云计算模式下的数据中心建设探索——以南京市规划局“规划云”数据中心建设为例

从数据中心建设的现状出发,梳理分析南京市规划局现状业务数据种类、特点和存储方式,结合当今成熟技术,介绍云数据中心应用的初步探索,提出存储系统构建的需求,最后对新的数据中心转型工作予以展望。     

云环境下浙江省数字城市一体化运维初探

随着浙江省全面完成数字城市建设,为保障各级数字城市运行稳定,解决当前基层运维的技术难题,本文提出了省、市、县数字城市一体化运维模式,提出了运维的整体框架,探讨了云计算环境下软件和数据运维平台的建设,为数字城市运维提供新的思路。     

绥中县数字海洋综合地理信息系统设计与实现

目前,我国正在积极推进"数字海洋"建设,绥中县濒临辽东湾面向渤海,海岸线长达105km,具有丰富的海洋资源。本文探讨了基于三维实景技术的绥中县数字海洋综合地理信息系统的设计与实现,对提高绥中县海洋资源管理的数字化、精细化、可视化具有参考意义。     

海洋地理信息系统研究进展

为了寻求更好发展海洋GIS的方法和途径,回顾了海洋GIS的发展历程,分析了海洋GIS目前研究状况,探讨了目前海洋GIS的研究所遇到的问题。     

“数字湖南”之GIS云构想

提出了＂数字湖南＂建设之GIS云构想主要是面向行业应用的开发者。GIS云通过为其他应用平台提供弹性的硬件能力、数据资源、专业功能等服务,降低GIS应用门槛,提高应用和服务的效率,实现信息的共享。通过分析GIS云框架4个层次的含义和技术特征,探索适合湖南省基础地理信息服务的稳定、安全、高效的云服务模式。     

数字海洋地图无缝拼接的研究

从目前数字海洋地图的现状出发,针对数字海洋地图由分幅存储方式带来的叠幅（图幅间存在重叠区域）和缝隙两个问题,提出了一种无缝拼接的算法。算法可去除图幅之间的重叠区域,并且可以有效去除由分幅导致的缝隙,将多个图幅的图层要素拼接为物理无缝的数据。     

数字海洋研究的知识图谱分析与前景展望

自数字海洋的概念提出至今,已有20年整。本文以数字海洋为关键词,检索中国知识资源总库中1999—2018年间公开发表的数字海洋研究文献,综合运用科学知识图谱分析方法,研究总结了20年内数字海洋研究的发展过程、学科参与、研究质量、演进特征等。研究结果表明:①20年来,数字海洋研究成果日益丰富,受关注度逐渐提升;②以海洋科学为中心,多学科共同融合参与;③资源类型全面,但研究质量仍需提升;④前沿热点突出,紧跟信息化潮流。在经历过快速发展阶段之后,当前的数字海洋研究已进入一个相对稳定的阶段,但在研究内容和方法技术等方面仍有探索空间和必要性。分析认为,未来的数字海洋研究应朝着全球化、应用化、精细化、智能化等方向发展,以期进入一个新的研究高潮。     

“吉信地理信息云服务平台”服务模式研究

云计算是近几年来计算机领域里十分热门的一个词汇,随着技术的发展和市场的扩张,GIS开始与其他IT应用深度融合,并且逐渐进入IT应用的主流。在云计算的时代,GIS也面临着新的机会与变革。本文从云计算的概念和服务模式出发,介绍了吉信地理信息云服务平台的服务模式。     

“数字周边”总体架构与研究方向

从"数字国界"走向"数字周边"是我国周边外交提出的一项重要任务,也是地理信息服务外交的热点方向。首次提出"数字周边"的基本概念,分析讨论其数字化建模、定量化分析、可视化表达等基本技术内涵;继而从境外信息获取、周边信息分析、信息集成分析3个方面,讨论提出"数字周边"的总体技术架构,然后指出周边信息分类与建模、地理空间信息整合提取、地缘环境信息建模、动态信息服务等是亟待研究解决的关键技术问题。"数字周边"研究涉及国际关系、地理学和地理空间信息等多个学科,需要深度交叉与协同创新。     

“数字西大”建设初探

“数字地球”理论的提出为当今信息社会的发展指明了方向，“数字小区”作为构造“数字地球”的最基本单元，有着广阔的发展前景。根据西大具体现状，结合GIS专业知识，通过查阅大量资料，对基于后勤基础设施动态管理监控系统的西北大学“数字小区”建设，从理论上、可行性上进行了论证；对于建设中的主要环节以及一些关键技术和方法进行了初步的构思和探索；对于“数字小区”的建设和发展进行了展望。     

基于云计算的新型高鲜度电子地图平台构建

在电子科技发展迅猛的新时代,电子地图可为车载导航、手机、PAD、互联网等使用者提供基于位置的各种服务。针对现有电子地图生产平台更新频率低、处理速度慢、现势性差等问题,本文利用大数据挖掘、云计算及人工智能等新技术,通过自动识别成图及自动化编辑能力,对电子地图的在线快速更新技术,以及从采集、编辑到出品的一体化流程进行了研究。并以此建立了基于云计算的新型高鲜度电子地图平台,实现了电子地图道路信息与兴趣点的在线增量更新,大幅度提升了电子地图的生产能力、准确率及效率。     

基于云计算的智慧唐山时空信息平台数据库构建

随着云计算技术的不断发展,大数据与信息化时代的优势越来越突出,应用越来越广泛。时空信息平台作为智慧城市建设的重要内容,管理海量基础地理信息数据,是智慧城市建设的基础。因此,海量数据的管理成为时空信息平台设计的关键。以智慧唐山建设为例,结合云计算技术,探讨时空信息平台数据库的构建,针对云平台基础地理信息数据体系、云平台数据库体系架构以及云平台数据库管理系统等方面进行设计,明确基于云计算时空信息平台数据库建设内容,探讨适用于智慧城市建设的时空信息云平台解决方案。     

基于云计算系统的空间查询处理方法

针对传统的关系型空间数据库已经不能很好地适应于超大规模高并发空间查询访问的处理需要的问题,该文着眼于解决大数据时代下地理信息服务所面临的日益严峻的大规模空间查询访问需求,探索了一套基于Spark架构的空间查询实现技术,并给出相应的解决方案。提出一个基于Spark并提供类SQL访问接口的空间查询实现模型GeoSpark SQL,解决了以下关键问题:数据的外包矩形数据生成和标准地理信息数据对Spark的导入导出方法;Spark空间查询算子实现方法;Spark空间索引与查询优化方法。GeoSpark SQL模型在初步实验中,已可以满足实时性的要求,对复杂的空间查询也能有良好的性能表现。     

云计算技术下的滑坡监测云平台设计 ——以陕西泾阳为例

研究分析了基于云计算技术的灾害监测云服务平台的体系架构和关键技术,并结合滑坡灾害监测和数据处理的相关理论,以陕西泾阳的滑坡为例,设计了滑坡灾害监测云服务平台的软件体系结构并细化了核心层的功能模块,也预留了开发应用程序的接口。此外,本文还分析了滑坡灾害监测云平台的优点及不足,为今后设计和实现其他地质灾害监测云服务平台提供了一定的研究和参考价值。     

分布式云计算的青岛市地理信息公共平台

针对当前数字城市地理信息公共服务平台单独建设、分散部署,存在运行效率较低及宕机风险等问题,该文提出了基于分布式云计算的集约化地理信息公共服务平台建设框架。以青岛市为例,通过整合现有市级地理信息公共服务平台软硬件资源,对软硬件及网络进行规划设计,形成物理分散、逻辑统一的分布式云计算环境,实现地理信息公共服务平台的高性能、高可靠性、高扩展性的提升,为智慧城市时空信息云平台提供集约化云环境。     

一种云计算系统的瓦片数据组织方法

针对云计算系统中文件数据存储效率较低的问题,文章以Hadoop云计算系统为研究对象,改进了Hadoop-pvfs分布式系统,以提高Hadoop底层文件系统的存储效率,同时使得数据的更新可以在文件的任何位置;并提出一种多层次、位置相关的瓦片数据组织方法。实验结果表明,上述方法相对于Hadoop瓦片服务器系统吞吐效率有较大提高,可以为建设高性能、海量存储的GIS数据库服务系统提供参考。     

A geospatial hybrid cloud platform based on multi-sourced computing and model resources for geosciences

Cloud computing has been considered as the next-generation computing platform with the potential to address the data and computing challenges in geosciences. However, only a limited number of geoscientists have been adapting this platform for their scientific research mainly due to two barriers: 1) selecting an appropriate cloud platform for a specific application could be challenging, as various cloud services are available and 2) existing general cloud platforms are not designed to support geoscience applications, algorithms and models. To tackle such barriers, this research aims to design a hybrid cloud computing (HCC) platform that can utilize and integrate the computing resources across different organizations to build a unified geospatial cloud computing platform. This platform can manage different types of underlying cloud infrastructure (e.g., private or public clouds), and enables geoscientists to test and leverage the cloud capabilities through a web interface. Additionally, the platform also provides different geospatial cloud services, such as workflow as a service, on the top of common cloud services (e.g., infrastructure as a service) provided by general cloud platforms. Therefore, geoscientists can easily create a model workflow by recruiting the needed models for a geospatial application or task on the fly. A HCC prototype is developed and dust storm simulation is used to demonstrate the capability and feasibility of such platform in facilitating geosciences by leveraging across-organization computing and model resources.     

A scalable cyberinfrastructure and cloud computing platform for forest aboveground biomass estimation based on the Google Earth Engine

ABSTRACT

Earth observation (EO) data, such as high-resolution satellite imagery or LiDAR, has become one primary source for forests Aboveground Biomass (AGB) mapping and estimation. However, managing and analyzing the large amount of globally or locally available EO data remains a great challenge. The Google Earth Engine (GEE), which leverages cloud-computing services to provide powerful capabilities on the management and rapid analysis of various types of EO data, has appeared as an inestimable tool to address this challenge. In this paper, we present a scalable cyberinfrastructure for on-the-fly AGB estimation, statistics, and visualization over a large spatial extent. This cyberinfrastructure integrates state-of-the-art cloud computing applications, including GEE, Fusion Tables, and the Google Cloud Platform (GCP), to establish a scalable, highly extendable, and high-performance analysis environment. Two experiments were designed to demonstrate its superiority in performance over the traditional desktop environment and its scalability in processing complex workflows. In addition, a web portal was developed to integrate the cyberinfrastructure with some visualization tools (e.g. Google Maps, Highcharts) to provide a Graphical User Interfaces (GUI) and online visualization for both general public and geospatial researchers.     

融合激光点云与影像点云的精细化DEM生成

针对地面激光扫描及无人机航摄技术在实际外业测量中受视场角限制或遮挡等因素的影响而难以获取待测区域完整的点云数据的问题,本文在经典ICP算法的基础上,提出了一种顾及高程差异和点云密度的激光点云与影像点云融合方法。通过差分数字高程模型对点云进行分块,并基于点云密度选取融合范围,将分块后的影像点云配准到激光点云的孔洞和稀疏区域。本文方法能够提高激光点云与影像点云的融合效果,保持激光点云的精度并保留更多的细节特征,实现激光点云与影像点云的高质量融合。