本书是作者结合现有高性能地理计算的理论、方法和应用所写的。全书共六大部分（10章）。第一部分为高性能地理计算概述（第1章），阐述高性能地理计算的基本概念、发展历程和现状；第二部分为并行计算基础及并行编程基础（第2～3章），介绍并行计算的基本理论、并行编程入门知识等；第三部分为并行地理计算算法设计（第4～5章），阐述地理算法并行设计挑战、数据并行与任务并行地理算法、地理计算强度的理论与方法等；第四部分为高性能空间数据存储（第6章），介绍大规模数据管理技术，包括NoSQL/NewSQL数据库、内存数据库、阵列数据库等，并围绕对地观测大数据的时空立方体理论方法与设计实现进行介绍；第五部分为地理云计算、云GIS与地理流计算（第7～9章），介绍地理云计算概念、地理云计算服务、云GIS设计与实现、空间数据流处理等；第六部分为时空大数据平台（第10章），介绍融合高性能地理计算的时空大数据平台功能与应用。
本书可供地理信息系统、地球空间信息学、计算机科学、遥感信息工程与应用、资源环境科学等领域的研究人员和开发人员使用，也可作为高等院校相关专业的高年级本科生、研究生的教学用书和参考用书。

第1章 绪论
1.1 地理计算与高性能计算概述
1.1.1 地理计算
1.1.2 高性能计算
1.1.3 GIS与高性能计算
1.2 高性能地理计算概述
1.2.1 时空大数据分布式存储管理
1.2.2 时空大数据并行计算与流计算
1.2.3 时空大数据GIS
第2章 并行计算基础
2.1 概述
2.1.1 并行计算概念
2.1.2 计算机性能与发展
2.1.3 并行机分类
2.2 并行算法设计
2.2.1 并行分解方法
2.2.2 并行算法设计挑战
2.2.3 并行算法设计过程
2.3 并行算法性能评估
2.3.1 加速比与并行效率
2.3.2 可扩展性
2.3.3 加速比定律
第3章 并行编程基础
3.1 OpenMP并行编程
3.1.1 进程与线程
3.1.2 OpenMP指令
3.1.3 库函数与环境变量
3.1.4 OpenMP环境运行
3.1.5 OpenMP坡度计算
3.2 MPI并行编程
3.2.1 MPI概述
3.2.2 MPI基础函数
3.2.3 MPI通信
3.2.4 MPI数据类型
3.2.5 MPI环境运行与坡度计算
3.3 MapReduce并行编程
3.3.1 MapReduce计算模式
3.3.2 Hadoop分布式系统
3.3.3 Spark计算引擎
3.3.4 Spark环境运行
3.4 GPU并行编程
3.4.1 概述
3.4.2 CUDA编程
3.4.3 CUDA常用函数
3.4.4 CUDA环境运行
第4章 并行地理计算
4.1 地理算法并行设计挑战
4.1.1 并行策略
4.1.2 负载均衡
4.1.3 数据I/O
4.1.4 通信
4.2 地理算法并行化
4.2.1 数据并行地理算法
4.2.2 任务并行地理算法
第5章 地理计算强度
5.1 概述
5.1.1 地理计算特征表达
5.1.2 计算强度评估
5.1.3 地理空间域分解
5.2 AI地理计算强度预测
5.2.1 案例介绍
5.2.2 计算强度评估模型
5.2.3 地理空间域分解
5.2.4 实验结果分析
第6章 高性能空间数据存储
6.1 关系数据库与NoSQL
6.2 NoSQL数据库
6.2.1 MongoDB
6.2.2 HBase
6.2.3 Redis
6.3 阵列数据库
6.3.1 概述
6.3.2 Rasdaman
6.3.3 SciDB
6.3.4 评测分析
6.4 时空数据立方
6.4.1 概述
6.4.2 时空立方体概念
6.4.3 GeoCube设计与实现
第7章 地理云计算
7.1 概述
7.1.1 云计算简介
7.1.2 云平台介绍
7.1.3 边缘计算
7.2 地理云计算简介及地理信息处理云服务
7.2.1 地理云计算简介
7.2.2 地理信息处理云服务
第8章 云GIS
8.1 概述
8.2 云GIS设计与实现
8.2.1 系统架构
8.2.2 分布式空间数据存储
8.2.3 分布式GIS内核
8.2.4 结果分析
第9章 地理流计算
9.1 概述
9.1.1 技术背景
9.1.2 案例介绍
9.2 地理观测流
9.2.1 信息模型
9.2.2 计算模型
9.2.3 性能分析模型
9.2.4 系统架构
9.3 实时地理信息流处理
9.3.1 案例计算
9.3.2 结果分析
第10章 时空大数据平台
10.1 概述
10.2 时空大数据平台功能
10.2.1 平台概况
10.2.2 数据中心
10.2.3 计算中心
10.2.4 服务中心
10.2.5 管理中心
10.3 时空大数据平台应用
参考文献