地理时空大数据协同计算技术
Collaborative Computing Technology of Geographical Big Data
查看参考文献26篇
|
文摘
|
大数据时代,地理时空数据的迅猛增长给应用理念、技术框架和服务形式带来挑战。本文在阐述地理时空大数据概念的基础上,首先分析了地理时空大数据计算面临的挑战,从数据协同、技术协同、服务协同和生产协同4个层次阐述了地理时空大数据协同计算方法;然后,根据平台化服务的需求设计了地理时空大数据协同计算框架,从遥感数据综合预处理、地理时空数据的组织与管理、地理时空大数据高效计算、地理时空大数据可视化4个方面论述了地理时空大数据协同计算实现的关键技术;最后,以遥感大数据综合处理系统作为案例说明了地理时空大数据协同计算与服务的实现方法,并对地理时空大数据的应用模式进行了展望。 |
|
其他语种文摘
|
In the era of big data, the rapid growth of geographic spatial temporal data has challenged the conventional application concepts, technical framework and service modes. In this paper, the concept and features of geographic spatial temporal big data is elaborated firstly. Then, the characteristics and challenges of the geographic spatial temporal big data computation are analyzed. Particularly, the theory of collaborative computing and service for the geographic spatial temporal big data is developed, which includes four levels of collaboration: data collaboration, technology collaboration, service collaboration and producing collaboration. According to the demand of the market-oriented operation and platform-based service, the technical frameworks of the geographic spatial temporal big data collaborative computing are designed. Furthermore, four common key technologies are discussed, including the remote sensing data preprocessing, the geographic spatial temporal data storage and management, the high performance computing and the visualization of geographic spatial temporal big data. Next, the remote sensing data processing system is developed, and is taken as a case to illustrate the implementation of collaborative computing and service of geographic spatial temporal big data. At last, this paper forecasts the future application mode of geographic spatial temporal big data. |
|
来源
|
地球信息科学学报
,2016,18(5):590-598 【核心库】
|
|
关键词
|
地理时空大数据
;
协同计算
;
影像处理机
;
遥感服务
|
|
地址
|
1.
中国科学院遥感与数字地球研究所, State Key Laboratory of Remote Sensing Science, 北京, 100101
2.
浙江工业大学计算机学院, 杭州, 310023
3.
南京航空航天大学航天学院, 南京, 211106
|
|
语种
|
中文 |
|
文献类型
|
研究性论文 |
|
ISSN
|
1560-8999 |
|
学科
|
测绘学 |
|
基金
|
国家自然科学基金项目
;
国家863计划
;
中国科学院重点部署项目
|
|
文献收藏号
|
CSCD:5694330
|
参考文献 共
26
共2页
|
|
1.
李德仁. 遥感大数据自动分析与数据挖掘.
测绘学报,2014,43(12):1211-1216
|
被引
108
次
|
|
|
|
|
2.
周成虎.
高分辨率卫星遥感影像地学计算,2009
|
被引
40
次
|
|
|
|
|
3.
Zikopoulos P.
Understanding of big data,2012
|
被引
3
次
|
|
|
|
|
4.
王劲峰. 地理学时空数据分析方法.
地理学报,2014,69(9):1326-1345
|
被引
65
次
|
|
|
|
|
5.
李德仁. 论时空大数据及其应用.
卫星应用,2015(9):7-11
|
被引
24
次
|
|
|
|
|
6.
Dorband J. Commodity computing clusters at Goddard space flight center.
Journal of Space Communication,2003,3(1):1-5
|
被引
1
次
|
|
|
|
|
7.
朱志文. 改进SIFT点特征的并行遥感影像配准.
遥感学报,2011,15(5):1024-1039
|
被引
11
次
|
|
|
|
|
8.
Qin C. Parallelizing flow-accumulation calculations on graphics processing units-from iterative DEM preprocessing algorithm to recursive multiple-flow-direction algorithm.
Computers & Geosciences,2012,43:7-16
|
被引
5
次
|
|
|
|
|
9.
Besiris D. An FPGA-based hardware implementation of configurable pixel-level color image fusion.
IEEE Transactions on Geoscience and Remote Sensing,2012,50(2):362-373
|
被引
2
次
|
|
|
|
|
10.
Aloisio G. A dynamic earth observation system.
Parallel Computing,2003,29(10):1357-1362
|
被引
3
次
|
|
|
|
|
11.
康俊锋.
云计算环境下高分辨率遥感影像存储与高效管理技术研究,2011
|
被引
10
次
|
|
|
|
|
12.
Phillips R D. Hybrid image classification and parameter selection using a shared memory parallel algorithm.
Computers & Geosciences,2007,33(7):875-897
|
被引
5
次
|
|
|
|
|
13.
吴炜. 均值漂移高分辨率遥感影像多尺度分割的集群实现.
计算机工程与应用,2009,45(34):7-9,24
|
被引
6
次
|
|
|
|
|
14.
骆剑承. 遥感信息图谱计算的理论方法研究.
地球信息科学学报,2009,11(5):5664-5669
|
被引
6
次
|
|
|
|
|
15.
Zikopoulos P.
Understanding of big data,2012
|
被引
3
次
|
|
|
|
|
16.
国务院.
国务院关于印发促进大数据发展行动纲要的通知,2015
|
被引
7
次
|
|
|
|
|
17.
牟乃夏. 轨迹数据挖掘城市应用研究综述.
地球信息科学学报,2015,17(10):1136-1142
|
被引
18
次
|
|
|
|
|
18.
李建中. 传感器网络及其数据管理的概念、问题与进展.
软件学报,2003,14(10):1717-1727
|
被引
249
次
|
|
|
|
|
19.
宫鹏. 无线传感器网络技术环境应用进展.
遥感学报,2010,14(2):387-395
|
被引
24
次
|
|
|
|
|
20.
刘经南. 位置大数据的分析处理研究进展.
武汉大学学报:信息科学版,2014,39(4):379-385
|
被引
47
次
|
|
|
|
|
了解气象卫星更多信息，请访问