ASO-S卫星工程科学应用系统的数据库设计

先进天基太阳天文台(Advanced Space-based Solar Observatory, ASO-S)卫星是我国首颗太阳观测卫星, 主要观测太阳耀斑和日冕物质抛射以及产生它们的磁场结构. ASO-S卫星的科学应用系统是科学卫星工程的6大系统之一, 它连接科学用户和卫星数据, 为将卫星的科学数据转化为科学成果提供保障. 科学应用系统的数据库是连接软件与海量数据的枢纽, 为科学数据生产和用户服务及运行提供数据层的支撑. 介绍了科学应用系统的数据库架构设计、数据库的选择以及数据库性能优化和表样例. 这里的数据库包括观测计划、工程参数、运维日志、科学数据、定标数据和特征事件识别等数据库. 这些数据库的建设将为ASO-S卫星工程科学应用系统的顺利运行提供数据支撑, 也可以为未来其他科学卫星类似数据库的搭建提供参考和借鉴.     

金沙江巧家—蒙姑段的阶地发育与河谷地貌演化

金沙江水系演化与河谷发育问题长期以来是地质地貌学界关注的重大问题,目前仍存在较大争议。河流阶地及其相关沉积是河谷发育过程的产物,可以提供河谷发育的时代与形式等诸多信息。金沙江在巧家—蒙姑段河谷中,葫芦口附近发育和保存了8级基座阶地,结合光释光和电子自旋共振测年方法,依据古气候资料,推断T6~T1的下切时间分别对应于深海氧同位素（MIS）的36/35、34/33、24/23、20/19、14/13和4/3阶段,即气候由冷至暖的转型期。青岗坝附近则发育了5级由堰塞湖相沉积组成的堆积型阶地,指示了中更新世以来该段河谷在下切过程中经历了频繁的滑坡堵江堰塞,发育形式以“下切—滑坡—堰塞—堆积—下切”过程为主。此外,河流的平均下切速率自0.82 Ma以来由此前的0.56 mm/a下降至0.19 mm/a,表明中更新世以来频繁发生的堵江堰塞事件严重抑制了该段河谷的下切作用。综合流域内河流阶地序列及相关沉积的研究,金沙江下游段现代河谷的形成时代不晚于早更新世。     

全球气候变化下南海诸岛保护优先区识别分析

全球变化下,珊瑚礁保护区是保护生物多样性、增强珊瑚礁对气候变暖抵抗力的有效方式,而维持珊瑚礁弹性是其核心内容。针对珊瑚礁最具有威胁性的热压力因子,基于南海1982—2009年卫星观测海表面温度（SST）数据和CMIP5加拿大地球系统模式CanESM2模型预估的2006—2100年南海SST数据构建热压力强度模型,从维持珊瑚礁弹性的角度识别IPCC RCP 4.5和RCP 8.5情景下南海诸岛保护优先区。结果表明：RCP 4.5和RCP 8.5情景下13%左右的南海诸岛珊瑚礁识别为保护优先区。根据热压力强度与珊瑚抵抗力及避难所关系,西沙群岛七连屿和晋卿岛近年观测与未来预估的热压力强度均比较低,在保障其服务功能的基础上建议实施完全保护;东沙群岛东沙环礁和中沙环礁排洪滩近年观测急性热压力强度较高但未来预估热压力强度较低,建议实施50%禁止利用保护;中沙群岛黄岩岛近年观测和未来预估的急性热压力强度均比较低,建议实施50%多用途保护。南沙群岛有14%左右的珊瑚礁识别为保护优先区,根据其热压力强度可实施30%~100%禁止利用保护或30%~50%多用途保护。RCP 4.5和RCP 8.5情景下的南海诸岛保护优先区及保护对策,可为维持珊瑚礁生态弹性及应对全球气候变化提供重要的参考价值。     

Salinivibrio sp.YH4胞外丝氨酸蛋白酶EYHS耐盐性及生物信息学分析

摘要：目的 探讨菌株Salinivibrio sp.YH4分泌的丝氨酸蛋白酶EYHS的耐盐性及结构特征。方法 明胶底物酶谱法分析EYHS的耐盐性。应用生物信息学手段对EYHS及6种耐盐的S8家族丝氨酸蛋白酶结构特征进行分析。结果 EYHS在4 mol/L的NaCl溶液中仍具有活性,属于耐盐蛋白酶。EYHS及6种S8家族丝氨酸蛋白酶分子表面的loop区等无规则卷曲所占比例较高,α-螺旋与β-片层则主要位于酶分子内部。EYHS分子表面酸性氨基酸含量较高,且具有弱疏水内核。多序列比对发现蛋白酶的催化三联体两侧存在高度保守的基序和保守的极性氨基酸及芳香族氨基酸,并存在多个保守的Gly与Ala。同源模建和表面电荷分布显示,α螺旋和β片层围成了蛋白酶的催化腔,EYHS活性中心包含由Asp32、His65与Ser215组成的催化三联体,且催化位点区域表面静电势为负。结论 上述结构特征可能有助于耐盐丝氨酸蛋白酶EYHS在高盐环境下维持其稳定性和适度柔性,并有助于其催化功能的发挥,为深入研究耐盐丝氨酸蛋白酶的高盐环境适应性提供了一定的理论依据。     

利用水准数据的天津市地面沉降时空特征分析

地面不均匀沉降可能对城市的发展与人民的安全造成危害,天津市的地面沉降情况尤为严重。针对该问题,本文收集天津市2005—2012年、2016—2017年水准观测数据,以固定水准点位的沉降量、沉降速率、沉降加速率为状态向量,构建卡尔曼滤波模型,对天津市历年的水准观测数据进行滤波;根据滤波后的结果,本文利用多项式加权内插的方法,以距离、沉降速率、沉降加速率信息确定权值大小,对地面沉降情况进行内插;并以中误差作为精度评定参数,比较多种内插方法的精度。通过对内插结果的试验分析发现,2005—2017年天津市地面累计平均沉降量为394.477 5 mm,最大沉降量为1 143.5 mm;主要沉降区域为北辰、大港、塘沽等地区,且随着时间的增长,这些区域呈现漏斗式下沉。试验证明本文结合卡尔曼滤波与多项式加权内插的方式能够较好地反映地面沉降的时空特征分布情况并对未来一段时间的沉降情况进行预测,对天津市的城市发展及建设有一定的参考意义。     

深圳市地理信息产业政策研究及建议

深圳市2014年地理信息产业调查估算产值为50-60亿元,产业发展潜力具有很大的挖掘空间。有效的产业政策可以促进产业发展。为加快深圳地理信息产业发展,本文在对深圳市现有地理信息产业政策体系进行全面梳理和政策问题分析的基础上,开展促进深圳市地理信息发展的产业政策研究,提出深圳市地理信息产业优先发展方向、领域,并基于地理信息产业政策研究理论框架,给出具有针对性的政策完善建议。     

基于GIS的石家庄市雾霾分析

为了得出雾霾气象成因机制、影响因素和时空分布特征,以石家庄市区与郊县为研究区域,将2013年9月至2016年12月石家庄市各市区、郊县的PM2.5历史监测数据中的有效数据进行了数据分析处理得到雾霾浓度数据,还有温度、降水、风速、地形和人口密度等数据,运用GIS分析的方法,模拟绘制石家庄雾霾的时空分布图、雾霾与各影响因子的专题对比图,得到雾霾形成机制的因子、雾霾的时空分布规律、雾霾季节变化特征、雾霾与地形间的关系等;运用数据分析软件OriginPro8.SR3分析雾霾浓度与风速数据、降雨数据、温度数据间的相关性。     

O2-O2云反演算法及其在TROPOMI上的应用

利用遥感技术对大气环境污染进行监测时,云是影响痕量气体反演精度的重要因素,因此在痕量气体反演中需要对云的影响进行校正,通常使用的云参数主要是有效云量和云压。本文基于O₂-O₂ 477 nm吸收波段构建了O₂-O₂云反演算法：首先,根据有效云量和云高与连续反射率和O₂-O₂斜柱浓度之间的对应关系,结合假定的云模型利用VLIDORT辐射传输模型建立关于有效云量和云压的查找表;然后,通过差分吸收光谱技术拟合卫星载荷观测的大气层顶辐射,获得O₂-O₂斜柱浓度并计算连续反射率;最后,结合辅助数据,根据查找表进行插值反演获得有效云量和云压。通过将算法应用到OMI观测数据,将反演结果与OMCLDO2产品进行对比验证,有效云量和云压空间分布一致,相关系数R均超过0.97;并还将该算法应用于下一代大气成分监测仪器TROPOMI,与FRESCO+产品对比,有效云量和云压空间分布基本一致,当地表类型为海洋时,有效云量相关系数R大于0.97,云压相关系数R大于0.94,云压反演结果存在一定的区别;通过将O₂-O₂云反演算法和FRESCO+云压反演结果与CALIOP Cloud Layer产品进行对比,结果表明,在低云情况下,O₂-O₂云反演算法线性回归方程斜率为0.782,截距为198.0 hPa,相关系数R为0.850,算法表现优于FRESCO+。而在高云情况下,FRESCO+反演结果更接近CALIOP云压结果。在OMI和TROPOMI上的应用表明O₂-O₂云反演算法在大气云反演中具有较高的准确性和可行性,可以为大气痕量气体反演的校正提供云参数,并为中国同类型卫星载荷的云反演算法提供算法参考。     

基于WebGIS平台的陕西省地学实习教学辅助系统

通过对陕西省各实习基地地学实习内容、模式与特点的分析,在分析系统框架、开发方式、开发平台等的基础上,探索建立基于WebGIS的地学实习教辅系统,并对主要功能模块的具体实现方法进行研究。结果表明,利用WebGIS、Java EE、HTML/CSS及ArcGIS图像编辑等技术实现地学实习教辅系统的开发,可对陕西省各实习地点教学素材进行有效管理、教学实习地点展现,并提供师生互动交流平台。     

A hierarchical indexing strategy for optimizing Apache Spark with HDFS to efficiently query big geospatial raster data

ABSTRACT

Earth observations and model simulations are generating big multidimensional array-based raster data. However, it is difficult to efficiently query these big raster data due to the inconsistency among the geospatial raster data model, distributed physical data storage model, and the data pipeline in distributed computing frameworks. To efficiently process big geospatial data, this paper proposes a three-layer hierarchical indexing strategy to optimize Apache Spark with Hadoop Distributed File System (HDFS) from the following aspects: (1) improve I/O efficiency by adopting the chunking data structure; (2) keep the workload balance and high data locality by building the global index (k-d tree); (3) enable Spark and HDFS to natively support geospatial raster data formats (e.g., HDF4, NetCDF4, GeoTiff) by building the local index (hash table); (4) index the in-memory data to further improve geospatial data queries; (5) develop a data repartition strategy to tune the query parallelism while keeping high data locality. The above strategies are implemented by developing the customized RDDs, and evaluated by comparing the performance with that of Spark SQL and SciSpark. The proposed indexing strategy can be applied to other distributed frameworks or cloud-based computing systems to natively support big geospatial data query with high efficiency.