abstrak

Seiring teknologi layanan Web telah matang dalam beberapa tahun terakhir, semakin banyak
sumber daya geospasial dan fungsi pemrosesan tersedia dalam bentuk layanan Web
online. Akibatnya, metode pengolahan data yang efektif dan efisien untuk ekstraksi informasi
geospasial dan penemuan pengetahuan melalui Web merupakan tantangan utama bagi penelitian
dan industri. Web Geoprocessing, yang terdiri dari protokol ringan, kemampuan crowd-sourcing, dan
kemampuan untuk memproses sumber data geospasial real-time yang disediakan oleh sensor,
memungkinkan pemrosesan data geospasial yang terdistribusi, interoperabel dan kolaboratif untuk
penemuan informasi dan pengetahuan. Makalah ini memberikan gambaran menyeluruh tentang
arsitektur dan teknologi mutakhir, dan perkembangan terkini di Web Geoprocessing.

& 2012 Elsevier Ltd. Semua hak dilindungi undang-undang.

1. Perkenalan

Dengan kemajuan Bumi mengamati dan merasakan teknologi, volume data geoscientific telah
meningkat pesat dalam dekade terakhir dan diperkirakan terus berkembang terus. Peningkatan ini
tercermin dari sistem satelit operasi yang diantisipasi yang memperoleh data penginderaan jauh
beresolusi tinggi atau oleh sistem sumber kerumitan baru yang membuat data in-situ tersedia dan
mendukung warga negara sebagai ilmuwan. Sebagai contoh, satelit satuan Aeronautika dan Tata
Ruang Nasional (NASA) hanya mengumpulkan 1000 terabyte per tahun (Clery dan Voss, 2005). Data
yang dikumpulkan ini beragam mengenai sifat spasial dan temporal serta kualitasnya. Karena
semakin banyak informasi dan pengetahuan ditransformasikan dari data geospasial, nilainya
meningkat. Sementara jutaan orang di seluruh dunia berinteraksi dengan data geospasial melalui
alat online seperti virtual globes (Nature, 2006), eksplorasi geospasial pada aplikasi yang ada
terbatas pada berbagi data dan tampilan. Integrasi sumber data yang berbeda dengan cara berbasis
web geoprocessing untuk memperoleh informasi lebih lanjut belum dieksplorasi secara
menyeluruh. Sebagai gantinya, pengguna menghabiskan banyak waktu untuk menginstal dan
mempelajari berbagai perangkat lunak pada mesin lokal, mencari dan mengumpulkan data
geospasial dari berbagai sumber, dan melakukan pemrosesan ulang dan menganalisis data pada
mesin lokal. Paradigma '' semuanya-lokal-dan-dioperasikan 'ini membuat analisis dan penerapan
data geospasial sangat mahal dan memakan waktu. Selain itu, sumber daya ini terkunci dalam silo
dan tidak dapat dibagi dan terintegrasi di seluruh organisasi dan masyarakat. Akibatnya, analisis data
menjadi hak istimewa yang dimiliki oleh beberapa pengguna khusus domain terdidik, dan banyak
data mungkin belum dianalisis secukupnya. Metode analisis data tradisional ini jauh melampaui
tuntutan peningkatan akan informasi dan pengetahuan geospasial.

Interoperabilitas dan aksesibilitas sumber daya geoprocessing meningkatkan penerapan data

geospasial di berbagai domain dan membantu meningkatkan pengetahuan geospasial yang tersedia
bagi masyarakat. Interoperabilitas ini dicapai dengan standar umum, sedangkan aksesibilitas
terhadap sumber daya tertentu dimungkinkan oleh Web. Kedua aspek tersebut didukung oleh
teknologi layanan Web, yang telah matang dalam beberapa tahun terakhir. Berbasis Web
didistribusikan penyebaran geospasial dan jaringan besar aplikasi berkolaborasi adalah langkah
berikutnya dalam evolusi geoprocessing (Kiehle et al., 2007). Untuk mengatasi tuntutan
geoprocessing di lingkungan terdistribusi seperti Web, kombinasi antara fungsi analisis konvensional
dan teknologi komputasi tingkat lanjut memerlukan infrastruktur teknis baru, model spesifik domain
dan ologi metode untuk mendukung alat penambangan data tingkat lanjut dan kolaborasi komunitas
online (Nature, 2008). Web Geoprocessing menyediakan arsitektur, standar dan alat untuk
memenuhi persyaratan ini. Beberapa adalah Service-Oriented Architecture (SOA), protokol ringan,
kemampuan crowd-sourcing dan kapabilitas untuk memproses dan memberikan data geospasial
real-time yang disediakan oleh sensor. Web Geoprocessing mengubah cara di manaaplikasi dan
sistem geospasial dirancang, dikembangkan dan digunakan.

Artikel ini memberikan ikhtisar tentang state-of-the-art terkini dari Geoprocessing Web. Bagian 2
mendokumentasikan pendekatan dan pencapaian yang ada dari geoprocessing berbasis Web.
Berdasarkan analisis ini, konsep dan kerangka kerja Geoprocessing Web dijelaskan pada Bagian
3. Bagian 4 membahas masalah dan

perkembangan menuju pembentukan Geoprocessing Web. Bagian 5 memperkenalkan beberapa

sistem geopro berbasis Web yang beroperasi bernyanyi dan membahas kesiapan teknologi dari Web
pemrosesan Geo. Kesimpulan diberikan pada Bagian 6.

2. Pendekatan yang ada untuk geoprocessing

Geoprocessing adalah operasi yang digunakan untuk memanipulasi data spasial. Menurut spesifikasi
International Organization for Standardization (ISO) 19119 (ISO, 2005), geoprocessing umum
mencakup pemrosesan spasial (misalnya, analisis jaringan dan transformasi koordinat), pemrosesan
tematik (mis., klasifikasi dan geokode), pemrosesan temporal (mis., deteksi perubahan dan temporal
subsetting), dan pemrosesan metadata (mis., anotasi geografis dan perhitungan statistik).
Perkembangan paradigma geoprocessing sangat dipengaruhi oleh kemajuan teknologi
informasi. Paradigma geoprocessing yang ada dapat dikelompokkan menjadi empat jenis (Orfali et
al., 1999; Tsou dan Buttenfield, 2002; Chang and Park, 2006; Zhao et al., 2006; Yue et al., 2010b),
seperti yang ditunjukkan pada Gambar 1 :

(1) Lingkungan mandiri Aplikasi geoprocessing tradisional dilakukan di Lingkungan mandiri seperti
komputer desktop. Sto data kemarahan, visualisasi, dan pemrosesan digabungkan dengan erat
dalam repositori perangkat lunak Dengan demikian, pengguna geospasial sering mengakses,
mentransmisikan formulir, dan memvisualisasikan data menggunakan satu paket perangkat lunak.

(2) Klien / server Fungsi penyimpanan data dan pengolahan dilakukan di server jarak jauh,
sedangkan fungsi presentasi data per dibentuk oleh klien lokal seperti browser Web (Abel dkk.,
1998). Dalam hal penugasan fungsi ke klien dan server, client dan server bisa diklasifikasikan respec
tively sebagai klien kurus / tebal dan server ringan / berat (Chang dan Park, 2006). Misalnya,
beberapa fungsi manipulasi data bisa ditambahkan pada sisi thin client untuk meningkatkan
performansi interaksi pengguna Beberapa fungsi geoprocessing sederhana bisa jadi dieksekusi di sisi
client kental, sedangkan pengolahan data yang kompleks dilakukan di sisi server.