مدل سازی سیستم کشاورزی مقیاس بزرگ و تفکیک پذیری بالا توسط روش پیوندی مرکب بوسیله پردازش موازی و محاسباتی
21,700 تومانشناسه فایل: 4710
1- مقدمه
زمین کشاورزی نقش کلیدی را در مسائل جهانی مرتبط با امنیت انرژی و غذایی ایفا می کند. فشار بر منابع زمینی انتظار می رود که در دهه ی پیش رو در نتیجه ی جمعیت رو به رشد، تغییر الگوهای مصرف غذایی، و رقابت در استفاده تناوبی زمین ها مانند مواد اولیه سوخت های زیستی، در حال افزایش باشد. فاکتورهای ریسک مثل تغییرات اب و هوا نیز همواره تولیدات کشاورزی را نواحی کشاورزی حیاتی جهان مورد چالش قرار می دهد.
واکنش سیستم های کشاورزی به این درایورها لازم است شناخته و پیشگیری شود تا خط و مشی برای مدیریت منابع زمینی مشخص شود و قابلیت سیستم زمینی در مقابل فاکتورهای مختلف ریسک بالا رود.
مدل های مبتنی بر پردازش مانند سیستم شبیه ساز تولید کشاورزی (APSIM) و مدل خط و مشی محیطی آب و هوای یکپارچه (EPIC) به طور رو به رشدی برای جنبه های شبیه سازی سیستم های کشاورزی شامل بازدهی، خاک کربن ارگانیک، اثربخشی استفاده آب، اثربخشی استفاده نیتروژن، دفع گازهای گلخانه ای، و تعادل انرژی مورد استفاده قرار می گیرند. واکنش های سیستم های کشاورزی به تغییرات در درایورهای بیرونی مانند مدیریت و آب و هوا نیز پیش بینی شدند. از آنجایی که بیشتر این مدل ها برای پردازش شبیه سازی زمین-محیطی با وضوح زمانی بالا در مقیاس ترسیم طراحی و استفاده شده، این اطلاعات در وسعت زیادی برای ایجاد خط و مشی لازم است.
درایورهای پردازش های کشاورزی بازدهی و خاک کربن-مانند شرایط خاک و آب و هوا- از دورنما متفاوتند. به طور برابر، تمرین مدیریت کشاورزی لازم است در ارتباط با تاثیر آن بر سیستم های کشاورزی در سطح مناسب دانه دانه بودنشان ارزیابی گردند (برای مثال؛ چه کود/ضد آفتی استفاده شود، چه مقدار و چه زمانی از انها استفاده شود، و از چه موجودات ذره بینی در خاکهای زراعی استفاده کنیم و غیره).
تاثیر این تمرینات همچنین با شرایط خاک و اب و هوا متفاوت است. بنابراین، معرفی مناسب سیستم های کشاورزی برای جهت دهی چالش هایی که در بالا بحث شد نیازمند کاوش فضای طرحهای مدیریت در ابعاد وسیع، با وضوح فضایی بالا، در مناطق وسیع می باشد. اگرچه، به کار گیری مدل های مبتنی بر پردازش با وضوح فضایی-زمانی بالا در وسعت زیاد، چالش های محاسباتی قابل توجهی ایجاد می کند. از آنجایی که طرح مبتنی بر ترسیم می تواند در دقیقه تکمیل شود، صدها طرح ممکن است برای صدها واحد فضایی مورد نیاز باشد. که این در بازه زمانی قابل قبولی با استفاده از شیوه های محاسباتی سنتی ممکن نیست انجام شود.
یک راه برای رسیدن به این خواسته محاسباتی، پردازش شبیه سازی به صورت موازی با استفاده از رویکردهای محاسباتی عملیاتی می باشد. محاسبات شبکه و کلاستر رایج ترین رویکردها می باشند. کلاسترها مجموعه ای از لینک ها را استفاده می کنند، کامپیوترهای همگن باهم به عنوان یک سیستم واحد با برنامه ریزی وظایف در نرم افزار مدیریت کار، عمل می کنند. نیکلاس و همکارانش پتانسیل محاسبه ی کلاسترها را برای نمونه سازی سیستم های کشاورزی شرح داده اند، که به تسریع 40 بار در شبیه سازی EPIC 140.000 جاری در یک کلاستر محاسباتی مبتنی بر لینوکس دست یافتند.
اگرچه بیشتر مدل های کشاورزی برای سیستم های عملیاتی ویندوز بجای لینوکس که رایج ترین سیستم عملیاتی برای کلاسترهای بزرگ است، ساخته شده اند، و هزینه های غیر-ناچیز به ترجمه نرم افزار به دیگر سیستم های عملیاتی اضافه می شود. محاسبه شبکه ای می تواند جایگزینی مشخص به کلاستر برای محاسبات عملکرد-بالا بدون نیاز به ترجمه مدل های مبتنی بر ویندوز به سیستم عملیاتی دیگر، ارائه کند.
سازمان های بزرگ می توانند میز کار کامپیوترهای مبتنی بر ویندوز را به شبکه های با سرعت بالا وصل کنند که در زمان ازاد قابل توجهی، معمولا تنها در کسری از زمان پتانسیل پردازش خود عمل می کنند. یکی از مزایای کلیدی محاسبات شبکه ای این است که می تواند به طور موثر مختصات منابع محاسباتی سست، ناهمگن، و متفرق جغرافیایی را در حوزه های اجرایی چندگانه برای دستیابی به هدف محاسباتی مشترک، تعیین کند. محاسبات شبکه ای به طور گسترده توسط کسانی که با تشدید مشکلات محاسباتی روبه رو هستند بدون هیچ دسترسی به کلاسترهای بومی به کار گرفته می شود و برای دستیابی به اثربخشی محاسباتی قابل توجهی در نمونه سازی محیطی نشان داده شده است.
محاسبات شبکه ای به اثربخشی محاسباتی قابل توجهی در مختصات دهی بسیاری از کامپیوترهای آزاد دست یافته اند. اگرچه محاسبات شبکه ای به تنهایی می تواند در به کارگیری کامل گنجایش پردازش گره های انحصاری در منبع شبکه شکست بخورد. اگرچه بسیاری از ایستگاه های کاری کامپیوترهای مدرن مجهز به CPU های چند هسته ای هستند، بیشتر میان افزارهای شبکه می توانند تنها یک سریال برنامه را برای هر گره معین کنند.
شیوه های برنامه ریزی موازی می توانند همزمان دستور های چندگانه را اجرا کنند و از سخت افزارهای چند هسته ای بهره برده و پردازش را نسبت به تعداد هسته های CPU تسریع کنند. برنامه ریزی موازی مکررا برای توسعه اثربخشی مدلهای محاسبه نشان داده می شود. تعبیه تکنیک های برنامه ریزی موازی در محاسبات شبکه ای همچنین می تواند اساس عملکرد محاسبه شبکه را توسعه دهد.
در این مقاله، ما با یک چالش محاسباتی اجرای بیش از 4 میلیون شبیه سازی مدل های سیستم کشاورزی مبتنی بر پردازی APSIM مواجه شدیم. پردازش هر یک از شبیه سازی ها در یک CPU تک هسته ای 4 دقیقه طول می کشد. ما تولیدات گندم را به طور روزانه در طول 122 سال برای 325 طرح مدیریتی در 12.707 واحد فضایی در مناطق کشت غلات در استرالیا شبیه سازی کردیم. یک رویکرد محاسباتی پیوندی برای توزیع وظایف به کامپیوترهای آزاد در یک محاسبه شبکه ای با میان افزار، کندور، توسعه داده شد.
رویکرد همچنین شیوه های پردازی موازی را برای توسعه عملکرد محاسبات شبکه به کار گرفت. مفهوم نمونه سازی سیستم های کشاورزی و جریان کار رویکرد محاسباتی پیوندی در بخش شیوه ها ارائه گردیده است. عملکرد رویکرد محاسبات پیوندی در بخش نتایج بعلاوه روشن سازی برخی خروجی های مدل ها آورده شده است. ما پتانسیل نمونه سازی با وضوح بالا فضایی و زمانی سیستم های کشاورزی را در اندازه فضایی وسیع برای جهت دهی تاثیر چالش های جهانی بر سیستم های ارضی مانند امنیت غذایی و انرژی نشان داده ایم.
ABSTRACT Large-scale, high-resolution agricultural systems modeling using a hybrid approach combining grid computing and parallel processing
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, high-resolution 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 climate–soil 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 days—a speed-up of over 1000 times—with 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.
- مقاله درمورد مدل سازی سیستم کشاورزی مقیاس بزرگ و تفکیک پذیری بالا توسط روش پیوندی مرکب بوسیله پردازش موازی و محاسباتی
- پروژه دانشجویی مدل سازی سیستم کشاورزی مقیاس بزرگ و تفکیک پذیری بالا توسط روش پیوندی مرکب بوسیله پردازش موازی و محاسباتی
- کاربرد رویکرد پردازش موازی و محاسباتی در مدل سازی سیستم کشاورزی
- پایان نامه در مورد مدل سازی سیستم کشاورزی مقیاس بزرگ و تفکیک پذیری بالا توسط روش پیوندی مرکب بوسیله پردازش موازی و محاسباتی
- تحقیق درباره مدل سازی سیستم کشاورزی مقیاس بزرگ و تفکیک پذیری بالا توسط روش پیوندی مرکب بوسیله پردازش موازی و محاسباتی
- مقاله دانشجویی مدل سازی سیستم کشاورزی مقیاس بزرگ و تفکیک پذیری بالا توسط روش پیوندی مرکب بوسیله پردازش موازی و محاسباتی
- مدل سازی سیستم کشاورزی مقیاس بزرگ و تفکیک پذیری بالا توسط روش پیوندی مرکب بوسیله پردازش موازی و محاسباتی در قالب پايان‌نامه
- پروپوزال در مورد مدل سازی سیستم کشاورزی مقیاس بزرگ و تفکیک پذیری بالا توسط روش پیوندی مرکب بوسیله پردازش موازی و محاسباتی
- گزارش سمینار در مورد مدل سازی سیستم کشاورزی مقیاس بزرگ و تفکیک پذیری بالا توسط روش پیوندی مرکب بوسیله پردازش موازی و محاسباتی
- گزارش کارورزی درباره مدل سازی سیستم کشاورزی مقیاس بزرگ و تفکیک پذیری بالا توسط روش پیوندی مرکب بوسیله پردازش موازی و محاسباتی