一种基于北斗云的低成本滑坡实时监测系统

为了实现低成本北斗滑坡地表形变自动化监测目的,本文研制了一套基于北斗云的新型滑坡实时监测系统。包括设计了具有无线传输、云端存储以及支持Ntrip（Networked Transport of RTCM via Internet Protocol）通过互联网进行RTCM网络传输协议）协议的北斗监测接收机,开发了高效的实时数据流管理软件和高精度滑坡形变监测软件,优化了外业施工设计方案,以千元终端机、自研定位软件辅以高效云计算的解决方案为低成本滑坡监测应用提供了可能。真实数值算例结果表明,短基线情形下北斗实时监测精度E方向（东方向）优于2 mm,N方向（北方向）优于2 mm,U方向（高程方向）优于3 mm,完全能够满足滑坡高精度实时监测需求。另外,本文还将滑坡区长期北斗连续监测结果与自动全站仪精密测量结果进行了对比,两者在水平方向和高程方向上符合度均优于3 mm,具有较好的一致性。     

地质数据本体构建及其在数据检索中的应用

针对传统以关键词、主题词等字符串匹配为核心的地质数据检索方法存在的查不全、查不准的问题,给出了基于地质数据本体的语义级检索解决方案。通过对地质数据的概念、属性、关系、规则及相应实例的详细表达,构建了地质数据本体(矿产资源预测部分),搭建数据检索系统并开展了应用实践。实验表明,引入地质数据本体后,检索结果在数据的查全率和查准率方面显著提高,并能智能推送相关联的数据信息。开发的地质大数据专题检索系统,实现了对局域网中多源异构地质数据的获取、半自动化标注和语义关联检索,满足地质大数据应用服务的需求,对于大数据时代背景下地质数据的精确发现、深层挖掘及共享有重要意义。     

浅谈大数据时代下天地图·湖北的发展

大数据时代对天地图·湖北提出诸多挑战,如海量、多源、异构数据的存储与管理以及面对大量噪音的价值挖掘等。为适应大数据的需求,天地图·湖北需要在大数据时代作出相应的改变和调整。基于此,从天地图·湖北的数据存储模式和数据挖掘分析两个方面阐述大数据时代下天地图·湖北的发展。     

基于云存储的地理空间框架数据服务

针对部门和行业对地理空间框架服务的普遍需求,提出了一种基于云存储的地理空间框架数据服务解决方案。通过建立验证系统,验证了地理空间框架数据服务的可行性和有效性,对瓦片数据云存储提出了优化组织方法。遵循面向服务体系架构解决了地理空间框架数据发布分发和基于浏览器环境的数字地球构建难题。     

收录《地学前缘》的国外检索系统

正美国《工程索引》(EI)俄罗斯《文摘杂志》(AJ)《日本科学技术振兴机构中国文献数据库》(JST)美国《化学文摘(网络版)》(CA)美国《乌利希期刊指南(网络版)(Ulrichsweb)     

一种结合RDBMS和Hadoop的海量小文件存储方法

提出了一种综合利用RDBMS和Hadoop云存储各自优势、同时避免各自缺陷的海量小文件存储方法.原型系统实验表明,该方法可以满足“数字城市”应用中小文件的存储需求,同时,也可作为其他具备结构化特征的海量小文件数据存储系统.     

《地学前缘》中文版入选EI检索系统

<正>经Elsevier工程信息公司中国信息部通知,由中国地质大学(北京)和北京大学主办的中文刊《地学前缘》从2013年第1期开始,正式被EI检索系统收录。这将进一步提高《地学前缘》的知名度和影响力。EI(The Engineering Index,简称EI)创刊于1884年,是美国工程信息公司(Engineering information Inc.)出     

《地学前缘》中文版入选EI检索系统

经Elsevier工程信息公司中国信息部通知,由中国地质大学(北京)和北京大学主办的中文刊《地学前缘》从2013年第1期开始,正式被EI检索系统收录。这将进一步提高《地学前缘》的知名度和影响力。EI(The Engineering Index,简称EI)创刊于1884年,是美国工程信息公司(Engineering information Inc.)出版的著名工程技术类综合性检索工具,是世界著名的三大检索系统之一。     

基于NoSQL的海量空间数据云存储与服务方法

近年来,实现海量空间数据高效地存储管理和在线服务,成为地学信息科学领域日益关注的热点问题。本文根据矢量和栅格空间数据的不同特点,提出并实现了矢量栅格数据一体化的海量空间数据分布式云存储管理与访问服务方案,在海量矢量数据存储和处理中创新性引入分布式图数据库Neo4J和并行图计算框架。在三层式空间数据云存储架构基础上,给出NoSQL数据库技术的栅格和矢量数据云存储的实现策略与方法,并开展了通用数据访问接口的设计。采用分布式文件系统HDFS存储栅格数据,并使用列族数据库HBase对其建立分布式空间索引,及采用满足ACID约束的分布式图数据库Neo4J来存储矢量数据,并使用R树建立空间索引。在自主研发的地理知识云平台GeoKSCloud框架下,初步实现了核心组件-空间数据聚合中心(GeoDAC)软件,可为各类用户提供空间数据分布式存储管理和访问服务。通过搭建试验床,开展GeoDAC与开源GIS软件PostGIS在矢量数据读写访问性能方面的对比测试。结果表明,虽然GeoDAC没有获得写入性能的加速作用,但其具有PostGIS无法比拟的强大读取性能。GeoDAC将海量数据经过空间分割后分布在集群上,能够并行处理查询请求,极大地提高空间查询速度,具有广阔的应用前景。     

表分区技术在自动气象站数据存储中的应用

针对大数据量的自动气象站观测数据访问性能低和维护成本高的问题,通过利用SQL Server 2005表分区技术,选取观测时间字段作为分区依据列,分别创建文件组、分区函数和分区方案,建立分区表和分区索引,解决了自动气象站海量数据存储和高效访问的问题。实践表明采用水平方式表分区技术,能够显著提高用户对大型表读写性能和降低系统管理员对数据库表的维护成本,提高数据库系统运行效率。