چهره در حال تغییر GIS

مقاله ای از نیکولاس داگن، 2023

حوزه آژانس های نقشه برداری در حال تحول اساسی است، از یک دستور نقشه برداری اساسی به ارائه خدمات و راه حل های دیجیتال به همه ذینفعان خود هستند.

تاریخچه اولیه GIS

برخی از نقشه سازان اولیه از تمدن های باستانی یونانی ها و رومی ها بودند. آنها از نمادها و نقشه های اساسی برای توصیف عناصر جغرافیایی استفاده کردند، در حالی که نقشه هایی را برای ناوبری و تعیین مرزهای سرزمینی ترسیم کردند. این نقشه های اولیه تا حد زیادی برای دستیابی به اهداف عملی مانند تجارت، مالیات و جنگ مورد استفاده قرار گرفتند. یونانیان باستان نقشه هایی از ایالت-شهرها و مستعمرات خود تهیه می کردند، در حالی که رومیان باستان از نقشه هایی برای عملیات نظامی و نقشه برداری و اندازه گیری زمین برای جمع آوری مالیات استفاده می کردند.
نقشه‌های قرون وسطی که با دست طراحی شده و با دقت نقاشی شده‌اند، عمدتاً در خدمت اهداف نظامی بودند. این نقشه ها برای برنامه ریزی استراتژیک مورد استفاده قرار می گرفتند و به اندازه نقشه هایی که یونانیان و رومیان باستان ساخته بودند دقیق نبودند. در دسترس بودن گسترده نقشه ها برای استفاده در ناوبری و تجارت را می توان به استفاده از ماشین چاپ در قرن 15 نسبت داد. این پیشرفت به انتشار اطلاعات کمک کرد. این زمانی است که نقشه ها برای اولین بار برای اهداف علمی و آموزشی مورد استفاده قرار گرفتند. در قرن‌های 16 و 17، نقشه‌برداری (علم و عمل ترسیم نقشه‌ها) با استفاده از مثلث‌بندی برای محاسبه فواصل و معرفی پیش‌بینی مرکاتور، که تصویر سطح منحنی زمین را بر روی نقشه‌های مسطح بهبود بخشید، تکامل یافت. علاوه بر این، معرفی عکاسی هوایی در اواخر قرن نوزدهم و توسعه فناوری فتوگرامتری در اوایل قرن بیستم امکان نقشه برداری دقیق تری از مناطق وسیع را فراهم کرد. با این حال GIS مدرن ریشه در دهه 1960 دارد.

اولین GIS

دولت کانادا در دهه 1960 برنامه ای را برای کنترل بهتر منابع طبیعی کشور آغاز کرد. پروژه GIS کانادا، تلاش پیشگام در تاریخ سیستم های اطلاعات جغرافیایی بود. در دهه 1970، اولین نرم افزار GIS، CGIS، با هدف صریح ذخیره سازی، دستکاری و تجزیه و تحلیل داده های جغرافیایی ایجاد شد. در حالی که ابتکارات اولیه GIS کار خوبی در مدیریت داده‌ها و ایجاد نقشه‌ها انجام داد، اما فاقد ابزارهای تحلیلی پیچیده‌ای بودند که در GIS فعلی دیده می‌شود. ظهور فناوری رایانه در دهه های 1960 و 1970 امکان ذخیره سازی و پردازش حجم عظیمی از داده ها را فراهم کرد. اختراع پایگاه های داده رابطه ای در دهه 1970 پیوند و تجزیه و تحلیل مجموعه های مختلف داده را آسان تر کرد.

وکتور GIS

تحولات مهم در فناوری GIS مبتنی بر برداری برای اولین بار در دهه 1980 ظاهر شد و آن دهه را تبدیل به نقطه عطفی در توسعه سیستم های اطلاعات جغرافیایی کرد. قبل از دهه 1980، GIS عمدتاً از مدل‌های داده شطرنجی استفاده می‌کرد که ویژگی‌های جغرافیایی را به عنوان شبکه‌ای از سلول‌ها نشان می‌داد که هر یک مقداری را ذخیره می‌کرد. برخلاف مناسب بودن آنها برای ارائه و ارزیابی پدیده‌های پیوسته مانند ارتفاع، دما و بارش، مدل‌های داده‌های شطرنجی هنگام نمایش و تجزیه و تحلیل پدیده‌های مجزا مانند مرزهای سیاسی، کاربری زمین و شبکه‌های حمل‌ونقل با مشکل مواجه شدند. با این حال، ویژگی های جغرافیایی به صورت نقاط، خطوط و چندضلعی ها در مدل های داده برداری نشان داده می شوند. چنین مدل‌های داده‌ای نه تنها دقت و صحت ثبت اتصالات فضایی را بهبود بخشیدند، بلکه برای نمایش پدیده‌های گسسته نیز مناسب‌تر بودند. کاربران سیستم اطلاعات جغرافیایی مبتنی بر برداری از قابلیت اصلاح شده تری برای طراحی، تغییر و بررسی ویژگی های جغرافیایی برخوردار بودند. ایجاد مدل های داده برداری در دهه 1980 یک دستاورد مهم در فناوری GIS بود زیرا GIS را قادر ساخت تا طیف وسیع تری از ویژگی های جغرافیایی را نشان دهد و تجزیه و تحلیل کند، از جمله برخی که قبلاً توصیف آنها با استفاده از مدل های داده های شطرنجی غیرممکن بود. این امر زمینه های بالقوه استفاده از GIS از جمله برنامه ریزی شهری، حمل و نقل و مهندسی را گسترش داد. مدل‌های داده توپولوژیکی، که ممکن است ارتباطات فضایی پیچیده بین ویژگی‌ها را بیان کنند، توسط مدل‌های داده برداری امکان‌پذیر شدند. این درها را برای کاربردهای پیچیده‌تر GIS مانند تحلیل و مدل‌سازی فضایی باز کرد. اگرچه سایر شرکت‌های تخصصی‌تر GIS در دهه 1980 وجود داشتند، Esri اولین شرکتی بود که نرم‌افزار GIS را برای رایانه‌های شخصی ارائه کرد. در میان اولین برنامه‌های نرم‌افزار GIS طراحی‌شده برای رایانه‌های شخصی، این شرکت ArcInfo را در سال 1982 منتشر کرد. ArcInfo از زمان آغاز به کار، ابزار انتخابی برای کاربران حرفه‌ای GIS بوده است و آنها را قادر می‌سازد تا دستکاری‌ها و تحلیل‌های پیچیده داده‌ها و همچنین توسعه نقشه‌های سفارشی و سایر موارد محصولات GIS را انجام دهند.

وب GIS

Esri ArcIMS (سرور نقشه اینترنت Arc) را در دهه 1990 به عنوان یک برنامه GIS مبتنی بر وب توسعه داد که ایجاد و توزیع نقشه های تعاملی و داده های جغرافیایی را تسهیل می کرد. این به طور چشمگیری دامنه و قابلیت های GIS را با اجازه دادن به همکاری و تبادل داده بین بسیاری از سازمان ها و افراد افزایش داد. علاوه بر این، ArcIMS توسعه برنامه‌های GIS مبتنی بر وب را که می‌توانند برای اهداف مختلفی مانند برنامه‌ریزی کاربری زمین، مدیریت اضطراری و مدیریت منابع طبیعی مورد استفاده قرار گیرند، امکان‌پذیر کرد. اگرچه مورد توجه قرار نگرفت، اما راه را برای توسعه سایر نرم‌افزارها و سرویس‌های GIS مبتنی بر وب مانند ArcGIS Server، Google Maps و OpenLayers هموار کرد که اکنون به طور گسترده در صنایع GIS و مکانی استفاده می‌شوند.

GIS منبع باز

هزاره جدید سال 2000 شاهد انتشار نرم افزار منبع باز GIS بود که در دهه 1990 مورد بحث قرار گرفته بود، مانند سیستم GIS سپاه ارتش ایالات متحده به نام GRASS، ابزار سازمان زمین شناسی ایالات متحده ETL (Extraction, Translation, and Load) معروف به GDAL. و پلتفرم نقشه برداری وب دانشگاه مینه سوتا معروف به Mapserver، و همچنین GIS ایجاد شده توسط گری شرمن معروف به Quantum GIS (QGIS). بین پایان سال 1999 و آغاز سال 2002 بیش از سه ابزار GIS منبع باز و چندین ابزار GIS منبع باز موجود بود.

پیشرفت های ذخیره سازی و تجزیه و تحلیل

در سال 1990، رایانه‌های شخصی متوسط ​​تنها 40 مگابایت حافظه داشت که برای نگهداری یک شکل فایل از طرح کلی ایالات متحده امروز کافی نبود، با این حال تا سال 2002، رایانه‌هایی با هارد دیسک‌های 60 گیگابایتی ساخته شدند که با سرعت دو برابر کار می‌کردند.در اوایل دهه 2000، فناوری بی‌سیم (wireless)و ظهور تلفن‌های همراه به این معنی بود که عمق‌سنجی، جنگل‌شناسی و تصاویر هوایی در وضوح بالا دقیق‌تر و گسترده‌تر می‌شدند و داده‌های شبکه‌ای 1 یا 5 متری غیرعادی نبودند.

این بدان معناست که تجزیه و تحلیل بسیار پیچیده‌تر می‌تواند بسیار سریع‌تر با مجموعه داده‌های بسیار بزرگ‌تر تکمیل شود. بخش نقشه‌برداری از افزایش فضای ذخیره‌سازی به دلیل استفاده رو به رشد از GPS برای بهبود دقت داده استقبال کرد. اگرچه در ابتدا در دهه 1990 مورد استفاده قرار گرفت، اما تا زمان همگرایی فضای ذخیره سازی بیشتر و GIS مناسب تر برای تجزیه و تحلیل، به طور گسترده در دسترس و در دسترس صنعت قرار نگرفت.

وضوح داده های تصویربرداری جهانی به دست آمده توسط ماهواره های ناسا از 1 کیلومتر در 1 کیلومتر به 90 متر در 90 متر افزایش یافته است که امکان بازیابی اطلاعات اضافی و استفاده برای تجزیه و تحلیل در سراسر جهان را فراهم می کند. در اوایل دهه 2000، فناوری بی‌سیم و ظهور تلفن‌های همراه به این معنی بود که عمق‌سنجی، جنگل‌شناسی و تصاویر هوایی در وضوح بالا دقیق‌تر و گسترده‌تر می‌شدند و داده‌های شبکه‌ای(رستری) 1 یا 5 متری غیرعادی نبودند.

GPS همچنین برای ردیابی دارایی‌ها در حمل‌ونقل و تدارکات مورد استفاده قرار گرفت: برای بهینه‌سازی عملیات و افزایش کارایی، شرکت‌های این تجارت از سیستم‌های نظارت بر دارایی مجهز به GPS برای ردیابی مکان خودروها، تریلرها و کالاها در زمان واقعی استفاده کردند.

شرکت‌های تولیدی از سیستم‌های نظارت بر دارایی مجهز به GPS برای ردیابی محل نگهداری تجهیزات و ابزار برای افزایش تولید و کاهش تلفات ناشی از سرقت یا خرابی استفاده می‌کنند.

سیستم های نظارت بر دارایی مجهز به GPS در بخش ساخت و ساز برای ردیابی محل نگهداری تجهیزات سنگین و وسایل نقلیه برای افزایش تولید و کاهش تلفات ناشی از سرقت یا خرابی تجهیزات استفاده می شود. برای بهینه‌سازی عملیات و بهبود کارایی، صنعت خدمات عمومی از سیستم‌های ردیابی دارایی مجهز به GPS برای ردیابی مکان وسایل نقلیه و سایر تجهیزات استفاده کرد. برای بهینه‌سازی مدیریت موجودی و کاهش تلفات سرقت، صنایع خرده‌فروشی و عمده‌فروشی شروع به استفاده از سیستم‌های ردیابی دارایی مجهز به GPS برای ردیابی مکان کالا کردند.

همه اینها با استفاده از GIS پیچیده‌تر کنترل می‌شد که شروع به گرفتن اشکال مختلف و حرکت در جهات مختلف کرد. در حالی که در ابتدا، GIS به عنوان یک راه حل ‘یک اندازه مناسب’ در نظر گرفته می شد، اکنون چندین رشته برای بخش های مختلف کسب و کار برای انجام وظایف مختلف در حال ظهور بود. این ممکن است در نرم‌افزار Esri مشاهده شود، جایی که الحاقات تخصصی جدید مانند ‘تحلیلگر نظامی’، ‘تحلیلگر ردیابی’، ‘تحلیلگر شبکه’ و ‘تحلیلگر تجاری’ تقریباً هر دو سال یکبار ایجاد می‌شوند.

GIS به صورت سه بعدی و چهار بعدی

خدمات GIS مبتنی بر ابر در سال 2010 رایج شد و امکان ذخیره و توزیع داده های جغرافیایی در سرورهای دور را فراهم کرد و GIS را برای کاربران در دسترس و مقیاس پذیرتر کرد. همچنین شاهد استفاده گسترده از Google Earth بود که اطلاعات سه بعدی و چهار بعدی و همچنین نمای خیابان را نمایش می داد. طولی نکشید که GIS GIS سه بعدی کاربردی و قابل استفاده را نیز نشان داد.

اگرچه برخی از GIS می توانست داده های برداری سه بعدی را مدیریت و تجزیه و تحلیل کند، کند و دشوار بود و فقط می توانست داده های سه بعدی ابتدایی را نمایش دهد. تا سال 2010، امکان استفاده از GIS برای ایجاد صحنه‌های سه‌بعدی اولیه مانند مزارع بادی دور از ساحل وجود داشت، جایی که عمق و عمق سنجی به همراه سایر داده‌ها را می‌توان با کمی دقت ترسیم کرد. برای اولین بار، سیستم های مختصات عمودی و فرمت های زمان و تاریخ ISO در GIS برای هر دو اقلام 3 بعدی و 4 بعدی استفاده شد. در نتیجه ادغام GIS با سایر فناوری‌های مکانی مانند سنجش از راه دور، LiDAR و عکاسی با هواپیماهای بدون سرنشین گسترش یافت. تنها چند سال بعد، در سال 2010، فناوری هایی مانند Pix4D، Drone2Map و سایر ابزارهای نقشه برداری برای تبدیل این داده های نظرسنجی به فرم های قابل اشتراک گذاری از طریق GIS در دسترس قرار گرفتند. کشاورزی دقیق و صنایع کشاورزی رشد کردند زیرا نقشه برداری و مدیریت املاک کشاورزی با استفاده از یک سیستم مبتنی بر GIS، همراه با اطلاعات محصول، عملکرد و هواشناسی، و همچنین حسگرهای جدید IoT (اینترنت اشیا) که می توانستند واقعی را ارائه دهند، رشد کردند. بازخورد زمانی برای مناطقی مانند کنترل آفات.

اینترنت اشیا و رایانش ابری

توسعه جغرافیایی بعدی با تلاش بازاریابی و پیشرفت در ظرفیت آنلاین آغاز شد. روزنامه گاردین در سال 2006 کمپین «داده‌های ما را آزاد کنید» راه‌اندازی کرد تا دولت بریتانیا را پاسخگو و اطلاعات عمومی را در دسترس قرار دهد. در سال 2010، دولت بریتانیا اعلام کرد که تمام داده‌های عمومی رایگان و در دسترس خواهند بود (در حد منطق)، و همچنین داده‌های آژانس ملی نقشه‌برداری بریتانیا (Ordnance Survey)، درست مانند ایالات متحده. برای اینکه بتوان داده ها را در وب توزیع کرد، تغییرات زیرساخت مورد نیاز بود و افراد در سراسر جهان امکان استفاده از ابر برای ذخیره سازی و اشتراک گذاری داده ها را دریافتند. در حالی که بسیاری از کسب‌وکارهای بزرگ سرورهای داخلی خود را برای اشتراک‌گذاری داده‌ها فعال می‌کردند، شرکتی به نام خدمات وب آمازون (AWS) پایگاه‌های اطلاعاتی PostGres ابری را با هزینه ساعتی ارائه می‌کرد و نیاز کسب‌وکارها را برای سرمایه‌گذاری در زیرساخت‌های خود و همچنین پرداخت هزینه از بین می‌برد. برای مهندسان IT و برق.
ظهور محاسبات ابری امکان اشتراک گذاری و تعامل گسترده را فراهم کرد. کسب‌وکارهای حمل‌ونقل و ردیابی دارایی ممکن است داده‌های بی‌درنگ را در فضای ابری آپلود کنند، که سپس می‌توانند فوراً تجزیه و تحلیل شوند. کشاورزی و کشاورزی ممکن است اطلاعاتی در زمان واقعی در مورد محصولات و عملکرد ارائه دهند، که شرکت‌های خرده‌فروشی و سوپرمارکت‌ها می‌توانند از آن برای ارائه بهره‌وری خرد استفاده کنند. شرکت‌های ساختمانی اکنون می‌توانند داده‌ها را مستقیماً از سایت ارائه دهند تا بتوانند به سرعت آن‌ها را در مقابل طرح‌ها تجزیه و تحلیل کنند، که منجر به رونق مدل‌سازی اطلاعات ساختمان (BIM) و بعداً GeoBIM شد، که در آن از GIS برای مدیریت پروژه‌های مختلف BIM استفاده می‌شود.

هوش مصنوعی و ML

یادگیری ماشین (ML) و هوش مصنوعی (AI) مخرب ترین فناوری ها در دهه گذشته بوده اند. در ابتدا برای استخراج الگوها در داده ها و هندسه مورد استفاده قرار گرفت، اما تکامل یافت تا قادر به تشخیص ویژگی ها در عکس های هوایی و داده های LiDAR و همچنین شناسایی چهره ها و منطقه ای است که آنها در آن جمع آوری شده اند. روش های دیگر عبارتند از:

اتوماسیون تجزیه و تحلیل داده‌ها: تکنیک‌های هوش مصنوعی و یادگیری ماشین ممکن است برای خودکار کردن تجزیه و تحلیل حجم عظیمی از داده‌های جغرافیایی، مانند تصاویر ماهواره‌ای، داده‌های LIDAR و سایر اشکال داده‌های مکانی استفاده شوند. این امر تجزیه و تحلیل داده‌ها را سریع‌تر و دقیق‌تر و همچنین توانایی استخراج بینش‌هایی را ممکن می‌کند که تشخیص آنها برای انسان دشوار یا غیرممکن است.
مدل‌سازی پیش‌بینی‌کننده: با استفاده از الگوریتم‌های AI و ML، ممکن است مدل‌های پیش‌بینی‌کننده ایجاد شوند که می‌توانند برای پیش‌بینی روندها و الگوهای آینده در داده‌های جغرافیایی استفاده شوند. این ممکن است برای پیش بینی رویدادهای آینده مانند بلایای طبیعی و همچنین برای بهینه سازی مدیریت منابع و برنامه ریزی استفاده شود.

الگوریتم‌های هوش مصنوعی و ML ممکن است برای پردازش و ارزیابی حجم عظیمی از داده‌های تصویر و سیگنال، مانند تصویربرداری ماهواره‌ای و داده‌های LIDAR استفاده شوند. این ممکن است برای استخراج اطلاعات محیطی، مانند تغییرات کاربری زمین، و همچنین برای شناسایی الگوها و ناهنجاری هایی که برای مردم دشوار یا غیرممکن است، مورد استفاده قرار گیرد.

خدمات مبتنی بر مکان: با استفاده از الگوریتم‌های هوش مصنوعی و ML، سرویس‌های مبتنی بر مکان مانند توصیه‌های سفارشی و به‌روزرسانی‌های ترافیک در زمان واقعی ممکن است بر اساس موقعیت مکانی کاربر و سایر داده‌ها ایجاد شوند. این می تواند عملکرد برنامه GIS و تجربه کاربر را افزایش دهد و آن را برای طیف گسترده تری از کاربران قابل دسترس تر و ارزشمندتر کند.

نقشه‌برداری هوشمند: الگوریتم‌های هوش مصنوعی و ML می‌توانند برای تولید، به‌روزرسانی و تجزیه و تحلیل نقشه‌های هوشمند مورد استفاده قرار گیرند، که سپس می‌توانند برای ارائه اطلاعات در زمان واقعی و بینش در مورد جنبه‌های مختلف یک مکان، مانند ترافیک، آب و هوا و میزان جرم و جنایت استفاده شوند.

پاسخ اضطراری: با استفاده از داده های جمعیت شناختی و یادگیری عمیق، هوش مصنوعی و ML می توانند کوتاه ترین مسیرها را همراه با کارآمدترین راه ها پیش بینی کنند و همچنین پیش بینی های دقیقی را در مورد مناطق در حال توسعه ارائه دهند.

نقشه برداری داخلی

نقشه برداری داخلی در سال های اخیر رایج بوده است. اگرچه گوگل تقریباً یک دهه پیش آن را به عنوان یک راه بالقوه برای پیمایش در یک فروشگاه نشان داد، اما به دلیل دشواری نقشه برداری از مناطق داخلی و ناتوانی در تضمین مکان دقیق هم به صورت افقی و هم به صورت عمودی، هرگز مورد توجه قرار نگرفت. با این حال، پیشرفت‌ها در ناوبری تلفن همراه، مانند معرفی الگوریتم‌های VPS (سیستم موقعیت‌یابی بصری)، الگوریتم‌های دقیق‌تر SLAM (محلی‌سازی و نقشه‌برداری همزمان)، مثلث‌سازی WIFI، و مکان‌یابی سلول‌های ارتباطی سیار (خدمات رادیویی بسته‌های عمومی-GPRS) باعث شده است. این یک راه حل دقیق تر و قابل اعتمادتر است.

رایانه‌های کوانتومی در محاسبات بسیار سریع‌تر از رایانه‌های کلاسیک هستند و امکان تجزیه و تحلیل سریع‌تر و دقیق‌تر مقادیر زیادی از داده‌های مکانی را فراهم می‌کنند. این ممکن است برای ساختن نقشه‌های دقیق‌تر و دقیق‌تر و همچنین تحلیل داده‌ها در زمان واقعی استفاده شود.

کسب‌وکارها شروع به گنجاندن ناوبری داخلی در سیستم‌های درخواست اتاق جلسه و سیستم‌های میز گرم کرده‌اند تا کوتاه‌ترین مسیرها و اطلاعات واضح درباره محل قرارگیری اتاق‌ها را ارائه دهند. یکی از سریع‌ترین بخش‌هایی که در حال گسترش است، در پردیس‌های آموزشی است، جایی که شما نه تنها می‌توانید خود را به کلاس بعدی هدایت کنید، بلکه اطلاعات حیاتی بهداشتی و ایمنی مانند محل نزدیک‌ترین نقطه تجمع آتش را از جایی که هستید به دست آورید.

محاسبات کوانتومی و ناوبری

عبارتی که در حال حاضر روی لبان همه وجود دارد کوانتومی است. در 10 سال گذشته، از چیزی که ممکن است امکان پذیر باشد به آزمایش جهانی ناوبری کوانتومی توسط نیروی دریایی بر روی HMS Prince of Wales پیشرفت کرده است. اگرچه هنوز مورد توجه قرار نگرفته است، اما پتانسیل آن بسیار زیاد است و چهره GIS را همانطور که می شناسیم متحول خواهد کرد.
سنسورهای کوانتومی می توانند سیگنال ها را با دقت بسیار بیشتری نسبت به سنسورهای سنتی تشخیص دهند و کمیت کنند. این ممکن است برای ساختن نقشه‌های جامع‌تر و دقیق‌تر و همچنین کشف الگوها و ناهنجاری‌هایی که برای مردم دشوار یا غیرممکن است، استفاده شود. رایانه‌های کوانتومی در محاسبات بسیار سریع‌تر از رایانه‌های کلاسیک هستند و امکان تجزیه و تحلیل سریع‌تر و دقیق‌تر مقادیر زیادی از داده‌های مکانی را فراهم می‌کنند. این ممکن است برای ساختن نقشه‌های دقیق‌تر و دقیق‌تر و همچنین تحلیل داده‌ها در زمان واقعی استفاده شود. ارتباطات کوانتومی نسبت به ارتباطات سنتی به طور قابل ملاحظه ای امنیت و قابلیت اطمینان را در انتقال اطلاعات بهبود می بخشد. این ممکن است برای ایمن سازی داده های حساس جغرافیایی مانند تصاویر ماهواره ای و داده های LIDAR استفاده شود. سیستم های موقعیت یابی کوانتومی از فناوری کوانتومی برای ارائه داده های موقعیت یابی بسیار دقیق تر و دقیق تر از سیستم های معمولی استفاده می کنند. این ممکن است برای افزایش دقت داده‌ها و برنامه‌های GIS و همچنین برای افزودن ویژگی‌های جدید به فناوری‌های موجود مانند ناوبری و ردیابی داخلی استفاده شود.

پیشرفت های فناوری GIS و امکانات آینده آنها

گارتنر پیش‌بینی می‌کند که پیشرفت‌های بعدی در فناوری GIS در رایانش ابری/لبه، AR و IoT خواهد بود، در حالی که Esri پیش‌بینی می‌کند که هوش مصنوعی، اتوماسیون و نقشه‌برداری سه‌بعدی برنامه‌ریزی شهری، GeoBIM و شهرهای هوشمند را قدرتمند می‌کند. بیشتر از هر یک از این موارد، همگرایی فناوری های پیشرفته با هم کار می کند. با تراشه های جدید 3 نانومتری که اخیراً تولید شده اند (دسامبر 2022) شاهد میانگین 30 تا 50 درصد بازده انرژی و ظرفیت کوچکتر کردن فناوری خواهیم بود. از آنجایی که تراشه ها 16-20٪ کوچکتر هستند، حتی اگر آنها 25٪ بیشتر تحویل دهند. هنگامی که با هوش مصنوعی و ML، پیشرفت‌ها در فناوری 5G و LiDAR موبایل (همانطور که در محصولات فعلی اپل نشان داده شده است) ترکیب شوند، ممکن است شاهد پیشرفت‌های قابل توجهی در نقشه‌برداری داخلی، AR و احتمالاً متاورس باشیم.

پیش بینی می شود که GIS با پیشرفت فناوری نقش حیاتی فزاینده ای در جامعه ایفا کند. انتظار می‌رود ادغام GIS با سایر فناوری‌ها مانند هوش مصنوعی و محاسبات کوانتومی قابلیت‌های جدید و جذابی را در زمینه‌هایی مانند خودروهای خودمختار و شهرهای هوشمند ایجاد کند.

اگر فناوری کوانتومی پیشرفت کند، ممکن است با هوش مصنوعی و یادگیری ماشینی ادغام شود تا از طریق محاسبات سریع‌تر کلان داده و تجزیه و تحلیل جغرافیایی بزرگ، نگرانی‌های جهانی محیطی و شهری را برطرف کند.  در کوتاه‌مدت تا میان‌مدت، شهرهای هوشمند با GIS که قادر به مدیریت داده‌های زنده و عظیم هستند، می‌توانند برای هر شهر روی کره زمین به واقعیت تبدیل شوند. این حتی می تواند از پشت اطلاعات کنونی گرفته شده برای متاورس تولید شود.  اکنون در حال نصب ماهواره در اطراف ماه هستیم، بنابراین ناوبری ماه و فضایی امکان پذیر خواهد بود. همچنین، دولت‌ها در سطح جهانی در حال سرمایه‌گذاری در زیرساخت‌های سبز هستند، بنابراین GIS کارایی را در زیرساخت‌های پایدار ایجاد می‌کند.

چالش های پیش روی توسعه و پیاده سازی مداوم GIS

اگرچه فکر کردن به آنچه می توانیم در آینده به دست آوریم هیجان انگیز است، اما بدون کار غیر فنی دست نیافتنی است. این بدان معناست که سازمان ها و قوانین باید برای تضمین اداره و توانمند شدن بخش های مهم وجود داشته باشد.  یکی از چالش های GIS نیاز به داده های دقیق و با کیفیت است. GIS باید اطمینان حاصل کند که داده ها صحیح و به روز هستند. اگرچه این ممکن است در مقادیر کم قابل دستیابی باشد، رشد این در سطح بین المللی نیاز به تفکر دارد.  یکی دیگر از مشکلات GIS نیاز به ترکیب داده ها از بسیاری از منابع، فرمت ها و سیستم ها است. GIS به داده های چندین منبع از جمله تصاویر ماهواره ای، GPS و داده های نظرسنجی متکی است. ادغام این داده ها می تواند دشوار و زمان بر باشد. استانداردسازی قالب‌های داده‌ها از طریق کمیته‌های راهبری و سیاست‌های جهانی برای حصول اطمینان از اینکه داده‌های GIS می‌توانند به‌طور مؤثر در بین سیستم‌ها به اشتراک گذاشته شوند، حیاتی خواهد بود.  نگرانی‌ها در مورد امنیت داده‌ها و حریم خصوصی با استفاده گسترده‌تر از فناوری GIS جدی‌تر می‌شوند. داده‌های GIS اغلب حاوی اطلاعات حساسی مانند داده‌های مکان هستند، بنابراین حفاظت از آن بسیار مهم است.  توسعه و پیاده سازی GIS به مهارت فنی بالایی نیاز دارد. اطمینان از وجود کارشناسان آموزش دیده کافی برای ایجاد و نگهداری سیستم های GIS دشواری بزرگی است. علاوه بر این، ایجاد و نگهداری سیستم‌های GIS ممکن است پرهزینه باشد و تأمین مالی و منابع برای این سیستم‌ها ممکن است دشوار باشد.

خلاصه ای از تکامل GIS و تاثیر آن

GIS تأثیر قابل توجهی بر روی سیاره و جامعه داشته است. درک و مدیریت ما از منابع طبیعی و همچنین توانایی ما در برنامه ریزی و ساختن شهرها و زیرساخت ها و همچنین واکنش به شرایط اضطراری و فجایع را بهبود بخشیده است. GIS همچنین نقش مهمی در کمک به سازمان ها برای تصمیم گیری بهتر با ارائه داده های دقیق مبتنی بر مکان ایفا کرده است. پیش بینی می شود که GIS با پیشرفت فناوری نقش حیاتی فزاینده ای در جامعه ایفا کند. انتظار می‌رود ادغام GIS با سایر فناوری‌ها مانند هوش مصنوعی و محاسبات کوانتومی قابلیت‌های جدید و جذابی را در زمینه‌هایی مانند خودروهای خودمختار و شهرهای هوشمند ایجاد کند. با این حال، مسائلی مانند کیفیت و مدیریت داده ها، یکپارچه سازی داده ها، امنیت و حریم خصوصی داده ها، تخصص فنی، بودجه و منابع، مقیاس پذیری و استانداردسازی باید در آینده مورد توجه قرار گیرند تا اطمینان حاصل شود که GIS موثر و تاثیرگذار باقی می ماند.