研究目标
研究内容
- 地球表面环境是由地球深处、大气、水圈和生物圈之间复杂的相互作用控制的。
- GSW 中的三个网络和其他关键组件
- GSW的四种关键方法
- 格雷等人。(2011)描述了一种语义传感器网络架构，用于集成多个异构数据集，包括实时和历史传感器数据、数据库和地图图层。
- GeoSensorManager 的快照，它是武汉大学地球科学家开发的 GSW 中典型的传感管理平台。用户可以根据上述信息模型并根据 SOS 服务的检索数据在 GeoSensorManager 中注册传感资源。
- 基于多平台的协同观察
- 长江是亚洲第一长河，世界第三长河。有几个重要但相互矛盾的目标：发电、防洪、航运和生态保护。由于他们对水资源利用的需求不同，因此很难调和这一矛盾。通过将GSW引入长江管理，通过多尺度、多用途的卫星、机载和地面传感器，全面掌握了长江的全貌。（陕西榆林是中国煤炭能源开采的重要区域，有几个重要但相互矛盾的目标：发电、运输和生态保护）
- 最近，提出了几种新的基于站位测量和卫星观测的点面融合方法。第一类是基于地质统计学的融合，而第二类是基于神经网络模型。
- 地球科学研究依赖于复杂的多重处理模型、模拟模型和预测模型。GSW 方法利用 Web 处理和 SWE 服务来实现自动和可互操作的处理（Yu et al., 2008 ; Zhao et al., 2012）。一个典型的地理处理网络是 GeoPW ( Yue et al., 2010 )。地理处理服务通常嵌入在科学工作流中并在工作流引擎中执行。孙等人。(2012a)提出了一种面向任务的网络地理处理系统架构（称为 GeoPWTManager），它利用网络服务和工作流技术来设计和执行任务，并监控和可视化任务的执行。该方法便于表达用户需求，并允许监控任务执行，更重要的是，隐藏了技术细节的复杂性。陈等人。(2012)还提出了一种构建基于 SensorML 流程链的地理处理电子科学工作流的方法。构建地理处理工作流的一个典型工具是 GeoJModelBuilder ( Yue et al., 2015b)，它能够将可互操作的传感器、地理处理服务和符合 OpenMI 的模型组件集成到工作流中。
- 通过这种方式，传感器、数据、地理处理功能和模型可以以灵活、可重用、可互操作和用户友好的方式集成（Yue et al., 2015b）。
- 与物联网集成以实现高质量的性能和数据挖掘
- 随着 GSW 中感知资源（物理、虚拟和人类感知）的增加，对计算和服务资源的需求将不断增加。高并发请求和实时服务也依赖于硬件能力。此外，地球科学模型通常需要高性能计算。为了克服这些挑战，GSW 需要在不久的将来与物联网 (IoT) 集成。物联网中的两项技术将对 GSW、云计算和大数据挖掘特别有用。
- 云计算是计算硬件的虚拟化，而GSW是传感硬件的虚拟化。
- 伴随云计算，数学地质学和定量地球科学中的大数据越来越受到关注。一些研究人员称之为地球大数据，它有可能推动地球科学的深入发展，带来更多令人兴奋的科学发现（Guo et al., 2016）。
- 与网络科学或经济领域的大数据相比，地学大数据具有以下三个特点：高维度、高复杂性和高不确定性（郭等人，2014）。
研究方法
结论
解决的问题
正文