[目的]如何准确、高效地实现点源数据向面源数据的空间拓展,是现代数字土壤制图技术实现由中小尺度制图转向大尺度、乃至全球尺度制图所需解决的关键问题之一.[方法]依托前期提出的局部属性相似性加权回归空间插值算法(LASWR),文章构建了一种基于云计算技术Hadoop的分布式空间插值算法(DLASWR),以应对大规模数字土壤制图的海量数据处理需要.DLASWR算法是基于Hadoop的MapRe-duce 框架结构.算法的核心思想在于:(1)将待插值数据集分割成多个子数据集,由单个Map任务使用集中式LASWR算法对一个子数据集进行插值;(2)由Reduce任务归并所有Map任务的插值结果,并作为最终结果输出.[结果]对实际土壤样点属性的空间插值实验结果表明DLASWR算法具有良好的加速性能,与集中式LASWR算法相比显著提高了空间插值的计算效率.[结论]DLASWR算法可为数字土壤制图领域当前应用的空间插值方法由传统的集中式计算拓展成分布式计算提供技术参考.

云计算;分布式空间插值;数字土壤制图;局部属性相似加权回归;土壤景观模型

江苏省塘库智能观测与水环境生态管控工程研究中心,江苏淮安 223300;淮阴师范学院城市与环境学院,江苏淮安 223300;中国科学院亚热带农业生态研究所,湖南长沙 410125;农业农村部面源污染控制重点实验室,北京 100081;中国农业科学院农业资源与农业区划研究所,北京 100081

[1]周脚根;雷秋良;李勇;张天鹏-.分布式属性相似空间插值算法及其对流域土壤属性插值的计算性能评估)[J].中国农业资源与区划,2022(05):66-73

LASWR,分布式空间插值,DLASWR,MapRe,局部属性相似加权回归,土壤景观模型

空间插值算法,土壤属性,性能评估,点源,面源,空间拓展,数字土壤制图,中小尺度,大尺度,全球尺度,属性相似性,云计算技术,Hadoop,模数,海量数据处理,框架结构,核心思想,割成,务使,集中式,Reduce,归并,加速性能,计算效率,空间插值方法,分布式计算

0.211017