巖溶山區(qū)滑坡監(jiān)測預(yù)警云平臺(tái)設(shè)計(jì)與實(shí)現(xiàn)

陳 磊，李 斌，彭 程，畢曉偉，楊成生

(長安大學(xué) 地質(zhì)工程與測繪學(xué)院，西安 710054)

1 研究背景

滑坡是在世界范圍內(nèi)普遍存在的地質(zhì)災(zāi)害，其發(fā)生常伴隨生命財(cái)產(chǎn)的巨大損失[1]。我國西南巖溶山區(qū)世界面積最大，約占我國國土面積的 1/15，且礦產(chǎn)與水能資源豐富[2]。然而，脆弱的地質(zhì)環(huán)境及強(qiáng)烈的人類活動(dòng)導(dǎo)致該巖溶特征區(qū)群死群傷的災(zāi)難性滑坡持續(xù)頻發(fā)[3]，近10 a來甚至摧毀了數(shù)十座城鎮(zhèn)，并導(dǎo)致上千人死亡[4]。因此，對(duì)存在巖溶滑坡風(fēng)險(xiǎn)的地區(qū)應(yīng)盡快采取包括監(jiān)測預(yù)警在內(nèi)的防災(zāi)減災(zāi)手段，以減少巖溶滑坡災(zāi)害造成的社會(huì)危害和損失刻不容緩。

近年來，隨著滑坡監(jiān)測技術(shù)的不斷發(fā)展，監(jiān)測數(shù)據(jù)日益豐富，且時(shí)效性越來越強(qiáng)[5]。各種方式所積累的巖溶山區(qū)滑坡監(jiān)測數(shù)據(jù)具有分布廣、來源雜、類型多、數(shù)據(jù)量大等特點(diǎn)，不易統(tǒng)一管理、集中處理，也就是說集成和處理難成為多點(diǎn)散發(fā)的巖溶滑坡數(shù)據(jù)分析的突出問題和服務(wù)應(yīng)用的瓶頸因素。依據(jù)傳統(tǒng)信息技術(shù)建設(shè)的監(jiān)測平臺(tái)高度依賴硬件設(shè)備，在面對(duì)逐漸累積的海量的監(jiān)測數(shù)據(jù)的處理和分析時(shí)，不可避免的會(huì)出現(xiàn)效率瓶頸，同時(shí)隨時(shí)間快速增長的監(jiān)測數(shù)據(jù)也讓傳統(tǒng)平臺(tái)在存儲(chǔ)數(shù)據(jù)時(shí)面臨挑戰(zhàn)，已難以滿足巖溶滑坡動(dòng)態(tài)實(shí)時(shí)監(jiān)測的要求。

云計(jì)算平臺(tái)(以下簡稱“云平臺(tái)”)通過云計(jì)算技術(shù)統(tǒng)籌調(diào)度、合理分配計(jì)算機(jī)資源，可向用戶提供高質(zhì)量、高可靠性、高便宜度及穩(wěn)健的計(jì)算、存儲(chǔ)服務(wù)[6]。云平臺(tái)有效整合了分散的計(jì)算機(jī)資源，提升了計(jì)算機(jī)資源的利用率，避免了計(jì)算和存儲(chǔ)的浪費(fèi),讓數(shù)據(jù)的獲取、計(jì)算、存儲(chǔ)和共享能力得到了極大提升。同時(shí)，隨著5G通信技術(shù)[7]的發(fā)展、基礎(chǔ)設(shè)施的逐漸完善[8]、大數(shù)據(jù)技術(shù)的廣泛應(yīng)用，云平臺(tái)也日益成熟并展示出了良好前景[9-10]。國內(nèi)外相關(guān)學(xué)者也針對(duì)地質(zhì)災(zāi)害的監(jiān)測進(jìn)行了云平臺(tái)的搭建研究。如徐曉冬等[11]針對(duì)礦山采動(dòng)災(zāi)害的監(jiān)測預(yù)警進(jìn)行了云平臺(tái)的搭建，王毅鵬等[12]針對(duì)甘肅黑方臺(tái)滑坡災(zāi)害的監(jiān)測進(jìn)行了云平臺(tái)的設(shè)計(jì)與分析，這些學(xué)者的研究為滑坡監(jiān)測預(yù)警平臺(tái)的建設(shè)提供了新的思路。針對(duì)地質(zhì)災(zāi)害的監(jiān)測預(yù)警進(jìn)行云平臺(tái)搭建逐漸成為一種趨勢，云平臺(tái)強(qiáng)大的計(jì)算能力和海量存儲(chǔ)空間等特性為巖溶滑坡監(jiān)測數(shù)據(jù)集成與分析難的問題的解決提供了新的方案。

本文以巖溶山區(qū)滑坡監(jiān)測預(yù)警云平臺(tái)的設(shè)計(jì)與實(shí)現(xiàn)為目標(biāo)，從巖溶滑坡監(jiān)測數(shù)據(jù)的集成入手,基于分布式計(jì)算平臺(tái)Hadoop的核心組件[13]，如Hadoop分布式文件系統(tǒng)(Hadoop Distributed Filesystem,HDFS)、MapReduce等[14]，對(duì)包括滑坡監(jiān)測在內(nèi)的各類分散異構(gòu)的多源監(jiān)測數(shù)據(jù)進(jìn)行整合存儲(chǔ)與計(jì)算[15]，并結(jié)合WebGIS等[16-17]關(guān)鍵核心技術(shù)，對(duì)平臺(tái)進(jìn)行設(shè)計(jì)與搭建，力求使云平臺(tái)成為集成分發(fā)巖溶滑坡數(shù)據(jù)的集散地和信息窗口，為巖溶山區(qū)防災(zāi)減災(zāi)救災(zāi)輔助決策提供有力支撐。

2 總體設(shè)計(jì)

2.1 總體架構(gòu)設(shè)計(jì)

巖溶山區(qū)滑坡監(jiān)測預(yù)警云平臺(tái)在模型-視圖-控制器(Model-View-Controller，MVC)框架下采用B/S結(jié)構(gòu)進(jìn)行搭建，使用Java語言，集成WebGIS技術(shù)、數(shù)據(jù)庫技術(shù)、大數(shù)據(jù)和云計(jì)算技術(shù)等進(jìn)行開發(fā)。為了保證平臺(tái)能夠快速搭建，快速上線使用，平臺(tái)主要利用長安大學(xué)大數(shù)據(jù)平臺(tái)提供運(yùn)行所必須的基礎(chǔ)資源。平臺(tái)的總體結(jié)構(gòu)如圖1所示，整體可以分為4層，分別為基礎(chǔ)設(shè)施層、數(shù)據(jù)層、應(yīng)用層和用戶層[18]。利用Hadoop集群的關(guān)鍵組件如MapReduce、HDFS等對(duì)數(shù)據(jù)層的數(shù)據(jù)進(jìn)行計(jì)算、存儲(chǔ)等操作，為應(yīng)用層提供支持[19]。

圖1 巖溶山區(qū)滑坡監(jiān)測預(yù)警云平臺(tái)總體結(jié)構(gòu)Fig.1 Overall structure of cloud platform for landslide monitoring and early warning in karst mountainous area

2.1.1 基礎(chǔ)設(shè)施層

基礎(chǔ)設(shè)施層位于云平臺(tái)的最下層，主要為云平臺(tái)的正常運(yùn)行提供基礎(chǔ)資源[20]。巖溶山區(qū)滑坡監(jiān)測預(yù)警云平臺(tái)由長安大學(xué)大數(shù)據(jù)平臺(tái)提供虛擬化的計(jì)算和存儲(chǔ)資源，為平臺(tái)提供數(shù)據(jù)存儲(chǔ)和計(jì)算等服務(wù)，充分利用現(xiàn)有資源，避免了重復(fù)工作。長安大學(xué)大數(shù)據(jù)平臺(tái)是Hadoop商業(yè)版中的一種，由浪潮研發(fā)，包含了Hadoop生態(tài)中的20多個(gè)組件，提供統(tǒng)一的平臺(tái)化管理運(yùn)維，實(shí)現(xiàn)深度功能增強(qiáng)和性能優(yōu)化，能夠幫助用戶輕松應(yīng)對(duì)海量數(shù)據(jù)的采集、存儲(chǔ)、計(jì)算、分析挖掘和數(shù)據(jù)安全等應(yīng)用場景。

2.1.2 數(shù)據(jù)層

由于平臺(tái)的數(shù)據(jù)來源多樣，對(duì)于不同來源的數(shù)據(jù)，匯總處理流程往往并不一樣。需要采取合適手段將數(shù)據(jù)合理匯聚在一起，共同組成平臺(tái)的數(shù)據(jù)資源層，為平臺(tái)的運(yùn)轉(zhuǎn)和用戶的數(shù)據(jù)需求提供支持[21]。平臺(tái)涉及的數(shù)據(jù)主要有雨量計(jì)和位移計(jì)數(shù)據(jù)、全球?qū)Ш叫l(wèi)星系統(tǒng)(Global Navigation Satellite System,GNSS)監(jiān)測數(shù)據(jù)、圖片視頻數(shù)據(jù)等組成的非空間數(shù)據(jù)，以及干涉雷達(dá)InSAR遙感影像數(shù)據(jù)、無人機(jī)攝影測量數(shù)據(jù)及后續(xù)的地面三維模型數(shù)據(jù)、奧維地圖軌跡數(shù)據(jù)、小區(qū)域鉆孔數(shù)據(jù)等組成的空間數(shù)據(jù)，后續(xù)將根據(jù)滑坡監(jiān)測的實(shí)際需要繼續(xù)整合其他類型的監(jiān)測數(shù)據(jù)到云平臺(tái)中。其中，傳感器的監(jiān)測數(shù)據(jù)從各個(gè)來源以定時(shí)任務(wù)的方式先復(fù)制到備份數(shù)據(jù)庫，然后匯總到HDFS中。數(shù)據(jù)獲取主要分為2種情況，一種是直接從源數(shù)據(jù)庫拷貝過來，另一種是從網(wǎng)頁中爬取過來。匯總的數(shù)據(jù)經(jīng)過MapReduce或Spark處理后存入另一級(jí)HDFS文件夾中，最后匯總進(jìn)PostgreSQL數(shù)據(jù)庫中。其他類型的一些監(jiān)測數(shù)據(jù)的存儲(chǔ)參照這兩種情況，具體的核心數(shù)據(jù)的存儲(chǔ)流程如圖2所示。

圖2 核心數(shù)據(jù)存儲(chǔ)流程Fig.2 Flow chart of core data storage

非空間數(shù)據(jù)采用長安大學(xué)大數(shù)據(jù)平臺(tái)的HDFS組件和PostgreSQL數(shù)據(jù)庫這兩個(gè)平臺(tái)進(jìn)行存儲(chǔ)。研究區(qū)的視頻監(jiān)控資料以及照片資料直接存入HDFS中，而平臺(tái)運(yùn)行維護(hù)的業(yè)務(wù)數(shù)據(jù)和其他的一些數(shù)據(jù)直接存入PostgreSQL中。

空間數(shù)據(jù)主要采用GeoServer和PostGIS結(jié)合的方式完成數(shù)據(jù)的存儲(chǔ)，存儲(chǔ)在GeoServer和PostGIS的空間數(shù)據(jù)需要保證是GeoServer和PostGIS支持的格式。如果不是，需要進(jìn)行數(shù)據(jù)的預(yù)處理。其中，GeoServer直接存儲(chǔ)訪問量低、磁盤占用低的數(shù)據(jù)，磁盤占用高或頻繁讀取的數(shù)據(jù)采用PostGIS空間數(shù)據(jù)庫進(jìn)行存儲(chǔ)，之后通過GeoServer讀取PostGIS中的數(shù)據(jù)，將其發(fā)布為地理服務(wù)。

2.1.3 應(yīng)用層

手中握著一顆玻璃球讓人感覺很舒服，透過玻璃球看去，物體是上下顛倒的，里面有一個(gè)微縮天地。我們拍照時(shí)用的是標(biāo)準(zhǔn)尺寸的Lensball，我們發(fā)現(xiàn)這個(gè)非常好用，也有其他更便宜的替代品。

應(yīng)用層利用互聯(lián)網(wǎng)把服務(wù)器端應(yīng)用程序推送至遠(yuǎn)程終端用戶，向用戶提供功能服務(wù)。本文主要指的是建設(shè)成的巖溶山區(qū)滑坡監(jiān)測預(yù)警云平臺(tái)，通過互聯(lián)網(wǎng)向用戶提供云平臺(tái)5個(gè)主要功能模塊的功能。

2.1.4 用戶層

由于不同類型的用戶具有各自不同需求，用戶層的用戶主要分為普通用戶、專業(yè)用戶以及系統(tǒng)管理員三類。普通用戶主要需要從平臺(tái)獲取關(guān)鍵的預(yù)警信息以及相關(guān)的滑坡監(jiān)測信息，專業(yè)用戶主要為平臺(tái)提供數(shù)據(jù)，以及利用平臺(tái)提供的接口獲取相關(guān)數(shù)據(jù)及功能。管理員負(fù)責(zé)為平臺(tái)的運(yùn)行維護(hù)提供支持，負(fù)責(zé)管理平臺(tái)的用戶以及日志信息，以及維護(hù)平臺(tái)的數(shù)據(jù)資源池以及保證平臺(tái)的各個(gè)功能模塊的正常工作。

2.2 平臺(tái)技術(shù)架構(gòu)設(shè)計(jì)

平臺(tái)的技術(shù)架構(gòu)主要考慮采用何種技術(shù)完成平臺(tái)的功能實(shí)現(xiàn)。既需要考慮系統(tǒng)構(gòu)建所采取的編程語言、數(shù)據(jù)庫，確定系統(tǒng)實(shí)現(xiàn)需要的功能組件，又需要考慮如何針對(duì)具體問題，完成各個(gè)組件間的協(xié)作，實(shí)現(xiàn)系統(tǒng)功能。巖溶山區(qū)滑坡監(jiān)測預(yù)警云平臺(tái)的主要使用云計(jì)算和大數(shù)據(jù)的相關(guān)技術(shù)，結(jié)合地理信息系統(tǒng)(GIS)和網(wǎng)頁開發(fā)的相關(guān)技術(shù)完成平臺(tái)的構(gòu)建[22]。采用NoSQL和SQL結(jié)合的方式，兼容Hadoop和PostgreSQL等實(shí)現(xiàn)滑坡監(jiān)測數(shù)據(jù)的存儲(chǔ)、組織和管理。

平臺(tái)的前端頁面主要使用JavaScript的客戶端頁面[23]，主要應(yīng)用JQuery、Bootstrap和layui等一些成熟的框架以及一些自行封裝的UI組件完成客戶層云平臺(tái)的頁面設(shè)計(jì)。后端主要使用JAVA語言進(jìn)行編程，采用了主流的SpringBoot框架和MyBatis框架。

系統(tǒng)的主要技術(shù)結(jié)構(gòu)如圖3所示，分為左、右兩部分。左側(cè)組件相互協(xié)作完成云平臺(tái)的頁面展示，右側(cè)組件為Hadoop中的組件，主要負(fù)責(zé)完成巖溶山區(qū)滑坡監(jiān)測預(yù)警云平臺(tái)的滑坡監(jiān)測數(shù)據(jù)的存儲(chǔ)、處理、傳輸，以及對(duì)平臺(tái)的任務(wù)和資源進(jìn)行調(diào)度和管理，保證平臺(tái)的穩(wěn)定運(yùn)行，為左側(cè)組件提供數(shù)據(jù)支撐。左側(cè)組件和右側(cè)組件相互協(xié)作共同完成巖溶山區(qū)滑坡監(jiān)測預(yù)警云平臺(tái)的功能實(shí)現(xiàn)。

圖3 云平臺(tái)技術(shù)結(jié)構(gòu)Fig.3 Technical structure of cloud platform

3 功能模塊設(shè)計(jì)及實(shí)現(xiàn)

基于上述架構(gòu)，結(jié)合巖溶山區(qū)滑坡監(jiān)測預(yù)警的需求，以長安大學(xué)大數(shù)據(jù)平臺(tái)為支撐，對(duì)巖溶山區(qū)滑坡監(jiān)測預(yù)警云平臺(tái)進(jìn)行搭建。平臺(tái)主要包含五大功能模塊，分別為實(shí)時(shí)監(jiān)測模塊、空間數(shù)據(jù)與模型展示模塊、數(shù)據(jù)采集與查詢模塊、滑坡預(yù)警模塊及后臺(tái)管理模塊。這五大功能模塊又由多個(gè)功能組合而成，具體的功能模塊設(shè)計(jì)如圖4所示。

圖4 云平臺(tái)功能層次Fig.4 Hierarchical structure of cloud platform functions

3.1 實(shí)時(shí)監(jiān)測模塊

平臺(tái)在實(shí)時(shí)監(jiān)測模塊利用由JavaScript技術(shù)實(shí)現(xiàn)的可視化庫ECharts對(duì)災(zāi)害點(diǎn)監(jiān)測數(shù)據(jù)變化情況以多種動(dòng)態(tài)圖表的形式進(jìn)行可視化展示[24]。巖溶山區(qū)的滑坡災(zāi)害監(jiān)測采用多尺度多傳感器的方式進(jìn)行監(jiān)測，監(jiān)測數(shù)據(jù)類型多。本模塊重點(diǎn)展示了傳感器的相關(guān)數(shù)據(jù)，包括布設(shè)在研究區(qū)域的雨量計(jì)、位移計(jì)和各個(gè)GNSS監(jiān)測點(diǎn)的傳感器數(shù)據(jù)隨時(shí)間變化的趨勢[25]，幫助用戶及時(shí)獲取監(jiān)測區(qū)域的異常信息。同時(shí)，也負(fù)責(zé)展示新聞公告信息和滑坡監(jiān)測相關(guān)的圖片視頻信息，實(shí)時(shí)監(jiān)測模塊界面如圖5所示。

圖5 云平臺(tái)實(shí)時(shí)監(jiān)測界面Fig.5 Real-time monitoring interface of cloud platform

3.2 空間數(shù)據(jù)與模型展示模塊

圖6 云平臺(tái)空間數(shù)據(jù)與模型模塊Fig.6 Spatial data and model module of cloud platform

圖7 云平臺(tái)監(jiān)測點(diǎn)信息結(jié)果Fig.7 Point monitoring result of cloud platform

該模塊還可以展示使用鉆孔數(shù)據(jù)建成的地層三維模型[26]，生成的無人機(jī)三維模型，以及通過軌跡數(shù)據(jù)對(duì)實(shí)地考察路線進(jìn)行動(dòng)態(tài)模擬。同時(shí)，還可以對(duì)研究成果的相關(guān)柵格和矢量數(shù)據(jù)進(jìn)行可視化展示，結(jié)果如圖8所示。此外，該模塊還可以為用戶展示谷歌歷史影像等地形地貌信息。

圖8 云平臺(tái)研究結(jié)果可視化展示Fig.8 Result visualization of the cloud platform

3.3 數(shù)據(jù)采集與查詢模塊

數(shù)據(jù)采集與查詢模塊提供靜態(tài)數(shù)據(jù)的手動(dòng)錄入與展示功能，為各種靜態(tài)數(shù)據(jù)的手動(dòng)入庫提供支持。同時(shí)，為了方便數(shù)據(jù)的批量錄入，平臺(tái)可以自動(dòng)生成對(duì)應(yīng)的模板，然后利用Excel表格進(jìn)行批量上傳入庫的功能。該模塊還包含對(duì)數(shù)據(jù)庫中存儲(chǔ)的數(shù)據(jù)進(jìn)行查詢與管理功能，可以方便地對(duì)數(shù)據(jù)庫中的數(shù)據(jù)進(jìn)行更新維護(hù)。同時(shí)，在該模塊還可以進(jìn)行INSAR數(shù)據(jù)的上傳與展示。

3.4 滑坡預(yù)警模塊

滑坡預(yù)警模塊為平臺(tái)的重要功能模塊，該模塊主要負(fù)責(zé)使用合適的模型和方法對(duì)滑坡監(jiān)測數(shù)據(jù)進(jìn)行分析處理，對(duì)滑坡所處狀態(tài)進(jìn)行判斷并及時(shí)發(fā)布預(yù)警信息[27]。該模塊利用許強(qiáng)等[28]提出的改進(jìn)的切線角模型[29]對(duì)滑坡風(fēng)險(xiǎn)進(jìn)行判斷,該模型是經(jīng)典滑坡預(yù)測模型，通過不同破壞機(jī)制的滑坡進(jìn)行了驗(yàn)證，已成功預(yù)測過多起滑坡，并在西南山區(qū)有成功應(yīng)用案例[30]。該模型通過累計(jì)位移與時(shí)間曲線獲取位移速率角，即切線角。以切線角作為基本判據(jù)，當(dāng)角度約等于45°時(shí)達(dá)到藍(lán)色注意級(jí)，(45°,80°]之間為黃色警示級(jí)，(80°,85°]為橙色警戒級(jí)，>85°則為紅色警報(bào)級(jí)，分析結(jié)果如圖9所示。

圖9 云平臺(tái)滑坡預(yù)警分析結(jié)果Fig.9 Analysis results of landslide early warning based on cloud platform

同時(shí)，可以調(diào)用Python編程的模型對(duì)滑坡位移進(jìn)行預(yù)測。采用TCN(時(shí)間卷積網(wǎng)絡(luò))模型、SVR(支持向量回歸)模型、BP神經(jīng)網(wǎng)絡(luò)模型和LSTM(長短時(shí)記憶網(wǎng)絡(luò))模型對(duì)滑坡位移進(jìn)行預(yù)測。其中一個(gè)監(jiān)測點(diǎn)模型預(yù)測結(jié)果與真實(shí)值對(duì)比如圖10所示。

圖10 云平臺(tái)巖溶滑坡累計(jì)位移與模型預(yù)測結(jié)果對(duì)比Fig.10 Comparison of cumulative displacement of karst landslides between cloud platform result and model prediction result

其中，模型的預(yù)測精度采用均方根誤差(RMSE)和平均絕對(duì)百分比誤差(MAPE)來進(jìn)行評(píng)定。預(yù)測精度如表1所示，可見時(shí)間卷積網(wǎng)絡(luò)(TCN)模型具有最高的精度，且位移預(yù)測的精度較高。

表1 不同模型的精度對(duì)比Table 1 Comparison of accuracy among different models

3.5 后臺(tái)管理模塊

后臺(tái)管理模塊主要實(shí)現(xiàn)用戶管理、日志管理、信息發(fā)布管理及用戶訪問量統(tǒng)計(jì)等功能,其主要功能為用戶管理與信息發(fā)布管理。

用戶管理主要采用基于角色的訪問控制(RBAC)來設(shè)計(jì)并實(shí)現(xiàn)為不同需求的用戶授予不同權(quán)限。信息發(fā)布管理功能主要為發(fā)布相關(guān)的新聞公告信息和相關(guān)的預(yù)警信息，以及對(duì)發(fā)布的信息進(jìn)行維護(hù)管理。用戶訪問量統(tǒng)計(jì)和日志管理主要是為了記錄用戶的訪問量和用戶的操作。

4 討 論

隨著云計(jì)算、大數(shù)據(jù)、互聯(lián)網(wǎng)等新一代信息技術(shù)的迅猛發(fā)展，各行各業(yè)根據(jù)各自需求推出了各式各樣具備不同特點(diǎn)的云平臺(tái)。本文從巖溶山區(qū)滑坡監(jiān)測數(shù)據(jù)建設(shè)實(shí)際需求出發(fā)，對(duì)巖溶山區(qū)滑坡監(jiān)測預(yù)警云平臺(tái)進(jìn)行了設(shè)計(jì)與實(shí)現(xiàn)，為巖溶山區(qū)滑坡監(jiān)測數(shù)據(jù)整合集成提供方案，為巖溶山區(qū)滑坡的早期識(shí)別與監(jiān)測預(yù)警奠定基礎(chǔ)、創(chuàng)造條件。與傳統(tǒng)平臺(tái)及滑坡等地質(zhì)災(zāi)害傳統(tǒng)的人工檢測模式相比，滑坡災(zāi)害監(jiān)測預(yù)警云平臺(tái)的實(shí)時(shí)性、高效性和可靠性顯而易見。目前，本平臺(tái)正應(yīng)用在西南巖溶山區(qū)的滑坡監(jiān)測預(yù)警中，發(fā)耳鎮(zhèn)、鬃嶺鎮(zhèn)和騰慶煤礦廠這3個(gè)典型示范區(qū)的相關(guān)監(jiān)測數(shù)據(jù)正穩(wěn)步存儲(chǔ)于平臺(tái)中。然而，由于時(shí)間限制等方面的原因，本平臺(tái)還存在一些不足，需要在下一步的工作中繼續(xù)展開研究，主要表現(xiàn)為以下幾個(gè)方面：

(1)數(shù)據(jù)產(chǎn)生的頻率較高，服務(wù)器端直接與數(shù)據(jù)庫交互，給數(shù)據(jù)庫造成了較大壓力，對(duì)系統(tǒng)性能有一定的影響，未來可以通過數(shù)據(jù)緩存、消息隊(duì)列等方法對(duì)其進(jìn)行改進(jìn)。

(2)安全保障與自動(dòng)運(yùn)維問題。平臺(tái)持續(xù)穩(wěn)定運(yùn)行以及故障快速定位排查的關(guān)鍵就是平臺(tái)的安全保障與自動(dòng)運(yùn)維。目前平臺(tái)在此方面還考慮不足，數(shù)據(jù)安全保障還不夠完善，接下來需要在系統(tǒng)的安全策略配置和自動(dòng)運(yùn)維的問題上進(jìn)行更深入的研究。

(3)高并發(fā)問題。雖然云平臺(tái)依托的長安大學(xué)大數(shù)據(jù)平臺(tái)具有分布式的應(yīng)用程序協(xié)調(diào)服務(wù)，能夠有效解決數(shù)據(jù)處理中遇到的高并發(fā)問題，但是本研究還沒有對(duì)云平臺(tái)Web頁面的高并發(fā)做出應(yīng)對(duì)措施。因此，在后續(xù)的云平臺(tái)版本升級(jí)中，可以加入nginx服務(wù)器以實(shí)現(xiàn)云平臺(tái)的負(fù)載均衡，以削弱平臺(tái)高峰時(shí)的并發(fā)量。

(4)平臺(tái)目前采集的巖溶山區(qū)滑坡監(jiān)測數(shù)據(jù)的種類有限，隨著下一步研究工作的進(jìn)行，需要依據(jù)需求進(jìn)一步收集數(shù)據(jù)。同時(shí)，平臺(tái)功能只是初步得到了實(shí)現(xiàn)，未來需要依據(jù)需求進(jìn)一步擴(kuò)充和優(yōu)化，使之更加符合巖溶山區(qū)滑坡信息化的發(fā)展趨勢。

5 結(jié) 語

本文針對(duì)西南巖溶山區(qū)滑坡監(jiān)測數(shù)據(jù)的集成與分析難等問題，基于Hadoop進(jìn)行數(shù)據(jù)的存儲(chǔ)與計(jì)算，結(jié)合云計(jì)算、大數(shù)據(jù)與WebGIS等技術(shù)，對(duì)巖溶山區(qū)滑坡監(jiān)測預(yù)警云平臺(tái)進(jìn)行了設(shè)計(jì)與實(shí)現(xiàn)。

平臺(tái)在MVC框架下采用B/S結(jié)構(gòu)進(jìn)行搭建，以地理信息技術(shù)為基礎(chǔ)，充分利用云平臺(tái)、網(wǎng)絡(luò)通信的集成優(yōu)勢，深度整合巖溶山區(qū)滑坡監(jiān)測的各類數(shù)據(jù)資源，并結(jié)合滑坡預(yù)測預(yù)警模型進(jìn)行云平臺(tái)條件下的滑坡監(jiān)測數(shù)據(jù)處理，讓用戶可以獲取滑坡監(jiān)測的實(shí)時(shí)性狀及預(yù)警信息，對(duì)整體提升邊遠(yuǎn)巖溶山區(qū)滑坡災(zāi)害防治信息化水平具有重要意義。