基于Oracle的高光谱影像数据库研究

为有效地组织和管理高光谱影像,本文提出了基于Oracle数据库平台的高光谱影像存储和管理的解决方案。基于对象关系-模型设计了光谱数据表组+属性数据表组的存储规范以及波段独立顺列式、波段集中整合式以及表单位式的三种存储模式。采用地形瓦片和影像金字塔的快速索引结构设计和建立了高光谱影像数据库的原型。     

高光谱数据在数据库中的高效存储技术研究

通过分析高光谱数据的特点 ,结合数据库系统开发实践 ,提出了高光谱数据集 ,包括图像、光谱、属性等 ,在关系数据库中的存储规范。结合ORACLE数据平台 ,提出了 3种高光谱数据的存储模式 ,并结合应用实例进行对比 ,分析了各自的优缺点以及适用条件。     

狮子洋主航道特大水垂比大位移科学钻孔施工实践

粤港澳大湾区狮子洋主航道地质勘察无法采用垂直点状钻探勘察施工,为此采用水平孔勘察方案,设计了一个特大水垂比大位移科学钻孔。该孔设计孔深940 m,取心靶点14个,靶区半径5.0 m,水平段长380 m,垂深60 m,水垂比14,是国内单孔作业靶点最多、水垂比最大的钻孔之一。研究制定了一套多靶点定向钻进、水平螺杆马达原状性取心、地质录井和存储式钻杆输送测井的综合勘察技术,在水利水电勘察中首次应用,取得了良好的效果。该孔完钻孔深936.20 m,中靶率85.71%,其中,取心进尺81.70 m,机械钻速2.38 m/h,岩心采取率89.84%,精准实现了洋底主航道的地质超前预报,大幅度减少了勘察孔数量,降低了环境破坏,提高了勘察效率,保证了地质资料的连续性和可靠性,是一项值得在隧道勘察中推广使用的先进技术。     

一种面向GML的多维压缩算法研究

本文通过对GML文档的深入分析,借鉴传统的XML和空间数据的压缩算法,提出了一种面向GML结构数据、空间数据和属性数据的一体化多维压缩算法。对结构维数据,采用改进的LZW压缩机制;对特征维数据,采用实体间与实体内的双重压缩,并考虑到空间特征数据的特点,采用分割压缩的算法。实验证明,此算法不仅压缩率高,而且简单实用。     

矢量瓦片并行构建与分布式存储模型研究

矢量瓦片体积小、生成效率高、支持动态交互,较传统栅格瓦片有诸多优势,是下一代互联网地图服务研究的重点。为了解决当前矢量瓦片研究中处理速度慢,扩展性差等问题,本文利用并行计算框架Spark进行矢量瓦片快速构建,通过自定义转换函数,将原始矢量数据GeoJson转换成mvt瓦片集;对于生成的矢量瓦片集,本文基于分布式内存文件系统Alluxio设计一个瓦片存储模型-VectorTileStore,模型以键值对进行数据存储,瓦片元数据占据前八个键值对,单个瓦片占据一个键值对,在数据写入的同时,基于键构建一个哈希索引,用于快速访问,模型兼容海量瓦片的组织存储,具有很强的扩展性。通过实验结果表明,本文提出的矢量瓦片并行构建算法较单机构建算法运行时间平均减少49.6%,分布式存储模型VectorTileStore较传统方案更适合海量矢量瓦片存储,存取时间效率更高。     

遥感卫星数据编目存档系统的研制

遥感卫星数据编目存档系统是卫星数据编目浏览的信息支撑中心。本文介绍了遥感卫星编目数据的特点,分析了编目存档系统的现状和存在的问题,论述了对编目存档系统进行研究的必要性,最后根据地理信息系统和计算机技术的发展状况提出了实现新型编目存档系统的几个要点。     

城市全空间三维模型数据一体化集成管理关键技术及应用

随着城市三维地质信息系统及其应用的快速发展,对地学数据的可视化表达精度的需求变得越来越高,但地质调查数据常具有多源、多维、海量、多专题、多尺度和多时态等特征,而三维数据存储、组织与管理己成为制约其发展的重要因素。因此如何高效管理并有效利用这些复杂且海量的地质数据去解决各种复杂的地质问题服务社会,成为了城市地质信息科学领域研究的热门方向。基于武汉市多要素城市地质调查全空间一张图的构建过程,从多源三维模型一体化融合管理与分布式存储、轻量级全空间三维模型构建、多源异构海量三维数据快速渲染和浏览器端三维模型分析及专业应用4个方面系统地探索了城市地质调查全空间一张图系统建设过程中的关键技术,并进行了应用实践。研究结果实现了城市级大规模高精度三维地质模型的高效集成,提高了多要素城市地质调查成果可视化的表达效果,为三维地质模型的应用奠定了坚实的基础。     

时空遥感云计算平台PIE-Engine Studio的研究与应用

随着遥感大数据时代的到来,为快速处理和分析海量遥感数据,国内外涌现了众多遥感云计算平台,使得全球尺度、长时间序列遥感数据的快速分析和应用成为可能。本文在分析国内外遥感云计算平台现状的基础上,针对大数据时代国内缺少功能完备的遥感云计算平台,且国外遥感云计算平台对国产卫星数据支持不足等问题,基于容器云技术,构建了包含国产卫星数据且集数据、算力和技术于一体的时空遥感云计算平台PIE（Pixel Information Expert）-Engine Studio,实现了脚本驱动的遥感数据的按需获取以及海量数据的快速处理。采用Landsat 8数据,以生长季植被指数NDVI（Normalized Difference Vegetation Index）的计算为例,对比了本平台与GEE（Google Earth Engine）的数据处理能力。结果表明,由于计算资源的限制,本平台的计算和导出时间均比GEE稍长,但计算结果的空间分布一致,其中近68%的值均分布在（0.48,0.77）,且二者差值的95.33%集中在（-0.13,0.13）,结果较为可信。因此,本文构建的基于共享、开放的中国自主遥感云计算平台PIE-Engine Studio,可为地球科学领域的研究提供数据和算力支持,将有助于推进中国遥感云计算平台的发展进程,推动国产卫星数据在云计算平台上的应用。     

MICAPS4服务端系统架构设计

MICAPS4体系采用客户端/服务器的系统架构,其中服务端系统是MICAPS4的重要部分,利用分布式存储与分布式计算技术,构建可容纳102 TB量级的气象实时数据,千万数据总量,面向数百并发用户的服务器集群系统。MICAPS4服务端系统在国内率先实现全部气象实时数据由文件到数据库、从集中式系统到分布式系统的迁移,该系统自2015年起在全国推广使用。在海量气象数据和大量用户并发访问的环境下,表现出很高的稳定性和优越的读写性能,同时具有便捷的扩展性和可维护性。MICAPS4服务端系统分为分布式存储系统、分布式前处理系统、站点实况轮询系统、查询服务器系统和监控系统5个子系统,分布式存储子系统为MICAPS4客户端提供了近实时数据的高速随机与顺序读取服务,分布式前处理系统利用对等分布式架构实现了海量气象实时数据的流式计算,站点实况轮询系统实现了跨系统的实况数据异构副本的同步功能,查询服务器系统利用多线程服务器技术实现了MICAPS4客户端的实时计算请求,监控系统利用部署于每个节点的探针实现监控信息的主动上报。     

面向地学计算的资源环境科学数据共享平台的设计

目前,在我国的资源环境科学领域中,数据、计算和服务等各种资源存在着共享少、冗余大、标准杂等问题。而信息技术的飞速发展给资源环境科学领域的信息技术基础--地理信息系统带来强大的技术支持。鉴于此,本文以中国科学院资源环境科学数据共享平台建设为例,系统地介绍面向地学科学计算的资源环境科学数据共享平台的设计以及所采用的关键技术--元数据标准/元数据数据库技术、XML/GML技术以及网络会议/多媒体技术等。