Grass GIS nella nuvola - quando il PC non basta più

Quando si parla dell'evoluzione tecnologica dei sistemi GIS si considera in genere il primo GIS il Canadian Geographic Information System, sviluppato nelal metà degli anni '60, seguito negli anni '70 dalla nascita delel principali comagnie americane, l'attuale Intergraph e ESRI [0].
Possiamo immaginare che fino agli anni 90 questi sistemi girassero su computer mainframe di difficile e complessa gestione con sistemi operativi creati ad hoc, anche se il sistema operativo UNIX, fin dal 1969 garantiva una elevata portabilità.
Con la diffusione del personal computer assistiamo senza dubbio in molti campi alla creazione di programmi standard, anche nel nostro campo si passa da sistemi molto grandi che potevano essere appannaggio di grandi amministrazioni Università o enti di ricerca, ai Desktop GIS che oggi possono girare sui nostri portatili.

Poichè tutti i testi che affrontano l'argomento legano la diffusione dei GIS alla disponibilità di informazioni (non a caso questi software sono nati negli USA) e alla massicia produzione di immegini telerilevate, dobbiamo concludere che più immagini sono disponbili e meglio è, ma ovviamente non è così semplice.

Effettuare analisi GIS su immagini molto grandi richiede una grande capacità di elaborazione, ma anche la gestione di serie temporali molto ampie di immagini telerilevate richiede grandi risorse di memoria. Per questo determinati processi stanno diventando impossibili da realizzare su un normale desktop, in quanto richiederebbero anni di elaborazione.

Per determinate applicazioni dunque ritorna necessario appoggiarsi ad una infrastruttura di calcolo centralizzata molto potente, quale ad esempio il Cluster con circa 300 processori di cui si è dotato il gruppo PGIS della Fondazione Edmund Mach[1].

Questo ha consentito di aggiungere al noto software GRASS-GIS, sviluppato fin dal lontano 1982, un interessante mobulo che consente di spostare l'elaborazione dal pc dell'utente ad un cluster di computer: il modulo g.cloud [2] presentato al GRASS e GFOSS meeting di trieste nel febbraio 2012.


L'dea che sta alla base è quella di semplificare il lavoro e consentire l'utilizzo del Cluster anche alle persone che non conoscono Grid Engine (un software di sistema per la gestioen di processi su un cluster) e rendere più agevole il flusso di lavoro (soprattutto liberando di incombenze l'amministratore del cluster).

Il modulo funziona sulla attuale versione di sviluppo di GRASS, la numero 7 e richeide la presenza di grid engine e python più recente di 2.4.

Il comando g.cloud viene invocato con dei parametri che indicano il cluster a cui connettersi e le credenziali per la connessione. Altri parametri riguardano gli script con i comandi da lanciare e il percorso dei dati. E' possibie anche riconnettersi a una elaborazione precedente in manier ada verificare lao stato di avanzamento.

All'interno delle Fondazione questo metodo viene utilizzato correntemente per le analisi massive dei dati MODIS che prevedono la ricostruizione di 4 mappe giornaliere con tecniche di interpolazione che interessano le mappe dei 15 giorni precedentei e dei 15 giorni seguenti [3]. Una elaborazione che con un normale PC richeiderebbe anni e con il Cluster può esser portata a termine in un paio di giorni.




[0] A. Favretto Nuovi strumenti per l'analis Geografica i G.I.S - Pà tron editore Bologna 2000, p 26
[1]
[2] la presentazione qui:
http://grass-italia.como.polimi.it/meeting2012/19delucchi.pdf
https://open-pub.fmach.it/bitstream/10449/21196/1/grass_cloud.pdf
oppure
http://www.slideshare.net/lucadelu/grass-cloud

[3] Neteler, M. Estimating Daily Land Surface Temperatures in Mountainous Environments by Reconstructed MODIS LST Data. Remote Sens. 2010, 2, 333-351.
http://www.mdpi.com/2072-4292/2/1/333