新型扩散云室搭建及其对黄山地区大气冰核的观测研究

本研究利用自行搭建的大气冰核高压静电采样器和静力真空水汽扩散云室,并结合其他大气冰核及气象要素观测仪器,于2011年5～9月及2012年9～10月在黄山三层不同高度上同时进行大气冰核及相关气象要素的连续观测。结果显示:黄山地区总冰核数浓度平均为18.74 L-1,凝结冻结核化冰核数浓度平均为0.79 L-1,凝华核化冰核数浓度平均为0.19 L-1。黄山地区冰核数浓度,随着高度的增加而减小;且存在春季较高、秋季居中、夏季较少的季节变化规律;下午达到一天中的最高值,夜晚达到一天中的最低值;总冰核数浓度较北方少。黄山山顶冰核数浓度随活化温度的升高而减小,随过饱和度的升高而增大,随风速的增强而增大,长期主要由西南风向山顶的输送,且其主要由大粒子来充当。     

一次强雷暴中的多灾种天气特征对比分析

用Micaps和NCEP再分析资料对2012年7月3日发生在淮河以南地区的大范围强雷暴天气进行了分析,得出高、低空急流配置,形成低空辐合,高空辐散,槽线由高到低前倾,有利增强大气不稳定层结,中尺度切变线南北摆动具有触发对流作用等,为该区强雷暴多灾种天气的发生,提供了动力和热力条件。从云图、雷达参数和地闪特征对比分析得出冰雹、雷击、强降水,分别发生在强对流云团发展的不同时间和不同部位。其云团的形态、强度和范围等也不同。冰雹所表现出的回波强度、回波顶高和垂直积分液态水含量为最强,雷击次之,强降水最弱。在地闪出现的各个阶段都有可能出现雷击事故,但多为负地闪,强度均较强。强降水过程多为负地闪,强度较弱,降水集中时段,地闪频次高。冰雹发生时地闪频数明显下降,且多为正闪。雷击过程强度和陡度变化最平缓,冰雹过程突变最明显。雷击发生在整个地闪过程中强度和陡度都相对较大的时刻;冰雹发生前约半小时有强度和陡度的骤增;强降水阶段地闪平均强度和陡度都最小。     

一种语音识别的可定制云计算方法

以云的方式提供语音识别服务是1种新的趋势。当前市场上的语音云都是面向通用领域的,针对这一现状,提出了1种面向特定领域,可定制的,可满足用户个性化需求的云计算方案。首先介绍了语音识别的MapReduce过程,接着描述了基于Sector/Sphere的语音识别系统组成及语音识别的Sphere处理流程,并给出了语音识别系统的云计算架构,然后探讨了语音识别的可定制实现,最后进行实验评估,证明云计算架构的语音识别系统与传统C/S架构的语音识别系统相比更具优势,且具有一定的可扩展性。     

复杂网络中多话题信息传播仿真研究

传统复杂网络话题传播研究,重点关注的是单个话题在网络中的传播,较少考虑多话题之间的相互影响因素。论文分析舆论传播过程中多个话题之间的竞争关系对话题传播的影响机制,建立基于复杂网络的多话题信息传播模型。通过对模型仿真实验及其结果分析表明,当引入个体信息环境影响因素后,一个话题的影响力大于舆论话题环境中其他话题的平均影响力,才会有较大概率影响到更多个体,否则只能在小范围内传播;个体对于话题记忆能力的变化在不同网络中会产生不同影响,在随机网络和BA网络中,人们对于话题的记忆越深,其传播的影响范围越大,而在规则网络和小世界网络中,较小的记忆长度能够让话题传播影响力更大;同时,在具有社群结构的网络中,度大的节点并非会一定会更多的参与某一话题的传播,因为度大的节点有更大概率获得更多的话题。     

基于MapReduce计算模型的气象资料处理调优试验

云计算技术使用分布式的计算技术实现了并行计算的计算能力和计算效率,解决了单机服务器计算能力低的问题。基于长序列历史资料所计算得出的气候标准值对于气象领域实时业务、准实时业务及科学研究中均具有重要的意义。由于长序列历史资料数据量大、运算逻辑较复杂,在传统单节点计算平台上进行整编计算耗时非常长。该文基于Hadoop分布式计算框架搭建了集群模式的云计算平台,以长序列历史资料作为源数据,基于MapReduce计算模型实现了部分整编算法,提高计算时效。同时,由于数据源本身具有文件个数多、单个文件小等特点,对数据源存储形式及数据文件大小进行改造,分别利用SequenceFile方式及文本文件合并方式对同一种场景进行计算时效对比测试,分别测试了10个文件合并、100个文件合并两种情况,使时效性得到了更大程度的提升。     

3维数字地球快速缓冲区分析算法

提出一种应用在3维数字地球中的通过图形处理器(GPU)快速实现矢量数据缓冲区分析的算法。使用一张4通道的纹理图作为容器将地理实体的矢量数据传入GPU,利用GPU的高效并行特性,将目标缓冲区纹理中的每个像素所对应的矢量坐标与原实体进行距离量算,在一次渲染中得到缓冲区纹理,最后提取出缓冲区纹理的边界。选择中国的流域和湖泊矢量数据,将本文算法与两种传统的CPU算法进行了缓冲区分析计算、测试和对比。结果显示,本文算法相对于传统矢量算法效率提高了9—16倍,相对于传统栅格算法效率提高11—20倍。实验证明,该算法计算简单,效果明显,特别是随着数据量增大,缓冲区计算速度显著优于传统算法,并能有效解决传统矢量法缓冲区分析中的数据自相交问题。     

天宫一号高光谱数据辐射校正的CUDA并行优化

高光谱图像经过辐射校正后,消除了探测元的响应差异,能更好地满足专题信息提取的数据要求.利用探测元的列均值、列标准差等统计信息对天宫一号高光谱短波红外数据进行辐射校正检验,并基于GPU CUDA计算模型对均值归一化、矩匹配、相邻列均衡等3种相对辐射校正算法进行了并行计算优化.通过辐射校正计算流程拆分,CPU控制流程逻辑,GPU执行数据级并行计算,并建立CUDA的计算单元与数据单元的映射关系,获得5—7倍的计算加速比,这些辐射校正算法依据图像自身统计信息,且易于进行并行计算优化,满足实时校正的处理时效要求,为未来高光谱数据在轨实时辐射校正提供了新思路.     

基于高性能计算平台的天宫一号遥感数据地面预处理系统

针对天宫一号传感器特点,设计并实现了基于高性能并行集群环境的遥感数据地面预处理系统,可完成对高并发、海量遥感数据处理任务的快速、高效处理.该系统可通过传感器的星上定标参数完成系统辐射校正、系统几何校正等处理过程,生产出高光谱热红外谱段和高光谱数据的1级、2级遥感产品.同时,在数据产品封装与输出分系统中,采用了较为通用的GeoTiff与HDF作为产品的主要输出格式,可满足领域内多种用户的需求.     

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。     

关于云安全问题的探讨

云计算面临的最大挑战是安全问题。云计算应用的无边界性、流动性等特点,较之传统的IT模式有很大差异。在云计算环境下,服务方式发生变化,安全的责任主体也发生了根本改变。作为云计算服务提供商,需要建立安全的云计算平台,为云安全服务提供保障;同时,服务一定是开放的、安全的,要保护云用户敏感信息的安全。整合桌面安全管理技术是行之有效的。云安全应用研究主要是从云计算平台系统安全和网络安全设备、安全基础设施的“云化”突破几个方面展开。