Key points are not available for this paper at this time.
Wir präsentieren eine effiziente Cloud-Computing (CC)-Implementierung des Parallel Small BAseline Subset (P-SBAS)-Algorithmus, der eine fortschrittliche Differential Interferometrische Synthetic Aperture Radar (DInSAR)-Technik zur Erstellung von Zeitserien der Erdoberflächendeformationen durch verteilte Recheninfrastrukturen ist. Das Konzept unseres Ansatzes besteht darin, die großen Datenmengen und die in der P-SBAS-Kette involvierten Verarbeitungstasks ordnungsgemäß auf die verfügbaren (virtuellen und/oder physischen) Rechenknoten der CC-Infrastruktur zu verteilen, sodass jedes dieser Elemente gleichzeitig an Daten arbeiten kann, die physisch auf seinem eigenen lokalen Volume gespeichert sind. Dazu wurden sowohl ein adäquates Management des Datenflusses als auch eine geeignete Planung der parallelen Jobs implementiert, um die hohe Komplexität des P-SBAS-Workflows ordnungsgemäß zu bewältigen. Die vorgeschlagene Lösung ermöglicht es, den gesamten Datentransfer und die Netzwerkbelastung zu minimieren, wodurch die Effizienz und Skalierbarkeit von P-SBAS innerhalb der genutzten CC-Umgebungen verbessert werden. Die vorgestellte P-SBAS-Implementierung wurde umfassend durch zwei experimentelle Analysen validiert, die durch die Nutzung der Amazon Web Services (AWS) Elastic Cloud Compute (EC2)-Ressourcen durchgeführt wurden. Die erste Analyse umfasst die Verarbeitung eines großen (128 SAR-Bilder) COSMO-SkyMed-Datensatzes, die unter Ausnutzung von bis zu 64 Rechenknoten durchgeführt wurde, und hat zum Ziel, die skalierbaren Leistungen von P-SBAS zu demonstrieren. Die letzte zeigt die Fähigkeit von P-SBAS, DInSAR-Ergebnisse im regionalen Maßstab (150.000 km² in Südkalifornien) in sehr kurzer Zeit (ca. 9 h) zu generieren, indem gleichzeitig 18 ENVISAT-Bilder, die insgesamt 741 SAR-Bilder entsprechen, unter Ausnutzung von 144 AWS-Rechenknoten parallel verarbeitet werden. Die präsentierten Ergebnisse bestätigen die Wirksamkeit der vorgeschlagenen P-SBAS CC-Lösung, die dazu beitragen kann, die Grenzen der DInSAR-Untersuchung im sehr großen Maßstab weiter zu erweitern.
Zinno et al. (Fri,) haben diese Frage untersucht.