论文部分内容阅读
遥感地面试验场主要用于遥感技术基础研究,即研究从地物的波谱特性经过大气传输到达传感器获得信息过程中的机理及其相互关系,是研制新型传感器、发展遥感技术新方法、完善判读理论和方法的基础性工作。因此,本文提出了对遥感地面试验场辐射仿真计算过程的研究。通过分析能量在大气、场景和传感器之间传递时发生的各种相互作用,将整个辐射计算过程分为入射辐射场、出射辐射场和上行辐射场三个过程。入射辐射场的计算过程又分为太阳直射下行辐射、天空漫射下行辐射和背景对目标的反射辐射三部分。将大气参数作为辐射计算的输入数据,经过入射辐射场的辐射计算,得到大气层内部的辐照度,包括太阳直射、天空漫射和背景对目标的反射辐射三部分。整个入射辐射场的输出作为出射辐射场的输入,结合大气参数的影响,计算得到出射辐亮度的计算结果。经过上行辐射场计算得到大气层外相应观测方向的辐亮度结果,最终,将遥感地面试验场辐射计算的结果应用到遥感平台中,为光学遥感器的校验提供理论依据。随着遥感地面试验场复杂程度的不断增加,场景辐射计算的数据量越来越大,这就对计算机的运行效率提出了更高的要求。但是受到计算机物理硬件的限制,计算机的运行效率很难有大幅度的提高。随之并行计算便成为了一个新的研究热点,对于解决复杂的场景有很大的帮助。因此,本文通过并行计算方法来提高辐射计算的效率,以此来解决由于数据量大而产生的计算时间长的问题。场景中目标模型之间的辐射计算过程是相对独立的,而且模型中三角面片的辐射计算过程也是相对独立的。通过并行实验的对比分析,基于OpenMP和基于CUDA的并行计算方法都能够不同程度的提高辐射计算的效率。基于OpenMP的并行计算方法较并行前能够得到1倍左右的加速比,基于CUDA的并行计算方法大概是基于OpenMP并行计算方法的20倍左右。本文的实验环境是基于单个GPU实现的,目前大量的加速卡都不止一个GPU,基于MPI的数据分发和接收的粗粒度并行和基于CUDA的数据计算的细粒度并行混合编程应用比较广泛,能够得到更高的加速比。