《表2 FRAGSTATS、串行算法及并行算法耗时比较》
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。
图表编号 | XD00173655300 严禁用于非法目的 |
---|---|
绘制时间 | 2020.06.05 |
作者 | 钟艾妮、常栗筠、马云龙、亢孟军、毛子源 |
绘制单位 | 武汉大学资源与环境科学学院、智慧感知与智能计算研究所、武汉大学资源与环境科学学院、武汉大学资源与环境科学学院、智慧感知与智能计算研究所、武汉大学资源与环境科学学院、智慧感知与智能计算研究所、武汉大学资源与环境科学学院 |
更多格式 | 高清、无水印(增值服务) |