CN117669201B - 基于国产超算改进高分辨率地球系统模式臭氧模拟的方法 - Google Patents
基于国产超算改进高分辨率地球系统模式臭氧模拟的方法 Download PDFInfo
- Publication number
- CN117669201B CN117669201B CN202311654525.2A CN202311654525A CN117669201B CN 117669201 B CN117669201 B CN 117669201B CN 202311654525 A CN202311654525 A CN 202311654525A CN 117669201 B CN117669201 B CN 117669201B
- Authority
- CN
- China
- Prior art keywords
- ozone
- mode
- resolution
- cam
- atmospheric
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- CBENFWSGALASAD-UHFFFAOYSA-N Ozone Chemical compound [O-][O+]=O CBENFWSGALASAD-UHFFFAOYSA-N 0.000 title claims abstract description 69
- 238000000034 method Methods 0.000 title claims abstract description 49
- 238000004088 simulation Methods 0.000 title claims abstract description 39
- 238000004364 calculation method Methods 0.000 title claims abstract description 21
- 238000005457 optimization Methods 0.000 claims abstract description 25
- 238000003860 storage Methods 0.000 claims abstract description 15
- 230000006872 improvement Effects 0.000 claims abstract description 8
- 238000012545 processing Methods 0.000 claims abstract description 5
- 239000000126 substance Substances 0.000 claims abstract description 5
- 230000008569 process Effects 0.000 claims description 28
- 238000004062 sedimentation Methods 0.000 claims description 27
- 230000007246 mechanism Effects 0.000 claims description 16
- 239000000926 atmospheric chemistry Substances 0.000 claims description 11
- 238000010586 diagram Methods 0.000 claims description 10
- 239000000443 aerosol Substances 0.000 claims description 9
- 210000000434 stratum corneum Anatomy 0.000 claims description 9
- 238000012800 visualization Methods 0.000 claims description 8
- 208000013641 Cerebrofacial arteriovenous metameric syndrome Diseases 0.000 claims description 7
- 230000000035 biogenic effect Effects 0.000 claims description 6
- 238000004891 communication Methods 0.000 claims description 6
- 238000012544 monitoring process Methods 0.000 claims description 6
- 230000003287 optical effect Effects 0.000 claims description 6
- 238000013515 script Methods 0.000 claims description 6
- 238000012360 testing method Methods 0.000 claims description 6
- 210000001142 back Anatomy 0.000 claims description 5
- 239000002028 Biomass Substances 0.000 claims description 3
- 235000017284 Pometia pinnata Nutrition 0.000 claims description 3
- 239000000853 adhesive Substances 0.000 claims description 3
- 230000001070 adhesive effect Effects 0.000 claims description 3
- 230000005540 biological transmission Effects 0.000 claims description 3
- 238000006243 chemical reaction Methods 0.000 claims description 3
- 238000002485 combustion reaction Methods 0.000 claims description 3
- 230000001276 controlling effect Effects 0.000 claims description 3
- 238000009826 distribution Methods 0.000 claims description 3
- 230000007613 environmental effect Effects 0.000 claims description 3
- 238000000605 extraction Methods 0.000 claims description 3
- 238000002347 injection Methods 0.000 claims description 3
- 239000007924 injection Substances 0.000 claims description 3
- 238000013507 mapping Methods 0.000 claims description 3
- 239000002243 precursor Substances 0.000 claims description 3
- 230000001105 regulatory effect Effects 0.000 claims description 3
- 239000012855 volatile organic compound Substances 0.000 claims description 3
- 230000001788 irregular Effects 0.000 claims description 2
- 238000012876 topography Methods 0.000 claims description 2
- 239000003344 environmental pollutant Substances 0.000 abstract description 6
- 231100000719 pollutant Toxicity 0.000 abstract description 6
- 238000011161 development Methods 0.000 abstract description 3
- 230000008901 benefit Effects 0.000 description 4
- 230000001965 increasing effect Effects 0.000 description 4
- 238000011156 evaluation Methods 0.000 description 3
- 239000011148 porous material Substances 0.000 description 3
- 101100438241 Arabidopsis thaliana CAM5 gene Proteins 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 230000034994 death Effects 0.000 description 2
- 231100000517 death Toxicity 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005265 energy consumption Methods 0.000 description 2
- 230000004907 flux Effects 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000002000 scavenging effect Effects 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 101001005667 Homo sapiens Mastermind-like protein 2 Proteins 0.000 description 1
- 101001005668 Homo sapiens Mastermind-like protein 3 Proteins 0.000 description 1
- 102100025130 Mastermind-like protein 2 Human genes 0.000 description 1
- 102100025134 Mastermind-like protein 3 Human genes 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000001939 inductive effect Effects 0.000 description 1
- 238000012805 post-processing Methods 0.000 description 1
- 230000002028 premature Effects 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 230000002035 prolonged effect Effects 0.000 description 1
- 208000023504 respiratory system disease Diseases 0.000 description 1
- 238000000638 solvent extraction Methods 0.000 description 1
- 238000002054 transplantation Methods 0.000 description 1
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供了一种基于国产众核异构超算的高分辨率地球系统模式优化、自动存储可视化和臭氧改进的方法,涉及高性能计算技术领域,同时包括对大气污染物臭氧模拟的改进,以及存储和数据处理的自动化。本发明基于国产众核异构超级计算机,针对高分辨率地球系统模式研发的迫切需求,通过模式移植、代码优化和参数化方案改进,在国产众核异构超算平台上进行高分辨率地球系统模式大气化学模块的移植优化。通过本发明的技术方案,提高了高分辨率地球系统模式运行效率,降低了地球系统模式的臭氧模拟偏差,改进了臭氧模拟能力,增强了大气污染预测的可信度。同时,可快捷浏览高分辨率地球系统模式的结果,便于快速识别大气臭氧污染及成因。
Description
技术领域
本发明涉及高性能计算技术领域,具体而言,特别涉及一种基于国产超算改进高分辨率地球系统模式臭氧模拟的方法。
背景技术
大气污染每年导致全球约650万人死亡,中国是世界上空气污染最严重的国家之一。其中,长期臭氧暴露通过诱发呼吸道疾病导致全球每年约36.5万的成人过早死亡。数值模式是厘清全球臭氧污染的核心工具。传统上,由于超算的限制,地球系统模式水平分辨率较低,目前国际主流模式分辨率在百公里以上。百公里分辨率地球系统模式无法解析土地覆盖空间差异性、复杂地形高低变化,加之气象要素在空间上如城乡差异显著,这些因素大大限制了低分辨率地球系统模式对大气污染物的模拟能力。由于计算资源的限制,长期以来学术界利用地球系统模式提供边界场驱动区域模式实现高分辨率模拟,也称为动力降尺度。然而,大气污染物的半球传输效应、海洋对大气环流及污染物浓度的影响很难在区域模式中表达;同时,低分辨率地球系统模式作为边界,其偏差直接影响区域模式的模拟能力,降低大气污染物模拟和预测的可信度。
超级计算机的发展为实现高分辨率地球系统模拟提供了可能。传统英特尔多核同构超级计算机系统在提高脉冲主频和能耗上的对抗,导致多核同构机型发展达到瓶颈,计算能力难以大幅提高。我国近年来开发了众核异构超级计算平台,如神威·太湖之光,芯片内部包含主核和从核两种核芯架构,大规模提升了运算能力,并能合理控制系统能耗。然而,众核异构的架构,需要重写代码才能充分利用从核的优势,增强高分辨率地球系统模式并行性能,这是高效运行高分辨率地球系统模式亟需解决的关键技术问题之一。我们过去研究已将25公里大气和10公里海洋的高分辨率地球系统模式进行代码移植,实现在神威·太湖之光众核超算机的代码重构和优化。但要运行大气化学模块,既需确保从核优化代码运行中大气化学模块的稳定性,也需要进一步代码优化。
除了计算机代码优化,大气污染物如臭氧浓度模拟的准确性与多个因素相关,如气象因素、污染源排放、气相化学机制、臭氧清除机制。本专利主要针对臭氧清除机制进行改进。大气中臭氧清除主要通过臭氧干沉降,其干沉降通量由沉降速率和臭氧浓度决定。臭氧干沉降速率与空气动力学阻力、粘性副层阻力和冠层阻力(或导度)有关。在植被覆盖区域,由于前两者较小,臭氧干沉降速率主要由冠层导度决定。冠层导度主要包括气孔导度和叶片角质层导度。目前全球模式干沉降机制广泛应用传统的Wesely机制,导致臭氧干沉降速率低估,臭氧浓度高估。
发明内容
为了弥补现有技术的不足,本发明提供了一种基于国产超算改进高分辨率地球系统模式臭氧模拟的方法。本发明针对国产众核异构超算平台,实现高分辨率(大气、陆面分辨率约为25公里)地球系统模式大气化学模拟稳定运行,开展从核优化,提高地球系统模式运行效率。高分辨率地球系统模式数据自动化处理,包括污染排放数据准备、模式运行结果存储和可视化。改进臭氧干沉降机制参数化方案,降低臭氧干沉降速率模拟偏差,提高臭氧浓度模拟能力。
本发明是通过如下技术方案实现的:一种基于国产超算改进高分辨率地球系统模式臭氧模拟的方法,具体包括以下步骤:
S1准备输入数据:创建大气化学组件集,生成高分辨率模式的地形,准备排放数据;
S2进行从核优化:将高分辨率通用地球系统模式在神威·太湖之光超级计算系统上使用众核异构处理器;编写Sunway OpenACC Fortran代码来实现MPE和CPE之间的通信,修改包括physics_types.F90、viscosity_mod.F90和aero_model.F90大气化学以及动力学过程的代码,进行异构优化;
S3测试从核优化速度:
针对大气分量包括CAM_run1、CAM_run2、CAM_run3和CAM_run4四个步骤中大气化学以及动力学过程的代码,在对从核进行优化后,给出这四个步骤在大气中每个时间步的平均、最大和最小运行时间;时间步为15分钟,共模拟24个时间步,即6小时,测试基于4096个核心组的运行速度;对于打开和关闭大气化学模块,模拟一模式天分别为1890秒和508秒,即每日可完成46天和170天的模拟;
S4臭氧干沉降参数化方案改进:
臭氧干沉降速率与空气动力学阻力/>、粘性副层阻力/>和冠层阻力/>有关;在植被覆盖区域,臭氧干沉降速率受冠层阻力/>或冠层导度/>调控;冠层导度/>取决于气孔导度和叶片角质层导度/>;
S5存储自动化:高分辨率地球系统模式输出臭氧小时结果,按天保存为NetCDF文件,外接网络附属存储NAS系统,同时设计脚本,每运行完一个月模拟值自动将输出文件转移到NAS中存储;
S6输出结果可视化:利用气候数据处理工具CDO将模式输出结果进行变量抽取,利用美国大气研究中心开发的科学数据计算和可视化工具NCL的ESMF命令进行插值,将高分辨率模式输出的不规则网格插值成规则网格,分辨率为0.25度,并创建系列NCL脚本,自动绘制时间序列图、空间分布图、散点图、箱型图,对模式结果进行展示;
S7模式评估:下载处理中国环境监测总站、欧洲监测和评估计划、美国空气质量系统和清洁空气状况与趋势网络的臭氧小时数据,将其插值为0.25度网格,计算臭氧日最大8小时浓度MDA8,并与模式数据对比评估,通过图形展示。
作为优选方案,步骤S1中排放数据包括:全球人为污染源排放来自数据集CAMS-GLOB-ANTv4.2-R1.1,空间分辨率为0.1度;CAMS到高分辨率模式的大气化学模块CAM5的物种映射包括MOZART机制中使用的气相物种和气溶胶模块MAM3中使用的气溶胶物种,并进行包括单位转换、垂直分配操作;生物质燃烧排放来自FireINventory from NCAR v2.5,空间分辨率为0.1度,下载的原始文本文件进行网格化并处理为NetCDF格式,根据喷射高度将一次气溶胶及其前体排放分配到不同高度层;从AEROCOM获得连续火山排放和海洋排放;飞机排放量来自Community Emissions Data System,生物源性挥发性有机物由生物源排放模型MEGAN v2.1生成。
作为优选方案,步骤S2具体包括以下步骤:
S21将高分辨率模式在神威·太湖之光超级计算系统上使用众核异构处理器,每个处理器中有四个核心组,每个核心组包括一个管理过程元素MPE和一个由64个计算过程元素CPE组成的集群,即64个从核;CPE集群中的各核心之间可以相互通信,也可以与对应的MPE通信,但不能与其他核心组通信;神威处理器存在两级并行,第一级并行化在MPE上执行,编写Sunway OpenACC Fortran代码来实现MPE和CPE之间的通信,这是第二级并行化;
S22在从核上的代码优化针对大气分量包括CAM_run1、CAM _run2、CAM_run3和CAM_run4四个步骤;第一步CAM_run1和第二步CAM_run2包括动力过程和物理过程,CAM_run2中有排放和化学物质传输过程;第三步CAM_run3只包括动力过程,第四步CAM_run4为文件输出;优化动力过程中的程序,包括physics_types.F90,viscosity_mod.F90以及aero_model.F90大气化学模块,且在应用前需要进行数值稳定性校核。
作为优选方案,步骤S4具体包括以下步骤:
S41:对于气孔导度,模式中原始计算公式为传统Wesely机制,即公式1,引入冠层深度和叶面积指数对臭氧干沉降进行修正,见公式2,将气孔导度分为朝阳/>和背阴/>气孔导度两部分,通过叶面积指数LAI,对气孔导度进行修正。其中/>和1-/>分别代表朝阳和背阴叶片比例,因此/>代表朝阳的叶面积指数,/>代表背阴的叶面积指数;
(1);
(2);
S42:模式中原始计算公式为传统Wesely机制,即公式3,其中,/>为角质层初始阻力,LAI为叶面积指数,RT =1000×exp(-T-4) 为温度调整函数;在修正气孔导度的基础上,对叶片角质层导度进行修正,修正了露天及雨天的计算公式,即修改雨天和露天的角质层阻力初始值/>,即公式4;
(3),
(4)。
本发明由于采用了以上技术方案,与现有技术相比使其具有以下有益效果:
(1)通过国产众核异构超算代码优化,提高高分辨率地球系统模式运行效率,为研究气候变化对大气污染的影响奠定坚实基础,也可为决策者进行大气污染治理提供有效建议。
(2)通过对模式臭氧干沉降参数化方案的改进,降低了地球系统模式的臭氧模拟偏差,改进了臭氧模拟能力,增强大气污染预测的可信度。
(3)自动化程序的设计,包括自动化存储、可视化程序,可快捷浏览高分辨率地球系统模式的结果,便于快速识别大气污染及可能得成因。
本发明的附加方面和优点将在下面的描述部分中变得明显,或通过本发明的实践了解到。
附图说明
本发明的上述和/或附加的方面和优点从结合下面附图对实施例的描述中将变得明显和容易理解,其中:
图1为基于一系列核心组测试高分辨率地球系统模式对大气化学的模拟效率。实线和虚线表示只有管理过程元素(MPE)和包括从核(CPE)的情况;
图2为中国4个重污染区域(京津冀、苏皖鲁豫、长三角、珠三角地区)的观测、高分辨模式、低分辨模式的臭氧MDA8评估箱型图。箱子中间从上到下三条线分别为上四分位数Q3,中位数,下四分位数Q1。箱子上面的短线代表Q3+1.5(Q3-Q1),下面的短线代表Q1-1.5(Q3-Q1),空心圆圈代表处在这个范围之外的点。若无数据处于Q3+1.5(Q3-Q1)(或Q1-1.5(Q3-Q1))之外,最上(或下)方的短线即为最大(或小)值,并加以三角形来表征;
图3为高分辨模式CESM所包含的模块及大气模块所包含内容;
图4为神威SW26010 CPU的总体架构示意图。每个CPU由四个核心组构成,每个核心组包括一个主核(MPE)和64个从核(CPE)。服务器外接网络附属存储(NAS)系统。
具体实施方式
为了能够更清楚地理解本发明的上述目的、特征和优点,下面结合附图和具体实施方式对本发明进行进一步的详细描述。需要说明的是,在不冲突的情况下,本申请的实施例及实施例中的特征可以相互组合。
在下面的描述中阐述了很多具体细节以便于充分理解本发明,但是,本发明还可以采用其他不同于在此描述的方式来实施,因此,本发明的保护范围并不受下面公开的具体实施例的限制。
下面结合图1至图4对本发明的实施例的基于国产超算改进高分辨率地球系统模式臭氧模拟的方法进行具体说明。
如图1至图4所示,本发明提出了一种基于国产超算改进高分辨率地球系统模式臭氧模拟的方法,具体为特别涉及一种基于国产众核异构超算的高分辨率地球系统模式优化、自动存储可视化和臭氧模拟改进的方法,基于国产众核异构超级计算机,针对我国高分辨率地球系统模式研发的迫切需求,通过模式移植、代码优化和参数化改进,在国产众核异构超算平台上进行高分辨率地球系统模式大气化学模块的移植优化。具体包括以下步骤:
S1准备输入数据:创建大气化学组件集,生成高分辨率模式地形,准备排放数据;全球人为污染源排放来自数据集CAMS-GLOB-ANTv4.2-R1.1(简称CAMS),空间分辨率为0.1度;CAMS到高分辨率模式的大气化学模块(CAM5)的物种映射包括MOZART机制中使用的气相物种和气溶胶模块(MAM3)中使用的气溶胶物种,并进行包括单位转换、垂直分配等操作;生物质燃烧排放来自Fire INventory from NCAR v2.5,空间分辨率为0.1度,下载的原始文本文件进行网格化并处理为NetCDF格式,根据喷射高度将一次气溶胶及其前体排放分配到不同高度层;从AEROCOM获得连续火山排放和海洋排放;飞机排放量来自CommunityEmissions Data System,生物源性挥发性有机物由生物源排放模型MEGAN v2.1生成。
S2进行从核优化:将高分辨率CESM在神威·太湖之光超级计算系统上使用众核异构处理器(SW26010;SW26010P),简称SW-HRESM;编写Sunway OpenACC Fortran代码来实现MPE和CPE之间的通信,修改包括physics_types.F90、viscosity_mod.F90和aero_model.F90等大气化学及动力学过程的代码,进行异构优化;具体包括以下步骤:
S21将高分辨率CESM在神威·太湖之光超级计算系统上使用众核异构处理器(SW26010;SW26010P),每个处理器中有四个核心组,每个核心组包括一个管理过程元素MPE和一个由64个计算过程元素CPE组成的集群,即64个从核;CPE集群中各核心之间可以相互通信,也可以与对应的MPE通信,但不能与其他核心组通信;神威处理器存在两级并行,第一级并行化在MPE上执行,这与Intel多核超级计算平台有相似之处。然而,为了利用从核,需要编写Sunway OpenACC Fortran代码来实现MPE和CPE之间的通信,这是第二级并行化;
S22大气分量包括CAM_run1、CAM_run2、CAM_run3和CAM_run4四个步骤;第一步CAM_run1和第二步CAM_run2包括动力过程和物理过程,CAM_run2中有排放和化学物质传输过程;第三步CAM_run3只包括动力过程,第四步CAM_run4为文件输出;之前的研究对CPE进行了物理过程优化和部分动力过程优化,本发明进一步优化动力过程中的程序,包括physics_types.F90,viscosity_mod.F90以及大气化学模块(如aero_model.F90),且在应用前需要进行数值稳定性校核。
为评估CPE优化效率,我们使用不同核心组数对大气化学模拟速度进行测试,核心组数从2048到5120,如图1所示。模式每日模拟天数随着核心组的增加而增加,优化后的从核(CPE;如图1中虚线所示),计算速度平均提高了20%。
S3测试从核优化速度:
在对从核进行优化后,给出四个步骤CAM_run1、CAM_run2、CAM_run3和CAM_run4在大气中每个时间步的平均、最大和最小运行时间,如表1所示。时间步为15分钟,共模拟24个时间步,即6小时,测试基于4096个核心组的运行速度;对于打开和关闭大气化学模块,模拟一模式天分别为1890秒和508秒,即每日可完成46天和170天的模拟。由于大气污染物种多,大大增加了第三步(CAM_run3)动力过程运行时间,导致大气化学模拟耗时为关掉大气化学的近4倍。
表1四个CAM5过程各时间步长的模拟时间
S4臭氧干沉降参数化方案改进:
臭氧干沉降作为调节臭氧浓度的重要过程,其沉降通量主要由臭氧干沉降速率和臭氧浓度决定。臭氧干沉降速率与空气动力学阻力/>、粘性副层阻力/>和冠层阻力/>有关;在植被覆盖区域,臭氧干沉降速率受冠层阻力/>或冠层导度/>调控;冠层导度/>取决于气孔导度/>和叶片角质层导度/>;具体包括以下步骤:
S41:对于气孔导度,模式中原始计算公式为传统Wesely机制,即公式1,引入冠层深度和叶面积指数对臭氧干沉降进行修正,见公式2,将气孔导度分为朝阳/>和背阴气孔导度两部分,通过叶面积指数LAI,对气孔导度进行修正。其中/>和1-/>分别代表朝阳和背阴叶片比例,因此/>代表朝阳的叶面积指数,/>代表背阴的叶面积指数;
(1);
(2);
S42:除气孔导度外,叶片角质层导度是臭氧干沉降的另一重要影响因素。模式中原始计算公式为传统Wesely机制,即公式3,其中,/>为角质层初始阻力,LAI为叶面积指数,RT =1000×exp(-T-4) 为温度调整函数,在寒冷条件下进行校正,避免对干沉降模拟高估。在修正气孔导度的基础上,对叶片角质层导度进行修正,修正了模式中露天及雨天的公式,即修改雨天和露天的角质层阻力初始值(/>),公式4。与Wesely机制(干、湿角质层阻力初始值相同)不同的是,湿角质层阻力远小于干角质层阻力,意味着湿角质层导度会明显增加,导致臭氧干沉降速率增大;
(3),
(4)。
S5存储自动化:高分辨率地球系统模式输出臭氧小时结果,按天保存为NetCDF文件,需要大量存储,单独的超算系统往往无法提供如此大量的存储。因此,需要外接网络附属存储NAS系统,同时设计脚本,每运行完一个月模拟自动将输出文件转移到NAS中存储。
S6输出结果可视化:为了便捷分析,我们设计了一系列程序,利用CDO将模式输出结果进行变量抽取,利用NCL的ESMF命令进行插值,并创建了一系列后处理脚本,运行该脚本绘制包括时间序列图、空间分布图、散点图、箱型图的系列图形。
S7模式评估:下载处理中国环境监测总站、欧洲监测和评估计划(EMEP),美国空气质量系统(AQS)和清洁空气状况和趋势网络(CASTNET)的臭氧小时数据,将其插值为0.25度网格,计算MDA8,与模式数据对比评估,画图。
在本发明的描述中,术语“多个”则指两个或两个以上,除非另有明确的限定,术语“上”、“下”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制;术语“连接”、“安装”、“固定”等均应做广义理解,例如,“连接”可以是固定连接,也可以是可拆卸连接,或一体地连接;可以是直接相连,也可以通过中间媒介间接相连。对于本领域的普通技术人员而言,可以根据具体情况理解上述术语在本发明中的具体含义。
在本说明书的描述中,术语“一个实施例”、“一些实施例”、“具体实施例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不一定指的是相同的实施例或实例。而且,描述的具体特征、结构、材料或特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
以上仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (3)
1.一种基于国产超算改进高分辨率地球系统模式臭氧模拟的方法,其特征在于,具体包括以下步骤:
S1准备输入数据:创建大气化学组件集,生成高分辨率模式的地形,准备排放数据;
S2进行从核优化:将高分辨率通用地球系统模式在神威·太湖之光超级计算系统上使用众核异构处理器;编写Sunway OpenACC Fortran代码来实现MPE和CPE之间的通信,修改包括physics_types.F90、viscosity_mod.F90和aero_model.F90大气化学以及动力学过程的代码,进行异构优化;
S3测试从核优化速度:
针对大气分量包括CAM_run1、CAM_run2、CAM_run3和CAM_run4四个步骤中大气化学以及动力学过程的代码,在对从核进行优化后,给出这四个步骤在大气中每个时间步的平均、最大和最小运行时间;时间步为15分钟,共模拟24个时间步,即6小时,测试基于4096个核心组的运行速度;对于打开和关闭大气化学模块,模拟一模式天分别为1890秒和508秒,即每日可完成46天和170天的模拟;
S4臭氧干沉降参数化方案改进:
臭氧干沉降速率与空气动力学阻力/>、粘性副层阻力/>和冠层阻力/>有关;在植被覆盖区域,臭氧干沉降速率受冠层阻力/>或冠层导度/>调控;冠层导度/>取决于气孔导度和叶片角质层导度/>;具体包括以下步骤:
S41:对于气孔导度,模式中原始计算公式为传统Wesely机制,即公式1,引入冠层深度和叶面积指数对臭氧干沉降进行修正,见公式2,将气孔导度分为朝阳/>和背阴/>气孔导度两部分,通过叶面积指数LAI,对气孔导度进行修正;其中/>和1-/>分别代表朝阳和背阴叶片比例,因此/>代表朝阳的叶面积指数,/>代表背阴的叶面积指数;
(1);
(2);
S42:模式中原始计算公式为传统Wesely机制,即公式3,其中,/>为角质层初始阻力,LAI为叶面积指数,RT =1000×exp(-T-4) 为温度调整函数;在修正气孔导度的基础上,对叶片角质层导度进行修正,修正了露天及雨天的计算公式,即修改雨天和露天的角质层阻力初始值/>,即公式4;
(3),
(4);
S5存储自动化:高分辨率地球系统模式输出臭氧小时结果,按天保存为NetCDF文件,外接网络附属存储NAS系统,同时设计脚本,每运行完一个月模拟值自动将输出文件转移到NAS中存储;
S6输出结果可视化:利用气候数据处理工具CDO将模式输出结果进行变量抽取,利用美国大气研究中心开发的科学数据计算和可视化工具NCL的ESMF命令进行插值,将高分辨率模式输出的不规则网格插值成规则网格,分辨率为0.25度,并创建系列NCL脚本,自动绘制时间序列图、空间分布图、散点图、箱型图,对模式结果进行展示;
S7模式评估:下载处理中国环境监测总站、欧洲监测和评估计划,美国空气质量系统和清洁空气状况与趋势网络的臭氧小时数据,将其插值为0.25度网格,计算臭氧日最大8小时浓度MDA8,并与模式数据对比评估,通过图形展示。
2.根据权利要求1所述的一种基于国产超算改进高分辨率地球系统模式臭氧模拟的方法,其特征在于,所述步骤S1中排放数据包括:全球人为污染源排放来自数据集CAMS-GLOB-ANTv4.2-R1.1,空间分辨率为0.1度;CAMS到高分辨率模式的大气化学模块的物种映射包括MOZART机制中使用的气相物种和气溶胶模块中使用的气溶胶物种,并进行包括单位转换、垂直分配操作;生物质燃烧排放来自Fire INventory from NCAR v2.5,空间分辨率为0.1度,下载的原始文本文件进行网格化并处理为NetCDF格式,根据喷射高度将一次气溶胶及其前体排放分配到不同高度层;从AEROCOM获得连续火山排放和海洋排放;飞机排放量来自Community Emissions Data System,生物源性挥发性有机物由生物源排放模型MEGANv2.1生成。
3.根据权利要求1所述的一种基于国产超算改进高分辨率地球系统模式臭氧模拟的方法,其特征在于,所述步骤S2具体包括以下步骤:
S21将高分辨率模式在神威·太湖之光超级计算系统上使用众核异构处理器,每个处理器中有四个核心组,每个核心组包括一个管理过程元素MPE和一个由64个计算过程元素CPE组成的集群,即64个从核;CPE集群中的各核心之间可以相互通信,也可以与对应的MPE通信,但不能与其他核心组通信;神威处理器存在两级并行,第一级并行化在MPE上执行,编写Sunway OpenACC Fortran代码来实现MPE和CPE之间的通信,这是第二级并行化;
S22在从核上的代码优化针对大气分量包括CAM_run1、CAM_run2、CAM_run3和CAM_run4四个步骤中大气化学以及动力学过程的代码;第一步CAM_run1和第二步CAM_run2包括动力过程和物理过程,CAM_run2中有排放和化学物质传输过程;第三步CAM_run3只包括动力过程,第四步CAM_run4为文件输出;优化动力过程中的程序,包括physics_types.F90,viscosity_mod.F90以及aero_model.F90大气化学模块,且在应用前需要进行数值稳定性校核。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311654525.2A CN117669201B (zh) | 2023-12-05 | 2023-12-05 | 基于国产超算改进高分辨率地球系统模式臭氧模拟的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311654525.2A CN117669201B (zh) | 2023-12-05 | 2023-12-05 | 基于国产超算改进高分辨率地球系统模式臭氧模拟的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117669201A CN117669201A (zh) | 2024-03-08 |
CN117669201B true CN117669201B (zh) | 2024-05-07 |
Family
ID=90070935
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311654525.2A Active CN117669201B (zh) | 2023-12-05 | 2023-12-05 | 基于国产超算改进高分辨率地球系统模式臭氧模拟的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117669201B (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109800971A (zh) * | 2018-12-30 | 2019-05-24 | 南京大学 | 一种评估区域上臭氧对植被生产力影响的模型系统及方法 |
CN110020448A (zh) * | 2017-11-24 | 2019-07-16 | 南京大学 | 边界层气象参数改进型中尺度大气光化学污染模拟预测算法 |
CN116912459A (zh) * | 2023-09-13 | 2023-10-20 | 中国海洋大学 | 一种变网格多尺度混合式资料同化方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115293567A (zh) * | 2022-08-03 | 2022-11-04 | 四川省生态环境科学研究院 | 一种大气污染动态管控系统及方法 |
-
2023
- 2023-12-05 CN CN202311654525.2A patent/CN117669201B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110020448A (zh) * | 2017-11-24 | 2019-07-16 | 南京大学 | 边界层气象参数改进型中尺度大气光化学污染模拟预测算法 |
CN109800971A (zh) * | 2018-12-30 | 2019-05-24 | 南京大学 | 一种评估区域上臭氧对植被生产力影响的模型系统及方法 |
CN116912459A (zh) * | 2023-09-13 | 2023-10-20 | 中国海洋大学 | 一种变网格多尺度混合式资料同化方法 |
Non-Patent Citations (3)
Title |
---|
"神威・太湖之光"上Tend_lin应用的并行优化研究;姜尚志;唐生林;高希然;花嵘;陈莉;刘颖;;计算机工程与科学;20201015(第10期);135-144 * |
An Attempt to Partition Stomatal and Non-stomatal Ozone Deposition Parts on a Short Grassland;Horváth, L等;《BOUNDARY-LAYER METEOROLOGY》;20180531;303-326 * |
植物对城市空气氮氧化物的净化功能;龚诚;《中国博士学位论文全文数据库》;20210615(第6期);1-127 * |
Also Published As
Publication number | Publication date |
---|---|
CN117669201A (zh) | 2024-03-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Zhong et al. | A city-scale estimation of rooftop solar photovoltaic potential based on deep learning | |
CN108108836B (zh) | 一种基于时空深度学习的臭氧浓度分布预测方法和系统 | |
Satoh et al. | The non-hydrostatic icosahedral atmospheric model: Description and development | |
He et al. | Improving solar radiation estimation in China based on regional optimal combination of meteorological factors with machine learning methods | |
CN112348292B (zh) | 一种基于深度学习网络的短期风电功率预测方法和系统 | |
Lyu et al. | Modeling the effects of urban expansion on regional carbon storage by coupling SLEUTH‐3r model and InVEST model | |
Zhao et al. | Impacts of climate change on photovoltaic energy potential: A case study of China | |
CN110347671A (zh) | 构建海上风能数据资料库及海上风能发电量数据库的方法 | |
CN112862274A (zh) | 一种基于WRF-LES和DeepAR相结合的风功率预测方法 | |
CN114898820A (zh) | 基于多模式空气质量模型用于臭氧与颗粒物预测预警的方法 | |
CN112149859A (zh) | 风速预测方法和风速预测装置 | |
CN113674135A (zh) | 基于工作流实现calpuff高性能的计算方法 | |
Ji et al. | The common land model (CoLM) technical guide | |
CN116108956A (zh) | 一种基于物理-数据双驱动的流域水风光资源一体化预报方法 | |
CN117669201B (zh) | 基于国产超算改进高分辨率地球系统模式臭氧模拟的方法 | |
CN102184450A (zh) | 一种多孔介质燃烧器燃烧优化的建模方法 | |
Guo et al. | Construction and application of a regional kilometer-scale carbon source and sink assimilation inversion system (CCMVS-R) | |
CN116307018A (zh) | 一种基于wrf模式敏感性调参的风速预测方法及系统 | |
Tremback et al. | The regional atmospheric modeling system | |
CN117057126A (zh) | 一种园区节能管控系统和节能管控方法 | |
CN117010546A (zh) | 一种云南省次季节尺度温度异常的预测方法和装置 | |
Wang et al. | Wind power day-ahead prediction based on LSSVM with fruit fly optimization algorithm | |
CN112784477A (zh) | 一种基于WRF-LES和BP-PSO-Bagging相结合的风功率预测方法 | |
Ren et al. | An improved GM (1, 1) forecasting model based on Aquila Optimizer for wind power generation in Sichuan Province | |
Gu et al. | Establishing a non-hydrostatic global atmospheric modeling system (iAMAS) at 3-km horizontal resolution with online integrated aerosol feedbacks on the Sunway supercomputer of China |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |