GeoNames全球地理名称数据集完整版-1336万地名记录-252国家418时区-坐标人口高程时区-地理信息系统与POI研究-地理信息系统开发、POI兴趣点推荐、地图应用、地理实体识别等
数据集简介
本数据集为 GeoNames 全球地理名称数据集(allCountries.txt)完整版,包含 13,366,633 条地理实体记录,覆盖全球 252 个国家/地区的 1336 万个地名,涵盖人口聚集地(城市、村庄)、自然地理特征(山脉、河流、湖泊)、人工设施(建筑、道路)、行政区划、时区等 10 大特征类别,每条记录包含 19 个字段:地名 ID、名称、ASCII 名称、别名、经纬度坐标、特征分类编码、国家代码、行政区划代码、人口数、海拔高度、数字高程模型(DEM)、时区和修改日期等完整元数据,文件大小 1683.5MB。数据集为地理信息系统(GIS)开发、POI 兴趣点推荐、地图应用、地理实体识别(NER)、多语言地名匹配和全球时区转换提供了开放的权威数据基础。
数据集的核心价值在于其全球覆盖度与字段完整性:1336 万记录覆盖从国家首都到偏远村庄、从珠穆朗玛峰到马里亚纳海沟的全球地理实体,252 个国家代码确保世界范围无遗漏,418 个时区支持精确的时区转换与本地时间计算;10 大特征类(P=人口聚集地 81.5 万、H=水系 47 万、S=建筑设施 42.4 万、T=地形 31.6 万、L=区域 10.8 万、A=行政区划 7.7 万、V=植被 1.6 万、R=道路 0.8 万、U=海底地形 0.2 万)覆盖自然与人文地理的完整维度;经纬度坐标(latitude/longitude)支持空间分析与地图可视化,人口(population)和海拔(elevation)字段支持人口密度研究与地形分析,alternatenames 别名字段包含多语言翻译(如北京/Beijing/Peking)和历史名称,支持跨语言地名匹配与文化研究。该数据集特别适用于地图导航应用、旅游推荐系统、地理知识图谱构建、自然语言处理中的地名实体识别、气候与地理相关性研究和全球物流路径规划等应用场景。
数据基本信息
字段描述表(19 字段)
| 字段序号 | 字段名 | 类型 | 含义 | 示例 | 说明 |
|---|---|---|---|---|---|
| 1 | geonameid | int | GeoNames 唯一 ID | 2994701 | 全球唯一标识符 |
| 2 | name | string | 地名(UTF-8) | Roc Meler, 北京市 | 本地语言名称 |
| 3 | asciiname | string | ASCII 名称 | Roc Meler, Beijing | 英文/转写名称 |
| 4 | alternatenames | text | 别名列表 | Roc Mele,Roc Meler,Roc Mélé | 逗号分隔的多语言/历史名称 |
| 5 | latitude | float | 纬度 | 42.58765 | WGS84 坐标系 |
| 6 | longitude | float | 经度 | 1.7418 | WGS84 坐标系 |
| 7 | feature_class | string | 特征大类 | T(地形), P(人口地) | 单字母代码,见下表 |
| 8 | feature_code | string | 特征细分类 | PK(山峰), PPL(城市) | 2-5 字符代码 |
| 9 | country_code | string | 国家代码 | AD(安道尔), CN(中国) | ISO 3166-1 alpha-2 |
| 10 | cc2 | string | 备用国家代码 | AD,FR(跨境) | 跨国地理实体 |
| 11 | admin1_code | string | 一级行政区代码 | 02(省/州) | 国家内部编码 |
| 12 | admin2_code | string | 二级行政区代码 | 09(市/县) | 国家内部编码 |
| 13 | admin3_code | string | 三级行政区代码 | 091 | 国家内部编码 |
| 14 | admin4_code | string | 四级行政区代码 | 09139 | 国家内部编码 |
| 15 | population | int | 人口数 | 0(无人口/非聚集地) | 人口聚集地有效 |
| 16 | elevation | int | 海拔(米) | 2348 | 海平面以上高度 |
| 17 | dem | int | 数字高程模型 | 2411 | SRTM3 或 GTOPO30 |
| 18 | timezone | string | 时区 | Europe/Andorra, Asia/Shanghai | IANA 时区数据库标识符 |
| 19 | modification_date | date | 修改日期 | 2023-10-03 | YYYY-MM-DD 格式 |
特征大类(feature_class)分布
| 代码 | 英文名称 | 中文名称 | 记录数 | 占比 | 典型特征细分(feature_code) |
|---|---|---|---|---|---|
| P | Populated place | 人口聚集地 | 814,631 | 6.1% | PPL(城市)、PPLL(乡村)、PPLC(首都)、PPLA(省会) |
| H | Hydrographic | 水系 | 469,689 | 3.5% | STM(河流)、LK(湖泊)、RSV(水库)、OCN(海洋) |
| S | Spot, building, farm | 建筑设施 | 424,472 | 3.2% | SCH(学校)、CH(教堂)、HTL(酒店)、SPA(温泉) |
| T | Terrain | 地形 | 315,752 | 2.4% | MT(山)、PK(山峰)、PASS(山口)、ISL(岛屿) |
| L | Parks, area | 区域 | 108,172 | 0.8% | PRK(公园)、LCTY(城市区域)、RGN(地区) |
| A | Administrative | 行政区划 | 76,919 | 0.6% | ADM1(省/州)、ADM2(市/县)、ADM3(区/镇) |
| V | Vegetation | 植被 | 16,328 | 0.1% | FRST(森林)、GRSLD(草地)、VIN(葡萄园) |
| R | Roads, railroads | 道路铁路 | 8,172 | 0.06% | RD(道路)、ST(街道)、RR(铁路) |
| U | Undersea | 海底地形 | 1,989 | 0.01% | APNU(海底峡谷)、RDGU(海底山脊) |
注: 其余约 1130 万记录为未分类或其他类型。
国家/地区分布(Top 30)
| 国家代码 | 国家名称 | 记录数 | 国家代码 | 国家名称 | 记录数 |
|---|---|---|---|---|---|
| US | 美国 | 224,132 | DE | 德国 | 21,039 |
| AU | 澳大利亚 | 214,464 | BE | 比利时 | 20,334 |
| BR | 巴西 | 211,477 | AQ | 南极洲 | 18,561 |
| CN | 中国 | 94,555 | BG | 保加利亚 | 18,377 |
| AF | 阿富汗 | 75,841 | FR | 法国 | 17,389 |
| AO | 安哥拉 | 74,028 | MA | 摩洛哥 | 15,388 |
| IN | 印度 | 65,988 | NP | 尼泊尔 | 14,804 |
| NO | 挪威 | 60,806 | KR | 韩国 | 14,473 |
| BD | 孟加拉国 | 59,418 | - | 其他 222 国 | - |
| AR | 阿根廷 | 59,063 | - | - | - |
时区分布(Top 20)
| 时区 | 记录数 | 时区 | 记录数 |
|---|---|---|---|
| Asia/Shanghai | 92,259 | America/La_Paz | 40,392 |
| America/New_York | 76,711 | Australia/Brisbane | 35,592 |
| Asia/Kabul | 75,838 | Australia/Adelaide | 34,540 |
| America/Sao_Paulo | 75,539 | Asia/Yerevan | 32,379 |
| Africa/Luanda | 73,984 | Asia/Bangkok | 30,309 |
| America/Chicago | 72,888 | - | 其余 398 时区 |
| Asia/Kolkata | 65,986 | - | - |
| Europe/Oslo | 60,819 | - | - |
| Asia/Dhaka | 59,417 | - | - |
| Australia/Sydney | 59,253 | - | - |
全量统计摘要
- 总记录数: 13,366,633
- 文件大小: 1683.5MB (纯文本 TSV 格式)
- 字段数: 19
- 国家/地区数: 252
- 时区数: 418
- 特征大类: 10 种(P/H/S/T/L/A/V/R/U/空)
- 坐标范围: 纬度 -90° 至 90°, 经度 -180° 至 180°
- 海拔范围: -11034 米(马里亚纳海沟)至 8850 米(珠穆朗玛峰)
- 人口范围: 0(无人口地理特征)至数千万(超大城市)
- 数据来源: GeoNames.org 开放地理数据库
- 数据许可: Creative Commons Attribution 4.0 License
数据特点
| 特点 | 具体表现 | 应用价值 |
|---|---|---|
| 全球覆盖 | 252 国 1336 万记录,从大陆到海底 | 支持全球地图应用与跨国业务系统 |
| 多语言支持 | alternatenames 包含多语言/历史名称 | 支持国际化应用与文化研究 |
| 坐标精确 | WGS84 经纬度,配合 DEM 高程数据 | 支持高精度空间分析与 3D 地图 |
| 数据来源 | https://dianshudata.com/dataDetail/14147 |
多样化样本展示
以下展示 10 条代表性地理实体记录:
样本 1: 安道尔山峰
- geonameid: 2994701
- name: Roc Meler
- alternatenames: Roc Mele, Roc Meler, Roc Mélé
- latitude: 42.58765, longitude: 1.7418
- feature: T(地形) - PK(山峰)
- country: AD(安道尔)
- elevation: 2348 米
- timezone: Europe/Andorra
- modification_date: 2023-10-03
样本 2: 安道尔山峰(国际边界)
- geonameid: 3017832
- name: Pic de les Abelletes
- alternatenames: Pic de la Font-Nègre, Pic de les Abelletes
- latitude: 42.52535, longitude: 1.73343
- feature: T - PK
- country: AD(安道尔), cc2: AD,FR(跨法国边界)
- elevation: 2411 米
- timezone: Europe/Andorra
- modification_date: 2014-11-05
样本 3: 安道尔湖泊
- geonameid: 3017833
- name: Estany de les Abelletes
- alternatenames: Étang de Font-Nègre
- latitude: 42.52915, longitude: 1.73362
- feature: H(水系) - LK(湖泊)
- country: AD(安道尔), cc2: AD,FR
- elevation: 2260 米
- timezone: Europe/Andorra
- modification_date: 2014-11-05
样本 4-10: 其他类型地理实体
- 山口(PASS): Port Vieux de la Coume d'Ose, 海拔 2687 米
- 道路(PASS): Port de la Cabanette, 海拔 2379 米
- 山峰(PK): Roc de Port Dret, 海拔 2650 米
- 斜坡(SLP): Costa de Xurius, 海拔 1839 米
- 泉水(SPNG): Font de la Xona, 海拔 1976 米
- 村庄(PPL): Xixerella, 海拔 1417 米
- 河流(STM): Riu Xic, 海拔 1851 米
注: 样本显示 GeoNames 数据集涵盖从山峰、湖泊到村庄、河流的完整地理实体类型,并保留多语言名称(如法语、加泰罗尼亚语)。
应用场景
场景一:地图导航应用与 POI 兴趣点推荐系统
地图导航是 GeoNames 数据集的核心应用场景,1336 万地理实体可作为地图应用的 POI(Point of Interest)数据源。开发者可利用经纬度坐标(latitude/longitude)在地图上标注城市、景点、设施等位置,结合 feature_class 和 feature_code 分类,为用户提供分层展示(如缩放级别:国家 → 省 → 市 → 街道 → 建筑)。通过人口(population)字段,可优先显示大城市(如人口 >100 万的 PPLC 首都),或按人口密度调整地图标签密度,避免小地名过度拥挤。时区(timezone)字段支持实时显示当地时间,对于跨时区旅行或国际业务至关重要。在 POI 推荐场景下,可根据用户位置与兴趣,推荐附近的特定类型地点,如 S 类建筑中的 HTL(酒店)、SCH(学校)、CH(教堂),或 H 类水系中的 LK(湖泊)、RSV(水库)用于户外活动推荐。通过 alternatenames 别名字段,可实现多语言搜索(如用户输入"Beijing"或"北京"均可找到北京市),提升国际化用户体验。此外,海拔(elevation)字段可用于登山路线规划或洪水风险评估,DEM 数字高程模型支持 3D 地图渲染。这些地图导航应用,广泛用于 Google Maps、高德地图、旅游 APP 和车载导航系统。
场景二:自然语言处理中的地理实体识别(NER)与消歧
地理实体识别(Geographic Named Entity Recognition, Geo-NER)是 NLP 的重要任务,本数据集可作为地名词典用于训练和评估 NER 模型。研究者可利用 name 和 asciiname 字段构建地名词表,通过规则匹配或机器学习模型(如 CRF、BERT-NER)从文本中识别地名实体。alternatenames 别名字段提供了同义词与多语言变体,可处理地名的多样性表达(如"纽约"、"New York"、"NYC"均指同一城市),提升召回率。在地名消歧(Disambiguation)场景下,可利用 country_code、admin1_code 等行政区划信息消除歧义,如"Springfield"在美国有数十个同名城市,通过匹配 state 代码可确定具体指哪个 Springfield。此外,可结合上下文语义与地理空间关系(如"距离北京 100 公里的城市"),通过计算经纬度距离进行实体链接。在新闻分析、社交媒体监测和情报分析中,地理实体识别可自动提取事件发生地、人物活动轨迹和区域热点,支持地理信息可视化与空间分析。这些 NER 技术,不仅可提升文本理解能力,也可为地理知识图谱构建提供实体基础。
场景三:全球时区转换与本地时间计算
时区管理是全球化应用的核心挑战,本数据集的 418 个时区数据可用于精确的时间转换。开发者可根据用户输入的地名,查询 timezone 字段获取 IANA 时区标识符(如 Asia/Shanghai、America/New_York),结合编程语言的时区库(如 Python 的 pytz、JavaScript 的 moment-timezone)计算本地时间。在多国业务场景下,可根据用户位置自动切换时区显示,如电商网站显示"本地时间下午 3 点前下单当日发货",或视频会议软件自动转换各地参会者的时间。通过统计时区分布,可发现全球人口集中区域(如 Asia/Shanghai 覆盖 9.2 万地名,反映中国地理实体密度高),为服务器部署与 CDN 节点选址提供参考。此外,可分析跨时区地理实体(cc2 字段包含多国代码),如边境城市可能横跨两个时区,需特殊处理。在航空、物流和金融领域,精确的时区转换对于航班时刻表、配送承诺时间和交易时间戳至关重要,避免因时区错误导致的业务损失。
场景四:旅游推荐系统与景点知识图谱构建
旅游应用可利用 GeoNames 数据集构建景点知识图谱与推荐系统。研究者可提取特定 feature_code 的地理实体作为旅游资源,如 T 类地形中的 MT(山)、PK(山峰)、ISL(岛屿)适合登山与海岛游,H 类水系中的 LK(湖泊)、OCN(海洋)适合水上活动,S 类设施中的 HTL(酒店)、SPA(温泉)、MNMT(纪念碑)是旅游服务与文化景点。通过经纬度计算地理距离,可推荐用户附近的景点(如"周边 10 公里内的湖泊"),或构建旅游路线(如"从巴黎出发的一日游,包含 3 个历史建筑和 1 个公园")。结合人口(population)与海拔(elevation)字段,可过滤偏远无人区或极端高海拔地点,确保推荐的可达性与安全性。通过分析国家(country_code)与时区,可为出境游提供签证提示、货币兑换和时差适应建议。此外,alternatenames 别名中的多语言名称可用于生成多语言旅游指南,如中文用户看到"埃菲尔铁塔",英文用户看到"Eiffel Tower"。通过构建"国家-城市-景点"三层知识图谱,可支持问答系统(如"法国有哪些著名景点?")和智能行程规划。这些旅游应用,广泛用于携程、TripAdvisor 等 OTA 平台和旅游攻略社区。
场景五:气候与地理相关性研究
地理位置对气候模式有显著影响,本数据集的坐标与海拔数据可用于气候与地理的关联分析。研究者可结合外部气候数据(如温度、降水、风速),分析不同纬度、经度和海拔的气候特征,如验证"低纬度地区气温高"、"高海拔地区气温低"、"沿海地区湿度大"等假设。通过提取特定 feature_code 的地理实体,如 H 类水系的 LK(湖泊)、RSV(水库),可研究水体对局部气候的调节作用(如湖泊降温效应);T 类地形的 MT(山脉)可分析地形雨与背风坡效应。时区(timezone)字段间接反映经度,可用于研究昼夜长短与季节性气候的关系。在农业领域,可根据海拔与坐标预测作物适宜种植区域,如某作物适宜海拔 500-1500 米、温带气候区,通过匹配 GeoNames 数据筛选候选种植地。在灾害预警场景下,可利用地形数据(如低洼地、河流附近)预测洪水风险区域,或根据沿海城市坐标预警台风路径。这些地理-气候研究,不仅可推动环境科学与地球系统模型发展,也可为精准农业、灾害管理和城市规划提供数据支撑。
场景六:全球物流路径规划与配送网络优化
物流行业依赖地理数据进行路径规划与网点布局,本数据集可用于构建全球物流网络。开发者可利用 P 类人口聚集地(PPL 城市、PPLL 乡村)的坐标与人口数据,评估潜在配送需求,优先在高人口密度区域设立配送中心或仓库。通过 R 类道路(RD 道路、ST 街道)与 A 类行政区划(ADM1 省、ADM2 市),可构建分层配送网络(如国家级中心 → 省级仓库 → 市级站点 → 社区配送点),优化物流成本与配送时效。时区(timezone)字段支持跨时区配送时间预估,如从中国(Asia/Shanghai)发货到美国纽约(America/New_York)需考虑 12-13 小时时差,影响签收时间计算。海拔(elevation)与地形(T 类)数据可识别交通不便地区(如高山、沙漠),调整运费或配送时效承诺。在国际物流场景下,可根据国家代码(country_code)查询海关政策、关税税率和物流禁运限制,避免违规发货。此外,可利用经纬度计算两地直线距离或球面距离(Haversine 公式),作为运费估算的基础,或结合道路网络数据计算实际运输距离。这些物流优化应用,广泛用于顺丰、DHL 等快递公司和亚马逊、京东等电商平台的配送网络设计。
场景七:多语言地名标准化与数据清洗
地名数据常存在不一致、重复或错误,本数据集可用于地名标准化与数据清洗。研究者可利用 geonameid 全球唯一 ID 作为标准标识符,将分散的地名数据统一到 GeoNames 体系,避免"北京"、"Beijing"、"Peking"被视为不同实体的问题。通过 alternatenames 别名字段,可构建地名同义词词典,实现模糊匹配与自动纠错,如用户输入"Newyork"(无空格)可自动匹配到"New York"。在数据清洗场景下,可利用 country_code 与 admin1_code 验证地名的国家/省份归属,识别错误数据(如标注为"中国上海"但 country_code=US 的记录)。通过经纬度坐标,可检测异常地名(如标注在海洋中的城市、坐标超出国家边界的地名),进行人工复核或自动过滤。在多语言应用中,可根据用户语言偏好,从 alternatenames 中选择对应语言的名称显示,如中文用户显示"巴黎",法语用户显示"Paris"。此外,modification_date 修改日期字段可用于追踪地名变更历史(如国家改名、城市合并),确保数据时效性。这些标准化与清洗技术,可提升数据质量,减少下游应用的错误率,广泛用于数据集成、ETL 流程和主数据管理(MDM)系统。
场景八:地理知识问答与搜索引擎优化
地理知识问答系统依赖结构化地理数据,本数据集可用于构建问答引擎或优化搜索结果。开发者可基于字段构建问答模板,如"中国有多少个城市?"(统计 country_code=CN 且 feature_code=PPL 的记录数)、"世界最高峰在哪个国家?"(查询 elevation 最大的 PK 山峰的 country_code)、"美国东部有哪些时区?"(筛选 country_code=US 且 timezone 包含 America/New_York 的地名)。通过自然语言处理(NLP)技术,可解析用户复杂查询(如"距离北京 100 公里内的湖泊"),提取地理实体(北京)、空间关系(距离 100 公里)和目标类型(湖泊 LK),计算经纬度范围并筛选结果。在搜索引擎优化(SEO)场景下,可利用地名数据生成本地化内容,如旅游网站为每个城市自动生成"XXX 旅游攻略"页面,提升长尾关键词覆盖度。通过分析用户搜索的地名频率,可识别热门旅游目的地或新闻热点地区,优化内容推荐策略。此外,alternatenames 别名可用于搜索查询扩展,如用户搜索"NYC"自动匹配"New York City"的相关内容。这些问答与搜索应用,不仅可提升信息检索效率,也可为智能助手(如 Siri、Alexa)提供地理知识后台,支持语音交互场景。
场景九:行政区划边界分析与政治地理研究
行政区划是国家治理的基础,本数据集的 A 类行政区划数据(ADM1 省、ADM2 市、ADM3 区)可用于政治地理研究。研究者可统计各国的行政层级结构,如中国有 34 个省级(ADM1)、333 个市级(ADM2),美国有 50 个州级(ADM1)、3000+ 县级(ADM2),对比不同国家的地方治理模式(联邦制 vs 单一制)。通过分析 admin1_code 到 admin4_code 的层级关系,可构建行政树结构(如"中国 → 北京市 → 海淀区 → 中关村街道"),支持自上而下的统计汇总或自下而上的数据穿透。在选举分析场景下,可结合人口(population)字段,计算各行政区的选民规模,评估选区划分的合理性或识别人口流失/增长地区。通过时间序列分析 modification_date,可追踪行政区划调整(如撤县设市、区域合并),研究城市化进程与政策演变。在跨国对比研究中,可分析不同国家的地名密度(记录数/国土面积),反映地理信息化水平或地理实体复杂度。此外,cc2 备用国家代码字段可识别跨国行政区(如边境地区共管),研究地缘政治复杂性。这些行政区划研究,不仅可为政府治理提供数据支撑,也可为学术界的比较政治学、区域经济学研究提供量化证据。
场景十:教育资源开发与地理数据科学教学
本数据集的大规模、多字段特性使其成为地理信息系统(GIS)、数据科学和地球科学教育的理想资源。教师可在 GIS 课程中,使用本数据集教授空间数据管理、地图制图和空间分析技术,如"使用 QGIS 导入 GeoNames 数据绘制世界城市分布图"、"使用 PostGIS 进行空间查询(如查找中国境内海拔 >3000 米的山峰)"。在数据科学课程中,可作为大数据处理案例,教授分布式计算(如用 Spark 处理 1336 万记录)、数据清洗(如处理缺失值和异常坐标)、特征工程(如从经纬度计算两地距离)和可视化(如用 Matplotlib 绘制海拔分布直方图)。在地球科学课程中,可结合气候、地质、生态数据,分析地理与环境的相互作用,如"海拔对植被分布的影响"、"纬度对气温的影响"。学生可通过完整的实验流程(数据导入 → 探索性分析 → 假设检验 → 结果可视化),掌握科学研究方法与工具技能。此外,可作为毕业设计或课程项目的数据源,如"基于 GeoNames 的全球城市层级分析"、"多语言地名匹配算法研究"、"时区分布与经济发展的关联性"。这些教育应用,不仅可培养学生的空间思维与数据素养,也可为跨学科人才(GIS+ 计算机、地理 + 统计)培养提供优质资源,推动地理数据科学的教育普及。
结论
GeoNames 全球地理名称数据集完整版,以 13,366,633 条地理实体记录、252 个国家/地区、418 个时区和 19 个完整字段,为地理信息系统开发、POI 推荐、地名实体识别、时区转换和地理知识图谱构建提供了开放的权威数据基础。数据集覆盖从人口聚集地(城市、乡村)到自然地理特征(山脉、河流)、人工设施(建筑、道路)和行政区划的完整地理维度,涵盖经纬度坐标、人口、海拔、时区和多语言名称等丰富元数据,支持从空间分析、时间计算到语言处理的多领域应用。
从应用价值看,数据集可用于地图导航与 POI 推荐、地理实体识别与消歧、全球时区转换、旅游推荐与景点知识图谱、气候地理相关性研究、物流路径规划、多语言地名标准化、地理知识问答、行政区划分析和 GIS 教育等十大场景,为地图服务商、旅游平台、物流企业、NLP 研究者、气候科学家和教育工作者提供多层次支持。数据集的全球覆盖特性(1336 万记录遍布 252 国)确保了世界范围应用的完整性,多语言支持(alternatenames 包含各语言变体)满足国际化需求,坐标与高程数据(经纬度 + 海拔 +DEM)支持高精度空间分析与 3D 可视化。
需要注意的是,数据集为纯文本 TSV 格式(1.68GB),需要数据库或 GIS 工具导入后才能高效查询;部分字段(如人口、海拔)存在缺失值,特别是非人口聚集地的人口字段通常为 0;地名的多语言别名(alternatenames)质量参差不齐,部分小语种或历史名称可能不完整;modification_date 显示数据持续更新,但使用时需验证最新性,特别是新建城市或改名地区。研究者在使用数据集时,应根据应用场景选择合适的数据库(如 PostgreSQL+PostGIS 支持空间索引)、结合外部数据进行补充与验证(如人口数据可参考 WorldPop、UN 数据),并注意开源许可(CC BY 4.0)的使用条款。总体而言,本数据集为全球地理信息应用社区提供了宝贵的开放资源,有助于推动地图服务、智能导航、地理 AI 和空间数据科学的创新发展。
浙公网安备 33010602011771号