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SWAN雷达拼图产品在暴雨过程中的对流云降水识别及效果检验

本文基于SWAN雷达拼图产品,选取了组合反射率因子、组合反射率因子水平梯度、回波顶高及垂直累积液态水含量作为识别参数,采用模糊逻辑法对暴雨过程中的对流云与层状云降水进行了分类试验,对发生在重庆的12次区域性暴雨天气过程分类结果进行了验证。并以ADTD地闪资料作为对流云降水的实况观测数据,分别采用了四种不同半径的空间匹配与四种不同时间匹配方式对识别出的对流云降水产品进行了定量检验。检验结果显示:随着空间匹配半径的增大,正确率明显提高,而6 min地闪相对于6 min拼图产品提前6、3、0 min及滞后3 min四种时间匹配方式,其正确率变化很小。对于12次暴雨过程的总体评分较高,检验方法具有清楚的物理意义,在不同的时空匹配方式下的评分结果符合实际情况,同时说明对流云与层状云降水分类效果较好,也是对对流云降水识别定量检验的一次探索。

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。