隨著氣候預(yù)測(cè)、氣候模擬、智慧氣象、并行計(jì)算集群、氣象大數(shù)據(jù)平臺(tái)、高性能數(shù)值計(jì)算、氣象高性能計(jì)算集群的發(fā)展，人類步入全新的人工智能大數(shù)據(jù)時(shí)代。為切實(shí)發(fā)揮應(yīng)對(duì)氣候變化基礎(chǔ)科技支撐作用，科學(xué)認(rèn)識(shí)氣候系統(tǒng)變化的新事實(shí)、新趨勢(shì)，滿足國(guó)家和區(qū)域應(yīng)對(duì)氣候變化和綠色低碳發(fā)展的服務(wù)需求。本文使用參數(shù)非參數(shù)和機(jī)器學(xué)習(xí)方法分析印度降雨變化，給我國(guó)帶來(lái)的啟示進(jìn)行展開(kāi)討論。

關(guān)于印度降雨研究

探索各地降雨的時(shí)空分布和降雨模式變化是水資源管理與規(guī)劃、農(nóng)業(yè)可持續(xù)發(fā)展等部門的基本要求。本研究利用34個(gè)氣象分區(qū)的整體數(shù)據(jù)、變化點(diǎn)等幾個(gè)方面調(diào)查了年降雨量的變異性和趨勢(shì)。調(diào)查顯示，印度西部各分區(qū)的年降雨量變化最高，而印度東部和北部的降雨量變化最小。

1960年后，大多數(shù)氣象分區(qū)的降雨量與多年長(zhǎng)期平均降雨量的偏差超過(guò)?500mm，而少數(shù)幾個(gè)分區(qū)的降雨量則為正向偏離。因此，從詳細(xì)分析中可以確定，幾乎所有的分區(qū)在1970年之后都出現(xiàn)負(fù)趨勢(shì)和高變異性。所以這些關(guān)于全國(guó)歷史數(shù)據(jù)的詳細(xì)信息對(duì)規(guī)劃非常有益。在本研究中，所有氣象分區(qū)的降雨量都是使用先進(jìn)的AI模型（如人工神經(jīng)網(wǎng)絡(luò)）預(yù)測(cè)的。降雨預(yù)報(bào)的結(jié)果表明，到2030年，15%的降雨量將下降，這表明環(huán)境和生活世界都將出現(xiàn)令人擔(dān)憂的情況。

印度的經(jīng)濟(jì)完全依賴于農(nóng)業(yè)和工業(yè)。因此，水資源是印度經(jīng)濟(jì)進(jìn)步的重要組成部分。由于全球氣候變化對(duì)降雨模式的干擾，所以在發(fā)達(dá)國(guó)家展開(kāi)了以量化降雨變化模式并相應(yīng)地制定管理計(jì)劃的研究。本研究提供了全年和季節(jié)性降雨的整體變化點(diǎn)的降雨變化趨勢(shì)，自變化點(diǎn)以來(lái)的降雨變化率，年份明顯的偏離和未來(lái)降雨等各個(gè)方面的信息，最重要的是本研究分析了印度降雨變化的原因。從技術(shù)上講，本研究使用了幾種復(fù)雜的技術(shù)，這些技術(shù)因提供高精度結(jié)果而受到全世界科學(xué)家的欽佩。

本研究中設(shè)計(jì)技術(shù)：

一、曼恩-肯德?tīng)柗?/p>

曼－肯德?tīng)柗ㄓ址QMann—Kendall 檢驗(yàn) 法，是一種氣候診斷與預(yù)測(cè)技術(shù)，非參數(shù)方法。應(yīng)用Mann-Kendall檢驗(yàn)法可以判斷氣候序列中是否存在氣候突變，如果存在，可確定出突變發(fā)生的時(shí)間。Mann-Kendall檢驗(yàn)法也經(jīng)常用于氣候變化影響下的降水、干旱頻次趨勢(shì)檢測(cè)。

上海年平均氣溫曼-肯德?tīng)柦y(tǒng)計(jì)量曲線

二、概率和確定性方法

采用人工神經(jīng)網(wǎng)絡(luò)（一種流行的AI模型）來(lái)預(yù)測(cè)34個(gè)氣象分區(qū)的降雨量。ANN 是一個(gè)非線性黑盒 AI 模型（工作原理類似于并行分布式信息處理系統(tǒng)，反映了大腦的生物結(jié)構(gòu)，由簡(jiǎn)單的神經(jīng)元和處理信息以在輸入和輸出之間建立關(guān)聯(lián)的鏈接組成。）。與大腦的功能一樣，ANN模型正在使用前饋多層感知器算法工作。該結(jié)構(gòu)由三層組成，如輸入層、一個(gè)或多個(gè)隱藏層和一個(gè)輸出層。我們通過(guò)試錯(cuò)程序選擇了隱藏層中的神經(jīng)元數(shù)量。ANN學(xué)習(xí)基于生物神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)和功能，即封閉對(duì)存在于神經(jīng)元核心中的突觸鏈接的調(diào)整。

ANN 人工神經(jīng)網(wǎng)絡(luò)

三、Sen+MK趨勢(shì)分析

Sen 斜率估計(jì)用于計(jì)算趨勢(shì)值，通常與MK非參數(shù)檢驗(yàn)結(jié)合使用。即首先計(jì)算Sen趨勢(shì)值，然后使用MK方法判斷趨勢(shì)顯著性。

四、ArcGIS 克里金法

該方法基于包含自相關(guān)（即，測(cè)量點(diǎn)之間的統(tǒng)計(jì)關(guān)系）的統(tǒng)計(jì)模型。因此，統(tǒng)計(jì)方法不僅具有產(chǎn)生預(yù)測(cè)表面的功能，而且能夠?qū)︻A(yù)測(cè)的確定性或準(zhǔn)確性提供某種度量。

克里金法假定采樣點(diǎn)之間的距離或方向可以反映可用于說(shuō)明表面變化的空間相關(guān)性?？死锝鸱üぞ呖蓪?shù)學(xué)函數(shù)與指定數(shù)量的點(diǎn)或指定半徑內(nèi)的所有點(diǎn)進(jìn)行擬合以確定每個(gè)位置的輸出值?？死锝鸱ㄊ且粋€(gè)多步過(guò)程；包括數(shù)據(jù)的探索性統(tǒng)計(jì)分析、變異函數(shù)建模和創(chuàng)建表面，還包括研究方差表面。該方法通常用在土壤科學(xué)和地質(zhì)中。

當(dāng)前我國(guó)氣候現(xiàn)狀

隨著全球氣候變暖等問(wèn)題的出現(xiàn)，下面從大氣圈、水圈、冷凍圈、生物圈方面介紹我國(guó)氣候現(xiàn)狀。

一、大氣圈

1、平均年降水量呈增加趨勢(shì)，降水變化區(qū)域間差異明顯。1961～2021年，平均年降水量呈增加趨勢(shì)，平均每10年增加5.5毫米；2012年以來(lái)年降水量持續(xù)偏多。2021年，平均降水量較常年值偏多6.7%，其中華北地區(qū)平均降水量為1961年以來(lái)最多，而華南地區(qū)平均降水量為近十年最少。

2、高溫、強(qiáng)降水等極端天氣氣候事件趨多、趨強(qiáng)。1961～2021年，極端強(qiáng)降水事件呈增多趨勢(shì)；20世紀(jì)90年代后期以來(lái)，極端高溫事件明顯增多，登陸臺(tái)風(fēng)的平均強(qiáng)度波動(dòng)增強(qiáng)。2021年，平均暖晝?nèi)諗?shù)為1961年以來(lái)最多，云南元江（44.1℃）、四川富順（41.5℃）等62站日最高氣溫突破歷史極值。1961～2021年，北方地區(qū)平均沙塵日數(shù)呈減少趨勢(shì)，近年來(lái)達(dá)最低值并略有回升。

1901~2021年中國(guó)地表年平均氣溫距平（相對(duì)1981～2010年平均值）

二、水圈

1、沿海海平面變化總體呈波動(dòng)上升趨勢(shì)。1980～2021年，沿海海平面上升速率為3.4毫米/年，高于同期全球平均水平。2021年，沿海海平面較1993~2011年平均值高84毫米，為1980年以來(lái)最高。

2、地表水資源量年際變化明顯，近二十年青海湖水位持續(xù)回升。2021年，地表水資源量接近常年值略偏多；遼河、海河、黃河和淮河流域明顯偏多，其中海河流域地表水資源量為1961年以來(lái)最多；珠江和西南諸河流域較常年值偏少。1961～2004年，青海湖水位呈顯著下降趨勢(shì)；2005年以來(lái)，青海湖水位連續(xù)17年回升；2021年青海湖水位達(dá)到3196.51米，已超過(guò)20世紀(jì)60年代初期的水位。

1980～2021年中國(guó)沿海海平面距平（相對(duì)于1993～2011年平均值）

三、冰凍圈

1、青藏公路沿線多年凍土呈現(xiàn)退化趨勢(shì)。1981～2021年，青藏公路沿線多年凍土區(qū)活動(dòng)層厚度呈顯著增加趨勢(shì)，平均每10年增厚19.6厘米；2004～2021年，活動(dòng)層底部（多年凍土上限）溫度呈顯著上升趨勢(shì)。2021年，青藏公路沿線多年凍土區(qū)平均活動(dòng)層厚度為250 厘米，是有觀測(cè)記錄以來(lái)的最高值。

2、北極海冰范圍呈顯著減少趨勢(shì)。1979～2021年，北極海冰范圍呈一致性的下降趨勢(shì)；3月和9月北極海冰范圍平均每10年分別減少2.6%和12.7%。1979～2021年，南極海冰范圍無(wú)顯著的線性變化趨勢(shì)；1979～2015年，南極海冰范圍波動(dòng)上升；但2016年以來(lái)海冰范圍總體以偏小為主。

青藏公路沿線多年凍土區(qū)活動(dòng)層厚度和活動(dòng)層底部溫度變化

四、生物圈

20世紀(jì)70年代以來(lái)中國(guó)沿海紅樹(shù)林面積總體呈先減少后增加的趨勢(shì)。2020年，中國(guó)紅樹(shù)林總面積基本恢復(fù)至1980年水平。

1、整體的植被覆蓋穩(wěn)定增加，呈現(xiàn)變綠趨勢(shì)。2000~2021年，中國(guó)年平均歸一化植被指數(shù)（NDVI）呈顯著上升趨勢(shì)。2021年，中國(guó)平均NDVI較2001~2020年平均值上升7.9%，較2016~2020年平均值上升2.5%，為2000年以來(lái)的最高值。

2000～2021年衛(wèi)星遙感（EOS/MODIS）中國(guó)年平均歸一化植被指數(shù)

2、中國(guó)不同地區(qū)代表性植物春季物候期均呈提前趨勢(shì)，秋季物候期年際波動(dòng)較大。1963～2021年，北京站的玉蘭、沈陽(yáng)站的刺槐、合肥站的垂柳、桂林站的楓香樹(shù)和西安站的色木槭展葉期始期平均每10年分別提早3.5天、1.5天、2.5天、3.0天和2.8天。

1963～2021年中國(guó)不同地區(qū)代表性植物展葉期始期變化

藍(lán)海大腦氣象數(shù)據(jù)解決方案

某省是我國(guó)受臺(tái)風(fēng)、暴雨、干旱、寒潮、大風(fēng)、冰雹、凍害、龍卷風(fēng)等災(zāi)害影響最嚴(yán)重地區(qū)之一。在氣象災(zāi)害相對(duì)頻發(fā)的情況下，某省氣象局在服務(wù)經(jīng)濟(jì)社會(huì)發(fā)展中作用日益突出，提高氣象觀測(cè)、數(shù)據(jù)共享和精細(xì)化預(yù)報(bào)水平變得至關(guān)重要。通過(guò)與藍(lán)海大腦合作，擺脫原有IT基礎(chǔ)構(gòu)架對(duì)于氣象工作的限制，實(shí)施彈性的統(tǒng)一架構(gòu)，實(shí)現(xiàn)了高水平的氣象觀測(cè)、預(yù)測(cè)和服務(wù)業(yè)務(wù)。

一、客戶需求

由于天氣預(yù)報(bào)模擬具有計(jì)算量大、通訊密集、I/O要求高和規(guī)范的模式系統(tǒng)化集成等特點(diǎn)，對(duì)高性能計(jì)算系統(tǒng)的計(jì)算性能有著超高的要求，具體要求表現(xiàn)如下：

1、計(jì)算量大

氣象預(yù)報(bào)本身具有時(shí)效性，要求定時(shí)定點(diǎn)自動(dòng)運(yùn)行，無(wú)需人工干預(yù)。一般每天在固定的2-4個(gè)時(shí)段運(yùn)行，每個(gè)時(shí)段2小時(shí)內(nèi)運(yùn)行完。因此，必須使用計(jì)算性能卓越的高性能計(jì)算系統(tǒng)來(lái)進(jìn)行并行計(jì)算。

2、通訊密集

由于采用并行計(jì)算，因此各CPU間的通訊量很大。主要體現(xiàn)在WRF各計(jì)算域間的通訊及各類不同數(shù)據(jù)劃分間的通訊。因此，要求本高性能計(jì)算系統(tǒng)在具有高性能計(jì)算的同時(shí)，兼具高性能的通訊網(wǎng)絡(luò)。

3、I/O要求高

由于涉及大量的用戶和大量的小文件讀寫，氣象模式對(duì)整個(gè)系統(tǒng)的IOPS性能有較高要求，存儲(chǔ)系統(tǒng)的穩(wěn)定性和可用性對(duì)整個(gè)業(yè)務(wù)系統(tǒng)的運(yùn)行至關(guān)重要，要求存儲(chǔ)系統(tǒng)具有故障自愈功能。另外，考慮到氣象數(shù)據(jù)的周期性訪問(wèn)特點(diǎn)，需要支持基于策略的分級(jí)存儲(chǔ)功能。

4、模式系統(tǒng)集成化

從軟件的處理流程上看，一般分為前處理、主模式和后處理。整個(gè)模式系統(tǒng)從前處理到主模式再到后處理，需要系統(tǒng)具有較高的穩(wěn)健性，所以優(yōu)秀的模式軟件應(yīng)用專家支持、硬件級(jí)的系統(tǒng)技術(shù)支持，對(duì)預(yù)報(bào)模式的良好使用也是關(guān)鍵。

二、解決方案

藍(lán)海大腦依托接收的常規(guī)氣象觀探測(cè)資料、氣象衛(wèi)星資料、雷達(dá)資料、數(shù)值預(yù)報(bào)產(chǎn)品等多源數(shù)據(jù)，基于定量反演、機(jī)器學(xué)習(xí)、云計(jì)算、云存儲(chǔ)、大數(shù)據(jù)分析、 快速循環(huán)同化、虛擬現(xiàn)實(shí)等前沿技術(shù)，研發(fā)了具備多元化高性能算力、精準(zhǔn)化短臨預(yù)報(bào)、一站多源數(shù)據(jù)融合及多樣化氣象服務(wù)等優(yōu)勢(shì)的氣象大數(shù)據(jù)平臺(tái)，面向整個(gè)氣象行業(yè)提供信息化系統(tǒng)頂層設(shè)計(jì)、 軟件研發(fā)應(yīng)用、數(shù)據(jù)共享服務(wù)等，同時(shí)也向道路、航空、物流、農(nóng)業(yè)等行業(yè)領(lǐng)域開(kāi)展針對(duì)性的精準(zhǔn)氣象預(yù)報(bào)保障服務(wù)。

為滿足客戶需求，結(jié)合行業(yè)特點(diǎn)從計(jì)算節(jié)點(diǎn)、網(wǎng)絡(luò)、存儲(chǔ)、功耗、擴(kuò)展、散熱等方面出發(fā)，提出完善的解決方案。

1、計(jì)算節(jié)點(diǎn)

采用高性能英特爾酷睿系列處理器，計(jì)算節(jié)點(diǎn)采用雙路混搭方案。四路計(jì)算節(jié)點(diǎn)依靠其突出的計(jì)算能力與內(nèi)存容量，可在一臺(tái)機(jī)器上完成中小模式的處理分析，減少資料預(yù)處理、計(jì)算、分析的時(shí)間，提高計(jì)算效率。

2、高速網(wǎng)絡(luò)

采用高性能專用高速IB網(wǎng)絡(luò)，將計(jì)算節(jié)點(diǎn)、管理節(jié)點(diǎn)、登錄節(jié)點(diǎn)全線速互聯(lián)，保證集群通訊網(wǎng)絡(luò)的高性能。并將NAS存儲(chǔ)通過(guò)萬(wàn)兆連入高速網(wǎng)絡(luò)，配合集群并行文件系統(tǒng)，實(shí)現(xiàn)全部節(jié)點(diǎn)的數(shù)據(jù)共享。

3、存儲(chǔ)系統(tǒng)

綜合以往存儲(chǔ)硬件解決方案，系統(tǒng)應(yīng)用要求存儲(chǔ)設(shè)備具備的特點(diǎn)及藍(lán)海大腦在多年高性能計(jì)算領(lǐng)域的實(shí)施經(jīng)驗(yàn)，充分滿足用戶現(xiàn)階段使用及未來(lái)擴(kuò)展需求。

4、低功耗

解決方案不僅強(qiáng)調(diào)整體運(yùn)算效率，同時(shí)強(qiáng)調(diào)單位體積內(nèi)的計(jì)算能力以及單位能耗可提供的計(jì)算能力。

5、可擴(kuò)展

計(jì)算系統(tǒng)采用機(jī)架式服務(wù)器，既可保證節(jié)點(diǎn)內(nèi)的擴(kuò)展性，又可保證整個(gè)集群的橫向擴(kuò)展性。總體上，滿足用戶對(duì)未來(lái)集群的擴(kuò)展需求。

6、液冷散熱

藍(lán)海大腦液冷服務(wù)器 HD210 H系列突破傳統(tǒng)風(fēng)冷散熱模式，采用風(fēng)冷和液冷混合散熱模式——服務(wù)器內(nèi)主要熱源 CPU 利用液冷冷板進(jìn)行冷卻，其余熱源仍采用風(fēng)冷方式進(jìn)行冷卻。通過(guò)這種混合制冷方式，可大幅提升服務(wù)器散熱效率，同時(shí)，降低主要熱源 CPU 散熱所耗電能，并增強(qiáng)服務(wù)器可靠性。經(jīng)檢測(cè)，采用液冷服務(wù)器配套基礎(chǔ)設(shè)施解決方案的數(shù)據(jù)中心年均 PUE 值可降低至 1.2 以下。

三、用戶收益

1、資源重新整合，實(shí)現(xiàn)更好的業(yè)務(wù)連續(xù)性

通過(guò)應(yīng)用的分區(qū)分域部署，顯著提高關(guān)鍵應(yīng)用程序的性能、穩(wěn)定性和容量，從而更好的保障業(yè)務(wù)連續(xù)性。

2、氣象信息分發(fā)服務(wù)更高效

幫助客戶建立更高效、及時(shí)的氣象信息分發(fā)服務(wù)，以減輕極端天氣事件對(duì)某省社會(huì)和經(jīng)濟(jì)結(jié)構(gòu)的影響。

3、數(shù)據(jù)安全性提升，人力投入降低

整合后的架構(gòu)將加強(qiáng)災(zāi)難恢復(fù)計(jì)劃，降低管理復(fù)雜性和成本，解放氣象局的團(tuán)隊(duì)，使其專注于更具戰(zhàn)略性的任務(wù)。

4、運(yùn)營(yíng)敏捷性提升，快速響應(yīng)資源請(qǐng)求

穩(wěn)定、安全的新存儲(chǔ)，可有效地管理和保存大量雷達(dá)數(shù)據(jù)。統(tǒng)一的基礎(chǔ)架構(gòu)將有助于優(yōu)化運(yùn)營(yíng)敏捷性,使氣象局能夠快速響應(yīng)開(kāi)發(fā)團(tuán)隊(duì)對(duì)資源的請(qǐng)求。

審核編輯 黃昊宇