架构如图11-2所示，包含存档数据服务的工作流和实时数据服务的工作流。主要流程包括:
(1) 用户通过目录服务来发现数据库中的历史数据或虚拟数据产品，例如，地形高程数据、植被覆盖数据、地面降水数据、土壤湿度数据、气压数据、温度数据、风力数据和固定鸟类站点观测数据等数据。目录服务不仅包括OGC的CS/W，还可以使用其他科学系统的目录服务，例如THREDDS。
(2) 使用各种数据获取服务来访问历史数据或根据已有的数据和服务器能力来获取虚拟数据产品。用例中所采用的数据获取服务都是基于OGC的标准Web服务，包括WCS、WFS和WMS。
(3) 通过Web上可获取的数据处理服务对前一阶段获取的原始数据进行预处理。例如，进行数据格式转换和根据指定的空间范围进行数据子集划分等。
(4) 初始化鸟类迁徙模型。本系统中的鸟类迁徙模型是基于地球科学建模框架结构，需要使用经过预处理后的各种数据作为模型输入参数，从而初始化并调用迁徙模型。
(5) 输入初始化预测结果到客户端中。鸟类迁徙模型经过调用计算后，产生输出状态，该输出状态可以被输入到系统的科学目标管理系统中进行比较验证。
(6) 客户端将初始预测结果与科学目标进行比较并衡量该输出结果是否满足科学研究目标。如果不满足，则实施基于实时数据的预测反馈。在本系统的客户端模块中，人可以作为主要的活动参与者，专家系统是其重要特点。以上过程中的科学研究目标如果没有达到，则需要获取新的实时数据对模型进行进一步的精化修正。
(7) 通过目录服务发现实时观测数据。各种实时传感器观测数据也可以如同数据库中的历史数据一样，通过OGC的CS/W目录服务进行发现。
(8) 通过传感器规划服务 (SPS) 进行实时数据的定制规划。SPS可以提供按需的数据定制服务，以满足用户需求。
(9) 通过传感器观测服务 (SOS) 进行实时数据访问。一旦SPS的数据定制成功后，传感器开始执行任务，任务一旦完成，传感器通过SAS进行数据通知，用户使用SOS来进行数据访问，其访问操作类似WCS。(www.xing528.com)
(10) 通过预处理模型处理实时数据以满足验证模块的输入标准。为了更好地将观测数据应用于迁徙预测模型中，需要对获取的原始观测数据进行系列的预处理，使之符合预测模型的输入状态要求。
(11) 再次进行输出结果预测。新输入状态再次触发调用预测模型，从而产生新的预测输出结果。该结果仍需重复 (6) 中的比较验证过程。
(12) 客户对输出的预测结果进行访问和获取使用。一旦预测模型的输出状态符合客户的科学目标要求，输出数据将通过各种标准的数据访问服务返回给客户，从而实现客户端的进一步应用。
图11-2 用例框架图
图11-3是鸟类迁徙模型互操作架构，反映了鸟类迁徙研究场景中自适应观测数据服务系统与地球系统模型框架之间的状态交换互操作机制。所有的数据预处理和模型仿真预测过程都是作为工作流来进行管理的。在此思想下，状态的预处理就是产生“虚拟产品”的过程。一个工作流可以被创建用于链接、重用已有的服务、观测以及之间产品。使用必要的参数和配置，状态准备网络处理服务产生一个主要的输入状态来初始化引发地球系统模型框架中模型的运行。模型可能包含一些从人类用户或软件程序中产生数据产品的其他工作流。这种新的架构最大化了自适应观测数据服务系统框架和其组件的可重用性、灵活性以及可扩展性。
图11-3 鸟类迁徙模型互操作
用例中鸟类迁徙建模的一个特点在于建模过程涉及许多人类决策问题。人类参与者(actor) 在工作流中扮演着主要角色。在虚拟产品的思想下，可以通过各种针对人的工作流标准来实现，例如BPEL4People。这是一个现有的标准工作流脚本语言来实现人类以一个良性定义的角色参与完整的工作流。
用例框架中的所有数据都可以从自适应观测数据服务系统构架中的目录服务中发现请求或可以通过数据与传感器规划服务组件进行定制。
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。
