高性能大气校正算法中遥感数据切分策略研究

J4 ›› 2016, Vol. 38 ›› Issue (05): 857-862.

高性能大气校正算法中遥感数据切分策略研究

白连红1,2，徐澍1,2，司一丹1,李莘莘1

(1.中国科学院遥感与数字地球研究所遥感科学国家重点实验室，北京 100101;2.信阳职业技术学院数学与计算机学院，河南信阳 464000)

收稿日期:2015-05-05 修回日期:2015-08-21 出版日期:2016-05-25 发布日期:2016-05-25
基金资助:
国家自然科学基金(41471367,41571417)

A remote sensing data division strategy in
a high-performance atmospheric correction algorithm

BAI Lianhong1,2,XU Shu1,2,SI Yidan1,LI Shenshen1

(1.State Key Laboratory of Remote Sensing Science,Institute of Remote Sensing and Digital Earth,
Chinese Academy of Sciences,Beijing 100101;
2.The School of Mathematics and Computer Science,Xinyang Vocational and Technical College,Xinyang 464000,China)

Received:2015-05-05 Revised:2015-08-21 Online:2016-05-25 Published:2016-05-25

摘要/Abstract

摘要：

高分辨率卫星遥感数据在地物识别等方面具有明显优势,然而其定量化应用中需要精确的大气校正，该过程通常相当耗时。分别研究了大气校正算法串行处理方法及基于通用计算机集群系统的并行处理过程。通过对2012年7月我国华北地区的环境卫星CCD数据进行大气校正，并分析了串、并行过程各个步骤运行时间，表明了对大气校正并行处理的高可行性。针对并行过程中负载不均衡和通讯频繁等问题，设计了基于卫星像元特征的数据切分策略，并对不同并行算法进行了性能分析，表明了本文反演结果的可靠性，以及提出的切分策略能达到更高的加速比。

关键词: 遥感, 大气校正, 气溶胶光学厚度, 数据切分, 负载均衡

Abstract:

Highresolution satellite data is of powerful potentiality in applications such as surface object identification. However, the related quantitative remote sensing usually requires an accurate atmospheric correction, which is quite timeconsuming. The serial and parallel processing of atmospheric correction in the PCbased cluster system is studied. The atmospheric corrections of HJsatellite CCD data over North China Plain in July 2012 are shown in this paper, and the execution time of each step in the serial and parallel processing is also analyzed, which proves the high feasibility of atmospheric correction parallelization. To avoid unbalanced loads and frequent communications, we design a data division strategy based on pixel features and compare the performance of three different division strategies, which indicates that the proposed strategy has higher reliability and can achieve a higher speedup ratio.

Key words: remote sensing;atmospheric correction;aerosol optical depth;data division;balanced loads

白连红1,2，徐澍1,2，司一丹1,李莘莘1. 高性能大气校正算法中遥感数据切分策略研究[J]. J4, 2016, 38(05): 857-862.

BAI Lianhong1,2,XU Shu1,2,SI Yidan1,LI Shenshen1. A remote sensing data division strategy in
a high-performance atmospheric correction algorithm [J]. J4, 2016, 38(05): 857-862.

参考文献［6］

［1］	Wang Q, Wu C Q, Li Q. Environment satellite 1 and its application in environmental monitoring［J］. Journal of Remote Sensing,2010,14(1):104121.
［2］	Li Shenshen,Chen Liangfu,Tao Jinhua,et al. Retrieval of aerosol optical depth over bright targets in the urban area of North China during winter［J］.Sci China Earth Sci,2012,42(8):12531263.(in Chiense)
［3］	Li Shenshen,Chen Liangfu,Tao Jinhua,et al.Retrieval and validation of the surface reflectance using HJ1CCD data［J］.Spectroscopy and Spectral Analysis,2011,31(2):516520.(in Chiense)
［4］	Wan Wei. Study of grid enabled high performance aerosol quantitative retrieval from remotely sensed data［D］.Beijing:Institute of Remote Sensing Application in Chinese Academy of Science,2008.(in Chiense)
［5］	Shen Zhianfeng,Luo Jiancheng,Chen Qiuxiao,et al. Highefficiency remotely sensed image parallel processing method study based on MPI［J］.Journal of Image and Graphics,2007,12(12):21322136.(in Chiense)
［6］	Shu Jiwu,Zheng Weimin,Shen Meiming,et al. Performance analysis for massive problem data parallel computing［J］.Journal of Software,2000,11(5):628633. (in Chiense)
［7］	Kaufman Y J,Waid A E,Remer L A,et al．The MODIS2.1um channel—correlation with visible reflectance for use in remote sensing of aerosol［J］.IEEE Transactions on Geoscience and Remote Sensing,1997,35(5):12861298.
［8］	Wang Z T,Li Q,Wang Q,et al. HJ1 terrestrial aerosol data retrieval using deep blue algorithm［J］.Journal of Remote Sensing,2012,16(3):596610.
［9］	Diner D J,Braswell B H,Davies R,et al. The value of multiangle measurements for retrieving structurally and radiatively consistent properties of clouds,aerosols,and surfaces［J］. Remote Sensing of Environment,2005,97(4):495518.
［10］	Miehe P,Sandu A, Carmichael G R, et al. A communication library for the parallelization of air quality models on structure grids［J］. Atmospheric Environment,2002,36(24):39173930.
	附中文参考文献：
［2］	李莘莘,陈良富,陶金花,等. 城市与冬季北方亮目标地区气溶胶光学厚度反演［J］.中国科学:地球科学,2012,42(8):12531263.
［3］	李莘莘,陈良富,陶金花,等. 基于HJ1 CCD数据的地表反射率反演与验证［J］.光谱学与光谱分析,2011,31(2):516520.
［4］	万伟. 高性能气溶胶遥感定量反演的网格计算研究［D］.北京:中国科学院遥感应用研究所,2008.
［5］	沈占峰,骆剑承,陈秋晓,等. 基于MPI的遥感影像高效能并行处理方法研究［J］.中国图象图形学报,2007,12(12):21322136.
［6］	舒继武,郑纬民,沈美明,等. 大规模问题数据并行性能的分析［J］.软件学报,2000,11(5):628633.

[1]	马征, 褚钧正, 武鹏飞. 一种基于对抗学习的仿真遥感图像生成方法[J]. 计算机工程与科学, 2023, 45(03): 489-494.
[2]	厍向阳, 马亦骏. 改进的遥感图像语义分割算法[J]. 计算机工程与科学, 2023, 45(03): 504-511.
[3]	李忠瑞, 崔宾阁, 杨光, 张昊卿. 基于深度学习的海岸线边缘检测网络模型[J]. 计算机工程与科学, 2022, 44(12): 2220-2229.
[4]	吴从中, 董浩, 方静. 基于注意力机制的自适应滤波遥感图像分割网络[J]. 计算机工程与科学, 2022, 44(11): 2010-2018.
[5]	李文佳, 史岚, 季航旭, 罗意彭. 面向Flink的负载均衡任务调度算法的研究与实现[J]. 计算机工程与科学, 2022, 44(07): 1141-1151.
[6]	徐浩桐, 黄山, 孙国璋, 贺菲莉, 段晓东, . 面向云环境的Flink负载均衡策略[J]. 计算机工程与科学, 2022, 44(05): 779-787.
[7]	罗晓霞, 王佳, 罗香玉, 李嘉楠 . 一种基于GN算法的动态图划分方法[J]. 计算机工程与科学, 2022, 44(02): 306-311.
[8]	李力, 汪硕, 黄韬, 刘韵洁, . 数据中心网络四层负载均衡技术综述[J]. 计算机工程与科学, 2022, 44(01): 48-59.
[9]	黄山, 房六一, 徐浩桐, 段晓东, . 面向容器环境的Flink的任务调度优化研究[J]. 计算机工程与科学, 2021, 43(07): 1173-1184.
[10]	陈俊彦, 李玥, 梁楚欣, 雷晓春. SDN多控制器部署及流量均衡研究[J]. 计算机工程与科学, 2021, 43(05): 830-835.
[11]	吴湘宁, 贺鹏, 邓中港, 李佳琪, 王稳, 陈苗. 一种基于注意力机制的小目标检测深度学习模型[J]. 计算机工程与科学, 2021, 43(01): 95-104.
[12]	丁峻宏, 苗新强, 李根国. 面向异构超算的结构分析高效并行计算方法[J]. 计算机工程与科学, 2020, 42(12): 2133-2140.
[13]	王丽, 郭振华, 曹芳, 高开, 赵雅倩, 赵坤. 面向模型并行训练的模型拆分策略自动生成方法[J]. 计算机工程与科学, 2020, 42(09): 1529-1537.
[14]	张开琦, 刘晓燕, 王信, 吉春山, 严馨. 基于动态权重的一致性哈希微服务负载均衡优化[J]. 计算机工程与科学, 2020, 42(08): 1339-1344.
[15]	蔡衡1,2,3，楚恒1,2,4，单德明1,2,3. 基于ELM的遥感影像城市道路提取[J]. 计算机工程与科学, 2020, 42(01): 125-130.