面向AOD的遥感反演参数快速构建方法研究

发布时间：2020-07-21 21:52

【摘要】：我国的环保部门对空气进行质量评价时需要实时的、广范围的大气监测资料,但是现有的针对科学研究的大气遥感反演方法在相关领域内有待进一步的研究。气溶胶光学厚度(Aerosol Optical Depth,AOD)是大气污染程度的一个指标,加快AOD的快速反演,能够实时有效的掌握大气时空分布信息,这对研究我国大部分地区多次受雾霾侵扰具有重要意义。目前我国已经发射高分系列卫星中的高分二号卫星的空间分辨率高达亚米级,也对遥感反演算法的计算能力提出了更高的要求。本文针对中国科学院遥感与数字地球研究所主持研发的卫星对地覆盖仿真系统中的AOD遥感反演过程中所用到的遥感反演参数构建为研究重点,目标是解决反演参数形成时间过长的问题。针对这一问题,本文提出了一种在异构GPU集群环境下,适合遥感反演参数快速构建的任务调度策略和调度算法,任务调度策略包括对遥感反演参数快速构建的任务调度模型设计和任务调度器结构设计。任务调度算法包括任务的动态分解算法与动态分配算法。AOD的遥感反演参数的构建需要大量的输入参数,将这些大量的输入参数进行计算,最后生成所需要的AOD遥感反演参数,这一生成过程需要耗费大量的计算时间。本文提出的调度策略和调度算法能够将大量的输入参数进行合理的分组,分解成不同的可独立执行的参数组合,然后将这些参数组合分配到不同的节点机上进行计算,生成AOD的遥感反演参数。本文通过在异构GPU集群环境下对该调度策略和调度算法进行实验验证,得出实验结果,并对实验结果进行对比分析,验证了该调度策略和调度算法的可行性。本文的主要研究内容有:(1)研究了AOD遥感反演在国内外的研究现状,遥感反演参数的构建原理,异构GPU集群体系结构;(2)提出了AOD遥感反演参数的构建任务的调度策略。该策略包括遥感反演参数的构建任务的调度模型设计和任务调度器的结构设计;(3)提出了AOD遥感反演参数的构建任务的调度算法。该算法是依据上述提出的任务调度策略进行设计,包括任务的动态分解算法与动态分配算法;(4)对本文提出的调度策略和调度算法进行试验验证,并对试验结果进行对比分析,从而说明了该策略和算法的可行性。本文提出的调度策略和调度算法为遥感反演参数的快速构建提供了更加稳定的构建环境,保障了遥感反演参数的构建结果的准确性,并能有效缩短遥感反演参数的构建时间。快速、准确的实现AOD的遥感反演参数的构建,以满足相关部门对大气环境污染实时监测的需要,为日后的快速遥感反演的研究和实践提供了一定的方法和理论基础。
【学位授予单位】：河南大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：X51;X87
【图文】：

的集群是由多个独立的计算机节点组合而成，这些独立计算节点络连接，或者通过局域网互相连接在一起，相连在一起的计算节的计算工作[41]。看来集群是一个具有集中性和简单性的计算资源，传统的集群图 2-1 展示了传统集群的基本硬件结构。该架构为无共享结构，不同电脑之间通过交换机进行连接。CPU CacheCPU Cache

对于执行并行运算程序效率的效果也达不到基本的期望[42-44]。提高集算性能的一个重要方式就是并行计算，高性能 CPU 在进行并行运算时，对于时钟加速后产生的热量问题不能有效解决。决定了显卡性能的核心部件就是图形处理器 GPU（Graphics Process Unit），流水在图形处理的过程中经常采用的一种处理方式，因此图形处理器其硬件结构组成包按照一定顺序工作的部件，各个部件之间的工作是以流水线的方式来进行的[45-47]， 2-2 描述了典型的传统 GPU 硬件结构。

CM/IEEE Super Computing Conference）上排名前 500 的超级计算机，在排名超级计算机中，有 3 个均使用了异构加速器[48]。不仅仅是超级计算机使用了异，伴随着 GPU 的诞生，GPU 集群成为了高性能集群计算领域内的一大亮点。目内外部署 GPU 集群的部门有很多，例如拥有 160 个计算节点的 GPU 集群“D在国家实验室（Los Alamos National Laboratory，LANL），拥有 16 个计算节 集群“QP”部署在美国的国家超级计算应用中心（National Center for Supercomplications，NCSA）[49]。多个相互连接的单机组成了分布式处理系统 GPU 集群，在单机中安装 GPU，点的内部呈现出两种异构计算资源 CPU 与 GPU，在个节点之间通过协同工作个简单完整的计算资源。CPU 的角色是执行应用程序的串行部分，在单程序多PMD）方面，GPU 提供了数据级的并行计算能力，为了得到较高的程序执行的遵从数据级并行思想，GPU 将应用程序进行了重新的设计与实现[50-52]。目前，的主流 GPU 集群结构图如图 2-3 所示。

【参考文献】

相关期刊论文 前9条

1 司一丹;徐澍;郑逢斌;李俊;;集群环境下遥感反演查找表快速构建与检索[J];河南大学学报(自然科学版);2015年06期

2 金健;卢远;李嘉力;华璀;;北部湾MODIS气溶胶光学厚度的反演[J];地理空间信息;2015年01期

3 黄锦增;陈虎;赖路双;;异构GPU集群的任务调度方法研究及实现[J];计算机技术与发展;2012年05期

4 郝增周;龚芳;潘德炉;黄海清;;沙尘气溶胶粒子群的散射和偏振特性[J];光学学报;2012年01期

5 卫晓东;张华;;非球形沙尘气溶胶光学特性的分析[J];光学学报;2011年05期

6 肖钟ng;江洪;陈健;张秀英;彭少麟;;利用MODIS遥感数据反演广州市气溶胶光学厚度[J];中国环境科学;2010年05期

7 王岩;范文义;杨爱玲;;6S辐射传输模型在校正哈尔滨市遥感图像中的应用[J];测绘与空间地理信息;2008年02期

8 唐家奎,薛勇,虞统,关燕宁,蔡国印,胡引翠;MODIS陆地气溶胶遥感反演——利用TERRA和AQUA双星MODIS数据协同反演算法[J];中国科学(D辑:地球科学);2005年05期

9 张军华,斯召俊,毛节泰,王美华;GMS卫星遥感中国地区气溶胶光学厚度[J];大气科学;2003年01期

相关博士学位论文 前10条

1 郭阳洁;基于气溶胶遥感的中国陆地大气PM2.5浓度估算[D];武汉大学;2014年

2 赵胡笳;中国东北城市地区大气气溶胶光学特性及其直接辐射效应研究[D];中国气象科学研究院;2014年

3 刘强;光声光谱技术测量大气气溶胶吸收特性研究[D];中国科学技术大学;2014年

4 王玲;大气气溶胶化学成分地基遥感反演研究[D];南京大学;2013年

5 李小强;CPU-GPU异构系统上的高层编程模型及其编译优化技术[D];中国科学技术大学;2013年

6 马玉娟;中国海洋上空气溶胶监测及时空变化特征研究[D];中国海洋大学;2012年

7 刘建军;长三角太湖地区云和气溶胶辐射特性的地基遥感研究[D];南京信息工程大学;2012年

8 李成林;城市大气污染的定量遥感监测方法研究[D];兰州大学;2012年

9 卢风顺;面向CPU/GPU异构体系结构的并行计算关键技术研究[D];国防科学技术大学;2012年

10 许万智;北京地区气溶胶光学特性与辐射效应的观测研究[D];中国气象科学研究院;2012年

相关硕士学位论文 前7条

1 韩可欣;基于MODIS数据的西南地区气溶胶光学厚度时空分布及影响因素研究[D];贵州师范大学;2017年

2 耿蒙;典型地区大气气溶胶谱分布和折射率特征研究[D];中国科学技术大学;2017年

3 张勇;基于6S辐射传输模型的大气校正研究与应用[D];中南大学;2014年

4 李佳佳;异构GPU集群的并行编程模型及实现[D];复旦大学;2013年

5 徐婷婷;基于6S辐射传输模型模拟的MODIS气溶胶光学厚度指数及其验证[D];南京师范大学;2013年

6 吴勇文;CPU/GPU异构集群并行计算模型研究[D];国防科学技术大学;2012年

7 霍洪鹏;面向通用计算的GPU集群设计[D];复旦大学;2012年

本文编号：2764861