大数据分析
海洋时空大数据多态存储模型
海洋时空数据来源多、规模大且结构极其复杂,传统上采用的数据库管理方式在数据汇聚灵活性、存储扩展性、资源协同性方面都存在明显不足,限制了多源海洋时空数据的综合应用。

张和白(2018)通过融合并拓展Spark内存计算框架和Shark分布式SQL查询引擎,为海洋时空大数据的并发检索与深度挖掘提供了一种高效的分布式解决方案,有效的解决了云环境下海量高频浮标数据、高分辨率遥感影像等海洋时空数据的快速检索问题。

叶等(2019) 提出了一种瓦片服务驱动的架构,将原始的海洋时空数据集组织压缩为无损的金字塔结构,以便提高大量数据集的访问效率和加载速度。利用此数据模型并采用混合数据库文件系统进行存储,在有限的的硬件资源前提下提供了高效的计算和分析服务。


部分代表性文章:
1. Zhang, F., Bai, Y. A distributed space-time data model and online analyst system for marine environmental research. Journal of Global Change Data & Discovery. 2018, 2(3): 283-296. DOI:10.3974/geodp.2018.02.03
2. Ye, W., Zhang, F., Bai, Y., Du, Z., & Liu, R. (2019). A tile service-driven architecture for online climate analysis with an application to estimation of ocean carbon flux. Environmental Modelling & Software, 118, 120-133.