面向大区域碳卫星数据的分布式Kriging插值算法优化

针对基于原生Kriging算法在大区域尺度上对碳卫星数据进行插值时存在的计算耗时长、并行加速难等问题,对Kriging插值算法进行调整,优化其中的关键计算环节,并根据数据特征与时序依赖关系对插值过程进行拆分重组,细化插值粒度,将其构建为可在分布式环境下并行执行的DAG结构工作流,最后基于一套双层架构的DAG任务调度引擎实现整个插值工作流在分布式环境下的并行加速。实验结果表明,在不同区域尺度上,以上方法框架均具有较高的插值效率,与Spark相比,在大区域尺度上具有明显的速度优势。