地理时空大数据协同计算技术

大数据时代,地理时空数据的迅猛增长给应用理念、技术框架和服务形式带来挑战。本文在阐述地理时空大数据概念的基础上,首先分析了地理时空大数据计算面临的挑战,从数据协同、技术协同、服务协同和生产协同4个层次阐述了地理时空大数据协同计算方法;然后,根据平台化服务的需求设计了地理时空大数据协同计算框架,从遥感数据综合预处理、地理时空数据的组织与管理、地理时空大数据高效计算、地理时空大数据可视化4个方面论述了地理时空大数据协同计算实现的关键技术;最后,以遥感大数据综合处理系统作为案例说明了地理时空大数据协同计算与服务的实现方法,并对地理时空大数据的应用模式进行了展望。     

多维动态地理空间框架数据的构建

地理基础框架数据是数字化地理空间基础框架的重要组成部分。迄今为止 ,人们一直是按照平面图或铺盖数据模型 ,将具有鲜明的多维、动态特征的现实空间世界抽象为二维、静态目标 ,生产、提供和使用二维 (或 2 .5维 )的地理基础框架数据。该地理基础框架数据在表达或反映三维实体及其时空变化方面有着很大的局限性 ,不能满足国家信息化的应用需求。本文就数字化地理空间基础框架的狭义和广义概念、国内外地理空间框架数据的发展过程、地理空间框架数据的三维、多尺度、时态和动态问题进行了初步的分析 ,并提出了构建多维、动态地理空间框架数据的建议 ,加强对多维动态空间数据模型的理论研究 ,开展多维动态地理空间框架数据的建设工程 ,开拓多维动态地理空间框架数据的应用领域。     

数字地理空间框架的科学内涵和发展特征

基于社会需求和测绘发展的背景对数字地理空间框架进行了分析,内容包括数字地理空间框架提出和建设的必然性,总体需求,基本内容,数据体系.指出数字地理空间框架是现代测绘发展条件下测绘成果的新体系,是现代测绘发展的基本任务和主要目标,需要从信息社会的历史背景和测绘转型的战略高度去认识、规划和实施.     

基于协同计算的白洋淀湿地时序水体信息提取

白洋淀湿地是华北平原仅存的为数极少的湖泊型湿地之一,具有改善生态环境、保护生物多样性等功能。通过遥感手段进行白洋淀地区湿地变化研究,可为景观格局变化、生态环境分析及湿地保护等提供重要的信息支撑,具有非常重要的意义。本文在分析遥感大数据特点的基础上,对遥感应用中的大数据信息提取这一重要环节进行了分析,并以遥感信息计算为切入点,深入分析并总结了遥感大数据计算过程中的多种协同计算问题。结合白洋淀地区长时相遥感湿地水体提取与变化分析的应用需求,本文提出了基于协同计算方式下的白洋淀水体提取技术路线,并详细分析了水体信息计算过程中的几种重要的协同计算问题,提高了水体信息提取的精度。最后,根据白洋淀地区43期（1973-2015年）精确的水体提取信息,统计了白洋淀历史时期水体面积的变化,并指出该区域自1973年以来水体面积经历了“减少-增加-再减少-再增加”的变化过程。     

基于工作流技术的公共地理框架数据更新系统设计

针对现有公共地理框架数据更新作业过程中存在的流程不畅、进度难以把控等问题,简要介绍了工作流即工作流管理系统的参考模型,并将工作流技术引入公共地理框架数据的更新作业流程中,实现更新作业过程中流程的自动扭转,减少流程的闲置时间,增强项目管理控制的能力。     

数字城市地理空间基础框架

城市地理空间基础框架主要包括空间基础数据体系、政策法规与保障体系、数据分发与应用服务体系以及技术支撑体系等4个方面。一、城市平面基准具有一定的特殊性由于我国幅员辽阔,使用目前国家统一平面基准在许多城市会产生较大的投影变形,无法满足城市建设的需要。     

数字城市地理空间框架应用推广的探讨

数字城市地理空间框架建设已取得了丰硕成果和应用成效,随着云计算、互联网+和大数据的不断发展,数字城市地理空间框架建设的重心已成为地理信息资源整合、避免重复建设转移到提高测绘地理信息服务能力、推动经济社会发展的方向,其关键就是测绘地理信息的应用推广。本文介绍了数字城市地理空间框架的组成、应用推广服务模式,并以长沙、常德和湘西为研究对象,分析影响应用推广的因素并提出相应的建议。     

地理大数据背景下空间分析课程教学改革探索

地理大数据的兴起对地理信息科学学科发展和人才培养带来了机遇和挑战.空间分析课程教学是地理信息科学人才培养的重要环节,但现有的课程教学模式存在局限性,难以适应大数据时代的人才培养目标和需求.本文重点阐述了在地理大数据背景下的空间分析课程教学改革设想,包括对学科基础知识教学的强化、前沿发展动态的吸收,以及加强对学生科学思维...     

基于计算网格的DEM空间分析系统

计算网格技术可以解决DEM空间分析中大数据量和高密度计算对计算资源的需求。计算网格平台Alche-mi给出了模型系统的架构设计和层次设计,将系统划分为DEM分析服务器、计算网格节点和空间数据库服务器;通过集中式空间数据库服务器和基于数据分解的方法设计了系统的并行算法。实例结果表明,应用网格技术可以显著提高大计算量DEM模型分析的运算效率,具有重要理论和现实意义。     

基于空间分析方法的疾病地理研究进展

健康已成为人类普遍关注的问题,以人类健康为研究对象的医学地理目前正成为全球性的研究热点,其中疾病地理又是相对成熟的分支和主要的研究方向.空间分析方法的引入,开拓了疾病地理研究的新领域,也成为疾病监测和评估的一个辅助工具,这使得疾病时空研究取得了重大进展.本文在前人研究的基础上,从时空两方面揭示了疾病地理近年来主要的研究动态和特点,并提出了当前疾病地理研究的某些不足,最后展望了今后我国疾病地理的研究任务和方向.     

地理空间分析与制图的数据整合策略和方法

地理信息系统(GIS)的地学分析与计算机地图制图(CAC)是地理空间数据应用不可分割的两个方面。但GIS与CAC在地理空间数据的需求上存在冲突,导致两者间数据无法充分共享,直接造成数据的重复采集和浪费。本文从数据、软件系统和地图符号库的综合实施方案出发,初步探讨了地理空间数据整合的策略与方法。研究结果表明,基于辅助线的传统整合方法极大地增加了地理数据建库与更新的难度,而将人工智能技术、专家系统与主制图型或者主分析型数据方案结合起来,才有助于实现GIS与CAC在数据及系统功能上的真正融合。     

应急服务空间数据集成研究进展

第21届国际摄影测量与遥感大会(ISPRS)于2008年7月在北京召开.大会共举办了10个大类275场次的学术交流活动,共收集论文全文1 881篇.其中应急服务空间数据集成主题共收录来自中国、加拿大、日本、德国、法国、意大利等9个国家的18篇会议论文,围绕应急服务信息快速获取、应急服务信息共享与互操作、应急服务决策支持系统、灾害情景分析、应急响应空问数据基础设施建设等方面展开了系统研究,这基本反映了该主题的研究现状和发展前沿.     

面向大规模空间Agent建模的分布式地理模拟框架

基于Agent建模的地理模拟是认识和理解动态地理现象的有效方法,但随着地理模拟的规模和复杂性不断增加,模型的计算问题开始凸显。分布式并行仿真是解决大规模Agent复杂模拟计算的途径,然而已有研究基于Agent建模/仿真软件构建并行仿真系统的方式并不适用于具有高移动与行为交互的空间Agent建模及其模拟过程的实时可视化。为解决这个问题,本文提出了一个分布式地理模拟框架DGSimF,用于大规模动态空间Agent模拟,支持模拟过程的实时表示与分析。设计了一个简单但高效的时空数据模型建模空间Agent,支持直接基于Agent行为建模集成地学模型,采用了时间微分方法协同各计算节点行为的执行,实现以“任务并行”的方式进行分布式计算以提高仿真性能,构建了基于三维地球渲染引擎的虚拟地理环境,提供模拟过程的实时可视化。最后,以“红蓝对抗”案例进行了实验验证,对不同模拟计算量和不同客户端数量下的仿真性能进行了分析,结果表明DGSimF可以为具有时空特征变化与行为交互的大规模空间Agent模拟提供一个有效的平台。通过扩展计算节点,DGSimF可以有效地缓解复杂模拟计算的压力问题,并且仿真性能较高,在实验中并...     

全空间下并行矢量空间分析研究综述与展望

新一代并行空间分析将面临空间大数据分析和实时空间分析服务的挑战。矢量空间计算作为GIS系统中的重要组成部分,在并行化算法设计中存在负载不均,并行扩展性差,IO性能低等技术瓶颈。本文首先从应用需求和技术发展的演变历史回顾了矢量空间分析算法发展过程;然后,从研究现状的角度详细阐述了并行矢量空间分析计算的研究成果,总结了并行空间分析算法的算法特征和技术瓶颈,对不同并行编程模型进行了对比,并提出了并行空间分析算法的研发流程;最后,从发展前景的角度预测了全空间信息系统中基于多粒度时空对象的空间数据模型和计算方法的发展趋势,提出了以内存计算等技术实现存算一体化的新型空间数据模型和分析方法的技术趋势。     

基于概念分析的空间数据挖掘研究进展

空间数据挖掘的过程与空间概念形成和分析的过程密切相关.本文以空间数据中抽取出各层次、各粒度的概念为主线,以概念形成和分析的形式化理论--概念格和云模型为理论基础,总结了基于概念分析的空间数据挖掘方法及应用,包括概念格的空间关联规则挖掘方法及应用、概念格的概念聚类挖掘方法及应用、云模型的空间关联规则挖掘方法及应用、云模型的空间聚类/分类挖掘方法及应用等.概念格提供了一种形式化的概念描述和概念结构分析的理论和方法,云模型提供了一种综合处理模糊性、随机性以及二者之间关联性的不确定性理论和方法,利用概念格、云模型等形式化的理论和方法分析和描述空间数据挖掘过程中空间概念的形成、空间概念的结构关系、空间概念之间以及空间概念层次之间的不确定性是概念分析的空间数据挖掘研究的进一步的研究方向.     

一个可定位视频对象的地理空间表达框架

可定位视频是包含位置信息的视频,它的地理空间表达是集成视频与GIS的关键问题。针对视频添加位置标签空间语义单一的不足,设计了一个可定位视频的地理空间表达框架。该框架包括视频帧与视频片段2个层次,在扩展OGC空间数据库几何要素标准基础上,分别定义了3类共7种对象描述可定位视频的空间信息。（1）视频位置（点）,描述视频帧及视频片段拍摄位置及相机姿态;（2）视频轨迹（线）,描述视频片段拍摄轨迹;（3）视频平面视域（面）与立体视域（体）,分别描述视频帧及视频片段拍摄场景二维与三维空间范围。该框架包含了主要空间对象类型,空间表达范围较为完备,同时支持视频帧、视频片段等不同层次数据,在不改变现有数据结构基础上,实现视频数据与GIS松散耦合与有机集成。本文讨论了视频对象空间数据获取方法,定义了逻辑模型,并以可视化与检索为例进行应用分析。结果表明,该框架扩展了现有空间数据标准,易于实现,在地理可视化、视频检索及分析挖掘方面具有应用价值。     

基于C-SOM和Spark的并行空间离群挖掘方法及应用

空间离群挖掘可以发现空间数据集中非空间属性值与邻域中其他空间对象明显不同的空间对象。随着空间数据量的快速增加,传统集中式处理模式面临单机性能瓶颈、难以扩展等问题,已逐渐不能满足应用需要。因此,本文根据Spark并行计算框架,充分利用Spark快速内存计算和扩展性的优势,提出了一种基于考虑约束条件的空间离群挖掘算法（C-SOM）和Spark的并行空间离群挖掘算法和原型系统。该并行算法以C-SOM为核心,并行地在多个计算节点对全局数据集和各局部数据集执行C-SOM算法,得到全局离群和局部离群。轻量级的原型系统基于Spark实现了该并行算法,采用Browser/Server架构,提供给用户可视化的操作界面,简洁实用。最后,通过福建省东南沿海土壤化学元素调查数据和人工合成数据的离群分析,验证了该并行算法和原型系统的合理性、有效性和高效性。     

地学数据集成及空间决策支持的方法与应用

空间数据分析技术的严重滞后出现了“信息爆炸”的现象。因此,由于地学数据多源性的特点,如何集成量纲不一,形式多样,既有定量数据,又有定性的文字描述,经验性和知识性的地学数据并使之帮助决策成为当前亟待研究的课题之一。本文讨论两个空间数据集成和决策支持方法:模糊证据权重和加权逻辑回归方法。与传统地学数据集成和空间决策支持方法如判别分析和其他多元回归不同之处在于,这两种方法在解释变量是连续和类别变量混合模式的情况下或响应变量取两类值的情况下处理的结果更为合理。     

面向服务的地学多源数据虚拟整合及其可视化分析

科学数据共享的推进,给科研人员带来了前所未有的科研契机,但是依然没有摆脱搜集数据-下载数据-整理分析数据的科研流程,这种传统的科研流程已经严重阻碍了科研效率的产出,科研人员对信息和知识的需求已经远远大于对数据本身的需求,而要实现对信息和知识的挖掘,多源数据的实时整合与在线可视化分析是其关键。本文选择社会经济研究主题,以中国社会经济统计数据、国家基础地理行政区划矢量数据为例,并结合ESRI和Google的全球地图与影像服务,采用在线虚拟整合的方法,探讨了面向服务的地学多源数据集成方案及其可视化分析,以期达到快速的知识发现与信息获取。研究结果表明:面向服务的技术架构虽然已经成熟,相对于传统的数据共享和应用系统在数据接口开放性、集成性和应用扩展性等方面具有明显的优势,能够切实解决多源异构数据的整合问题,但是技术的成熟并不等于应用的成熟,广泛而成熟的应用不但需要技术的支撑,更需要友好和智能的操作界面,这方面还需要较长的时间去探索。从本文的应用实例来看,在面向服务技术的深入应用过程中,还存在着不同来源数据单位不统一、操作流程复杂、服务规范不统一等问题。同时,在不同类型服务的标准化、操作智能化和多源服务的功能应用模块化等方面还需要大量的实践,才能进一步推进地学信息化科研环境的建设,以全方位为科研人员服务。     

耦合尺度的地理实体空间相关度算法的建立与应用

传统的地理实体空间相关度算法存在适应的实体和拓扑关系类型较少、没有考虑空间尺度依赖性而导致数据区分能力差的问题。本研究提出一种能依据指定的空间尺度（本文所指“空间尺度”是指定的地理空间范围）,计算出相应的地理实体空间相关度的算法。该算法以地理学第一定律和Egenhofer关于空间相关度的论述为理论依据,分析点、线、面实体的拓扑关系和度量关系而建立不同的相关度计算公式。通过对比分析,本算法不仅能计算出不同类型和不同拓扑关系下的地理实体间相关度,而且计算结果随着空间尺度的变化而改变,与人类通常的认知相符合。最后,以地理空间数据检索为例,介绍了本算法的应用。与传统的关键词匹配检索方法相比,应用本算法能提高数据检索的F1-measure值,并且能对文档按照与检索词的相关度进行排序。本算法可应用于地理信息检索、数据发现、数据推荐和关联数据等领域。