面向对象空间数据组织与管理的初步实现

通过分析3种传统数据模型的特点,得出它们在管理地理复杂对象方面的局限性,从而引出了面向对象数据模型。本文利用面向对象数据模型中的各种操作,以基本地理对象为基础构建复杂地理对象,并且在VC 6.0平台上实现了面向对象几何数据模型。     

差分法计算地震动旋转分量

旋转地震学是一门研究由地震、爆破以及工程振动等引起的地球介质运动的新兴学科.旋转运动的研究由来已久,但是由于缺少高精度的旋转分量地震仪,所以旋转运动的研究大多仅限于理论方面.差分法作为利用平动分量获取旋转分量的一种计算方法,在理论研究方面较为成熟,但是缺乏实际数据的验证.通过在对旋转运动研究现状充分调研的基础上,利用模...     

4种再分析月降水数据在内蒙古地区的适用性分析

利用1981—2020年气象台站的实测降水数据,对CRA40、ERA5、JRA55和MERRA2这4种再分析月降水数据在内蒙古地区的降水分布特征,与实测降水的相关性和误差进行分析。结果表明：(1)内蒙古地区4种再分析降水数据的空间分布与台站降水基本一致,误差分析表明CRA40与MERRA2的数据质量较高,ERA5次之,而JRA55数据质量相对较差。(2)CRA40和MERRA2在1983—1986年存在明显的降水低估,ERA5在2005年之后的内蒙古中东部出现明显的降水低估,JRA55在115°E以东存在明显降水高估,在115°E以西则以降水低估为主。(3)4种再分析月降水数据的年内最大均方根误差和绝对误差均集中在6—8月,与台站降水相关系数的年内最小值均出现在7月,内蒙古夏季汛期是再分析降水误差产生的主要时段。     

集合数据同化方法的发展与应用概述

集合数据同化方法具有简洁概念化的公式和应用起来相对容易等优点,因此,它们获得了普及性的应用;近10年来集合数据同化方法已经得到了快速的发展。综述了包括集合卡尔曼滤波(EnKF,Ensemble Kalman Filter)、集合卡尔曼平滑(EnKS,Ensemble Kalman Smoother)、集合方均根滤波(EnSRF,Ensemble Square-Root Filter)和减秩卡尔曼滤波(SEEK,Singular Evolutive Extended Kalman Filter)等集合数据同化方法的研究进展状况。通过与其它数据同化方法的对比,总结出了这些方法的特点,探讨了我国在集合数据同化方法研究中存在的问题并展望了该方法的研究和应用前景。     

基于MODIS数据的湖北省地级以上城市城区地表温度变化分析

基于MODIS数据,以湖北省地级以上城市城区为研究对象,通过对湖北省13个地级以上城市城区边界矢量数据与地表温度因子进行套合处理,采用叠置分析方法对2000、2015、2017年湖北省地级以上城市城区的地表温度进行统计,并分析城镇化建设对城区地表温度产生的影响。     

图库一体化软件系统研究与实现

为了提高DLG和DRG数据生产效率,改变传统作业模式,解决图库数据分离造成的数据不同步、数据维护复杂等问题,笔者引入"图库一体化"解决方案,通过建立图库一体化数据模型,利用制图表达原理研究算法实现复杂符号效果,采用智能化标注、地图整饰自动化等关键性技术,基于Arc GIS Engine实现Umap图库一体化系统。     

基于时空聚类的出租车载客热点区域挖掘研究

针对出租车运营过程缺少路径优化指导造成运营能力分布不均、空载率高的问题,本文以成都市安装有GPS设备的出租车所采集的轨迹数据为研究对象,以提高出租车效益为目标,采用了一种基于网格的出租车载客热点聚类算法,通过对出租车GPS轨迹数据进行处理和聚类分析,充分挖掘出租车载客热点区域,从而为出租车的运营者和管理者提供信息决策服务。     

新型基础测绘体系下再论图库一体化

依据新型基础测绘的服务要求,制定了科学合理的图库一体化的生产路线,总结了注意事项,研究开发了图库一体化的质检工具,提高了基础测绘的生产效率和质量,为新型基础测绘“按需服务”奠定了基础。     

MapGIS到ArcGIS格式的数据转换方法研究——以麻阳县地质图为例

湖南地矿行业多采用MapGIS软件进行地质数据的管理和分析,然而,该软件在数据处理和分析方面略显不足,尤其在处理大数据时更是力不从心,且其中的67版本难以满足2000坐标系统的要求。因此,为了更加有效地使用已有的数据,并充分发挥其价值,本文以麻阳县地质图为例,通过研究MapGIS和ArcGIS软件之间的异同,总结出一套较为完整的MapGIS到ArcGIS格式的数据转换方法,使得转换前后的数据在数量、样式、属性等方面基本保持一致。     

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.