| 基于Hadoop的云环境下作物生长模型算法的实现与测试 |
| |
| 引用本文： | 赵青松,陈 林,孙 波,朱 艳,姜海燕.基于Hadoop的云环境下作物生长模型算法的实现与测试[J].农业工程学报,2013,29(8):179-186. |
| |
| 作者姓名： | 赵青松 陈 林 孙 波 朱 艳 姜海燕 |
| |
| 作者单位： | 1. 南京农业大学信息科技学院，南京 210095;1. 南京农业大学信息科技学院，南京 210095;1. 南京农业大学信息科技学院，南京 210095;2. 南京农业大学/国家信息农业工程技术中心，南京 210095;1. 南京农业大学信息科技学院，南京 210095；2. 南京农业大学/国家信息农业工程技术中心，南京 210095 |
| |
| 基金项目： | 国家自然科学基金（30971697）；国家863计划（2013AA100404）；国家科技支撑计划（2011BAD21B03）；江苏高校优势学科建设工程资助项目（PAPD） |
| |
| 摘 要： | 为了提高作物生长模型的计算速度，该文提出了云环境下作物生长模型算法的实现方案。综合分析了作物生长模型和子模型之间的数据依赖关系，以及不同并行计算方法的特点。以云计算基础架构开源软件Hadoop为基础，设计云环境下作物生长模型处理方案。以小麦生长模型WheatGrow为测试对象，在真实云环境下，验证了该方案的有效性。研究表明，在处理作物生长模型这类具有复杂数据依赖关系问题时，当区域数据点较多，需采用数据并行计算方法；且区域数据点越多，加入计算的计算结点越多，越能体现出MapReduce在并行计算上具有的可扩展性。研究可为促进作物生长模型和数字农业的发展提供参考。
|
| 关 键 词： | 农作物，并行算法，模型，云计算，Hadoop |
| 收稿时间： | 2012/7/31 0:00:00 |
| 修稿时间： | 2013/3/13 0:00:00 |
Algorithm implementation and tested of crop growth model based on hadoop of cloud computing |
| |
| Zhao Qingsong,Chen Lin,Sun Bo,Zhu Yan and Jiang Haiyan.Algorithm implementation and tested of crop growth model based on hadoop of cloud computing[J].Transactions of the Chinese Society of Agricultural Engineering,2013,29(8):179-186. |
| |
| Authors: | Zhao Qingsong Chen Lin Sun Bo Zhu Yan and Jiang Haiyan |
| |
| Abstract: | |
| |
| Keywords: | crops parallel algorithms models cloud computing Hadoop |
|
| 点击此处可从《农业工程学报》浏览原始摘要信息 |
| 点击此处可从《农业工程学报》下载免费的PDF全文 |
