CIFOR-ICRAF aborda desafios e oportunidades locais ao mesmo tempo em que oferece soluções para problemas globais para florestas, paisagens, pessoas e o planeta.

Fornecemos evidências e soluções acionáveis ​​para transformer a forma como a terra é usada e como os alimentos são produzidos: conservando e restaurando ecossistemas, respondendo ao clima global, desnutrição, biodiversidade e crises de desertificação. Em suma, melhorar a vida das pessoas.

O CIFOR-ICRAF publica mais de 750 publicações todos os anos sobre agrossilvicultura, florestas e mudanças climáticas, restauração de paisagens, direitos, política florestal e muito mais – em vários idiomas..

CIFOR-ICRAF aborda desafios e oportunidades locais ao mesmo tempo em que oferece soluções para problemas globais para florestas, paisagens, pessoas e o planeta.

Fornecemos evidências e soluções acionáveis ​​para transformer a forma como a terra é usada e como os alimentos são produzidos: conservando e restaurando ecossistemas, respondendo ao clima global, desnutrição, biodiversidade e crises de desertificação. Em suma, melhorar a vida das pessoas.

CIFOR–ICRAF publishes over 750 publications every year on agroforestry, forests and climate change, landscape restoration, rights, forest policy and much more – in multiple languages.

CIFOR–ICRAF addresses local challenges and opportunities while providing solutions to global problems for forests, landscapes, people and the planet.

We deliver actionable evidence and solutions to transform how land is used and how food is produced: conserving and restoring ecosystems, responding to the global climate, malnutrition, biodiversity and desertification crises. In short, improving people’s lives.

Parallel Generation of Very High Resolution Digital Elevation Models: High-Performance Computing for Big Spatial Data Analysis

Exportar a citação

Very high resolution digital elevation models (DEM) provide the opportunity to represent the micro-level detail of topographic surfaces, thus increasing the accuracy of the applications that are depending on the topographic data. The analyses of micro-level topographic surfaces are particularly important for a series of geospatially related engineering applications. However, the generation of very high resolution DEM using, for example, LiDAR data is often extremely computationally demanding because of the large volume of data involved. Thus, we use a high-performance and parallel computing approach to resolve this big data-related computational challenge facing the generation of very high resolution DEMs from LiDAR data. This parallel computing approach allows us to generate a fine-resolution DEM from LiDAR data efficiently. We applied this parallel computing approach to derive the DEM in our study area, a bottomland hardwood wetland located in the USDA Forest Service Santee Experimental Forest. Our study demonstrated the feasibility and acceleration performance of the parallel interpolation approach for tackling the big data challenge associated with the generation of very high resolution DEM.
Download:

DOI:
https://doi.org/10.1007/978-981-10-8476-8_2
Pontuação Altmetric:
Dimensões Contagem de citações:

Publicações relacionadas