Print

出版日期: 2016-3-25
点击次数:
下载次数:
DOI: 10.11834/jrs.20164286
2016 | Volumn 20 | Number 2





                              上一篇|





下一篇


支持多源遥感数据格式的抽象库DFAL
expand article info 李宏益1,2 , 唐娉1
1. 中国科学院遥感与数字地球研究所, 北京 100101;
2. 中国科学院大学, 北京 100049

摘要

针对当前遥感数据缺乏统一文件格式标准,多源遥感产品的生产使用涉及多种文件格式的现状,在研究多种遥感数据格式及对应库GDAL、HDF4、HDF5的基础上,参考国家气象局的NOAA AVHRR 1B格式标准,利用工厂模式,设计和实现了一个具有统一操作接口的多源遥感数据格式抽象库DFAL,在更高的抽象层次解决了GDAL和HDF4、HDF5库不能一致使用的问题。使用DFAL库进行不同文件格式的读写,专家无需了解这些文件格式的差别,以便从繁杂的遥感数据格式中解放出来,将更多精力投入到遥感科学研究的层面上。在DFAL库的基础上实现了两类常用遥感数据格式GeoTIFF和HDF5之间的转换工具,方便工程应用。DFAL库及转换工具在国家高技术研究发展计划《星机地综合定量遥感系统与应用示范》的多尺度按需定量遥感产品生产系统中进行了应用测试,取得了很好的实际效果,证明了DFAL库稳定性和可用性,并大大减少了多源数据协同使用时多种文件格式读写的工作量。

关键词

GDAL, HDF5, 遥感数据格式集成, DFAL

Abstraction library DFAL supported multisource remote sensing data formats
expand article info LI Hongyi1,2 , TANG Ping1
1. Institute of Remote Sensing and Digital Earth, Chinese Academy of Sciences, Beijing 100101, China;
2. University of Chinese Academy of Sciences, Beijing 100049, China
Supported by National High Technology Research and Development Program of China (No. 2013AA12A301, 2012AA12A304)

Abstract

Remote sensing data lack a unified standard format, whereas multisource remote sensing products involve a variety of file formats based on the study of remote sensing data formats and the corresponding libraries GDAL, HDF4, HDF5, and NOAA AVHRR 1B format standard from China Meteorological Administration as reference. With the use of a factory model, a multisource remote sensing data format with a unified user interface is designed and implemented to obtain a better data format conversion tool between the GeoTIFF and HDF5 formats. Based on the study of various remote sensing image data file formats, the factory mode can not only shield the user from instantiating the details of different classes but also implement different types of operations to achieve a unified operational view, which is user-friendly. Given the lack of existing remote sensing data format libraries, GDAL, HDF5, and any format library cannot be used to read and write alien data formats consistently. Instead, the factory model is used, different remote sensing data formats are abstracted, and a new top-level architecture DFAL library is designed to solve the problem of reading and writing multisource remote sensing data formats. The multisource remote sensing data abstraction libraries DFAL are integrated into the underlying data IO for the quantitative production of a multisource remote sensing system. More than one multisource quantitative remote sensing production system is tested in the multitask parallel platform. The DFAL library causes no errors, and the usability and usefulness of the DFAL library have been proven. The DFAL library significantly simplifies the algorithm program for multisource quantitative remote sensing production, such as the production of multisource quantitative products mainly involving three different data formats that can be consistently read and written through the DFAL library and the IO code. Only one third of the logical workload is not used in the DFAL library. The multisource remote sensing data format abstraction library DFAL has generated a unified interface. Thus, remote sensing professionals can be liberated of the complex remote sensing data formats and can devote more energy to the study of the ontology of remote sensing. Future work can focus on three aspects of research and expansion, as below: (1) the remote sensing data formats are extended to ensure efficient processing by DFAL, and automatic formats for matching remote sensing data are achieved; (2) the projection transformation between different projections based on the DFAL library is supported, and the cooperative processing of multisource and multi projection data is applied; (3)the read and write operations are supported for multisource remote sensing time series data, which better serve the multisource and long time series applications of remote sensing.

Key words

absorption coefficient spectrum, geospatial data abstraction library, hierarchical data format 5, integration of remote sensing data formats, data format abstraction library

1 引言

随着对地观测技术的发展,遥感数据获取变得越来越容易。在遥感应用需求的推动下,遥感向着多源的方向发展,大型遥感应用平台的建立,遥感数据的处理量越来越大,不能用单机模式来生产大范围或全球的遥感产品,需要设计流程化自动化的遥感产品生产系统(王桥,2010柳钦火等,2011贺广均等,2012Zhao等,2013)。国家高技术研究发展计划《星机地综合定量遥感系统与应用示范》课题《多尺度遥感数据按需快速处理与定量遥感产品生成关键技术》及《星机地综合观测定量遥感融合处理与共性产品生产系统》主要研究多源遥感数据协同定量遥感产品生产技术和原型系统平台。多源遥感数据由于其数据来自不同的卫星中心和不同的传感器,并且遥感数据格式缺乏统一标准,解决数据一致无差别读写问题是全球或大区域的多源遥感数据协同进行自动化流程化产品生产的迫切需要。

传统的实验或单机模式大多使用高级语言如Matlab、IDL进行算法设计和验证,一条语句就可以读取所需数据。然而在大型的流程化自动化生产系统中,为兼顾效率、可移植性和系统平台的整体考量,要求算法使用计算机低级语言编写,这样多源遥感数据的读取是摆在研究人员面前的一道难题。由于缺乏统一标准,不同的传感器,其数据有不同的文件格式,甚至是同一传感器,其来源不同其文件格式也略有差异(例如NASA和国家气象局的MOD02数据),导致科学家想获取格式文件中的数据,还需了解各种不同文件格式,以致于不能集中精力于遥感科学研究层面,无疑是对遥感科学发展的阻碍。

科学家在进行遥感应用算法设计和产品生产时只关心自己想得到的数据,不关心任何数据文件格式的复杂定义。如果有一个库,能解决各种不同遥感数据格式的数据一致读取问题,并且可以对研究人员屏蔽数据格式的底层细节,这无疑将研究人员从复杂的格式中解放出来,回归遥感科学研究本身,本文正是基于这一思路展开的研究。

目前有很多关于遥感数据格式读写的研究,大多数都基于GDAL(http://www.gdal.org.)库来设计和实现(刘昌明和陈荦,2011赵岩等,2012余盼盼等,2010查东平等,2013孟婵媛等,2012张宏伟等,2012),也有一些针对GDAL库进行数据格式扩展的研究(郜风国等,2012王亚楠等,2012),但基于GDAL框架不能从根本上解决不同数据格式统一读写问题。如遥感数据格式读写涉及的库主要有HDF5(http://www.hdfgroup.org)和GDAL,两者划分层次不一样,HDF5按图像、组、数据集的模式划分的,GDAL按图像、数据集、波段的模式划分。其中HDF5没有波段的概念,GDAL没有组的概念,因此使用GDAL框架来解析HDF5格式数据时,其解析流程将与其他格式不同。而且GDAL还不支持HDF5文件的创建,但是HDF5文件在存储和处理科学数据集时有很多优点(Folk等,1999),特别是在并行处理和高性能处理方面,如HDF5的数据选择策略与MPI-IO的结合调优(Yang和Koziol,2006)及HDF5与MPI、硬件平台的结合调优(Soumagne等,2010de la Cruza等,2011)。

2 几种常见遥感数据格式、库及数据实例分析

2.1 GeoTIFF格式和GDAL库

GeoTIFF格式是遥感领域应用最为广泛的栅格图像格式(陈端伟等,2006),是一种包含地理信息的TIFF格式,支持单个大于2 GB的文件,支持文件压缩等功能。GDAL由Open Source Geospatial Foundation支持开发,专门针对栅格数据进行读写、采样、投影变换等的开源库,以及一个单独的OGR库,用于矢量数据的操作。GDAL的核心是一个抽象数据模型Dataset,所有栅格数据都是针对这个抽象数据模型进行的操作。GDAL的主要优点是:(1)开源并且使用C/C++语言编写,具有很好的跨平台性;(2)对于新增数据格式的支持,官方有很好的示例,数据文件格式扩展性强;(3)支持大多数遥感栅格和矢量数据格式的读写,特别是一些商业软件也是用GDAL作为底层数据格式库。但其缺点是不支持应用越来越广泛的HDF5文件创建操作。

2.2 HDF格式和HDF库

HDF格式分为HDF4和HDF5两种,有对应数据读写库HDF4和HDF5,都是由NCSA公司支持开发。HDF4是最早的HDF格式,但是有一些存储上的限制(如文件大小不能超过2 GB,对数据集的个数也有限制),所以对HDF4进行了扩展产生了HDF5。根据HDF官方公告,将不再为HDF4格式增加新的特征,建议用户转到HDF5库以获得改进的性能和特征,所以本文实现的DFAL不集成HDF4库的读写接口。官方网站对HDF5的描述为:一种文件格式、可以管理任何类型的数据;一种软件、存取这种文件格式数据的库和工具;特别适合于大而复杂的数据;与平台无关;开源并且免费;支持C,F90,C++,Java APIs等语言。

2.3 NOAA AVHRR 1B格式

NOAA AVHRR 1B格式是NOAA AVHRR数据自己定义的格式,与传统影像数据格式最大的区别是数据区域在影像中间,根据GDAL官方说明,该格式原本可以由GDAL库进行读取的。但国内大部分NOAA AVHHR数据都来自于国家气象局,国家气象局改变了原始数据的字节顺序,导致GDAL无法进行读取,然而国家气象局对发布的NOAA AVHRR 1B数据有详细官方文档,用户只需要按照文档获取每个属性和数据集的偏移、数据长度、字节序就可以完成对应数据的读取。但是针对该格式没有一个通用的数据格式读写库,在工程应用中颇为不便。

2.4 数据实例分析

目前遥感应用按分辨率不同,其主要的数据源分别是30 m的HJ-CCD和Landsat TM;1 km的MODIS Terra/Aqua及NOAA AVHRR;5 km的静止卫星等。从数据实例可以看出,不同的数据都有其自身的特点,导致其选择不同的数据存储格式。

HJ-CCD和Landsat TM数据:HJ-CCD和TM传感器的文件格式基本都是GeoTIFF,每个GeoTIFF文件存储一个波段,每个文件各自带有投影信息,另外用文本文件记录角度信息,用XML文件记录附加元数据信息。此外,Landsat TM还存在不同波段其分辨率不一致的情形,如ETM第6波段与其他波段分辨率不同,这也是导致数据分波段存储的一个原因,因为GeoTIFF无法存储尺寸不一致的数据。

MODIS和静止卫星数据:MODIS和静止卫星(如FY2E,MSG,GOES等)传感器的文件格式基本上都是HDF5或可转换后使用HDF5库进行读取的格式。HDF5文件的特点是属性和数据集特别多,数量上没有限制。每个数据集和属性都是自描述的,同一文件支持不同尺寸的数据集。对于HDF4格式的情形,可使用官方工具H4toh5工具进行转换。

NOAA AVHRR数据:该数据来源于国家气象局,与标准的NOAA AVHRR数据格式不一致,最主要的是数据字节序是小端模式,导致常规的图像处理软件无法打开。

3 卫星数据格式抽象库DFAL

3.1 设计目标和原则

多源遥感数据格式抽象库DFAL的设计目标是为解决多源遥感数据的统一读写问题,并且能够让遥感科学研究人员方便使用。因此需要遵循以下设计原则:

统一性原则:对于不同数据文件格式,为用户呈现统一的数据操作接口。即用户在使用DFAL库时无需关心数据文件格式的具体类型,对于不同的数据文件格式,都使用统一的接口进行数据读写、创建等操作。

易用性原则:HDF5库函数多,应用复杂,DFAL为用户屏蔽一些细节,对数据读写功能进行了抽象,并且遵照GDAL的接口形式,实现数据读写的基本功能,以能满足日常应用和工程需求为限。将HDF5、NOAA AVHRR 1B、原来由GDAL支持的各种文件格式集成于一体,用户无需了解每类文件格式的详细信息,只需要将注意力集中在数据上,可更快更方便地编写遥感应用程序,从繁琐的遥感数据格式读写中解放出来。

3.2 支持的数据格式

文件格式:DFAL通过对HDF5库和GDAL库进行集成并扩展对NOAA AVHRR 1B文件格式的支持。支持的文件格式包含原来GDAL支持的全部文件格式以及HDF5格式和国家气象局的NOAA AVHRR 1B格式。

数据类型:DFAL支持的数据类型包含Int8、UInt8、Int6、UInt16、Int32、UInt32、Float32、Float64、CHAR等9种。

读写模式:DFAL支持的读写模式包含Create、ReadOnly、ReadWrite、Truncated等4种模式。

3.3 设计及功能实现

DFAL为了解决不同数据格式的一致读写问题,首先对数据进行了抽象,分为4个层次:图像(文件)、组、数据集、属性。4层抽象结构基本满足了遥感数据的存储格式体系,可以对不同格式中的数据实体对象进行抽象和封装。

为实现统一的接口及数据读取流程,采用工厂模式进行DFAL库的接口设计,设计一个工厂类DFALFactory用于根据用户的读写请求产生不同数据格式的实例对象。

针对4层抽象结构分别定义与之对应的4个接口:IDFALImage、IDFALGroup、IDFALDataSet、IDFALAttribute。此外,为方便将来的扩展定义一个公共的基类CDFAL;为数据格式扩展时可以利用公共资源,定义4个公共基类DFALImage、DFALGroup、DFALDataSet、DFALAttribute分别继承于对应的4个接口和CDFAL类,之后具体的与数据格式相关的类都从这4个基类派生。

DFAL的类关系如图 1所示,由工厂类对象产生的针对具体数据格式的操作接口实则都是DFALImage、DFALGroup、DFALDataSet、DFALAttribute等4个基类。为实现图像读写的层次性结构和统一的接口,4个基类的定义和功能实现如下:

图 1 DFAL类关系图
Figure 1 DFAL class context diagram

DFALImage是图像类,记录文件的基本信息。图像类的成员函数主要是组和数据集及属性的创建和获取,图像文件之间的挂载和解挂等。成员变量包含组、数据集、属性数量,文件大小,存取模式等。

DFALGroup是组类,是数据集和属性的包装类,对于HDF5格式,组类与HDF5库的定义一致,对于使用GDAL的用户,组等同于在图像和数据集之间加了一个虚拟层。该类不进行数据读写,只是一个容器,与操作系统中文件夹的功能类似。组类的成员函数主要是组和数据集及属性的创建和获取,直接读写属性函数等。成员变量主要是组、数据集、属性的个数信息。

DFALDataSet是数据集类,影像数据实际存放地,该数据集与HDF5、GDAL中的数据集一致。数据集类的成员函数主要是数据读写函数,创建和获取属性对象函数,直接读写属性函数等。成员变量主要是数据集的维数和数据类型等信息。

DFALAttribute是属性类,对于HDF5格式,属性的定义与HDF5库的定义一致。属性的获取实现了HDF5将属性作为对象的获取模式和GDAL的直接获取模式两种。属性类的成员函数主要是属性数据读写函数。成员变量主要是数据维数和数据类型信息。

针对HDF5文件内部组、数据集和属性众多,嵌套层次深的特点,DFAL库提供了特殊的供递归调用的接口。通过这些接口可以得到图像、组、数据集下对应有的组、数据集、属性对象的数量;然后根据得到的对象编号获取相应的标识字符串,并根据标识字符串判断该对象是否存在;最后通过标识字符串得到对象(组/数据集/属性)的句柄。该接口主要是为了方便工程应用,使用户无需机械地拷贝大量重复的代码,对于一个文件的读写只需要递归操作就能完成。目前该接口只针对HDF5文件格式有效,针对GeoTIFF格式的正在整理完善中。

3.4 可扩展性考虑

可扩展性考虑主要是对遥感图像处理格式的扩展支持,DFAL格式体系设计从上到下的抽象依次是图像、组、数据集、属性。将来需要扩展支持新的数据格式时,每增加一类数据格式,只需要分别集成于4个抽象层次的对应类,并根据实际数据格式决定是否需要重载对应的接口函数,这样就可以将该数据格式添加到DFAL库中,完成统一的数据操作。

4 基于DFAL的格式转换工具

为解决跨遥感数据处理平台和用户实际需求,基于DFAL,设计和实现了两个格式互转工具:GeoTIFF转HDF5格式和HDF5转GeoTIFF格式。GeoTIFF转HDF5格式用于解决GeoTIFF数据进入到多尺度按需定量遥感产品生产系统进行处理的问题。HDF5转GeoTIFF格式用于解决一些商业软件如ENVI等不支持HDF5格式或HDF5压缩格式的问题。

4.1 GeoTIFF转HDF5

以GeoTIFF格式存储的遥感图像,文件中主要包含栅格影像和投影信息,在进行格式转换时,将GeoTIFF的每个波段作为1个数据集存储,投影信息作为属性存储在HDF5的属性中。

图 2显示了通过GeoTIFF转HDF5工具转换1景TM图像的实例。原TM图像中只包含1个波段和投影信息(图 2),转换成HDF5文件只有1个组Group和1个数据集DataSet_1及投影信息ProjectionStr和ProjectionPara(图 2)。

图 2 TM的GeoTIFF格式转换到HDF5格式
Figure 2 GeoTIFF format converted to HDF5 format for TM

4.2 HDF5转GeoTIFF

对于HDF5中的不同数据集,容许其有不同尺寸,在HDF5转为GeoTIFF文件时,需要将HDF5中不同数据集单独保存为一个GeoTIFF文件,属性信息都以GDAL元数据的形式保存。图 3显示了1景HJ-CCD的标准产品的转换示意图,HJ-CCD预处理产品共3个组12个数据集,转换出12个GeoTIFF文件,并且为每一个GeoTIFF文件都写入投影信息。

图 3 HJ-CCD标准产品HDF5格式转换到GeoTIFF格式
Figure 3 HDF5 format converted to GeoTIFF format for HJ-CCD standard products

5 应用实例

下面介绍DFAL库在全球多源定量遥感产品生产系统中的应用。多源定量遥感产品流程化自动化生产过程主要包含:数据预处理、数据剖分和多源定量遥感产品生产。生产的整个过程都是对遥感数据实体进行操作,离不开遥感数据的读写,因此一个易用的遥感数据格式库对于多源定量遥感产品的自动化流程化生产是至关重要的。在系统应用中根据DFAL的具体使用情况可分为两类:一类是其他格式到HDF5,如DFAL在数据预处理中的应用,其涉及需要读取不同的数据格式,处理后统一存储为HDF5格式;另一类是HDF5到HDF5格式,如数据剖分和多源定量遥感产品生产,下面仅以数据剖分为例进行介绍。

5.1 其他格式到HDF5的处理过程

多源定量遥感产品生产系统中数据预处理是将原遥感数据进行几何校正、辐射校正、大气校正后(3类处理根据实际情况有选择地进行),把原来各种不同文件格式统一存储为HDF5格式。DFAL库在其中提供数据读写的接口,通过使用DFAL,可以对不同的文件格式进行统一读写,无需考虑文件格式的差异性,使研究集中于几何、辐射、大气校正算法的改进和优化。预处理涉及的数据格式主要有GeoTIFF、HDF5、NOAAAVHRR 1B等,涉及的卫星有HJ、Landsat、Terra、Aqua、NOAA、FY2E、FY3A、FY3B、GOES、MTSAT、MSG等。图 4显示了基于DFAL库实现的HJ-CCD数据由原始数据到标准产品的变换过程示意,将原来HJ-CCD的4个GeoTIFF文件以及文本文件中存储的4个角度数据经过几何、辐射、大气处理后存储在一个HDF5文件中。

图 4 HJ-CCD数据标准产品生产过程示意图
Figure 4 Schematic diagram of production process for HJ-CCD standard products

5.2 HDF5到HDF5处理的处理过程

数据剖分是将遥感图像按照一定的分幅标准,剖成尺寸一致,编号统一的图幅,方便多源遥感图像的协同处理。

图 5显示了一幅FY3A_VIRRX预处理产品经过分幅后产品12个HDF5文件的情形,分幅前后文件内部格式完全一致,只是将图像按分幅标准(经纬度格网/正弦格网)进行了切分,该过程主要依靠DFAL库的读写功能,辅以地理空间变化操作完成。通过使用针对HDF5文件格式设计的特殊接口,以递归形式可以非常方便地进行数据组、数据集的遍历,减少了代码工作量,提高了工程实现的速度。

图 5 FY3A_VIRRX标准产品分幅过程示意图
Figure 5 Schematic diagram of mapping division for FY3A_VIRRX standard products

6 结论

多源定量遥感产品生产具有数据源多,数据格式复杂等特点,给遥感科学研究带来了很大的不便,本文在研究了各种遥感图像数据文件格式的基础上,针对现有遥感数据格式库GDAL、HDF5的不足,主要问题是GDAL不支持HDF5格式的创建和写操作,并且GDAL与HDF5库在抽象层次上也不一致,没有办法实现一致读写;HDF5库在应用中对于遥感行业人员来说太复杂,没有与GDAL一样层次清晰的接口;各种遥感数据格式读取没有一个统一的接口,因此设计了一个具有全新顶层架构的DFAL库来解决多源遥感数据格式的读写问题。

基于统一接口形式的多源遥感数据格式抽象库,使遥感专业人员可以从繁杂的遥感数据格式中解放出来,将更多的精力投入到遥感科学研究上。基于DFAL库实现的两个遥感栅格数据格式转换工具:GeoTIFF转HDF5格式和HDF5转GeoTIFF,可以实现不同遥感平台间数据格式相互转换,起到促进行业交流和应用的目的。此外当前遥感应用的一些软件如ENVI也不能很好支持HDF5格式,通过这两个工具,可以将HDF5格式数据转成GeoTIFF后再使用。

在多源遥感定量产品生产系统中,基于多任务平台1000多景影像的多源定量遥感产品生产测试,没有出现DFAL自身问题而导致的错误,证明了DFAL库的可用性和实用性。目前该库已经提供给了国家高计术研究发展计划项目《星机地综合定量遥感系统与应用示范》中的多个参加单位使用,简化了多源定量遥感产品生产算法的程序编制。如多源产品生产主要涉及3种不同数据格式,不使用DFAL时3种数据格式需要分开考虑,使用DFAL后3种不同数据格式可以统一对待,其IO部分的代码、逻辑的工作量只有原来的三分之一。

未来将主要进行3方面的研究和扩展:对支持的遥感数据格式进行扩展,并实现自动的遥感数据格式匹配;支持基于DFAL库的自动投影转换,以更方便地应用于不同投影数据的协同处理;支持多源时间序列数据的读写操作,更好地为多源、长时间序列的遥感应用服务。

参考文献

  • Chen D W, Shu J, Wang Q and Duan Y S. 2006. Analysis of remote sensing image format-GeoTIFF. Journal of East China Normal University(Natural Science),(2):18-26(陈端伟, 束炯, 王强, 段玉森. 2006. 遥感图像格式GeoTIFF解析. 华东师范大学学报(自然科学版),(2):18-26)
  • de la Cruza R, Calmeta H and Houzeauxa G. 2011. Implementing a XDMF/HDF5 Parallel File System in Alya. Partnership for Advanced Computing in Europe
  • Folk M, McGrath R E and Yeager N. 1999. HDF:an update and future directions//Proceedings of IEEE International Geoscience and Remote Sensing Symposium, 1999. Hamburg:IEEE:1:273-275
  • Gao F G, Feng Z, Tang L and Tang P. 2012. Multisource remote sensing data analysis based on GDAL frame. Computer Engineering and Design, 33(2):760-765[DOI:10.3969/j.issn.1000-7024.2012.02. 067](郜风国, 冯峥, 唐亮, 唐娉. 2012. 基于GDAL框架的多源遥感数据的解析. 计算机工程与设计, 33(2):760-765)[DOI:10.3969/j.issn.1000-7024.2012.02.067]
  • He G J, Li H, Li J G, Yu T, Meng Q Y and Wang R. 2012. Architecture design and implementation of the ecological environment remote sensing production subsystem. Microcomputer Information, 28(9):252-254(贺广均, 李虎, 李家国, 于涛, 孟庆岩, 王蕊. 2012. 生态环境遥感产品生产分系统架构设计与实现. 微计算机信息, 28(9):252-254)
  • Liu C M and Chen L. 2011. GDAL multi-source spatialdata access middleware. Geospatial Information, 9(5):58-61(刘昌明, 陈荦. 2011. GDAL多源空间数据访问中间件. 地理空间信息, 9(5):58-61)
  • Liu Q H, Zhong B, Wu J T, Xiao Z Q and Wang Q. 2011. Quantitative Retrieval and Assimilation of Environmental Remote Sensing. Beijing:Science Press(柳钦火, 仲波, 吴纪桃, 肖志强, 王桥. 2011. 环境遥感定量反演与同化. 北京:科学出版社)
  • Meng C Y, Zhang Z, Zhang L and Li J. 2012. Method of building image pyramid model based on GDAL and NetCDF. Hydrographic Surveying and Charting, 32(2):49-51[DOI:10.3969/j.issn.1671-3044. 2012.02.015](孟婵媛, 张哲, 张靓, 李军. 2012. 基于GDAL和NetCDF的影像金字塔构建方法. 海洋测绘, 32(2):49-51)[DOI:10.3969/j.issn.1671-3044.2012.02.015]
  • Soumagne J, Biddiscombe J and Clarke J. 2010. An HDF5 MPI virtual file driver for parallel in-situ post-processing//Keller R, Gabriel E, Resch M and Dongarra J, eds. Recent Advances in the Message Passing Interface. Berlin Heidelberg:Springer, 6305:62-71
  • Wang Q. 2010. Eco-environment Remote Sensing Monitoring from Environment Satellite 1. Beijing:Science Press(王桥. 2010. 基于环境一号卫星的生态环境遥感监测. 北京:科学出版社)
  • Wang Y N, Lai J B, Zhou K, Liu Y L and Luo X L. 2012. Design and implementation of standard interface for multi-type remote sensing image data based on GDAL. Journal of Henan University(Natural Science), 42(6):757-761[DOI:10.3969/j.issn.1003-4978.2012.06.017](王亚楠, 赖积保, 周珂, 刘云莉, 罗晓丽. 2012. 基于GDAL的多类型遥感影像文件标准接口设计与实现. 河南大学学报(自然科学版), 42(6):757-761)[DOI:10.3969/j.issn.1003-4978.2012.06.017]
  • Yang M Q and Koziol Q. 2006. Using collective IO inside a high performance IO software package-HDF5. Proceedings of Teragrid, 12-15
  • Yu P P, Zhong Z N, Chen L and Liu Y. 2010. Lunar spatial data conversion service based on GDAL. Ordnance Industry Automation, 29(12):45-48(余盼盼, 钟志农, 陈荦, 刘义. 2010. 基于GDAL的月球空间数据转换服务. 兵工自动化, 29(12):45-48)
  • Zha D P, Lin H, Sun H, Liu N Y and Shen Z. 2013. Fast reading and displaying of remote sensing images based on GDAL. Journal of Central South University of Forestry and Technology, 33(1):58-62(查东平, 林辉, 孙华, 刘年元, 申展. 2013. 基于GDAL的遥感影像数据快速读取与显示方法的研究. 中南林业科技大学学报, 33(1):58-62)
  • Zhang H W, Tong H J, Zuo B X and Zhang X. 2012. Quick browsing of massive remote sensing image based on GDAL. Computer Engineering and Applications, 48(13):159-162[DOI:10.3778/j.issn.1002-8331.2012.13.034](张宏伟, 童恒建, 左博新, 张昕. 2012. 基于GDAL大于2G遥感图像的快速浏览. 计算机工程与应用, 48(13):159-162)[DOI:10.3778/j.issn.1002-8331.2012.13.034]
  • Zhao X, Liang S L, Liu S H, Yuan W P, Xiao Z Q, Liu Q, Cheng J, Zhang X T, Tang H R, Zhang X, Liu Q, Zhou G Q, Xu S and Yu K. 2013. The global land surface satellite(GLASS) remote sensing data processing system and products. Remote Sensing, 5(5):2436-2450[DOI:10.3390/rs5052436]
  • Zhao Y, Wang S Y, Bi H Y, Wang H and Yin H. 2012. Research on key technology of remote sensing images browse based on GDAL. Computer Engineering, 38(23):15-18, 23[DOI:10.3969/j. issn.1000-3428.2012.23.004](赵岩, 王思远, 毕海芸, 王辉, 殷慧. 2012. 基于GDAL的遥感图像浏览关键技术研究. 计算机工程, 38(23):15-18, 23)[DOI:10.3969/j.issn.1000-3428.2012.23.004]