Tříletý projekt EUXDAT, financovanou Evropskou komisí, koncem letošního října končí. EUXDAT je zkratka pro European e-Infrastructure for Extreme Data Analytics in Sustainable Development. Projekt se zaměřoval na navržení digitální infrastruktury, zaměřené na zemědělství, monitorování půdy a energetickou účinnost pro udržitelný rozvoj, jako způsob podpory plánovacích politik.
Pokud jste webinář z časových důvodů nestihli naživo, můžete se podívat na jeho záznam. Pozornost věnujte využití Python-MPI pro paralelní výpočty. Vzhledem k objemu dat z nejrůznějších senzorů budou tyto technologie do budoucna velmi potřebné.
Obsah webináře EUXDAT
Green Deal, Destination Earth and EUXDAT. Nieto De Santos, Francisco Javier (ATOS)
Tento webinář popisuje hlavní rysy e-infrastruktury EUXDAT a analyzuje hlavní témata definovaná v poslední iniciativě EK se zaměřením na Green Deal. Vysvětlíme, jak může EUXDAT přispět k vizi Evropské Komise a jaké funkce mohou výzkumní pracovníci a odborníci využívat, aby se usnadnila realizace navrhovaných myšlenek a konceptů.
EUXDAT platforma pro koncové uživatele. Anne Haugommard, Fabien Castel (ATOS France)
V této relaci se představí funkce platformy EUXDAT nabízené na web rozhraní. Přehled komponent platformy a hostování architektury e-infrastruktury, datového katalogu, vývojového prostředí pro vývoj nových algoritmů s přidanou hodnotou pomocí datových konektorů a knihoven geoprocesingu.
The orchestrator, parallelization, monitoring, and accounting in EUXDAT. Jesus Gorroñogoitia Cruz, Paolo Marangio (ATOS Spain)
Tento webinář představuje architekturu implementovanou pro správu základní infrastruktury EUXDAT, takže je možné snadno využívat cloudové a HPC zdroje v doméně zemědělství. Představí různé zúčastněné komponenty (orchestrátor, monitorování, účetnictví, správce dohod o úrovni služeb) a způsob jejich připojení. Ve webovém semináři vysvětlíme poskytované funkce a způsoby jejich použití. Vysvětlíme také, jak jsme paralelizovali jeden ze scénářů EUXDAT a jak je možné jej spustit prostřednictvím popsaných komponent.
Parallelizing with Python-MPI. Jose M. Montañana (HLRS)
Množství dat dostupných pro aplikace geoprocesu se v posledních desetiletích exponenciálně zvyšuje, stejně tak jako velikost problémů, které je třeba vyřešit, což vyžaduje zvýšení výpočetních schopností. Abychom toho dosáhli a zkrátili dobu výpočtu, byly vyvinuty podpůrné nástroje, které usnadňují distribuci úkolů mezi více uzlů zpracování. V této relaci se zaměříme na úvod k tomu, jak používat Python-MPI. Umožňuje paralelizaci stávajících aplikací pro jejich provádění v HPC a v cloudu.
Diskuze a analýza. Karel Charvát (CoO), Jorge Lopez (ATOS)
Scénáře použití, kterými se Euxdat zabýval
Climate risk analysis and mitigation
These services allow advisors and farmers to assess crop specific local climate risks based on climate and crop data. They also allow them to monitor and mitigate weather risks in-season. In addition, farming advisors can analyse trends, frequency distribution and extremes for the major weather-related variables (temperature, precipitation, evapotranspiration, available soil water) for agricultural zones.
Open Land Use
Enriched Open Land Use (OLU) dataset by characteristics important for farmers in Europe.This scenario develops models that would allow identification of fields in regions where this data is not available by EO data, calculate fields land cover homogeneity by using EO data.
Olive Orchard Monitoring
This scenario includes a crop anomaly detection component based on specific Sentinel 2 image analysis algorithms to monitor cropcondition and presence of anomalies as deviation in the spatial distribution of indices that are related to health condition like CRI2 and NDVI.
Agro-climatic zones
The Agro-climatic classification system allows user to calculate a time and spatial distribution of agroclimatic variables such as Forst dates (Last frost dates/First spring dates), Annual/Seasonal Evapotranspiration and precipitation, Soil temperature, Solar radiation, Growing degree units, Heat stress units or Number of days with optimal growing temperatures based on historical data of ERA5-Land dataset.
Information support for field use recommendations
The designed system will link spatial datasets (weather, soil data, and land cover type, management zones) to provide actual use recommendations and past compliance checks for single field and crops. This information is important for planning of management operations in the field such as the accessibility of the field with heavy equipment, crop protection recommendation recommendation or i.e. for generation of application maps for fertilizer application.Separate services are available as prerequisites: Phenological curve computation demonstrating development of the plant biomass throughout the year using Sentinel -2 LAI data as a biomass surrogate and Management zone computation using multi-temporal operations on Sentinel-2 LAI data.