论文部分内容阅读
随着全球对地观测技术的快速发展，多源、海量的遥感数据为研究资源、环境、林业、地质、气象、灾害等问题提供了丰富的数据源，然而，海量遥感数据的快速处理需要强大的存储资源和计算资源的支持。因此，基于网络的分布式高性能遥感数据处理技术已逐步成为业界的研究热点。近年来，新兴的云计算技术在诸多应用领域已经逐步进入产业化阶段。因此，本文重点探索研究云计算技术在遥感数据处理服务领域的应用，对探索未来遥感云服务应用具有重要的理论意义和应用价值。 本论文主要研究搭建基于Hadoop的云计算实验平台，并结合WebServices技术开发一套基于Internet服务模式遥感数据处理服务云平台系统，通过典型的遥感数据处理算法的并行化实验——在云计算平台上实现MODIS数据气溶胶遥感反演、遥感图像分类及土壤水分遥感数据同化等探索研究，发展适合遥感数据处理的MapReduce遥感处理并行框架，为其它遥感数据处理算法的快速云并行化提供奠定基础。 本论文的创新点主要包括以下两个方面: 1)提出了基于Hadoop平台的遥感云服务系统的设计与实现方法，给出了系统总体设计框架，并选取了MODIS数据气溶胶遥感反演、遥感图像分类及土壤水分遥感数据同化3个示范性算法进行了云服务系统开发。 2)提出了基于Hadoop流机制的遥感数据处理并行框架，并根据特定遥感数据处理服务特点，为每一个遥感处理服务开发设计了相应的控制层程序(Callmapper)，桥接客户的服务请求与后台服务端分布式存储及处理，从而实现遥感数据在Hadoop平台上的处理。 本论文设计开发的遥感云服务系统探索为用户提供一个简洁、方便、快捷、人性化的服务模式，实现面向用户需求的遥感数据处理系统。该服务系统通过用户与系统界面的交互，用户无需遥感数据处理领域深层次的知识，仅需要了解数据处理需求，根据系统提供的WEB界面上的相关参数设置与功能选项，提交处理需求表单，即可获得需求结果，至于数据处理的算法和程序（或软件）、数据的处理过程，完全由系统完成，初步实现了用户无计算资源、无存储资源、无算法资源，只需用户利用访问终端（如未来的智能手机和虚拟化桌面显示器）提交数据及处理需求即可获得用户满足需求的遥感数据处理服务模式，对未来遥感云服务商业化模式具有参考价值。