Building cyberinfrastructure for the reuse and reproducibility of complex hydrologic modeling studies
Building cyberinfrastructure for the reuse and reproducibility of complex hydrologic modeling studies
复制标题
构建网络基础设施以实现复杂水文模型研究的重用和可重复性
DOI：
10.1016/j.envsoft.2023.105689
复制
发表时间：
2023
影响因子：
4.9
通讯作者：
Goodall, Jonathan L.
中科院分区：
文献类型：
--
作者：
Maghami, Iman;Van Beusekom, Ashley;Hay, Lauren;Li, Zhiyu;Bennett, Andrew;Choi, YoungDon;Nijssen, Bart;Wang, Shaowen;Tarboton, David;Goodall, Jonathan L.
为大规模水文模拟研究的重复使用和再现性构建网络基础设施需要克服许多数据管理和软件架构挑战。这项研究的目的是推进网络基础设施，克服这些挑战，使这种计算水文研究更容易重复使用和复制。我们提出了新的网络基础设施，能够集成HydroShare（在线数据存储库），CyberGIS的水和高性能计算（HPC）资源（计算环境），并通过其应用程序编程接口协调模型运行的结构统一多个建模方案（SUMMA）水文建模框架。的网络基础设施证明了一个连续的美国数据集上的复杂的计算建模研究。我们介绍并讨论了网络基础设施的关键功能，包括（1）跨计算环境的可移植性的容器化，（2）用于大数据传输的Globus，（3）HPC环境的1000字节网关，以及（4）用于捕获建模工作流的1000字节笔记本。
Building cyberinfrastructure for the reuse and reproducibility of large-scale hydrologic modeling studies requires overcoming a number of data management and software architecture challenges. The objective of this research is to advance the cyberinfrastructure needed to overcome some of these challenges to make such computational hydrologic studies easier to reuse and reproduce. We present novel cyberinfrastructure capable of integrating HydroShare (an online data repository), CyberGIS-Jupyter for Water and high performance computing (HPC) resources (computational environments), and the Structure for Unifying Multiple Modeling Alternatives (SUMMA) hydrologic modeling framework through its application programming interface for orchestrating model runs. The cyberinfrastructure is demonstrated for a complex computational modeling study on a contiguous United States dataset. We present and discuss key capabilities of the cyberinfrastructure including (1) containerization for portability across compute environments, (2) Globus for large data transfers, (3) a Jupyter gateway to HPC environments, and (4) Jupyter notebooks for capturing the modeling workflows.
登录
查看更多内容
公开存档地面模型数据以增强可用性、比对和综合的指南
影响因子：
--
作者：
M. Simmonds;W. Riley;Deb Agarwal;Xingyuan Chen;S. Cholia;Robert Crystal‐Ornelas;E. Coon;D. Dwivedi;V. Hendrix;Maoyi Huang;A. Jan;Z. Kakalia;Jitendra Kumar;C. Koven;Li Li;Mario Melara;L. Ramakrishnan;D. Ricciuto;A. Walker;Wei Zhi;Qing Zhu;C. Varadharajan
通讯作者：
C. Varadharajan
影响因子：
--
作者：
Mullendore, Gretchen L.;Mayernik, Matthew S.;Schuster, Douglas C.
通讯作者：
Schuster, Douglas C.
影响因子：
5.4
作者：
C. Hutton;Thorsten Wagener;J. Freer;Dawei Han;C. Duffy;B. Arheimer
通讯作者：
C. Hutton;Thorsten Wagener;J. Freer;Dawei Han;C. Duffy;B. Arheimer
影响因子：
4.9
作者：
Essawy, Bakinam T.;Goodall, Jonathan L.;Voce, Daniel;Morsy, Mohamed M.;Sadler, Jeffrey M.;Choi, Young Don;Tarboton, David G.;Malik, Tanu
通讯作者：
Malik, Tanu
用于大规模地理空间分析的 CyberGIS-Jupyter 框架
DOI：
10.1145/3093338.3093378
发表时间：
2017
期刊：
Success and Impact
影响因子：
--
作者：
Yin, Dandong;Liu, Yan;Padmanabhan, Anand;Terstriep, Jeff;Rush, Johnathan;Wang, Shaowen
通讯作者：
Wang, Shaowen