海洋大數據科學發展現狀與展望

海洋大數據分析技術現狀

海洋大數據從上游獲取后，在中游主要涉及存儲管理、挖掘及表達可視化等分析技術。

海洋大數據存儲管理。世界各主要海洋國家均有負責數據處理和管理的海洋數據中心。美國國家航空航天局（NASA）的地球觀測中心建立了地球觀測系統數據和信息系統，存儲和管理全部數據，采用的是分布式開放的系統架構；歐洲航天局（ESA）也建立了采取基于任務的分布式存儲的數據中心。中國目前海洋衛星遙感數據的存儲采用由千兆交換機連接構成的?NAS?（網絡接入存儲）三級存儲體系，主要采用磁盤陣列加光盤存儲的方式。國外的海洋大數據存儲采用了邏輯上集中，物理上分散的分布式服務器集群存儲架構；而國內的海洋大數據還屬于地域上的集中式服務器存儲——隨著數據量的增長，在線存儲資源有限，難以實現在線存儲資源的動態擴展和靈活配置，離線數據獲取耗時，無法在線直接訪問任意數據。

海洋大數據挖掘分析。目前已有?MapReduce、Storm、StreamBase、Pregel?等先進的并行計算框架，且在各領域中得到廣泛應用。海洋大數據在信息挖掘過程中也從傳統的經驗模態正交法（EOF）發展到了具有時空解耦特性的四維諧波提取法（4D-HEM）。但是由于海洋大數據的時空耦合及地理關聯特性，導致傳統的數據挖掘算法無法有效地進行時空解耦與地理分解，使得挖掘算法成為海洋大數據科學全鏈條運轉環節中亟待改進與調整的重要屏障。

海洋大數據表達可視化。利用科學可視化技術展示海洋數據以及更進一步地利用可視化分析技術挖掘時空數據規律，是建立從感知到認知的關鍵技術橋梁。海洋矢量場可視化算法主要有圖表法、幾何法、紋理法、拓撲法等。標量場可視化算法在大規模體繪制、實時光照、多變量提特征提取、二維時空可視化等方面都取得了重要成果。但是隨著海洋數據體量的繼續增大，對可視化表達方式、處理效能等方面都提出了非常高的要求，需要一方面盡可能真實地反映數據的特性，另一方面充分提供系統的承載能力和處理能力，提高數據的更新和繪制能力。

縱觀國內外海洋大數據的分析技術研究，中國在數據存儲管理及挖掘方面仍處于跟跑階段，但在可視化分析方面已實現并跑。

海洋大數據應用現狀

海洋大數據的應用主要為社會經濟發展及氣候預測等提供決策支撐。目前，世界各國都在積極投入“數字海洋”的建設，并為進一步建設“智慧海洋”平臺奠定基礎，如美國和加拿大制定的“海王星”計劃、日本的“ARANA”計劃、非洲沿海?25?國的“非洲近海資源數據和網絡信息平臺”以及中國的“iOcean”平臺等。海洋大數據在氣候預警報決策支撐方面，主要是建立在高性能集群基礎上的完備數值預報體系。例如：美國大氣海洋局（NOAA）計劃在?2023?年推出?WoF（Warn-on-Forecast）系統。該系統可為美國及其臨近海域提供精細化天氣預報和災害預警——美國本土計算網格大小精細至?3—10?km，全球區域內網格精細至?15?km；該系統的計算需求高達?1?萬億億次。中國系列海洋衛星產品在赤潮/綠潮監測、海冰監測、漁業生產和水質調查等方面也得到了全面的業務化應用。其中，HY-2?產品應用于中國與歐盟的數值模式預報及多源融合產品中，而高分辨率海面溫度產品在馬航失聯客機海上搜救保障、極地大洋航線中提供了重要的支撐保障。

目前，海洋相關行業都在積極推動海洋大數據在行業中的應用，關注海洋科學領域的新發現和新發明，并推動產業化落地。然而，行業應用在大數據轉型中畢竟是個新形態、新過程，可以借鑒和參考的經驗不多，海洋大數據應用的行業落地過程還有不少問題需要解決。隨著大數據相關技術的研究不斷取得突破，傳統行業如何重新審視自己的發展戰略，積極拓展行業內部（上、下游）之間、行業之間的數據更好地融合與利用是海洋大數據應用中的一項挑戰。