多熟悉一些遥感数据的格式类型，对于一个GISer来说是学习的必经之路也是自我提升的高速路。
>>Lidar技术简介：link
>>ENVI下利用LiDAR点云数据生成DEM：https://www.cnblogs.com/enviidl/p/16540602.html
>>高性能集群下LiDAR数据生成DEM并行算法研究：DEM是地理信息科学领域的重要数据之一,在数字地形分析、数字流域分析和三维地表显示等领域有着广泛的应用。随着数据获取技术和DEM应用领域的不断发展,对大区域、高分辨率DEM数据的需求日益迫切。LiDAR技术能迅速获取地理空间物体的高精度三维信息,被较多的用于DEM数据的生产。然而,较高的点云密度往往使得LiDAR点云的数据量较大,给传统计算平台下LiDAR数据到DEM的快速转换提出了挑战。并行计算为LiDAR数据到DEM的快速转换提供了可能。LiDAR数据并行处理具有计算密集和I/O密集双重属性。然而,现有研究多基于单机多核或PC机群环境,并行环境相对落后,并行算法扩展性不强,而且,未给出减少I/O代价的有效策略。另一方面,现有并行算法的负载均衡策略(数据划分、任务调度)在处理大规模LiDAR数据时,也易引起划分时间长、负载不均衡等问题。
>>采用动态负载均衡的LiDAR数据生成DEM并行算法：随着高性能计算的发展,并行技术已经广泛应用于LiDAR数据的分析处理.本文针对现有LiDAR数据生成DEM并行算法所存在的负载不均衡问题,设计并实现了动态负载均衡的LiDAR数据生成DEM并行算法.该算法采用主从式并行策略,管理进程负责LiDAR点云的高效自适应条带划分,计算进程负责LiDAR点云生成DEM的计算.本文设计了任务量的动态调度策略:首先,由所有进程并行创建任务量由大到小排列的待处理任务队列;然后,管理进程根据计算进程的反馈对待处理任务进行动态分配,以达到负载均衡.在24核集群环境下,用30 GB(约12亿点)LiDAR数据对本文算法进行测试,生成分辨率为1m的格网DEM,算法加速比峰值达到15.16;同时,与静态调度策略进行对比实验,结果显示本文的动态负载均衡策略可更好地保证进程间的负载均衡,有效地提高了LiDAR生成DEM并行算法的整体效率.(陈振杰，任沂斌，程亮，骈宇哲，李满春)
>>基于Landsat--8遥感影像和LiDAR测深数据的水深主被动遥感反演研究：https://www.docin.com/p-1505395006.html
>>综合孔径微波辐射计图像反演并行算法研究：微波辐射计从实孔径发展到综合孔径,分辨率、探测距离等关键性能获得一定提升。这些性能的提升建立在信号处理复杂度大幅增加的基础之上,在G矩阵反演方法中G矩阵规模可以达到20GB,普通计算机无法在有效的时间内计算出亮温图像。
