摘要 | 第4-5页 |
Abstract | 第5-6页 |
第一章 绪论 | 第13-24页 |
1.1 研究背景与意义 | 第13-14页 |
1.1.1 研究背景 | 第13-14页 |
1.1.2 研究意义 | 第14页 |
1.2 国内外研究现状 | 第14-18页 |
1.2.1 气象数据挖掘 | 第14-15页 |
1.2.2 云计算在气象中的应用 | 第15-17页 |
1.2.3 GIS在气象中的应用 | 第17-18页 |
1.2.4 研究现状总结 | 第18页 |
1.3 研究目标、研究内容 | 第18-19页 |
1.3.1 研究目标 | 第18-19页 |
1.3.2 研究内容 | 第19页 |
1.4 研究方法和技术路线 | 第19-22页 |
1.4.1 研究方法 | 第19页 |
1.4.2 技术路线 | 第19-22页 |
1.5 论文结构 | 第22-23页 |
1.6 本章小结 | 第23-24页 |
第二章 相关理论与技术 | 第24-34页 |
2.1 Hadoop | 第24-32页 |
2.1.1 分布式文件系统(HDFS) | 第24-26页 |
2.1.2 分布式计算模型(MapReduce) | 第26-28页 |
2.1.3 分布式数据库HBase | 第28-32页 |
2.2 Solr搜索引擎 | 第32-33页 |
2.3 核密度估计(KDE) | 第33页 |
2.4 本章小结 | 第33-34页 |
第三章 基于HBase的气象时空数据组织方法 | 第34-47页 |
3.1 气象数据来源及其特点 | 第34-36页 |
3.1.1 气象数据来源及种类 | 第34-35页 |
3.1.2 气象数据特点 | 第35-36页 |
3.2 NCDC数据概述 | 第36页 |
3.3 研究数据选取 | 第36-38页 |
3.4 研究平台构建 | 第38-40页 |
3.4.1 集群软硬件架构 | 第38-39页 |
3.4.2 环境配置 | 第39-40页 |
3.5 基于HBase的气象时空数据组织方法 | 第40-46页 |
3.5.1 HBase表结构设计 | 第41页 |
3.5.2 数据入库方式 | 第41-43页 |
3.5.3 基于Solr的辅助索引构建方法 | 第43-45页 |
3.5.4 HBase配置参数调整方法 | 第45-46页 |
3.6 本章小结 | 第46-47页 |
第四章 气温日变化时空分异特征提取方法研究 | 第47-74页 |
4.1 基于MapReduce的处理方法设计 | 第47-53页 |
4.1.1 Map函数设计——气温要素提取方法 | 第47-49页 |
4.1.2 Reduce函数设计——气温数据标准化方法 | 第49-50页 |
4.1.3 基于MapReduce的气象数据变化过程 | 第50-53页 |
4.2 气温日变化时间特征提取 | 第53-67页 |
4.2.1 气象站分类方法 | 第53-55页 |
4.2.2 KDE空间分析及气候特征点选取 | 第55-57页 |
4.2.3 各气候带气温日变化时间特征提取 | 第57-63页 |
4.2.4 气温日变化特征曲线模拟及特征分析 | 第63-67页 |
4.3 气温日变化空间特征提取 | 第67-71页 |
4.3.1 研究区气象站分类 | 第68-69页 |
4.3.2 海南省气温日变化空间特征提取 | 第69-70页 |
4.3.3 海南省气温日变化空间特征分析 | 第70-71页 |
4.4 气温日变化时空耦合特征提取 | 第71-73页 |
4.4.1 气温日变化时空耦合特征函数 | 第71-72页 |
4.4.2 祁门县7月份气温日变化时空耦合特征提取 | 第72页 |
4.4.3 祁门县气温日变化时空耦合特征分析 | 第72-73页 |
4.5 本章小结 | 第73-74页 |
第五章 气温日变化时空分异特征提取方法验证 | 第74-81页 |
5.1 提取方法效率对比验证 | 第74-77页 |
5.1.1 测试用例 | 第74-75页 |
5.1.2 对比结果及分析 | 第75-77页 |
5.2 提取结果准确性分析验证 | 第77-80页 |
5.3 本章小结 | 第80-81页 |
第六章 结论与展望 | 第81-83页 |
6.1 研究结论 | 第81-82页 |
6.2 研究展望 | 第82-83页 |
参考文献 | 第83-89页 |
在读期间参与的项目 | 第89-90页 |
致谢 | 第90-91页 |