这项研究是通过不同的平台和传感器之间的实时合作。CSISS组织特别专注于异步模型的实现传感网络数据的收集。如果发展的地理空间的可视产品概念在CSISS中被应用，异步模型实现可以被解释作为工作流。最终用户可以和标准CSW交流着火程度数据。CSW通过标准WCS服务寻找并且发现了一个可视并可细分的产品。WCS首次执行模型流等待通过EO-1SOS接收的数据。一旦数据是在SOS上可用，它通过SOS记录操作被提取并且被整合入一个个WCS。BPEL引擎传送数据给JPL WPS来提取着火信息。最终成果数据被整合入WCS，并且数据或期望的子集以指定的格式和映射准备好最终用户。所有这些处理都是自动地完成。这样可以避免由于人为的传输数据和信息所产生的延迟所花费的时间。
a. 数据集
EO-1目前提供传感器观测服务SOS (http: //eo1.geobliki.com/ SOS/) 和传感器规划服务SPS (http: //eo1.geobliki.com/sps/)。观测可以由SPS来安排。而基本的服务信息和“提供”能力可以通过SOS的“Get Capabilities”操作来实现。Hyperion仪器所获取的高光谱图像数据可以通过SOS“Get Observation”操作得到。
b. 方法
图9-9使用实时的Hyperion数据显示火分类情景。工作流在下面的四步中在四条EO-1SOS带下检索数据 (带名字是110，150，210和213) 并且生成火地点地图显示在图9-9中。
图9-9 使用实时的Hyperion数据显示火分类
(1) 着火地点监测模型设计: 专家使用抽象模型设计器在eb RIM编目服务器中设计一个抽象处理模型来火地点监测在eb RIM目录服务中记录模型。
(2) 着火地点监测工作流实例: 决策支持系统 (DSS) 使用“火探测“关键词寻找模型，用实例验证模型并且生成了具体地理信息处理工作流。工作流利用EO-1 SOS， GMU WCS和JPL WPS 生成着火地点地图。(www.xing528.com)
(3) 着火地点监测工作流施行: 工作流由Geo Brain服务器部署的安全BPELPower (http: //geobrain.laits.gmu.edu: 8099/bpelsec/) 来执行。如表9-2所显示，接近实时的时间编码观测数据。
表9-2 EO-1实例服务节点
•使用“Get Observation”操作从EO-1SOS检索。数据遵循O＆M规范。
•数据通过“Publish”操作被记录为 WCS 覆盖使用 LAITS CSW (http: //laits.gmu.edu: 8099/LAITSCSWVM2/discovery) 服务器。
•部署在Geo Brain服务器的WCS (http: //geobrain.laits.gmu.edu/cgi-bin/gdalwcs/gdalwcs) 和JPL WPS (http: //aiweb.jpl.nasa.gov/wps/cgi-bin/wps.py) 交互。
(4) 火地点监测工作流产品分发: 从CSISS WCS获取处理结果。
免责声明：以上内容源自网络，版权归原作者所有，如有侵犯您的原创版权请告知，我们将尽快删除相关内容。
