针对规模化畜禽生产中动物健康、环境卫生和牧场的废气排放造成的社区环境污染，以及动物源人兽共患病的流行和“超级细菌”导致的公共卫生问题，受17个国家、省部和国际合作项目资助，申请人系统地对畜禽场舍内外环境微生物监测，在国内首次阐明密集的畜禽饲养使微生物气溶胶的含量升高、环境质量变坏、并向场舍外扩散；在国际上首次建立了病毒气溶胶传染模型，揭示了禽流感等4种病毒气溶胶的发生、传播及感染机制，认识了疫病气源性传染的过程与规律，丰富了流行病学理论。 从事该领域工作20余年，37名博、硕研究生参与,发表SCI论文35篇，总影响因子116，他人引用536次；检测技术获得2项国家发明专利；一项国家国际合作项目验收为优秀。 （1）确认了畜禽场舍的微生物气溶胶的来源及其传播。即对养鸡猪牛兔等场舍（共126个场）及场舍外不同距离的气载需氧菌、厌氧菌、革兰氏阴性菌及内毒素、真菌及真菌毒素监测，获得了其含量及不同菌群的构成成分；揭示了养殖环境微生物气溶胶向场舍外包括社区居民环境的扩散，在200m之内污染严重。借此，评估了畜禽舍环境卫生和疫病流行风险及对从业人员的传染危害，制定了防控措施；创立了规模化生产“环境性疫病学说”；提出了舍微生物气溶胶既是环境质量指征，又是病原传播感染媒介的学说。 （2）阐明了源于畜禽舍的微生物气溶胶向场舍外扩散，在国际上首次把基因组学技术应用于畜禽舍的微生物气溶胶溯源鉴定。采用PFGE、ERIC和REP-PCR对牧场舍内外环境中分离的指示细菌溯源发现，从牧场舍外下风方向（10-200m）分离的多数微生物来源于舍内空气或粪便（粪便中分离到的与舍内空气中的部分大肠杆菌（鸡舍34.1%、牛栏41.8%）来源相同）。揭示了牧场动物产生的微生物气溶胶不仅在畜禽群内扩散，而且能向场舍外环境传播。首次构建了气源性传染病的传播模式，有公共卫生和流行病学意义。 （3）发现了源于动物体携带毒素基因的病原菌气溶胶的发生与传播。对养鸡猪牛场（共33个）舍内、舍外环境分离的380株气载大肠杆菌携带主要毒素基因的解析发现，鸡舍携带LTa基因的菌株最多为53.85%（63/117）、猪舍携带LTa和STb基因的分别35%和30%、牛舍58.74%大肠杆菌携带1至4种毒素基因。探明了畜禽传染病病原的传播过程。 （4）验证了畜禽饲养中“超级细菌”和泛耐药菌的出现及扩散。应用分子生物技术对养鸡猪牛场舍内、舍外环境分离的426株肠球菌和149株金葡菌耐药基因鉴定，发现了传统的超级细菌：在养鸡场舍内外8株金葡菌为MRSA-耐甲氧西林金葡菌，并携带耐药基因；36株肠球菌携带耐万古霉素vanA或vanB基因。14.55%（62/426）的肠球菌对β-内酰胺酶类抗生素耐药等。揭示了养殖环境耐药菌的产生与传播状况和滥用抗生素导致的危害风险。 （5）确认养殖环境3%-13%气溶胶粒子属于PM2.5。在鸡猪牛舍分别为3.7%、4.9%、13.4%的粒子Dae50＜1µm，这些粒子能够到达肺泡，对动物及饲养员的感染危害更大。该结果为养殖环境饲养卫生管理及卫生标准的制定提供参考，丰富了感染理论。 （6）建立了AIV、NDV等病毒气溶胶的发生、传播及感染模型，阐明其气源性传染的机制与风险。

由于受到云、气溶胶等不利天气的影响，基于热红外遥感反演的地表温度数据存在空间不连续问题，阻碍了地表温度产品的实际应用。

本书共11章,第1章阐明了研究背景与意义,国内外研究现状,研究对象概况,三维建模技术方法;第2~6章分别介绍了海清寺的阿育王塔,万年宝鼎,关圣帝君像,浮雕长廊三维建模的技术方法;第7~9章分别介绍了淮海工学院苍梧校区的欣园亭,化工工程学院实验楼,测绘工程学院集中办公区三维建模的技术方法;第10~11章分别介绍了石灰岩矿与地质灾害体的三维建模与应用技术方法.

2020年1月30日，天津大学生物信息中心新型冠状病毒基因组注释数据库上线，并纳入中国国家基因组科学数据中心向全球开放服务。天津大学生物信息中心的高峰教授、罗昊博士采用已研发的ZCURVE_CoV系列软件对包括新型冠状病毒(2019-nCoV)在内的两千余株冠状病毒的基因组进行了基因识别和酶切位点预测，并以数据库(ZCURVE_CoV Database)的形式提供网上服务。

为服务社会大众了解疫情走势，并为相关部门提供决策支持，北京航空航天大学北航大数据与脑机智能高精尖创新中心刘旭东教授、胡春明教授、李建欣教授等组织师生，与复杂系统可靠性实验室李大庆研究员联合组成团队，全力投入建模和系统研发，已向决策部门提供疫情数据评估与预警报告、区域物资保障评估专项报告等，并迅速开发“新冠肺炎疫情数据导航服务”平台，数据单日访问量近 5 万次。此外，中心还进行新型冠状病毒的疫情评估与预测报告并开发疫情实时更新系统。中心对疫情现状进行分析和预测，为公众提供及时、准确的疫情态势分析、走势预测、舆情动态和政策措施等智能数据服务，实现全国及重点城市日度传播系数计算、短期确诊人数预测和长期疫情拐点与结束日期预测、疫情缓解系数评估等功能。此外，大数据与脑机智能高精尖创新中心研究团队根据疫情确诊患者相关公开数据，利用自然语言处理等技术，从已公开全国各省市直辖区四千余位确诊患者轨迹中抽取了基本信息(性别、年龄、常住地、工作、接触史等)、轨迹(时间、地点、交通工具、事件)及病患关系形成结构化信息。同时开发确诊患者轨迹可视化查询与分析系统，为疫情传播与防控相关研究提供有效支撑。

本成果针对城市水电气热等综合能源数据来源广泛，结构复杂，且与用户、时间、空间信息关系紧密的特点，构建了高性能综合能源数据分析平台，提出了细粒度的能源数据分析理论框架及方法，并将其应用于智慧城市建设。

大数据应用的多样化 需要的计算模型、数据模型多样化； 目前每类模型需要单独的开源系统来支持（如HDFS、HBase、Neo4j、MongoDB，Flink，Spark，Tensorflow等）。 多系统导致大数据分析平台非常复杂、效率低下。研究目标：研究和开发面向新型多计算模型融合架构的、高时效、可扩展的新 一代大数据分析支撑系统与工具平台FAST（Fusion-Architecture, Scalable, Time-efficient big data analysis platform）。针对目前大数据分析平台复杂、效率低下的痛点，该系统具有三个 方面的优势：首先，这套系统采用融合架构，一方面实现关系、图、键 值、文档等多种数据模型的高效融合，另一方面实现批处理计算、流计 算的深度融合，并可以通过SQL扩展语言来进行多模型的统一查询，实现高效的跨模型查询。其次，对于复杂系统来说，时效性非常重要，这 套系统采用融合架构提高效率是实现高时效的基础，更重要的是，我们 对大数据分析从数据到用户进行了端到端的全栈时效优化。最后，对于 大数据应用来说，系统扩展性非常重要，本系统在资源层、存储层和计 算层进行了全面的扩展性优化。下面在融合架构、高时效和可扩展这三 个方面，分别详细介绍FAST系统的三个主要亮点。融合架构FAST系统的第一个亮点是融合架构，我们在技术方面的创新主要包 括多数据模型融合和多计算模型融合两方面。多数据模型融合：设计和研发了多模型数据管理与查询引擎，支持关系、图、键值、 文档等多种数据模型，实现了查询解析、查询优化、元数据管理、数据 分布等功能，将多种数据模型进行统一管理和深度融合。同时扩展了SQL语言，通过统一的查询接口支持对关系、键值、图、文档等数据进行独立访问或者跨模型查询。经过试验，多模型数据融合查询，比Spark 2.3.4的查询时间能平均减少70.7%。目前spark等现有系统还需要手工编程方式来实现跨模型查 询，所以FAST系统在易用性上也表现良好，降低使用门槛，提高开发效率。多计算模型融合：在计算层实现了最常见的批处理计算和流计算深度融合，批流融合的核心方法是在系统内部实现批和流的统一表达，批是对有限数据集 的运算，流是对无限数据流的计算，我们设计了UCollection结构对批和 流数据进行统一表达，通过识别的bounded标志，来确定是批、流、或批流融合。有了统一表达，可以开展一系列融合优化来提升系统性能。 并且对上通过Unified API统一用户的批、流接口，实现二者在编程范式上的统一表达。对于批流混合的计算，融合架构系统的查询延迟比Flink 1.4.2能减少57%，吞吐量平均可以提升到6.72倍。高时效FAST系统的第二个亮点是高时效，即缩短大数据分析的时间消耗， 提高效率。由于大数据分析平台是一个非常复杂的系统，为了做到高时效，系统不能存在性能短板，因此需要对大数据分析的整个过程进行端到端的全栈时效优化。如图中所示，自下而上，需要在多模态存储、批流融合、机器学习、人工操作各层都进行优化。对于多模态存储，面向应用负载和异构硬件特征进行自适应优化；对于批流融合计算，在统一表达基础上，进行系列融合优化技术， 包括DAG优化、迭代优化、部署优化、操作符优化等；在机器学习层面，进行模型优化、消息优化、梯度优化、概率优化 等来提高时效；而且我们也考虑到大数据分析过程中用户人工操作的时效性问题， 通过智能地进行大数据分析方法和模型的推荐，来缩减人工操作的 时间。可扩展FAST系统的第三个亮点是可扩展，由于大数据应用规模很大，数据增速快，对系统可扩展性的要求非常高，为此我们在系统的资源层、 存储层和计算层进行了全面的扩展性优化。在资源层，系统都部署在云计算的虚拟化资源之上，利用了云计算资源的弹性机制进行系统扩展。并在系统中实现了可伸缩调整模块， 能实时监控软硬件系统的状态，按照应用需求来自适应地进行弹性伸缩。在存储层，分布式存储系统扩展性的关键在于分布式共识和一致性 协议（Raft），因此提出了KV-Raft、vRaft等进行Raft的扩展优化。在计算层，我们扩展了机器学习模型的参数规模，使系统可以支持 到百亿级别的超大规模机器学习模型训练，并且性能方面有明显提 升。亮点成果：融合架构大数据分析平台目前已经在阿里巴巴双十一进行示范应用。 从2020年11月10日至11月16日一周的时间，在阿里的生产环境中，研发 的系统一直连续稳定运行，基于淘宝和天猫的实际用户信息进行大数据 分析，综合运用了本系统的存储、计算、机器学习等多个模块的能力， 累计进行了184亿件商品推荐。同时在双十一期间，基于智能交互向导技术，也面向电子商务应用 的卖家提供了“生意参谋”应用，基于大数据分析，帮助卖家分析产品 销量变化的原因，以及促销的有效手段等。