論文の概要: A2CI: A Cloud-based, Service-oriented Geospatial Cyberinfrastructure to Support Atmospheric Research
- arxiv url: http://arxiv.org/abs/2403.14693v1
- Date: Fri, 15 Mar 2024 08:28:38 GMT
- ステータス: 処理完了
- システム内更新日: 2024-04-01 03:23:33.642482
- Title: A2CI: A Cloud-based, Service-oriented Geospatial Cyberinfrastructure to Support Atmospheric Research
- Title（参考訳）: A2CI:大気研究を支援するクラウドベースのサービス指向地理空間サイバーインフラ
- Authors: Wenwen Li, Hu Shao, Sizhe Wang, Xiran Zhou, Sheng Wu,
- Abstract要約: 大気研究を支援する地理空間型サイバーインフラクチャーを開発したNSFが出資したプロジェクトの結果を報告する。
まず、サービス指向システムフレームワークを紹介し、クラウドコンピューティングの原則に従って、データ発見モジュール、データ管理モジュール、データ統合モジュール、データ分析および可視化モジュールの実装の詳細を説明します。
- 参考スコア（独自算出の注目度）: 5.706655778525718
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Big earth science data offers the scientific community great opportunities. Many more studies at large-scales, over long-terms and at high resolution can now be conducted using the rich information collected by remote sensing satellites, ground-based sensor networks, and even social media input. However, the hundreds of terabytes of information collected and compiled on an hourly basis by NASA and other government agencies present a significant challenge for atmospheric scientists seeking to improve the understanding of the Earth atmospheric system. These challenges include effective discovery, organization, analysis and visualization of large amounts of data. This paper reports the outcomes of an NSF-funded project that developed a geospatial cyberinfrastructure -- the A2CI (Atmospheric Analysis Cyberinfrastructure) -- to support atmospheric research. We first introduce the service-oriented system framework then describe in detail the implementation of the data discovery module, data management module, data integration module, data analysis and visualization modules following the cloud computing principles-Data-as-a-Service, Software-as-a-Service, Platform-as-a-Service and Infrastructure-as-a-Service. We demonstrate the graphic user interface by performing an analysis between Sea Surface Temperature and the intensity of tropical storms in the North Atlantic and Pacific oceans. We expect this work to contribute to the technical advancement of cyberinfrastructure research as well as to the development of an online, collaborative scientific analysis system for atmospheric science.
- Abstract（参考訳）: ビッグアース科学データは科学コミュニティに大きな機会を与えます。
大規模な、長期にわたる、そして高解像度の多くの研究は、リモートセンシング衛星や地上のセンサーネットワーク、さらにはソーシャルメディアの入力によって収集された豊富な情報を使って行うことができる。
しかし、NASAや他の政府機関が1時間ごとに収集・収集した数百テラバイトの情報は、地球大気系の理解を深めようとする大気科学者にとって大きな課題となっている。
これらの課題には、大量のデータの効率的な発見、組織化、分析、可視化が含まれる。
本稿では,大気研究を支援するため,地理空間サイバー基盤構造であるA2CI(Atmospheric Analysis Cyberinfrastructure)を開発したNSFが出資したプロジェクトの結果を報告する。
まず、サービス指向システムフレームワークを紹介し、次に、クラウドコンピューティングの原則であるData-as-a-Service、Software-as-a-Service、Platform-as-a-Service、Infrastructure-as-a-Serviceに従って、データディスカバリモジュール、データ管理モジュール、データ統合モジュール、データ分析および可視化モジュールの実装の詳細を説明します。
海面温度と北大西洋および太平洋の熱帯嵐の強度を解析することにより, 図形ユーザインタフェースを実証する。
この研究は、サイバーインフラ研究の技術的進歩と、大気科学のためのオンラインで協調的な科学分析システムの開発に貢献することを期待している。
関連論文リスト
- Foundation Models for Remote Sensing and Earth Observation: A Survey [101.77425018347557]
本調査は、リモートセンシング基礎モデル(RSFM)の新しい分野を体系的にレビューする。
モチベーションと背景の概要から始まり、続いて基本概念が導入された。
我々はこれらのモデルを公開データセットと比較し、既存の課題について議論し、今後の研究方向性を提案する。
論文 参考訳（メタデータ） (2024-10-22T01:08:21Z) - Data Science for Geographic Information Systems [0.0]
データサイエンスを地理情報システムに統合することで、これらのツールの完全な空間分析プラットフォームへの進化が促進された。
機械学習とビッグデータ技術の採用により、これらのプラットフォームはますます複雑なデータを扱う能力を備えてきた。
この研究は、研究分野としてのデータサイエンスとGISの歴史的・技術的進化を辿り、ドメイン間の収束の要点を浮き彫りにしている。
論文 参考訳（メタデータ） (2024-04-04T18:50:58Z) - Foundation Models for Weather and Climate Data Understanding: A
Comprehensive Survey [39.08108001903514]
私たちは、気象や気候データのために特別に設計された最先端のAI方法論を、徹底的に、タイムリーに概説しています。
主な対象は、気象・気候データの種類、主モデル、モデルスコープと応用、気象・気候のデータセットの4つである。
論文 参考訳（メタデータ） (2023-12-05T01:10:54Z) - Linking the Dynamic PicoProbe Analytical Electron-Optical Beam Line /
Microscope to Supercomputers [39.52789559084336]
Argonne National Laboratory(アルゴンヌ国立研究所)のDynamic PicoProbe(ダイナミック・ピコプローブ)は、1日に最大100GBのデータを生成できるアップグレードを行っている。
このデータは、基本的な科学と産業の両方のアプリケーションにとって非常に重要であるが、現在、これらの高ボリュームのデータストリームを扱うためのオンサイトインフラストラクチャは限られている。
本稿では,隣接するArgonne Leadership Computing Facilityにおいて,近隣のスーパーコンピュータへの大規模データ転送を支援するソフトウェアアーキテクチャを提供することにより,この問題に対処する。
このインフラストラクチャは、期待されるワークロードをサポートし、ドメインサイエンティストに過去の実験からデータを再インターロゲートして、さらなる科学的価値をもたらし、新たな洞察を導き出す機能を提供する。
論文 参考訳（メタデータ） (2023-08-25T23:07:58Z) - A General Purpose Neural Architecture for Geospatial Systems [142.43454584836812]
本稿では,空間的帰納バイアスを持つ汎用ニューラルアーキテクチャ(GPNA)の構築に向けたロードマップを示す。
このようなモデルがコミュニティのメンバー間の協力をいかに促進するかを考察する。
論文 参考訳（メタデータ） (2022-11-04T09:58:57Z) - A Data Cube of Big Satellite Image Time-Series for Agriculture
Monitoring [0.0]
共通農業政策(CAP)の近代化は、大規模かつ頻繁な農地の監視を必要とする。
我々は、光学式および合成開口レーダ(SAR)画像の多次元立方体への発見、前処理、インデックス化のための自動化、モジュール化、エンドツーエンドのフレームワークである農業監視データキューブ(ADC)を提案する。
また、ADC上に強力なツールセットを提供しており、i) 下流の機械学習タスクを配信するためのビッグデータの分析可能な特徴空間の生成、i) 監視に関連するサービスを通じての衛星画像時系列(SITS)分析のサポートを含む。
論文 参考訳（メタデータ） (2022-05-16T15:26:23Z) - Applications of physics-informed scientific machine learning in
subsurface science: A survey [64.0476282000118]
地球系は、化石エネルギー探査、廃棄物処理、地質炭素隔離、再生可能エネルギー生成などの人間の活動によって変化した地質形成です。
したがって、ジオシステムの責任ある使用と探索は、効率的な監視、リスクアセスメント、および実用的な実装のための意思決定支援ツールに依存するジオシステムガバナンスにとって重要です。
近年の機械学習アルゴリズムと新しいセンシング技術の急速な進歩は、地下研究コミュニティがジオシステムガバナンスの有効性と透明性を向上させる新しい機会を提示しています。
論文 参考訳（メタデータ） (2021-04-10T13:40:22Z) - Federated Learning in the Sky: Aerial-Ground Air Quality Sensing
Framework with UAV Swarms [53.38353133198842]
空気質は人間の健康に大きく影響し、空気質指数(AQI)の正確かつタイムリーな予測がますます重要になっている。
本稿では, 精密な3次元空気質モニタリングと予測を行うための, 新たなフェデレーション学習型地上空気質検知フレームワークを提案する。
地中センシングシステムでは, グラフ畳み込みニューラルネットワークを用いたLong Short-Term Memory (GC-LSTM) モデルを提案し, 高精度, リアルタイム, 将来的なAQI推論を実現する。
論文 参考訳（メタデータ） (2020-07-23T13:32:47Z) - Cloud technologies as a tool of creating Earth Remote Sensing
educational resources [0.0]
本稿は、航空宇宙画像を用いた教育資源形成の基礎として、ESRの主な情報源を分析している。
この記事では、800以上の航空宇宙画像とダイナミックモデルをカバーする、そのようなデータベースの例を示す。
論文 参考訳（メタデータ） (2020-07-21T13:16:44Z) - A Data Scientist's Guide to Streamflow Prediction [55.22219308265945]
我々は,水文降雨要素と流出モデルに着目し,洪水の予測と流れの予測に応用する。
このガイドは、データサイエンティストが問題や水文学的な概念、そしてその過程で現れる詳細を理解するのを助けることを目的としています。
論文 参考訳（メタデータ） (2020-06-05T08:04:37Z) - A Privacy-Preserving Distributed Architecture for
Deep-Learning-as-a-Service [68.84245063902908]
本稿では,ディープラーニング・アズ・ア・サービスのための分散アーキテクチャを提案する。
クラウドベースのマシンとディープラーニングサービスを提供しながら、ユーザの機密データを保存できる。
論文 参考訳（メタデータ） (2020-03-30T15:12:03Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。