， ，， ，，

(1.长江科学院 水土保持研究所，武汉 430010；

2.长江水利委员会 网络与信息中心，武汉 430010；

3.武汉大学 测绘遥感信息工程国家重点实验室，武汉 430079)

1 研究背景

2000年左右，随着高分辨率传感器卫星(如美国的IKONOS，QuickBird， OrbView-3，法国的SPOT)发射成功，遥感影像的分辨率已由早期的几十米提高到当前的1m(OrbView-3，0.61 m(QuickBird),甚至0.41 m(GeoEye-1全色)。各式各样的传感器时刻在采集各种时间、空间和光谱分辨率的遥感影像，从而产生了呈几何级数增长的遥感数据。在这个遥感数据泛滥的时代，由于传统的遥感影像处理方法已无法有效应对当前高分辨率遥感影像的日产量海量和单幅像素海量问题，使得多源海量遥感数据的利用率极其低下，从遥感数据中获得并使用的信息更少[1]。

在数据规模急剧增加、应用类型巨大丰富的情况下，越来越多的应用和平台，已不堪重负，而云计算技术作为一种解决问题的新方案已广泛采用[2]。鉴于云计算所具备的诸多优点，如文献[3-8]的研究者将其引入到地理信息与遥感科学研究中，并取得了不错的效果。但这些研究只是将云计算存储当作一种简单的存储手段，没有更多地融入云计算思想，没有更多地考虑后期基于云计算的高分辨率遥感影像处理。

为更合理更高效地借助云计算优化存储和计算资源，本文在基于云计算的高分辨率遥感影像处理的研究框架下，对其最基础部分——高分辨率遥感影像存储组织结构进行了研究，并提出了一种适用于云计算的可扩展高分辨率遥感影像存储组织结构和其基于MapReduce[9]框架的生成方法。……