孟祥海，王学志，赵江华，周小华

1.中国科学院计算机网络信息中心，北京 100190

2.中国科学院大学，北京 100049

引 言

随着遥感数据处理技术的不断丰富和发展，遥感数据处理能力不断增强，处理手段更加丰富，发展出较多成熟的遥感数据处理技术，例如,利用人工智能技术进行云雪检测、利用rasterio访问栅格数据等，充分发挥不同遥感数据处理技术的优势，提升遥感数据处理的效率和水平是研究遥感数据处理的关键。遥感数据处理涉及数据解译、处理和专业应用等，目标为形成多源遥感基础数据产品和专业数据产品。基于遥感数据（特别是高分辨率遥感影像数据）的信息提取技术获取有效信息，可为专业应用提供数据支撑，可应用于土地遥感分析、植物遥感分析、水体和海洋遥感分析等领域。信息提取的前提是对遥感数据进行有效地组织、处理、计算和分析等操作。

作为连接遥感数据和专业应用之间的媒介，遥感数据处理系统建设正临着数据密集、计算密集、并发访问密集、时空密集等实际应用带来的挑战[1]。传统单机处理的服务模式已不能满足遥感大数据的处理需求，为此需要引入分布式系统对空间数据进行处理[2-4]，依托分布式处理技术提高处理遥感数据的规模和效率。

目前主流分布式计算框架Hadoop、Storm、Spark等在遥感数据处理方面均取得了较好的效果，根据数据的格式及内容提供实时处理和离线批处理[5]。张嘉等基于HBase预分区优化策略，结合MapReduce计算框架，构建了空间数据分布式计算与分析的优化流程[6]。……