高性能空间计算CyberGISSpatial.doc

高性能空间计算 CyberGIS Spatial Ccybergis构建internet上的数字生态系统郭玲玲、白玉琪赛博空间(cyberspace)一词是指以计算机技术、现代通信、网络技术、虚拟现实技术的综合应用为基础而构造的一种用于人们进行交往和交流的新型空间。它包括计算机、连接计算机的网络、作为主体的人和数字化的信息。internet和intranet的发展为赛博空间的出现提供了舞台，全球范围的信息共享为赛博空间提供了条件。赛博空间具有电脑化、网络化、虚拟化的特点，它在为我们提供新的生存空间的同时，也带来了全新的生活方式，网络生存将不再是一个口号。科学家预言：未来的人们将在赛博空间的信息海洋中生活，从一个节点到另一个节点，从一个信息源到另一个信息源漫游，进行信息创造和交流，实现相互之间的通信、贸易和科教活动。目前有近1亿台计算机连接到internet上，其用户数约10亿，且这些数字正在以惊人的速度增长。赛博空间的形成和发展速度同样是惊人的。如今，以cyber为前缀的单词越来越多，cyber文化已经成为一种公开发行的刊物，国际cyberspace大会每年举行一次，美国华盛顿大学成立了cyberspace研究所并得到了美国自然科学基金会的支持。可以预言，赛博空间对人类社会和文化发展将带来极其深刻的变化。数字地球作为多源、多比例尺、多分辨率以及数据无缝集成的信息系统以及面向全社会公众开放的信息系统和虚拟现实技术支持下的多维信息系统，是cyberspace中的一个重要组成部分。从软件智能体(agent)到高级生物(geoagent)计算机软件技术发展经历了从软件的模块化到软件的对象化的过程，目前，正进一步发展到软件的智能化。软件智能体(agent)是软件设计进一步抽象的结果，是适应广泛的分布式网络计算环境而发展起来的软件技术方向。麻省理工学院媒体实验室主任贝蒂梅斯(patiemaes)认为，软件智能体是驻留在复杂动态环境中的计算机系统，它们自治地感知环境并作用于环境，从而实现设定的目标集或任务。换言之，软件智能体就是指在一定环境下持续自主运行的实体。agent具有自主性、交互性、反映性和主动性，它能够动态地感知所处的环境，重新评估自己的行为进而改变自己的状态，同时能够与其它agent协同工作。因此，基于agent的系统克服了常规的分布式计算技术的缺陷，提供了一种新的基于网络的分布式计算方法和问题求解的思路。通常情况下，agent应具有以下一些特征：(1)agent由知识状态和知识处理方法两部分组成；(2)agent的知识状态被分割为若干一致的知识单元；(3)知识单元是agent自身可以改变的部分，知识处理方法是其自身不可改变的部分；(4)agent以通信的方式与外界环境建立联系。agent具有统一的结构特征，包含通信管理单元、推理控制单元、agent状态栏和agent知识库(如图1所示)。agent的内部行为表现为：通信管理单元接受外部环境的信息(来自其它agent的消息与请求)，由推理控制单元根据这些消息、请求和agent的状态，进行分析、推理后，执行相关的动作，形成agent的新状态，由此可能引起agent更进一步的推理活动(例如，通知其它agent请求的结果，向其它agent发出请求等)。agent的这种活动行为不是被动的，而是主动进行的，agent的推理控制单元每隔一个时间片都要检测通信状态和自身的状态，完成一次推理活动。图1agent结构图(1)agent中的通信管理单元是它与外部环境进行信息交互的接口，在结构上包括：入通信队列由通信管理单元送往推理控制单元的消息队列。出通信队列由推理控制单元回送给通信管理单元的消息队列。消息接收单元接收来自外部环境中其它agent的信息(如通知、请求等)，进行初步的通信语法检查后，排队进入入通信队列，而后送入推理控制单元。消息发送单元根据推理控制单元送出的出通信队列中相应的通信内容，将该信息发往指定外部环境中的agent。社区成员表社区成员表是agent活动环境的成员清单，它规定了agent的通信活动范围。环境中每个能与a?gent进行通信交互的成员(其它的agent)都将登记到社区成员表中，而agent也只能与社区成员表中的agent进行通信。每个成员登记的信息包括该a?gent的种类、唯一标志和表明它在环境中所处位置的地址等信息。(2)agent中的推理控制单元是agent智能化行为的控制中心，采用特定的推理控制算法控制agent的内部活动。它在组织结构上包括：推理控制中心它是agent活动的控制中心，由一种或多种通用的推理算法组成。通信生成单元根据推理控制中心的要求生成相应的通信请求，通过通信管理单元发给环境中其它的agent。通信解释器解释、分析通信管理单元收到的外界信息，进行语义解释，再将结果传给推理控制中心执行。(3)agent的状态栏是agent的状态表示集合。它包括状态种类、当前状态名称、反映状态在当前水平的值以及反映状态变迁的时序特征的时间标志等信息。(4)agent知识库是agent智能活动的依据，它可以采用产生式规则作为库中知识的基本表示形式。一条产生式规则是一个三元组：(消息m1，状态s1，动作a1)，它表示当agent收到消息m1，且当前状态为s1时，执行动作a1。需要特别指出的是，动作是一个序列，并且往往会改变agent的状态，从而引起状态的迁移。把软件智能体技术引入到空间信息科学领域，就可以得到空间智能体(geoagent)的概念。geoagent处于分布式网络计算平台上的海量地球空间信息环境中，它感知并作用于这一环境，以各种不同的形式出现，实现空间数据的智能获取、处理、存储、搜索、表现以及决策支持。这种空间智能体除了具有agent的一般特点以外，还拥有两种非常重要的能力，一是利用空间知识进行推理，二是可进化。前者表现在geoagent存在于数字地球中，它能够主动感知并作用于数字地球中分布式存储的海量地球空间信息环境；后者表现在geoagent可以根据它的智能推理改变自身的知识库，通过不断地学习和对自身状态进行调整而得到功能上的完善和智能上的进化。因此，我们可以认为，geoagent是存在于数字地球中的高级生物，它们构成了数字地球这个动态的、自适应的复杂巨系统里的高级生物群落。基于geoagent的cybergis在赛博空间中，以空间智能体geoagent做为主要构成模块的gis系统就是cybergis，它自动地接受用户以高级语言描述的指令，利用它能够感知和作用于所处赛博空间的本领，通过与其他空间智能体的交互，为用户找到所需的赛博空间里的地理信息。其体系结构如图2所示。图2 cybergis体系结构图在cybergis中，根据完成的任务的不同，geoagent可以分为面向任务geoagent和面向信息geoagent两类。(1)面向任务的geoagent负责解释cybergis用户的半结构化或非结构化语言描述的任务，再转换为geoagent之间的通讯语言；接受面向信息的geoagent的回送数据，转换成cybergis用户可以理解的信息。(2)面向信息的geoagent接受面向任务的geoagent传送的信息请求，运用自己的知识库中的知识并与在其社区成员表中的其它geoagent通讯，最终把在赛博空间里找到的原始数据加以处理后提交给相应的面向任务的geoagent。如果不成功，则提交预定义的标准信息，再由面向任务的geoagent转换后告知提交请求的cybergis用户。geoagent在cyberspace中自主运作时，空间元数据起着非常重要的数据导航作用。作为对地理相关数据和信息资源的描述性数据，元数据通过地理空间数据的内容、定义、来源、精度、空间参照、质量、位置等信息的描述，起到帮助和促进geoagent有效地定位、评价、比较、获取和使用这些地理空间数据和信息的作用。internet、分布式计算平台和软件agent等技术的不断完善，促进了gis在网络化、标准化、全球化和大众化的过程中向着cybergis的方向不断发展。引入agent技术的gis解决方案增加了分布式智能控制的特点，系统的自组织、自适应和协同工作的特点有效地解决了数字地球框架下地理空间信息搜索和表现的难题。我们有理由相信，全新的cybergis课题在gis迈向数字地球的过程中是一个非常具有研究价值和实用价值的课题。Grid computing of spatial statistics：using the TeraGrid for Gi*(d)analysis Wang,S.,M.K.Cowles,et al.(2008).Concurrency and Computation：Practice and Experience 20(14)：1697-1720.The massive quantities of geographic information that are collected by modern sensing technologies are difficult to use and understand without data reduction methods that summarize distributions and report salient trends.Statistical analyses,therefore,are increasingly being used to analyze large geographic data sets over abroad spectrum of spatial and temporal scales.Computational Grids coordinate the use of distributed computational resources to form alarge virtual supercomputer that can be applied to solve computationally intensive problems in science,engineering,and commerce.This paper presents asolution to computing aspatial statistic,Gi*(d)using Grids.Our approach is based on aquadtree-based domain decomposition that uses task-scheduling algorithms based on GridShell and Condor.Computational experime nts carried out on the TeraGrid were designed to evaluate the performance of solution processes.The Grid-based approach to computing values for Gi*(d)shows improved performance over the sequential algorithm while also solving larger problem sizes.The solution demonstrated not only advances knowledge about the application of the Grid in spatial statistics applications but also provides insights into the design of Grid middleware for other computationally intensive applications.Copyright2008 John Wiley&Sons,Ltd.HPC in GIS The design of parallel GIScience applications is bound to specific conventional parallel computer architectures,such as SIMD(single instruction stream and multiple data streams)and MIMD(multiple instruction streams and multiple data streams)systems(Flynn 1966).This tight-coupleing approach is problemtic in three important respects Logic：the design of domain decomposition and task scheduling methods is focused on the characteritics of spatial data and the analysis operatio ns that Generality：Any change to the characteristics of spatial data and operations requires acorresponding change to be made in the design and implementation of domain decomposition and task scheduling methods.This makes it difficult to develop generic parallel processing solutions for geographical analysis.Compatibility：Solutions to domain decomposition and task scheduling are dependent upong specific parallel computer architectures.A change in architechture requires acorresponding change to the solution process even if the method of analysis were held constant Data intensive computing&GIS随着Web应的普及和信息采集技术的进步，人类生产和手机数据的能力迅速发展，人们需要面对的数据量也日益增长。为应对这一挑战，首当其冲发展起来的信息集成技术使得当前的信息系统可以集成获得来自于不同领域、不同时间、不同应用领域的各类数据。，包括自然观测、工业生产、产品信息、商业销售、行政管理、客户纪录特点是：海量异构、半结构化或非结构化通过网络，尤其是互联网，提供基于海量数据的各类互联网服务或信息服务是信息社会发展的趋势Data intensive computing is capturing,managing,analyzing,and understanding data at volume and rates that push the frontiers of current technologies.三层含义：处理的对象是数据，且海量、快速变化、分布、异构计算包括从数据管理再到分析、理解的全过程目的是推动技术前沿发展，其推动的工作是那些依赖传统、单一的数据源、准静态数据库所无法实现的应用数据密集型计算的应用包括：万维网数据处理科学研究，科研产生的数据量惊人商务智能数据密集型计算的挑战1、海量-使得传统的数据存储、索引技术不再适用、快速变化-处理必须是及时的，传统的针对静态数据库或数据快照的数据管理技术无能为力，分布式、异构-为数据的获取和集成造成了困难。*传统管理技术面临的挑战，在数据密集型计算环境下更突出，如何保持海量数据下数据管理和处理的可伸缩性scalability是关键2、计算的含义是多元的：既包括搜索、查询等传统数据处理，也包括分析和理解等智能处理；且这些算法不限于单一的数据分析或挖掘算法，必须能够在海量、分布式、异构数据管理平台上得以高效实现。另一方面：数据特性决定了不可能为每一个数据分析和理解任务从存储和索引开始开发新的算法*数据密集计算所需要的是存储和管理平台紧密结合的、同时具有高度灵活和定制能力的、易用的数据搜索、查询和分析工具。使用这些工具、用户能构造复杂的数据分析甚至理解应用*3、无法在本地提供服务，以Web服务方式提供应用接口是一种有效且自然的方式。数据密集型计算应用的服务接口必须提供全面的数据获取、预处理、数据分析处理的全面流程的描述功能，并提供良好的客户机与服务器之间的基于Web服务的交互功能。*大数据Google File System，GFS MapReduce模型针对大规模集群设计，充分利用集群良好的可伸缩性容错设计，减少规模集群中系统维护和开发的成本更偏向于系统底层对数据密集型计算的支持Yahoo更偏重于数据密集型计算本身数据密集型计算-数据、用户、应用三者之间的交互(Raghu Ramakrishnan)Yahoo基于开源的Hadoop，并开发了针对Web数据分析的数据管理软件PNUTS(Sherpa，针对大规模集群上的结构化的数据管理)和数据分析工具Pig(过程性的数据分析脚本语言)，学术界分析性数据库管理系统：CStore、MonetDB(column-based storage)大规模集群系统所具有的可伸缩性和容错性，实现高效的数据管理基于Hadoop的技术、基于数据库管理系统的技术Hadoop，Hive，受限于Hadoop本身在数据一致性保持、查询功能、索引功能上的限制，只能提供简单的查询语言，本质是描述性类SQL语言到MapReduce过程的解释器，保持了Hadoop的容错性优点Amazon S3、Greenplum、Aster Data，支持复杂的数据库查询，能够在大规模机群上进行部署，设计目标是关键应用上的数据分析，在数据一致性和容错性上都提供了很好的支持，但对硬件资源的消耗更多CyberGIS项目获得美国NSF资助近日，计算机网络信息中心特聘讲座研究员王少文博士牵头的开创性科研项目CyberGIS获得美国国家自然科学基金(NSF)的资助。该项目将整合信息化基础设施(CyberInfrastrucre,CI)、空间分析、建模以及地理信息科学等领域的知识，构建一个协作式软件框架，以满足多种不同应用需求。项目资助总经费达440万美元，是NSF近4年来在地理信息科学基础研究上投入最多的项目。自上世纪60年代以来，地理信息系统(GIS)软件已广泛应用于空间问题求解和空间决策支持中，成为地理空间领域的重要工具，并已拓展到资源环境、公共卫生、城市规划、灾难预防、应急响应等众多应用领域中。然而，由于这类应用中大多涉及到海量数据处理和复杂的分析、建模，传统的GIS软件已无法满足这类需求；而信息化基础设施(CI)整合了海量数据管理、高性能计算、高端可视化的能力，为GIS解决这类复杂科学应用问题提供了可能。CyberGIS项目由伊利诺伊大学香槟分校(UIUC)地理系教授王少文博士领导，王少文博士同时还是位于伊利诺伊的美国国家超级计算应用中心(NCSA)高级研究员。来自于多个交叉领域的研究团队将共同协作研发CyberGIS软件框架，以充分发挥信息化基础设施(Cyber-)的能力，并深化和拓展相关GIS应用。伊利诺伊大学计算机系教授Mac Snir担任项目指导委员会主席。这个项目的首要任务是把CyberGIS建设成一个全新的、无缝集成了信息化基础设施、GIS、空间分析和建模功能的软件框架。王少文博士介绍说，这将带来广泛的科学上的突破，并具有深远的社会影响。该项目同时还是NSF面向可持续创新计划中软件基础设施的一部分，该计划旨在提升可伸缩、可持续和开源的软件组件。研究人员期望CyberGIS除了能提供先进的问题求解能力外，还能通过多用户在线协作增进研究者之间的共享，并促进不同领域的互动。CyberGIS将增强高性能和协作式地理空间问题求解能力，王少文博士说，比如，CyberGIS将极大地促进人们对诸如灾难预防和灾后响应以及全球气候变化的影响等方面的理解。参与CyberGIS项目的合作单位包括了全球范围内的多家研究机构、政府机构和企业界领导者，主要包括UIUC、亚利桑那州立大学(ASU)、中国科学院计算机网络信息中心(CNIC)、美国环境系统研究所(ESRI)、佐治亚理工学院(GIT)、美国橡树岭国家实验室(ORNL),伦敦大学学院先进空间分析中心(CASA)，美国大学地理信息科学协会(UCGIS),加州大学圣地亚哥分校(UCSD),加州大学圣芭芭拉分校(UCSB),华盛顿大学(UW),美国地质勘探局(USGS)和澳大利亚维多利亚州高级计算中心(VPAC)。项目执行周期为5年，于2010年10月正式启动。中国科学院计算机网络信息中心(CNIC)特聘讲座研究员、美国伊利诺伊大学香槟分校(UIUC)地理系副教授、美国国家超级计算应用中心(NCSA)高级研究员王少文博士于2009年在International Journal of Geographical Information Science(IJGIS)发表的论文A theoretical approach to the use of cyberinfrastructure in geographical analysis被评为该期刊创刊25年以来最经典的25篇论文之一。该论文提出了地理空间分析中计算强度的理论和基于通用框架的表示方法，用于指导信息化基础设施环境下地理空间分析应用。IJGIS是地理信息系统(GIS)的顶级国际期刊，拥有该领域最高的影响因子。目前该期刊每年有12期，每期有5-8篇文章。王少文博士的文章参见：从/从信息化基础设施角度展望_下一代地理信息系统_2008/20123036王少文博士牵头的CyberGIS项目获得美国NSF资助2010-11-03 15：23：00|编辑：|【大中小】【打印】【关闭】近日，计算机网络信息中心特聘讲座研究员王少文博士牵头的开创性科研项目CyberGIS获得美国国家自然科学基金(NSF)的资助。该项目将整合信息化基础设施(CyberInfrastrucre,CI)、空间分析、建模以及地理信息科学等领域的知识，构建一个协作式软件框架，以满足多种不同应用需求。项目资助总经费达440万美元，是NSF近4年来在地理信息科学基础研究上投入最多的项目。自上世纪60年代以来，地理信息系统(GIS)软件已广泛应用于空间问题求解和空间决策支持中，成为地理空间领域的重要工具，并已拓展到资源环境、公共卫生、城市规划、灾难预防、应急响应等众多应用领域中。然而，由于这类应用中大多涉及到海量数据处理和复杂的分析、建模，传统的GIS软件已无法满足这类需求；而信息化基础设施(CI)整合了海量数据管理、高性能计算、高端可视化的能力，为GIS解决这类复杂科学应用问题提供了可能。CyberGIS项目由伊利诺伊大学香槟分校(UIUC)地理系教授王少文博士领导，王少文博士同时还是位于伊利诺伊的美国国家超级计算应用中心(NCSA)高级研究员。来自于多个交叉领域的研究团队将共同协作研发CyberGIS软件框架，以充分发挥信息化基础设施(Cyber-)的能力，并深化和拓展相关GIS应用。伊利诺伊大学计算机系教授Mac Snir担任项目指导委员会主席。这个项目的首要任务是把CyberGIS建设成一个全新的、无缝集成了信息化基础设施、GIS、空间分析和建模功能的软件框架。王少文博士介绍说，这将带来广泛的科学上的突破，并具有深远的社会影响。该项目同时还是NSF面向可持续创新计划中软件基础设施的一部分，该计划旨在提升可伸缩、可持续和开源的软件组件。研究人员期望CyberGIS除了能提供先进的问题求解能力外，还能通过多用户在线协作增进研究者之间的共享，并促进不同领域的互动。CyberGIS将增强高性能和协作式地理空间问题求解能力，王少文博士说，比如，CyberGIS将极大地促进人们对诸如灾难预防和灾后响应以及全球气候变化的影响等方面的理解。参与CyberGIS项目的合作单位包括了全球范围内的多家研究机构、政府机构和企业界领导者，主要包括UIUC、亚利桑那州立大学(ASU)、中国科学院计算机网络信息中心(CNIC)、美国环境系统研究所(ESRI)、佐治亚理工学院(GIT)、美国橡树岭国家实验室(ORNL),伦敦大学学院先进空间分析中心(CASA)，美国大学地理信息科学协会(UCGIS),加州大学圣地亚哥分校(UCSD),加州大学圣芭芭拉分校(UCSB),华盛顿大学(UW),美国地质勘探局(USGS)和澳大利亚维多利亚州高级计算中心(VPAC)。项目执行周期为5年，于2010年10月正式启动。详情参见：点此进入详情参见：点此进入2011先进的地球信息科学Advanced Geoinformation Science时空数据智能化处理与分析地球表层系统是一个复杂的巨系统，不仅组成要素繁多，而且各要素间的相互关系复杂，地学分析就是运用系统论、信息论、控制论、高性能计算机、网格计算等现代科学方法和技术手段，综合空间技术和计算技术，揭示地标信息流的地球表层动力学机制与时空特性，反映区域分异和解释区域发展过程。时空信息是对地理实体、地理系统以及所有具有时空标签的时空实体、科学数据的特征、时间变化、空间分布的描述；是对区域分异和区域发展等地面科学特征的综合，空间、属性、时间是其三要素。区域分异区域内部的结构和区域外部的对比；区域发展是历史过程和社会经济、人文景观的形成、演化。时空数据库是大量不同历史的和不同尺度的时空数据和非时空数据的积累，是数字地球战略最重要的信息来源，当前，世界上每年通过传感器采集的时空数据量之大都以TB甚至PB计，而被提取和利用的数据仅占获取数据的1015%，而由大型科学装置产生的数据更以几何级数的速度增加。如何快速、定量、准确地从这些大型时空数据库中挖掘有用的特征和发现过程性知识已经成为目前时空数据处理和分析的瓶颈问题，发展时空数据的处理和分析模型是目前时空数据不断积累过程中所提出的迫切要求，目的是通过定量、快速地提取实际应用目标相关的游泳信息和模式，加强对海量数据处理的能力，提高地学分析的深度，开拓地学决策分析的技术手段。地学分析研究经历了瞬时信息的定性分析、时空信息的定位分析、时间信息的趋势分析以及环境信息的综合分析等几个阶段。时空数据处理和分析的应用模型不断深化，已从单一数据的分析发展到多源数据的综合分析；从定性调查制图发展到定量化的树立统计分析，从资源与环境的静态发展到事态过程分析；从事物和过程的表面描述发展到对内在规律的探求。时空信息的处理和分析方法研究大致经历了以下几个阶段传统处理分析方法手工制图或计算机处理手段分别从人工或自动两个方面对时空信息进行获取、表达、查询、特征提取、区域划分等处理分析，来获得反映地球表层分布和动态发展对了的地学信息，GIS、遥感等技术手段综合下，以GIS和RS信息相结合的综合地学分析-时空数据具有比较确定的地学属性和时空信息，通过GIS分析模型来辅助时空数据的处理和分析已经成为基本手段。GIS主要是建立在数据层的集成框架中，从而使得和思考信息模型与GIS分析模型之间相互独立，因此时空数据的集成需要向着更高层次的模型层集成的方向发展，其发展方向是建立基于特征的时空数据模型人工智能理论支持下的智能化时空信息处理和分析-地学分析需要在地学规律知道下，几何图题的地学知识和地理信息，通过地学分析和人工智能等技术手段，获得更精确的反映地学规律的分析结果。集成现代信息基础设施的在线时空信息处理分析-时空信息的处理和分析要涉及到大量搜的数据调度，单个的研究结构和研究者越来越难以通过单个的力量对海量的时空数据进行处理和分析，现代信息基础设施(cyberspace,infrastructure)为时空信息的处理和分析提供了技术框架，分布在世界各地的科学家们通过网格技术、云计算技术等贡献自己的时空数据和计算能力，并同时也使用由其他科学家和研究机构提供的计算能力、存储能力和时空数据。在地理时空分析中除了存储能力和计算能力的共享外，更重要的时空分析模型的共享。时空数据处理和分析研究的前沿是在地学分析方法和树立统计、神经计算、演化计算等智能计算理论与技术支持下，建立集成地学知识、时空信息等为一体的时空信息处理分析模型，目标是建立地理智能系统，以时空信息地学模型为支持，通过地学知识来表达时空信息，以统计分析、神经计算、知识模型、地学优化等智能技术为分析手段，快速、定量、自动地实现对蕴涵着的地学特征提取、空间划分等功能。如何在时空数据处理模型中通过地学知识处理系统来挖掘时空特征，是实现智能化时空数据处理和分析模型的关键。地学知识、时空信息的集成包括了3个阶段：早期发展-时空信息、地学知识之间相互独立，一般通过以下几种方式进行数据集成-数据格式转换、传统分析方法(如区划法、相关分析、主岛因素、分层分类、统计分析等)、知识处理和融合能力较弱，没有专门的知识库和推理机、人工和计算处理分析相互对立、时空数据集成需要在同一表达模型下才能实现数据间的相互调用，不能充分利用相互的分析手段研究现状-时空信息与地学知识的初步综合，运用智能处理与分析方法，形成数理统计、人工神经网络和符号逻辑推理等三个流派发展趋势-综合数理统计、神经计算、符号逻辑扽高技术，在基于特征的地学处理和分析模型基础上，建立一整套的时空信息及地学知识的获取、表达、存储、判断、推理、分析、决策等机制，来模拟领域专家对时空信息的认识、解释、信息提取、分类、决策等综合地学分析过程。最后集成空间地学统计模型、基于特征的地理信息处理分析模型、统一时空数据库管理模型、地学知识库、时空分析模型、时空认知模型等，并结合基于心理学的宏观模型和基于生理学的微观模型，建立智能化地理决策分析系统在Cyberinfrastructure框架下的发展：在现代计算机技术、网络技术的技术基础上，建立基于开放标准和格式的时空信息处理Web服务库、将时空时空数据库管理模型、地学知识库、时空分析模型、时空认知模型以做为通用的网络接口，以网络服务的方式向科研人员提供。建立cyber空间的时空地理处理分析决策中间件。关键问题：时空数据处理和分析的地学技术基础是建立知识库系统，地学知识是知识库的核心，其中的关键技术包括地学知识的表达、获取及运用推理在此基础上建立层次结构的空间认知模型，通过智能计算，来模拟地学专家的分析决策过程-包括视觉、记忆、联想、推理等认知过程地学知识的表达地学知识的获取-时空数据日益积累，形成海量的时空数据库，在空间决策分析过程中，由于时空数据库中大量的时空数据或时空信息本身就是大自然和人类社会活动双重作用的产物，许多放映地学现象和地学过程的知识本身就蕴涵在长期积累的时空数据库中。在地学知识获取模型库的建立中，需要在建立传统方法基础之上的以仿生技术的神经计算理论和进化计算理论为基础的人工神经网络方法和遗传算法在知识发现中的应用，cyberinfrastructure为这些算法所需要的大量的范本库、网络训练提供了分布式、并行存储的知识。空间认知模型-时空认知是用计算机系统来模拟地学专家对时空数据综合地学认知和决策分析的过程，目的是通过对时空数据特征的描述、识别、分类和决策，提取地学属性(如判别目标的大小、结构、相互关系、内部特征、形成机理)，进一步融合地学分析模型，预测地理现象和地理过程的空间分布和发展趋势。需要地理信息系统技术体系的发展是面向空间实体及其时空关系的数据组织与融合，从而改变以图层为基础的时空数据组织方式，实现不同尺度时空数据的互动，实现矢量、影像数据的互动，实现多维属性与嵌套表组织，实现多源时空数据的装载与融合，支持数据库仓库和知识发现机制，包括数据集成、模型表达、知识处理和认知方法等多尺度时空数据集成-基于多尺度时空数据的视觉尺度效应，建立空间推理体系，进行不同尺度时空数据的特征级融合高维时空数据的混合密度降解及特征模型化表达-对空间特征的混合密度进行分解，用多个参数化密度分布模型的组合来表达整体复杂分布的分解，并作为时空数据统计分析模型表达的基本工具。地学知识表达和推理体系-包括针对时空分析的地学知识分类；在传统符号逻辑表达基础上，与时空信息结构化和非结构化的集成方法；与神经计算、统计模型等结构化集成的知识表达和推理模型。有效、快速的时空数据智能化处理和分析方法-智能化特征提取和分类算法、基于知识的神经网络模型、空间结构特征的联想记忆模型、演化计算机地学优化问题GIS不仅是一个简时空数据库管理系统，也不仅是计算技术和地学模型的简单组合，而是以地球系统中信息流的地球动力学发生机理与时空发展特征为目标，通过揭示时空信息传输过程中所引起的地球信息的不确定性(多解)与不可预见性(多维)等地学特征，来发展对地球观测系统的特定技术手段和对地学过程进行数字模拟的技术方法，因此对时空信息的处理和分析要突出挖掘其深层地学特征，加强对海量时空数据定量、快速的处理能力，开拓时空信息处理和分析的技术手段。同时在知识库系统基础上，通过模拟地学专家对地理对象的理解和分析过程，提高了地学分析的深度。【Reference】骆剑承,周成虎,et al.(2001).时空数据智能化处理与分析的理论和方法探讨.中国图形图像学报6(9)：836-841.博士论文摘要(2009)：基于相似性的地理空间分析关键技术研究郭旦怀随着地理信息系统在各行各业的应用，地理信息系统已从少数地理学家的桌面走向企业和平民大众。不同行业和领域在广泛运用地理信息系统的同时，对地理信息数据的获取手段和分析技术也提出了更高的要求。传统的空间分析技术要求地理信息系统用户必须具备较完整的地理信息数据库的背景知识，用户空间分析所得到的是和空间分析条件准确匹配的结果，获取地理信息的数量和质量取决于获取者对地理信息系统数据的了解、熟悉程度，用户对地理信息数据库和相关地理信息知识的了解程度越高，用户所作的空间分析就越能够得到准确的结果，就能获得越多越详尽的地理信息知识。然而，大部分的地理信息系统用户都不具备足以完成他所期望的地理空间分析所需要的完备知识背景，地理信息系统亟需新的理论和方法来改进地理信息数据的获取和分析手段。地理事物和地理现象之间存在相似也存在相异；相似是宏观的，相似对于人类认识客观世界具有更大的推动力。相似性科学是以相似性现象和相似系统为研究对象，主要研究自然界、人类社会、工程技术和认知思维中相似性规律及其应用的科学，具有从理论上认识相似性、分析相似性，到实践上应用相似性、创造相似性的完整科学体系。相似论是思维科学的理论之一。它的目的在于研究自然界、人类社会和思维领域广泛存在的相似运动、相似联系与相似创造规律。相似性科学不仅研究相似现象，还注重认识相似性和相似系统(尤其是系统相似性)，探索相似性的由来，阐明相似性形成原理和演变规律，分析度量相似性，进行系统相似性规律及其应用研究。本文提出将相似性科学的理论和方法论引入到地理空间分析中，全面分析了相似性在地理空间分析的各个阶段中的表现形式，提出了相似性度量和计算的方法，分析并研究了基于相似性的空间分析的关键技术；提出了一种在格网条件下的集定性空间专题、定性空间形状、定性空间拓扑关系、定性空间方向关系、定性空间距离关系表达于一体的多层次定性空间表达模型，该模型符合人们对地理空间事物的认知和表达习惯，并能够将复杂的定性空间表达和空间关系计算转换为标准的SQL语句查询，降低了计算复杂度，提高了查询效率；提出了多因子空间相似性评价模型和实现方法，使空间相似性评价操作更简便；改进了对Null值相似性比较的处理，使之更符合实际应用情况；全面研究了基于相似性的空间分析的理论和关键技术，重点研究了空间专题相似性、空间对象相似性、空间场景相似性等；结合烤烟种植生产实践应用研发了一套基于相似性的空间分析系统。论文在以下几个方面进行了创新性的研究工作：1.将相似性引入到地理空间分析的研究中相似是完全相等(完全匹配)的偏离。人类认识相似性具有悠久的历史，人类也在不知不觉地运用着相似性，但相似性作为一门科学是最近二十年发展起来的，将相似性引入到地理信息系统中的研究较少。本文将相似性引入到地理空间分析中，用相似匹配代替准确匹配，分析了地理现象和事物间广泛存在的空间专题相似性、空间对象相似性、空间场景的相似性；研究了空间分析输入约束条件存在的相似性、空间分析中各个环