{{l10n_strings.DRAG_TEXT_HELP}}

{{article.content_lang.display}}

{{l10n_strings.AUTHOR_TOOLTIP_TEXT}}

| Capital Bikeshare

Куда едут райдеры Capital Bikeshare? Когда они катаются? Как далеко они зайдут? Какие станции самые популярные? В какие дни недели ездят чаще всего? Мы слышали все эти вопросы с момента запуска в 2010 году, и мы рады предоставить данные, которые показывают вам ответы с нашей первой поездки до сегодняшнего дня.

Мы приглашаем разработчиков, инженеров, статистиков, художников, ученых и других заинтересованных представителей общественности использовать предоставленные нами данные для анализа, разработки, визуализации или всего, что вас волнует.

Эти данные предоставлены в соответствии с Лицензионным соглашением о передаче данных Capital Bikeshare.

Данные истории поездок

Каждый квартал мы публикуем загружаемые файлы с данными о поездках Capital Bikeshare. В данные входят:

• Продолжительность — Продолжительность поездки
• Дата начала — Включает дату и время начала
• Дата окончания — Включает дату и время окончания
• Начальная станция — Включает имя и номер начальной станции
• Конечная станция — Включает имя конечной станции и номер
• Номер велосипеда — включает идентификационный номер велосипеда, использованного для поездки.
• Тип участника — указывает, был ли пользователь «зарегистрированным» участником (годовой участник, 30-дневный участник или ключевой участник дня) или «случайным» гонщиком (одиночная поездка, Абонемент на 24 часа, пропуск на 3 дня или проездной на 5 дней)

Эти данные были обработаны для исключения поездок, совершаемых сотрудниками во время обслуживания и проверки системы, поездок, которые выполняются в / из любого из наших « тестовые станции на наших складах и любые поездки продолжительностью менее 60 секунд (потенциально возможны ложные запуски или пользователи, пытающиеся повторно поставить велосипед на док-станцию, чтобы убедиться в безопасности).

ПРИМЕЧАНИЕ: 3-дневное членство заменило 5-дневное членство осенью 2011 года.

Загрузить данные истории поездок Capital Bikeshare

Данные в реальном времени

Capital Bikeshare публикует системные данные в реальном времени в формате General Bikeshare Feed Specification.

Воспользуйтесь нашими данными

Данные плана расширения

Capital Bikeshare каждые несколько лет проводил исследование плана развития, чтобы оценить тенденции использования и планы расширения.Предлагаемый план расширения доступен для загрузки в виде файла KML.

Опросы участников

Capital Bikeshare каждые два года проводит опросы членов, чтобы оценить, как люди используют систему и какое влияние она оказывает на их жизнь и наши сообщества. Результаты и отчеты этих опросов доступны ниже:

2016

Отчет об опросе участников Capital Bikeshare за 2016 год

Краткое содержание опроса участников Capital Bikeshare, 2016 г.

2014

Отчет об опросе участников Capital Bikeshare за 2014 год

Краткое изложение опроса участников Capital Bikeshare, 2014 г.

2012

Отчет об опросе участников Capital Bikeshare за 2012 год

Краткое содержание опроса участников Capital Bikeshare, 2012 г.

Влияние Capital Bikeshare на здоровье

2011

Опрос участников Capital Bikeshare, 2011 г.

Краткое изложение исследования Capital Bikeshare за 2011 год

Обновлено 6 декабря 2016 г.

Объединение данных системы здравоохранения с систематическими обзорами

Цель отчета

Учитывая, что для принятия решений системой здравоохранения будут полезны как традиционные систематические обзоры, так и данные по системе здравоохранения, в этом отчете исследуется, когда и как использовать первичные данные из систем здравоохранения в режиме реального времени с помощью систематических обзоров, а также излагается структура использования системы здравоохранения. данные с систематическими обзорами для поддержки принятия решений в системе здравоохранения.

Ключевые сообщения

Основываясь на нашем обзоре примеров и методических указаний, а также на нашем опыте проведения систематических обзоров для различных заинтересованных сторон, мы рекомендуем пять основных принципов относительно того, когда и как использовать неопубликованные данные системы здравоохранения наряду с систематически проверенными данными.

• Явно укажите обоснование использования неопубликованных данных (т. Е. Для повышения силы и применимости доказательств и / или для информирования о его реализации).
• Опишите детали используемого источника данных и почему он был выбран (например, насколько актуальны данные).
• Охарактеризуйте ограничения и предвзятость любых включенных данных с помощью формальной критической оценки и, если возможно, работая с персоналом QI системы здравоохранения и персоналом информационных систем и исследователями систем здравоохранения, чтобы понять ограничения качества данных и информации.
• Укажите, как выводы из неопубликованных данных подтверждают, опровергают и / или иным образом дополняют выводы из опубликованных данных.Если неопубликованные доказательства противоречат выводам обзора, обсудите возможные причины несоответствия.
• Рассмотрите возможность работы в тесном сотрудничестве с системами здравоохранения, которые в идеале включают ряд людей, таких как клинические руководители и лица, принимающие решения, а также сотрудники QI и исследователи систем здравоохранения.

Абстракция

Систематические обзоры — важный и необходимый источник информации для улучшения оказания медицинской помощи; однако обзоры существующих исследований часто недостаточны для удовлетворения потребностей систем здравоохранения в принятии решений.Включение данных из систем здравоохранения в традиционные систематические обзоры может быть одним из способов повышения их полезности. В этом документе мы намечаем способы использования данных системы здравоохранения с систематическими обзорами, формулируем сценарии, когда данные системы здравоохранения могут быть наиболее полезными для использования вместе с систематическими обзорами (т. применимость доказательств и улучшение их применения), а также обсудить важность определения ограничений и соображений при использовании неопубликованных данных системы здравоохранения в обзорах (т.д., критическая оценка для понимания систематических ошибок дизайна исследования, а также ограничений в отношении качества информации и данных). Для разработки этой схемы мы использовали примеры, выявленные в результате поиска в литературе и связи с четырьмя системами здравоохранения, которые могут использовать как внутренние, так и внешние данные для поддержки своей клинической деятельности. Наконец, мы также предлагаем рекомендации для систематических обозревателей, которые решили интегрировать данные системы здравоохранения, и возможные следующие шаги в развитии процессов и возможностей для повседневного выполнения этого типа работы.

Цитирование журнала

Лин Дж. С., Мурад М. Х., Лис Б. и др. Описательный обзор и предлагаемая структура для использования данных системы здравоохранения с систематическими обзорами для поддержки принятия решений. Журнал общей внутренней медицины. 2020 1 апреля. DOI: 10.1007 / s11606-020-05783-5.

Цитата

Предлагаемое цитирование: Lin JS, Murad MH, Leas B, Treadwell JR, Chou R, Ivlev I, Kansagara D. Интеграция данных системы здравоохранения с систематическими обзорами: основа для определения того, когда и как неопубликованные данные системы здравоохранения могут использоваться с систематическими Обзоры для поддержки принятия решений в системе здравоохранения.Отчет о методах исследования. (Подготовлено филиалами Kaiser Permanente Research, клиникой Mayo, медицинским центром ECRI Institute-Penn и центрами доказательной практики Pacific Northwest в соответствии с контрактами № 290-2015-00007-I, 290-2015-00013, 290-2015-00005- I, 290-2015-00009-I). Публикация AHRQ № 19 (20) -EHC023-EF. Роквилл, Мэриленд: Агентство медицинских исследований и качества. Апрель 2020 г. Опубликованные окончательные отчеты находятся на странице поиска по программе «Эффективное здравоохранение». DOI: 10.23970 / AHRQEPCMETHQUALIMPRINTEGRATING.

О фоновых обновлениях в macOS

Ваш Mac автоматически устанавливает фоновые обновления для файлов конфигурации безопасности и данных, используемых macOS.

Обновление программного обеспечения — одна из самых важных вещей, которые вы можете сделать для обеспечения безопасности вашего Mac.Это включает в себя установку всех доступных обновлений программного обеспечения macOS, включая обновления безопасности и фоновые обновления, описанные в этой статье.

Фоновые обновления включают обновления конфигурации безопасности и файлы системных данных, которые по умолчанию устанавливаются автоматически. Они не заставляют ваш Mac перезагружаться, но некоторые вступают в силу только после перезагрузки.

Фоновые обновления включают:

• Обновления конфигурации безопасности, которые помогают сделать ваш Mac более безопасным, выявляя вредоносное ПО и предотвращая его установку.При перезагрузке Mac эти обновления также удаляют все обнаруженные, но уже установленные вредоносные программы.
• Файлы системных данных, которые содержат новые списки слов, ресурсы распознавания речи, голосовые ресурсы, улучшенные предложения для контактов и событий и многое другое. Некоторые файлы системных данных устанавливаются только тогда, когда вы включаете или используете функции, для которых они требуются.

Чтобы гарантировать своевременное получение этих фоновых обновлений, оставьте включенным параметр «Установить файлы системных данных и обновления безопасности» в настройках обновления программного обеспечения.Перейдите в «Системные настройки»> «Обновление программного обеспечения», затем нажмите «Дополнительно».

Просмотр фоновых обновлений на Mac

«Системная информация» содержит список большинства программ Apple и сторонних производителей, которые были установлены вручную или автоматически.

Выберите меню «Apple» ()> «Об этом Mac», затем нажмите кнопку «Системный отчет».В разделе «Программное обеспечение» на боковой панели выберите «Установки» и щелкните столбец «Дата установки» для сортировки по дате.

Обновления конфигурации безопасности

Эти обновления конфигурации безопасности устанавливаются в фоновом режиме:

• Данные конфигурации приложений основных служб: блокирует запуск несовместимых приложений
• EFICheck AllowListAll: проверяет, что Apple предоставила микропрограмму для вашего Mac.
• Данные конфигурации привратника: помогают защитить ваш Mac от приложений, созданных неизвестными разработчиками.
• Несовместимые данные конфигурации расширения ядра: блокирует несовместимые расширения ядра, которые могут отрицательно повлиять на ваш Mac.
• MRTConfigData: удаляет известные вредоносные программы.
• Данные конфигурации TCC: улучшает совместимость указанного программного обеспечения с функциями безопасности macOS.
• XProtectPlistConfigData: предотвращает запуск известных вредоносных программ

Файлы системных данных

Эти файлы системных данных устанавливаются в фоновом режиме:

• Обновленные шрифты
• Обновленная система голосовой диктовки
• Новый или обновленный словарь слов для приложения «Словарь»
• Улучшенные языковые модели, автозамена, проверка орфографии, методы ввода, транслитерация латинского алфавита в международные символы и многое другое.
• Улучшенные предложения по добавлению новых контактов и событий календаря в приложениях macOS, а также улучшенные оповещения о времени до выхода
• Улучшено обнаружение устройств Bluetooth и связь с ними
• Улучшена автоматическая маршрутизация сетевых запросов на основе трафика
• Улучшено обновление учетных данных и паролей Связки ключей iCloud на ваших устройствах Apple
• Поддержка новых доменов верхнего уровня в Safari
• Новые и улучшенные предложения веб-сайтов, доступные при вводе текста в поле интеллектуального поиска в Safari
• Обновленные определения для типов сертификатов SSL
• Поддержка на уровне системы большего количества форматов RAW цифровых камер
• Улучшена настройка изображений в портретном режиме, снятых на устройствах iOS и просматриваемых в приложении «Фото» на Mac
• Обновленные обучающие видеоролики в Системных настройках
• Обновлена ​​информация о поддержке медиаформатов
• Обновления прошивки для встроенных и внешних трекпадов, мышей, клавиатур и дисплеев
• Обновления прошивки для адаптеров питания Apple
• Обновления прошивки для разработки Siri Remote в Xcode
• Обновленная информация, помогающая автоматически блокировать несовместимые расширения ядра (kexts)
• Обновленная информация, помогающая автоматически определять и блокировать открытие или перенос несовместимых приложений на новый Mac.

Информация о продуктах, произведенных не Apple, или о независимых веб-сайтах, не контролируемых и не проверенных Apple, предоставляется без рекомендаций или одобрения.Apple не несет ответственности за выбор, работу или использование сторонних веб-сайтов или продуктов. Apple не делает никаких заявлений относительно точности или надежности сторонних веб-сайтов. Свяжитесь с продавцом для получения дополнительной информации.

Дата публикации: 28 января 2020 г.

кубов данных системы Земли раскрывают глобальную многомерную динамику

Adler, R.Ф., Хаффман, Г. Дж., Чанг, А., Ферраро, Р., Се, П.-П., Яновяк, Дж., Рудольф, Б., Шнайдер, У., Кертис, С., Болвин, Д., Грубер А., Сасскинд Дж., Аркин П. и Нелкин Э .: Глобальная климатология осадков, версия 2. Ежемесячный анализ осадков проекта (GPCP) (с 1979 г. по настоящее время), J. Гидрометеорология, 4, 1147–1167, https://doi.org/10.1175/1525-7541(2003)004<1147:TVGPCP>2.0.CO;2, 2003. a, b

Afonso, JC, Salajegheh, F., Szwillus, W., Ebbing , Дж., И Гайна, К.: А глобальная эталонная модель литосферы и верхней мантии на основе совместной инверсии и анализа множества наборов данных, Geophys.J. Int., 217, 1602–1628, https://doi.org/10.1093/gji/ggz094, 2019. a

Аппель, М. и Пебесма, Э .: Обработка кубов данных со спутников по запросу Коллекции изображений с библиотекой gdalcubes, Data, 4, 92, https://doi.org/10.3390/data4030092, 2019. a, b

Ариса-Поррас, К., Браво, Г., Вилламисар, М., Морено, А., Кастро, Х., Галиндо, Дж., Кабера, Э., Вальбуэна, С., Лозано, П .: CDCol: куб данных по геонаукам. который отвечает потребностям Колумбии, в: Advances in Computing, CCC 2017, Коммуникации в компьютерных и информационных науках, т.735, под редакцией: Солано, А. и Ордоньес, Х., Спрингер, Чам, 87–99, 2017. a

Асмарян С., Мурадян В., Тепаносян Г., Овсепян А., Сагателян А., Аццатрян Х., Григорян Х., Абрамян Р., Гигоз Ю., Джулиани Г .: Прокладывая путь к армянскому кубу данных, Data, 4, 117, 2019. a

Baldocchi, D .: Измерение потоков микрогазов и энергии между экосистемами и атмосфера — состояние и будущее метода вихревой ковариации, Global Change Biol., 20, 3600–3609, https: // doi.org / 10.1111 / gcb.12649, 2014. a

Бальзамо, Г., Агусти-Панареда, А., Альбергель, К., Ардуини, Г., Бельяарс, А., Бидло, Дж., Буссерес, Н., Бусетта, С., Браун, А., Бьюцца, Р., Буонтемпо, К., Шевалье, Ф., Чульга, М., Клок, Х., Кронин, М. Ф., Дахуи , М., Росней, П.Д., Дирмейер, П.А., Друш, М., Дутра, Э., Эк, МБ, Джентин, П., Хьюитт, Х., Кили, С.П., Керр, Ю., Кумар, С., Лупу, К., Махфуф, Ж.-Ф., Макнортон, Дж., Мекленбург, С., Могенсен, К., Муньос-Сабатер, Дж., Орт, Р., Рабье, Ф., Reichle, R., Ruston, B., Pappenberger, F., Sandu, I., Seneviratne, SI, Tietsche, S., Trigo, IF, Uijlenhoet, R., Wedi, N., Woolway, RI, and Zeng , X.: Спутниковые и натурные наблюдения для продвижения глобального моделирования поверхности Земли: Обзор, Дистанционное зондирование, 10, 2038, https://doi.org/10.3390/rs10122038, 2018. a

Baumann, P .: Dataacube манифест, доступный по адресу: https://external.opengeospatial.org/twiki_public/pub/CoveragesDWG/Datacubes/The-Datacube-Manifesto.pdf (последний доступ: 24 февраля 2020 г.), 2017 г.a

Бауманн, П., Демель, А., Фуртадо, П., Ритч, Р., и Видманн, Н.: Система многомерных баз данных RasDaMan, в: Proceedings of the 1998 ACM Международная конференция SIGMOD по управлению данными, SIGMOD ’98, ACM, New York, NY, USA, 575–577, https://doi.org/10.1145/276304.276386, 1998. a

Baumann, P., Mazzetti, P ., Ungar, J., Barbera, R., Barboni, D., Beccati, A., Bigagli, L., Boldrini, E., Bruno, R., Calanducci, A., Campalani, P., Clements, O ., Думитру А., Грант М., Херциг, П., Какалетрис, Г., Лакстон, Дж., Кольцида, П., Липскоч, К., Махдираджи, А.Р., Мантовани, С., Мертикариу, В., Мессина, А., Мисев, Д., Натали, С., Нативи, С., Остхук, Дж., Паппалардо, М., Пассмор, Дж., Росси, А. П., Рундо, Ф., Сен, М., Сорбера, В., Салливан, Д., Торриси М., Тровато Л., Верателли М. Г. и Вагнер С .: Аналитика больших данных для наук о Земле: подход EarthServer, Int. J. Digit. Земля, 9, 3–29, https://doi.org/10.1080/17538947.2014.1003106, 2016. a, b, c

Bergen, K.Дж., Джонсон, Пенсильвания, Маартен, В., и Бероза, GC: Машинное обучение для открытия на основе данных в твердой геонауке, Наука, 363, eaau0323, https://doi.org/10.1126/science.aau0323, 2019 . A, b, c

Безансон, Дж., Эдельман, А., Карпински, С., и Шах, В.: Джулия: новый подход к численным вычислениям, SIAM Rev., 59, 65–98, https: //doi.org/10.1137/141000671, 2017. a

Blessing, S. and Löw, A .: Руководство пользователя продукта QA4ECV-TIP-BHR-LAI / FAPAR, доступно по адресу: http: //www.qa4ecv-land.eu / docs / D4.6-PUG_all_20170210.pdf (последний доступ: 22 февраля 2020 г.), 2017. a, b, c

Bodesheim, P., Jung, M., Gans, F., Mahecha, MD, and Reichstein , М .: Увеличенные суточные циклы потоков земля – атмосфера: новый глобальный получасовой информационный продукт Earth Syst. Sci. Data, 10, 1327–1365, https://doi.org/10.5194/essd-10-1327-2018, 2018. a

Boers, N., Goswami, B., Rheinwalt, A., Bookhagen, B. , Хоскинс Б. и Куртс Дж .: Сложные сети показывают глобальную картину экстремальных дождей. телесвязи, Природа, 566, 373–377, https: // doi.org / 10.1038 / s41586-018-0872-x, 2019. a

Bojinski, S., Verstraete, M., Peterson, T.C., Richter, C., Simmons, A., and Земп, М .: Концепция основных климатических переменных в поддержку климата. исследовательские приложения и политика, B. Am. Meteorol. Soc., 95, 1431–1443, https://doi.org/10.1175/BAMS-D-13-00047.1, 2014. a

Bravo, G., Castro, H., Moreno, A., Ariza-Porras , C., Galindo, G., Cabrera, E., Valbuena, S., and Lozano-Rivera, P .: Архитектура куба данных Колумбии с использованием спутниковых изображений для экологических приложений, в: Colombian Conference on Computing, Springer, 227–241, доступно по адресу: https: // www.springerprofessional.de/en/architecture-for-a-colombian-data-cube-using-s satellite-imagery-f/14221178 (последний доступ: 22 февраля 2020 г.), 2017. a

Camastra, F. and Staiano, A. : Оценка внутренней размерности: Успехи и открытые проблемы, Информ. Sci., 328, 26–41, https://doi.org/10.1016/j.ins.2015.08.029, 2016. a, b

Кэмпс-Валлс, Г., Сейдинович, Д., Рунге, Дж. , и Райхштейн, М .: Перспектива. по гауссовским процессам наблюдения Земли, Нац. Sci. Rev., 6, 616–618, https: // doi.org / 10.1093 / nsr / nwz028, 2019. a

Кристиансен, Р. и Петерс, Дж .: Переключение моделей регрессии и причинный вывод в присутствии дискретных скрытых переменных, J. Mach. Учиться. Res., In press, 2020. a

Danne, O., Muller, J. P., Kharbouche, S., and Lattanzio, A .: Product User Guide for QA4ECV-albedo, доступно по адресу: http://www.qa4ecv-land.eu/docs/D4.6-PUG_all_20170210.pdf (последний доступ: 22 февраля 2020 г.), 2017. a, b

Дэвидсон Э. А. и Янссенс И. А. Температурная чувствительность углерода почвы разложение и обратная связь с изменением климата, Nature, 440, 165–173, https: // doi.org / 10.1038 / nature04514, 2006. a, b

Dee, DP, Uppala, SM, Simmons, AJ, Berrisford, P., Poli, P., Kobayashi, S., Andrae, U., Balmaseda, MA, Balsamo , Г., Бауэр, П., Бехтольд, П., Бельяарс, ACM, ван де Берг, Л., Бидло, Дж., Борман, Н., Делсол, К., Драгани, Р., Фуэнтес, М., Гир, А.Дж., Хаймбергер, Л., Хили, С.Б., Херсбах, Х., Хольм, Э.В., Исаксен, Л., Коллберг, П., Келер, М., Матрикарди, М., Макнелли, А.П., Монж-Санс, Б.М., Моркретт, Ж.-Дж., Парк, Б.-К., Пьюби, К., де Росне, П., Таволато, К., Тепо, Ж.-Н., и Витарт, Ф .: Реанализ ERA-Interim: конфигурация и производительность системы усвоения данных, К. Дж. Рой. Meteorol. Soc., 137, 553–597, https://doi.org/10.1002/qj.828, 2011. a

Диас, С., Сеттеле, Дж., Брондизио, Э., Нго, Х., Гез, М., Агард, Дж., Арнет, А., Балванера, П., Брауман, К., Бутчарт, С., Чан, К., Гарибальди, Л.А., Ичи, К., Лю, Дж., Субраманиан, С.М., Мидгли, Г.Ф., Милославич, П. ., Мольнар, З., Обура, Д., Пфафф, А., Polasky, S., Purvis, A., Razzaque, J., Reyers, B., Chowdhury, RR, Shin, Y.-J., Visseren-Hamakers, I., Willis, K., and Zayas, C. : Резюме для политиков отчета о глобальной оценке биоразнообразия и экосистемных услуг Межправительственной научно-политической платформы по биоразнообразию и экосистемным услугам, доступно по адресу: https://ipbes.net/global-assessment (последний доступ: 22 февраля 2020 г.), 2019. a

Дисней, М., Мюллер, Ж.-П., Харбуш, С., Камински, Т., Фоссбек, М., Льюис, П., и Пинти, Б.: Новый глобальный набор данных fAPAR и LAI, полученный из оптимальных оценок альбедо: сравнение с продуктами MODIS, дистанционное зондирование, 8, 275, https://doi.org/10.3390/rs8040275, 2016. a, b, c

Донгес, Дж. Ф., Цзоу, Й., Марван, Н. и Куртс, Дж .: Сложные сети в динамике климата. Сравнение линейных и нелинейных методов построения сети, Eur. Phys. J.-Spec. Top., 174, 157–179, https://doi.org/10.1140/epjst/e2009-01098-2, 2009. a

Dorigo, W., Wagner, W., Albergel, C., Альбрехт, Ф., Бальзамо, Г., Брокка, Л., Чанг, Д., Эртл, М., Форкель, М., Грубер, А., Хаас, Э., Хамер, П.Д., Хирши, М., Иконен, Дж., Де Же, Р., Кидд, Р., Лахоз, В., Лю, Й.Й, Мираллес, Д., Мистельбауэр, Т., Николай-Шоу, Н., Паринусса, Р., Пратола, К. ., Reimer, C., van der Schalie, R., Seneviratne, SI, Smolander, T., and Lecomte, P .: ESA CCI Soil Moisture for the Superior Earth System: State of the Art and Futurelines, Remote Sens. Environ., 203, 185–215, https://doi.org/10.1016 / j.rse.2017.07.001, 2017. a

Dorigo, WA, Wagner, W., Hohensinn, R., Hahn, S., Paulik, C., Xaver, A., Gruber, A., Drusch , М., Мекленбург, С., ван Овелен, П., Робок, А., и Джексон, Т .: Международная сеть по влажности почвы: средство размещения данных для глобальных измерений влажности почвы на месте, Hydrol. Earth Syst. Sci., 15, 1675–1698, https://doi.org/10.5194/hess-15-1675-2011, 2011. a

Докси-Уитфилд, Э., МакМанус, К., Адамо, С. Б., Пистолези, Л., Сквайрс, Дж., Борковская О., Баптиста С.Р .: Использование улучшенных доступность данных переписи: первый взгляд на населенность с привязкой к сетке мир, версия 4, Пап. Прил. Geogr., 1, 226–234, 2015. a

Duveiller, G. и Cescatti, A .: Пространственное уменьшение количества хлорофилла, индуцированного солнцем. флуоресценция приводит к улучшенной временной корреляции с общим первичным продуктивность, Remote Sens. Environ., 182, 72–89, https://doi.org/10.1016/j.rse.2016.04.027, 2016. a

Эммет Даффи, Дж., Годвин, К., и Кардинале, Б.: Влияние на биоразнообразие в дикие растения широко распространены и столь же сильны, как ключевые факторы продуктивности, Nature, 549, 261–264, https://doi.org/10.1038/nature23886, 2017. a

Айринг, В., Кокс, П., Флато, Г., Глеклер, П., Абрамовиц, Г., Колдуэлл, П. , Коллинз, В., Гиер, Б., Холл, А., Хоффман, Ф., Хертт, Г., Ян, А., Джонс, К., Кляйн, С., Крастинг, Дж., Квятковски, Л., Лоренц, Р., Мэлони, Э., Мил, Г., Пендерграсс А., Пинкус Р., Руан А., Рассел Дж., Сандерсон Б., Сантер, Б., Шервуд, С., Симпсон, И., Стоуфер, Р., и Уильямсон, М .: Принимая оценка климатических моделей на новый уровень, Нац. Клим. Change, 9, 102–110, https://doi.org/10.1038/s41558-018-0355-y, 2019. a, b

Flach, M., Gans, F., Brenning, A., Denzler, Дж., Райхштейн, М., Роднер, Э., Батиани, С., Бодесхайм, П., Гуанче, Ю., Сиппель, С., и Махеча, М.Д .: Обнаружение многомерных аномалий для наблюдений Земли: сравнение алгоритмы и методы извлечения признаков, Earth Syst. Динам., 8, 677–696, https: // doi.org / 10.5194 / esd-8-677-2017, 2017. a

Флорес, К., Эступиньян-Суарес, Л., Рохас, С., Апонте, К., Киньонес, М., Асеведо, О., Виларди , С., и Харамилло, У.: Identificación espacial de los sistemas de humedales continentales de Колумбия, Biota Colombiana, 17, 44–62, https://doi.org/10.21068/c2016s01a03, 2016. a

Fomferra, N: ESA Earth System Laboratory, доступно по адресу: https://github.com/esa -esdl, последний доступ: 21 февраля 2020 г.). a

Gans, F .: Окончательная версия бумажного кода Data cube, https: // doi.org / 10.5281 / zenodo.3670743, 2020. a

Гарсия-Паласиос, П., Гросс, Н., Гайтан, Дж., и Маэстре, Ф. Т .: Климат опосредует взаимосвязь между биоразнообразием и стабильностью экосистем во всем мире, P. Natl. Акад. Sci. USA, 115, 8400–8405, https://doi.org/10.1073/pnas.1800425115, 2018. a

Гебберт, С., Леппельт, Т., и Пебесма, Э .: Пространственно-временная карта на основе топологии алгебра для анализа больших данных, Data, 4, 86, https://doi.org/10.3390/data4020086, 2019. a

Ghent, D.: Проверка температуры поверхности земли и проверка алгоритмов.Отчет для Европейского космического агентства доступен по адресу: https://earth.esa.int/documents/700255/2411932/QC3_D4.1+Validation_Report_Issue_1A_20120416.pdf (последний доступ: 22 февраля 2020 г.), 2012. a

Giglio, L., Randerson, JT, and Werf, GR : Анализ суточных, ежемесячных и ежегодных выгоревших площадей с использованием глобальной базы данных по выбросам пожаров четвертого поколения (GFED4), J. Geophys. Рес.-Биогео., 118, 317–328, https://doi.org/10.1002/jgrg.20042, 2013. а, б

Джулиани Г., Шатену Б., Де Боно А., Родила, Д., Ричард, Ж.-П., Алленбах К., Дао Х. и Педуцци П .: Создание данных наблюдений за землей. куб: уроки, извлеченные из швейцарского куба данных (sdc) по созданию анализа готовые данные (ard), Big Earth Data, 1, 100–117, 2017. a

Джулиани, Г., Камара, Г., Киллоу, Б., и Минчин, С .: Наблюдение Земли открытая наука: Повышение воспроизводимости науки с использованием кубов данных, Data, 4, 147, https://doi.org/10.3390/data4040147, 2019. a, b

Gobron, N., Marioni, M., Cappucci, F., and Robustelli, M.: Руководство пользователя продукта для QA4ECV-DHR-FAPAR, доступно по адресу: http://www.qa4ecv-land.eu/docs/D4.6-PUG_all_20170210.pdf (последний доступ: 22 февраля 2020 г.), 2017 г. a

Горелик, Н., Ханчер, М., Диксон, М., Ильющенко, С., Тау, Д., и Мур, Р .: Google Earth Engine: геопространственный анализ в планетарном масштабе для всех, Remote Sens. Environ., 202, 18–27, https://doi.org/10.1016/j.rse.2017.06.031, 2017. a, b

Gruber, A., Dorigo, WA, Crow, W. , и Вагнер, В .: на основе тройного словосочетания Слияние спутниковых исследований влажности почвы, IEEE T.Geosci. Remote, 55, 6780–6792, https://doi.org/10.1109/TGRS.2017.2734070, 2017. a

Гуха-Сапир, Д. и Чекчи, Ф .: Наука и политика в отношении количества погибших в результате бедствий. BMJ, 362, https://doi.org/10.1136/bmj.k4005, 2018. a

Hardisty, A., Michener, W., Agosti, D., Alonso García, E., Bastin, L., Belbin , Л., Баузер, А., Буттиджиг, П., Канос, Д., Эглофф, В., Де Джованни, Р., Фигейра, Р., Грум, К., Гуралник, Р., Хоберн, Д., Хьюго, В., Куреас, Д., Джи, Л., Лос, В., Мануэль, Дж., Мансет, Д., Poelen, J., Saarenmaa, H., Schigel, D., Uhlir, P., and Kissling, W .: The Bari Manifesto: The Interoperability Framework for Essential Biodiversity Variables, Ecol. Информ., 49, 22–31, https://doi.org/10.1016/j.ecoinf.2018.11.003, 2019. a, b

Hashimoto, S., Carvalhais, N., Ito, A., Migliavacca , М., Нишина, К., и Райхштейн, М .: Глобальное пространственно-временное распределение почвенного дыхания. смоделировано с использованием глобальной базы данных Biogeosciences, 12, 4121–4132, https://doi.org/10.5194/bg-12-4121-2015, 2015.а

Холлманн, Р., Мерчант, К., Сондерс, Р., Дауни, К., Бухвиц, М., Казенав, A., Chuvieco, E., Defourny, P., De Leeuw, G., Forsberg, R., Holzer-Popp, T., Paul, F., Sandven, S., Sathyendranath, S., van Roozendael, M. ., и Вагнер, В .: Инициатива ЕКА по изменению климата: записи спутниковых данных для основных климатических переменных, B. Am. Meteorol. Soc., 94, 1541–1552, 2013. a

Holzer-Popp, T., de Leeuw, G., Griesfeller, J., Martynenko, D., Klüser, L., Bevan, S., Davies, W ., Ducos, Ф., Deuzé, JL, Graigner, RG, Heckel, A., von Hoyningen-Hüne, W., Kolmonen, P., Litvinov, P., North, P., Poulsen, CA, Ramon, D., Siddans, R. , Согачева, Л., Танре, Д., Томас, Г.Е., Вунтас, М., Деклойтрес, Дж., Грисфеллер, Дж., Кинн, С., Шульц, М., и Пиннок, С.: эксперименты по извлечению аэрозолей в проект ESA Aerosol_cci, Atmos. Измер. Tech., 6, 1919–1957, https://doi.org/10.5194/amt-6-1919-2013, 2013. a, b, c, d, e, f

Hsieh, W. W .: Методы машинного обучения в науках об окружающей среде: Neural сети и ядра, Издательство Кембриджского университета, Кембридж, 2009.a

Хаффман, Г. Дж., Адлер, Р. Ф., Болвин, Д. Т., и Гу, Г.: Улучшение глобального запись осадков: GPCP Версия 2.1, Geophys. Res. Lett., 36, L17808, https://doi.org/10.1029/2009GL040000, 2009. а, б

IPCC: Climate Change 2013: The Physical Science Basis, в: Вклад Рабочей группы I в Пятый оценочный отчет Межправительственной группы экспертов по изменению климата, под редакцией: Stocker, TF, Qin, D., Plattner, G.-K. , Тиньор, М., Аллен, С.К., Бошунг, Дж., Науэльс, А., Ся, Ю., Бекс, В., и Мидгли, П. М., Cambridge University Press, Кембридж, Великобритания и Нью-Йорк, Нью-Йорк, США, 1535 стр., 2013. a

МГЭИК :: Изменение климата 2014: Обобщающий доклад, в: Вклад рабочих групп I, II и III в Пятый оценочный доклад Межправительственной группы экспертов по изменению климата, под редакцией: Основная группа авторов, Пачаури, Р. К., и Мейер, Л. А., МГЭИК, Женева, Швейцария, 151 стр., 2014 г. a

Цзян К. и Рю Ю. продукты продуктивности и эвапотранспирации, полученные от Breathing Earth Системный симулятор (BESS), Remote Sens.Окружающая среда, 186, 528–547, https://doi.org/10.1016/j.rse.2016.08.030, 2016a. a

Цзян, К. и Рю, Ю.: Дистанционное зондирование окружающей среды. Многоуровневая оценка глобальной валовой первичной продуктивности и полученных продуктов эвапотранспирации. из Breathing Earth System Simulator (BESS), Remote Sens. Environ., 186, 528–547, https://doi.org/10.1016/j.rse.2016.08.030, 2016b. a

Юнг, М., Райхштейн, М., и Бондо, А .: На пути к глобальному эмпирическому апскейлингу наблюдений за вихревой ковариацией FLUXNET: проверка ансамбля модельного дерева с использованием модели биосферы, Biogeosciences, 6, 2001–2013, https : // doi.org / 10.5194 / bg-6-2001-2009, 2009. a

Jung, M., Koirala, S., Weber, U., Ichii, K., Gans, F., Camps-Valls, G., Papale Д., Швальм К., Трамонтана Г. и Райхштейн М .: Ансамбль глобальных потоков энергии суша-атмосфера FLUXCOM, Scient. Данные, 6, 74, https://doi.org/10.1038/s41597-019-0076-8, 2019. а, б

Карбаускайте, Р., Дземида, Г.: Фрактальные методы как метод Оценка внутренней размерности многомерных данных: обзор, Informatica, 27, 257–281, 2016.a

Карпатне А., Эберт-Упхофф И., Равела С., Бабайе Х. А. и Кумар В .: Машинное обучение для наук о Земле: проблемы и возможности, IEEE Т. Ноул. Data Eng., 31, 1544–1554, https://doi.org/10.1109/TKDE.2018.2861006, 2018. a, b

Киршбаум М. У. Ф .: Температурная зависимость органического вещества почвы. разложение и влияние глобального потепления на хранение органического углерода в почве, Soil Biol. Biochem., 27, 753–760, https://doi.org/10.1016/0038-0717(94)00242-S, 1995. a

Кремер, Г., Reichstein, M., and Mahecha, M.D .: dimRed и coRanking — Unifying Dimensionality Reduction в R, R J., 10, 342–358, 2018. a

Kraemer, G., Camps-Valls, G. , Райхштейн, М., и Махеха, доктор медицины: Обобщая состояние земной биосферы в нескольких измерениях, Biogeosciences Discuss., Https://doi.org/10.5194/bg-2019-307, в обзоре, 2019. a, b

Крич, К., Рунге, Дж., Мираллес, Д.Г., Мильявакка, М., Перес-Приего, О., Эль-Мадани, Т., Каррара, А., и Махеча, Д.Д .: Причинные сети биосферы– взаимодействие атмосферы, Биогеонауки Обсудить., https://doi.org/10.5194/bg-2019-297, принято, 2019. a

Ли, Дж. А., Верлейсен, М .: Снижение нелинейной размерности, Springer, Гейдельберг, Берлин, Нью-Йорк, 2007. a

Леро, К., Ван Розендаль, М., Сперр, Р., Лойола, Д., Колдевей-Эгберс, М., Коченова, С., Гент, Дж., Кукули, М., Балис, Д., Ламберт, Ж.-К., Гранвиль, Дж. И Зенер, Ч .: Гомогенизированные записи данных по общему озону из европейских стран. датчики GOME / ERS-2, SCIAMACHY / Envisat и GOME-2 / MetOp-A, J. Geophys. Res.-Atmos., 119, 1639–1662, https://doi.org/10.1002/2013JD020831, 2014. a, b

Льюис, А., Оливер, С., Лаймбернер, Л., Эванс, Б., Вайборн, Л. , Мюллер, Н., Раевкси, Г., Гук, Дж., Вудкок, Р., Сиксмит, Дж., Ву, В., Тан, П., Ли, Ф., Киллоу, Б., Минчин, С., Робертс, Д., Эйерс, Д., Бала, Б., Дуайер, Дж., Деккер, А., Зу, Т., Хикс, А., Ип, А., Перс, М., Ричардс, К., Сагар, С., Тренхэм, К., Ван, П., и Ван, Л.-У .: Австралийский куб данных по геонаукам. — Основы и извлеченные уроки, Remote Sens.Environ., 202, 276–292, https://doi.org/10.1016/j.rse.2017.03.015, 2017. a, b, c, d

Льюис, П., Гуантер, Л., Салдана, Г.Л., Мюллер, Дж., Уотсон, Г., Шейн, Н., Кеннеди, Т., Фишер, Дж., Доменек, К., Преускер, Р., Норт, П., Хекель, А., Данне, О., Кремер, У., Цюльке, М., Фомферра, Н., Брокманн, К., Шааф, К .: Проект ESA globAlbedo: алгоритм, в: Международный симпозиум IEEE по геонауке и дистанционному зондированию, 2012 г., 22 –27 июля 2012 г., Мюнхен, 5745–5748, https://doi.org/10.1109/IGARSS.2012. 6352306, 2012. a, b, c, d

Linscheid, N., Estupinan-Suarez, LM, Brenning, A., Carvalhais, N., Cremer, F., Gans, F., Rammig, A., Reichstein , М., Сьерра, Калифорния, и Махеча, Мэриленд: На пути к глобальному пониманию динамики растительности и климата в различных временных масштабах, Biogeosciences, 17, 945–962, https://doi.org/10.5194/bg-17-945- 2020, 2020. a, b, c

Лю Ю., Дориго В., Паринусса Р., де Жеу Р., Вагнер В., МакКейб М., Эванс Дж. И ван Дейк , A .: Сохраняющее тенденцию сочетание пассивного и активного микроволновое извлечение влажности почвы, Дистанционное зондирование окружающей среды, 123, 280–297, https: // doi.org / 10.1016 / j.rse.2012.03.014, 2012. a

Лондоньо, М. К., Белло, К., Веласкес, Дж., Норден, Н., Ортис, К., Гонсалес И., Лопес Д., Гутьеррес К., Олайя Х. и Сааведра К .: Documento Técnico: Componente Biótico Mapa de Ecosistemas Continentales, Marinos y Costeros de Colombia, Escala 1: 100 000, Tech. представитель, Instituto de Investigación de Recursos Biológicos Александр фон Гумбольдт, Богота, округ Колумбия, 2017. a

Лу М., Аппель М. и Пебесма Э .: Многомерные массивы для анализа Геонаучные данные, ISPRS Int.J. Geo-Inform., 7, 313, https://doi.org/10.3390/ijgi7080313, 2018. a, b, c

Luo, YQ, Randerson, JT, Abramowitz, G., Bacour, C., Блит, Э., Карвалейс, Н., Киаис, П., Далмонеч, Д., Фишер, Дж. Б., Фишер, Р., Фридлингштейн, П., Хиббард, К., Хоффман, Ф., Ханцингер, Д., Джонс, К. Д., Ковен, К., Лоуренс, Д., Ли, Д. Дж., Махеча, М., Ниу, С. Л., Норби, Р., Пиао, С. Л., Ци, X., Пейлин, П., Прентис, И. К., Райли, В., Райхштейн, М., Швальм, К., Ван, Ю. П., Ся, Дж. Й., Зейле, С., и Чжоу, X.H .: Основа для сравнительного анализа моделей земли, Biogeosciences, 9, 3857–3874, https://doi.org/10.5194/bg-9-3857-2012, 2012. а, б

Луоджус К., Пуллиайнен Дж., Такала М., Дерксен К., Ротт Х., Наглер Т., Сольберг, Р., Висманн, А., Метсямяки, С., Малнес, Э., и Бойков, Б .: ESA Due Globsnow — Глобальная база данных по снегу для исследования климата, 2010 г. a, b

MADR-UPRA: Общая идентификация агриколы в Колумбии, Ministerio de Agricultura y Desarrollo Rural Agropecuario — Unidad de Planificación Rural Agropecuaria, Tech.представитель, Ministerio de Agricultura y Desarrollo Rural Agropecuario — Unidad de Planificación Rural, Богота, округ Колумбия, 2017. a

Mahecha, M.D., Fürst, L.M., Gobron, N., and Lange, H .: Identifying множественные пространственно-временные паттерны: уточненный взгляд на фотосинтетическую активность суши, Pattern Recog. Lett., 31, 2309–2317, https://doi.org/10.1016/j.patrec.2010.06.021, 2010a. a, b

Махеха, М. Д., Райхштейн, М., Карвалье, Н., Ласслоп, Г., Ланге, Х., Сеневиратне С.И., Варгас Р., Амманн, К., Арейн, М.А., Ческатти, А., Янссенс И.А., Мильявакка М., Монтаньяни Л. и Ричардсон А.Д .: Глобальная конвергенция температурной чувствительности дыхания в экосистеме level, Science, 329, 838–840, https://doi.org/10.1126/science.1189587, 2010b. а, б, в

Mahecha, MD, Reichstein, M., Carvalhais, N., and Jung, M .: Инициатива FRINGES – Frascati по глобальному эмпирическому анализу биосферы в системе Земля, iLEAPS Newslett., 11, 40–41, 2011. a

Махеча, М.Д., Ганс, Ф., Сиппель, С., Донгес, Дж. Ф., Камински, Т., Мецгер, С., Мильявакка, М., Папале, Д., Раммиг, А., и Цшайшлер, Дж .: Обнаружение воздействие экстремальных явлений с помощью сетей экологического мониторинга на местах, Biogeosciences, 14, 4255–4277, https://doi.org/10.5194/bg-14-4255-2017, 2017. a

Mahecha, MD, Guha-Sapir, D., Smits, J., Gans, F., and Kraemer, G .: Проблемы с данными ограничивают наше глобальное понимание гуманитарных катастроф, вызванных экстремальными климатическими явлениями, в: Экстремальные климатические явления и их последствия для воздействия и оценка рисков, под редакцией: Силлманн, Дж., Sippel, S., and Russo, S., Elsevier, Amsterdam, 2019. a

Martens, B., Miralles, D. G., Lievens, H., van der Schalie, R., de Jeu, R. А. М., Фернандес-Прието, Д., Бек, Х. Э., Дориго, В. А., и Верхоест, Н. E.C .: GLEAM v3: спутниковые данные о испарении с земли и влажности почвы в корневой зоне, Geosci. Model Dev., 10, 1903–1925, https://doi.org/10.5194/gmd-10-1903-2017, 2017. a, b, c, d, e, f, g, h, i, j, k, l

Mathieu, P., Borgeaud, M., Desnos, Y., Rast, M., Brockmann, C., See, L., Капур, Р., Махеча, М., Бенц, У. и Фриц, С .: Открытая научная программа ЕКА по наблюдению за Землей [космические агентства], IEEE Geosci. Remote Sens. Mag., 5, 86–96, https://doi.org/10.1109/MGRS.2017.2688704, 2017. a

Metsämäki, S., Pulliainen, J., Salminen, M., Luojus, K. , Висманн, А., Сольберг, Р., Бёттчер, К., Хилтунен, М., и Риппер, Э .: Введение в продукты GlobSnow Snow Extent с учетом соображений по оценке точности, Remote Sens. Environ., 156, 96–108, https://doi.org/10.1016/j.rse.2014.09.018, 2015. a

Migliavacca, M., Reichstein, M., Richardson, A., Mahecha, M., Cremonese, E., Дельпьер, Н., Гальваньо, М., Лоу, Б., Вольфарт, Г., Эндрю Блэк, Т., Карвалейс, Н., Чекерини, Г., Чен, Дж., Гоброн, Н., Коффи, Э., Уильям Мунгер, Дж., Перес-Приего, О., Робустелли, М., Томеллери, Э., и Ческатти, А .: Влияние физиологической фенологии на сезонный характер экосистемное дыхание в лиственных лесах, Global Change Biol., 21, 363–376, https://doi.org/10.1111/gcb.12671, 2015. a

Милославич, П., Бакс, Н. Дж., Симмонс, С. Э., Кляйн, Э., Аппельтанс, В., Абурто-Оропеза, О., Андерсен Гарсия, М., Баттен, С. Д., Бенедетти-Чекки, Л., Чекли-младший, Д. М., Чиба, С., Даффи, Дж. Э., Данн, Д. К., Фишер, А., Ганн, Дж., Кудела, Р., Марсак, Ф., Мюллер-Каргер, Ф. Э., Обура, Д., и Шин, Й.-Дж .: Важнейшие переменные океана для глобальных устойчивых наблюдений за биоразнообразием и изменения экосистем, Global Change Biol., 24, 2416–2433, https://doi.org/10.1111/gcb.14108, 2018.a

Мираллес, Д. Г., Холмс, Т. Р. Х., Де Же, Р. А. М., Гаш, Дж. Х., Мистерс, А. Г. С. А. и Долман, А. Дж .: Глобальное испарение с поверхности суши, оцененное по данным спутниковых наблюдений, Hydrol. Earth Syst. Sci., 15, 453–469, https://doi.org/10.5194/hess-15-453-2011, 2011. a, b, c, d, e, f, g, h, i, j, k

Mjolsness, E. and DeCoste, D .: Machine Learning for Science: State of the Art и будущие перспективы, наука, 293, 2051–2055, https://doi.org/10.1126/science.293.5537.2051, 2001.a

Musavi, T., Mahecha, MD, Migliavacca, M., Reichstein, M., van de Weg, MJ, van Bodegom, P., Bahn, M., Wirth, C., Reich, P., Schrodt , Ф. и Каттге, Дж .: Влияние растений на функционирование экосистемы: подход, основанный на данных, Int. J. Appl. Earth Obs. Geoinform., 43, 119–131, https://doi.org/10.1016/j.jag.2015.05.009, 2015. a

Nativi, S., Mazzetti, P., and Craglia, M .: A view модель куба данных для поддержка взаимодействия систем больших данных о Земле, Big Earth Data, 1, 75–99, https: // doi.org / 10.1080 / 20964471.2017.1404232, 2017. а, б, в

Перл, Дж .: Причинная связь: модели, рассуждения и умозаключения, 2-е изд., Cambridge University Press, Нью-Йорк, США, 2009. a

Пебесма, Э. и Аппель, М .: Интерактивный комментарий к «Кубам данных земной системы. распутать глобальную многомерную динамику »Мигеля Д. Махеча и др., Земля Syst. Dynam. Обсудить., Https://doi.org/10.5194/esd-2019-62-SC1, 2019. a

Перейра, Х. М., Ферриер, С., Уолтерс, М., Геллер, Г. Н., Йонгман, Р. Х. Г., Скоулз, Р.Дж., Бруфорд, М. В., Браммит, Н., Бутчарт, Ш. М., Кардосо, А. С., Купс, Северная Каролина, Дуллоо, Э., Фейт, Д. П., Фрейхоф, Дж., Грегори, Р. Д., Хейп, К., Хёфт, Р. ., Hurtt, G., Jetz, W., Karp, DS, McGeoch, MA, Obura, D., Onoda, Y., Pettorelli, N., Reyers, B., Sayre, R., Scharlemann, J. П. В., Стюарт, С. Н., Турак, Э., Уолпол, М., и Вегманн, М.: Essential Переменные биоразнообразия, Наука, 339, 277–278, https://doi.org/10.1126/science.1229931, 2013. a, b

Перкель, Дж. М .: Джулия: приходи за синтаксисом, оставайся за скоростью, Nature, 572, 141–142, 2019.а

Петерс Дж., Янцинг Д. и Шёлкопф Б. Элементы причинного вывода: Основы и алгоритмы обучения, MIT Press, Кембридж, Массачусетс, США, 2017. a

Пфайфер М., Дисней М., Куайф Т. и Марчант Р .: Наземные экосистемы. из космоса: обзор продуктов наблюдения Земли для приложений макроэкологии, Global Ecol. Биогеогр., 21, 603–624, https://doi.org/10.1111/j.1466-8238.2011.00712.x, 2012. a

Пинти, Б., Лаверн, Т., Дикинсон, Р. Э., Видловски, Дж.-Л., Гоброн, Н., и Verstraete, M. M .: Упрощение взаимодействия поверхности земли с излучением для связи продуктов дистанционного зондирования с климатическими моделями, J. Geophys. Res.-Atmos., 111, D02116, https://doi.org/10.1029/2005JD005952, 2006. a, b, c

Racault, M.-F., Quéré, CL, Buitenhuis, E., Sathyendranath, С., Платт Т .: Фенология фитопланктона в Мировом океане, Ecol. Индикат., 14, 152–163, https://doi.org/10.1016/j.ecolind. 2011.07.010, 2012. a

Рейхштайн, М. и Бир, К.: Дыхание почвы в разных масштабах: важность интеграции модели и данных для интерпретации данных, J. Plant Nutr. Почвоведение, 171, 344–354, https://doi.org/10.1002/jpln.200700075, 2008. а, б

Reichstein, M., Bahn, M., Mahecha, M.D., Jung, M., Kattge, J., and Baldocchi, D.D .: О взаимосвязи функциональной биогеографии растений и экосистем, P. Natl. Акад. Sci. США, 111, 13697–13702, 2014. a

Райхштейн, М., Кэмпс-Валлс, Г., Стивенс, Б., Юнг, М., Дензлер, Дж. Н. К., и Прабхат: глубокое обучение и понимание процессов для Земли, управляемой данными Системология, Природа, 4, 195–204, 2019.а, б

Рокстрём, Дж., Штеффен, В., Нун, К., Перссон, А., Чапин, Ф., Ламбин, Э., Лентон, Т., Шеффер, М., Фолке, К., Шелльнхубер, Х., Нюквист, Дж., Де Вит, Калифорния, Хьюз, Т., ван дер Леу, С., Родх, Х., Сёрлин, С., Снайдер, PKRC, Сведин, У., Фалькенмарк, М., Карлберг, Л., Корелл, Р.В., Фабри, В.Дж., Хансен, Дж., Уокер, Б., Ливерман, Д., Ричардсон, К., Крутцен, П. ., и Фоли, JA: Безопасное рабочее пространство для человечества, Nature, 461, 472–475, 2009. a

Runge, J., Bathiany, S., Болл, Э., Кэмпс-Валлс, Г., Куму, Д., Дейл, Э., Глимур, К., Кречмер, М., Махеча, М., Муньос-Мари, Дж., Нес, Э. В., Петерс, Дж., Квакс, Р., Райхштейн, М., Шеффер, М., Шелькопф, Б., Спиртес, П., Сугихара, Г., Сан, Дж., Чжан, К., и Цшайшлер, Дж.: Вывод причинно-следственной связи из временных рядов в науках о системе Земли, Нац. Commun., 10, 2553, г. https://doi.org/10.1038/s41467-019-10105-3, 2019. a

Ryu, Y., Baldocchi, DD, Kobayashi, H., Van Ingen, C., Li, J., Black, Т.А., Берингер, Дж., Ван Горсель, Э., Кноль, А., Лоу, Б. Э., и Рупсар, О.: Интеграция продуктов MODIS, связанных с землей и атмосферой, с помощью сопряженного процесса. модель для оценки валовой первичной продуктивности и суммарного испарения от 1 км до глобального масштаба, Global Biogeochem. Cy., 25, 1–24, https://doi.org/10.1029/2011GB004053, 2011. a

Ryu, Y., Jiang, C., Kobayashi, H., and Detto, M: глобальная земля на основе MODIS продукты коротковолнового излучения и диффузного и полного фотосинтетического активное излучение с разрешением 5 км с 2000 г., Remote Sens.Environ., 204, 812–825, https://doi.org/10.1016/j.rse.2017.09.021, 2018. a, b

Sampson, DA, Janssens, IA, Curiel Yuste, J., and Ceulemans , Р .: Базальный скорость дыхания почвы коррелирует с фотосинтезом в смешанном умеренный лес, Global Change Biol., 13, 2008–2017, https://doi.org/10.1111/j.1365-2486.2007.01414.x, 2007. a

Schellnhuber, H.J .: Анализ «земной системы» и второй метод Коперника. революция, Природа, 402, 402, C19 – C23, https://doi.org/10.1038/35011515, 1999.а

Шимел, Д., Хиббард, К., Коста, Д., Кокс, П., и ван дер Леу, С .: Анализ, интеграция и моделирование земной системы (AIMES): продвижение постдисциплинарное понимание взаимосвязанной динамики человека и окружающей среды в Anthropocene, Anthropocene, 12, 99–106, 2015. a

Schneider, N., Schröder, M., Lindstrot, R., Preusker, R., Stengel, M., and Consortium, EDG: ESA DUE GlobVapour water steam продукты: Валидация, AIP Conf. Proc., 1531, 484–487, https://doi.org/10.1063 / 1.4804812, 2013. a, b

Schröder, M., Lindstrot, R., and Stengel, M .: Общий объем водяного пара в столбе из SSM / I и MERIS при 0,5 ^∘ — Ежедневные композиты / Средние за месяц, Deutscher Wetterdienst (DWD), Freie Universität Berlin (FUB) и Европейское космическое агентство (ESA), https://doi.org/10.5676/DFE/WV_COMB/FP, 2012. a, b

Schwartz, MD: Green-wave фенология, Природа, 394, 839–840, https://doi.org/10.1038/29670, 1998. a

Шен, К., Лалой, Э., Эльшорбади, А., Альберт, А., Бейлс, Дж., Чанг, Ф.-Дж., Гангули С., Сюй К.-Л., Кифер Д., Фанг, З., Фанг, К., Ли, Д., Ли, X. и Цай, W.-P .: Мнения HESS: Инкубация гидрологических исследований на основе глубокого обучения наука развивается как сообщество, Hydrol. Earth Syst. Sci., 22, 5639–5656, https://doi.org/10.5194/hess-22-5639-2018, 2018. a

Сьерра, К. А., Махеча, М. Д., Поведа, Г., Альварес-Давила, Э., Гутиеррес-Велес, В. Х., Реу, Б., Фейльхауэр, Х., Анайя, Дж., Арментерас, Д., Бенавидес, А. М., Буэндиа, К., Дуке, А., Эступиньян-Суарес, Л.М., Гонсалес, К., Гонсалес-Каро, С., Хименес, Р., Кремер, Г., Лондоньо, М. К., Оррего, С. А., Посада, Дж. М., Руис-Карраскаль, Д., и Сковронек, С.: Мониторинг экологических изменений во время быстрых социально-экономических и политических переходы: экосистемы Колумбии в постконфликтную эпоху, Environ. Sci. Policy, 76, 40–49, 2017. a

Sippel, S., Lange, H., Mahecha, MD, Hauhs, M., Bodesheim, P., Kaminski, T., Gans, F., and Rosso, OA: Диагностика динамики наблюдаемой и смоделированной валовой первичной продуктивности экосистемы с помощью кванторов теории причинно-следственной информации во времени, PloS One, 11, e0164960, https: // doi.org / 10.1371 / journal.pone.0164960, 2016. a

Скидмор, А., Петторелли, Н., Купс, Н. К., Геллер, Г. Н., Хансен, М., Лукас, Р., Мюхер, К. А., О’Коннор, Б., Паганини, М., Перейра, Х. М., Шепман, М.Э., Тернер, В., Ван, Т., и Вегманн, М .: Наука об окружающей среде: Согласен. показатели биоразнообразия для отслеживания из космоса, Nature, 523, 403–405, 2015. a, b

Смитс, Дж. и Перманьер, И.: Дескриптор данных: субнациональная база данных о человеческом развитии, Scient. Data, 6, 1

Штеффен, В., Ричардсон, К., Рокстрём, Дж., Корнелл, С. Э., Фетцер, И., Беннетт, Э.М., Биггс, Р., Карпентер, С.Р., де Фрис, В., де Вит, К.А., Фолке, К., Гертен, Д., Хейнке, Дж., Мейс, Г. М., Перссон, Л. М., Раманатан, В., Рейерс, Б., и Сёрлин, С.: Планетарные границы: руководство человека. развитие на изменяющейся планете, Science, 347, 1259855, https://doi.org/10.1126/science.1259855, 2015. a

Stonebraker, M., Brown, P., Zhang, D., and Becla, J .: SciDB: База данных Система управления приложениями со сложной аналитикой, вычисл. Sci. Eng., 15, 54–62, https://doi.org/10.1109/MCSE.2013.19, 2013. a

Сторч, Х. В. и Цвиерс, Ф. У .: Статистический анализ в исследованиях климата, Cambridge University Press, Кембридж, https://doi.org/10.1017/CBO9780511612336, 1999. a, b

Sudmanns, M., Tiede, D., Lang, S., Bergstedt, H., Trost, G., Августин, Х., Баральди, А., Блашке, Т .: Данные Большой Земли: разрушительные изменения на Земле управление и анализ данных наблюдений ?, Int.J. Digit. Земля, https://doi.org/10.1080/17538947.2019.1585976, в печати, 2019. a, b

Tramontana, G., Jung, M., Schwalm, CR, Ichii, K., Camps-Valls, G ., Радули, Б., Райхштейн, М., Арейн, М.А., Ческатти, А., Кили, Г., Мербольд, Л., Серрано-Ортис, П., Сикерт, С., Вольф, С., и Папале , D .: Прогнозирование потоков углекислого газа и энергии на глобальных сайтах FLUXNET с помощью алгоритмов регрессии, Biogeosciences, 13, 4291–4313, https://doi.org/10.5194/bg-13-4291-2016, 2016. a, b, в, г, д, е

ван дер Маатен, Л.Дж. П., Постма, Э. О., и ван ден Херик, Х. Дж .: Снижение размерности: сравнительный обзор, J. Mach. Учиться. Res., 10, 1–41, 2009. a

van der Werf, G. R., Randerson, J. T., Giglio, L., van Leeuwen, T. T., Chen, Ю., Роджерс, Б. М., Му, М., ван Марл, М. Дж. Э., Мортон, Д. К., Коллатц, Г. Дж., Йокельсон, Р. Дж., И Касибхатла, П. С.: оценки выбросов от пожаров в мире в 1997–2016 гг., Earth Syst. Sci. Data, 9, 697–720, https://doi.org/10.5194/essd-9-697-2017, 2017. a

Van Roozendael, M., Сперр, Р., Лойола, Д., Леро, К., Балис, Д., Ламберт, J.-C., Zimmer, W., Gent, J., Geffen, J., Koukouli, M., Granville, J., Doicu, А., Файт, К., и Зенер, Ч .: Данные GOME / ERS-2 по общему содержанию озона за шестнадцать лет: Новый процессор данных GOME (GDP) версии 5 с прямым подключением — Алгоритм описание, J. Geophys. Res.-Atmos., 117, D03305, https://doi.org/10.1029/2011JD016471, 2012. a, b

Ван, Ю., Сонг, К., Ю, Л., Ми, З., Ван, С., Цзэн, Х., Фанг, К., Ли, Дж., И Он, Ж.-С .: Сходимость температурной чувствительности дыхания почвы: Данные с тибетских альпийских лугов, Soil Biol.Biochem., 122, 50–59, 2018. a

Wang-Erlandsson, L., Fetzer, I., Keys, PW, van der Ent, RJ, Savenije, HHG, and Gordon, LJ: Воздействие удаленного землепользования на река протекает через атмосферные телесвязи, Hydrol. Earth Syst. Sci., 22, 4311–4328, https://doi.org/10.5194/hess-22-4311-2018, 2018. a

Wilkinson, M., Dumontier, M., Aalbersberg, I., Appleton, G ., Акстон, М., Баак, А., Бломберг, Н., Бойтен, Ж.-В., да Силва Сантос, Л., Борн, П., Боуман, Дж., Брукс, А., Кларк, Т., Кросас, М., Дилло, И., Дюмон, О., Эдмундс, С., Эвело, К., Финкерс, Р., Гонсалес-Бельтран, А., Грей, А., Грот, П., Гобл, К., Грет, Дж., Геринга, Дж., Т Хоэн, П., Хоофт, Р., Кун, Т., Кок, Р., Кок, Дж., Лушер, С., Мартоне, М., Монс, А., Пакер, А., Перссон, Б., Рокка-Серра, П., Роос, М., ван Шайк, Р., Сансон, С.-А., Шультес, Э., Сенгстаг, Т., Слейтер, Т., Strawn, G., Swertz, M., Thompson, M., Van Der Lei, J., Van Mulligen, E., Велтероп, Дж., Ваагмеестер, А., Виттенбург, П., Вольстенкрофт, К., Чжао, Дж., и Монс, Б.: Комментарий: Справедливые руководящие принципы для научных данных. менеджмент и руководство, науч. Data, 3, 160018, https://doi.org/10.1038/sdata.2016.18, 2016. a

Уилсон, А. М. и Джетц, В.: Глобальное облако высокого разрешения с дистанционным зондированием Динамика для прогнозирования распространения экосистем и биоразнообразия, PLoS Biol., 14, e1002415, https://doi.org/10.1371/journal.pbio.1002415, 2016. a

Wingate, L., Ogée, J., Cremonese, E., Filippa, G., Mizunuma, T., Migliavacca, M., Moisy, C., Wilkinson, M., Moureaux, C., Wohlfahrt, G., Hammerle, A., Hörtnagl, L., Gimeno, C., Porcar-Castell, A., Galvagno, M., Nakaji, T., Morison, J., Kolle, O., Knohl, A., Kutsch, W., Kolari, P., Nikinmaa, E., Ibrom, A., Gielen, B., Eugster, W., Balzarolo, M., Papale, Д., Клумпп, К., Кёстнер, Б., Грюнвальд, Т., Йоффр, Р., Урцивал, Ж.-М., Хеллстрем, М., Линдрот, А., Джордж, К., Лонгдоз, Б. , Дженти, Б., Левула, Дж., Хайнеш, Б., Спринцин, М., Якир, Д., Манис, Т., Гийон, Д., Арендс, Х., Плаза-Агилар, А., Гуан, Дж. Х. и Грейс, Дж .: Интерпретация развития и физиологии растительного покрова с использованием европейской сети фенологических камер на сайтах потоков, Biogeosciences, 12, 5995–6015, https://doi.org/10.5194/bg-12-5995- 2015, 2015. a

Trusted Data Services for Global Science

A

Прошел почти год с тех пор, как Алиса Фреманд (Центр полярных данных Великобритании, Британская антарктическая служба) и я выполнили свои роли сопредседателей Сети ранних исследователей и ученых WDS (Сеть WDS-ECR).Размышляя о трех годах нашей работы в этой должности, нам удалось достичь того, что мы намеревались сделать: заложить основу для разнообразной и отзывчивой сети, которая создает возможности для членов WDS-ECR для продвижения своего карьерного роста и видимости. Вместе и при начальной помощи Ивана Пышнограева (КПИ им. Игоря Сикорского, Украина) мы реализовали следующие ключевые инициативы:

— Разработал Устав сети, чтобы сообщать и обеспечивать обратную связь по нашей миссии и целям, а также руководить реализацией мероприятий по взаимодействию.
— Разработал сайт сети ECR как часть сайта WDS. На веб-сайте публикуются сведения о предстоящих мероприятиях, сетевых мероприятиях, отчетах и ​​обучающих материалах, чтобы наши члены были информированы и активны.
— Организованные мероприятия для повышения осведомленности о Сети, демонстрации работы наших членов и поощрения новых членов.
— Повышение осведомленности об исследованиях наших участников и возможностях для наших участников с помощью информационного бюллетеня, выходящего два раза в год, и благодаря запуску наших вебинаров Speaker Series.
— Создал учебные материалы и курсы для усиления знаний в области управления данными исследований (RDM).Это включало учебный семинар RDM 2019, разработанный в сотрудничестве с Научным комитетом WDS (WDS-SC).

Я впервые услышал о тогдашнем Международном совете по науке — Мировая система данных в 2017 году, когда коллега из моего работодателя, Science Systems and Applications, Inc., поделился объявлением о призыве присоединиться к формирующейся сети WDS Network of Early Career Research and Молодые ученые ». В то время Сеть насчитывала всего 14 членов, и WDS не только искал людей, чтобы присоединиться к Сети, но и продвигать ее вперед и выступать в качестве «послов WDS», чтобы возглавить инициативу.Что вызвало у меня интерес к этому призыву, так это то, что работа WDS, «чтобы критически важная информация, используемая для управления ресурсами Земли, была доступна ученым и политикам», согласовывалась с моей собственной работой в Национальном управлении по аэронавтике и исследованию космического пространства США ( НАСА).

Как координатор приложений в Центре космических полетов имени Годдарда НАСА, я работаю над тем, чтобы пользователи спутниковых данных — за пределами научно-исследовательского сообщества — знали о свободно доступных продуктах данных из систем наблюдения Земли НАСА.Одна из моих ключевых обязанностей — облегчить общение между учеными миссии и сообществом пользователей данных, чтобы прояснить не только функциональность продуктов данных, но и их полезность для эффективного информирования социально значимых приложений. Таким образом, я считал естественным участие в WDS, и я был рад сотрудничать в руководстве усилиями по продвижению сети ECR.

Как это часто бывает, когда вы становитесь волонтером, вы получаете от этого столько или больше, чем то, что вы вносите.Благодаря моей роли сопредседателя я получил возможность продемонстрировать свои исследования, расширить свою сеть и использовать усилия сети WDS-ECR для улучшения моей работы в NASA Goddard. Например, в 2019 году меня пригласил Алекс де Щербинин, ныне председатель Научного комитета WDS и заместитель директора Центра социально-экономических данных и приложений (SEDAC), для выступления на июньском заседании рабочей группы пользователей SEDAC по техническому обмену. Эта ценная возможность позволила мне выступить с докладом « Вклад для команд миссий из сообществ социальных наук и прикладных программ», и описать свою работу в миссии «Спутник-2 для измерения льда, облаков и суши» (ICESat-2).В начале этого года, в 2021 году, я также сотрудничал с Центром распределенного активного архива Национального центра данных по снегу и льду НАСА (NSIDC DAAC), который распространяет и архивирует данные ICESat-2, участвуя во втором семинаре по управлению научными данными в Латинской Америке и Карибском бассейне. . В этом случае у меня была возможность выделить нашу работу для ICESat-2 и включить представителей NSIDC DAAC в панель по управлению научными данными в здравоохранении и окружающей среде.

После года многих трудностей во всем мире из-за пандемии я счастлив поразмышлять о прекрасном опыте сопредседательства в сети WDS-ECR, а также о многочисленных связях и дружбе, построенных на этом пути.Я особенно благодарен Международному программному офису WDS и WDS-SC за их инициативу по обеспечению того, чтобы голоса ECR были услышаны. Я с нетерпением жду возможности сотрудничества с нашими новыми сопредседателями в продолжении развития Сети, теперь я являюсь членом Консультативного совета сети ECR. Наконец, я призываю вас подумать об участии в WDS и ECR Network! Есть много ключевых аспектов RDM, в которых мы все могли бы извлечь пользу, узнав о вашем вкладе. Моя была «Научный перевод и общественная польза».Что твое?

A

Наблюдения за Землей (EO) — это фундаментальные ресурсы данных, которые имеют много важных приложений. Национальный центр данных наблюдений за Землей (NODA) и сеть обмена данными ChinaGEOSS совместно выпустили двухгодичный Отчет о ресурсах данных наблюдений за Землей в Китае (2019), используя данные обследований до начала 2019 года, чтобы всесторонне оценить динамическое состояние Китая. Ресурсы данных EO и продвигать их применение как в Китае, так и во всем мире.

В Докладе собраны соответствующие данные с помощью 113 анкет, представленных китайскими организациями по наблюдению за ОР, включая правительственные ведомства, учреждения, эксплуатирующие спутники, предприятия пространственной информации, университеты и научно-исследовательские институты, а также другие группы в геопространственном секторе, связанные с приобретением и управлением. , услуги и приложения данных EO в Китае. В рамках анкеты в этих организациях проводился опрос о производстве, распространении и применении китайских ресурсов данных EO с целью получения информации из первых рук, которая позволила провести анализ развития таких ресурсов данных.Аналитические результаты представлены ниже.

Спутниковые платформы EO
С 24 апреля 1970 года — когда Китай запустил свой первый искусственный спутник EO Dong Fang Hong I — до конца 2018 года было запущено более 200 орбитальных спутников, в том числе около 60 спутников EO. За это время был построен ряд спутниковых систем EO, таких как «Feng Yun» (который состоит из 17 метеорологических спутников), «Hai Yang» (6 океанических спутников), «Zi Yuan» (10 спутников наземных ресурсов), ‘Gao Fen’ (7 спутников EO высокого разрешения), ‘Huan Jing’ (3 спутника для мониторинга окружающей среды и стихийных бедствий в Китае) и ‘Tian Hui’ (3 спутника для трехмерного картографирования высокого разрешения), а также другие коммерческие спутники (8+ спутников).Существуют также различные типы китайских удаленных датчиков EO; панхроматические, мультиспектральные, гиперспектральные, оптические и радиолокационные на таких орбитах, как солнечно-синхронные и геосинхронные. В целом они образуют систему ЭО с различным пространственным, временным и спектральным разрешением.

Организации ОР
Около 67% организаций ОР в Китае были созданы в период с 2000 по 2015 год, примерно половина из них расположена в Пекине, а более одной трети — коммерческие предприятия.Более половины организаций насчитывают более 300 сотрудников, и около четверти из них имеют годовой бюджет, превышающий 10 миллионов долларов США.

Ресурсы данных EO
Китай вступил в эру больших данных EO с общим объемом, приближающимся к 100 ПБ и включающим более 29 ПБ данных, хранящихся в сети, и более 68 ПБ в автономном режиме. К концу 2018 года у трех китайских организаций по организации продаж было более 10 ПБ архивных данных, а у еще одиннадцати — от 1 до 10 ПБ.

Инфраструктура данных EO
Общая емкость хранилища данных на объектах в организациях EO Китая составляет 263 ПБ, при этом объем хранилища, доступный для удаленного аварийного восстановления, превышает 95 ПБ.Общая емкость онлайн-устройств хранения превышает 95 ПБ, а емкость автономных устройств — более 168 ПБ. Соответствующие организации также установили свою вычислительную мощность в режиме онлайн, составляющую более 30 000 триллионов вычислений с плавающей запятой в секунду.

EO Data Services
Более 300 000 онлайн-пользователей зарегистрированы в китайских организациях EO. Почти половина организаций зарегистрировали пользователей из-за границы; 12% таких организаций предоставляют годовой объем услуг передачи данных, превышающий уровень PB, и 55% — уровень TB.Организации почти поровну разделены на тех, кто предлагает пользователям бесплатные и открытые сервисы совместного использования, и тех, кто продает информационные продукты.

Официальный отчет на китайском языке. Английская версия краткого обзора доступна по следующей ссылке на веб-сайте ChinaGEOSS:

— http://www.chinageoss.cn/report/cedr2019_files/CEDR2019_en.pdf

A

Я хотел бы обратить ваше внимание на следующий технический документ, который был недавно опубликован Дэвидом Кастлом (член WDS-SC), Марком Легготтом (исполнительным директором Research Data Canada) и мной.Этот документ является одним из набора, собранного Канадской организацией новой инфраструктуры цифровых исследований (NDRIO) в рамках оценки потребностей и деятельности по стратегическому планированию. Мы считаем, что это также представляет интерес для сообщества WDS:

— Канадский путь к глобальному открытому исследовательскому сообществу

В этой статье подчеркиваются три момента:

• Необходимость для Канады дифференцировать роль национального правительства от роли коммерческих поставщиков;
• Необходимость встретиться с исследователями там, где они есть, путем анализа инструментов, которые они уже используют; и самое главное
• Необходимость поддержки международных координационных механизмов, таких как Мировая система данных.

В статье делается вывод, что «принципиальный подход к созданию научной инфраструктуры лучше всего послужит Канаде и нашим международным партнерам. Ни одно сообщество или страна не могут рассмотреть все аспекты [инфраструктуры цифровых исследований], что обязывает NDRIO координировать свои действия с международными научными федерациями, мобилизуя свои силы для решения глобальных проблем ».

A

Надежные репозитории данных (TDR) — это ключевая опора в рамках Global Open Research Commons (GORC), используемая исследователями при решении таких серьезных социальных проблем, как изменение климата, пандемии и бедность.Реализованное видение GORC обеспечит беспрепятственный доступ ко всем исследовательским ресурсам, включая данные, публикации, программное обеспечение и вычислительные ресурсы; плюс службы метаданных, словаря и идентификации, которые позволяют их обнаруживать и использовать людьми и машинами. Частью миссии Международного технологического офиса WDS (WDS-ITO) является обеспечение того, чтобы члены WDS были хорошо представлены в координационных органах, инфраструктурах и функциональных конвейерах, которые соединяют TDR, аналитику и вычислительные ресурсы во всем мире.В рамках этой работы WDS-ITO взяла на себя руководящую роль в Группе интересов GORC (IG) Альянса исследовательских данных (RDA) и Рабочей группе GORC (WG) по международному сравнительному анализу.

GORC IG работает над рядом результатов для поддержки координации между организациями, которые строят общие ресурсы, включая дорожную карту для глобального согласования, чтобы помочь установить приоритеты для разработки и интеграции общих ресурсов. В поддержку этой дорожной карты группа GORC Benchmarking WG разработает и соберет набор тестов для организаций, чтобы они могли внутренне измерять взаимодействие с пользователями и их развитие, а также оценивать свою зрелость и сравнивать общие функции.

В первом случае РГ будет собирать информацию о том, как существующие общие ресурсы измеряют успех, принятие или использование услуг в организации, например, загрузки данных, предоставленное программное обеспечение и аналогичные ключевые показатели эффективности и статистику доступа. Во-вторых, мы также будем курировать набор тестов, которые позволят обычным разработчикам сравнивать функции в различных научных облаках. Например, мы могли бы рассмотреть такие контрольные показатели, как свидетельства или наличие четко определенного процесса принятия решений, согласованную и открыто доступную политику конфиденциальности данных, а также рабочий процесс для добавления и поддержки PID для управляемых активов — и это лишь некоторые из них.

Эта РГ мотивирована более широкой целью открытого обмена данными и соответствующими услугами между технологиями, дисциплинами и странами. Результаты работы РГ послужат основой для разработки дорожных карт по развитию инфраструктуры, необходимой для достижения этой цели, при налаживании прочных партнерских отношений между общенациональными, региональными и отраслевыми сообществами, что будет иметь решающее значение для ее успеха. Наблюдаемые и измеримые контрольные показатели помогут проложить осязаемый путь для развития и поддержки стратегического планирования в инфраструктурах научного сообщества и построить общую, совместимую в глобальном масштабе.Это также будет поддерживать разработчиков, которые ищут ресурсы для создания GORC, помогая им реагировать на требования финансирующего агентства для измеримых результатов. Члены WDS являются ключевым компонентом этого видения.

Работа будет основываться на предыдущих группах RDA, которые некоторые члены WDS могли иметь ранее или в которых участвуют в настоящее время, таких как IG National Data Services, IG доменных репозиториев, IG Data Fabric и IG Virtual Research Environment. Эти и многие другие группы, не входящие в RDA, будут иметь рекомендации, касающиеся функциональности и характеристик различных компонентов общих ресурсов; например, файл re3data.org для сбора информации о репозиториях исследовательских данных для регистрации, FAIR Европейского открытого научного облака (EOSC) и рабочих групп по устойчивому развитию, которые стремятся определить EOSC как минимально жизнеспособный продукт. Мы рассмотрим эти и другие связанные результаты, чтобы увидеть, были ли они определены контрольные показатели, которые, по нашему мнению, будут поддерживать наши цели.

Заявление группы GORC по международному бенчмаркингу открыто для публичного рассмотрения до понедельника, 8 февраля 2021 года, и мы представили предложение о проведении 17-го пленарного заседания RDA, которое состоится в апреле.Мы приглашаем всех членов WDS оставлять комментарии или участвовать в работе RDA GORC IG и WG. Если у вас есть какие-либо вопросы, не стесняйтесь обращаться к Карен Пейн (ито-директор [at] oceannetworks [точка] ca) в WDS-ITO. Мы будем рады поговорить с вами!

Подробнее »

System.Data в .NET Core 3.0

Хотя System.Data не привлекает особого внимания, он имеет решающее значение для любого вида доступа к реляционным базам данных в .NET. Также известен как ADO.NET в честь своего предшественника, ActiveX Data Objects, System.Данные обеспечивают общую структуру, на которой могут быть построены драйверы баз данных .NET. Эта структура предусматривает определенные соглашения, которых должны придерживаться драйверы баз данных.

Соединения, команды и считыватели данных основаны на схеме двойного наследования. Каждый из них наследует некоторые базовые функции от DbConnection, DbCommand и DbDataReader соответственно. Они также реализуют абстрактные интерфейсы IDbConnection, IDbCommand и IDbDataReader, что позволяет имитировать сценарии и нетрадиционные источники данных.Эта схема двойного наследования также используется для всех базовых классов, описанных ниже.

Хотя строки подключения обычно считаются строками, существуют средства для их представления в виде объектов, наследуемых от DbConnectionStringBuilder. Это обрабатывает специфичный для базы данных синтаксический анализ строк подключения и дает разработчику лучшее представление о том, какие настройки доступны для конкретной базы данных.

System.Data предшествует ORM для .NET, но предлагает общий способ генерации SQL с помощью реализаций классов DbDataAdapter и DbCommandBuilder.Это использовалось как напрямую, так и в сочетании с обычными и типизированными наборами данных.

Если вы ищете реальный пример абстрактного шаблона фабрики, посмотрите DbProviderFactory. Подклассы этого предоставляют соединения, команды, параметры команд, построители команд и адаптеры данных. По сути, все, что вам нужно для доступа к данным, без необходимости использовать логику, специфичную для базы данных.

Проблема с интерфейсами

Как упоминалось выше, System.Данные полагаются на двойное наследование. Это может быть проблемой при добавлении новых методов. Например, асинхронные операции были добавлены в DbCommand в .NET 4.5. Однако их нельзя было добавить в соответствующий интерфейс IDbCommand, потому что это было бы критическим изменением. Это, в свою очередь, означает, что вы не можете одновременно использовать асинхронные операции и легко подделываемый абстрактный интерфейс.

Microsoft могла бы выполнить однократный сброс абстрактных интерфейсов в .NET Core 1.0, чтобы они соответствовали абстрактным классам (Java делала это в прошлом с интерфейсами JDBC).Однако это затруднило бы совместное использование кода с .NET Framework.

Если методы интерфейса по умолчанию включены в C # 8, то теоретически их можно было бы использовать для перестройки интерфейсов обратно совместимым образом. Но опять же, это несовместимо с .NET Framework, поскольку методы интерфейса по умолчанию — это только функция .NET Core. Он также не будет работать со старыми компиляторами и другими языками .NET.

Перегрузки строки для DbDataReader.Get * () # 31595

Наш первый.NET Core 3.0 — это возможность передавать имя столбца методам DbDataReader.GetXXX. Давняя жалоба на этот интерфейс заключается в том, что вы не можете ссылаться на столбцы по имени. Это означает, что вместо этого вам нужно использовать этот шаблон:

  reader.GetInt32 (reader.GetOrdinal ("columnName"))  

Очевидным (и для некоторых давно назревшим) упрощением является предложение перегрузки строки.

  reader.GetInt32 ("columnName")  

Это уже было сделано в Oracle Connector / NET и MySqlConnector.

По соображениям производительности этот новый метод не будет помечен как виртуальный, что позволяет JIT-компилятору легко встроить его. И по причинам, указанным выше, новый набор методов не будет добавлен в IDbDataReader.

XmlDataDocument № 33442

Если вы знаете историю XmlDataDocument, это может показаться странным выбором. Он был помечен как устаревший с предупреждением «Класс XmlDataDocument будет удален в следующем выпуске», так как .NET 4.0 был выпущен в 2010 году.

Причина, по которой его сейчас используют, заключается в том, что некоторые приложения WinForms и WPF используют его. В отчете об ошибке говорится: «Это 1-7% использования в различных категориях от Apiport».

Расширения набора данных

Одна функция, которая не будет доступна в .NET Core 3, — это класс DataTableExtensions. Хотя он кажется довольно простым с использованием всего шести методов расширения, AsDataView не может быть построен без изменений самого System.Data. Рассуждения довольно сложны и связаны с внутренними методами, переадресацией типов и проблемами, связанными с ними.NET Standard.

Если вам интересно, релевантными обсуждениями являются Port DatasetExtensions to .NET Core # 19771, методы расширения Port DataTable.AsDataView # 27610 и Exposing internal virtuals, включающий поиск ключа в DataView # 31764.

Bluebikes | Синие велосипеды Бостон

Где катаются водители Bluebikes? Когда они катаются? Как далеко они зайдут? Какие станции самые популярные? В какие дни недели ездят чаще всего? Мы слышали все эти и многие другие вопросы, поэтому мы рады предоставить наборы данных, которые помогут вам найти ответы на эти и другие вопросы.Мы приглашаем разработчиков, инженеров, статистиков, художников, ученых и других творческих людей использовать предоставленные нами данные для анализа, разработки, визуализации и всего, что вас волнует.

Эти данные предоставлены в соответствии с Лицензионным соглашением о передаче данных Bluebikes.

Blue Bikes Подробные истории поездок

Мы публикуем загружаемые файлы данных о поездках Bluebikes каждый квартал. Данные включают:

• Продолжительность поездки (секунды)
• Время и дата начала
• Время и дата окончания
• Имя и идентификатор начальной станции
• Имя и идентификатор конечной станции
• Идентификатор велосипеда
• Тип пользователя (случайный = одиночная поездка или пользователь дневного абонемента ; Участник = годовой или ежемесячный участник)
• Год рождения
• Пол, самопровозглашенный участником (ноль = неизвестно; 1 = мужчина; 2 = женщина)

Данные были обработаны для исключения поездок, совершаемых сотрудниками во время обслуживания и проверки системы; и любые поездки продолжительностью менее 60 секунд (потенциально ложные запуски или попытки пользователей повторно поставить байк на док-станцию, чтобы убедиться, что он безопасен).

Загрузить данные истории поездок Bluebikes

Станции Bluebikes

Мы публикуем файлы данных станций Bluebikes для скачивания. Данные включают:

• Номер
• Название
• Широта / Долгота
• Муниципалитет
• Всего доков

Загрузить данные станции

Данные в реальном времени

В соответствии со стандартом данных, рекомендованным Североамериканской велосипедной ассоциацией (NABSA), Bluebikes публикует системные данные в реальном времени в открытом формате General Bikeshare Feed Specification (GBFS).Загрузите канал GBFS Bluebikes здесь. Используйте эти данные для всех новых проектов.

Мы также продолжаем поддерживать устаревший канал станций в форматах JSON и XML.

Bluebikes в визуализации данных 2020 года

2020 год не был похож ни на один из предыдущих, и, как и многое другое, доля велосипедов в Бостоне радикально изменилась. Изучите тенденции, рост и масштабы системы Bluebikes в 2020 году с помощью этой интерактивной карты-истории, созданной The City of Boston

Изучите визуально

Членство и участие

С момента запуска в 2011 году (по состоянию на 7/2021) райдеры Bluebikes совершили более 14 миллионов поездок.

Рост системы

Записи о поездках наездников

Самые популярные станции

Дополнительные ресурсы

Bluebikes, включающий исторические факты о системе, высококачественные фотографии и логотипы, готовые к печати.