本文選題：統(tǒng)一設(shè)備計(jì)算架構(gòu) + 數(shù)字高程模型��； 參考：《計(jì)算機(jī)應(yīng)用》2015年04期

【摘要】：針對(duì)大規(guī)模高分辨率數(shù)字地形數(shù)據(jù)提取柵格河網(wǎng)效率低下的問題,提出了基于統(tǒng)一設(shè)備計(jì)算架構(gòu)(CUDA)利用淹沒模型提取柵格河網(wǎng)的并行算法。使用圖形處理器(GPU)將匯流累積量計(jì)算分解為獨(dú)立的多任務(wù)并行處理,通過數(shù)據(jù)異步傳輸減少數(shù)據(jù)交換時(shí)間,進(jìn)而加速河網(wǎng)提取的運(yùn)算。實(shí)驗(yàn)結(jié)果表明,該算法運(yùn)行效率明顯優(yōu)于串行河網(wǎng)提取算法,在NVIDIA Geforce GTX660上對(duì)數(shù)據(jù)量為600 MB(網(wǎng)格大小為9784×8507)數(shù)字高程模型(DEM)數(shù)據(jù)提取河網(wǎng)加速比達(dá)到62。
[Abstract]:Aiming at the low efficiency of large scale high resolution digital terrain data extraction grid network, a parallel algorithm based on uniform equipment computing architecture (CUDAA) is proposed to extract grid river network using submerged model. Using GPU) to decompose the computation of confluence cumulant into independent multitasking parallel processing, reduce the time of data exchange through asynchronous data transmission, and speed up the operation of river network extraction. The experimental results show that the proposed algorithm is more efficient than the serial network extraction algorithm, and the speedup ratio for the data extraction of 600MB (9784 脳 8507) digital elevation model on NVIDIA Geforce GTX660 is 62. 2.
【作者單位】： 中國地質(zhì)大學(xué)(武漢)信息工程學(xué)院;
【基金】：國家科技支撐計(jì)劃項(xiàng)目(2011BAH06B04) 國家自然科學(xué)基金資助項(xiàng)目(41001225)
【分類號(hào)】：TP338.6

【參考文獻(xiàn)】

相關(guān)期刊論文 前6條

1 宋玉;李致家;楊濤;;分布式水文模型在淮河洪澤湖以上流域洪水預(yù)報(bào)中的應(yīng)用[J];河海大學(xué)學(xué)報(bào)(自然科學(xué)版);2006年02期

2 ;A new grid-associated algorithm in the distributed hydrological model simulations[J];Science China(Technological Sciences);2010年01期

3 左俊杰;蔡永立;;平原河網(wǎng)地區(qū)匯水區(qū)的劃分方法——以上海市為例[J];水科學(xué)進(jìn)展;2011年03期

4 張劍波;周斯波;袁國斌;石陽;朱建勃;;異構(gòu)環(huán)境下的空間分析并行映射策略[J];上海交通大學(xué)學(xué)報(bào);2013年01期

5 史曉亮;楊志勇;嚴(yán)登華;李穎;袁U，

本文編號(hào)：2022787