随着全球气候变暖,森林碳储量成为目前十分受关注的问题。森林生物量是估算森林碳储量的重要参数,不仅是碳循环的标志,更是森林生态系统评价的重要指标。森林郁闭度同样作为森林生态资源调查中的主要参数之一,也是碳循环中的重要因子,与生物量有着密切的关系,通过遥感影像反演有效得到郁闭度的值可以更精确的实现生物量的反演。但是随着遥感大数据的发展,遥感影像处理的复杂度和数据量也在增加,因此为了实现遥感影像的高效处理,本文将Spark并行计算框架应用于遥感影像的并行处理中,以帽儿山老山施业区为数据源,提出了基于Spark的并行反演算法,将基于郁闭度的生物量反演模型与之集成完成了生物量的并行反演。本文主要的研究内容如下:(1)针对遥感影像数据量大,在并行反演过程中反复读取、存储数据造成时效性低的问题,本文在遥感影像预处理后建立了遥感影像金字塔。在并行反演过程中,可以直接从金字塔模型中快速提取信息。同时,针对本文数据类型,提出了一种针对遥感影像数据和影像瓦片采用不同数据库分而治之的存储方式。将原始遥感影像和并行反演的处理过程和结果保存在分布式文件系统HDFS中。影像金字塔瓦片的生成和金字塔模型构建过程采用列式分布式数据库HBase来存储数据。从并行计算框架的底层存储到上层的应用都在云平台上实现,提高了数据存储和读取的效率。(2)针对遥感影像反演效率低的问题,本文提出了基于Spark自定义RDD的并行反演算法。将反演过程中遥感影像融合、相关因子的提取和反演模型集成三个关键步骤作为自定义RDD中的操作算子,对其进行设计完成自定义RDD中不同类型RDD转化。在程序执行过程中通过调用自定义RDD完成并行反演。(3)森林郁闭度控制着森林的光合、呼吸、循环等物理过程,对于生物量来说具有很强的相关性,基于郁闭度值的有效估算能够提高生物量反演的精度。针对生物量反演精度低的问题,本文建立了基于郁闭度的生物量反演模型,并与基于Spark自定义RDD的并行反演算法相集成完成了森林生物量的并行反演。通过单机串行模式、基于MapReduce模式和Spark并行计算框架中Spark standalone和Spark on yarn模式进行了对比实验。实验结果表明本文提出的基于郁闭度的并行反演模型精度较高同时基于Spark自定义RDD生物量并行反演算法结果达到了预期的效果,并且反演效率高。随着计算节点的增加并行反演的效率也在不断提高。在反演结果一致准确的前提下,此并行反演算法能够较精确并且高效的完成森林生物量的并行反演。