正如《空间数据分析与R语言实践》一书所说的，在过去10年中，R拥有了越来越多的可以用于空间数据处理和分析的软件包(SP)——这些工具存储在CRAN(Comprehensive R Archive Network)之中，用户需要时只需点击即可下载，它们极大地改善了我们在一个稳定统计与制图环境中实现各种空间分析和可视化的能力：从数据加载、处理、投影等简单工作到图形拓扑处理，而更为重要的是，在涉及到空间点数据、面数据模型、空间相关性分析、空间预测方法等复杂空间数据分析领域，R都为我们准备了一系列高效可靠的工具，帮助用户实现各种专业的任务。
使用这些工具，R变成了一个轻量级GIS实践平台。在过去，如果希望完成将一个xls或csv数据中的点实现地图可视化以了解信息的热点分布和弥散趋势，我们可以安装某种Excel插件，或使用各种在线地图服务网站(ArcGIS Online、MapBox或Cloudmate等)，但在R中，你可能只需要两句代码就可以实现：读取点数据文件，将点数据传入ggmap函数，然后点击执行，你将会看到一幅精美的地图出现。如果这些点只有地名地址而没有空间坐标，通过R你甚至可以直接调用各种在线地图的API来进行反地理编码。而在整个过程中，用户不需要借助其它的工具，R为你准备好了一切，剩下的只取决于用户的想象力和应用需要。
R是开源的，而开源软件的多样化使得GIS软件领域发生了很大的变化，曾经很多铁杆商业公司纷纷选择了拥抱OpenSource模式，而开源模式也给他们带来了更多的经济利益上的反馈——更多的人参与到产品的开发、修改和传播中来，从而让商业公司能够更好地推广自己的产品与服务。在GIS企业中，最热心的企业Esri已经为开源社区共享了许多代码，并为各种包括Leaflet、Node.js等框架提供了支持，而开源社区也反哺了它自己，许多GIS功能已经不劳自己来实现了;同样地，在Github社区中我们也可以看到SuperMap的许多开源代码，这些都应该成为一种标杆，促使地理信息企业能以更加开放的态度来面对未来。(文丨蒋波涛)
{{item.content}}