.png){kind=icon}
返回
RDPro: Distributed Processing of Big Raster Data [Scalable Data Science]
.png){kind=icon}
PRE
AI
DOI：10.14778/3712221.3712229.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
遥感技术的进步使得能够收集具有高达1厘米像素分辨率的庞大卫星和航空影像数据，这些数据以栅格格式存储，对各个研究领域至关重要。然而，处理这些数据面临挑战，包括解决位置、分辨率和坐标系不匹配时的数据依赖性问题，以及在内存限制下管理大型数据集。本文介绍RDPro，一种基于Spark的新型系统，可高效处理和分析大型栅格数据集。RDPro具有专为分布式无共享环境中的数据依赖性设计的新数据模型，并配备了加载和写入栅格数据的工具。它还优化了Spark中的核心栅格操作，允许用户集成复杂的数据科学工作流。比较分析表明，RDPro的性能比现有系统高出两个数量级。
期刊
P
IF:
3.3
论文数:
563
被引数:
1.2W
机构
引用论文
分享收藏Defining and Quantifying National-Level Targets, Indicators and Benchmarks for Management of Natural Resources to Achieve the Sustainable Development Goals (Sdgs)界定和量化国家级目标、指标和基准，以实现可持续发展目标（Sdgs）的自然资源管理.png)
OAAI
IF0
OAAI分享收藏
分享收藏分享收藏
查看更多内容