Россия
Россия
г. Москва и Московская область, Россия
УДК 004.04 Ориентация процесса обработки данных
ГРНТИ 20.53 Технические средства обеспечения информационных процессов
В статье рассматривается актуальная научно-техническая проблема разработки теоретических основ оценки качества получаемых геосенсорными сетями пространственно-временных данных об атмосферных явлениях. Показаны ограничения руководящих документов Всемирной метеорологической организации. Обоснована целесообразность использования мелкомасштабных сетей мониторинга для фиксации локальных метеорологических процессов, находящихся ниже предела разрешающей способности государственных систем наблюдения. Авторами сформулирована необходимость создания модели, применимой для внутренней (осуществляемой поставщиком данных) и внешней (осуществляемой потребителем данных) оценки качества в различных сценариях: на этапах разработки технологий, выбора поставщика, регулярного входного и выходного контроля. Предложена для последующего построения модели оценки качества данных от геосенсорных сетей совокупность из 26 элементов, учитывающих аспекты, обеспечиваемые как отдельным геосенсором и процессами измерений и обработки данных, реализованных внутри него, так и эмерджентными свойствами геосенсорной сети. Представленный подход учитывает не только инструментальную точность отдельных сенсоров, но и системные характеристики сети, включая пространственную однородность, временную регулярность и оперативность передачи данных. Сформулированы дальнейшие направления исследований и разработок в этом направлении.
пространственно-временные данные, оценка качества, атмосферное явление, геосенсорная сеть
1. Kim G.-H., Lee D.-G., Shin S.-S., et al. Effects of Urban Green Using the Integrated Meteorological Sensors // Proceedings of the Spring Meeting of Korean Meteorological Society. Jeju, 2014. P. 120–121.
2. Winning Jr.T.E., Illston B.G., Ferris M.M., et al. An Overview of the Oklahoma City Urban Micronet Test Facility // Proceedings of the American Meteorological Society 14th Symposium on Meteorological Observation and Instrumentation, January 14–18, 2007. San Antonio, 2007. P. 1–5.
3. Devillers R., Jeansoulin R. Spatial Data Quality: Concepts // Fundamentals of Spatial Data Quality / ed. by R. Devillers, R. Jeansoulin. Newport Beach: Wiley-ISTE, 2006. P. 31–42. DOIhttps://doi.org/10.1002/9780470612156.ch2. https://doi.org/10.1002/9780470612156.ch2
4. Boin A.T., Hunter G.J. Do Spatial Data Consumers Really Understand Data Quality Information? // Proceedings of the 7th International Symposium on Spatial Accuracy Assessment in Natural Resources and Environmental Sciences. Lisbon, 2006. P. 215–224.
5. Devillers R., Gervais M., Bedard Y., et al. Spatial Data Quality: From Metadata to Quality Indicators and Contextual End-User Manual // Proceedings of the OEEPE/ISPRS Joint Workshop on Spatial Data Quality Management, March 21–22, 2002. Istanbul, 2002. P. 45–55.
6. Alerskans E., Lussana C., Nipen T., et al. Optimizing Spatial Quality Control for a Dense Network of Meteorological Stations // Journal of Atmospheric and Oceanic Technology. 2022. Vol. 39. Iss. 7. P. 973–984. DOIhttps://doi.org/10.1175/JTECH-D-21-0184.1. https://doi.org/10.1175/JTECH-D-21-0184.1
7. Sicari S., Rizzardi A., Cappiello C., et al. Toward Data Governance in the Internet of Things // New Advances in the Internet of Things. Studies in Computational Intelligence. 2018. Vol. 715. P. 59–74. DOIhttps://doi.org/10.1007/978-3-319-58190-3_4. https://doi.org/10.1007/978-3-319-58190-3_4
8. Kemper D., Iggena T., Toenjes R., et al. Valid.IoT: A Framework for Sensor Data Quality Analysis and Interpolation // Proceedings of the 9th ACM Multimedia Systems Conference (MMSys’18). New York: Association for Computing Machinery, 2018. P. 294–303. DOIhttps://doi.org/10.1145/3204949.3204972. https://doi.org/10.1145/3204949.3204972
9. Buelvas J.H., Múnera D., Gaviria N. DQ-MAN: A Tool for Multidimensional Data Quality Analysis in IoT-Based Air Quality Monitoring Systems // Internet of Things. 2023. Vol. 22. P. 100769. DOIhttps://doi.org/10.1016/j.iot.2023.100769. https://doi.org/10.1016/j.iot.2023.100769
10. Buelvas J., Múnera D., Tobón V. Data Quality in IoT-Based Air Quality Monitoring Systems: A Systematic Mapping Study // Water, Air, & Soil Pollution. 2023. Vol. 234. No. 4. P. 248. DOIhttps://doi.org/10.1007/s11270-023-06127-9. https://doi.org/10.1007/s11270-023-06127-9
11. Meritxell G., Sierra B., Ferreiro S. On the Evaluation, Management and Improvement of Data Quality in Streaming Time Series // IEEE Access. 2022. Vol. 10. P. 81458–81475. DOIhttps://doi.org/10.1109/access.2022.3195338. https://doi.org/10.1109/ACCESS.2022.3195338
12. Herfort B., Lautenbach S., Porto de Albuquerque J., et al. A Spatio-Temporal Analysis Investigating Completeness and Inequalities of Global Urban Building Data in OpenStreetMap // Nature Communications. 2023. Vol. 14. P. 3985. DOIhttps://doi.org/10.1038/s41467-023-39698-6. https://doi.org/10.1038/s41467-023-39698-6
13. Weiß I., Vogel‐Heuser B. A Metric and Visualization of Completeness in Multi-Dimensional Data Sets of Sensor and Actuator Data Applied to a Condition Monitoring Use Case // Applied Sciences. 2021. Vol. 11. Iss. 11. P. 5022. DOIhttps://doi.org/10.3390/app11115022. https://doi.org/10.3390/app11115022
14. Груздев A.Н. Учет автокорреляции в задаче линейной регрессии на примере анализа общего содержания NO2 в атмосфере // Известия Российской академии наук. Физика атмосферы и океана. 2019. Т. 55, № 1. С. 73–82. DOIhttps://doi.org/10.31857/S0002-351555173-82. https://doi.org/10.31857/S0002-351555173-82
15. Белышева Ю.В., Матерухин А.В. Проблема оценки качества пространственно-временных данных, получаемых от системы метеорологических наблюдений // Приложение к журналу Известия вузов «Геодезия и аэрофотосъемка». Сборник статей по итогам научно-технической конференции. 2020. № 11. С. 149–151.
16. Курлов А.В., Матерухин А.В. Анализ требований к качеству пространственно-временных данных в задачах территориального планирования // Известия вузов «Геодезия и аэрофотосъемка». 2022. Т. 66, № 4. С. 59–68. DOIhttps://doi.org/10.30533/0536-101X-2022-66-4-59-68. https://elibrary.ru/download/elibrary_50467446_68331582.pdf
17. Lehner W., Klein A. How to Optimize the Quality of Sensor Data Streams // Fourth International Multi-Conference on Computing in the Global Information Technology. Cannes/La Bocca: IEEE, 2009. P. 13–19. DOIhttps://doi.org/10.1109/ICCGI.2009.10. https://ieeexplore.ieee.org/document/5279766
18. Petrovic P. Selection of Data Sets by Quality and Its Role in Climate Research // Detecting and Modelling Regional Climate Change / M. Brunet, D. Lopez Bonillo (eds.). Berlin: Springer, 2001. P. 21–29. DOIhttps://doi.org/10.1007/978-3-662-04313-4_3. https://doi.org/10.1007/978-3-662-04313-4_3
