---
title: "GeoDjango databas API"
version: 5.2
locale: sv
source: https://docs.djangoproject.com/sv/5.2/ref/contrib/gis/db-api/
canonical: https://djangodocs.dev/sv/5.2/ref/contrib/gis/db-api/
---
# GeoDjango databas API

## Spatiala backends

GeoDjango tillhandahåller för närvarande följande rumsliga databasbackends:

- `django.contrib.gis.db.backends.postgis`
- `django.contrib.gis.db.backends.mysql`
- `django.contrib.gis.db.backends.oracle`
- `django.contrib.gis.db.backends.spatialite`

### MySQL Spatiala begränsningar

Django stöder rumsliga funktioner som arbetar med verkliga geometrier som finns tillgängliga i moderna MySQL-versioner. De rumsliga funktionerna är dock inte lika rika som andra backends som PostGIS.

### Stöd för raster

`RasterField` är för närvarande endast implementerat för PostGIS-backend. Rumsliga uppslagningar är tillgängliga för rasterfält, men rumsliga databasfunktioner och aggregat är inte implementerade för rasterfält.

## Skapa och spara modeller med geometriska fält

Här följer ett exempel på hur man skapar ett geometriobjekt (med utgångspunkt från modellen `Zipcode`):

```pycon
>>> from zipcode.models import Zipcode
>>> z = Zipcode(code=77096, poly="POLYGON(( 10 10, 10 20, 20 20, 20 15, 10 10))")
>>> z.save()
```

[`GEOSGeometry`](/sv/5.2/ref/contrib/gis/geos/#django.contrib.gis.geos.GEOSGeometry)-objekt kan också användas för att spara geometriska modeller:

```pycon
>>> from django.contrib.gis.geos import GEOSGeometry
>>> poly = GEOSGeometry("POLYGON(( 10 10, 10 20, 20 20, 20 15, 10 10))")
>>> z = Zipcode(code=77096, poly=poly)
>>> z.save()
```

Om `GEOSGeometry` dessutom befinner sig i ett annat koordinatsystem (har ett annat SRID-värde) än fältets, kommer det implicit att transformeras till SRID för modellens fält med hjälp av den rumsliga databasens transform-procedur:

```pycon
>>> poly_3084 = GEOSGeometry(
...     "POLYGON(( 10 10, 10 20, 20 20, 20 15, 10 10))", srid=3084
... )  # SRID 3084 is 'NAD83(HARN) / Texas Centric Lambert Conformal'
>>> z = Zipcode(code=78212, poly=poly_3084)
>>> z.save()
>>> from django.db import connection
>>> print(
...     connection.queries[-1]["sql"]
... )  # printing the last SQL statement executed (requires DEBUG=True)
INSERT INTO "geoapp_zipcode" ("code", "poly") VALUES (78212, ST_Transform(ST_GeomFromWKB('\\001 ... ', 3084), 4326))
```

Geometriparametrar kan således skickas in med hjälp av objektet `GEOSGeometry`, WKT (Well Known Text [^1]), HEXEWKB (PostGIS-specifikt - en WKB-geometri i hexadecimal [^2]) och GeoJSON (se [**RFC 7946**](https://datatracker.ietf.org/doc/html/rfc7946.html)). Om indata inte är ett `GEOSGeometry`-objekt kommer geometrifältet att försöka skapa en `GEOSGeometry`-instans från indata.

För mer information om att skapa [`GEOSGeometry`](/sv/5.2/ref/contrib/gis/geos/#django.contrib.gis.geos.GEOSGeometry)-objekt, se [GEOS tutorial](/sv/5.2/ref/contrib/gis/geos/#geos-tutorial).

## Skapa och spara modeller med Raster Fields

När rastermodeller skapas kommer rasterfältet implicit att konvertera indata till en [`GDALRaster`](/sv/5.2/ref/contrib/gis/gdal/#django.contrib.gis.gdal.GDALRaster) med hjälp av lazy-evaluation. Rasterfältet kommer därför att acceptera all indata som accepteras av [`GDALRaster`](/sv/5.2/ref/contrib/gis/gdal/#django.contrib.gis.gdal.GDALRaster)-konstruktören.

Här följer ett exempel på hur man skapar ett rasterobjekt från en rasterfil `volcano.tif` (med modellen `Elevation`):

```pycon
>>> from elevation.models import Elevation
>>> dem = Elevation(name="Volcano", rast="/path/to/raster/volcano.tif")
>>> dem.save()
```

[`GDALRaster`](/sv/5.2/ref/contrib/gis/gdal/#django.contrib.gis.gdal.GDALRaster)-objekt kan också användas för att spara rastermodeller:

```pycon
>>> from django.contrib.gis.gdal import GDALRaster
>>> rast = GDALRaster(
...     {
...         "width": 10,
...         "height": 10,
...         "name": "Canyon",
...         "srid": 4326,
...         "scale": [0.1, -0.1],
...         "bands": [{"data": range(100)}],
...     }
... )
>>> dem = Elevation(name="Canyon", rast=rast)
>>> dem.save()
```

Observera att detta är likvärdigt med:

```pycon
>>> dem = Elevation.objects.create(
...     name="Canyon",
...     rast={
...         "width": 10,
...         "height": 10,
...         "name": "Canyon",
...         "srid": 4326,
...         "scale": [0.1, -0.1],
...         "bands": [{"data": range(100)}],
...     },
... )
```

## Rumsliga uppslagningar

GeoDjangos lookup-typer kan användas med alla managermetoder som `filter()`, `exclude()`, etc.  De uppslagstyper som är unika för GeoDjango är dock endast tillgängliga på rumsliga fält.

Filters on ’normal’ fields (e.g. [`CharField`](/sv/5.2/ref/models/fields/#django.db.models.CharField))
may be chained with those on geographic fields. Geographic lookups accept
geometry and raster input on both sides, and input types can be mixed freely in
most cases. However, unlike assignments to model fields, with lookups,
types such as `str`, [`pathlib.Path`](https://docs.python.org/3/library/pathlib.html#pathlib.Path), and `dict` must be wrapped by
[`GDALRaster`](/sv/5.2/ref/contrib/gis/gdal/#django.contrib.gis.gdal.GDALRaster) to signify that the potential for
file writing or network fetching is acceptable. For the rationale, see
[raster security considerations](/sv/5.2/ref/contrib/gis/gdal/#raster-security).

Den allmänna strukturen för geografiska uppslagsord beskrivs nedan. En fullständig referens finns i [spatial lookup reference](/sv/5.2/ref/contrib/gis/geoquerysets/#spatial-lookups).

> **Changed in Django 5.2.17**
>
> In earlier versions, spatial lookups accepted `str` and `dict` types
> for new rasters, allowing file writes and network fetches.

### Geometriuppslagningar

Geografiska frågor med geometrier har följande allmänna form (med antagande av modellen `Zipcode` som används i [GeoDjango modell-API](/sv/5.2/ref/contrib/gis/model-api/)):

```text
>>> qs = Zipcode.objects.filter(<field>__<lookup_type>=<parameter>)
>>> qs = Zipcode.objects.exclude(...)
```

Till exempel:

```pycon
>>> qs = Zipcode.objects.filter(poly__contains=pnt)
>>> qs = Elevation.objects.filter(poly__contains=rst)
```

I det här fallet är `poly` det geografiska fältet, `` contains <gis-contains>` `` är den rumsliga lookup-typen, `pnt` är parametern (som kan vara ett [`GEOSGeometry`](/sv/5.2/ref/contrib/gis/geos/#django.contrib.gis.geos.GEOSGeometry)-objekt eller en sträng av GeoJSON , WKT eller HEXEWKB) och `rst` är ett [`GDALRaster`](/sv/5.2/ref/contrib/gis/gdal/#django.contrib.gis.gdal.GDALRaster)-objekt.

### Rasteruppslagningar

Syntaxen för rasteruppslagning liknar syntaxen för geometrier. Den enda skillnaden är att ett bandindex kan anges som ytterligare indata. Om inget bandindex anges används det första bandet som standard (index `0`). I så fall är syntaxen identisk med syntaxen för geometriuppslagningar.

För att ange bandindexet kan en ytterligare parameter anges på båda sidor av uppslagningen. På vänster sida används syntaxen med dubbla understreck för att skicka ett bandindex. På den högra sidan kan en tupel av raster- och bandindex specificeras.

Detta resulterar i följande allmänna form för uppslagningar som involverar raster (förutsatt att modellen `Elevation` används i [GeoDjango modell-API](/sv/5.2/ref/contrib/gis/model-api/)):

```text
>>> qs = Elevation.objects.filter(<field>__<lookup_type>=<parameter>)
>>> qs = Elevation.objects.filter(<field>__<band_index>__<lookup_type>=<parameter>)
>>> qs = Elevation.objects.filter(<field>__<lookup_type>=(<raster_input, <band_index>)
```

Till exempel:

```pycon
>>> qs = Elevation.objects.filter(rast__contains=geom)
>>> qs = Elevation.objects.filter(rast__contains=rst)
>>> qs = Elevation.objects.filter(rast__1__contains=geom)
>>> qs = Elevation.objects.filter(rast__contains=(rst, 1))
>>> qs = Elevation.objects.filter(rast__1__contains=(rst, 1))
```

Till vänster i exemplet är `rast` det geografiska rasterfältet och [`contains`](/sv/5.2/ref/contrib/gis/geoquerysets/#std-fieldlookup-gis-contains) är den rumsliga lookup-typen. På höger sida är `geom` en geometriingång och `rst` är ett [`GDALRaster`](/sv/5.2/ref/contrib/gis/gdal/#django.contrib.gis.gdal.GDALRaster)-objekt. Bandindexet är som standard `0` i de två första frågorna och är inställt på `1` i de andra.

Alla spatiala uppslag kan användas med rasterobjekt på båda sidor, men det är inte alla underliggande operatörer som accepterar rasterinmatning. I de fall där operatören förväntar sig geometriinmatning konverteras rastret automatiskt till en geometri. Det är viktigt att ha detta i åtanke när man tolkar uppslagsresultaten.

Typen av rasterstöd listas för alla uppslagningar i [kompatibilitetstabell](#spatial-lookup-compatibility). Uppslagningar som involverar raster är för närvarande endast tillgängliga för PostGIS-backend.

## Frågor om avstånd

### Introduktion

Avståndsberäkningar med rumsliga data är knepiga eftersom jorden tyvärr inte är platt.  Vissa avståndsfrågor med fält i ett geografiskt koordinatsystem kan behöva uttryckas annorlunda på grund av begränsningar i PostGIS.  Se avsnittet [Välja en SRID](/sv/5.2/ref/contrib/gis/model-api/#selecting-an-srid) i dokumentationen [GeoDjango modell-API](/sv/5.2/ref/contrib/gis/model-api/) för mer information.

### Uppslagning av avstånd

*Tillgänglighet*: PostGIS, MariaDB, MySQL, Oracle, SpatiaLite, PGRaster (inbyggd)

Följande avståndsuppslagningar är tillgängliga:

- `avstånd_lt`
- `avstånd_lte`
- `avstånd_gt`
- `avstånd_gte`
- [`dwithin`](/sv/5.2/ref/contrib/gis/geoquerysets/#std-fieldlookup-dwithin) (utom MariaDB och MySQL)

> **Note**
>
> För *mätning*, snarare än förfrågningar om avstånd, använd funktionen [`Distance`](/sv/5.2/ref/contrib/gis/functions/#django.contrib.gis.db.models.functions.Distance).

Distansuppslagningar tar en tuple-parameter som består av:

1. En geometri eller ett raster att basera beräkningarna på; och
2. Ett tal eller [`Distance`](/sv/5.2/ref/contrib/gis/measure/#django.contrib.gis.measure.Distance)-objekt som innehåller avståndet.

Om ett [`Distance`](/sv/5.2/ref/contrib/gis/measure/#django.contrib.gis.measure.Distance)-objekt används kan det uttryckas i valfri enhet (den SQL som genereras kommer att använda enheter som konverterats till fältets enheter); annars antas numeriska parametrar vara i fältets enheter.

> **Note**
>
> I PostGIS begränsar `ST_Distance_Sphere` *inte* de geometrityper som geografiska avståndsfrågor utförs med. [^3] Dessa frågor kan dock ta lång tid, eftersom storcirkelavstånd måste beräknas i farten för *varje* rad i frågan.  Detta beror på att det spatiala indexet på traditionella geometriska fält inte kan användas.
>
> För mycket bättre prestanda på WGS84-avståndsfrågor, överväg att använda [geografikolumner](/sv/5.2/ref/contrib/gis/model-api/#geography-type) i din databas istället eftersom de kan använda sitt rumsliga index i avståndsfrågor. Du kan tala om för GeoDjango att använda en geografikolumn genom att ställa in `geography=True` i din fältdefinition.

Låt oss till exempel säga att vi har en `SouthTexasCity`-modell (från [GeoDjango distance tests](https://github.com/django/django/blob/stable/5.2.x/tests/gis_tests/distapp/models.py) ) på ett *projicerat* koordinatsystem som gäller för städer i södra Texas:

```
from django.contrib.gis.db import models

class SouthTexasCity(models.Model):
    name = models.CharField(max_length=30)
    # A projected coordinate system (only valid for South Texas!)
    # is used, units are in meters.
    point = models.PointField(srid=32140)
```

Då kan avståndsfrågor utföras på följande sätt:

```pycon
>>> from django.contrib.gis.geos import GEOSGeometry
>>> from django.contrib.gis.measure import D  # ``D`` is a shortcut for ``Distance``
>>> from geoapp.models import SouthTexasCity
# Distances will be calculated from this point, which does not have to be projected.
>>> pnt = GEOSGeometry("POINT(-96.876369 29.905320)", srid=4326)
# If numeric parameter, units of field (meters in this case) are assumed.
>>> qs = SouthTexasCity.objects.filter(point__distance_lte=(pnt, 7000))
# Find all Cities within 7 km, > 20 miles away, and > 100 chains away (an obscure unit)
>>> qs = SouthTexasCity.objects.filter(point__distance_lte=(pnt, D(km=7)))
>>> qs = SouthTexasCity.objects.filter(point__distance_gte=(pnt, D(mi=20)))
>>> qs = SouthTexasCity.objects.filter(point__distance_gte=(pnt, D(chain=100)))
```

Rasterfrågor fungerar på samma sätt genom att geometrifältet `point` ersätts med ett rasterfält, eller `pnt`-objektet med ett rasterobjekt, eller båda. För att specificera bandindex för en rasterinmatning på höger sida kan en 3-tupel skickas till lookupen enligt följande:

```pycon
>>> qs = SouthTexasCity.objects.filter(point__distance_gte=(rst, 2, D(km=7)))
```

Där bandet med index 2 (det tredje bandet) i rastret `rst` skulle användas för uppslagningen.

## Kompatibilitetstabeller

### Rumsliga uppslagningar

I följande tabell finns en sammanfattning av vilka rumsliga uppslagningar som är tillgängliga för varje rumslig databasbackend. PostGIS Raster (PGRaster)-uppslagningarna är indelade i de tre kategorier som beskrivs i [raster lookup details](#spatial-lookup-raster): inbyggt stöd `N`, bilateralt inbyggt stöd `B` och stöd för geometrikonvertering `C`.

| Typ av uppslag | PostGIS | Oracle | MariaDB | MySQL [^4] | SpatiaLite | PGRaster |
| --- | --- | --- | --- | --- | --- | --- |
| `bbinnehåller` | X |  | X | X | X | N |
| [`bboverlaps`](/sv/5.2/ref/contrib/gis/geoquerysets/#std-fieldlookup-bboverlaps) | X |  | X | X | X | N |
| `innehållen` | X |  | X | X | X | N |
| [`innehåller`](/sv/5.2/ref/contrib/gis/geoquerysets/#std-fieldlookup-gis-contains) | X | X | X | X | X | B |
| `innehåller_riktigt` | X |  |  |  |  | B |
| `täckt av` | X | X |  | X | X | B |
| `täcken` | X | X |  | X | X | B |
| `korsningar` | X |  | X | X | X | C |
| [`disjoint`](/sv/5.2/ref/contrib/gis/geoquerysets/#std-fieldlookup-disjoint) | X | X | X | X | X | B |
| `avstånd_gt` | X | X | X | X | X | N |
| `avstånd_gte` | X | X | X | X | X | N |
| `avstånd_lt` | X | X | X | X | X | N |
| `avstånd_lte` | X | X | X | X | X | N |
| [`dwithin`](/sv/5.2/ref/contrib/gis/geoquerysets/#std-fieldlookup-dwithin) | X | X |  |  | X | B |
| `likvärdiga` | X | X | X | X | X | C |
| `exakt` | X | X | X | X | X | B |
| [`intersects`](/sv/5.2/ref/contrib/gis/geoquerysets/#std-fieldlookup-intersects) | X | X | X | X | X | B |
| [`isempty`](/sv/5.2/ref/contrib/gis/geoquerysets/#std-fieldlookup-isempty) | X |  |  |  |  |  |
| [`isvalid`](/sv/5.2/ref/contrib/gis/geoquerysets/#std-fieldlookup-isvalid) | X | X |  | X | X |  |
| `överlappningar` | X | X | X | X | X | B |
| `besläktad` | X | X | X |  | X | C |
| `samma_som` | X | X | X | X | X | B |
| [`touches`](/sv/5.2/ref/contrib/gis/geoquerysets/#std-fieldlookup-touches) | X | X | X | X | X | B |
| `inom` | X | X | X | X | X | B |
| `vänster` | X |  |  |  |  | C |
| `höger` | X |  |  |  |  | C |
| [`overlaps_left`](/sv/5.2/ref/contrib/gis/geoquerysets/#std-fieldlookup-overlaps_left) | X |  |  |  |  | B |
| [`overlaps_right`](/sv/5.2/ref/contrib/gis/geoquerysets/#std-fieldlookup-overlaps_right) | X |  |  |  |  | B |
| [`overlaps_above`](/sv/5.2/ref/contrib/gis/geoquerysets/#std-fieldlookup-overlaps_above) | X |  |  |  |  | C |
| [`overlaps_below`](/sv/5.2/ref/contrib/gis/geoquerysets/#std-fieldlookup-overlaps_below) | X |  |  |  |  | C |
| `strikt_över` | X |  |  |  |  | C |
| `strikt_under` | X |  |  |  |  | C |

### Databasfunktioner

I följande tabell finns en sammanfattning av vilka geografiskt specifika databasfunktioner som finns tillgängliga i varje rumslig backend.

| Funktion | PostGIS | Oracle | MariaDB | MySQL | SpatiaLite |
| --- | --- | --- | --- | --- | --- |
| [`Area`](/sv/5.2/ref/contrib/gis/functions/#django.contrib.gis.db.models.functions.Area) | X | X | X | X | X |
| [`AsGeoJSON`](/sv/5.2/ref/contrib/gis/functions/#django.contrib.gis.db.models.functions.AsGeoJSON) | X | X | X | X | X |
| [`AsGML`](/sv/5.2/ref/contrib/gis/functions/#django.contrib.gis.db.models.functions.AsGML) | X | X |  |  | X |
| [`AsKML`](/sv/5.2/ref/contrib/gis/functions/#django.contrib.gis.db.models.functions.AsKML) | X |  |  |  | X |
| [`AsSVG`](/sv/5.2/ref/contrib/gis/functions/#django.contrib.gis.db.models.functions.AsSVG) | X |  |  |  | X |
| [`AsWKB`](/sv/5.2/ref/contrib/gis/functions/#django.contrib.gis.db.models.functions.AsWKB) | X | X | X | X | X |
| [`AsWKT`](/sv/5.2/ref/contrib/gis/functions/#django.contrib.gis.db.models.functions.AsWKT) | X | X | X | X | X |
| [`Azimuth`](/sv/5.2/ref/contrib/gis/functions/#django.contrib.gis.db.models.functions.Azimuth) | X |  |  |  | X (LWGEOM/RTTOPO) |
| [`BoundingCircle`](/sv/5.2/ref/contrib/gis/functions/#django.contrib.gis.db.models.functions.BoundingCircle) | X | X |  |  | X (≥ 5.1) |
| [`Centroid`](/sv/5.2/ref/contrib/gis/functions/#django.contrib.gis.db.models.functions.Centroid) | X | X | X | X | X |
| [`ClosestPoint`](/sv/5.2/ref/contrib/gis/functions/#django.contrib.gis.db.models.functions.ClosestPoint) | X |  |  |  | X |
| `Skillnad` | X | X | X | X | X |
| `Distans` | X | X | X | X | X |
| `Kuvert` | X | X | X | X | X |
| [`ForcePolygonCW`](/sv/5.2/ref/contrib/gis/functions/#django.contrib.gis.db.models.functions.ForcePolygonCW) | X |  |  |  | X |
| `FrånWKB` | X | X | X | X | X |
| [`FromWKT`](/sv/5.2/ref/contrib/gis/functions/#django.contrib.gis.db.models.functions.FromWKT) | X | X | X | X | X |
| [`GeoHash`](/sv/5.2/ref/contrib/gis/functions/#django.contrib.gis.db.models.functions.GeoHash) | X |  |  | X | X (LWGEOM/RTTOPO) |
| [`GeometryDistance`](/sv/5.2/ref/contrib/gis/functions/#django.contrib.gis.db.models.functions.GeometryDistance) | X |  |  |  |  |
| `Intersektion` | X | X | X | X | X |
| [`IsEmpty`](/sv/5.2/ref/contrib/gis/functions/#django.contrib.gis.db.models.functions.IsEmpty) | X |  |  |  |  |
| [`IsValid`](/sv/5.2/ref/contrib/gis/functions/#django.contrib.gis.db.models.functions.IsValid) | X | X |  | X | X |
| `Längd` | X | X | X | X | X |
| [`LineLocatePoint`](/sv/5.2/ref/contrib/gis/functions/#django.contrib.gis.db.models.functions.LineLocatePoint) | X |  |  |  | X |
| [`MakeValid`](/sv/5.2/ref/contrib/gis/functions/#django.contrib.gis.db.models.functions.MakeValid) | X |  |  |  | X (LWGEOM/RTTOPO) |
| [`MemSize`](/sv/5.2/ref/contrib/gis/functions/#django.contrib.gis.db.models.functions.MemSize) | X |  |  |  |  |
| [`NumGeometries`](/sv/5.2/ref/contrib/gis/functions/#django.contrib.gis.db.models.functions.NumGeometries) | X | X | X | X | X |
| [`NumPoints`](/sv/5.2/ref/contrib/gis/functions/#django.contrib.gis.db.models.functions.NumPoints) | X | X | X | X | X |
| [`Perimeter`](/sv/5.2/ref/contrib/gis/functions/#django.contrib.gis.db.models.functions.Perimeter) | X | X |  |  | X |
| [`PointOnSurface`](/sv/5.2/ref/contrib/gis/functions/#django.contrib.gis.db.models.functions.PointOnSurface) | X | X | X |  | X |
| [`Reverse`](/sv/5.2/ref/contrib/gis/functions/#django.contrib.gis.db.models.functions.Reverse) | X | X |  |  | X |
| `Skala` | X |  |  |  | X |
| [`SnapToGrid`](/sv/5.2/ref/contrib/gis/functions/#django.contrib.gis.db.models.functions.SnapToGrid) | X |  |  |  | X |
| [`SymDifference`](/sv/5.2/ref/contrib/gis/functions/#django.contrib.gis.db.models.functions.SymDifference) | X | X | X | X | X |
| [`Transform`](/sv/5.2/ref/contrib/gis/functions/#django.contrib.gis.db.models.functions.Transform) | X | X |  |  | X |
| [`Translate`](/sv/5.2/ref/contrib/gis/functions/#django.contrib.gis.db.models.functions.Translate) | X |  |  |  | X |
| [`Union`](/sv/5.2/ref/contrib/gis/functions/#django.contrib.gis.db.models.functions.Union) | X | X | X | X | X |

### Aggregerade funktioner

I följande tabell finns en sammanfattning av vilka GIS-specifika aggregeringsfunktioner som finns tillgängliga på varje spatial backend. Observera att MariaDB inte stöder några av dessa aggregat och därför inte ingår i tabellen.

| Sammanslagna | PostGIS | Oracle | MySQL | SpatiaLite |
| --- | --- | --- | --- | --- |
| [`Collect`](/sv/5.2/ref/contrib/gis/geoquerysets/#django.contrib.gis.db.models.Collect) | X |  | X (≥ 8.0.24) | X |
| [`Extent`](/sv/5.2/ref/contrib/gis/geoquerysets/#django.contrib.gis.db.models.Extent) | X | X |  | X |
| [`Extent3D`](/sv/5.2/ref/contrib/gis/geoquerysets/#django.contrib.gis.db.models.Extent3D) | X |  |  |  |
| [`MakeLine`](/sv/5.2/ref/contrib/gis/geoquerysets/#django.contrib.gis.db.models.MakeLine) | X |  |  | X |
| [`Union`](/sv/5.2/ref/contrib/gis/geoquerysets/#django.contrib.gis.db.models.Union) | X | X |  | X |

**Fotnoter**

[^1]: *Se* Open Geospatial Consortium, Inc, [OpenGIS Simple Feature Specification For SQL](https://portal.ogc.org/files/?artifact_id=829), Document 99-049 (5 maj 1999), på Ch. 3.2.5, s. 3-11 (SQL Textual Representation of Geometry).

[^2]: *Se* [PostGIS EWKB, EWKT and Canonical Forms](https://postgis.net/docs/using_postgis_dbmanagement.html#EWKB_EWKT), PostGIS dokumentation på Ch. 4.1.2.

[^3]: *Se* [PostGIS dokumentation](https://postgis.net/docs/ST_DistanceSphere.html) om `ST_DistanceSphere`.

[^4]: Se avsnittet [MySQL Spatiala begränsningar](#mysql-spatial-limitations) för mer information.