基于光流法的终端区对流临近预报系统的实现与应用

利用Sparse SD、Sparse、Dense及Dense Rotation 4种光流算法,以乌鲁木齐机场多普勒雷达组合反射率基数据为外推数据源,实现了乌鲁木齐机场终端区组合反射率临近2 h外推预报,并构建了外推产品与闪电、自动气象站、航迹、航路等数据融合显示的WebGIS系统,为战术阶段的航空用户决策提供及时、丰富的临近预报产品。客观检验表明,外推预报的Dense、Dense Rotation算法在前60 min的预报具有较好参考价值,可为战术阶段运行决策、飞机合理绕飞雷雨等危险复杂天气、重要天气复盘等提供数据支撑。

SWAN2.0系统的设计与实现

强对流天气短时临近预报系统(Severe Weather Automatic Nowcasting,SWAN)是面向短时临近监测、分析、预报、预警制作等功能为一体的业务平台。SWAN2.0基于MICAPS4(Meteorological Information Comprehensive Analysis and Processing System Version 4.0,人机交互气象信息处理和天气预报制作系统)二次开发框架,采用C/S架构,服务器部署在省级,负责收集数据,运算SWAN产品;客户端部署在气象台站,实现具体的预报业务,并形成算法二次开发接口。SWAN2.0新增了三维变分风场反演、基于分雨团技术的雷达降水估测、冰雹识别等方法,实现了算法管理、产品生成、分析处理、资料检索显示、实时监控报警、预警产品制作等功能。SWAN2.0业务系统已在全国试用,在强对流天气监测、分析和短时临近预报预警中发挥了重要作用。

基于CUDA的并行雷达拼图算法研究

雷达组网拼图算法是强对流天气短时临近预报系统(Severe Weather Automatic Nowcasting,SWAN)的重要基础方法之一。提高拼图算法的效率,不仅可以提升现有SWAN临近算法序列的时效性,也能更好地应用高分辨率雷达数据,具有重要的实际意义。采用中央处理器(central processing unit,CPU)和图形处理器(graphics processing unit,GPU)混合架构设计并行雷达拼图算法,其中CPU负责雷达数据的解析和调度GPU并行模块,GPU负责大规模数据的并行计算。通过分析计算统一设备架构(compute unified device architecture,CUDA)算法的并行开销和拼图算法的特点,提出并实现了GPU内存管理优化和数据交换流程优化方案,提高了组网拼图算法的效率。对比试验结果表明,基于CUDA的GPU并行拼图算法和SWAN中30线程并行的CPU算法相比,在全国1 km和500 m分辨率的拼图任务上,加速比分别达到3.52和6.82。综上,基于CUDA的并行拼图算法不仅可以提高SWAN短时临近算法序列的时效性,也为更高分辨率雷达资料的拼图提供了技术支持。