区域暴雨增强数值预报业务系统及其预报效果分析

该文介绍了区域暴雨增强数值预业务系统的设计思想，主体结构及主要的关键技术，并总结了该系统业务试验的情况和效果。该系统以ＹＨ模式为基础，对其从坐标系、水平和垂直分辨率及物理过程等方面进行了改进，并结合实时资料处理系统，图形处理等形成了一个比较完整的数值预报业务体系。     

OpenMP并行计算在全球电离层反演中的应用

对全球电离层反演数据处理中的计算密集型任务进行分析,针对数据预处理、组建法方程矩阵、参数预消除和法方程矩阵求逆等主要模块设计了基于OpenMP（Open Multi-Processing）的并行计算方案。该实验方案在单台服务器下实施,通过算例验证了本文并行计算方案的有效性和可靠性。实验结果表明:采用并行计算后,全球电离层快速解执行时间只需要10~13 min,计算速度加快了约6倍;最终解执行时间只需要39~47 min,计算速度加快了约5倍。本文全球电离层模型精度约为2.8~3.8 TECU,最终解模型精度相比快速解精度提高了约0.2 TECU,与IGS各个分析中心电离层产品精度基本相当。     

Python在短临气象预报检验中的应用

基于机器学习方法的短临多气象要素预报系统(Weather Elements Nowcasting based on machine learning,简称WEN)具有高发布频次、高时间分辨率、基于候和时辰的复杂预报模型等特点。应用多维标签数组、机器学习工具、并行计算框架等Python库,以快速计算为目标,建立以预报模型覆盖时间范围为统计检验时间边界的检验子系统,客观给出预报性能,为模型调优效果评估、产品业务化运行提供依据。     

基于群体搜索的串行蒙特卡罗反演方法的并行算法(英文)

随着并行计算技术的发展,非线性反演计算效率在不断提高,但对于基于单点搜索的非线性反演方法,其并行算法的实现则是一个难题。本文将群体搜索的思想引入到基于单点搜索的非线性反演方法,构建了并行算法,以量子蒙特卡罗方法为例进行了二维地震波速度反演及实际资料波阻抗反演,并测试了使用不同节点数进行计算的效率。计算结果表明:该并行算法在理论和实际资料反演中是可行的和有效的,具有很好的通用性;算法计算效率随着使用节点数的增加而提高,但算法计算效率的提高幅度随着使用节点数的增加逐渐减小。     

基于通用计算的涪江中段径流模拟研究

为了提高传统径流汇流模拟的时效性,提出了一种基于通用计算的径流汇流模型。模型采用纳维-斯托克斯作为基础方程。首先,文章探讨了利用通用计算进行径流汇流模拟的实现方法并设计了模拟计算流程。然后,以涪江流域中段为研究区域,将流域内25个常规站和区域站的实况降水数据为数据源,分别利用本文径流汇流模型和FloodArea模型对流域进行径流模拟,并将两种模型模拟结果与水文站实测数据进行对比分析。结果发现,基于通用计算的径流汇流模型不仅在模拟效率上相对于FloodArea模型有很大程度的提高,而且模拟结果具有更小的水位变化误差,与水文站实测水文数据具有更好拟合效果。模拟时效性和结果准确性的同时提升表明本文的径流汇流模型对暴雨洪涝预警预报具有重要的意义。     

基于DEM的并行可照时间模型研究

可照时间是影响太阳辐射计算的重要参数。随着研究区域的增大、DEM分辨率与精度的不断提高,亟须借助并行技术满足用户对可照时间模拟的时间响应需求。该文针对栅格数据提出了一种通用有效的数据划分及结果融合策略,首次提出并行可照时间计算模型。实验表明该模型具有较好的可移植性,当处理节点数为64时,最优加速比高达16,在计算时间及加速比方面体现出优势。基于黄土高原地区90m×90m分辨率SRTM数据,计算了四季及全年可照时间,分析了可照时间的空间分布特征,表现为季节不对称性及非地带性分布规律。     

基于GPU加速技术的非结构流域雨洪数值模型

为高效高精度地模拟流域雨洪过程,应用动力波法求解二维圣维南方程,并耦合水文过程,建立了包含流域降雨产流、汇流、下渗以及洪水演进等过程的高性能流域雨洪数值模型。该模型的优势在于使用非结构网格,可较好地处理不规则边界,准确贴合复杂地形表面,使得模型能精确计算模拟流域雨洪过程,同时引入GPU技术加速计算,使得大尺度流域雨洪计算成为可能。最后,将模型应用于V型经典算例及2个实际流域雨洪算例,所得结果与实测吻合较好,计算所用时间较短,表明该模型可以快速且精确模拟流域雨洪过程。研究结果有助于实现对实际流域雨洪灾害进行合理高效的预测,为应急抢险工作提供有力支撑。     

数字地形分析方法研究的维度——精准、高效、易用

数字地形分析基于数字高程模型计算各种地形信息,在诸多地理现象和地理过程的定量刻画和模拟中都发挥着不可或缺的重要作用。作为地理信息空间分析的一个基本组成内容、GIS的必备功能之一,数字地形分析的方法研究不断深化、扩展。本文从一个新的视角,即方法研究的维度,对该领域已有工作及发展趋势进行梳理,将数字地形分析方法研究工作归纳为依次显现出的3个研究维度：① 精准,即如何设计新的数字地形分析方法以更准确、精确地计算出符合地理学认知、满足应用领域问题求解所需的地形信息;② 高效,即如何使数字地形分析的计算更高效;③ 易用,即如何使数字地形分析对于应用者（尤其是相关应用领域中非数字地形分析专家的用户）更易用。特别是近年新显现出的“易用”研究维度,通过研究设计数字地形分析领域应用建模知识的形式化表达及相应的推理应用方法,有望实现数字地形分析应用工作流的智能化构建,满足实际应用中对数字地形分析的易用性需求;同时,其研究思路和方法也可为地理信息空间分析中诸多其他分支领域解决所面临的类似问题提供借鉴。     

基于GPU的任意多边形相交面积计算方法

一直以来,任意多边形相交面积的高效计算都是地理信息系统中空间分析算法研究的重点。文中提出了一种基于GPU的栅格化多边形相交面积算法GPURAS,在此基础上,分别采用蒙特卡罗方法和遮挡查询技术进一步提出GPURASMC算法和GPURASQ算法,并证明了上述算法的正确性。实验对简单多边形、任意复杂多边形及大数据量多边形进行了测试对比,结果表明:GPURAS算法精度高,通用性较好但效率受CPU与GPU通信延迟的影响;GPURASMC算法效率较高但牺牲了部分精度;GPURASQ算法精度高、效率高但局限于特定运行环境。与基于CPU的传统算法相比,文中所提3种算法效率更高,在处理包含大量顶点的多边形时,效率提升尤为明显。     

一种面向CPU/GPU异构环境的协同并行空间插值算法

CPU/GPU异构混合系统是一种新型高性能计算平台,但现有并行空间插值算法仅依赖CPU或GPU进行加速,迫切需要研究协同并行空间插值算法以充分利用异构计算资源,进一步提升插值效率。以薄板样条函数插值为例,提出一种CPU/GPU协同并行插值算法以加速海量激光雷达（light detector & ranger,LiDAR）点云生成数字高程模型（DEM）。通过插值任务的分解与抽象封装以屏蔽底层硬件执行模式的差异性,同时在多级协同并行框架基础上设计了Greedy-SET动态调度策略,策略顾及底层硬件能力的差异性,以实现异构并行资源的充分利用和良好负载均衡。实验表明,协同并行插值算法在高性能工作站上取得19.6倍的加速比,相比单一CPU或GPU并行算法,其效率提升分别达到54%和44%,实现了高效的协同并行处理。