分布式遥感空间在线分析处理的多维分析模型及其旱情应用

近年来,空间在线分析处理(spatial on-line analytical processing,SOLAP)技术已逐渐应用于遥感多维分析研究领域,但其计算性能仍面临大规模数据的挑战。本文借鉴数据密集型计算模式MapReduce在OLAP领域的相关应用研究,提出一种基于该模式扩展的遥感数据SOLAP立方体模型。在数据分级分块基础上,对现有模型在分布式环境下进行了适应性改进,并在Map-Reduce支持下,通过引入多维地图代数将该模型中的SOLAP计算转化为基于栅格块粒度的并行地图代数操作。以遥感旱情应用为例阐述了模型的构建与应用过程,并实现了原型。试验结果证明了该模型在大规模数据处理情况下具有较好加速性能与可扩展性。

基于空间信息处理技术的决策支持系统框架研究

研究了在海量空间数据的背景下,GIS,SOLAP,SOLAM在空间决策中的应用和意义,并通过分析空间数据探索空间过程机理,从而实现信息反演及空间信息处理这一过程,得到目前智能空间决策支持系统框架的一般模式。基于以上研究,提出了集成空间信息分析处理技术的智能决策支持系统的框架模型。

基于空间数据挖掘技术的森林防火智能决策支持系统研究

从智能空间决策支持系统的功能需求出发,分析了森林防火是复杂的空间决策问题,它具有动态性、分布性、数据量大、数据性质复杂等特点,决策者面对突如其来的灾害及海量的、复杂的、易变的和分布的数据和信息,很难做出及时、科学和准确的决策。因此,建立集成空间信息分析处理的、具有知识发现能力的智能决策支持系统是十分必要的。而空间在线分析处理(Spatial OLAP)和空间在线分析挖掘(Spatial OLAM,Spatial OLAPmining)是集成空间数据处理的OLAP和OLAM,能够在空间数据仓库上发现隐含的知识和规则,并在不同的维、度上进行查询和分析。从系统需求分析、功能设计、系统实现和系统运行实例方面,论述融合了GIS、空间OLAP和空间OLAM技术的空间智能决策支持系统的设计思想和关键技术的实现。提出基于空间OLAP和OLAM知识发现机制,建立一种集成GIS、空间数据仓库、空间OLAP/OLAM和决策支持系统的新型决策分析工具。

空间OLAP技术研究

针对决策支持系统中空间数据可视化应用趋势,研究基于空间数据仓库的一种决策分析工具———在线分析处理,通过改进空间数据立方体的物化视图选择方法,并进行了实例分析,验证该方法的有效性和优越性,更好地解决空间OLAP响应时间延迟问题.进而扩展空间OLAP应用模型和模式,实现更加完备、灵活的空间OLAP操作功能.

空间客户智能的决策支持框架研究

文章以新的决策支持视角,提出具有空间分析能力的客户关系管理系统——空间客户智能系统。将客户的空间数据集成到客户智能系统中,以GIS技术、数据仓库技术、空间在线分析处理和空间在线分析挖掘为客户智能的支撑技术框架。实现可视化的、空间化的、深入的客户分析功能,从而提升企业的客户关系管理能力。