IDL并行计算技术在SAR风场反演中应用

计算机工程与应用 ›› 2014, Vol. 50 ›› Issue (18): 261-264.

IDL并行计算技术在SAR风场反演中应用

卞小林1，2，张登荣1，3，张春燕2，王洁1，3

1.杭州师范大学遥感与地球科学研究院，杭州 311121
2.中国科学院遥感应用研究所，北京 100101
3.浙江省城市湿地与区域变化研究重点实验室，杭州 311121

出版日期:2014-09-15 发布日期:2014-09-12

Wind field retrieval from SAR images based on parallel computing technology in IDL

BIAN Xiaolin1，2, ZHANG Dengrong1，3, ZHANG Chunyan2, WANG Jie1，3

1.Institute of Remote Sensing and Earth Sciences, Hangzhou Normal University, Hangzhou 311121, China
2.Institute of Remote Sensing Applications, Chinese Academy of Sciences, Beijing 100101, China
3.Zhejiang Provincial Key Laboratory of Urban Wetlands and Regional Change, Hangzhou 311121, China

Online:2014-09-15 Published:2014-09-12

摘要/Abstract

摘要： SAR影像反演海面风场需要对反演模型进行迭代求解，难以满足近实时预报的需求。利用IDL并行计算技术在多核计算机实现SAR风场反演。基于IDL程序设计特点，分析IDL桥并行计算程序设计方法，根据SAR风场反演流程，提出基于IDL桥对象构建的风场反演并行计算算法，验证了其实用性。结果表明，基于IDL桥对象构建的并行计算算法提高了计算效率，为其他数据快速处理提供了解决方案。

关键词: 交互式数据语言, 并行计算, 多核, 风场反演, 合成孔径雷达（SAR）影像

Abstract: The progress of sea surface wind field retrieval from SAR（Synthetic Aperture Radar） images contains iterative solution of the retrieval model, which is difficult to meet the demand for near real-time forecasting. IDL（Interactive Data Language） parallel computing technology in multi-core computers is used to implement it. The method of parallel computing programming based on IDL bridge according to IDL program design features is analyzed. It proposes a parallel computing algorithm of wind field retrieved from SAR images based on IDL bridge object according to retrieval process. Its practicability is verified. The results show that the proposed technique improves the computation efficiency which also provides a solution for other data processing.

Key words: Interactive Data Language（IDL）, parallel computing, multi-core, wind field retrieval, Synthetic Aperture Radar（SAR） image

卞小林1，2，张登荣1，3，张春燕2，王洁1，3. IDL并行计算技术在SAR风场反演中应用[J]. 计算机工程与应用, 2014, 50(18): 261-264.

BIAN Xiaolin1，2, ZHANG Dengrong1，3, ZHANG Chunyan2, WANG Jie1，3. Wind field retrieval from SAR images based on parallel computing technology in IDL[J]. Computer Engineering and Applications, 2014, 50(18): 261-264.

[1]	冯凯，李婧. k元n方体网络的子网络可靠性[J]. 计算机工程与应用, 2021, 57(16): 83-89.
[2]	李健，张大伟，姜晓明，向立云. 并行化洪水演进模拟研究综述[J]. 计算机工程与应用, 2021, 57(13): 1-7.
[3]	孙明，陈昕. 面向卷积神经网络的硬件加速器设计方法[J]. 计算机工程与应用, 2021, 57(13): 77-84.
[4]	杨佳霖，王文伟，熊晓璇，和世瑛. 快速尺度估计的增强型多核相关滤波算法[J]. 计算机工程与应用, 2020, 56(7): 210-220.
[5]	杨捷，吴素萍. 点云重建的并行算法[J]. 计算机工程与应用, 2020, 56(6): 213-219.
[6]	叶颖诗，魏福义，蔡贤资. 基于并行计算的快速Dijkstra算法研究[J]. 计算机工程与应用, 2020, 56(6): 58-65.
[7]	杜伟，傅游. 基于GPU的最小二乘蒙特卡罗算法期权定价[J]. 计算机工程与应用, 2020, 56(4): 225-229.
[8]	金之雁，杨磊，林隽民，王哲. 广义共轭余差法的通信避免算法[J]. 计算机工程与应用, 2020, 56(3): 74-79.
[9]	刘家华，陈靖宇. 多核并行脉冲神经网络模拟器的设计[J]. 计算机工程与应用, 2020, 56(22): 244-250.
[10]	朱超，吴素萍. 特征点检测DoG并行算法[J]. 计算机工程与应用, 2020, 56(10): 36-43.
[11]	安立奎，韩丽艳. 结合指令预取和缓存划分的多核缓存WCEC优化[J]. 计算机工程与应用, 2020, 56(1): 69-75.
[12]	王继刚，刘韫晖. 基于BMP架构的多核差异化运行技术研究[J]. 计算机工程与应用, 2019, 55(7): 66-70.
[13]	邬阳阳，汤建国. 大数据背景下粗糙集属性约简研究进展[J]. 计算机工程与应用, 2019, 55(6): 31-38.
[14]	刘军，李威，吴梦婷，陈起凤. Hadoop平台下新型图像并行处理模型设计[J]. 计算机工程与应用, 2019, 55(6): 186-190.
[15]	徐屹伟，刘政怡，赵悉超. 基于简单帧选择的显著性检测方法[J]. 计算机工程与应用, 2019, 55(20): 177-183.