CN110889949B - 基于分层gpu计算的输电线路卫星监测数据处理方法及系统 - Google Patents
基于分层gpu计算的输电线路卫星监测数据处理方法及系统 Download PDFInfo
- Publication number
- CN110889949B CN110889949B CN201911252793.5A CN201911252793A CN110889949B CN 110889949 B CN110889949 B CN 110889949B CN 201911252793 A CN201911252793 A CN 201911252793A CN 110889949 B CN110889949 B CN 110889949B
- Authority
- CN
- China
- Prior art keywords
- data
- satellite
- gpu
- calculation unit
- vector
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000004364 calculation method Methods 0.000 title claims abstract description 100
- 238000012545 processing Methods 0.000 title claims abstract description 60
- 230000005540 biological transmission Effects 0.000 title claims abstract description 31
- 238000012544 monitoring process Methods 0.000 title claims abstract description 28
- 238000003672 processing method Methods 0.000 title claims description 8
- 230000005855 radiation Effects 0.000 claims abstract description 51
- 230000006837 decompression Effects 0.000 claims abstract description 24
- 238000000034 method Methods 0.000 claims abstract description 18
- 238000006243 chemical reaction Methods 0.000 claims description 27
- 230000002452 interceptive effect Effects 0.000 claims description 8
- 238000007405 data analysis Methods 0.000 claims description 5
- 239000011159 matrix material Substances 0.000 claims description 4
- 230000003993 interaction Effects 0.000 claims 1
- 230000010485 coping Effects 0.000 description 6
- 230000002265 prevention Effects 0.000 description 6
- 230000003111 delayed effect Effects 0.000 description 5
- 230000004927 fusion Effects 0.000 description 5
- 230000008901 benefit Effects 0.000 description 3
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000003306 harvesting Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000002035 prolonged effect Effects 0.000 description 1
- 230000007480 spreading Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
- G08B21/02—Alarms for ensuring the safety of persons
- G08B21/10—Alarms for ensuring the safety of persons responsive to calamitous events, e.g. tornados or earthquakes
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B29/00—Checking or monitoring of signalling or alarm systems; Prevention or correction of operating errors, e.g. preventing unauthorised operation
- G08B29/18—Prevention or correction of operating errors
- G08B29/185—Signal analysis techniques for reducing or preventing false alarms or for enhancing the reliability of the system
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Computer Security & Cryptography (AREA)
- Life Sciences & Earth Sciences (AREA)
- Environmental & Geological Engineering (AREA)
- General Life Sciences & Earth Sciences (AREA)
- Geology (AREA)
- Business, Economics & Management (AREA)
- Emergency Management (AREA)
- Image Processing (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明公开了一种基于分层GPU计算的输电线路卫星监测数据处理方法及系统,该方法包括:CPU获取卫星L0级数据并扫描,得到卫星的扫描带信息、扫描带的原始辐射值数据以及卫星星历数据,作为第一数据,缓存并连续更新到GPU内存中;GPU调取第一数据,并通过划分的粗粒度计算单元和细粒度计算单元对第一数据进行辐射值数据解压和亮温数据计算;GPU计算第一数据中的每个像素点的地理坐标,生成带地理坐标的亮温影像数据,作为第二数据返回CPU;CPU根据第二数据更新存储的卫星影像数据流,作为卫星L1级数据推送至前端灾情监测识别应用。本发明实现卫星数据快速接收处理,提高了气象极轨卫星数据的处理速度及气象灾害应对的效率。
Description
技术领域
本发明涉及电网防护技术领域,尤其涉及一种基于分层GPU计算的输电线路卫星监测数据处理方法及系统。
背景技术
随着特高压线及跨区电网规模的不断扩大,越来越多的输电线路穿越过高山峻林地带,每逢春节、清明、秋收等时节,当遭遇持续干燥天气,易爆发大面积山火。对某省主网线路跳闸统计发现,山火引发的跳闸已占线路跳闸总数的16.04%,山火频发已成为导致输电线路跳闸次数增多的主要诱因。由于山火蔓延速度极快,传统基于人工巡视方法无法实现对输电线路山火的有效防治,极有可能造成大电网停电事件。因此,在输电线路山火初发期进行监测,并及时开展输电线路山火处置,能有效降低社会财产经济损失,具有重大社会效益。
地球观测卫星NOAA20是由NASA(美国国家航空航天局)和NPOESS(美国国家极轨业务环境卫星系统)联合开发的,于2017年11月18日日成功发射,现已完成在轨测试,投入业务运行。NOAA20由NOAA(美国国家海洋和大气管理局)和NASA共同管理。目前卫星运行在距离地球833公里的太阳同步轨道上空。不同于传统的地球观测卫星,新一代NOAA20改进了由传统极轨卫星搭载的超高分辨率高分辨率辐射仪(AVHRR)、中分辨率成像光谱仪(MODIS)等成像仪,具有更好的空间分辨率和更大的覆盖范围,一方面单幅影像幅宽由MODIS的2330km提高至3000km,另一方面卫星空间分辨率较传统极轨卫星由1.1km提高至375m,单次卫星原始数据量由原来的800M增长至8G左右,这使得卫星影像数据流处理时滞延长,采用传统的卫星影像处理方法将使得卫星影像预处理时间达30分钟以上,处理速度过慢可能导致延误输电线路灾情防治。
发明内容
本发明提供了一种基于分层GPU计算的输电线路卫星监测数据处理方法及系统,用以解决传统卫星数据处理速度慢导致延误输电线路灾情防治工作的技术问题。
为解决上述技术问题,本发明提出的技术方案为:
一种基于分层GPU计算的输电线路卫星监测数据处理方法,包括以下步骤:
解析卫星L0级数据:CPU(中央处理器)获取卫星L0级数据并扫描,得到卫星的扫描带信息、扫描带的原始辐射值数据以及卫星星历数据,作为第一数据,缓存并连续更新到GPU(图形处理器)内存中;
扫描带数据解析:GPU调取第一数据,并通过划分的粗粒度计算单元和细粒度计算单元对第一数据进行辐射值数据解压和亮温数据计算;
影像交互投影转换:GPU计算第一数据中的每个像素点的地理坐标,生成带地理坐标的亮温影像数据,作为第二数据返回CPU;
影像处理结果推送:CPU根据第二数据更新存储的卫星影像数据流,作为卫星L1级数据推送至前端灾情监测识别应用。
优选地,卫星L0级数据为HDF格式的原始卫星影像数据流,包括:卫星的扫描带信息、扫描带的原始辐射值数据以及卫星星历数据。
优选地,扫描带数据解析,包括以下步骤:
在GPU中划分粗粒度计算单元和细粒度计算单元;
调用GPU的粗粒度计算单元,从第一数据中读取出每个扫描带的信息数据和原始辐射值数据,并将辐射值数据解压任务推送至GPU的细粒度计算单元;
调用GPU的细粒度计算单元,通过数据解压和亮温转换,得到每个扫描带的辐射值数据和地面温度值。
优选地,亮温转换计算公式如下:
式中,C1=1.1910659×10-5mw/(m2.sr.cm-4),C2=1.438833K/cm-1,Vj为第j个通道中心波数,Tij为像素点i在第j通道亮温值,Nij为通道j像素点i的辐射值。
优选地,影像交互投影转换,包括:
计算焦平面坐标系向量:调用GPU的粗粒度计算单元,获取卫星焦平面上传感器的摆放位置关系和每个像素点的扫描时间,并传送至GPU的细粒度计算单元,计算出每个像素在焦平面坐标系中传感器曝光时光线的入射向量;
优选地,影像交互投影转换,还包括:
计算卫星轨道坐标系向量:调用GPU的粗粒度计算单元,获取仪器坐标系下的向量通过卫星星历中记录的该向量曝光时卫星的位置信息,将其传送至GPU的细粒度计算单元,计算出卫星轨道坐标系中的向量。
优选地,影像交互投影转换,还包括:
计算地心坐标系向量:调用GPU的粗粒度计算单元,获取卫星星历中记录的该向量曝光时卫星的4原数参数,将其传送至GPU的细粒度计算单元,开展卫星轨道坐标系下的向量向地心坐标系转换,转换矩阵为:
其中q1,q2,q3,q4为卫星星历中记录的4原数参数。
优选地,影像交互投影转换,还包括:
计算经纬度坐标:调用GPU的粗粒度计算单元,获取地心坐标系下卫星的位置,地心坐标系下的向量和地球椭球面的交点,将其传送至GPU的细粒度计算单元,计算出每个向量的经纬度坐标。
本发明还提供一种基于分层GPU计算的输电线路卫星监测数据处理系统,包括:
CPU计算单元,用于获取卫星L0级数据并扫描,得到卫星的扫描带信息、扫描带的原始辐射值数据以及卫星星历数据,作为第一数据,缓存并连续更新到GPU内存中;还用于根据第二数据更新存储的卫星影像数据流,作为卫星L1级数据推送至前端灾情监测识别应用;
GPU计算单元:用于调取第一数据,并通过划分的粗粒度计算单元和细粒度计算单元对第一数据进行辐射值数据解压和亮温数据计算;还用于计算第一数据中的每个像素点的地理坐标,生成带地理坐标的亮温影像数据,作为第二数据返回CPU。
优选地,GPU计算单元,包括粗粒度计算单元和细粒度计算单元;
粗粒度计算单元,用于从第一数据中读取出每个扫描带的信息数据和原始辐射值数据,并将辐射值数据解压任务推送至GPU的细粒度计算单元;
细粒度计算单元,用于通过数据解压和亮温转换,得到每个扫描带的辐射值数据和地面温度值。
本发明具有以下有益效果:
本发明的基于分层GPU计算的输电线路卫星监测数据处理方法及系统,通过CPU+GPU并行处理的有效融合,解决传统卫星数据处理速度慢导致延误输电线路灾情防治工作的技术问题,实现卫星数据快速接收处理,提高了气象极轨卫星数据的处理速度及气象灾害应对的效率,从而有力的保障电网的运行安全。
在优选方案中,本发明通过将卫星影像数据划分为粗粒度和细粒度两个数据块,构建粗粒度和细粒度两个GPU计算单元的数据流处理结构,实现卫星数据接收,数据分包,并行处理的有效融合,提高了气象极轨卫星数据的处理速度及气象灾害应对的效率。
除了上面所描述的目的、特征和优点之外,本发明还有其它的目的、特征和优点。下面将参照附图,对本发明作进一步详细的说明。
附图说明
构成本申请的一部分的附图用来提供对本发明的进一步理解,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。在附图中:
图1是本发明优选实施例的基于分层GPU计算的输电线路卫星监测数据处理方法的流程示意图;
图2是本发明优选实施例的基于分层GPU计算的输电线路卫星监测数据处理系统的结构示意图。
具体实施方式
以下结合附图对本发明的实施例进行详细说明,但是本发明可以由权利要求限定和覆盖的多种不同方式实施。
参见图1,本发明的基于分层GPU计算的输电线路卫星监测数据处理方法,包括以下步骤:
解析卫星L0级数据:CPU获取卫星L0级数据并扫描,得到卫星的扫描带信息、扫描带的原始辐射值数据以及卫星星历数据,作为第一数据,缓存并连续更新到GPU内存中;其中,卫星L0级数据为HDF格式的原始卫星影像数据流。
扫描带数据解析:GPU调取第一数据,并通过划分的粗粒度计算单元和细粒度计算单元对第一数据进行辐射值数据解压和亮温数据计算;
影像交互投影转换:GPU计算第一数据中的每个像素点的地理坐标,生成带地理坐标的亮温影像数据,作为第二数据返回CPU;
影像处理结果推送:CPU根据第二数据更新存储的卫星影像数据流,作为卫星L1级数据推送至前端灾情监测识别应用。
上述步骤,通过CPU+GPU并行处理的有效融合,解决传统卫星数据处理速度慢导致延误输电线路灾情防治工作的技术问题,实现卫星数据快速接收处理,提高了气象极轨卫星数据的处理速度及气象灾害应对的效率,从而有力的保障电网的运行安全。
为了进一步加快处理速度,提高处理精度;可将GPU划分为粗粒度和细粒度两个数据块。并在GPU中划分粗粒度计算单元和细粒度计算单元;处理时,调用GPU的粗粒度计算单元,从第一数据中读取出每个扫描带的信息数据和原始辐射值数据,并将辐射值数据解压任务推送至GPU的细粒度计算单元;调用GPU的细粒度计算单元,通过数据解压和亮温转换,得到每个扫描带的辐射值数据和地面温度值。构建粗粒度和细粒度两个GPU计算单元的数据流处理结构,实现卫星数据接收,数据分包,并行处理的有效融合,提高了气象极轨卫星数据的处理速度及气象灾害应对的效率。
实施时,以上的方法还可进行以下优化,以下举例说明(实施例仅为示例,不作为技术特征的组合限制,不同的实施例之间的技术特征可进行合理的组合):
实施例1:
本实施例以NOAA20卫星在2019年10月6日上午过境中国时的卫星数据图片为例,进一步说明本发明的基于分层GPU计算的输电线路卫星监测数据处理方法。参照图1,图2,本实施例包括以下步骤:
S1:解析L0级卫星数据:CPU获取卫星L0级数据并扫描,得到卫星的扫描带信息、扫描带的原始辐射值数据以及卫星星历数据,作为第一数据,缓存并连续更新到GPU内存中;其中,卫星L0级数据为存储的HDF格式的原始卫星影像数据流,包括卫星的扫描带信息、扫描带的原始辐射值数据以及卫星星历数据;
S2:扫描带数据解析:GPU调取第一数据,并通过划分的粗粒度计算单元和细粒度计算单元对第一数据开展HDF文件的辐射值数据解压和亮温数据计算,具体计算步骤如下:
1)调用GPU的粗粒度计算单元,从HDF文件中读取出每个扫描带的信息数据和辐射值数据,同时将辐射值数据解压任务推送至GPU的细粒度计算单元;
2)调用GPU的细粒度计算单元,通过数据解压和亮温转换,得到每个扫描带的辐射值数据和地面温度值。其中卫星影像数据解压采用LZW解压算法,亮温转换计算公式如下:
式中,C1=1.1910659×10-5mw/(m2.sr.cm-4),C2=1.438833K/cm-1,Vj为第j个通道中心波数,Tij为像素点i在第j通道亮温值,Nij为通道j像素点i的辐射值。
S3:影像交互投影转换:GPU计算第一数据中的每个像素点的地理坐标,生成带地理坐标的亮温影像数据,作为第二数据返回CPU,具体计算步骤包括:计算焦平面坐标系向量,计算卫星轨道坐标系向量,计算地心坐标系向量,计算经纬度坐标,具体如下:
1)计算焦平面坐标系向量:
调用GPU的粗粒度计算单元,获取卫星焦平面上传感器的摆放位置关系和每个像素点的扫描时间,将其传送至GPU的细粒度计算单元,计算出每个像素在焦平面坐标系中传感器曝光时光线的入射向量。
2)计算卫星轨道坐标系向量:
调用GPU的粗粒度计算单元,获取仪器坐标系下的向量通过卫星星历中记录的该向量曝光时卫星的位置信息,将其传送至GPU的细粒度计算单元,计算出卫星轨道坐标系中的向量。
3)计算地心坐标系向量:
调用GPU的粗粒度计算单元,获取卫星星历中记录的该向量曝光时卫星的4原数参数,将其传送至GPU的细粒度计算单元,开展卫星轨道坐标系下的向量向地心坐标系转换,转换矩阵为:
其中q1,q2,q3,q4为卫星星历中记录的4原数参数。
4)计算经纬度坐标:
调用GPU的粗粒度计算单元,获取地心坐标系下卫星的位置,地心坐标系下的向量和地球椭球面的交点,将其传送至GPU的细粒度计算单元,计算出每个向量的经纬度坐标。转换公式可参考《天球参考系变换及其应用》一书的介绍。
S4:影像处理结果推送:将GPU中带地理坐标的亮温影像数据流返回至CPU计算中,GPU删除设备内存中的卫星影像L0级数据,CPU更新存储卫星影像数据L1级数据,推送至前端灾情监测识别应用。
本实施例中获取的NOAA20卫星数据图片大小为10.1G,在接收处理卫星数据的过程中,将L0级卫星数据块不断地推送至CPU运行单位,采用CPU主机计算单元扫描原始卫星影像数据流,得到卫星的扫描带信息、扫描带的原始辐射值数据以及卫星星历数据,然后缓存数据,并将数据连续更新到GPU内存中;在GPU中,根据卫星影数据头文件概要信息,将卫星影像数据划分为粗粒度和细粒度两个数据块,构建粗粒度和细粒度两个GPU计算单元的数据流处理结构。本实施例从卫星数据接收开始到处理完成时间在1分钟完成,通过CPU+GPU并行处理的有效融合,解决传统卫星数据处理速度慢导致延误输电线路灾情防治工作的技术问题,实现卫星数据快速接收处理,提高了气象极轨卫星数据的处理速度及气象灾害应对的效率,从而有力的保障电网的运行安全。
参见图2,本实施例还提供一种基于分层GPU计算的输电线路卫星监测数据处理系统,包括:
CPU计算单元,用于获取卫星L0级数据并扫描,得到卫星的扫描带信息、扫描带的原始辐射值数据以及卫星星历数据,作为第一数据,缓存并连续更新到GPU内存中;还用于根据第二数据更新存储的卫星影像数据流,作为卫星L1级数据推送至前端灾情监测识别应用;
GPU计算单元:用于调取第一数据,并通过划分的粗粒度计算单元和细粒度计算单元对第一数据进行辐射值数据解压和亮温数据计算;还用于计算第一数据中的每个像素点的地理坐标,生成带地理坐标的亮温影像数据,作为第二数据返回CPU。其中,GPU计算单元,包括粗粒度计算单元和细粒度计算单元;粗粒度计算单元用于从第一数据中读取出每个扫描带的信息数据和原始辐射值数据,并将辐射值数据解压任务推送至GPU的细粒度计算单元;细粒度计算单元用于通过数据解压和亮温转换,得到每个扫描带的辐射值数据和地面温度值。
GPU的并行处理技术与CPU不同,其在浮点运算、并行计算等方面,可以提供数十倍乃至于上百倍于CPU的性能。根据卫星影像高性能处理需求,将卫星影像数据划分为粗粒度和细粒度两个数据块,构建粗粒度和细粒度两个GPU计算单元的数据流处理结构,解决传统卫星数据处理速度慢导致延误输电线路灾情防治工作的技术问题,可实现卫星数据快速接收处理,CPU+GPU并行处理的有效融合,提高了气象极轨卫星数据的处理速度及气象灾害应对的效率。
以上所述仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (6)
1.一种基于分层GPU计算的输电线路卫星监测数据处理方法,其特征在于,包括以下步骤:
解析卫星L0级数据:CPU获取卫星L0级数据并扫描,得到卫星的扫描带信息、扫描带的原始辐射值数据以及卫星星历数据,作为第一数据,缓存并连续更新到GPU内存中;
扫描带数据解析:GPU调取第一数据,并通过划分的粗粒度计算单元和细粒度计算单元对第一数据进行辐射值数据解压和亮温数据计算;
影像交互投影转换:GPU计算所述第一数据中的每个像素点的地理坐标,生成带地理坐标的亮温影像数据,作为第二数据返回CPU;
影像处理结果推送:CPU根据所述第二数据更新存储的卫星影像数据流,作为卫星L1级数据推送至前端灾情监测识别应用;
其中,影像交互投影转换,包括:
计算焦平面坐标系向量:调用GPU的粗粒度计算单元,获取卫星焦平面上传感器的摆放位置关系和每个像素点的扫描时间,并传送至GPU的细粒度计算单元,计算出每个像素在焦平面坐标系中传感器曝光时光线的入射向量;
计算卫星轨道坐标系向量:调用GPU的粗粒度计算单元,获取仪器坐标系下的向量通过卫星星历中记录的该向量曝光时卫星的位置信息,将其传送至GPU的细粒度计算单元,计算出卫星轨道坐标系中的向量;
计算地心坐标系向量:调用GPU的粗粒度计算单元,获取卫星星历中记录的该向量曝光时卫星的4原数参数,将其传送至GPU的细粒度计算单元,开展卫星轨道坐标系下的向量向地心坐标系转换,转换矩阵为:
其中q1,q2,q3,q4为卫星星历中记录的4原数参数;
计算经纬度坐标:调用GPU的粗粒度计算单元,获取地心坐标系下卫星的位置,地心坐标系下的向量和地球椭球面的交点,将其传送至GPU的细粒度计算单元,计算出每个向量的经纬度坐标。
2.根据权利要求1所述的基于分层GPU计算的输电线路卫星监测数据处理方法,其特征在于,所述卫星L0级数据为HDF格式的原始卫星影像数据流,包括:卫星的扫描带信息、扫描带的原始辐射值数据以及卫星星历数据。
3.根据权利要求1或2所述的基于分层GPU计算的输电线路卫星监测数据处理方法,其特征在于,所述扫描带数据解析,包括以下步骤:
在GPU中划分粗粒度计算单元和细粒度计算单元;
调用GPU的粗粒度计算单元,从第一数据中读取出每个扫描带的信息数据和原始辐射值数据,并将辐射值数据解压任务推送至GPU的细粒度计算单元;
调用GPU的细粒度计算单元,通过数据解压和亮温转换,得到每个扫描带的辐射值数据和地面温度值。
5.一种基于分层GPU计算的输电线路卫星监测数据处理系统,其特征在于,包括:
CPU计算单元,用于获取卫星L0级数据并扫描,得到卫星的扫描带信息、扫描带的原始辐射值数据以及卫星星历数据,作为第一数据,缓存并连续更新到GPU内存中;还用于根据第二数据更新存储的卫星影像数据流,作为卫星L1级数据推送至前端灾情监测识别应用;
GPU计算单元:用于调取第一数据,并通过划分的粗粒度计算单元和细粒度计算单元对第一数据进行辐射值数据解压和亮温数据计算;还用于计算所述第一数据中的每个像素点的地理坐标,生成带地理坐标的亮温影像数据,作为第二数据返回CPU;
其中,计算所述第一数据中的每个像素点的地理坐标,生成带地理坐标的亮温影像数据,包括:
计算焦平面坐标系向量:调用GPU的粗粒度计算单元,获取卫星焦平面上传感器的摆放位置关系和每个像素点的扫描时间,并传送至GPU的细粒度计算单元,计算出每个像素在焦平面坐标系中传感器曝光时光线的入射向量;
计算卫星轨道坐标系向量:调用GPU的粗粒度计算单元,获取仪器坐标系下的向量通过卫星星历中记录的该向量曝光时卫星的位置信息,将其传送至GPU的细粒度计算单元,计算出卫星轨道坐标系中的向量;
计算地心坐标系向量:调用GPU的粗粒度计算单元,获取卫星星历中记录的该向量曝光时卫星的4原数参数,将其传送至GPU的细粒度计算单元,开展卫星轨道坐标系下的向量向地心坐标系转换,转换矩阵为:
其中q1,q2,q3,q4为卫星星历中记录的4原数参数;
计算经纬度坐标:调用GPU的粗粒度计算单元,获取地心坐标系下卫星的位置,地心坐标系下的向量和地球椭球面的交点,将其传送至GPU的细粒度计算单元,计算出每个向量的经纬度坐标。
6.根据权利要求5所述的基于分层GPU计算的输电线路卫星监测数据处理系统,其特征在于,GPU计算单元,包括粗粒度计算单元和细粒度计算单元;
所述粗粒度计算单元,用于从第一数据中读取出每个扫描带的信息数据和原始辐射值数据,并将辐射值数据解压任务推送至GPU的细粒度计算单元;
所述细粒度计算单元,用于通过数据解压和亮温转换,得到每个扫描带的辐射值数据和地面温度值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911252793.5A CN110889949B (zh) | 2019-12-09 | 2019-12-09 | 基于分层gpu计算的输电线路卫星监测数据处理方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911252793.5A CN110889949B (zh) | 2019-12-09 | 2019-12-09 | 基于分层gpu计算的输电线路卫星监测数据处理方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110889949A CN110889949A (zh) | 2020-03-17 |
CN110889949B true CN110889949B (zh) | 2021-08-31 |
Family
ID=69751129
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911252793.5A Active CN110889949B (zh) | 2019-12-09 | 2019-12-09 | 基于分层gpu计算的输电线路卫星监测数据处理方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110889949B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112199801A (zh) * | 2020-04-13 | 2021-01-08 | 北京电子工程总体研究所 | 一种基于卫星扫描仿真的扫描区域确定方法及装置 |
CN111476711A (zh) * | 2020-06-28 | 2020-07-31 | 航天宏图信息技术股份有限公司 | 数据的投影及角度矫正方法、装置 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080252652A1 (en) * | 2007-04-13 | 2008-10-16 | Guofang Jiao | Programmable graphics processing element |
CN105389936A (zh) * | 2015-11-18 | 2016-03-09 | 西安天璇智能系统科技有限公司 | 森林灾害智能防护系统 |
CN106909722B (zh) * | 2017-02-10 | 2019-07-26 | 广西壮族自治区气象减灾研究所 | 一种近地面气温的大面积精准反演方法 |
CN108230326B (zh) * | 2018-02-08 | 2018-11-30 | 重庆市地理信息中心 | 基于gpu-cpu协同的卫星影像拉花变形快速检测方法 |
CN109100958B (zh) * | 2018-08-28 | 2021-04-13 | 国网湖南省电力有限公司 | 输电线路山火的极轨卫星-地面联动的监测方法及系统 |
CN109444990A (zh) * | 2019-01-13 | 2019-03-08 | 卜俊伟 | 一种基于气象卫星数据的雷电预警方法 |
-
2019
- 2019-12-09 CN CN201911252793.5A patent/CN110889949B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN110889949A (zh) | 2020-03-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Loveland et al. | Landsat: Building a strong future | |
Li et al. | The Chang’e 3 mission overview | |
Kovalskyy et al. | The global availability of Landsat 5 TM and Landsat 7 ETM+ land surface observations and implications for global 30 m Landsat data product generation | |
Donovan et al. | The THEMIS all-sky imaging array—System design and initial results from the prototype imager | |
Arvidson et al. | Landsat-7 long-term acquisition plan | |
CN110889949B (zh) | 基于分层gpu计算的输电线路卫星监测数据处理方法及系统 | |
JP2004501343A (ja) | 直接放送イメージング衛星システム装置および方法 | |
Martinis et al. | All-sky-imaging capabilities for ionospheric space weather research using geomagnetic conjugate point observing sites | |
Zhang et al. | General introduction on payloads, ground segment and data application of Fengyun 3A | |
Zuluaga et al. | The orbit of the Chelyabinsk event impactor as reconstructed from amateur and public footage | |
CN113469896B (zh) | 一种提高地球同步轨道卫星对地观测影像几何校正精度的方法 | |
CN111402162B (zh) | 卫星遥感图像的晴空数据集处理方法 | |
Ely et al. | Radio occultation electron density profiles from the FORMOSAT-3/COSMIC satellites over the Brazilian region: A comparison with Digisonde data | |
CN111782689A (zh) | 基于卫星数据的多任务并行处理方法 | |
Yang et al. | Characteristics of one sprite-producing summer thunderstorm | |
Yair et al. | New color images of transient luminous events from dedicated observations on the International Space Station | |
Liu et al. | Possible evidence for small-scale wave seeding of equatorial plasma bubbles | |
Seaman et al. | Visible Infrared Imaging Radiometer Suite (VIIRS) Imagery Environmental Data Record (EDR) user's guide | |
Stefanov et al. | Data collection for disaster response from the international space station | |
Suzuki et al. | Characteristics of equatorial gravity waves derived from mesospheric airglow imaging observations | |
Fan et al. | Engineering survey of the environment and disaster monitoring and forecasting small satellite constellation | |
CN115267948A (zh) | 大洲级别的气象卫星云图预测方法 | |
Meyer et al. | The sarviews project: Automated processing of sentinel-1 sar data for geoscience and hazard response | |
CN113589318A (zh) | 一种星载红外凝视相机入瞳辐射图像仿真方法 | |
Mende et al. | Time delay integration imaging of the nighttime ionosphere from the ICON observatory |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |