基于MPI 的LEDAPS 遥感影像预处理并行化方法研究 - 广东农业科学.PDF

基于MPI 的LEDAPS 遥感影像预处理并行化方法研究 - 广东农业科学.PDF

  1. 1、本文档共5页,可阅读全部内容。
  2. 2、有哪些信誉好的足球投注网站(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
  3. 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  4. 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
基于MPI 的LEDAPS 遥感影像预处理并行化方法研究 - 广东农业科学

广东农业科学 2013 年第 11 期 201 基于MPI 的LEDAPS 遥感影像预处理并行化方法研究 陈雄华 张 旭 郭 颖 马 勇 杨彦臣 中国林业科学研究院资源信息研究所,北京 100091 冤 摘 要 LEDAPS( Landsat 生态系统干扰 适应处理系统)通过对 Landsat 影像进行 标尧云掩模尧精确配准和正射纠正尧大气 校正等预处理袁为森林生态系统固碳能力及碳储量研究提供地表反射率产品遥 随着遥感数据的几何增长袁传统串行使用 LEDAPS 进行影像预处理计算所费周期长袁 使得 LEDAPS 在实际森林碳储量研究应用中不能满足海量遥感数据的处理需求遥 针对这一问 题袁提出了一种基于 MPI 的 LEDAPS 高性能粗粒度数据并行计算方法遥 通过实例验证袁当 MPI 进程数为 8 时袁加速比最高达到 7.37遥 该方法在大幅提高计算速度袁节省计算时间的基础上袁实现了计算节点的负载均衡及可扩展袁有效地提高了LEDA PS 处理海 量遥感数据的能力袁缩短了利用遥感影像进行森林碳储量计算的周期遥 关键词 森林碳储量曰 LEDAPS曰 Landsat 影像预处理曰 MPI曰 并行计算 中 分类号 S771.8 文献标识码 A 文章编号 1004-874X 2013冤11-0201-05 LEDAPS remote sensing image processing parallelization method research based on MPI CHEN Xiong-hua, ZHANG Xu,GUO Y ing,MA Yong,YANG Yan-chen (Institute of Fores t Resources Information Tec hniq ues , Chinese A cade my of Forestry, Be ij ing 100091,China) Abstract: Based on Landsat image, the Landsat Ecosystem Disturbance Adaptive Processing System (LEDA PS) uses radiation change detection method for image processing and offers the surface reflectivity products for ecosystem carbon sequestration and carbon reserves . As the accumulation of massive remote sensing data,the traditional serial LEDAPS for image processing has a long cycle that make a lot of difficulties in practical application. For this problem, this paper design a high performance parallel computing method based on MPI. Research and experiment show that the highest speed ratio reached 7.37 when the number of MPI process is 8. The method not only greatly improve the ca

文档评论(0)

youbika + 关注
实名认证
内容提供者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档