一、演示数据构造
为了在后续的例子中对ST_Union和ST_Collect这两个函数进行具体的介绍。因此首先需要设计一张空间表来存储相关数据。这里我们以两个存在重叠面的场景为例来进行讲解。
1、PostGIS空间表准备 首先创建一张用于测试空间面数据的空间表，表结构如下：
CREATE TABLE china_regions (
id SERIAL PRIMARY KEY,
region_name VARCHAR(50),
geom GEOMETRY(POLYGON, 4326)
);
为了演示方便，这里暂不设计复杂的空间字段，geom空间属性列中专门用于保存Polygon面数据。
1、测试数据准备
接下来准备两个存在重叠的区域的边界坐标，然后使用标准SQL插入到PostGIS空间数据库中。插入的标准SQL语句如下：
— 插入区域一（简化版）
INSERT INTO china_regions (region_name, geom) VALUES (
'模拟区域一',
ST_GeomFromText(
'POLYGON((112.879114 28.18866, 112.882333 28.181397, 112.890959 28.186125, 112.888813 28.192518, 112.881432 28.190967, 112.879114 28.18866))',
4326
)
);
— 插入区域二（简化版）
INSERT INTO china_regions (region_name, geom) VALUES (
'模拟区域二',
ST_GeomFromText(
'POLYGON((112.886152 28.186882, 112.89053 28.181473, 112.899714 28.186428, 112.898769 28.193047, 112.886367 28.193766, 112.886152 28.186882))',
4326
)
);
为了验证是否成功将这两条SQL插入到空间数据库中，需要注意的是，在插入数据时，首尾的坐标一定要闭合，否则会报错。数据新增成功后可以使用下面SQL来进行查询验证：
select t.*,st_asgeojson(t.geom) from china_regions t;
从上图中可以明显得看到，两个面的中间有一块明显重叠的区域。到此，空间物理表及两个模拟面的数据基本准备完毕，接下来可以进入正式的两个函数对比阶段。
2、两个函数融合展示
本节将使用实例对两个函数的融合展示进行深入介绍，通过详细的介绍。让大家了解这两个函数的具体区别，让大家在实际工作中可以有针对性的选择。
1、ST_Collect融合 首先来介绍ST_Collect，ST_Collect就像给你的地理数据准备的一个"收集盒"或"文件夹"。它把多个地理对象放在一起，但不改变它们本身。每个对象还是独立存在的，只是现在它们在一个容器里。st_collect的特点如下：
✅ 只收集，不改变：原封不动地把数据放一起
✅ 保留所有：重复的部分、重叠的区域都保留
✅ 速度快：因为没有复杂的计算
✅ 适合显示和传输：把所有数据打包，方便一次性显示或导出
下面来看看它的使用查询SQL，下面是对它的查询结果进行可视化：
select st_collect(geom) from china_regions;
ST_Collect的 实际应用场景：
批量导出数据：把所有选定区域的地理数据打包
一次性显示：在地图上同时显示多个独立要素
中间步骤：先收集数据，后续再做其他处理
2、ST_Union融合 下面来说说st_union这个函数。ST_Union是一个真正的"融合器"。它不仅把数据放在一起，还会进行智能融合：消除重复边界、合并重叠区域。想象一下把几个相邻的土地合并成一块大土地。ST_Union的核心特点：
✅ 融合计算：进行空间计算，合并几何
✅ 消除重叠：重叠的部分只计算一次
✅ 创建新形状：可能生成全新的几何
✅ 计算精确：适合面积计算等需要精确性的场景
st_union的查询sql如下：
select st_union(geom) from china_regions;
st_union的实际应用场景：
计算总面积：多个区域有重叠时，避免重复计算
创建连续区域：把相邻的小区域合并成大区域
数据清理：消除小缝隙和重叠
3、结果对比 下面针对数据融合方面对这两个函数进行一个简单的对比：
