基于6s模型的遥感影像大气校正加速方法

之前写过一篇博客《基于6s模型的遥感影像大气校正方法》分享了如何使用6s模型对一些常见的遥感影像（landsat系列、sentinel-2、高分系列）进行大气校正，同时也用python进行了工程化实现，基本可以满足上述传感器影像的大气校正的工程化批处理使用需求。但是随着影像分辨率的不断提高，单景影像也越来越大，之前的程序处理起来速度还是太慢，这里想通过多进程的方法来对之前的程序做个加速。

多线程处理遥感影像的弊端

由于一直在从事跟遥感影像相关的工作，经常会遇到处理大量影像的场景，比如计算NDVI、计算纹理，之前有尝试过使用C++多线程的方式来加快处理速度，但是经过个人实验后发现基于多线程的遥感影像处理方式不太可取。举例如下：

假设上图使我们要处理的影像，针对同一影像使用多线程，应该是将影像分为3x3共9块，然后同时处理其中的几块，以此来提高速度。这里有一个问题，就是我们需要同时将这几小块数据读入内存，在我的测试中发现，gdal的读写机制有个限制，就是数据只能同时被读写一次，假设我们同时开启3个线程，处理上图中的1、2、3块区域，实际上在第一个线程读区域1的数据时，第2、3个线程不能同时分别读区域2和3，只有等区域1读取完毕，区域2、3才能依次读取。写入数据时是同样的道理。 即gdal打开数据后得到的dataset只能同时被1