随着对地观测技术的发展，不同波段的高分辨率遥感影像越来越普及；海洋遥感影像数据量显著增加，呈现几何级增长；数据的获取速度较快，更新周期短，时效性越来越强，导致遥感数据呈现出明显的“大数据”特征，因此对计算和存储的性能提出了更高的要求。
目前正处于研究阶段的遥感影像分布式处理技术包括FPGA、CUDA、MPI和MapReduce等。FPGA和CUDA的处理性能较高，但依赖于专用的硬件设备，成本高昂，一般应用于大型生产环境中；MPI是一种基于消息传递的并行编程模型，具有较好的可扩展性，但由于编程较为烦琐，限制了其应用；MapReduce是一种新兴的分布式编程模型，能够对计算数据集进行划分，并将计算任务分发到多个节点上，实现分布式计算。
Hadoop的框架在很大程度上简化了分布式编程设计，但由于大数据处理平台刚刚兴起，Hadoop也不够成熟，存在很多不足：首先，其采用的MapReduce框架运行的中间结果写回文件系统，严重影响性能；其次，MapReduce框架不能有效处理交互式计算和迭代计算；最后，MapReduce框架实现多种功能可能需要多个MapReduce程序，降低性能的同时也浪费了资源。(www.xing528.com)
在大数据追求处理速度快的需求下，越来越多的应用无法由Hadoop满足，迫切需要一个新的大数据平台解决此需求。鉴于Spark在交互式计算和迭代计算具有非常大的优势，而对于海洋遥感大数据特征分析与提取方面，迭代计算又非常普遍，因此Spark能够满足此类需求，更好地解决海洋遥感大数据处理面临的问题。常见遥感影像处理技术比较分析见表6-5。
表6-5 常见遥感影像处理技术比较分析
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。
