并行高分辨率有限区预报系统在IBM SP上的建立

从理论上讲 ,在多节点多处理器并行计算机系统上用ＭＰＩ/ＯｐｅｎＭＰ进行混合并行编程 ,即在节点间用ＭＰＩ通信 ,而节点内用ＯｐｅｎＭＰ ,应该取得比用纯ＭＰＩ并行化的应用程序更好的并行性能。目前 ,各国的应用程序开发者和气象工作者们都在致力于这方面的研究。可以说 ,这种方法的可行性是不容置疑的 ,它应当是今后并行编程框架设计的共同趋势。本文介绍了在ＩＢＭＳＰ并行计算机上优化和并行化高分辨率有限区同化预报系统(ＨＬＦＡＳ)中模式所采用的这种混合编程方法和技术。1　ＨＬＡＦＳ系统高分辨率有限区同化预报系统包括资料分…     

τ-P域地震资料三维叠前深度偏移及其实用算法

本文提出了在τ-P域实现三维叠前深度偏移的计算方法，该方法把地震道集由时-空域变换到τ-P域，然后对共P数据体进行相移或相移加插值偏移，将偏移后的各共P数据体叠加得到叠前深度偏移结果．该算法能够实现陡倾地层的正确归位，降低偏移处理维数，减少计算机内存需求，易于并行处理，但是计算量和所花费的计算机时间仍然很大．为此我们又提出了针对目的层的分时（层）偏移方法，由于只考虑目的层，可节省大量的计算时间．文中以二维实际地震资料及三维数值模型资料的处理说明了上述方法的可行性与有效性．     

并行处理技术在地理信息数据处理中的应用

随着地理信息存储量的飞速增长,传统的单进程、集中式的数据处理方式已不能满足基于网络的地理信息服务的效能要求。分析对比了OpenMP,MPI和MapReduce等主流并行编程模式,将关系型数据库与分布式空间数据管理系统相结合,提出了面向并行处理的地理信息存储模型和数据组织模型,将该模型与传统模型进行了对比分析,并基于MapReduce实现了地理空间数据并行处理框架,选取了矢量数据装载、影像数据装载以及数据切片作为典型数据处理案例开展对比实验,该技术方案的处理效率均数倍于传统技术方案。实验表明,该模型能够很好地支持并行处理框架,可为分布式环境下数据处理中心构建提供一个有效解决方案。     

结合MapReduce和HBase的遥感图像并行分布式查询

提出了一种可扩展的遥感图像多维度并行查询模式,即利用MapReduce实现海量图像数据金字塔的并行构建,利用HBase实现图像的分布式检索,设计和实现了单张遥感图像金字塔的并行构建方法和图像索引系统。实验结果表明,随着Hadoop和HBase集群的增长,图像数据的导入和检索速度得到明显提升。     

《测绘科学》“智慧城市专辑”征稿通知

正《测绘科学》2014年第8期将推出"智慧城市专辑"(正刊),现特向广大科技工作者征稿。刊出时间2014年8月20号,截稿日期2014年5月1日。征稿范围:1、智慧城市与智慧地球宏观理论研究、体系和方法,建设智慧城市的主要难题和技术瓶颈等;2、智慧地球时代的测绘地理信息学学科发展相关研究,包括位置云、车联网、遥感云、遥感数据多粒度并行处理、传感网与GIS集成、视频与GIS     

基于Bernese非差的GNSS大网分布式解算

非差精密单点定位(PPP)是大规模GNSS网络数据处理的主要模式之一。分析了基于Bernese自动处理引擎BPE的非差定位解算流程,通过修改配置文本文件实现BPE功能自动调用。针对单机集中处理模式下解算规模受限、时效性差的问题,采用分布式技术,利用C#编程实现了GNSS精密单点定位的并行处理。采用IGS数据进行实验,算例结果表明:在分布式环境下调用Bernese自动解算功能进行并行数据处理,能够实现快速、准确的GNSS大网高精度PPP定位解算,计算效率明显提高。     

无人机影像SIFT特征匹配的集群并行处理方法

简要介绍了国内外摄影测量并行处理技术发展的情况。在分析SIFT(尺度不变特征变换)算法和集群并行算法特点的基础上,设计了一种无人机影像匹配并行处理的方法;兼顾计算局部化和负载均衡提出了分层列划分的数据划分策略;并通过重叠通信和计算来减少通信开销,借助时间分布图对算法进行了量化分析。实验证明该方法可扩展性较好,适合在集群平台上进行影像匹配高效处理。     

浅议基于像素工厂的ADS 80影像处理技术

摄影测量进入数字时代以来,ADS80因其独特的优势逐步成为航摄影像获取的主流平台,对ADS80数据后续快速处理也成为目前数据处理软件研究的重点。本文介绍了基于像素工厂系统快速处理ADS80数据的技术流程和数据处理的主要技术环节,总结了像素工厂系统数据处理的优劣势。通过实际项目实践,验证了基于像素工厂系统处理ADS80数据的可靠性与高效性。     

矢量瓦片并行构建与分布式存储模型研究

矢量瓦片体积小、生成效率高、支持动态交互,较传统栅格瓦片有诸多优势,是下一代互联网地图服务研究的重点。为了解决当前矢量瓦片研究中处理速度慢,扩展性差等问题,本文利用并行计算框架Spark进行矢量瓦片快速构建,通过自定义转换函数,将原始矢量数据GeoJson转换成mvt瓦片集;对于生成的矢量瓦片集,本文基于分布式内存文件系统Alluxio设计一个瓦片存储模型-VectorTileStore,模型以键值对进行数据存储,瓦片元数据占据前八个键值对,单个瓦片占据一个键值对,在数据写入的同时,基于键构建一个哈希索引,用于快速访问,模型兼容海量瓦片的组织存储,具有很强的扩展性。通过实验结果表明,本文提出的矢量瓦片并行构建算法较单机构建算法运行时间平均减少49.6%,分布式存储模型VectorTileStore较传统方案更适合海量矢量瓦片存储,存取时间效率更高。     

大规模空间数据处理模式和系统集成

随着地理信息需求推动下的空间数据采集能力的发展,空间数据的生产规模和数据量呈爆发式增长,直接带来了对大规模空间数据处理的需求。本文基于IT并行计算和大数据技术的发展成果,探讨了这些技术在大规模空间数据处理上的应用及相应的IT系统集成思路,提出了基于数据库的并行空间数据处理方法,并根据第一次全国地理国情普查项目需求作了深度验证和分析。