Using High-Performance Computing to Address the Challenge of Land Use/Land Cover Change Analysis on Spatial Big Data
Using High-Performance Computing to Address the Challenge of Land Use/Land Cover Change Analysis on Spatial Big Data
复制标题
利用高性能计算应对空间大数据土地利用/土地覆盖变化分析的挑战
DOI：
10.3390/ijgi7070273
复制
发表时间：
2018-07
影响因子：
3.4
通讯作者：
徐胜华
中科院分区：
文献类型：
--
作者：
亢晓琛;刘纪平;董春;徐胜华
土地利用/土地覆盖变化（LUCC）分析是区域和全球的一个基本问题。能够准确反映景观多样性并发现差异或变化的地理学。在地球表面。然而，非常沉重的计算负载通常是不可避免的，特别是。在处理多时相土地覆盖数据时，采用较复杂的精细空间分辨率。本文采用基于图的空间分解来表示计算负荷。作为图的顶点和边，然后使用平衡图划分来分解LUCC。空间大数据分析。针对分解任务，提出了一种流调度方法。利用数据移动、裁剪、叠加分析、面积计算和过渡等方面的并行性。矩阵的构建。最后，对2015 - 2016年的土地覆盖数据进行了变化分析。在一个有15个工作站的集群中，耗时不到6小时，这是一项不可缺少的任务。超过两周没有任何优化。
Land use/land cover change (LUCC) analysis is a fundamental issue in regional and global.geography that can accurately reflect the diversity of landscapes and detect the differences or changes.on the earth’s surface. However, a very heavy computational load is often unavoidable, especially.when processing multi-temporal land cover data with fine spatial resolution using more complicated.procedures, which often takes a long time when performing the LUCC analysis over large areas..This paper employs a graph-based spatial decomposition that represents the computational loads.as graph vertices and edges and then uses a balanced graph partitioning to decompose the LUCC.analysis on spatial big data. For the decomposing tasks, a stream scheduling method is developed.to exploit the parallelism in data moving, clipping, overlay analysis, area calculation and transition.matrix building. Finally, a change analysis is performed on the land cover data from 2015 to 2016 in.China, with each piece of temporal data containing approximately 260 million complex polygons..It took less than 6 h in a cluster with 15 workstations, which was an indispensable task that may.surpass two weeks without any optimization.
登录
查看更多内容
DOI：
10.1016/j.compenvurbsys.2010.04.001
发表时间：
2010-07
期刊：
Comput. Environ. Urban Syst.
影响因子：
--
作者：
Chaowei Yang;R. Raskin;M. Goodchild;M. Gahegan
通讯作者：
Chaowei Yang;R. Raskin;M. Goodchild;M. Gahegan
城市地区高分辨率遥感图像分类的多指标学习方法
DOI：
10.1016/j.isprsjprs.2014.01.008
发表时间：
2014-04-01
影响因子：
12.7
作者：
Huang, Xin;Lu, Qikai;Zhang, Liangpei
通讯作者：
Zhang, Liangpei
共享内存系统中大规模空间数据表面积估计的流耕方法
影响因子：
2
作者：
刘纪平;亢晓琛;董春;徐胜华
通讯作者：
徐胜华
DOI：
10.1109/sfcs.1991.185417
发表时间：
1991-09
期刊：
[1991] Proceedings 32nd Annual Symposium of Foundations of Computer Science
影响因子：
--
作者：
G. Miller;S. Teng;S. Vavasis
通讯作者：
G. Miller;S. Teng;S. Vavasis
影响因子：
3.9
作者：
B. Nour-Omid;A. Raefsky;G. Lyzenga
通讯作者：
B. Nour-Omid;A. Raefsky;G. Lyzenga