田间数据传输同步策略与中间件研究

移动终端的田间信息采集相比于传统的田间信息采集,具有灵活性强、采集方便等优势,已成为田间信息采集的主要手段之一。但是在进行田间信息采集时存在数据同步问题,主要表现在慢同步频发、无为数据(已经传输过的数据)重传、服务器端变化数据没有及时同步到移动终端等问题。针对这3个数据同步的主要问题,基于Sync ML协议,提出了慢同步策略,并对该协议进行了改进;设计了主动推送策略和变化数据捕获策略;在此基础上设计并且实现了改进后的移动数据同步中间件,并且把该中间件应用到种业科研育种田间信息采集系统和水稻定位试验打分系统中,试验证明,该中间件提高了数据同步的效率,减少了无为数据的重复传输,表现出良好的实用性和普适性。     

基于GPU的生态环境遥感评价模型并行化研究

通过基于GPU的生态环境遥感评价模型并行化研究,在深入分析CPU+GPU异构通用计算平台数据传输瓶颈的基础上,设计了数据分片、异步传输的GPU图像处理框架。在此基础上,将碳固定量、草地退化指数和生态环境指数3个计算模型基于CUDA进行并行化实现,并通过实验验证了该技术方法的有效性,随着数据规模的变大,碳固定量计算模型的加速比达到了8.04倍,草地退化指数计算模型的加速比达到了12.21倍,生态环境指数计算模型的加速比达到了7.45倍。