نقشه راه GIS

درخواست مشاوره

09120049370

8 صبح تا 12 شب

09120049370

Telegram Whatsapp Youtube
کاربرد جی ای اس

 

چکیده

پایش زمین یک موضوع کلیدی در علوم سیستم زمین برای مطالعه تغییرات محیطی است. برای ایجاد دانش در مورد تغییر، به عنوان مثال، برای کاهش عدم قطعیت در نتایج و ایجاد اطمینان در نظارت بر تغییر زمین، منابع اطلاعاتی متعددی مورد نیاز است. ماهواره های رصد زمین (EO) و در محلاندازه گیری ها برای نظارت عملیاتی سطح زمین در دسترس هستند. از آنجایی که در دسترس بودن داده‌های سری زمانی مکانی مناسب برای تحقیقات زیست‌محیطی محدود است، مراحل پردازش وابسته به کاربر با توجه به منبع داده‌ها و قالب‌ها چالش‌های بیشتری را ایجاد می‌کند. در بیشتر موارد، امکان پشتیبانی از علم با زیرساخت‌های داده‌های مکانی (SDI) و خدمات برای ارائه چنین داده‌هایی در قالب پردازش شده وجود دارد. یک میان افزار پردازش داده به عنوان یک راه حل فنی برای بهبود تحقیقات بین رشته ای با استفاده از داده های سری زمانی چند منبعی و جمع آوری داده های استاندارد شده، پیش پردازش، به روز رسانی و تجزیه و تحلیل پیشنهاد شده است. این راه حل در خوشه علمی سیستم زمین سیبری (SIB-ESS-C) اجرا می شود که منابع مختلف داده های EO، داده های آب و هوا و ابزارهای تحلیلی را ترکیب می کند. توسعه این SDI مبتنی بر تعریف ابزارهای خودکار و بر اساس تقاضا برای جستجو، سفارش و پردازش داده‌ها است که همراه با خدمات وب مطابق با استاندارد پیاده‌سازی شده‌اند. این ابزارها، متشکل از یک زیرساخت دانلود، تحلیل و تفسیر کاربر پسند، در SIB-ESS-C برای استفاده عملیاتی در دسترس هستند.
کلید واژه ها: 

میان افزار ؛ نظارت بر زمین ؛ پورتال وب ; مودیس ; داده های آب و هوا ؛ یکپارچه سازی داده ها ؛ داده های سری زمانی ؛ ارائه داده های مطابق با استاندارد

 

 

1. مقدمه

در دسترس بودن اطلاعات سری زمانی جغرافیایی به خوبی آماده برای تحقیقات زیست محیطی محدود است. پردازش فردی، بسته به منبع داده، و همچنین تغییر فرمت داده ها، همه باید توسط کاربر انجام شود که چالش های بیشتری را ایجاد می کند. کار با داده های سری زمانی مخصوصاً به دلیل حجم زیاد داده زمان بر است. برای مطالعات زیست محیطی، داده های سری زمانی یک منبع اطلاعاتی مهم برای شناسایی اثرات و تغییرات است. چندین ابتکار، مانند مشاهده جهانی پویایی پوشش جنگل و زمین (GOFC-GOLD) و ابتکار مشارکت علوم زمین اوراسیا شمالی (NEESPI)، بر نظارت بر تأثیر تغییرات آب و هوایی جهانی بر سطح زمین تمرکز دارند [ 1 ، 2 ]]. این برای شناسایی پوشش زمین و تغییر کاربری زمین، و همچنین برای مدیریت بلایا، از جمله آتش سوزی، خشکسالی و سیل مهم است [ 3 ، 4 ، 5 ، 6 ، 7 ، 8 ]. برای انجام این کار، داده های سری زمانی مکانی از منابع داده های متعدد مورد نیاز است. داده های تکمیلی زیادی برای تحقیقات زیست محیطی در دسترس است. ماهواره‌های سنجش از دور می‌توانند این داده‌های سری زمانی را ارائه دهند، زیرا می‌توانند نماهای مکانی و زمانی پارامترهای محیطی را به‌ویژه برای مناطق بزرگ ارائه دهند. با این حال، در محلداده های ایستگاه های هواشناسی نیز مفید هستند و از تجزیه و تحلیل داده های سنجش از دور پشتیبانی می کنند و یک نمای کلی از آب و هوا و محیط مورد مطالعه ارائه می دهند.
از آنجایی که بسیاری از توزیع‌کنندگان داده‌ها داده‌ها را از طریق سیستم‌های مبتنی بر وب و رابط‌های برنامه‌نویسی ارائه می‌کنند، تحقیقات نیاز به یافتن راه‌هایی برای خودکارسازی مراحل یافتن، دانلود و پردازش داده‌ها دارد. یک مثال ابزار جیووانی برای کاوش و تحلیل داده های سری زمانی تعاملی است [ 9 ]. علاوه بر نیازهای پردازشی کاربران، ایجاد سیستمی که دسترسی به چندین منبع داده را فراهم می کند، مهم است. هم دسترسی به داده های چند منبعی و هم مراحل پردازش اضافی را می توان در یک زیرساخت بر اساس اصول انبار داده، معرفی شده توسط جونز [ 10 ] ادغام کرد. انبار داده “پایه ای برای سیستم های پشتیبانی تصمیم و پردازش تحلیلی” است [ 10] و یک عکس فوری از چندین پایگاه داده عملیاتی ارائه می دهد. علاوه بر این، انبارهای داده های مکانی-زمانی، از جمله تجزیه و تحلیل داده ها، پردازش داده ها و ذخیره سازی داده ها وجود دارد [ 11 ، 12 ]. چنین انبار داده مکانی-زمانی شامل ساختار پایه برای میان افزار پردازش داده چند منبعی توسعه یافته است. بنابراین، داده‌های مکانی از منبع اصلی استخراج می‌شوند، تبدیل و در انبار بارگذاری می‌شوند و پس از آن به عنوان یک جزء میان‌افزار ارائه می‌شوند. مفاهیم مشابه در چندین مقاله [ 13 ، 14 ، 15 ، 16 ] توضیح داده شده است. مفهوم دیگر دسترسی به داده های ساختاریافته به سیستم های توزیع شده، رویکرد واسطه گری داده است که توسط Nativi برای داده های جغرافیایی معرفی شده است.و همکاران [ 17 ، 18 ]. از آنجایی که هر دو فناوری متفاوت هستند، اهداف یکسان است: کاهش موانع ورود برای برنامه های کاربردی چند رشته ای، و همچنین ارائه قابلیت هایی که ارزش افزوده ای به داده ها از طریق مراحل اجرای کشف داده های پیشرفته، پیش پردازش داده ها و تبدیل داده ها می دهد. هم مفهوم کارگزار و هم زیرساخت پیشنهادی رویکرد یکسانی برای “تغییر پیچیدگی از کاربران و ارائه دهندگان منابع به زیرساخت/پلتفرم” دارند [ 17 ]]؛ این نقل قول به وضوح هدف سیستم پشتیبانی از کاربران در دسترسی، تجسم و پردازش داده ها را بیان می کند. نمونه ای از یک میان افزار پردازش بر اساس مفهوم انبار در زمینه رصد زمین، زیرساختی است که برای پروژه تحقیقاتی اروپایی، ZAPÁS [ 19 ] توسعه یافته است. در پورتال وب ارائه شده، مجموعه داده های سنجش از راه دور از منابع متعدد و محصولات اطلاعاتی برای سیبری قابل مشاهده و دانلود برای تجزیه و تحلیل بیشتر است.
خوشه علمی سیستم زمین سیبری (SIB-ESS-C، http://www.sibessc.uni-jena.de) با هدف ارائه ابزارهای عملیاتی برای دسترسی به داده های چند منبعی، تجزیه و تحلیل و نظارت بر سری زمانی برای سیبری توسعه یافته است. این سیستم شامل یک کاتالوگ ابرداده است که امکان جستجوی داده‌ها را فراهم می‌کند، و همچنین رابط‌های قابل همکاری برای تجسم، دانلود و پردازش داده‌ها. در SIB-ESS-C، داده‌های ماهواره‌های سنجش از دور، داده‌های آب و هوا از ایستگاه‌های هواشناسی و نتایج پروژه‌های تحقیقاتی ذخیره می‌شوند. هدف ارائه طیف گسترده ای از محصولات اطلاعات عملیاتی رایگان است. مزیت نمایش محصولات مختلف در یک سیستم واحد، ادغام نیازهای کاربران در خدمات پردازش مبتنی بر وب است. در مورد تغییرات آب و هوا و نظارت بر زمین، SIB-ESS-C بر محصولات اطلاعاتی مبتنی بر زمین تمرکز دارد.
چندین سیستم مبتنی بر وب دیگر وجود دارد که ابزارهایی برای جستجو، سفارش، دانلود (NASA Reverb Client [ 20 ]، USGS Earth Explorer [ 21 ]، NCDC Climate WebGIS [ 22 ]) و تجزیه و تحلیل داده ها (NCDC Climate WebGIS [ 22 ])، ناسا جووانی [ 9 ]، آزمایشگاه مجازی سنجش از دور سری های زمانی [ 23 ]]). با این حال، اگر داده ها در قالبی ارائه نشده باشند که کاربر بتواند آن را مدیریت کند، داده ها باید به قالب دیگری تبدیل شوند. در این مورد، نیاز به مراحل پردازش داده وجود دارد که بتوان با استفاده از زبان های برنامه نویسی آن را خودکار کرد. از آنجایی که حجم زیادی از داده ها به صورت آنلاین در دسترس است، مشتریان می توانند از خدمات وب برای دسترسی به این داده ها استفاده کنند. در صورت نیاز به پردازش بیشتر (به عنوان مثال، تبدیل فرمت ها یا واحدها)، داده ها می توانند در سیستم دیگری منتقل و پردازش شوند، و همچنین داده های پردازش شده باید در دسترس کاربران قرار گیرد. ارائه این داده ها در قالبی مطابق با استاندارد مهم است، به طوری که سایر مشتریان (نرم افزار WebGIS یا Desktop GIS) می توانند به داده های پردازش شده دسترسی داشته باشند.24 ]. با توجه به اصول معماری GEOSS [ 25 ]، سیستم های مؤلفه را می توان از شبکه های ملی به شبکه های جهانی و از درجا به داده های سنجش از راه دور، که در SIB-ESS-C نیز پیاده سازی خواهد شد، مقیاس بندی کرد. یکی دیگر از اهداف GEOSS این است که سیستم های رصدی موجود و برنامه ریزی شده را به هم پیوند دهد. با این حال، در نهایت، “موفقیت GEOSS بستگی به این دارد که ارائه دهندگان داده و اطلاعات مجموعه ای از ترتیبات قابلیت همکاری، از جمله مشخصات فنی برای جمع آوری، پردازش، ذخیره و انتشار داده ها، فراداده ها و محصولات مشترک را بپذیرند و اجرا کنند” [ 26 ].
تحقیقات بیشتر در مدیریت، پردازش و توزیع مطابق با استاندارد اطلاعات سری زمانی مکانی مورد نیاز است. چالش تولید ساختارهای مدیریت داده چند منبعی استاندارد و عملیاتی هنوز به طور کامل در علم اطلاعات جغرافیایی برطرف نشده است. بنابراین، ارائه داده‌های منطبق با استاندارد، جزء کلیدی توزیع داده است. با این حال، ترکیب داده های توزیع شده از منابع مختلف نیز مهم است. نیاز دیگر غلبه بر فقدان داده‌های سری زمانی به‌روزی است که به صورت عملیاتی به دست آمده، از پیش پردازش شده و در قالب‌های داده رایج ارائه شده‌اند. همکاری بین ارائه دهندگان داده، مهندسان برنامه های کاربردی داده و سیاست گذاران باید تقویت شود تا حجم زیادی از اطلاعات ارزشمند در دسترس متخصصان در زمینه های مختلف باشد.
هدف میان افزار در SIB-ESS-C ایجاد یک سیستم عملیاتی مبتنی بر وب است که در آن داده ها از منابع مختلف ارائه و به روز می شوند. میان‌افزار به‌طور خودکار داده‌ها را از منابع یکپارچه جمع‌آوری می‌کند تا خدمات وب مطابق با استاندارد را برای دسترسی و تجسم داده‌ها ارائه دهد. سپس مجموعه داده ها برای تجزیه و تحلیل بیشتر در دسترس هستند. این مقاله توسعه یک میان افزار پردازشی را برای ایجاد یک پایگاه داده چند منبعی برای پشتیبانی از تحقیقات نظارت بر زمین توسط:

  • ایجاد یک میان افزار پردازش داده چند منبعی برای مشاهدات زمین،
  • اجرای مراحل پردازش اضافی و فردی برای داده های یکپارچه،
  • ارائه خدمات تجسم، دسترسی و دانلود مطابق با استاندارد برای داده های سری زمانی،
  • و تقویت نظارت نزدیک به زمان واقعی فرآیندهای زمین.
شرح منابع داده یکپارچه و مجموعه داده های آنها در بخش 2 آورده شده است. بخش 3 چارچوبی را نشان می دهد که برای میان افزار توسعه داده شده است، از جمله یکپارچه سازی و ارائه داده ها. بخش 4 پورتال وب SIB-ESS-C را به عنوان یک مشتری و مؤلفه مدیریت برای میان افزار توضیح می دهد و بخش 5 مواردی را توضیح می دهد که کاربردهای مختلف میان افزار را نشان می دهد. بخش 6 بر اساس تحولات و تجربیات مورد بحث در بخش‌های قبلی نتیجه‌گیری می‌کند و توصیه‌ها و پیش‌بینی‌هایی را در رابطه با کار بیشتر در این زمینه ارائه می‌دهد.

2. منابع داده

یافتن داده های مکانی مناسب در منطقه مورد نظر یک کار ضروری در بسیاری از مطالعات زیست محیطی است. انواع مختلفی از داده ها از ماهواره های رصد زمین در دسترس است، اما برخی از اشکالات برای داده های ماهواره ای با وضوح بسیار بالا وجود دارد. این داده ها هزینه بر است و در دسترس عموم نیست. با این حال، برخی از داده‌های ماهواره‌ای با وضوح بالا و متوسط ​​آزادانه در دسترس هستند، مانند داده‌های حسگر طیف‌سنجی تصویربرداری با وضوح متوسط ​​(MODIS) از سازمان ملی هوانوردی و فضایی (ناسا). یکی دیگر از منابع مهم داده، داده های آب و هوایی ایستگاه های هواشناسی است. طبق قطعنامه 40 (Cg-XII) سازمان جهانی هواشناسی (WMO) اداره ملی اقیانوسی و جوی (NOAA) داده های آب و هوای جهانی را ارائه می دهد که می تواند برای مقاصد غیرتجاری استفاده شود.27 ].
تا به حال، مجموعه داده‌ها از سه منبع داده برای یکپارچه‌سازی داده‌ها و ارائه SIB-ESS-C استفاده می‌شد ( جدول 1 ). داده های سری زمانی شطرنجی بر اساس محصولات MODIS هستند. داده‌های سری زمانی آب و هوایی درجا بر اساس خلاصه سطح جهانی روز (GSOD) به عنوان مجموعه داده روزانه و پایگاه داده سطحی یکپارچه (ISD) است که داده‌های ساعتی ایستگاه‌های هواشناسی را ارائه می‌دهد.
جدول
جدول 1. منابع داده مورد استفاده برای پایش عملیاتی زمین.

2.1. طیف رادیومتر تصویربرداری با وضوح متوسط ​​(MODIS)

هدف از سنسور MODIS نظارت بر سطح زمین، اقیانوس ها و جو است. داده های MODIS از دو ماهواره Aqua و Terra دریافت می شود که هر دو از طریق برنامه سیستم رصد زمین ناسا به فضا پرتاب شده اند. مشاهدات مداوم برای Terra از سال 2000 و برای Aqua از سال 2002 در دسترس هستند. داده های MODIS به عنوان محصولات زمین، جو و اقیانوس بر اساس سیستماتیک توسط تیم های علمی مختلف ارائه شده است [ 28 ]. هر تیم علمی تعدادی محصول استاندارد ایجاد کرده است که توسط مراکز داده خود برای داده های خام MODIS اعمال می شود. این محصولات استاندارد حاوی اطلاعاتی در مورد پروفایل های جوی، بازتاب سطح، ابرها، دمای سطح زمین و دریا، ناهنجاری های حرارتی، شاخص های پوشش گیاهی، پوشش برف، پوشش یخ دریا،و غیره [ 29 ].
محصولات زمین در چندین وضوح مکانی (0.05 درجه، 1 کیلومتر، 500 متر، 250 متر) و زمانی (ماهانه، 16 روز، هشت روز، چهار روز، روزانه) در دسترس هستند. داده ها در قالب داده های سلسله مراتبی – سیستم مشاهده زمین (HDF-EOS) ارائه می شوند. بر اساس وضوح فضایی، داده ها به صورت نوارهای 5 دقیقه، به عنوان کاشی با عرض و ارتفاع 10 درجه (به شکل 1 برای شبکه کاشی مراجعه کنید) یا به عنوان یک شبکه مدل سازی آب و هوا (CMG) [ 30 ] در دسترس هستند.
تا به حال، SIB-ESS-C مجموعه داده های اطلاعاتی مبتنی بر زمین را ارائه کرده است. بنابراین، تنها محصولات MODIS از تیم های علمی زمین و کرایوسفر در پایگاه داده میان افزار ادغام می شوند. منابع داده مورد استفاده در جدول 2 فهرست شده است . محصولات برای یکپارچه سازی خودکار در بخش 5 فهرست شده اند .
Ijgi 02 00553 g001 1024
شکل 1. سیستم کاشی کاری سینوسی MODIS [ 31 ].
جدول
جدول 2. منابع داده برای محصولات زمین و کرایوسفر MODIS.

2.2. خلاصه سطح جهانی روز (GSOD)

NOAA مجموعه داده های GSOD را بر اساس ایستگاه های هواشناسی که مطابق با استانداردهای WMO هستند، توزیع می کند. این خلاصه های روزانه بر اساس پایگاه داده سطح یکپارچه محاسبه می شود (به بخش 2.3 مراجعه کنید ). کاربران می توانند داده های آب و هوا را بر اساس ایستگاه و سال، یا از ابزارهای وب تعاملی یا از سرور از طریق پروتکل انتقال فایل (FTP) دانلود کنند. داده‌ها به‌عنوان فایل‌های متنی در قالب تعیین‌کننده کاراکتر در دسترس هستند. واحدها بر اساس سیستم اندازه گیری استاندارد آمریکایی هستند. از آنجایی که این سیستم با استاندارد بین المللی متفاوت است، واحدها در حین پردازش به واحدهای SI (سیستم بین المللی واحدها) تبدیل می شوند. پارامترهای موجود برای این مجموعه داده، مانند میانگین/دقیقه/حداکثر دما، میانگین فشار، دید، سرعت باد و بارش، در جدول 3 فهرست شده است.، هم در واحد اصلی و هم در واحد مبتنی بر SI تبدیل شده. شاخص هایی برای وقوع مه، باران یا نم نم نم باران، گلوله های برف یا یخ، تگرگ، رعد و برق و گردباد یا ابرهای قیفی نیز موجود است. مجموعه داده های GSOD برای اکثر اهداف از سال 1929 با برخی تفاوت ها بر اساس دوره اندازه گیری ایستگاه های هواشناسی منفرد در هر مکان در دسترس بوده است [ 34 ].
جدول
جدول 3. پارامترهای آب و هوایی موجود در مجموعه داده (واحدهای اصلی و تبدیل شده). SI، سیستم بین المللی واحدها.

2.3. پایگاه داده سطحی یکپارچه (ISD)

مجموعه داده های پایگاه داده سطحی یکپارچه (ISD) شامل اندازه گیری های ساعتی از ایستگاه های هواشناسی توزیع شده جهانی است که استانداردهای WMO را برآورده می کنند. نیروی هوایی و نیروی دریایی ایالات متحده و همچنین مرکز ملی داده های آب و هوایی NOAA (NCDC) در سال 1998 شروع به کمک به این پایگاه داده کردند. هر مجموعه داده حاوی اطلاعاتی در مورد دما، بارندگی، جهت باد، سرعت باد، دید، پوشش آسمان، ایستگاه و دریا است. سطح فشار و عمق برف علاوه بر GSOD، امکان بازیابی اطلاعات آب و هوا برای یک زمان خاص از روز در محدوده حداقل یک تا سه ساعت وجود دارد. با چنین داده هایی، اطلاعات آب و هوا می تواند برای پشتیبانی از تجزیه و تحلیل داده های ماهواره ای ارائه شود. داده ها از طریق FTP در دسترس هستند و می توانند سالانه به عنوان یک فایل متنی دانلود شوند.شکل 2 ). واحدها در حال حاضر مبتنی بر SI هستند، بنابراین برای یکپارچه سازی داده ها نیازی به تبدیل بیشتر نیست [ 35 ].
Ijgi 02 00553 g002 1024
شکل 2. فرمت فایل متنی CSV اصلی و جدید (با اطلاعات سرصفحه کوتاه) برای یک اندازه گیری هواشناسی منفرد.

3. چارچوبی برای میان افزار پردازش داده چند منبعی

سرویس میان‌افزار توسعه‌یافته در SIB-ESS-C ( شکل 3 نمای کلی سیستم را نشان می‌دهد) داده‌های سری زمانی را از مرکز بایگانی فعال توزیع‌شده فرآیندهای زمین (LPDAAC)، مرکز ملی داده‌های برف و یخ (NSIDC) و مرکز ملی ادغام می‌کند. مرکز داده های آب و هوایی (NCDC) به یک پایگاه داده فضایی. اطلاعات فراداده بر اساس مجموعه داده های موجود در پایگاه داده دوم ذخیره می شود. مجموعه داده های یکپارچه از طریق سرویس های وب منتشر می شوند که با مشخصات کنسرسیوم فضایی باز (OGC) مطابقت دارند. تجسم و دسترسی به داده ها از طریق سرویس کاتالوگ برای وب (CSW; [ 36 ])، سرویس نقشه وب (WMS; [ 37 ])، سرویس ویژگی وب (WFS؛ [ 38 ])، سرویس پوشش وب (WCS؛ [ 39 ]) در دسترس است.]) و سرویس مشاهده حسگر (SOS؛ [ 40 ]). سرویس ترسیم سری زمانی به عنوان سرویس پردازش وب (WPS؛ [ 41 ]) در دسترس است. علاوه بر این خدمات وب، پورتال وب SIB-ESS-C به عنوان یک مشتری عمل می کند و به داده هایی که توسط سرویس میان افزار پردازش می شود دسترسی پیدا می کند. پورتال وب شامل یک موتور جستجو، یک نمایشگر مجموعه داده، یک پلاتر سری زمانی و توابعی برای شروع درخواست های جدید و یکپارچه سازی داده ها برای پایگاه داده میان افزار است.
ابزارهای منبع باز ( جدول 4 برای فهرست کامل) برای توسعه خدمات میان افزار استفاده شد. PostgreSQL با پسوند PostGIS امکان ذخیره داده های شطرنجی و برداری را برای پایگاه داده فراهم می کند. ادغام داده ها با اسکریپت نویسی پایتون انجام می شود (به عنوان مثال، برای اجرای ابزارهای خط فرمان برای دانلود داده ها و پردازش داده های سری زمانی شطرنجی)، و اسکریپت R برای رسم داده های سری زمانی یکپارچه استفاده می شود. در سطح خدمات، MapServer (تجسم داده ها و دانلود)، istSOS (تامین داده های آب و هوایی)، pycsw (تامین فراداده) و PyWPS (نقشه سری زمانی) برای انتشار سرویس های سازگار با OGC استفاده می شود.
Ijgi 02 00553 g003 1024
شکل 3. نمای کلی سیستم برای چارچوب توسعه یافته در خوشه علمی سیستم زمین سیبری (SIB-ESS-C). OGC، کنسرسیوم فضایی باز. CSW، خدمات کاتالوگ برای وب. WMS، خدمات نقشه وب؛ WFS، سرویس ویژگی وب؛ WCS، خدمات پوشش وب. SOS، سرویس مشاهده حسگر؛ WPS، سرویس پردازش وب.
جدول
جدول 4. ابزارهای منبع باز مورد استفاده برای چارچوب توسعه یافته.

3.1. یکپارچه سازی داده ها

هدف سرویس میان افزار امکان ادغام مجموعه داده ها از منابع داده خارجی است. بنابراین، مراحل دانلود و پردازش باید خودکار باشد. تمام روش های لازم برای زنجیره پردازش کامل – آماده سازی دانلود، دانلود، پردازش و انتشار – با زبان برنامه نویسی پایتون پیاده سازی شد. بخش‌های زیر ادغام و پردازش محصولات MODIS از LPDAAC و NSIDC، و همچنین داده‌های آب و هوایی از مجموعه داده‌های GSOD و ISD را شرح می‌دهند.

3.1.1. یکپارچه سازی و پردازش محصولات MODIS

مراحل متعددی برای پردازش محصولات MODIS ضروری است: دانلود فایل، استخراج مجموعه داده، صادرات GeoTIFF، ادغام کاشی و برش در منطقه مشخص شده ( شکل 4 ). گردش کار برای انتشار مجموعه داده در بخش 3.2 توضیح داده شده است . برای ادغام یک محصول خاص MODIS، اطلاعات بیشتری مورد نیاز است. این اطلاعات همچنین در پایگاه داده میان افزار برای هر محصول ذخیره می شود:

  • سرور داده و دایرکتوری که فایل ها در آن ذخیره می شوند (به عنوان مثال، FTP)
  • نوع شطرنجی محصول (Swath، Tile، CMG)
  • آیا 5 دقیقه نوار یا کاشی مورد نیاز است (اگر نوع شطرنجی برابر با نوار / کاشی باشد)
  • نام های مجموعه ای که باید استخراج شوند
  • اطلاعات بدون داده و مقیاس (در صورت لزوم برای پردازش)
قبل از انجام فرآیند دانلود برای محصولات کاشی کاری شده، لازم است کاشی های خاص مورد نیاز برای منطقه مشخص شده را درخواست کنید ( شکل 4 (1a)). جعبه مرزی کاشی‌های شبکه‌ای به‌عنوان داده‌های برداری [ 42 ] در دسترس است که می‌تواند با یک چندضلعی که منطقه را نشان می‌دهد قطع شود. مرحله دوم برای آماده سازی دانلود، شناسایی تاریخ هایی است که از مجموعه داده در دسترس است و پردازش خواهد شد ( شکل 4 (1b)).
مراحل پردازش بعدی ( شکل 4 (3)) باید برای هر مجموعه داده و مهر زمانی انجام شود. ابتدا مجموعه داده مشخص شده از فایل اصلی HDF-EOS استخراج می شود. این کار با دستورات کتابخانه انتزاع داده های مکانی (GDAL) [ 43 ] انجام می شود. GDAL کتابخانه ای برای خواندن و نوشتن فرمت های مختلف داده های شطرنجی فضایی است. همچنین ابزارهای خط فرمان را برای ترجمه و پردازش داده ها فراهم می کند. دستورات GDAL مورد استفاده در یکپارچه سازی داده ها عبارتند از gdal_translate (ترجمه داده)، gdal_merge.py (ساختمان موزاییکی) و gdalwarp (تبدیل یک تصویر به یک سیستم مختصات جدید). برای هر کاشی یا فایل مبتنی بر CMG، مجموعه داده لازم استخراج شده و به عنوان یک فایل GeoTIFF ذخیره می شود ( شکل 4(3a)). پس از استخراج، فایل‌های GeoTIFF از کاشی‌ها ادغام می‌شوند و مجدداً به طرح EPSG:4326 نمایش داده می‌شوند ( شکل 4 (3b)). با استفاده از فرمت جهانی CMG – یک فایل GeoTIFF واحد برای کل جهان – امکان استخراج، پروژه مجدد و صادرات به یک فرمت GeoTIFF در یک مرحله وجود دارد. در مرحله نهایی پردازش، خروجی تبدیل به ناحیه مشخص شده بریده شده و فشرده می شود تا فضای ذخیره سازی دیسک ذخیره شود ( شکل 4 (3c)).
Ijgi 02 00553 g004 1024
شکل 4. زنجیره پردازش برای ادغام محصولات MODIS.
یک پایگاه داده برای محصولات یکپارچه ایجاد شد تا دسترسی آسان به داده ها را فراهم کند ( شکل 4 (4a)). بنابراین، هر آیتم سری زمانی از MODIS با نام مجموعه داده، مسیر مطلق فایل GeoTIFF، یک جعبه چندضلعی به عنوان کادر محدود و تاریخ آیتم سری زمانی در پایگاه داده درج می شود ( جدول 5 ). ساختار جداول از ساختار نمایه کاشی شطرنجی GDAL گرفته شده است که می تواند برای فایل های GeoTIFF با ابزار خط فرمان gdaltindex ایجاد شود.. این همچنین به طور خودکار یک کادر محدود ایجاد می کند که برای ارائه مطابق با OGC ضروری است. خروجی یک فایل شیپ حاوی ویژگی های هر فایل GeoTIFF با کادر محدود تولید شده است. ستون های اضافی برای نام مجموعه داده و تاریخ آیتم سری زمانی به این ساختار اضافه می شوند. علاوه بر پیوند محلی به فایل GeoTIFF، امکان ذخیره داده های شطرنجی به طور مستقیم در پایگاه داده وجود دارد. برای انجام این کار، ستون دیگری (رستر) مورد نیاز است که توسط نوع ستون شطرنجی جدید PostGIS 2 [ 44 ] ارائه شده است.
جدول
جدول 5. ساختار جدول پایگاه داده برای داده های سری زمانی MODIS.
مراحل بعدی در زنجیره یکپارچه سازی داده ها ( شکل 4 (4a)) و ابرداده ( شکل 4 (4b)) ارائه خدمات مطابق با OGC (همانطور که در بخش 3.2.1 ، بخش 3.2.3 توضیح داده شده است) است. زنجیره پردازش MODIS را می توان با مراحل اضافی، مانند تبدیل واحدها (به عنوان مثال، درجه کلوین به درجه سانتیگراد برای داده های دما)، حذف ضریب مقیاس از مقادیر داده یا نمونه برداری مجدد به وضوح درشت تر گسترش داد.

3.1.2. یکپارچه سازی و پردازش مجموعه داده های GSOD

ادغام و پردازش خودکار مجموعه داده GSOD بر اساس یک اسکریپت پایتون است. شکل 5 زنجیره پردازش را با مراحل جداگانه به روش های مورد استفاده برای ادغام در پایگاه داده میان افزار نشان می دهد.
Ijgi 02 00553 g005 1024
شکل 5. زنجیره پردازش برای ادغام داده های خلاصه روز جهانی (GSOD) و پایگاه داده سطحی یکپارچه (ISD).
تمام ایستگاه های موجود در یک جدول نمای کلی فضایی با اطلاعات مربوط به شناسه ایستگاه (USAF، WBAN)، نام ایستگاه، مختصات و کشور، و همچنین تاریخ شروع و پایان داده ها ( جدول 6 ) فهرست شده اند. شناسه ایستگاه یک قطعه اطلاعات مهم برای یکپارچه سازی خودکار است. این شامل USAF (شماره ایستگاه نیروی هوایی Datsav3)، WBAN (شماره نیروی دریایی اداره هواشناسی تاریخی نیروی هوایی).
جدول
جدول 6. فیلدهای جدول پایگاه داده با نمای کلی ایستگاه های هواشناسی یکپارچه.
برای ادغام داده‌ها در پایگاه داده میان‌افزار، فهرستی از شناسه‌های ایستگاه و تاریخ شروع و پایان هر ایستگاه مورد نیاز است. این اطلاعات در مرحله آماده سازی تولید می شود ( شکل 5 (1a,1b)). پس از دانلود، داده ها از حالت فشرده خارج می شوند. همانطور که در بخش 2 ذکر شد ، داده‌ها سپس از واحدهای اندازه‌گیری استاندارد ایالات متحده (درجه فارنهایت، اینچ، و غیره ) به واحدهای مبتنی بر SI تبدیل می‌شوند. قالب نیز از یک قالب تعیین کننده کاراکتر به یک قالب با کاما تغییر یافته است. این کار با استفاده از یک اسکریپت پایتون جداگانه انجام می شود ( شکل 5(3a)). از طریق این فرآیند، تمام داده های موجود تبدیل شده و مقادیر بدون داده مشخص می شوند. از آنجایی که تاریخ‌های بدون داده در فایل اصلی موجود نیستند، تاریخ‌ها با مقادیر بدون داده اضافه می‌شوند تا یک سری زمانی ثابت ارائه کنند. علاوه بر فایل CSV، داده های پردازش شده در پایگاه داده PostgreSQL ذخیره می شود. ساختار آن مانند فایل CSV است ( شکل 5 (4a)).

3.1.3. یکپارچه سازی و پردازش مجموعه داده های ISD

یکپارچه سازی و پردازش مجموعه داده ISD بر اساس تقاضا و بر اساس درخواست کاربر انجام می شود. زنجیره پردازش همان است که برای پردازش GSOD استفاده می شود ( شکل 5). یک اسکریپت پایتون اضافی فقط برای پردازش داده ها مورد نیاز است. فایل های متنی ایستگاه های درخواستی برای محدوده زمانی درخواستی دانلود می شوند. پس از دانلود، فایل ها ادغام و پردازش می شوند تا فرمت تعیین کننده کاراکتر به فرمت مقادیر جدا شده با کاما (CSV) تبدیل شود. این کار در یک اسکریپت پایتون توسعه یافته جداگانه انجام می شود و مهم ترین داده ها را استخراج می کند. علاوه بر فایل داده، اسکریپت یک جدول مبتنی بر HTML از داده ها را برای ارائه یک نمای کلی سریع ایجاد می کند که در پورتال وب نمایش داده می شود. پس از پردازش، فایل ها به پورتال وب بازگردانده می شوند، جایی که کاربر می تواند به داده ها دسترسی داشته باشد.

3.2. ارائه داده ها

خدمات مبتنی بر استانداردها و مشخصات کنسرسیوم فضایی باز (OGC)، مانند خدمات نقشه وب (WMS; [ 37 ])، سرویس ویژگی های وب (WFS؛ [ 38 ])، خدمات پوشش وب (WCS؛ [ 39 ]) ، خدمات مشاهده حسگر (SOS؛ [ 40 ]) و سرویس کاتالوگ برای وب (CSW؛ [ 36 ])، برای ارائه دسترسی به پایگاه داده میان افزار استفاده می شود. مطابق با مشخصات OGC، این خدمات برای تجسم و دانلود قابل پیاده سازی و سپس انتشار می باشد.

3.2.1. خدمات مشاهده و دانلود داده های MODIS

خدمات مبتنی بر OGC برای تجسم داده ها و بارگیری داده های شطرنجی را می توان با استفاده از بسته های نرم افزاری مختلف، مانند نرم افزار منبع باز MapServer ( http://mapserver.org ) انجام داد. MapServer خدمات سازگار با OGC را برای تجسم داده ها (WMS) و دانلود (WFS، WCS) ارائه می دهد. با داده های سری زمانی، این سرویس ها باید با استفاده از پارامتر TIME منتشر شوند. با استفاده از این پارامتر، کاربران می توانند داده ها را از یک تاریخ خاص در سری زمانی تجسم و دانلود کنند.
از آنجایی که تمام داده های سری زمانی یکپارچه در جدول پایگاه داده درج می شوند ( جدول 5 )، MapServer می تواند از این جدول به عنوان منبع داده استفاده کند. با این حال، اطلاعات بیشتری برای ارائه یک لایه به عنوان WMS و WCS مورد نیاز است:

  • نام مجموعه داده (لایه).
  • تمدید زمان (شروع، پایان، فاصله)
  • زمان پیش فرض
  • موقعیت های زمانی
  • اطلاعات استایل و افسانه
دو لایه برای هر مجموعه داده در فایل پیکربندی (فایل نقشه) MapServer مورد نیاز است: یک لایه tile-index، که اطلاعاتی در مورد اتصال به پایگاه داده و فیلتر کردن (با توجه به پارامتر TIME و نام مجموعه داده) ارائه می‌کند و لایه اصلی، که شامل مجموعه داده ای است که به لایه tile-index پیوند می زند ( شکل 6). اطلاعات مربوط به اتصال پایگاه داده و تنظیمات پارامتر TIME برای لایه tile-index مورد نیاز است. علاوه بر برخی تنظیمات لایه کلی، لایه شطرنجی با اطلاعات مربوط به ستون جدول پایگاه داده که در آن فایل GeoTIFF پیوند داده شده است (مورد کاشی)، لایه شاخص کاشی مرجع (شاخص کاشی) و اطلاعات بیشتر در مورد استایل و افسانه پیکربندی شده است. برای یک WCS، یک پارامتر TIME باید مشخص شود (نام/برچسب مجموعه) و هر موقعیت زمانی موجود برای این لایه در پیکربندی (موقعیت های زمانی) نامگذاری می شود.
Ijgi 02 00553 g006 1024
شکل 6. پیکربندی MapServer برای لایه شاخص کاشی و شطرنجی.
Ijgi 02 00553 g007 1024
شکل 7. پیکربندی MapCache XML: ویژگی های لایه منبع و tileset (به عنوان مثال، برای MOD13C1 شاخص تفاوت گیاهی نرمال شده (NDVI)).
برای افزایش عملکرد تجسم داده ها، نرم افزار کش MapCache ( http://mapserver.org/trunk/mapcache/ ) نصب و برای لایه های موجود پیکربندی شد. برخی خصوصیات کلی باید تنظیم شوند، مانند نوع ذخیره سازی کش (دیسک یا پایگاه داده)، فرمت پیش فرض و گزارش خطا. ویژگی‌های سرویس را نیز می‌توان تنظیم کرد و قوانین ارسال را برای درخواست‌های غیرقابل ذخیره‌سازی از سرویس‌های دانلود، WFS و WCS، و همچنین برای انواع درخواست‌های WMS خاص (GetFeatureInfo و GetLegendGraphic) بیان کرد که به‌طور خودکار به نقطه پایانی سرویس اصلی ارسال می‌شود. علاوه بر این خصوصیات عمومی و خدماتی، هر لایه ذخیره شده در حافظه پنهان باید با یک منبع و یک شیء مجموعه کاشی پیکربندی شود ( شکل 7). در شی منبع ، اتصال به نقطه پایانی سرویس اصلی توسط URL و پارامترهای پیش‌فرض (مانند قالب، فایل نقشه، نام لایه و پرچم شفاف) تنظیم می‌شود. شی tileset به منبع و شی ذخیره سازی ذخیره اشاره می کند و ویژگی هایی را برای مکانیسم کاشی کاری تعریف می کند: نوع شبکه، قالب، زمان انقضا و ابعاد. در برچسب ابعاد ، هر موقعیت زمانی باید فهرست شود.
پس از به روز رسانی مجموعه داده های سری زمانی، پیکربندی MapServer و MapCache باید به روز شود، زیرا موقعیت های زمانی جدید باید به پیکربندی اضافه شوند. با این حال، از آنجایی که کل پیکربندی با استفاده از فایل های متنی انجام می شود، می توان آن را با هر زبان برنامه نویسی روی سرور به روز کرد.

3.2.2. خدمات داده آب و هوا

علاوه بر ارائه یک فایل CSV برای داده‌های آب و هوا، داده‌ها را می‌توان به‌عنوان یک سرویس وب با پیروی از مشخصات سرویس مشاهده سنسور OGC (OGC-SOS) ارائه کرد. چنین وب سرویسی با استفاده از نرم افزار منبع باز مبتنی بر پایتون istSOS ( http://istgeo.ist.supsi.ch/software/istsos/ ) راه اندازی شد [ 45 ، 46 ].
رابط اداری istSOS توابعی را برای ایجاد سرویس های SOS با اجزای مورد نیاز، مانند ویژگی های مشاهده شده، رویه ها و پیشنهادات ارائه می دهد. آموزش istSOS [ 47 ] ساختاری را پیشنهاد می کند که به موجب آن هر ایستگاه هواشناسی به عنوان یک روش SOS مرتبط با خواص مشاهده شده (پارامترهای حسگر) تعریف می شود. رویه ها به طور خودکار با یک پیشنهاد SOS (“موقت”) گروه بندی می شوند. پیشنهادات امکان رویه های گروهی را فراهم می کند. مشاهدات را می‌توان با استفاده از SOS تراکنشی با کد XML یا یک اسکریپت پایتون که فایل‌های متنی را با مشاهدات تجزیه می‌کند، اضافه کرد.
علاوه بر مشخصات OGC-SOS، istSOS یک رابط RESTful را ارائه می دهد که به کاربران اجازه می دهد با استفاده از فرمت داده JSON با سرویس ارتباط برقرار کرده و آن را مدیریت کنند. این رابط همچنین به کاربران این امکان را می دهد که ایستگاه های هواشناسی را به عنوان رویه های مرتبط با پارامترهای مشاهده شده درج کنند، که با ویژگی نقطه ای موقعیت جغرافیایی دارند. شناسه های ایستگاه که قبلا توضیح داده شد (USAF و WBAN) نیز به عنوان یک مقدار رابط اضافه می شوند . داده‌های مشاهده در قالب CSV پیشنهادی با سرفصل‌های ستون با عنوان حسگرهای ثبت‌شده قالب‌بندی می‌شوند. با استفاده از اسکریپت Python شامل cmdimportcsv.py و شناسه سیستم درج شده در روش قبلی (ایستگاه هواشناسی)، داده ها را می توان از خط فرمان درج کرد.

3.2.3. خدمات فراداده

داده‌های سری زمانی موجود، ایستگاه‌های هواشناسی و لایه‌های داده اضافی با استفاده از سوابق فراداده توصیف می‌شوند. این رکوردها اطلاعات مربوط به داده ها، تجسم و خدمات دانلود و همچنین موقعیت های زمانی و بازه زمانی موجود را فهرست می کند. بر این اساس، یک کلاینت می تواند درخواست هایی برای دسترسی به داده ها ایجاد کند. سرویس میانافزار یک رکورد ابرداده برای هر مجموعه داده سری زمانی به دنبال مشخصات ISO 19115 [ 48 ] ایجاد می کند. نرم افزار منبع باز مبتنی بر پایتون، pycsw ( http://pycsw.org) برای ارائه خدمات ابرداده استفاده می شود. pycsw خدمات کاتالوگ سازگار با OGC را برای وب (CSW) و همچنین CSW تراکنشی برای درج و به‌روزرسانی فراداده ارائه می‌کند. در فایل پیکربندی، تراکنش‌ها فقط برای آدرس‌های IP خاص می‌توانند فعال شوند. ابرداده های درج شده برای SIB-ESS-C در یک پایگاه داده مبتنی بر SQLite ذخیره می شوند. پایگاه داده های PostgreSQL و MySQL نیز امکان پذیر است.
جدول
جدول 7. گزیده ای از اطلاعات ذخیره شده در سوابق فراداده (نمونه ای از داده های سری زمانی دمای سطح زمین MODIS Terra).
رکوردهای فراداده، نقطه ورودی اصلی برای دسترسی به پایگاه داده میان‌افزار چند منبعی هستند. علاوه بر اطلاعات عمومی، مانند عنوان، چکیده، کلمات کلیدی و اصل و نسب، طیف گسترده ای از اطلاعات فراداده را می توان برای توصیف داده های سری زمانی استفاده کرد ( جدول 7 ). برای پیوند به خدمات سازگار با OGC برای تجسم و دانلود، DigitalTransferOptionsدر رکورد ابرداده ارائه می شوند. یک کلاینت می تواند سوابق ابرداده را بر اساس یک شناسه خاص یا یک نتیجه جستجو بازیابی کند، سپس می تواند اطلاعات را تجزیه کند و داده ها را از طریق خدمات ارائه شده تجسم یا دانلود کند. با اطلاعات فراداده، مشتری می‌داند که کدام موقعیت‌های زمانی در دسترس هستند و کدام سرویس‌ها (به عنوان مثال، خدمات نقشه وب، سرویس پوشش وب یا هر پیوند http دیگر) می‌توانند مطابق با نیاز کاربر مورد استفاده قرار گیرند. با تجزیه رکورد ابرداده، مشتری می‌تواند بین داده‌های شطرنجی سری زمانی به عنوان اندازه‌گیری فیزیکی یا طبقه‌بندی تمایز قائل شود. این تمایز برای جنبه‌هایی مانند ارائه فرآیندهای تحلیل صحیح، که برای نتایج طبقه‌بندی (مثلاً منطقه سوخته) متفاوت است، بر خلاف داده‌های پیوسته، مانند دمای سطح زمین، شاخص‌های پوشش گیاهی و پوشش برف، مهم است.

4. پورتال وب SIB-ESS-C به عنوان مشتری برای خدمات میان افزار

سرویس های میان افزار در پورتال وب SIB-ESS-C موجود است. این پورتال وب ( شکل 8 ) شامل توابعی است که به کاربران اجازه می دهد تا خدمات میان افزار را مدیریت و مدیریت کنند. همچنین امکان دسترسی آسان به مجموعه داده های یکپارچه را فراهم می کند. کاربران قرار است با داده ها تعامل نزدیک داشته باشند تا بهترین اطلاعات را دریافت کنند. با مراجعه به پورتال وب، کاربر می تواند کاتالوگ داده ای را که حاوی داده های موجود پایگاه داده میان افزار است، مرور کند. کاتالوگ فراداده را می توان جستجو کرد و رکوردهای حاصل را می توان بررسی کرد. سپس داده ها قابل مشاهده و دانلود هستند.
Ijgi 02 00553 g008 1024
شکل 8. تصویری از پورتال وب SIB-ESS-C ( http://www.sibessc.uni-jena.de ).
علاوه بر ارائه ابزارهای تجسم و دانلود برای سرویس‌های میان‌افزار توسعه‌یافته، پورتال وب همچنین فرآیند یکپارچه‌سازی داده‌ها را با هر مرحله ثبت‌شده در سیستم کنترل می‌کند. این ویژگی برای پردازش درخواستی یکپارچه شده است. توسعه‌ها در حال حاضر به سمتی پیش می‌روند که به کاربران امکان می‌دهد مناطق مورد مطالعه خود را تعریف کنند، مجموعه‌های داده را انتخاب کنند و خودشان ادغام را اجرا کنند. با توابع ورود به سیستم پیاده سازی شده در پورتال وب، کاربر هنگام تکمیل یکپارچه سازی مطلع می شود.
برای توسعه پورتال وب از نرم افزار متن باز استفاده شده است. در باطن، دروپال CMS ( http://drupal.org ) یک پروکسی برای خدمات وب خارجی فراهم می کند، کد XML را به کد JSON برای پردازش بهتر در زبان برنامه نویسی وب پیشانی، جاوا اسکریپت تبدیل می کند و خدمات RESTful را برای ثبت نام کاربر و احراز هویت. صفحه اصلی با استفاده از کتابخانه jQuery ( http://jquery.org ) و پسوندهای jQuery توسعه یافته است. نمایشگر نقشه برای تجسم داده ها با استفاده از کتابخانه OpenLayers ( http://openlayers.org ) ایجاد شده است.

5. برنامه های کاربردی برای میان افزار پردازش داده چند منبعی

سرویس‌های میان‌افزار توسعه‌یافته را می‌توان برای برنامه‌های کاربردی مختلف که از طرح‌های تحقیقاتی پشتیبانی می‌کنند، مانند GOFC-GOLD و NEESPI، یا برای پروژه‌های تحقیقاتی استفاده کرد که دسترسی به طیف گسترده‌ای از مجموعه‌های داده را فراهم می‌کند. برخی از داده های سیبری به طور خودکار یکپارچه می شوند ( بخش 5.1 ). داده‌های مربوط به مناطق مطالعاتی کوچک‌تر را می‌توان در صورت تقاضا یکپارچه کرد، به‌ویژه داده‌های لازم برای محصولات با وضوح بالاتر ( بخش 5.2 ).
جدول
جدول 8. محصولات یکپارچه خودکار از سنسور MODIS. EVI، شاخص پوشش گیاهی افزایش یافته است.

5.1. یکپارچه سازی خودکار داده ها

بسته به فضای ذخیره سازی دیسک موجود، محصولات داده را می توان به طور خودکار برای مناطق بزرگ ادغام کرد. برای سیبری، چند محصول با وضوح درشت از MODIS، و همچنین خلاصه‌های روزانه داده‌های آب و هوا (GSOD)، به طور خودکار ادغام می‌شوند. بر اساس منطقه سیبری ذخیره شده در پایگاه داده، محصولات خاص به صورت روزانه یکپارچه و به روز می شوند. جدول 8 مجموعه داده های موجود از MODIS را فهرست می کند که می توانند در پورتال وب توسعه یافته تجسم، دانلود و ترسیم شوند. هدف از ادغام خودکار، به دست آوردن یک نمای کلی از کل منطقه است، به عنوان مثال، ارائه داده هایی برای مدیریت بلایا، مانند داده های آتش سوزی و منطقه سوخته. این اطلاعات در ترکیب با شاخص‌های پوشش گیاهی می‌تواند تأثیر مناطق سوخته را بر پوشش گیاهی نشان دهد ( شکل 9).). بر اساس این اطلاعات می توان مناطق خاصی را برای تحقیقات بیشتر شناسایی کرد. GSOD به طور خودکار برای 1000 ایستگاه در سیبری یکپارچه شده است. حدود 400 ایستگاه هنوز فعال هستند و روزانه توسط سرویس های میان افزار به روز می شوند. این داده ها را می توان با دمای سطح زمین یکپارچه MODIS یا با اطلاعات آب و هوایی اضافی، بسته به منطقه مورد بررسی مقایسه کرد.
Ijgi 02 00553 g009 1024
شکل 9. ترکیبی از مجموعه داده های منطقه سوخته MODIS NDVI و MODIS ( سمت چپ : NDVI قبلی؛ وسط : NDVI پس از آتش سوزی، راست : مناطق سوخته) در نزدیکی یاکوتسک، روسیه.

5.2. یکپارچه سازی داده های درخواستی

پردازش بر اساس تقاضا برای ادغام داده هایی با وضوح بالاتر که فقط برای مناطق خاص مورد نیاز است و می تواند برای حمایت از پروژه های تحقیقاتی از طریق ارائه داده ها مورد استفاده قرار گیرد، توسعه یافته است. یک مدیر سیستم (در آینده، خود کاربران) می تواند مناطق مورد مطالعه و مجموعه داده های مورد نیاز را از پورتال وب ثبت کند. بر اساس مناطق و مجموعه داده‌های ثبت‌شده، سرویس میان‌افزار مجموعه داده‌های درخواستی را در پایگاه داده میان‌افزار ادغام می‌کند، که همچنین در منطقه مشخص‌شده بریده شده‌اند. سپس مجموعه داده های پردازش شده را می توان دانلود کرد یا مستقیماً توسط سایر مشتریان با استفاده از خدمات تجسم و دانلود ارائه شده استفاده کرد. برای هر درخواست پردازش، کاربر می تواند یک فایل لاگ را دانلود کند. در این لاگ فایل، تمامی فایل های دانلود شده لینک شده اند،شکل 10 ).
پروژه تحقیقاتی FP7 اروپا، ZAPÁS، از SIB-ESS-C برای تجزیه و تحلیل شاخص های پوشش گیاهی MODIS Terra با وضوح 250 متر (مکانی) و 16 روز (زمانی) برای کل دوره زمانی موجود (از سال 2000) استفاده می کند. منطقه مطالعه پروژه دیگری، Forest Dragon 2، علاقه مند به استفاده از شاخص تفاوت گیاهی نرمال شده MODIS (NDVI) بود. آنها از SIB-ESS-C برای پردازش MODIS NDVI با وضوح مکانی 1 کیلومتر به صورت ماهانه برای تمام سال 2005 استفاده کردند. سپس این مجموعه داده ارجاع داده شد و از طریق سرویس OGC-WMS ارائه شده توسط به ژئوپورتال خود (جئوپورتال جنگلی اژدها) ادغام شد. SIB-ESS-C. شکل 11 اسکرین شات هر دو سیستم مبتنی بر وب را نشان می دهد.
Ijgi 02 00553 g010 1024
شکل 10. گزیده ای از فایل لاگ پردازش بر اساس تقاضا (پردازش یک مرحله زمانی واحد).
Ijgi 02 00553 g011 1024
شکل 11. ژئوپورتال Forest Dragon 2 ( سمت چپ ) مجموعه داده های پردازش شده از SIB-ESS-C ( راست ) را نشان می دهد.
پیوند درخواستی دیگری برای پایگاه داده سطحی یکپارچه وجود دارد. این مجموعه داده را می توان با انتخاب یک ایستگاه هواشناسی خاص یا با اجرای یک کار برای یک منطقه مطالعاتی ثبت شده بازیابی کرد. با انتخاب یک ایستگاه، کاربر می تواند یک روز خاص را تعریف کند. سپس فقط داده های این روز به کاربر بازگردانده می شود و پیش نمایش جدول HTML داده ها از طریق پورتال وب نشان داده می شود ( شکل 12 ).
Ijgi 02 00553 g012 1024
شکل 12. پیش نمایش HTML داده های بازیابی شده از پایگاه داده سطحی یکپارچه ایستگاه انتخابی، Ust-Maja (نزدیک یاکوتسک)، برای 20 ژوئیه 2012.

6. نتیجه گیری و چشم انداز

مطابق با اهداف مطالعه، یک میان‌افزار پردازش داده چند منبعی عملیاتی برای نظارت بر زمین با خدمات استاندارد برای تجسم و توزیع داده‌ها ایجاد شد. داده‌های تیم MODIS Land و NSIDC، و همچنین دو مجموعه داده آب و هوایی از NCDC، با میان‌افزار متصل شدند. مراحل پردازش اضافی برای تولید فرمت های داده رایج، مانند GeoTIFF و واحدهای استاندارد شده مبتنی بر SI برای داده های آب و هوا، ادغام شدند. از آنجایی که خدمات مطابق با استاندارد را ارائه می دهد، داده ها را می توان با سایر مشتریان GIS یا در پورتال وب توسعه یافته استفاده کرد. مقاله حاضر کاربردهایی را نشان می دهد که چگونه می توان از سرویس های میان افزار در SIB-ESS-C برای تقویت نظارت بر فرآیندهای زمین با استفاده از سنجش از دور و در محل استفاده کرد.داده های آب و هوا بدون هیچ گونه پردازش توسط کاربر، مجموعه داده ها را می توان با توجه به تغییرات زمین بررسی کرد. اطلاعات اضافی مانند داده های آب و هوا را می توان به راحتی اضافه کرد و سرویس های میان افزار داده را در ترکیب مجموعه داده ها از منابع متعدد قدرتمند می کند. سپس مجموعه داده های مختلف را می توان به صورت بصری در پورتال وب SIB-ESS-C مقایسه کرد. کاربردهای بیشتر می تواند ارائه داده های رصد زمین برای کاربرانی باشد که با استفاده از این نوع داده ها آشنا نیستند. آنها فقط می توانند از پورتال وب بازدید کرده و داده ها را به صورت بصری بررسی کنند. یک جنبه اصلی دیگر، ادغام تجزیه و تحلیل مبتنی بر وب داده های سری زمانی با امکان شناسایی تغییرات محیط در گذشته است.
ارائه داده های سازگار با استاندارد دیگر موضوع مهمی نیست، زیرا بسته های نرم افزاری وجود دارند که می توانند اکثر فرمت های داده رایج را مدیریت کنند. در ترکیب با یک پایگاه داده فضایی، انتخاب فرعی داده‌ها بر اساس پارامترها، مانند داده‌های سری زمانی با مهر زمانی، دیگر برای پیاده‌سازی پیچیده نیستند. ابزارهای منبع باز مورد استفاده توسعه چنین زیرساخت های داده مکانی را تسهیل می کنند، به ویژه برای مدیریت داده های مکانی و اطمینان از مطابقت آن با استانداردها. یک کار پیچیده تر، ارائه اطلاعات سبک برای تجسم داده ها است، زیرا این اطلاعات در فایل داده اصلی ذخیره نمی شود و باید به صورت دستی برای هر مجموعه داده تولید شود. محدودیت‌های فنی در طول پیاده‌سازی رخ ندادند، اما کار بیشتر در بررسی بهبودهای احتمالی در ذخیره‌سازی داده‌ها مفید خواهد بود:49 ، 50 ] یا پایگاه های داده بدون SQL برای ذخیره و تجزیه و تحلیل داده های سری زمانی [ 51 ]. دسترسی به داده‌ها همچنین می‌تواند به روش‌هایی بهبود یابد، مانند اجرای مشخصات سرویس پردازش پوشش وب OGC [ 52 ]، که پردازش را در حین دسترسی به داده‌ها فراهم می‌کند [ 53 ]. تا زمانی که تمام اطلاعات مورد نیاز برای دانلود و پردازش داده ها در پایگاه داده ذخیره شود، یکپارچه سازی خودکار داده ها می تواند پیاده سازی شود. این اطلاعات برای مجموعه داده هایی که باید توسط سرویس میان افزار یکپارچه شوند، مورد نیاز است.
مزایای روش‌های پیاده‌سازی‌شده در سیستم، انعطاف‌پذیری نحوه ارائه داده‌ها به کاربر با استفاده از خدمات و داده‌های مبتنی بر OGC در قالب‌های مشترک GIS و امکان ادغام بیشتر ابزارهای تحلیل سری زمانی است. برای تجسم داده های یکپارچه، لازم است که داده ها نیز در سیستم ذخیره شوند. با این حال، این منجر به یک مشکل اصلی می شود: داده ها باید از سیستم های خارجی بارگیری شوند و به ذخیره سازی دیسک در سیستم مالک نیاز دارند. سرعت دانلود به سرور خارجی نیز بستگی دارد و برای مجموعه داده های بزرگ، این به بیشترین زمان یکپارچه سازی و پردازش داده ها نیاز دارد. به عنوان مثال، دانلود داده ها برای پروژه ZAPÁS حدود دو روز طول کشید. پردازش، فقط حدود چهار ساعت. برای غلبه بر این مشکل اصلی، تنها راه حل می تواند این باشد که این مراحل پردازش (استخراج مجموعه داده ها،و غیره ) روی سیستم هایی با دسترسی مستقیم به داده ها پیاده سازی می شوند. در یک حالت بهینه، کاربر یا سیستم تجزیه و تحلیل داده ها فقط باید یک فایل سری زمانی دانلود کند و سپس می تواند، برای مثال، ابزارهای تجزیه و تحلیل بیشتر را ارائه دهد. این امر به ویژه زمانی مورد نیاز است که چنین زیرساختی با داده های با وضوح بالاتر، به عنوان داده های ماهواره های ESA Sentinel آینده، سازگار شود. در غیر این صورت، زمان دانلود داده ها به میزان قابل توجهی افزایش می یابد.
فن آوری های پیشرفته وب توسعه سیستم های وب را برای حمایت از علم، مشاوره و سیاست گذاری، به ویژه در زمینه پردازش داده های اضافی، ممکن می سازد. چنین ابزارهایی همچنین از کارشناسان در زمینه های مختلف با دسترسی آسان به داده ها و ابزارهای تجسم پشتیبانی می کنند. سیستم های وب با استفاده آسان می توانند پردازش داده ها و رویه های تجسم را ارائه دهند. در این حالت، اگر کاربران فقط به دنبال یک نمای کلی از مشاهدات زمین هستند، نیازی به دانلود هیچ مجموعه داده ای ندارند. این امکان فراهم می شود زیرا داده ها از طریق رابط هایی ارائه می شوند که امکان پردازش خودکار را فراهم می کنند. با ادغام خودکار داده ها، پایگاه داده های سری زمانی را می توان به روز نگه داشت. داده هایی که به صورت رایگان ارائه می شوند و مجاز به توزیع از طریق سیستم های دیگر هستند، محرک اصلی این حرکت است. مجموعه داده های بیشتر، مانند Landsat، NPP VIIRS، Spot Vegetation یا داده‌های آینده ESA Sentinel، برای ادغام آنها در پایگاه داده میان‌افزار توسعه‌یافته، به دسترسی مبتنی بر سرویس نیاز دارند. این را می توان با جستجوی مبتنی بر وب، خدمات سفارش و دانلود یا فقط ارائه داده ها با FTP انجام داد. فراداده و اطلاعات پردازش اضافی – بسته به مجموعه داده – باید به سیستم اضافه شود تا مجموعه داده های درخواستی استخراج شود و خدمات مطابق با OGC ارائه شود.
بهبودها و بهبودهای آینده برای میان افزار داده چند منبعی و SIB-ESS-C برنامه ریزی شده است. به عنوان مثال، مجموعه داده های خدمات Landsat و Geoland 2 [ 54] ممکن است برای ادغام بر اساس تقاضا استفاده شود. تحقیقات بیشتر در مورد پیاده سازی ابزارهای پردازش و تجزیه و تحلیل، مانند درون یابی داده های آب و هوایی، محاسبه آمار سری های زمانی و ادغام یک نرم افزار GIS با Grass GIS یا ESRI ArcGIS، باید انجام شود. پورتال وب توسعه یافته گسترش خواهد یافت، به عنوان مثال، ابزارهایی را برای کاربران ارائه می دهد تا اطلاعات سری زمانی را در قالب های مختلف صادر کنند. در پایان توسعه SIB-ESS-C، نتیجه ایده‌آل یک سرویس نظارت عملیاتی است که مقادیر سری زمانی را مشاهده می‌کند، اطلاعات و هشدارهایی را که توسط کاربر تعریف شده ارائه می‌کند. به عنوان مثال، کاربران می توانند در صورت وقوع آتش سوزی یا مناطق سوخته یا سیل زده هشدار درخواست کنند یا یک اعلان خودکار در مورد منطقه سوخته ماهانه در یک منطقه تعریف شده توسط کاربر دریافت کنند.

منابع

  1. تاونشند، جی آر. بردی، MA; سیزار، IA; گلدامر، جی جی; عدالت، CO; Skole, DL استراتژی تجدید نظر شده برای GOFC-GOLD ; گزارش GOFC-GOLD شماره 24; سازمان غذا و کشاورزی سازمان ملل متحد: رم، ایتالیا، 2006. [ Google Scholar ]
  2. گرویسمن، پی. بارتالف، SA ابتکار مشارکت علمی زمین اوراسیا شمالی (NEESPI)، مروری بر طرح علمی. سیاره جهانی. تغییر 2007 ، 56 ، 215-234. [ Google Scholar ]
  3. عدس، LB; هولدن، ZA; اسمیت، AMS؛ فالکوفسکی، ام جی. Hudak، AT; مورگان، پی. لوئیس، SA; Gessler، PE; تکنیک‌های سنجش از دور بنسون، NC برای ارزیابی ویژگی‌های آتش فعال و اثرات پس از آتش‌سوزی. بین المللی J. Wildland Fire 2006 ، 15 ، 319-345. [ Google Scholar ] [ CrossRef ]
  4. فرانکلین، SE سنجش از دور برای مدیریت پایدار جنگل . ناشران Lewis: Boca Raton، FL، USA، 2001. [ Google Scholar ]
  5. آسنر، GP; Alencar, A. اثرات خشکسالی بر جنگل آمازون: چشم انداز سنجش از دور. فیتول جدید. 2010 ، 187 ، 569-578. [ Google Scholar ] [ CrossRef ]
  6. روگان، جی. Chen, D. فناوری سنجش از دور برای نقشه برداری و نظارت بر پوشش زمین و تغییر کاربری زمین. Prog. برنامه ریزی کنید. 2004 ، 61 ، 301-325. [ Google Scholar ] [ CrossRef ]
  7. عدالت، CO; ورموت، ای. تاونشند، جی آر جی؛ دفریز، آر. روی، DP; هال، DK; سالومونسون، وی وی. Privette، JL; ریگز، جی. Strahler، A. و همکاران طیف رادیومتر تصویربرداری با وضوح متوسط ​​(MODIS): سنجش از دور زمین برای تحقیقات تغییرات جهانی. IEEE Trans. Geosci. Remote Sens. 1998 , 36 , 1228-1249. [ Google Scholar ] [ CrossRef ]
  8. Giri, CP سنجش از دور کاربری زمین و پوشش زمین: اصول و کاربردها ; CRC Press: Boca Raton، FL، USA، 2012. [ Google Scholar ]
  9. آکر، جی جی; Leptoukh, G. تجزیه و تحلیل آنلاین استفاده از داده های علوم زمین ناسا را ​​افزایش می دهد. Eos Trans. عامر ژئوفیز. اتحادیه 2007 88 . _ [ Google Scholar ] [ CrossRef ]
  10. جونز، ک. مقدمه ای بر انبار داده: پیامدهای شبکه چیست؟ بین المللی J. مدیریت شبکه. 1998 ، 8 ، 42-56. [ Google Scholar ]
  11. وانگ، جی. لی، سی. تحقیق در مورد چارچوب انبار داده های مکانی-زمانی. در مجموعه مقالات بیست و چهارمین کنفرانس بین المللی کارتوگرافی، سانتیاگو دی شیلی، شیلی، 15 تا 21 نوامبر 2009.
  12. Bédard، Y.; هان، جی. مبانی ذخیره‌سازی داده‌های مکانی برای کشف دانش جغرافیایی. در داده کاوی جغرافیایی و کشف دانش ; Miller, HJ, Han, J., Eds. CRC Press: Boca Raton، FL، USA، 2009; صص 45-68. [ Google Scholar ]
  13. Di, L. GeoBrain—یک سیستم ایجاد دانش جغرافیایی مبتنی بر خدمات وب. در مجموعه مقالات کنفرانس فناوری علوم زمین ناسا، پالو آلتو، کالیفرنیا، ایالات متحده آمریکا، 22 تا 24 ژوئن 2004.
  14. جیانگ، جی. یانگ، سی. رن، ی. Zhu, X. رویکرد مبتنی بر میان افزار به داده های فضایی چند منبعی. در مجموعه مقالات هجدهمین کنفرانس بین المللی ژئوانفورماتیک، پکن، چین، 18 تا 20 ژوئن 2010. صص 1-4.
  15. تانگ، جی. رن، ی. یانگ، سی. شن، ال. Jiang, J. WebGIS برای به اشتراک گذاری و ادغام داده های فضایی ناهمگن چند منبعی. در مجموعه مقالات 2011 IEEE بین المللی زمین شناسی و سمپوزیوم سنجش از دور، ونکوور، کانادا، 24-29 ژوئیه 2011. ص 2943-2946.
  16. محمدی، ح. رجبی فرد، ع. ویلیامسون، IP به اشتراک گذاری داده های مکانی را از طریق یکپارچه سازی داده های فضایی چند منبعی فعال می کند. در مجموعه مقالات کنفرانس جهانی GSID 11، روتردام، هلند، 15 تا 19 ژوئن 2009.
  17. ناتیوی، س. کراگلیا، ام. پرلمن، جی. رویکرد کارگزاری برای قابلیت همکاری چند رشته ای: مقاله موضع. بین المللی جی. اسپات. Data Infrastr. Res. 2012 ، 7 ، 1-15. [ Google Scholar ]
  18. ناتیوی، س. خالصه، س. دومنیکو، بی. کراگلیا، ام. پرلمن، جی. مازتی، پ. Rew, R. رویکرد کارگزاری برای زیرساخت سایبری علوم زمین. در دسترس آنلاین: http://semanticommunity.info/@api/deki/files/13798/=010_Domenico.pdf (در 1 مارس 2013 قابل دسترسی است).
  19. هوتیچ، سی. اشمولیوس، سی. تیل، سی. پاث، سی. بارتالف، اس. املیانوف، ک. کورتس، م. شویدنکو، آ. Schepaschenko، D. ZAPÁS: ارزیابی و نظارت بر منابع جنگلی در چارچوب گفتگوی فضایی اتحادیه اروپا و روسیه. در Let’s Embrace Space Vol. 2 ; Schulte-Braucks, R., Breger, P., Bischoff, H., Borowiecka, S., Sadiq, S., Eds.; اتحادیه اروپا: بروکسل، بلژیک، 2012; جلد دوم، صص 164–171. [ Google Scholar ]
  20. چچینی، MF; میچل، ای. پیلون، دی. ناسا ریورب: داده‌های علم زمین و کشف خدمات مبتنی بر استانداردها. در خلاصه AGU Fall Meeting ; اتحادیه ژئوفیزیک آمریکا: سانفرانسیسکو، کالیفرنیا، ایالات متحده آمریکا، 2011; جلد 1، ص. 1406. [ Google Scholar ]
  21. Aundeen، JLF; Anengieter، RLK; Uswell، دسترسی به داده‌های مکانی بررسی زمین‌شناسی MDBUS. J. Geospatial Eng. 2002 ، 4 ، 145-152. [ Google Scholar ]
  22. مرکز ملی داده های اقلیمی Climate.gov: داده ها و خدمات. در دسترس آنلاین: http://www.climate.gov/#dataServices (در 6 مارس 2013 قابل دسترسی است).
  23. De Freitas، RM; آرای، ای. آدمی، م. فریرا، اس. ساتو، FY; شیمابوکورو، YE; رزا، RR; اندرسون، لو. فردریش، بی. Rudorff, T. آزمایشگاه مجازی سری های زمانی سنجش از دور: تجسم مجموعه داده های MODIS EVI2 در آمریکای جنوبی. جی. کامپیوتر. بین رشته ای علمی 2011 ، 2 ، 57-68. [ Google Scholar ]
  24. گروه مشاهدات زمین GEO. GEOSS چیست؟ در دسترس آنلاین: http://www.earthobservations.org/geoss.shtml (در 1 مارس 2013 قابل دسترسی است).
  25. مسیحی، اصول معماری EJ GEOSS و اتاق تهاتر GEOSS. سیستم IEEE J. 2008 , 2 , 333-337. [ Google Scholar ] [ CrossRef ]
  26. گروه مشاهدات زمین برنامه پیاده سازی 10 ساله سیستم جهانی رصد سیستم های زمین (GEOSS). در دسترس آنلاین: http://www.earthobservations.org/documents/10-Year Implementation Plan.pdf (در 1 مارس 2013 قابل دسترسی است).
  27. قطعنامه 40 سازمان جهانی هواشناسی (Cg-XII). در دسترس آنلاین: http://www.wmo.int/pages/about/ Resolution40.html (در 2 مارس 2013 قابل دسترسی است).
  28. عدالت، سی. تاونشند، جی آر. ورموت، ای. ماسوکا، ای. وولف، آر. سالئوس، ن. روی، دی. موریست، جی. مروری بر پردازش داده‌های زمین و وضعیت محصول MODIS. سنسور از راه دور محیط. 2002 ، 83 ، 3-15. [ Google Scholar ] [ CrossRef ]
  29. Xiong، X. چیانگ، ک. سان، ج. بارنز، WL; گونتر، بی. Salomonson، VV NASA EOS Terra و Aqua MODIS عملکرد در مدار. Adv. Space Res. 2009 ، 43 ، 413-422. [ Google Scholar ] [ CrossRef ]
  30. Wolfe, RE; روی، DP; روش ذخیره سازی داده های زمینی، شبکه بندی و ترکیب بندی ورموت، E. MODIS: شبکه سطح 2. IEEE Trans. Geosci. Remote Sens. 1998 , 36 , 1324-1338. [ Google Scholar ] [ CrossRef ]
  31. مرکز بایگانی فعال توزیع شده فرآیندهای زمینی ناسا (LP DAAC) نمای کلی MODIS. در دسترس آنلاین: https://lpdaac.usgs.gov/products/modis_overview (در 1 مارس 2013 قابل دسترسی است).
  32. مرکز داده‌های مرکز بایگانی فعال توزیع‌شده (LP DAAC) در فرآیندهای زمینی ناسا. در دسترس آنلاین: https://lpdaac.usgs.gov/get_data/data_pool (در 1 مارس 2013 قابل دسترسی است).
  33. اطلاعات سفارش مرکز ملی برف و یخ (NSIDCs). در دسترس آنلاین: http://nsidc.org/data/modis/order_data.html (در 1 مارس 2013 قابل دسترسی است).
  34. Lott, N. خلاصه روز جهانی سطح. در دسترس آنلاین: http://www.ncdc.noaa.gov/cgi-bin/res40.pl؟ page=gsod.html (در 1 مارس 2013 قابل دسترسی است).
  35. لات، ن. ووز، ر. دل گرکو، SA; راس، TF; ورلی، اس. Comeaux, J. پایگاه داده سطحی یکپارچه: مشارکت و پیشرفت. در مجموعه مقالات بیست و چهارمین کنفرانس در IIPS، نیواورلئان، لس آنجلس، ایالات متحده آمریکا، 20-24 ژانویه 2008.
  36. نبرت، دی. وایتساید، ا. Vretanos، PP مشخصات خدمات کاتالوگ OpenGIS ; Open Geospatial Consortium Inc.: Wayland، USA، 2007. [ Google Scholar ]
  37. De Beaujardiere, J. مشخصات پیاده سازی سرور نقشه وب OpenGIS ; Open Geospatial Consortium Inc.: Wayland، MA، ایالات متحده آمریکا، 2006. [ Google Scholar ]
  38. Vretanos، PA مشخصات پیاده سازی خدمات وب ویژگی ; Open Geospatial Consortium Inc.: Wayland, MA, USA, 2005. [ Google Scholar ]
  39. Baumann, P. OGC WCS 2.0 Interface Standard—Core ; Open Geospatial Consortium Inc.: Wayland، MA، ایالات متحده آمریکا، 2010. [ Google Scholar ]
  40. برورینگ، آ. استاش، سی. Echterhoff, J. OGC Sensor Observation Service Interface Standard ; Open Geospatial Consortium Inc.: Wayland, MA, USA, 2012. [ Google Scholar ]
  41. Schut, P. OpenGIS Web Processing Service ; Open Geospatial Consortium Inc.: Wayland, MA, USA, 2007. [ Google Scholar ]
  42. Netler، M. MODIS سینوسی GIS SHAPE فایل. در دسترس آنلاین: http://gis.cri.fmach.it/modis-sinusoidal-gis-files/ (دسترسی در 4 مارس 2013).
  43. Warmerdam, F. The Geospatial Data Abstraction Library. در رویکردهای منبع باز در مدیریت داده های مکانی ; Hall, GB, Leahy, M., Eds. Springer: برلین/هایدلبرگ، آلمان، 2008; جلد 2، صص 87–104. [ Google Scholar ]
  44. اوبه، RO; Hsu, LS PostGIS in Action , 1st ed; Manning Publications Co.: Stamford, CT, USA, 2011. [ Google Scholar ]
  45. کاناتا، م. Antonovic، M. istSOS: بررسی سرویس مشاهده حسگر. در مجموعه مقالات اولین کارگاه بین المللی نقشه برداری وب فراگیر، پردازش جغرافیایی و خدمات، کومو، ایتالیا، 26-27 اوت 2010.
  46. کاناتا، م. مولیناری، م. Pozzoni، M. istSOS سنسور سیستم مدیریت مشاهده: کاربرد واقعی داده های آب و هواشناسی برای حفاظت از سیل. در مجموعه مقالات کارگاه بین المللی “نقش ژئوماتیک در ریسک هیدروژئولوژیکی”، پادوآ، ایتالیا، 27-28 فوریه 2013.
  47. کاناتا، م. Antonovic, M. Tutorial: Using istSOS. در دسترس آنلاین: http://istgeo.ist.supsi.ch/software/istsos/ tutorial.html (در 8 مارس 2013 قابل دسترسی است).
  48. ISO 19115:2003 اطلاعات جغرافیایی — فراداده ; سازمان بین المللی استاندارد: ژنو، سوئیس، 2003.
  49. مادواکو، I. چارچوب پایگاه داده حسگر ناهمگن مبتنی بر PostGIS برای سرویس مشاهده حسگر. در مجموعه مقالات FOSS4G پراگ 2012، پراگ، جمهوری چک، 21-25 مه 2012; Čepek، A.، Ed. دانشگاه فنی چک در پراگ: پراگ، جمهوری چک، 2012; صص 55-71. [ Google Scholar ]
  50. میسف، دی. باومن، پی. Seib, J. به سوی خدمات داده های هواشناسی در مقیاس بزرگ: مطالعه موردی. Datenbank-Spektrum 2012 ، 12 ، 183-192. [ Google Scholar ] [ CrossRef ]
  51. گالاهر، دی. Grant, G. Data Rods: High Speed, Series Time Analysis of Massive Cryospheric Data Sets using Pure Object Databases. در مجموعه مقالات 2012 IEEE بین المللی زمین شناسی و سمپوزیوم سنجش از دور (IGARSS)، مونیخ، آلمان، 22-27 ژوئیه 2012. صص 5297–5300.
  52. استاندارد رابط زبانی سرویس پردازش پوشش وب (WCPS) Baumann, P. OGC 08-068r2 ; Open Geospatial Consortium Inc.: Wayland, MA, USA, 2009. [ Google Scholar ]
  53. باومن، پ. استاندارد خدمات پردازش پوشش وب OGC (WCPS). GeoInformatica 2009 ، 14 ، 447-479. [ Google Scholar ] [ CrossRef ]
  54. اسمتس، بی. لاکاز، آر. پاچولچیک، پ. مکمهره، ح. بارت، اف. کاماچو، اف. Claes, P. Towards a Operational Delivery of a Operational Delivery of a Operational Series of Essential Climate Variables for the Global monitoring. در مجموعه مقالات سی و یکمین سمپوزیوم EARseL 2011; هالونووا، ال.، ویرایش. دانشگاه فنی چک در پراگ: پراگ، جمهوری چک، 2011; ص 205-212. [ Google Scholar ]

;کاربردهای GISمقالات

آموزش کاربردی ArcGISالهام ابراهیم زادهکاربرد جی ای اسکاربرد جی ای اس در زمین شناسی

بدون نظر

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

همواره حمایت دانشجویان عزیزمان همراه ما بوده و این سببب شده که گامی محکم به‌سوی ایجاد یک مرجع برای آموزش GIS برداریم. با این امید که بتوانیم قدردان حمایت شما بزرگواران باشیم.

  • خانه
  • آموزش
  • فیلم آموزشی
  • تماس با ما
  • درباره ما
  • وبلاگ
  • سمنان /خیابان کاشانی/ساختمان فناوری اطلاعات/پ 8
  • 09120049370