مشخصات مقاله:
عنوان فارسی مقاله:
نمونه سازی سیستم وضوح بالا و مقیاس بزرگ کشاورزی با استفاده از رویکرد پیوندی مرکب از پردازش موازی و محاسباتی
عنوان انگلیسی مقاله:
Large-scale, high-resolution agricultural systems modeling using a hybrid approach combining grid computing and parallel processing
کلمات کلیدی مقاله:
محاسبات شبکه، برنامه نویسی موازی، APSIM ، مدل سازی کشاورزی، محاسبات با کارایی بالا، امنیت غذایی، مدل سازی محصول
مناسب برای رشته های دانشگاهی زیر:
مهندسی کامپیوتر و کشاورزی
مناسب برای گرایش های دانشگاهی زیر:
هوش مصنوعی، مهندسی الگوریتم ها و محاسبات و رایانش ابری
وضعیت مقاله انگلیسی و ترجمه:
مقاله انگلیسی را میتوانید به صورت رایگان با فرمت PDF از باکس زیر دانلود نمایید. ترجمه این مقاله با فرمت WORD – DOC آماده خریداری و دانلود آنی میباشد.
فهرست مطالب:
چکیده
1. مقدمه
2. شیوه ها
2.1 واحدهای فضایی و نواحی مورد مطالعه
2.2 نمونه سازی سیستم های کشاورزی
2.3 محاسبه شبکه و مدیریت حجم کار
2.3.1 محاسبه شبکه با کندور
2.3.2 قسمت بندی وظایف
2.3.3 مدیریت حجم کار
2.3.4 مدیریت نتایج و آنالیزها
2.3.5. استفاده کامل از گره های چند هسته ای با پردازش موازی
3.نتایج
3.1.امار جمع اوری کار کندور
3.2.نتایج مدل مقدماتی
4.مباحث
قسمتی از مقاله انگلیسی و ترجمه آن:
Abstract
The solution of complex global challenges in the land system, such as food and energy security, requires information on the management of agricultural systems at a high spatial and temporal resolution over continental or global extents. However, computing capacity remains a barrier to large-scale, highresolution agricultural modeling. To model wheat production, soil carbon, and nitrogen dynamics in Australia’s cropping regions at a high resolution, we developed a hybrid computing approach combining parallel processing and grid computing. The hybrid approach distributes tasks across a heterogeneous grid computing pool and fully utilizes all the resources of computers within the pool. We simulated 325 management scenarios (nitrogen application rates and stubble management) at a daily time step over 122 years, for 12,707 climateesoil zones using the Windows-based Agricultural Production Systems SIMulator (APSIM). These simulations would have taken over 30 years on a single computer. Our hybrid high performance computing (HPC) approach completed the modeling within 10.5 daysda speed-up of over 1000 timesdwith most jobs finishing within the first few days. The approach utilizes existing idle organization-wide computing resources and eliminates the need to translate Windows-based models to other operating systems for implementation on computing clusters. There are however, numerous computing challenges that need to be addressed for the effective use of these techniques and there remain several potential areas for further performance improvement. The results demonstrate the effectiveness of the approach in making high-resolution modeling of agricultural systems possible over continental and global scales.
دیباچه
حل پیچیدگی های جهانی چالش ها در سیستم ارضی، مانند امنیت غذایی و انرژی، نیازمند اطلاعاتی در ارتباط با مدیریت سیستم های کشاورزی با وضوح فضایی و زمانی بالا در فضاهای اقلیمی یا جهانی می باشد. اگرچه گنجایش محاسباتی مانعی برای نمونه سازی کشاورزی با وضوح بالا و مقیاس بزرگ می باشد. برای نمونه سازی تولید گندم، خاک کربن، و انرژی نیتروژن در فضای کشت استرالیا با وضوح بالا، ما یک رویکرد پیوندی محاسباتی مرکب از پردازش موازی و محاسبه شبکه را توسعه دادیم. رویکرد پیوندی وظایفی را در منبع محاسبه شبکه ناهمگن توزیع می کند و تمام منابع کامپیوترها را در این منبع به طور کامل به کار می برد. ما 325 شیوه مدیریت را به صورت روزانه برای بیش از 122 سال، برای 12.707 منطقه خاک-آب و هوایی با استفاده از سیستم های شبیه ساز تولید کشاورزی (APSIM) مبتنی بر ویندوز شبیه سازی کردیم. انجام این شبیه سازی ها روی یک کامپیوتر به تنهایی چیزی حدود 30 سال طول می کشید. رویکرد پیوندی اجرای بالای محاسباتی (HPC) نمونه سازی را طی 10.5 روز –تسریع حدود 1000 بار- در حالی که بیشتر کارها در چند روز ابتدایی انجام گرفته بود، کامل کرد. این رویکرد سازمانهای بلا استفاده موجود را به کار گرفت-منابع محاسباتی گسترده و حذف نیاز به ترجمه مدلهای مبتی بر ویندوز برای دیگر سیستمهای عملیاتی برای به کار گیری روی کلاسترهای محاسبتی. اگرچه چالش های محاسباتی زیادی وجود دارد که نیازمند جهت دهی برای استفاده مفید از این تکنیک ها می باشند و نقاط قوت مختلفی برای توسعه عملیاتی بیشتر باقی می ماند. نتایج نشان دهنده تاثیر گذاری رویکرد بر انجام نمونه سازی با وضوح بالا در سیستمهای کشاورزی در مقیاس اقلیمی و جهانی می باشد.