大数据可视分析在海洋领域的应用

解翠; 李明悝; 陈萍; 李孝天; 宋键; 董军宇; 赵佳萌

doi:10.11959/j.issn.2096-0271.2021011

您当前的位置：

首页 >

文章列表页 >

大数据可视分析在海洋领域的应用

专题：大数据可视分析应用 | 更新时间：2024-06-03

- 大数据可视分析在海洋领域的应用
- Application of big data visual analysis in the marine field
- 大数据 2021年7卷第2期页码：2021011
- 作者机构：
  
  1. 中国海洋大学信息科学与工程学院，山东青岛 266100
  2. 中国海洋大学物理海洋教育部重点实验室，山东青岛 266100
- 作者简介：
  
  [ "解翠（1977- ），女，博士，中国海洋大学信息科学与工程学院副教授，主要研究方向为数据可视化和虚拟现实。" ]
  [ "李明悝（1977- ），男，博士，中国海洋大学物理海洋教育部重点实验室副教授，主要从事海洋动力过程及海气相互作用、耦合气候数值模式和科学数据可视化等研究工作。" ]
  [ "陈萍（1997- ），女，中国海洋大学信息科学与工程学院硕士生，主要研究方向为深度学习、可视化。" ]
  [ "李孝天（1996- ），男，中国海洋大学信息科学与工程学院硕士生，主要研究方向为虚拟现实、可视化。" ]
  [ "宋键（1996- ），男，中国海洋大学信息科学与工程学院硕士生，主要研究方向为可视分析与可视化。" ]
  [ "董军宇（1972- ），男，博士，中国海洋大学信息科学与工程学院教授，主要研究方向为计算机视觉、大数据分析和机器学习。" ]
  [ "赵佳萌（1997- ），男，中国海洋大学信息科学与工程学院本科生，主要研究方向为数据可视化。" ]
- 基金信息：
  
  国家重点研发计划资助项目;The National Key Research and Development Program of China(2020YFE0201200;2019YFC1509100);国家自然科学基金资助项目;The National Natural Science Foundation of China(41706010;U1706218);山东省自然科学基金资助项目;The Natural Science Foundation of Shandong Province of China(ZR2018ZB0852)
- DOI：10.11959/j.issn.2096-0271.2021011
  中图分类号： P73，TP391
- 网络首发：2021-03，
  
  纸质出版：2021-03-15
- 稿件说明：
移动端阅览
解翠, 李明悝, 陈萍, 等. 大数据可视分析在海洋领域的应用[J]. 大数据, 2021,7(2):2021011.

Cui XIE, Mingkui LI, Ping CHEN, et al. Application of big data visual analysis in the marine field[J]. Big data research, 2021, 7(2): 2021011.
解翠, 李明悝, 陈萍, 等. 大数据可视分析在海洋领域的应用[J]. 大数据, 2021,7(2):2021011. DOI： 10.11959/j.issn.2096-0271.2021011.

Cui XIE, Mingkui LI, Ping CHEN, et al. Application of big data visual analysis in the marine field[J]. Big data research, 2021, 7(2): 2021011. DOI： 10.11959/j.issn.2096-0271.2021011.

摘要

随着海洋观测技术和数值仿真技术的发展，人们能获取到规模更大、分辨率更高的海洋数据，这为复杂多元海洋环境要素及结构现象的分析带来了机遇，同时也给传统的分析方法带来了挑战。因此，将大数据可视分析方法引入了海洋数据分析，并探索了其在多元海洋时空数据分析、海洋重要结构的时空特征和演化分析等方面的应用价值，开发了多个可视分析系统，并通过全球和我国周边一些海域数据分析的案例研究，提出了海洋数据可视分析的基本框架，展示了可视分析是大数据时代海洋复杂数据分析方面一种很有前途的技术。

Abstract

With the development of ocean observation technology and numerical simulation technology

larger scale and higher resolution ocean data can be obtained

which brings opportunities for the analysis of complex ocean environmental elements and structures

and also brings great challenges to traditional analysis methods.For this reason

the method of big data visual analysis was introduced and its application value in the analysis of multivariate ocean spatiotemporal data

the spatiotemporal characteristics and evolution analysis of important ocean structures was explored.Some visual analysis systems were developed and the basic framework of visual analysis of ocean data through case studies of data analysis of some sea areas around the world and China was summarized

showing that visual analysis is a promising technology for ocean complex data analysis in the era of big data.

关键词

Keywords

references

任磊 , 杜一 , 马帅 , 等 . 大数据可视分析综述 [J ] . 软件学报 , 2014 , 25 ( 9 ): 1909 - 1936 .

REN L , DU Y , MA S , et al . Overview of big data visual analysis [J ] . Journal of Software , 2014 , 25 ( 9 ): 1909 - 1936 .

张平文 , 鄂维南 , 袁晓如 , 等 . 大数据分析与应用技术创新平台 [J ] . 大数据 , 2018 , 4 ( 4 ): 85 - 95 .

ZHANG P W , E W N , YUAN X R , et al . Big data analysis and application technology innovation platform [J ] . Big Data Research , 2018 , 4 ( 4 ): 85 - 95 .

STEIN R J , SHIH A M , BAKER M P , et al . Scientific visualization of water quality i n the Chesapeake bay [C ] // The 11th IEEE Visualization Conference . Piscataway:IEEE Press , 2000 .

SU T Y , CAO Z , LYU Z H , et al . Multidimensional visualization of largescale marine hydrological environmental data [J ] . Advances in Engineering Software , 2016 , 95 ( C ): 7 - 15 .

GUO H Q , XIAO H , YUAN X R . Scalable multivariate volume visualization and analysis based on dimension projection and parallel coordinates [J ] . IEEE Transactions on Visualization and Computer Graphics , 2012 , 18 ( 9 ): 1397 - 1410 .

YANO M , ITOH T , TANAKA Y , et al . A comparative 3D visualization tool for observation of mode water [C ] // The IEEE Pacific VAST .[S.l.:s.n. ] , 2018 .

ROCHA A , SILVA J D , ALIM U , et al . Multivariate visualization of oceanography data using decals [C ] // Workshop on Visualisation in Environmental Sciences . New York:ACM Press , 2017 : 31 - 35 .

平博 , 苏奋振 , 杜云艳 , 等 . 基于引力模型的海洋锋信息提取 [J ] . 地球信息科学学报 , 2013 , 15 ( 2 ): 187 - 192 .

PING B , SU F Z , DU Y Y , et al . Ocean front information extraction based on gravity model [J ] . Journal of GeoInformation Science , 2013 , 15 ( 2 ): 187 - 192 .

MATSUOKA D , ARAKI F , INOUE Y , et al . A new approach to ocean eddy detection,tracking,and event visualizationapplication to the northwest Pacific Ocean [J ] . Procedia Computer Science , 2016 , 80 ( C ): 1601 - 1611 .

FRANZ K , ROSCHER R , MILIOTO A , et al . Ocean eddy identification and tracking using neural networks [C ] // The International Geoscience and Remote Sensing Symposium .[S.l.:s.n. ] , 2018 .

WOODRING J , PETERSEN M , SCHMEIßER A , et al . In situ eddy analysis in a highresolution ocean climate model [J ] . IEEE Transactions on Visualization and Computer Graphics , 2015 , 22 ( 1 ): 857 - 866 .

XIE C , LI M K , WANG H Y , et al . A survey on visual analysis of ocean data [J ] . Visual Informatics , 2019 , 3 ( 3 ): 113 - 128 .

AFZAL S , HITTAWE M M , GHANI S , et al . The state of the art in visual analysis approaches for ocean and atmospheric datasets [J ] . Computer Graphics Forum , 2019 , 38 ( 3 ): 881 - 907 .

HORENKO I . On clustering of nonstationary meteorological time series [J ] . Dynamics of Atmospheres and Oceans , 2010 , 49 ( 2 ): 164 - 187 .

RUIVO H M , DE CAMPOS VEL HO H F , SAMPAIO G , et al . Analysis of extreme precipitation events using a novel data mining approach [J ] . American Journal of Environmental Engineering , 2015 , 5 ( 1A ): 96 - 105 .

浏览量

1043

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

文本情感可视分析技术及其在人文领域的应用

基于移动通信数据的城市可视分析研究

食品安全大数据可视化关联分析

足球比赛数据可视分析