曹夢鴿 高心丹 程逸群

(東北林業(yè)大學(xué)，哈爾濱，150040)

森林火災(zāi)頻發(fā)對地球的危害不言而喻，且森林火災(zāi)的發(fā)生與蔓延情況和火災(zāi)發(fā)生區(qū)域的可燃物、地形及氣象等數(shù)據(jù)關(guān)系極大，有效及時地獲取火場區(qū)域數(shù)據(jù)，并據(jù)此計算預(yù)測火勢發(fā)展，對森林火災(zāi)的撲救意義重大。為了有效應(yīng)對森林火災(zāi)的發(fā)生，相關(guān)學(xué)者在建模方法[1-4]、數(shù)據(jù)管理[5-8]和可視化[9-10]等方面進(jìn)行研究。模型建立為森林火災(zāi)的處置提供了系統(tǒng)藍(lán)圖，通過對火災(zāi)數(shù)據(jù)的存儲、分析和處理實現(xiàn)了對林火數(shù)據(jù)的管理，可視化技術(shù)則可以幫助決策者動態(tài)、直觀地觀察火勢蔓延的方向以及蔓延強(qiáng)度。林火數(shù)據(jù)處理、數(shù)據(jù)分析以及可視化都均建立在數(shù)據(jù)存儲基礎(chǔ)之上，數(shù)據(jù)存儲不僅為森林防火的日常數(shù)據(jù)管理提供可能，而且在森林火災(zāi)發(fā)生后，能夠?qū)崟r有效地計算火場參數(shù)，以便及時了解火場情況，并制定合理的撲火方案。隨著計算機(jī)技術(shù)、遙感技術(shù)和地理信息系統(tǒng)的發(fā)展，森林防火數(shù)據(jù)量呈爆炸式增長，分辨率不斷提高，現(xiàn)有的存儲方式已遠(yuǎn)遠(yuǎn)不能滿足林火遙感影像數(shù)據(jù)的應(yīng)用[6]。森林火災(zāi)遙感數(shù)據(jù)(包括可燃物遙感數(shù)據(jù)、氣象遙感數(shù)據(jù)、地形遙感數(shù)據(jù))等，更多表現(xiàn)出多源、異構(gòu)、動態(tài)等大數(shù)據(jù)[11]特征，如何結(jié)合突發(fā)森林火災(zāi)的特點，對海量遙感影像大數(shù)據(jù)進(jìn)行快速存儲，從而提高加載速度對森林撲火工作十分重要。

大數(shù)據(jù)技術(shù)為許多行業(yè)和領(lǐng)域帶來了便利，因此許多林業(yè)學(xué)者應(yīng)用該技術(shù)進(jìn)行了較為深入的研究。如采用大數(shù)據(jù)技術(shù)對多種森林防火數(shù)據(jù)的存儲、組織、應(yīng)用進(jìn)行了分析，提出了支撐林火大數(shù)據(jù)的關(guān)鍵技術(shù)，為森林防火數(shù)據(jù)的存儲和加載提供了思路，也為預(yù)防森林火災(zāi)做出了巨大貢獻(xiàn)。如文獻(xiàn)[3]提出了一種適用于林火預(yù)測的3級并行計算模型，并采用開放遙感平臺構(gòu)建了該模型，大大提高了林火預(yù)測的實時性；文獻(xiàn)[4]研究林火發(fā)生時空分布規(guī)律、林火蔓延時空模型和林火風(fēng)險模型，為森林防火宏觀決策、分類指導(dǎo)、高效撲救提供科學(xué)參考；文獻(xiàn)[11]研究了影像金字塔的并行構(gòu)建技術(shù)及林業(yè)綜合數(shù)據(jù)管理的關(guān)鍵技術(shù)，通過建立基于HBase的存儲模型，實現(xiàn)了林業(yè)綜合數(shù)據(jù)管理的設(shè)計。

雖然大數(shù)據(jù)技術(shù)使得人們處理海量遙感技術(shù)更加便捷，但是，森林火災(zāi)一旦發(fā)生，決策者更加關(guān)注的是火災(zāi)區(qū)域數(shù)據(jù)的讀取速度，從而能夠更快地進(jìn)行決策、實施撲救。但目前關(guān)于影像數(shù)據(jù)的存儲研究還存在以下問題：傳統(tǒng)的數(shù)據(jù)索引結(jié)構(gòu)使得數(shù)據(jù)加載讀取效率低，無法及時應(yīng)對突發(fā)的森林火災(zāi)；大部分文獻(xiàn)未能將對遙感影像數(shù)據(jù)的編碼、存儲、入庫等問題綜合考慮。因此，筆者針對森林防火遙感大數(shù)據(jù)的特點，結(jié)合遙感影像金字塔模型和Hilbert曲線對索引結(jié)構(gòu)進(jìn)行改進(jìn)，提出了基于HBase的森林防火遙感瓦片大數(shù)據(jù)存儲結(jié)構(gòu)，設(shè)計了森林防火遙感瓦片數(shù)據(jù)并行化存儲架構(gòu)，最后以內(nèi)蒙古轄區(qū)大興安嶺火災(zāi)為例，實現(xiàn)了遙感數(shù)據(jù)的高效存儲、快速加載，從而為突發(fā)森林火災(zāi)的及時決策提供了保障。

1 存儲策略相關(guān)技術(shù)

1.1 遙感瓦片金字塔及Hilbert曲線

森林火災(zāi)一旦發(fā)生，需要對火勢的大小以及火勢的走向迅速做出判斷，所以需要有針對性地快速調(diào)取出有關(guān)的火災(zāi)數(shù)據(jù)。但是，因為當(dāng)前的森林防火遙感影像數(shù)據(jù)大多是來自不同時間的衛(wèi)星影像，搭載在其上的傳感器種類也十分豐富，而且遙感影像數(shù)據(jù)類型多樣，導(dǎo)致其影像數(shù)據(jù)關(guān)聯(lián)性復(fù)雜、格式多樣、時效性高、具有時間和空間特性等特征[12]，直接應(yīng)用會非常困難。因此本研究使用遙感瓦片金字塔模型對森林防火遙感影像數(shù)據(jù)進(jìn)行存儲[13]，以達(dá)到快速查詢的目的。

遙感影像金字塔是用不同分辨率、不同維數(shù)表示同一幅影像形成的類似古埃及金字塔的多層數(shù)據(jù)結(jié)構(gòu)。遙感瓦片金字塔模型是一種多分辨率層次模型，從瓦片金字塔的底層到頂層，分辨率越來越低，但表示的地理范圍不變。通常采用以2為因子的金字塔數(shù)據(jù)結(jié)構(gòu)，以原始影像為基礎(chǔ)，作為金字塔的最底層即第0層，對其行、列數(shù)分別除以2，采用一定的重采樣方法，確定固定的倍率，得到金字塔的第1層，其分辨率是第0層的1/2。然后以第1層金字塔為基礎(chǔ)，采用同樣的方法得到第2、第3層等，可以根據(jù)影像覆蓋范圍和影像的分辨率來確定最后影像金字塔的層數(shù)。影像金字塔中每層又由許多個像元組成，這些像元稱為瓦片。如果直接對這些瓦片像元進(jìn)行存儲，將既費(fèi)時又費(fèi)力，而且不易檢索。傳統(tǒng)的數(shù)據(jù)劃分方法很可能會導(dǎo)致磁盤之間數(shù)據(jù)存儲容量上的不均勻，從而產(chǎn)生嚴(yán)重的數(shù)據(jù)傾斜。Hilbert曲線是一種填充曲線，該曲線可以線性地貫穿每個離散單元并進(jìn)行編碼，該編碼為該單位的唯一標(biāo)識。經(jīng)過這種編碼方式，空間上相鄰的對象會鄰近存儲在一塊，減少IO(輸入輸出)的時間。森林火災(zāi)發(fā)生后一般都加載火災(zāi)所在區(qū)域的遙感影像，而Hilbert曲線編碼更容易加載出相鄰區(qū)域的影像。因此利用Hilbert曲線[14]編碼可以實現(xiàn)海量空間數(shù)據(jù)的均勻分布，減少影像的入庫出庫時間，提高數(shù)據(jù)檢索的并行化程度(見圖1)。

圖1 Hilbert曲線編碼

影像金字塔的每層都可以利用Hilbert曲線進(jìn)行編碼，以每層遙感影像左上角為原點，水平方向為X軸，豎直方向為Y軸建立直角坐標(biāo)系。對編碼后的金字塔構(gòu)建Hilbert樹，Hilbert樹和瓦片金字塔一一對應(yīng)。若R為金字塔的最底層分辨率(即原始層的分辨率)，m為倍率，則各層影像分辨率為(n=0、1、2、…、17)。其中，每個瓦片均由5個元素組成，用{ID、L、R、W、H}表示。ID表示瓦片相應(yīng)的編碼，是唯一的編碼符號，為瓦片的索引信息；L為瓦片所在的層數(shù)；R表示所在層數(shù)影像的分辨率；W表示其瓦片的寬；H表示瓦片的高度。金字塔的每層最大最小經(jīng)緯度信息相同，即可以用{Lngmin、Lngmax、Latmin、Latmax}表示每幅影像的最大最小經(jīng)緯度信息，而且根據(jù)此信息可計算出火災(zāi)發(fā)生區(qū)域所需瓦片的經(jīng)緯度信息，這樣可以加快火災(zāi)區(qū)域的加載速度。其中ID編碼符號為依據(jù)按位運(yùn)算方法編碼后相應(yīng)的二進(jìn)制數(shù)；頂層瓦片所在層數(shù)為0，其余各層依次遞加。金字塔技術(shù)實現(xiàn)了對影像數(shù)據(jù)的由粗到精，由整體到局部的快速瀏覽，Hilbert曲線編碼提高了對數(shù)據(jù)定位和查詢的效率，金字塔和Hilbert曲線編碼的結(jié)合使得遙感數(shù)據(jù)的查詢操作方便快捷。

1.2 遙感影像數(shù)據(jù)存儲結(jié)構(gòu)及索引改進(jìn)

在森林火災(zāi)發(fā)生后為了能夠迅速了解火場情況，以獲取火場的可燃物、地形及氣象數(shù)據(jù)，根據(jù)Hilbert樹和瓦片金字塔具有一一對應(yīng)的關(guān)系，本研究提出了基于HBase的森林防火遙感瓦片大數(shù)據(jù)存儲結(jié)構(gòu)。表1為影像數(shù)據(jù)存儲的邏輯結(jié)構(gòu)，其中行健用來描述影像的空間索引，也就是前面提到的ID；HBase中通過行鍵和列族確定的單元格稱為存貯單元，每個單元都保存著同一份數(shù)據(jù)的多個版本，即同一影像不同時間的版本，版本通過時間戳來索引。

表1 基于HBase的森林防火遙感瓦片數(shù)據(jù)存儲結(jié)構(gòu)

森林火災(zāi)一旦發(fā)生，人們最希望獲得發(fā)生火災(zāi)區(qū)域情況，因此對發(fā)生火災(zāi)的遙感影像進(jìn)行大量的查詢、平移、瀏覽等操作，而一般的遙感瓦片索引設(shè)計沒有考慮到突發(fā)事件時需要快速加載相關(guān)影像，在應(yīng)對大量集中查詢時顯得力不從心，無法滿足類似森林火災(zāi)等一系列突發(fā)事件的需求。所以本研究對遙感影像存儲邏輯視圖進(jìn)行改進(jìn)，將行健原來的ID改為ID-L-R-Lngmin-Lngmax-Latmin-Latmax，這樣可以快速讀取到相關(guān)遙感影像數(shù)據(jù)，進(jìn)行火災(zāi)影像的加載查詢操作，對火災(zāi)事件做出更快更準(zhǔn)確的決策。

2 遙感影像數(shù)據(jù)并行化存儲架構(gòu)

提高遙感影像存儲速度就需要從優(yōu)化存儲模型、改進(jìn)存儲索引、加快存儲流程等方面考慮[15]，但是現(xiàn)在的研究者一般都就一個問題進(jìn)行深入研究。而對于森林火災(zāi)的特殊性來說，需要更快地提高影像存儲速度。因此，本研究綜合考慮以上各因素，提出了森林防火遙感影像數(shù)據(jù)并行化存儲，從遙感影像的預(yù)處理、金字塔模型建立和數(shù)據(jù)存儲流程3方面進(jìn)行并行存儲。

遙感影像的預(yù)處理，首先將可燃物遙感影像、氣象遙感影像和地形遙感影像分別進(jìn)行數(shù)據(jù)融合，使得影像均為高分辨率的彩色遙感影像；其次將遙感數(shù)據(jù)按照時間或者空間進(jìn)行分割(本研究選擇先按空間，后按時間進(jìn)行分割)，森林火災(zāi)一旦發(fā)生，需要盡快定位起火點，這樣有利于火災(zāi)發(fā)生時及時加載所需遙感影像，做出決策。通過采用Hilbert曲線對不同分辨率的遙感影像進(jìn)行編碼來建立遙感影像金字塔。數(shù)據(jù)存儲流程即遙感瓦片數(shù)據(jù)的并行入庫，首先采用MapReduce并行編程模型[16]將分塊的遙感影像數(shù)據(jù)均勻地分配到DataNode各個節(jié)點上；其次再利用Map過程將分布式文件系統(tǒng)的遙感影像數(shù)據(jù)存儲到HBase中。這3方面的并行處理有一定的傳遞包含關(guān)系，若將這3方面的并行處理綜合考慮，可最大限度地實現(xiàn)森林火災(zāi)遙感影像的存儲速度。本研究提出的并行化存儲架構(gòu)如圖2所示。

具體實現(xiàn)可以簡單的分為預(yù)處理、編碼、入庫、存儲4個子任務(wù)，根據(jù)其中3個子任務(wù)可形象地描述該并行模型。該并行存儲模型(PSM)為{C、W、S}。式中：C={c1、c2、…、cn},W={w1、w2、…、wn},S={s1、s2、…、sn}。C是不同分辨率影像的編碼；W為影像的入庫；S表示將影像存儲到HBase中HRegion上。

圖2 森林防火遙感瓦片數(shù)據(jù)并行化存儲架構(gòu)

3 結(jié)果與分析

森林防火遙感瓦片的大數(shù)據(jù)存儲的改進(jìn)重點，在對于索引性能的提升和并行化的加速上。實驗的重點在于驗證改進(jìn)后的方案在圖像索引和存儲速度上的優(yōu)勢。以此為目的設(shè)計3個實驗，驗證對原索引結(jié)構(gòu)與改進(jìn)后的索引結(jié)構(gòu)進(jìn)行對比，證明改進(jìn)后的索引具有較強(qiáng)的優(yōu)勢，可以更快地加載并讀取森林火災(zāi)遙感數(shù)據(jù)；同時驗證基于Hadoop實現(xiàn)森林防火遙感影像數(shù)據(jù)的并行化存儲加速，對比在串行和并行環(huán)境下遙感影像數(shù)據(jù)的存儲情況。

3.1 實驗環(huán)境

實驗測試平臺：使用5臺浪潮英信I8000刀片服務(wù)器(Xeon E5-2620 v2 6核2.10 GHz處理器，8 G內(nèi)存，200 GB硬盤)，采用Tenda TEG1024 G千兆以太網(wǎng)交換機(jī)連接，運(yùn)行Hadoop 2.6.0版本，存儲采用HDFS文件系統(tǒng)。

數(shù)據(jù)情況：本次研究區(qū)域為內(nèi)蒙古轄區(qū)大興安嶺，具體地理位置是：東經(jīng)123°76′31.81″～124°16′10.30″，北緯 50°2′10.21″～50°27′2.73″，遙感影像采集時間為2015年7月14日。地面遙感數(shù)據(jù)(包括可燃物影像和地形影像)來源于國產(chǎn)衛(wèi)星高分二號GF-2，其光學(xué)遙感影像分辨率可精確到1 m。本次地形影像采集包括0.8 m的全色單波段和3.2 m分辨率的多光譜波段，具有4個標(biāo)準(zhǔn)波譜段(紅、綠、藍(lán)、近紅外)，數(shù)據(jù)格式為TIFF。氣象數(shù)據(jù)取自于當(dāng)?shù)氐孛鏆庀笥^測站和傳感器，數(shù)據(jù)為Png格式。

數(shù)據(jù)預(yù)處理：實驗采用ENVI預(yù)處理，通過3次卷積重采樣法進(jìn)行正射校正，運(yùn)用ENVI中的FLAASH模塊進(jìn)行大氣校正，從多光譜遙感影像中還原出了地物的地表反射率。最后模擬實際使用中對于遙感數(shù)據(jù)的處理需求，將處理后的數(shù)據(jù)按照實驗要求分別剪裁到50～500 MB，用作不同數(shù)量級數(shù)據(jù)的實驗對比。

3.2 改進(jìn)的索引結(jié)構(gòu)與原始索引結(jié)構(gòu)的比較

實驗選取10組不同數(shù)據(jù)容量的內(nèi)蒙古轄區(qū)大興安嶺遙感影像作為實驗數(shù)據(jù)集，分別驗證順序編碼、Hilbert曲線和改進(jìn)后的Hilbert曲線在單節(jié)點下的數(shù)據(jù)索引時間。

好的索引設(shè)計會提高遙感數(shù)據(jù)的存取效率，因此，本研究應(yīng)用Hilbert曲線對原索引結(jié)構(gòu)進(jìn)行改進(jìn)，對順序編碼、原索引結(jié)構(gòu)和改進(jìn)后的索引結(jié)構(gòu)進(jìn)行了對比，結(jié)果如表2所示?？梢钥闯觯趩喂?jié)點的情況下，應(yīng)用Hilbert曲線索引時間明顯低于順序編碼，并且改進(jìn)后的索引結(jié)構(gòu)在讀取速度上也明顯優(yōu)于改進(jìn)之前。這是由于改進(jìn)后的方法重新定義了索引結(jié)構(gòu)，可以快速完成對目標(biāo)數(shù)據(jù)塊的索引工作。雖然索引長度的增加，使改進(jìn)后的數(shù)據(jù)占用較多的存儲空間，但對于森林火災(zāi)來說，在實際運(yùn)用場景中應(yīng)更加注重讀取速度，以滿足快速的反應(yīng)需求。而改進(jìn)的索引極大提高了數(shù)據(jù)的讀取效率，因此較多的存儲空間占用是可以被接受的。實驗證明，改進(jìn)的索引在應(yīng)對突發(fā)森林火災(zāi)時具有較強(qiáng)的優(yōu)勢。

表2 索引改進(jìn)前后實驗效果比較

3.3 遙感影像并行存儲與傳統(tǒng)串行存儲的比較

傳統(tǒng)的串行存儲在面對大量遙感影像數(shù)據(jù)時顯得力不從心，因此，本研究針對森林防火數(shù)據(jù)建立了并行存儲模型。驗證5節(jié)點并行存儲與單節(jié)點傳統(tǒng)的串行存儲的存儲時間，結(jié)果如表3所示。可以看出，在不考慮數(shù)據(jù)預(yù)處理時間的情況下，并行存儲在較大數(shù)據(jù)量的情況下，存儲效率比串行存儲有較大的提高。這是由于在數(shù)據(jù)量較大的情況下，按照規(guī)則分割后的數(shù)據(jù)在每個節(jié)點的I/O開銷均小于一次性將大量數(shù)據(jù)寫入單一節(jié)點帶來的I/O開銷。而大帶寬的網(wǎng)絡(luò)配置使得數(shù)據(jù)在節(jié)點間的傳輸時間開銷極少。在數(shù)據(jù)量較小的情況下，由于分割后的文件在單節(jié)點上均為小文件特征，因此無法充分利用HDFS帶來的優(yōu)勢，速度提升不明顯。

表3 基于HBase的森林防火遙感瓦片數(shù)據(jù)存儲結(jié)構(gòu)

HDFS的特性就是數(shù)據(jù)需要在節(jié)點間進(jìn)行傳輸，而以太網(wǎng)自身的特性，又使數(shù)據(jù)在傳輸過程中可能會發(fā)生丟失情況。因此本研究單獨對單次傳輸中數(shù)據(jù)丟包率進(jìn)行了統(tǒng)計。為了比較串行存儲的類似特征，對比實驗采用點對點的方式進(jìn)行傳輸。在100次實驗中，并行存儲與串行存儲的數(shù)據(jù)丟失率相差無幾。但由于HDFS的3次冗余特性，可以認(rèn)為在同等網(wǎng)絡(luò)條件下，并行存儲可以更準(zhǔn)確地完成數(shù)據(jù)的存儲工作，不會對數(shù)據(jù)本身造成影響，結(jié)果如表4所示。

表4 不同存儲結(jié)構(gòu)百次傳輸丟失率

4 結(jié)束語

森林防火工作對數(shù)據(jù)讀取的時效性要求很高，本研究針對突發(fā)森林防火工作中大數(shù)據(jù)量處理的需求，以遙感影像數(shù)據(jù)的存儲為研究對象，構(gòu)建了多分辨率遙感瓦片金字塔模型。應(yīng)用Hilbert曲線對索引結(jié)構(gòu)進(jìn)行改進(jìn)，設(shè)計了基于HBase的森林防火遙感瓦片大數(shù)據(jù)存儲結(jié)構(gòu)，架構(gòu)了森林防火遙感影像并行存儲模型。通過實驗證明研究成果實現(xiàn)了瓦片數(shù)據(jù)的并行入庫，提高了影像數(shù)據(jù)的存儲和加載效率，為后續(xù)撲火決策制定節(jié)省了時間。但改進(jìn)后的索引結(jié)構(gòu)雖然在讀取速度上明顯優(yōu)于改進(jìn)之前，但是占用較多的存儲空間。因此，如何可以在保證效率的同時兼顧占用較少的存儲空間，需要進(jìn)一步探討。本實驗在研究提高讀取速度時，主要是從索引結(jié)構(gòu)的選擇及其改進(jìn)方面進(jìn)行了考慮，后續(xù)研究可以從增加合適的緩存區(qū)來提高遙感數(shù)據(jù)的加載和查詢，從而大大改善遙感瓦片數(shù)據(jù)的加載效率，更好地應(yīng)對突發(fā)的森林火災(zāi)事件。

[1] GIACHETTA R. A framework for processing large scale geospatial and remote sensing data in MapReduce environment[J]. Computers & Graphics，2015，49(C):37-46.

[2] POURTAGHI Z S， POURGHASEMI H R， ARETANO R， et al. Investigation of general indicators influencing on forest fire and its susceptibility modeling using different data mining techniques[J]. Ecological Indicators,2016,64:72-84.

[3] 范明虎,樊紅,李新廣.一種適用于林火預(yù)測的并行計算模型[J].武漢大學(xué)學(xué)報(工學(xué)版),2014,47(1):135-140.

[4] 鄧歐.黑龍江省森林火災(zāi)時空模型與火險區(qū)劃[D].北京:北京林業(yè)大學(xué),2012.

[5] 楊典華.協(xié)作式大規(guī)模地理柵格數(shù)據(jù)并行處理方法研究[D].北京:首都師范大學(xué),2014.

[6] 呂雪鋒,程承旗,龔健雅,等.海量遙感數(shù)據(jù)存儲管理技術(shù)綜述[J].中國科學(xué):技術(shù)科學(xué),2011,41(12):1561-1573.

[7] 李維乾,解建倉,李建勛,等.突發(fā)水污染事件中遙感瓦片大數(shù)據(jù)存儲系統(tǒng)[J].計算機(jī)系統(tǒng)應(yīng)用,2016,25(2):31-37.

[8] 王曉蕊,楊強(qiáng)根,陳鳳敏,等.基于NoSQL的高分高光譜遙感影像存儲模型設(shè)計與實現(xiàn)[J].地球科學(xué)(中國地質(zhì)大學(xué)學(xué)報),2015,40(8):1420-1426.

[9] 王邵騫,趙根莊.淺析河北省政府應(yīng)急平臺森林防火三維可視化系統(tǒng)建設(shè)[J].科技資訊,2014,12(16):20-21.

[10] 莫飛霞.基于3DGIS的森林防火應(yīng)急指揮系統(tǒng)的研究與實現(xiàn)[D].杭州：浙江工業(yè)大學(xué),2010.

[11] 林峰.基于HDFS的影像數(shù)據(jù)金字塔構(gòu)建及存儲技術(shù)研究[D].哈爾濱：東北林業(yè)大學(xué),2016.

[12] 李清泉,李德仁.大數(shù)據(jù)GIS[J].武漢大學(xué)學(xué)報(信息科學(xué)版),2014,39(6):641-644，666.

[13] 劉坡,龔建華.大規(guī)模遙感影像全球金字塔并行構(gòu)建方法[J].武漢大學(xué)學(xué)報(信息科學(xué)版),2016,41(1):117-122.

[14] 張云舟.影像金字塔的生成、壓縮與存儲模型研究[D].太原:太原理工大學(xué),2016.

[15] 陳時遠(yuǎn).基于HDFS的分布式海量遙感影像數(shù)據(jù)存儲技術(shù)研究[D].北京：中國科學(xué)院大學(xué),2013.

[16] 劉義,陳犖,景寧,等.利用MapReduce進(jìn)行批量遙感影像瓦片金字塔構(gòu)建[J].武漢大學(xué)學(xué)報(信息科學(xué)版),2013,38(3):278-282.