从模型的组成来看，不外乎input，model，output。

Input：

对于GIS模型，Input有矢量数据，栅格数据，以及属性表数据。

a）矢量数据可以用shapely和OGR的python API进行处理。shapely也有完善的进行GIS空间分析的方法。

b）栅格数据可以用GDAL的python API进行处理。同时，通过矢量生成栅格，也可以用该类库。如果GDAL python API还不能解决问题，就要动用NumPy和SciPy。

c）而属性表数据则可以用NumPy和SciPy处理。

我觉得，对于数据处理的关键

model：

model的设计和实现过程，无非是以上数据处理的叠合。

output:

a）如果是矢量数据的输出，可以直接从postgreSQL中调取，话说回来，GeoDjango有一套很好的对矢量空间数据进行crud的解决方案，或者也可以直接从数据库调取GeoJson或者WFS发送给前台。

b） 而对于栅格数据的输出，则可能会使用GeoServer，当然我更倾向于Mapnik，用其中之一来制作底图，同时其他一些栅格数据，也可以用它们来制作。

c）在数据发布之前，我们要对数据进行缓存，Tilecache提供了很好的地图缓存功能，建议使用。

d）用OWSLib和OgcService这两个类库实现地图数据的WMS，WFS发布，如果今后要对数据、服务进行grid分布，那么还可能使用pyWPS。

e）最后数据用GeoDJango和Openlayers发布。

就先说这么多，现在要一步一步的实现和整合。

斯潘赛的这份最新作品在人类与因气候变化而快速消融的冰川之间建立起了象征性联系。绿色和平瑞士项目总监马库斯·阿利曼表示：“人体与消融中的冰川同样脆弱。这些裸体
者今天勇于挑战严寒，因为他们希望决策者们觉醒起来，立即采取积极有力的措施来保护气候。我们所剩的时间已经不多。”

美国宇航局观测到，从7月到10月，南极上空的臭氧总量急剧下降了69%；在9月21日至30日之间，南极臭氧空洞的范围达到创纪录的1060万平方英里。卫星探测显示，10月8日，南极上空臭氧量只有85多布森（Dobson）单位，而此前7月，该单位一度维持在正常的300多布森单位。更为令人关注的是，在距地面8英里到13英里的区间内，臭氧量只有1.2多布森单位，而3个月前的数字是125多布森单位。
美国国家海洋大气局全球监控部门主任大卫·霍夫曼对此表示：“这一数据显示，该区域的臭氧几乎已经完全消耗殆尽。今年这块区域的垂直高度远远超出往年，因此2006年臭氧空洞会创下历史纪录。”
报道称，“臭氧空洞”是指大气臭氧层出现严重损耗，导致其阻挡有害紫外线的能力大大降低。目前出现的臭氧空洞都是人类活动排放的温室气体造成的。科学家在上世纪80年代发现，自每年9月份下旬开始，南极洲上空的臭氧总量迅速减少一半左右，在极地上空臭氧层的中心地带，近90％臭氧被破坏，在南极上空形成了一个直径上千公里的“臭氧空洞”。
据悉，国际社会已禁止各国使用可能损害臭氧的工业化学原料，如曾被用作冰箱制冷剂的氯氟烃。研究人员通过计算得出，南极上空的这些化学物质曾在2001年达到顶峰，现在已经开始呈下降趋势，但是，其中很多物质在空气中存留的时间相当长。虽然臭氧层的厚度每年都会发生变化，但科学家预计，到2065年臭氧层会缓慢恢复。