9月1日，我国自主研发的GRAPES_GFS全 球同化预报系统实现版本升级。升级后，我国将具备全 球范围内热带气旋的数值预报能力，在赋能“一带一路”、海洋强国建设的同时，还将惠及全 球受热带气旋影响的国家和人民。研发团队基于四维变分同化系统发展了新的涡旋初始化技术，将过去时间间隔较粗的热带气旋数据细化为逐小时的数据信息连续同化，使得热带气旋路径预报误差显着减小，预报能力明显提高。

　　

　　风眼，或称台风眼，是位于热带气旋中心天气十分稳定的地带。风暴的风眼大致为一圆状范围，直径通常介于几到几十(几百)公里间。风眼周围环绕着眼墙(或称眼壁)，即一环状的强烈雷暴，是气旋中气候最为恶劣的地带。风眼是气旋中气压最低的部分，可较风暴外的气压低出许多。

　　

　　热带气旋是发生在热带或副热带洋面上的低压涡旋，是一种强大而深厚的热带天气系统。即产生于热带洋面上的中尺度或天气尺度的暖性气旋。可见于西太平洋及其临近海域(台风)、大西洋和东北太平洋(飓风)以及印度洋和南太平洋。

　　

　　数据同化是在考虑数据时空分布以及观测场和背景场误差的基础上,在数值模型的动态运行过程中融合新的观测数据的方法。它是在过程模型的动态框架内,通过数据同化算法不断融合时空上离散分布的不同来源和不同分辨率的直接或间接观测信息来自动调整模型轨迹,以改善动态模型状态的估计精度，提高模型预测能力。 数据同化是一种最初来源于数值天气预报，为数值天气预报提供初始场的数据处理技术，已广泛应用于大气海洋领域。

　　

　　数据同化是一种最初来源于数值天气预报，为数值天气预报提供初始场的数据处理技术。已广泛应用于大气海洋领域。

　　

　　由于数据同化可以应用于地球系统科学研究的多个领域，因此不同领域专家对数据同化的内涵与外延有各自的表述。综合起来可以概括定义数据同化包括4个基本要素：模拟自然界真实过程的动力模型;状态量的直接或间接观测数据;不断将新观测的数据融入过程模型计算中、校正模型参数、提高模型模拟精度的数据同化算法;驱动模型运行的基础参量数据。

　　

　　资料同化的主要任务是将各种不同来源，不同误差信息，不同时空分辨率的观测资料融合进入数值动力模式，依据严格的数学理论，在模式解与实际观测之间找到一个最优解，这个最优解可以继续为动力模式提供初始场，以此不断循环下去，使得模式的结果不断地向观测值靠拢。

　　

　　四维变分同化是当前数值天气预报领域极有价值的资料同化方法，对于提高中期数值天气预报效果起到了关键作用，但是其巨大的计算量是制约技术发展和业务化的重要因素，开展四维变分同化并行算法研究具有重大学术价值和实际应用需求。

　　

　　当前基于CPU和GPU相结合的新型混合异构体系结构是构建千万亿次高性能计算机的有效途径，同时也对四维变分同化并行算法研究提出了新的挑战。本项目在已有工作的基础上，面向千万亿次异构混合体系结构计算平台研究四维变分同化并行计算关键技术。

　　

　　在四维变分同化核心算法的细粒度并行、CPU与GPU协同并行计算、海量观测资料GPU加速处理算法、GPGPU程序优化和面向千万亿次系统的大规模无约束最优化算法等方面开展研究，实现四维变分同化CPU/GPU异构协同高效并行计算，从而满足业务预报时效性要求，推动数值天气预报水平不断提高。

　　

　　项目面向千万亿次高性能计算机系统，针对新型异构混合体系结构特点，开展数值天气预报领域四维变分同化CPU/GPU协同并行算法关键技术研究，在以下几个方面取得进展：

　　

　　(1)在国家超级计算天津中心的业务主机“天河一号”上构建了支持多种编程模型的YH4DVAR-GPU原型系统;

　　

　　(2)深入研究了WRF-GPU项目，将其移植到原型系统上进行了试验和性能分析，掌握了数值天气预报领域面向大规模CPU/GPU异构系统的并行计算技术和并行程序开发优化方法;

　　

　　(3)在原型系统上设计并实现了面向GPU的模式算子(包括切线性模式、伴随模式)中的核心算法(包括Fourier变换和Legendre变换)的并行优化;

　　

　　(4)对物理过程参数化方案(长波辐射方案RRTM_LW)进行GPU加速;

　　

　　(5)实现了海量观测资料的并行处理;

　　

　　(6)在L-BFGS方法基础上设计了GC-LBFGS方法，在每若干个迭代步之前插入共轭梯度迭代步，调整下一个迭代步的初始值的迭代时预条件，加快了目标函数值的下降速度从而提高了整个计算过程的收敛速度，针对迭代计算模块进行了GPU实现和优化，通过提高硬件利用率、访存优化和通信优化等方法缩短了每个迭代步的计算时间。项目研究表明，通过CPU和GPU协同计算，可以完成更复杂物理模型计算，提高空间精度和时间尺度，最终得到更高质量的分析场，从而提高预报准确率和整体预报水平。

　　

　　新闻来源：中国气象局