利用MODIS数据进行秸秆焚烧遥感监测（小编整理）

第一篇：利用MODIS数据进行秸秆焚烧遥感监测

利用MODIS数据进行秸秆焚烧遥感监测

摘要：指出了我国是农业大国，随着农作物种植面积的增加，农业秸秆总量也迅速增加。在很多地方，由于秸秆焚烧时间短、范围广等局限因素，利用传统的监测手段相关部门不能及时监测和掌控秸秆焚烧信息，从而无法进行有效的执法治理。而卫星遥感手段以其时效性、覆盖面广等优势使得快速大面积监测秸秆焚烧情况成为可能。提出了利用MODIS提供的热异常数据，通过ENVI遥感图像处理软件提取火点和农用地，并将火点显示在GoogleEarth上，从而给有关部门提供快速准确的秸秆焚烧地点信息，便于进行执法治理。

关键词：ENVI软件；谷歌地图；MODIS数据；秸秆焚烧；遥感；火点；农用地

中图分类号：X712

文献标识码：A 文章编号：1674-9944（2017）14-0081-03

引言

秸秆焚烧过程中产生的大量烟雾、烟尘、一氧化碳、二氧化碳等污染物质，不仅会导致空气质量的恶化，还会影响交通安全，迫使高速公路关闭，民航停飞等；其次，野外焚烧秸秆增加了火灾发生的风险。同时焚烧秸秆也严重浪费了宝贵的生物资源（6亿t秸秆相当于300多万t氮肥、700多万t钾肥、70多万t磷肥，它相当于全国每年化肥施用量的1/4）。在如今倡导绿色发展理念，建设和谐社会、生态文明社会的大环境下，秸秆焚烧的治理不容忽视。笔者采用基于美国地球观测系统计划（EOS）的Terra/Aqua卫星MODIS光谱仪数据，通过ENVI遥感图像处理软件对2017年4月15日的秸秆焚烧情况进行火点提取，并通过GoogleEarth软件进行火点定位，从而为监管部门执法治理提供快捷有效的信息。监测原理

MODIS是美国地球观测系统中Terra和Aqua卫星携带的中分辨率成像光谱仪，Terra和Aqua都是太阳同步极轨卫星，Terra在地方时间上午过境，Aqua在地方时间的下午过境，可在一天内最多获得4次地球上同一地区的对地观测数据。MODIS在0.4～14之间有36个观测通道，灵敏度高，能够探测到的最小面积为50 m2。又因为，地球上不同的物体具有不同的光谱特性，向外界辐射的电磁破也具有不同的波长。根据普朗克定律可知，植物在没有燃烧时和燃烧时所发出的辐射也有差异，没有燃烧时植物发出的辐射是背景辐射，燃烧时则主要是由火焰和高温碳化物发出的辐射。根据这种差异，利用MODIS成像光谱仪的监测数据进行数据分析即可提取火点信息。数据获取

由于MODIS数据实行全球免费接收政策，采用直接广播的形式下行数据，因此可以免费获取其不同时间的监测数据。从NASA卫星数据中心网站http：//ladsweb.nascom.nasa.gov/data/search.html上下载2017年4月15日四川省的MOD14、MOD03数据以及MCD12Q1数据。输入四川省的经纬度区间东经97°21′～108°31′和北纬26°03′～34°19′，分别获得4个MOD14和MOD03数据，其中MOD14为热异常数据，用于提取焚烧点，MOD03为地理较正数据，用于对MOD14数据进行地理定位，MCD12Q1为土地覆盖数据，用于提取农用地。数据处理

4.1 火点提取

（1）原始的MOD14影像数据存在很大的几何畸变，如图1所示，需要通过ENVI数据处理软件进行校正。首先根据MOD03数据中的经度和纬度信息建立地理查找表GLT文件，再根据建立的GLT文件，对MOD14热异常数据进行几何校正和地理定位。

（2）纠正后的影像数据更接近真实的地理形状和位置，如图2所示。于是便可以根据纠正后的MOD14数据提取火点。将火点的像素值设置为7、8、9，通过ENVI5.1中的ROL工具即可提取出数据中的火点信息，如图3所示，共计2786个火点（在图中以红点标出）。

4.2 农用地提取

之前提取的火点信息由于受到钢铁厂、火力发电厂、村民生火烟冲等等类似秸秆焚烧的情况干扰，使得提取出来的火点不一定都是秸秆焚烧造成的，所以就需要再次提取卫星监测影像数据中的农用地区域信息，将二者叠加，这样才能从中选出由于秸秆焚烧造成的火点。

农用地提取采用的是MCD12Q1为土地覆盖数据，根据IGBP全球植被分类方法可知，农用地的像素值为12。依次将数十幅MCD12Q1土地覆盖数据进行投影装换和图像拼接，之后采用与火点提取相同的方法，设置像素值为12，提取农用地信息如图4所示（图中绿色标明部分即为农用地区域）。

4.3 求火点信息和农用地信息的交集

利用ENVI中求交集工具，将火点信息与农用地信息叠加，重叠的即为秸秆焚烧疑似火点，经过交集运算后，全国范围内秸秆焚烧疑似点共有1178个。利用ArcMap进行结果分析

在ENVI中将疑似火点的信息保存为矢量文件，用ArcMap打开该文件，同时叠加中国1∶4000000的省界矢量地图，如图5所示。可以看出，在2017年4月15日这一天，我国的秸秆焚烧疑似点集中在黑龙江、江苏等地，四川省内的疑似火点较少。秸秆焚烧疑似点的地理点位

虽然将火点输出在中国的矢量地图上可以从全局的角度看出该日期全国秸秆燃烧火点的地理位置分布情况，但无法对每一个火点进行精准定位，不能给监管执法部门提供准确可行的有效的执法指引。所以需要再次将火点输出到GoogleEarth高清地图中，以便很好的解决这一问题。GoogleEarth的地图是卫星影像与航拍的数据整合，其全球地貌影像的有效分辨率至少为100 m，在中国大陆的分辨率为30 m。将GoogleEarth与ENVI结合，可对秸秆焚烧点进行快速准确的地理定位，如图6所示（地图中黄色图钉标明的点即为疑似火点），有了该定位数据，监管执法部?T可快速准确的进行执法处理，从而为相关部门的执法与治理提供了有效的数据支撑，大大提高了执法精度和效果。

结论与讨论

本研究利用MODIS热异常数据对2017年4月15日全国范围内的秸秆焚烧火点进行提取分析和定位。结果表明，相比于传统的人工排查等手段，卫星遥感技术监测秸秆焚烧具有范围广、速度快、成本低等巨大优势。另外，结合GoogleEarth高清卫星地图软件，对每一个焚烧火点进行精准定位，可为相关监管部门提供及时准确的火点监测数据，便于执法和治理，对建设绿色环保社会、生态文明社会具有显著的意义。

参考文献：

[1]王子峰，陈良富，顾行发.基于MODIS数据的华北地区秸秆焚烧监测[J].遥感技术与应用，2008，23（6）：611～617.[2]刘 婷，王来刚，范 磊.基于EOS/MODIS数据的河南省小麦秸秆焚烧监测分析[J].河南农业科学，2011，40（11）：158～160.[3]杨珊荣，李 虎，余 涛，等.基于MODIS的秸秆焚烧火点识别原理及算法IDL实现[J].遥感信息，2009（2）：91～97.[4]张 彦，刘 婷，李 冰，等.基于MODIS数据的河南省秋季作物秸秆焚烧火点监测研究[J].河南农业科学，2016，45（11）：149～154.[5]何立明，王文杰，王 桥，等.中国秸秆焚烧的遥感监测与分析[J].中国环境监测，2007，23（1）：42～50.[6]张丽娟，厉 青，陈 辉，等.2014～2015年夏秋收期间全国秸秆焚烧遥感监测结果对比分析[J].环境与可持续发展，2016，41（6）：61～65.[7]张树誉，李登科，李星敏，等.卫星遥感在秸秆焚烧监测中的应用[J].气象，2005，31（9）：83～86.[8]成思敏.秸秆焚烧遥感监测[J].民营科技，2014（9）：52～52.[9]胡 梅，齐述华，舒晓波，等.华北平原秸秆焚烧火点的MODIS影像识别监测[J].地球信息科学，2008，10（6）：802～807.[10]张树誉，李登科，景毅刚.“3S”技术在关中地区秸秆焚烧遥感监测中的应用[J].环境监测管理与技术，2005，17（2）：17～20.[11]江苏开展秸秆焚烧卫星遥感监测工作[J].环境监测管理?c技术，2009（3）：40～40.

第二篇：金融业如何利用大数据进行精准营销

金融业如何利用大数据进行精准营销

导读近几年各行各业对大数据技术的应用越来越多，但凡有财力的企业都跃跃欲试，更何况是“手握重金”的金融行业。金融业如何利用大数据进行精准营销？如何构建新一代大数据运营中心？且听永洪科技高级咨询师胡星昱围绕金融行业的经验分享。

说到大数据，有两点我们要强调一下：一个是数据资产化，另一个是决策数据化。

 IT部门转变成利润中心

信息技术部门是做IT支撑的，每年都会进行软、硬件大批量采购，企业内部都认为信息技术部门是成本中心，信息技术部门的数据也都是伴随业务发生时产生的一个附属物。随着大数据技术发展，企业希望通过数据寻找业务规律，对客户需求进行挖掘，因为这样做会给业务带来直接的价值，帮助业务进行优化和提升，所以数据成了金融机构的一项宝贵资产，掌握数据量最大的信息技术部门也逐渐成为企业的利润中心。

从战略方向上讲，以前在企业内部，主要是决策人员根据经验主观判断进行决策，这样做的风险很大，因为人会受到自己所处环境和情绪的影响。所以企业必须借助数据的帮助来做决策，并进行客观的验证和预测，要从原来依据经验说话向依据数据说话进行转变。

在数据量和数据分析需求日益增加的挑战下，从战略层面上讲，金融机构需要建立一套“数据驱动型”的模式，即真正落实大数据运营中心。

从战术方面上讲，金融行业内企业可以尝试三种战术方向。首先可以通过用户画像、精准营销来做运营优化。其次是通过运营分析、产品定价来做精细化管理。最后是利用实时的反欺诈反洗钱应用，以及中小企业的贷款评估来提高风险控制能力，最终实现全面提升金融企业的核心价值和能力。

 新一代金融大数据运营中心 金融行业内的企业现在都需要一套整体化的业务架构。构建业务架构要从搭建一套企业级数据中心说起。企业级数据中心会包含企业的业务系统、外部数据和一些机器日志，这些结构化、半结构化和非结构化的数据，都要被汇集在一起。

在这些数据之上，金融行业内企业可以建立各种各样的分析模型。比如利用用户画像做精准营销，用EVA指标模型和反欺诈模型做多维盈利分析、反欺诈的交易分析等。

运营优化、管理提升、风险监控，这三个方向到底给金融行业带来什么价值？

首先是精准营销。精准营销真正要做的就是了解客户：客户到底是什么样的？客户是谁？客户需要什么产品？客户有什么产品偏好？客户喜欢哪些产品组合……还有就是如何进行有效营销、如何提升客户价值、保持客户忠诚度。

比如，现在很多金融机构都有APP，就可以分析用户在寻找什么产品，用户在找到一款产品并真正实现交易的过程中会浏览哪些页面，在哪个页面停留最长时间，交易中断是什么原因造成的等，而分析结果可以用于提升运营效果。

说到精准营销就不能不谈用户画像。以前经常听到“360度用户画像”这个词。但我觉得，“360度用户画像”更像一个广告宣传语，因为人是非常复杂的动物，很难用可数的纬度来100%地描述，所以需要从一定目的出发来建立用户画像。

尤其是在企业内部没有足够数据来构建用户画像，需要通过外界渠道来获取数据支撑的时候。数据的获取是有成本的，更不应该盲目搭建用户画像体系。也就是说，用户画像的本质其实应该是从业务角度出发，对客户需求、消费能力，以及客户信用额度等进行分析。

举个小例子，比如说做存贷款产品营销时，可对高价值信用卡用户的AUM进行分析。筛选他们每月的消费金额、信用额度、当前存款情况、贷款有没有拖欠，是不是商务卡持有者等，通过这些维度对用户进行分析。再针对不同用户分群给出不同的营销策略。比如说哪些用户该提升额度，哪些应该为其推荐金融产品。营销在落实时，可以先通过短信进行营销，再通过呼叫中心来了解客户意图。当客户有意向时，再交由理财经理进行进一步跟进。

除精准营销，还有多维盈利分析。多维盈利分析金融机构已经做很多年了，我最近也与国内几十家金融机构进行了交流，发现其实在业务上他们都希望多维盈利分析能够做到帐户级。可实际上，大部分金融机构现有的IT架构只能支撑做到产品级，或是科目级分析。为什么？就是因为金融机构普遍数据处理能力不够。如果要跑一个帐户级的结果出来，系统要跑好几个小时。而通过数据运营中心，就可以实现几十分钟出结果，企业就可以更好地进行精细化管理。

在风险监控方面，可以列出很多风险监控的指标，再通过这些指标用大数据平台进行实时监控，真正了解整个企业当前所处的风险等级。

 传统业务架构存在的6大缺点

上述应用在传统架构下能否实现？我认为传统业务架构存在6大缺点。

第一是不够敏捷，对业务新需求满足的时间太长。我通过交流了解到，有些金融机构内部业务新的需求提出后，需要几周，甚至几个月时间才能把报表提交上去，业务人员才能看到他需要的数据，这种效率显然跟不上市场变化。

第二是性能不佳，在海量数据面前，没有足够的计算能力去实时计算数据。

第三是洞察力弱，传统IT架构已无法深入挖掘海量数据的数据价值。金融企业的分析人员已不满足于只看到数据呈现，还希望对数据进行聚类、分类的算法来挖掘数据价值。第四是扩展性差，海量历史数据无法单机存储，传统的IT架构又不支持水平扩展。第五是无法挖掘非结构化数据价值，现在每年金融机构的数据增量中有百分之七十到八十的数据属于非结构化数据，如果不能把这部分数据的价值挖掘出来，是严重的浪费。

第六是成本高，从系统搭建到项目实施整个过程不可控。动辄上百万元资金成本或一到两年时间成本的项目在金融机构中很多。

所以，永洪提出了新一代的金融大数据应用中心的IT架构，可以根据业务需求不同，分为在线需求和离线需求。

在线or离线

为什么要分在线和离线？其实，很多需求都是按时效性区分的。

举个小例子，比如我们会分析现有的客户中，哪些属于即将流失的客户，哪些是高价值客户。在这个过程中，要经过复杂的模型，考量多个指标来判断，而结果也许并不需要马上就得到。但在分析某个地区时，高价值客户最近的消费倾向这种分析需求是非常灵活且时刻变化的，这就要求能够实时得到计算结果。

下面，我把在线和离线分开介绍。

在线分析需求，我们总结出了一个最佳实践。这里顺便回答下如何实现敏捷分析的问题。在以前的架构中，通常是把业务逻辑和数据模型结合在一起，也就是根据业务需求制作数据模型，制作CUBE，做二次表，进行汇总计算，最后反馈和展现的只是一个很小数据量的结果。在那这样的架构中，前端需求一旦变化就需要改模型，造成工作量大，交付时间也会拖长。

所以永洪提倡把数据模型和业务逻辑分开。数据模型只把跟分析主题相关的数据关联到一起，做一张大宽表。比如，现在要进行营销相关分析，就把数据交易数据、用户数据、渠道数据都打通，关联起来，但这些数据不要汇总，也就是要保持交易记录级的数据粒度，而要分析哪些纬度，需要什么粒度的数据，都可以通过实时的计算，这样就不会造成业务逻辑和数据模型混在一起。

不能每个分析需求都建一个CUBE，之前我见过有的企业数据仓库中有上千个cube，因为数量太大，根本没人来管理。而每当有新需求提出，也只能做新CUBE。这么做对企业来说有风险。

如果不愿意对数据来进行汇总计算，而是进行实时计算，就要提供大量细节数据实时计算的能力，这时可以采用了MPP数据集市来处理在线分析需求。

在这个过程中，永洪运用了列存储、分布式计算、列存计算的技术来提高运行效率，就算是百亿级的数据，也可以通过这种分布式的集群，实时进行分析计算，然后反馈给用户。此外，大数据平台离线分析是通过Hadoop的平台来做结构化和非结构化数据的存储，解析。然后在上面会用YARN量做资源管理——根据分析需求决定是用批处理模块还是搜索模块、是用流处理还是用机器学习等。

永洪科技现正在帮助国内各个企业进行数据挖掘应用。我们的客户范围涉及电信行业、能源、政府、金融、零售，还有IT互联网行业，永洪会帮助他们提升数据运营效果。

接下来，简单介绍几个做过的案例。

首先是一个股份银行，永洪通过大数据平台，帮助他们进行用户画像的精准营销，把金融机构持卡人的信息、信用卡信息、微信卡信息都拿过来。在大数据平台上，通过画像和算法给用户进行画像分群，根据分析需求来构建画像模型，基于Map Raduce聚类和算法对用户进行分类，然后再进行数据域处理，最终完成用户的画像。

另外,永洪也帮助华北一些金融机构在传统数仓上搭建在线分析平台，以及帮助他们建立全行的报表平台。例如行长驾驶舱和业务类型报表。永洪也为中信金融机构杭州分行、四川分行搭建了在线分析平台。杭州分行通过在线平台帮助用户实时分析零售数据。以前他们的分析人员大部分精力都用在整理数据和制作报表上，通过永洪的在线平台，业务人员可以自己接触到数据，并且可快速地生成分析报告，把真正精力都放在分析数据这块。

现在，整个行业正处在数据架构和数据分析系统的变革时期，永洪科技非常希望通过提供专业技术和服务来帮助金融机构把数据价值挖掘出来，提高业务能力，提高竞争力。

胡星昱：澳大利亚莫纳什大学商业信息系统硕士，拥有3年大型企业需求分析，项目实施和解决方案制作经验；曾为国外大型零售企业和政府机构设计和实现数据分析系统，成功推进国内多个大型金融项目的需求、设计、研发、实施工作。在企业级系统集成，大数据，BI领域有丰富的项目经验；目前主要负责产品和解决方案的咨询工作。

第三篇：住房城乡建设部利用遥感监测辅助城乡规划督察工作重大违法案件处理办法

住房城乡建设部关于印发

《住房城乡建设部利用遥感监测辅助城乡规划督察工作重大违法案件处理办法》的通知

建稽〔2014〕182号

各省、自治区住房城乡建设厅，直辖市规划局（委）：

为加强对遥感监测中发现的重大违法案件的处理工作，我部制定了《住房城乡建设部利用遥感监测辅助城乡规划督察工作重大违法案件处理办法》，现印发你们，请遵照执行。

中华人民共和国住房和城乡建设部

2014年12月17日

住房城乡建设部利用遥感监测

辅助城乡规划督察工作重大违法案件处理办法

第一条 为进一步加强城乡规划重大违法案件处理工作，有效遏制违法建设行为，维护群众权益，保障城乡规划法律、法规有效实施，落实《住房城乡建设部利用遥感监测辅助城乡规划督察工作管理办法（试行）》（建稽„2014‟2号），制定本办法。

第二条 本办法适用于由住房城乡建设部开展利用遥感监测辅助城乡规划督察工作（以下简称为“遥感督察”）的地区。

省级人民政府住房城乡建设（规划）主管部门应参照本办法制定辖区重大违法案件处理办法，并在每年底向住房城乡建设部报告辖区重大违法案件处理工作情况。

—1—

第三条 本办法所称重大违法案件是指严重违反城乡规划法律、法规及城市总体规划强制性内容、造成重大社会影响的违法案件，以及其他需要按照本办法处理的违法案件。包括：

1．严重违反“三区四线”等城市总体规划强制性内容的；

2．遥感督察工作中发现的存在严重违法问题并且未在规定期限内整改到位的；

3．经部派城乡规划督察员督促未得到解决的； 4．其他需要重点关注的。

第四条 重大违法案件处理工作由住房城乡建设部稽查办公室、城乡规划司共同组织实施，其中涉及规划制定、修改和实施等方面的重大违法案件由城乡规划司牵头处理。

第五条 重大违法案件处理工作坚持实事求是、依法公正、惩防并举、服务大局的原则。

第六条 重大违法案件按下列方式处理。必要时住房城乡建设部可按照《建设领域违法违规行为稽查工作管理办法》的规定直接组织稽查。

（一）发函督办

1．发住房城乡建设部办公厅函督促有关省级人民政府住房城乡建设（规划）主管部门组织查处重大违法案件并限期报送处理结果。

2．组织研判案件是否处理到位，对查处到位的，报住房城乡建设部领导结案；对查处不到位的，可约谈有关单位或挂牌督办。

（二）约谈

1．约谈前应由组织实施部门商定被约谈单位和内容报住房城乡建设部领导审定。

2．有下列情形之一的省级人民政府住房城乡建设（规划）主管部门、有关城市人民政府及城乡规划主管部门等可列为约谈对象：

（1）重点图斑涉及的重大违法建设行为查处不力的；（2）城乡规划行政许可存在严重违法问题的；

（3）连续两年反馈疑似图斑涉及项目审批情况出现严重差错的；（4）连续两年图斑涉及违法建设行为查处率偏低的；（5）连续两年图斑涉及违法建设行为查处执行情况为零的；

—2—

（6）其他遥感督察工作开展不力需要约谈的。

3．约谈省级人民政府住房城乡建设（规划）主管部门应由住房城乡建设部领导或委托稽查办公室、城乡规划司实施。

约谈城市人民政府及城乡规划主管部门等应由住房城乡建设部稽查办公室、城乡规划司实施，省级人民政府住房城乡建设（规划）主管部门参加。约谈城市人民政府及城乡规划主管部门等也可委托省级人民政府住房城乡建设（规划）主管部门实施。

4．约谈通知函应在约谈日前15个工作日发出，确定约谈时间、地点、事由、约谈人、被约谈人。约谈可邀请媒体参加。

约谈主要由约谈人说明约谈事由，指出存在的问题，提出整改要求。被约谈人应对约谈事项做出回复。

约谈应做约谈记录，根据记录形成约谈纪要发至被约谈人。

5．被约谈人应在被约谈后40个工作日内将整改方案和采取的措施等情况书面上报。城市人民政府及城乡规划主管部门等的整改情况应通过省级人民政府住房城乡建设（规划）主管部门上报，省级人民政府住房城乡建设（规划）主管部门应督促城市人民政府及城乡规划主管部门等做好约谈后的整改工作。

6．对未按期上报整改情况的，住房城乡建设部将根据具体情况采取挂牌督办、通报等方式督促整改。

（三）挂牌督办

1．挂牌督办是指住房城乡建设部向社会公开重大违法案件基本情况及处理要求，督促省级人民政府住房城乡建设（规划）主管部门办理，接受公众监督的一种行政措施。

2．挂牌督办前，组织实施部门应核实案件有关情况，报住房城乡建设部领导审定实施。

3．对确定为挂牌督办的案件，由住房城乡建设部办公厅向省级人民政府住房城乡建设（规划）主管部门发出《重大违法案件挂牌督办通知书》，同时抄送有关城市人民政府，并向社会公布。

《重大违法案件挂牌督办通知书》一般包括案件名称、督办事项、整改要求及时限、申请解除的方式等内容。

—3—

4．挂牌督办的解除由省级人民政府住房城乡建设（规划）主管部门提出申请，住房城乡建设部稽查办公室会同有关业务司初审报部领导审定后下达《重大违法案件挂牌督办解除通知书》，同时抄送有关城市人民政府并向社会公布。

（四）案件移送

按照《城乡规划违法违纪行为处分办法》第十八条“任免机关、监察机关和城乡规划主管部门建立案件移送制度……城乡规划主管部门查处城乡规划违法案件，认为应当由任免机关或者监察机关给予处分的，应当在作出行政处罚决定或者其他处理决定后，及时将有关案件材料移送任免机关或者监察机关……”和第十九条“有城乡规划违法违纪行为，应当给予党纪处分的，移送党的纪律检查机关处理；涉嫌犯罪的，移送司法机关依法追究刑事责任”的规定，移送有关案件。

第七条 工作保障措施。

（一）建立重大违法案件处理联席会议机制。住房城乡建设部领导或委托稽查办公室定期召开会议研究有关问题。

（二）建立集体研判机制。对于复杂案件的定性进行集体研究，综合分析案件发生的背景及危害，提出妥善处理意见。

（三）按照城乡规划法第五十七条“城乡规划主管部门违反本法规定作出行政许可的，上级人民政府城乡规划主管部门有权责令其撤销或者直接撤销该行政许可”的规定，撤销违法行政许可。

（四）建立通报机制。通过发布文件、召开新闻发布会等方式在一定范围内公布遥感督察工作及重大违法案件查处有关情况。

第八条 本办法自发布之日起施行。

—4—

第四篇：计算机学院举办《跟上大数据的时代步伐--如何利用超算中心进行并行计算》讲座

计算机学院举办《跟上大数据的时代步伐--如何利用超算中心进行并行计算》讲座

5月6日下午，计算机学院邀请国家超算济南中心的郭猛高级工程师来我校举办题为《跟上大数据的时代步伐--如何利用超算中心进行并行计算》讲座。计算机学院院长廖明海、殷晓峰以及全体专职教师聆听了讲座。

郭猛高级工程师主要从四个方面阐述了大数据的要点，一是强调以弹道计算、动画渲染、航空航天等难以实验的场景需要高性能计算，从而降低成本；二是以网上订票系统为例，介绍了采用浮点计算达到多、快、好、省的高性能计算；三是以天河二号、神威蓝光等自主研制、高组装密度的应用解说了高性能计算的发展与现状；四是从提高单处理器性能、采用混合架构和集群等多方面实现高性能。郭工程师以前沿的专业知识，丰富的实践工作经验，全面系统的为老师们阐述了大数据中超算的内容，他的精彩演讲在热烈的掌声中圆满结束。殷院长希望老师们通过这次讲座，学习最前沿的大数据计算的理论和方法，紧跟时代步伐，不断提高认识，从而应用于教学。