Проблемы сверхскоростной обработки больших пространственно-временных данных

Геоинформатика
УДК: 
528.004.9
DOI: 
10.22389/0016-7126-2020-966-12-50-56
1 Майоров А.А.
Год: 
2020
№: 
12
966
Страницы: 
50-56

Московский государственный университет геодезии и картографии (МИИГАиК)

1, 
Аннотация:
В статье показано современное состояние развития и обработки больших пространственно-временных данных с использованием параллельных вычислений. Применение сверхскоростной обработки как инструмента анализа и принятия решений в науках о Земле обусловлено тремя причинами: расширение возможностей измерительных систем; совершенствование пространственных моделей и методов решения сложных пространственных задач; рост производительности вычислительных систем. Статья вводит в научный обиход понятие вычислительной геонауки, характеризующейся крупномасштабными нелинейными моделями, которые содержат большие объёмы данных и большое разнообразие типов данных. Проведённые исследования доказывают, что проблема больших данных существует в науках о Земле более полувека, и сверхскоростная обработка направлена на решение этой проблемы данных в науках о Земле. Раскрыты основные мотивации применения параллельного программирования в науках о Земле. Описаны особенности больших пространственно-временных данных, которые служат основой обработки и хранения в геоинформатике.
Статья написана в рамках выполнения государственного задания 0708-2020-0001 Минобрнауки России.

Список литературы: 
1.   Андреева О. А., Цветков В. Я., Ознамец В. В. Геоинформационное массовое моделирование // Информация и космос. – 2020. – № 2. – С. 106–112.
2.   Бахарева Н. А. Пространственные отношения как фактор оценки земель // ИТНОУ: Информационные технологии в науке, образовании и управлении. – 2018. – № 6 (10). – С. 61–69.
3.   Буравцев А. В., Цветков В. Я. Облачные вычисления для больших геопространственных данных // Информация и космос. – 2019. – № 3. – С. 110–115.
4.   Космические исследования земных ресурсов: Методы и средства измерений и обработки информации (Материалы школы-семинара) – М.: Наука, – 1976. – 384 c.
5.   Кудж С. А., Цветков В. Я. Геоинформатика: Монография – М.: МАКС Пресс, – 2019. – 224 c.
6.   Майоров А. А., Матерухин А. В. Анализ существующих технологий обработки потоков пространственно-временных данных для современных информационно-измерительных систем // Измерительная техника. – 2017. – № 4. – С. 31–34.
7.   Майоров А. А., Матерухин А. В., Кондауров И. Н. Структура системы обработки потоковых данных в геосенсорных сетях // Изв. вузов «Геодезия и аэрофотосъемка». – 2018. – Т. 62. – № 6. – С. 712–719. DOI: 10.30533/0536-101X-2018-62-6-712-719.
8.   Майоров А. А., Матерухин А. В. Концептуальная модель информационно-измерительной системы на базе распределённых сетей интеллектуальных геосенсоров // Измерительная техника. – 2018. – № 5. – С. 26–31.
9.   Матчин В. Т. Состояние и развитие инфраструктуры пространственных данных // Образовательные ресурсы и технологии. – 2015. – № 1 (9). – С. 137–144.
10.   Савиных В. П. Информационные пространственные отношения // Образовательные ресурсы и технологии. – 2017. – № 1 (18). – С. 79–88. DOI: 10.21777/2312-5500-2017-1-79-88.
11.   Asaduzzaman A., Gupta D. (2020) Geospatial Cyberinfrastructure for regional economic Growth. 2020 17th International Conference on Electrical Engineering/Electronics, Computer, Telecommunications and Information Technology (ECTI-CON). - IEEE pp. 723-726.
12.   Fischer J. R. et al. (1991) Applications of the massively parallel machine, the MasPar MP-1, to Earth sciences // Earth and Atmospheric Remote Sensing. - International Society for Optics and Photonics. 1492, pp. 229-238.
13.   Hailong Z., Hongxia L. (2019) Urban fine management based on multi-source spatial data fusion // Bulletin of Surveying and Mapping. 12, pp. 108.
14.   Mahdiyar A. et al. (2019) A prototype decision support system for green roof type selection: A cybernetic fuzzy ANP method // Sustainable Cities and Society. – Т. 45. pp. 101532.
15.   (2019) Members B. I. G. D. C. Database resources of the BIG Data Center in 2019 // Nucleic Acids Research. – Т. 47. Database issue, D8 p.
16.   Morley C. V. et al. (2017) Forward and inverse modeling of the emission and transmission spectrum of GJ 436b: investigating metal enrichment, tidal heating, and clouds // The Astronomical Journal. 153, 2, pp. 86.
17.   Quénol H. et al. (2017) Which climatic modeling to assess climate change impacts on vineyards?
18.   Wang X., Feng L., Zhao H. (2019) Fast image encryption algorithm based on parallel computing system // Information Sciences. – Т. 486. pp. 340-358.
19.   Wen X. et al. (2020) Point2SpatialCapsule: Aggregating features and spatial relationships of local regions on point clouds using spatial-aware capsules // IEEE Transactions on Image Processing. – Т. 29. pp. 8855-8869.
20.   Wu Q. et al. (2020) Parallel computing in railway research // International Journal of Rail Transportation. – Т. 8. 2, pp. 111-134.
21.   Zuo R., Xiong Y. (2020) Geodata science and geochemical mapping // Journal of Geochemical Exploration. – Т. 209. pp. 106431.
Образец цитирования:
Майоров А.А., 
Проблемы сверхскоростной обработки больших пространственно-временных данных // Геодезия и картография. – 2020. – № 12. – С. 50-56. DOI: 10.22389/0016-7126-2020-966-12-50-56
СТАТЬЯ
Поступила в редакцию: 08.09.2020
Принята к публикации: 10.12.2020
Опубликована: 31.12.2020

Содержание номера

2020 декабрь DOI:
10.22389/0016-7126-2020-966-12