数值天气预报中谱方法的并行实现

§1.引 言 谱方法是上世纪七十年代发展起来的应用于大规模数值天气预报模式系统的数值方法.近年来谱方法已成为求解偏微分方程的重要数值方法之一[1,2],与经典的网格点方法相比,它具有计算精度高、稳定性好、程序简单而有效的突出特点.谱方法虽然有计算量和存储量均大的缺点,但超级并行计算技术的发展推动了谱方法的进一步发展和应用[3,4].近十年来,谱方法在数值天气预报领域的应用越来越广泛,不仅应用于全球数值天气预报模式而且应用于有限区域数值天气预报模式.     

天气预报有限差分格点模式并行计算研究

有限差分格点模式是目前广泛采用的中尺度数值天气预报模式之一。本文分析了有限差分格点模式典型代表MM5并行计算的特点，对其多重网格嵌套、数据划分、通信、优化等做了深入研究，最后给出了MM5模式在银河巨型计算机上的测试结果。     

大数据时代：数值天气预报的机遇与挑战

随着地球观测系统及数值模拟方法的不断发展,数值天气预报研究进入以数据驱动为核心的新范式,大气科学也迈入了大数据时代,大数据技术赋能数值天气预报发展成为大气科学研究的热点方向。从气象海洋大数据的内涵、分类及其特征出发,概括和梳理了气象海洋大数据在数值天气预报的应用,从技术方面,对资料同化、物理过程参数化、数值预报产品订正,以及机理与数据融合的模式开发等问题进行分析,并对相关应用进行了深入探讨和展望,从而为气象海洋大数据与数值天气预报的融合发展提供重要参考依据。     

全球(z)双三次数值模式并行算法设计与实现

针对双三次数值天气预报模式进行了并行算法研究。采用一维区域分解算法,借鉴块棋盘划分矩阵转置算法,设计和实现了数据转置通信算法,并采取计算与通信重叠技术减小通信时间对并行效率的影响,最终实现了双三次数值天气预报模式的并行算法,并在机群系统上进行了并行性能测试评估。结果表明,实现的双三次数值预报模式并行算法的并行效率较高,设计实现的数据转置通信算法、计算与通信重叠技术取得了较好的效果。     

基于网格的中尺度数值天气预报系统设计与实现

针对国家高性能计算环境网格计算的特点，在长沙网格点上实现了一个包括全球中期数值预报、有限区域数值预报，数值预报产品释用和五维数据可视化相配套的高分辨率中尺度数值天气预报系统。该系统的预报区域可以移动，网格可以加密，适合于区域和省一级气象中心作中尺度数值预报业务试验和尺度数值预报科学研究。介绍了该系统的组成、区域同化方案以及网格计算实现技术。     

基于T213/L31并行计算和数值天气预报研究

介绍了并行计算和数值天气预报的发展概况;给出了并行算法的一般设计方法;分析了数值天气预报并行计算的可行性;最后介绍了T213/L31的基本原理,计算流程并分析其并行实现的可行性。     

数值预报中试系统设计与关键技术实现

气象数值预报模式是数值天气预报业务的重要基础，模式的研发改进需要在高性能计算环境中不断地开展模拟试验来检验评估预报效果。针对气象科学家手工编排批处理脚本开展数值模拟试验方式中存在的不便捷、耗时长、不可见、底层细节复杂、试验分析比对困难等问题，采用C/S架构，基于Python和工作流技术，设计实现了可视化界面交互“建模-计算-监控-分析-管理-共享”全流程集成应用的数值预报中试系统。应用结果表明，系统提升了模式研发试验效率和高性能计算机系统的易用性，在数值天气预报模式研发中试中发挥重要支撑作用，扩展性良好。     

数值天气预报在UNICORE中的实现

中尺度数值天气预报为评估严重的天气灾害提供了有效的指导，因此中尺度天气预报占有越来越重要的地位。MM5模式是世界上应用最为广泛的中尺度模式．同时，网格中间件，如UNICORE、Globus，已经部署在世界上多个组织中，把科学、工程等领域的应用部署在这些网格中间件上，以获得无缝的计算能力和访问网格环境中资源的接口为目的的各项工作正在展开．提出了基于UNICORE网格平台的数值天气预报应用的设计和实现，对UNICORE的资源发现进行初步的探索．     

一个数值天气预报模式的并行混合编程模型及其应用

提出了一个适用于数值天气预报模式的并行混合编程模型,归纳出混合并行算法设计的特点.依据该模型,针对国内发展的区域数值天气预报模式,开发基于MPI/OpenMP的并行版本.通过对五种并行方案的并行性能分析比较,发现其结果同抽象模型的分析结论是一致的.     

深度学习在天气预报领域的应用分析及研究进展综述

随着传感器网络和全球定位系统等技术的进步，兼有时间与空间特性的气象数据体量呈爆炸式增长，针对时空序列预测（STSF）的深度学习模型研究得到了迅猛发展。然而，长期以来用于天气预报的传统机器学习方法在提取数据的时间相关性与空间依赖性方面的效果往往并不理想。与此同时，深度学习方法通过人工神经网络自动提取特征，可以有效提高天气预报的准确度，并且在编码长期空间信息的建模方面有相当优秀的效果。同时，由观测数据驱动的深度学习模型与基于物理理论的数值天气预报（NWP）模型结合的方式可以构建拥有更高预测精度与更长预报时间的混合模型。基于这些，将深度学习在天气预报领域的应用分析及研究进展进行了综述。首先，将天气预报领域的深度学习问题与经典深度学习问题从数据格式、问题模型与评价指标这3个方面进行了对比研究；然后，回顾了深度学习在天气预报领域的发展历程与应用现状，并总结分析了深度学习技术与NWP结合的最新进展；最后，展望了未来的发展方向和研究重点，为天气预报领域的深度学习研究提供参考。     

全球非静力谱模式动力框架初步设计

基于我国目前已在业务运行的全球静力谱模式,参考ECMWF从静力谱模式到非静力谱模式的升级设计思想,从模式方程组的选取、模式方程组的线性化、水平球谐谱离散、时间积分方法、垂直有限差分离散、Helmholtz方程的求解等几个方面出发,针对浅薄近似的大气,采用Euler对流,初步设计了一个全球非静力谱模式干动力框架,并针对Helmholtz方程的求解,给出了一种将其转化为块三对角线性方程组的计算方法,该方法从计算效率上明显优于ECMWF目前所用计算方法。     

全球谱模式T213L31在PC机群系统上的并行实现

本文研究以PC作为结点的Linux机群系统上实现全球谱模式T213L31并行计算的方法,给出了谱模式的三维置换并行算法和半拉格朗日时间积分格式的按需通讯并行实现方法,同时提出了适合于机群系统的并行I/O实现。该实现在由四个双CPU结点组成的Linux机群环境下取得了良好的运行效果。     

Efficient linear discriminant analysis with locality preserving for face recognition

Linear discriminant analysis (LDA) is one of the most popular techniques for extracting features in face recognition. LDA captures the global geometric structure. However, local geometric structure has recently been shown to be effective for face recognition. In this paper, we propose a novel feature extraction algorithm which integrates both global and local geometric structures. We first cast LDA as a least square problem based on the spectral regression, then regularization technique is used to model the global and local geometric structures. Furthermore, we impose penalty on parameters to tackle the singularity problem and design an efficient model selection algorithm to choose the optimal tuning parameter which balances the tradeoff between the global and local structures. Experimental results on four well-known face data sets show that the proposed integration framework is competitive with traditional face recognition algorithms, which use either global or local structure only.     

一类捕食-食饵模型平衡解的整体分歧

利用分歧理论和谱分析的方法研究了一类捕食-食饵模型平衡解的整体分歧,得到了在以[d]为分歧参数的条件下,系统在半平凡解[(θ,0)]附近出现分歧现象,得到了该模型正解存在的充分条件。     

带保护区域的竞争模型的全局分支及稳定性

研究了一类带保护区域的竞争模型的共存态问题,利用分歧理论和谱分析的方法,分别以c、η为分歧参数,讨论了发自半平凡解的局部分支解的存在性,并将其局部分支延拓为整体分支,从而得到正平衡解存在的充分条件;同时判定了局部分支解的稳定性。     

一种基于谱聚类的共指消解方法

该文针对中文共指消解的具体任务,提出采用谱聚类的方法进行共指消解。首先,在待消解项对上抽取特征,使用最大熵模型判断两个待消解项存在共指关系的概率;然后,以此概率值作为相似度进行谱聚类;最后,得到若干实体,实现共指消解。该方法能从全局的角度进行实体划分,有效地提高准确率。在ACE 2007标准数据集上的Diagnostic实验结果表明该方法的ACE Value比baseline方法有了2.5%的提高,Unweighted Precision值有5.4%的提高。     

基于模拟退火算法的植被参数遥感反演

提出了基于模拟退火( SA, Simulated Annealing ) 算法的植被参数( 叶面积指数和叶绿素含量) 反演方案。该方案以冠层反射率模型( SAIL, Scat tering by Arbit rarily Inclined Leav es) 作为正向模型, 分别以Bo ltzman 模拟退火( BSA , Bolt zman Simulated Annealing) 、快速模拟退火( FSA,Fast Simulated Annealing ) 、极快速模拟再退火( VFSA, Very Fast Simulated Anneal ing ) 算法为优化方法, 并采用模型输出的光谱反射率和观测的光谱反射率的残差平方和作为目标函数。模拟反演结果表明: ①模拟退火算法能够跳出局部最优, 得到全局最优解; ②极快速模拟再退火算法在时间效率和反演精度上都优于Bo ltzman 模拟退火和快速模拟退火;③ 在给定的光谱数据没有误差的情况下, 利用模拟退火算法反演SAIL 模型, 能够得到高精度的叶面积指数和叶绿素含量。     

Exploring the potential role of feature selection in global land-cover mapping

Global land cover has been acknowledged as a fundamental variable in several global-scale studies for environment and climate change. Recent developments in global land-cover mapping focused on spatial resolution improvement with more heterogeneous features to integrate the spatial, spectral, and temporal information. Although the high dimensional input features as a whole lead to discriminatory strengths to produce more accurate land-cover maps, it comes at the cost of an increased classification complexity. The feature selection method has become a necessity for dimensionality reduction in classification with large amounts of input features. In this study, the potential of feature selection in global land-cover mapping is explored. A total of 63 features derived from the Landsat Thematic Mapper (TM) spectral bands, Moderate Resolution Imaging Spectroradiometer (MODIS) time series enhanced vegetation index (EVI) data, digital elevation model (DEM), and many climate-ecological variables and global training samples are input to k-nearest neighbours (k-NN) and Random Forest (RF) classifiers. Two filter feature selection algorithms, i.e. Relieff and max-min-associated (MNA), were employed to select the optimal subsets of features for the whole world and different biomes. The mapping accuracies with/without feature selection were evaluated by a global validation sample set. Overall, the result indicates no significant accuracy improvement in global land-cover mapping after dimensionality reduction. Nevertheless, feature selection has the capability of identifying useful features in different biomes and improves the computational efficiency, which is valuable in global-scale computing.     

A wavelet-based framework for acquired radiometric quantity representation and accurate physical rendering

In this paper, we present a framework based on a generic representation, which is able to handle most of the radiometric quantities required by global illumination software. A sparse representation in the wavelet space is built using the separation between the directional and the wavelength dependencies of such radiometric quantities. Particularly, we show how to use this representation for spectral power distribution, spectral reflectance and phase function measurements modeling. Then, we explain how the representation is useful for performing spectral rendering. On the one hand, it speeds up spectral path tracing by importance sampling to generate reflected directions and by avoiding expensive computations usually done on-the-fly. On the other hand, it allows efficient spectral photon mapping, both in terms of memory and speed. We also show how complex light emission from real luminaires can be efficiently sampled to emit photons with our numerical model.     

Assessing the feasibility of a global model for multi-temporal burned area mapping using SPOT-VEGETATION data

The possibility of using the Syst@me Probatoire de l'Observation de la Terre (SPOT)-VEGETATION (VGT) data for global burned area mapping with a single algorithm was investigated. Using VGT images from south-eastern Africa, the Iberian Peninsula and south-eastern Siberia/north-eastern China, we analysed the variability of the spectral signature of burned areas and its relationship with land cover, and performed the selection of the best variables for burned area mapping. The results show that in grasslands and croplands, near-infrared (NIR) and short-wave infrared (SWIR) reflectance always decreases as a result of fire. In forests and woodlands, there may occur a simultaneous decrease of SWIR and NIR or an increase of SWIR and a decrease of NIR. Burning of green vegetation (high values of the Normalized Difference Vegetation Index (NDVI)) tends to result in an increase of the SWIR. The best variables for burned area mapping are different in each region. Only the NIR allows a good discrimination of burned areas in all study areas. We derived a logistic regression model for multi-temporal burned area mapping in tropical, temperate and boreal regions, which handles the spectral variability of burned areas dependent on the type of vegetation. The results underline the feasibility of a single model for global burned area mapping.