面向云计算的海量时空数据建模及土地资源时空数据高效管理示范应用研究

Integration of cloud computing and geographical information science (GIS) has received great awareness during recent years due to its capability in effective management and high-performance processing of massive spatial data. We have demonstrated that under the environment of cloud computing, the partition and distributed storage of spatial data can implement massive data management and high-performance processing. However, the ways in which spatial data are updated and spatiotemporal changes are represented are still not clear in the literature. This research introduces a spatiotemporal modeling method in order that data storage and data processing on each computing node can achieve load balancing and the spatiotemporal data and their changes can be effectively stored. Firstly, the base state with amendment model will be extended for cloud computing. Secondly, factors that can affect the effective storage of massive spatiotemporal data are identified. The data model for organizing cloud-computing-based spatiotemporal objects will be investigated and then multi-factors spatiotemporal data storage planning models will be established. Finally, a set of spatial query language is created for implementing MapReduce. In addition, facing urgent needs of efficient land resources management, the models are applied to the land database establishment. This research can theoretically enrich the knowledge on modeling spatiotemporal data under the environment of cloud computing and practically provide a new method for administrations in managing land resources.

云计算和GIS结合对海量时空数据进行有效管理和高效处理已成为GIS与信息技术交叉性前沿科学问题。我们已证明云计算环境下对数据进行划分并分布存储能够实现海量空间数据管理及高效处理。但如何实现空间数据的更新及时空变化过程的存储与表达有待研究。本研究围绕云计算环境下各计算节点数据存储与处理达到负载均衡并能同时实现高效存储时空数据及其变化过程的目标，提出一种海量时空数据建模新方法，并着重数据更新内容的研究。首先将基态修正模型扩展到云计算环境下,分析云计算环境下实现海量时空数据高效存储的主要控制因子,提出云计算时空对象的数据组织模型；再实现多控制因子的时空数据存储规划模型；最后提出一套实现MapReduce的统一空间查询语言。面向我国土地资源高效管理的需求，将土地资源建库作为示范应用并用以对建模方法进行验证。本研究有望阐明云计算环境下的时空数据建模机制，也为相关部门科学管理土地资源提供一种新的方法。

近年来，云计算底层基础设施研究取得长足进步，云服务正逐步变成未来发展云计算和大数据产业需要解决的关键技术问题。本研究与时俱进，面向我国空间信息基础化、服务化和应用化建设的需求，围绕其处理复杂、应用广等特点，提出一种云计算环境下既能实现负载均衡又能同时实现高效存储的时空数据建模方法，并以此为基础进行了多项示范应用研究。同时，发表论文5篇，其中SCI和SSCI检索论文2篇，EI检索1篇，送审论文5篇，申请专利3项，软件著作权2项，培养研究生3名，中青年学者4名。.1.重点分析在剥离了底层环境后，云计算环境下实现海量时空数据高效存储的主要控制因子是：时间临近性、空间临近性和空间要素一致性；以及对时空数据进行多任务并行操作时的存储及处理操作的单位平均计算代价、数据层级（尺度）及数据信息量。.2.构建云计算下时空对象的数据组织模型及多控制因子的时空数据存储规划模型。提出一种矢量空间数据并行计算划分方法；提出了一种栅格数据并行处理的优化路径规划模型；技术上以ArcSDE和DbLink引擎作为中间件进行并行数据库操作，分别访问空间数据库和属性数据库。本质上是二次封装了空间查询语言和SQL查询语言，可实现简单的可视化用户操作界面。.3.将本研究的时空数据高效存储和处理技术在土地管理、水资源、旅游等多个领域推广应用，为其提供基础设施支持。.（1）土地领域，用户上传、处理、分析并可视化全国城市市场化土地数据，使用面板数据的多变量分析和总结了中央政府和地方政府制定的土地政策的主要驱动力。.（2）水资源领域，通过平台中水流域空间信息的提取和空间博弈模型的建立，深度分析了中国水资源管理部门之间协调不足的根源。.（3）旅游领域，挖掘香港和广州近10年的酒店位置数据和土地利用数据，对酒店分布的空间自相关和非平稳性进行分析，分析酒店的选址规律。.（4）交通领域，以上海市一个月的出租车GPS数据为基础，结合上海道路数据、和运营属性数据，全面分析了上海市出租车的运营特征。同时提出了基于点序列和要素加权法的地图匹配算法。.（5）制图领域，针对大数据和云计算环境，提出了地图图例的自动生成方法。.本研究为此类空间信息特别是土地信息高效存储、组织、管理和应用研究提供一种新思路和新方法，也为以土地信息为基础设施的相关部门合理开发和利用土地信息，指定相关政策提供技术支持和理论支撑。