台向社会提供公共服务。
条例还规定:下放部分地图审核权,明确地图编制标准,加强重点环节监管,通过地图审核、保密技术处理、数据安全监管等方式保障国家地理信息安全。
回首“十二五”,国家测绘地理信息局通过打造测绘地理信息平台,创新测绘地理信息公共产品和公共服务,大力发展地理信息产业,推动测绘地理信息事业以崭新的姿态奋战在经济建设主战场。新的“十三五”时期,测绘地理信息部门将紧密围绕国家改革发展大局,深入贯彻落实创新、协调、绿色、开放、共享五大发展理念,加快实施“加强基础测绘,监测地理国情,强化公共服务,壮大地信产业,维护国家安全,建设测绘强国”的发展战略,着力推动测绘地理信息应用,为国家大数据战略实施贡献应有力量,为经济社会科学发展作出新的贡献。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
R 语言:数据科学与科研领域的核心工具及优势解析 一、引言 在数据驱动决策的时代,无论是科研人员验证实验假设(如前文中的 T ...
2025-09-08T 检验在假设检验中的应用与实践 一、引言 在科研数据分析、医学实验验证、经济指标对比等领域,常常需要判断 “样本间的差异是 ...
2025-09-08在商业竞争日益激烈的当下,“用数据说话” 已从企业的 “加分项” 变为 “生存必需”。然而,零散的数据分析无法持续为业务赋能 ...
2025-09-08随机森林算法的核心特点:原理、优势与应用解析 在机器学习领域,随机森林(Random Forest)作为集成学习(Ensemble Learning) ...
2025-09-05Excel 区域名定义:从基础到进阶的高效应用指南 在 Excel 数据处理中,频繁引用单元格区域(如A2:A100、B3:D20)不仅容易出错, ...
2025-09-05CDA 数据分析师:以六大分析方法构建数据驱动业务的核心能力 在数据驱动决策成为企业共识的当下,CDA(Certified Data Analyst) ...
2025-09-05SQL 日期截取:从基础方法到业务实战的全维度解析 在数据处理与业务分析中,日期数据是连接 “业务行为” 与 “时间维度” 的核 ...
2025-09-04在卷积神经网络(CNN)的发展历程中,解决 “梯度消失”“特征复用不足”“模型参数冗余” 一直是核心命题。2017 年提出的密集连 ...
2025-09-04CDA 数据分析师:驾驭数据范式,释放数据价值 在数字化转型浪潮席卷全球的当下,数据已成为企业核心生产要素。而 CDA(Certified ...
2025-09-04K-Means 聚类:无监督学习中数据分群的核心算法 在数据分析领域,当我们面对海量无标签数据(如用户行为记录、商品属性数据、图 ...
2025-09-03特征值、特征向量与主成分:数据降维背后的线性代数逻辑 在机器学习、数据分析与信号处理领域,“降维” 是破解高维数据复杂性的 ...
2025-09-03CDA 数据分析师与数据分析:解锁数据价值的关键 在数字经济高速发展的今天,数据已成为企业核心资产与社会发展的重要驱动力。无 ...
2025-09-03解析 loss.backward ():深度学习中梯度汇总与同步的自动触发核心 在深度学习模型训练流程中,loss.backward()是连接 “前向计算 ...
2025-09-02要解答 “画 K-S 图时横轴是等距还是等频” 的问题,需先明确 K-S 图的核心用途(检验样本分布与理论分布的一致性),再结合横轴 ...
2025-09-02CDA 数据分析师:助力企业破解数据需求与数据分析需求难题 在数字化浪潮席卷全球的当下,数据已成为企业核心战略资产。无论是市 ...
2025-09-02Power BI 度量值实战:基于每月收入与税金占比计算累计税金分摊金额 在企业财务分析中,税金分摊是成本核算与利润统计的核心环节 ...
2025-09-01巧用 ALTER TABLE rent ADD INDEX:租房系统数据库性能优化实践 在租房管理系统中,rent表是核心业务表之一,通常存储租赁订单信 ...
2025-09-01CDA 数据分析师:企业数字化转型的核心引擎 —— 从能力落地到价值跃迁 当数字化转型从 “选择题” 变为企业生存的 “必答题”, ...
2025-09-01数据清洗工具全景指南:从入门到进阶的实操路径 在数据驱动决策的链条中,“数据清洗” 是决定后续分析与建模有效性的 “第一道 ...
2025-08-29机器学习中的参数优化:以预测结果为核心的闭环调优路径 在机器学习模型落地中,“参数” 是连接 “数据” 与 “预测结果” 的关 ...
2025-08-29