谷歌研究院官方博客近日更新，宣布开源与哈佛大学等高校和机构合作完成的一个交互式可视化 GPS 地球地震周期物理学数据库。不仅如此，本文后附 20+ 更多奇异有趣的数据集，万一哪天用上了呢？

　　谷歌希望借开源产品，打造数据数集生态

　　（文／Jimbo Wilson，Google Big Picture Team 软件工程师；Brendan Meade，哈佛大学地球与行星科学系教授）为了帮助研究人员更好地了解地震周期并探索相关数据，谷歌研究院发布了一种新的交互式数据可视化方法，通过相对于真实位置放大位置估计值，在地形图顶部绘制大地测量速度线（geodetic velocity lines）。

　　与现有方法——集中于小段时间或单个观测站位置不同，新的可视化方法可以一次显示整个阵列所有观测站的数据。获取开源代码可以访问 GitHub，用的是 Apache 2 许可证。这种可视化技术是哈佛大学地球与行星科学系与 Google 机器感知（Machine Perception）和大图片（Big Picture）团队之间的合作成果。

　　这种新的方法可以帮助科学家快速评估地震周期各阶段的变形——包括地震（同震）和（地震）之间的时间。 例如，我们可以到站的方位角（方向）反转，因为它们与地形结构和活动断层有关。挖掘这些运动将帮助科学家审查他们的模型和数据，而这两者是开发准确的计算机表征的关键，有助于预测未来的地震。

　　将这些数据可视化的一种经典方法大致分为两类：

1. 根据固定时间间隔上的速度/位移矢量上生成的地图视图（下图左）；

2. 根据每个 GNSS 分量（经纬度和高度）与时间生成的位置图（下图右）。

　　这次研究人员采用的可视化方法很简单：通过放大每天的经度和纬度位置变化，显示每个站的位置随时间演变的轨道。这些放大的位置轨迹被示为划在阴影浮雕地形顶部上面的轨迹，从而给观看者一种在地理情景中位置演变的感觉。

　　此外，研究人员还将这些微小差异乘以用户控制的比例因子（因为直接在地图上的这些点之间绘制线段会太小而看不到）。默认情况下，此放大因子为 105.5（约 31.6 万倍）。

　　然而，这种类型的静态渲染遭受与速度矢量图像相同的问题；在具有高密度 GNSS 站的区域中，轨道彼此重叠显着，造成细节模糊。为了解决这个问题，该可视化允许用户自主选择时间范围、放大矢量和其他设置。此外，通过从开始到结束动画线，用户能够获得静态图像中难以实现的真实的运动感。

　　选择来自日本 GEONET 阵列大约 20 年的数据。通过它可以看到，在 2011 年日本东北地震前后方向上小而连贯的变化（原文是 .gif 图，下面用截图表示）：

　　上面这个动图显示了许多可视化的交互功能：

1. 修改乘数可调整移动放大的程度；

2. 可以调整时间滑块选择特定的关注时间范围；

3. 使用 Google Maps Java API 地图控件，可以放大地图中的一个很小的区域；

4. 通过启用地图标记，可以看到有关各个 GNSS 站点的信息。

　　通过关注感兴趣的站点，在这个可视化动图中还可以看到事件前后和当时的曲率变化。

　　为了实现线段的快速渲染，研究人员使用 THREE.js 创建了一个自定义叠加，以在 WebGL 中渲染线条。GNSS 站点数据以数据纹理（data texture）的形式传到 GPU，使得顶点着色器（vertex shader）基于用户设置和动画，动态地在屏幕上定位每个点。

　　这项目合作探索了开创性的新地震可视化机会。如果你也想自己试着进行可视化，请按照earthquake.rc.fas.harvard.edu 中的说明进行操作，包括如何完成设置、如何下载可用的数据集。欢迎通过 GitHub 项目页面提交问题。

　　还有更多你意想不到的数据集大放送

　　除了谷歌研究院开源的这个数据集，此前新智元就整理过一些开放的数据库列表。鉴于今天的“11·11”，下面就来看更多有趣的数据集~

　　（文／Oliver Cameron）有人说，在机器学习里，数据的重要性占了 95%，可想而知数据对于机器学习的重要性。

　　但是，要找到有趣的数据库非常困难，可以说执掌了行业向前发展的关键。因此，我做了大量的搜索，整理出一个奇怪但有趣的数据库的列表：

　　上图可能看不清晰，可以访问原文点击放大查看（原文地址见文末）。从葡萄酒品质、SMS Spam Collection 到 NBA & MLB Satats，上面这个列表中，作者表示他自己最喜欢是的 UFO Reports，里面有整整 8 万+ 的数据！

　　此外，Oliver 也很着迷于军事化的数据集，其中包括 200 年的国际威胁和冲突，里面包括采取的行动、敌对程度、死亡率和结果。

　　如果有任何想要分享的想法、问题或数据集，他表示很乐意以 Tweet 形式听到你的意见。你可以关注 @olivercameron 并给我发消息。

　　原文地址：

1. https://research.googleblog.com/2016/11/open-source-visualization-of-gps.html

2. https://medium.com/@olivercameron/20-weird-wonderful-datasets-for-machine-learning-c70fc89b73d5

转载请注明出处。GIS帝国网站报道中出现的商标及图像版权属于其合法持有人，只供传递信息之用，非商务用途。