实验以监测作物生长状况系统为例，被状况监测系统使用植被状况指数判断，指数如Normalized Difference Vegetation Index (NDVI) 和Vegetation Condition Index (VCI)。它们定义如下:
式中，NIR是近红外波段数据; IR是红外波段; NDVImax和NDVImin分别是最大的NDVI值和最小的NDVI值。本实验的数据来自NASA的moderate-resolution imaging spectroradiome-ter (MODIS) 数据，数据集为“MODIS/Terra Surface Reflectance Daily L2G Global 250m SIN Gridv005”。美国本土48州，每天的MODISHDF数据为25个文件大约2Gigabytes数据。系统从2000年开始，直到现在，总共的数据超过10万个文件，数据大小超过8Terabytes，随着时间的推移数据还在增加。考虑到这么大的数据量，使用云计算将是个很好的尝试。
开发了WPS实例耦合Apache Hadoop、Hadoop的多节点用java线程模拟。本实验计算日NDVI时间为2010-05-04到2010-05-10，最后将NDVI数据进行投影变换。
客户端与WPS的交互。客户端按WPS的Execute请求操作。
WPS Server与Hadoop交互。调用Execute操作，将提交Map Reduce作业。运行作业前先判断需要的数据是否在服务器上，如果是，则继续运行; 如果不是，则需要先拷贝/下载数据到HDFS。
如图7-6所示，日NDVI计算输入的是日文件路径，输出的是输出路径。所有文件分割成＜key，value＞对，key是日期的名字，value是HDF文件路径。Map过程计算每个文件的NDVI，Reduce过程是计算日NDVI。
图7-6 日NDVI计算 Map/Reduce图
如图7-7所示，周NDVI计算输入的是每天的NDVI，输出的是一周的NDVI。周NDVI的每个像素值是该像素在本周中某天的最大值。
图7-7 周NDVI计算Map/Reduce图(www.xing528.com)
如图7-8所示，日和周数据格式转换的Map/Reduce过程，输入的是HDF格式，输出的是Geo TIFF格式。
图7-8 日、周格式转换Map/Reduce图
如图7-9所示，表示全部运行过程的Map/Reduce过程，包括从原始数据计算得到日NDVI，再计算周NDVI，最后做坐标转换。
图7-9 全部运行过程的Map/Reduce图
如图7-10所示，计算出来的是NDVI合成产品，通过WMS服务发布到网上，如图7-11所示，用户就可以查看和下载。
图7-10 合成后的NDVI产品
图7-11 NDVI产品发布客户端
免责声明：以上内容源自网络，版权归原作者所有，如有侵犯您的原创版权请告知，我们将尽快删除相关内容。
