《表2 FRAGSTATS、串行算法及并行算法耗时比较》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《一种景观指数的GPU并行算法设计》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

本文提出了一种基于景观指数的GPU并行算法，利用CUDA编程，以不同数据规模的土地利用栅格图像作为实验数据，讨论CPU串行算法和本文算法的计算效率。实验结果显示，本文算法能够高效计算大尺度、高分辨率土地利用栅格的斑块尺度指标，串行算法效率高，改造为适合GPU的并行算法能够对千万像素级的图像计算效率进一步优化，为处理大数据量栅格的景观指数计算提供新途径。在实际数据生产中，基于本文提出的并行算法，一台普通的配备CPU+GPU的机器，在计算过程中能充分利用GPU多核心架构的并行能力，同时还能利用CPU的逻辑控制能力来实现其他计算任务，以提升数据生产的效率。由于本文算法处理大数据量栅格图像需要大量内存，数据量超过GPU显存时不能进行计算，因此计算过程中的数据结构设计有待进一步优化，减少不必要的内存开销，以适应大数据量计算。