基于可视分析的气象数值模式预报订正方法研究

Numerical weather forecast products always have inevitable biases because of various reasons, such as the imperfection of the weather forecast models. Forecasters need to calibrate it based on data analysis and long-term personal working experiences in operational weather forecasts. There are great requirements in the calibration for visual analytic techniques in order to help forecasters analyze and calibrate the large-scale and heterogeneous data from multiple sources. This project aims at proposing novel methods and providing solutions for the challenging topics in the visual weather forecast calibration. First, the level of detail visual design and topology based visualization method are proposed to analyze and visualize the uncertainty and its evolution of multi-modal, multi-run, multi-variable and multi-timestep numerical weather data. Second, the reliability of numerical weather product is visually evaluated with the analog based method using the reforecast data. Third, a visual comparison model is set up to support the comparisons between the multi-modal observation data and the numerical weather data. Fourth, the bias results got from the previous comparisons are applied to drive the intelligent calibration. Furthermore, a real-time visual analysis system is developed to deal with large-scale meteorological data for the calibration in the project. It will be implemented using a three-level hybrid parallelization with MPI, OpenMP and CUDA on a high performance hybrid parallel architecture based on CPU+MIC+GPU. The system is expected to improve the rationality, effectiveness and efficiency of the calibration as well as the accuracy of the weather forecast. Besides, it will be verified in China Meteorological Administration and NOAA Earth System Research Laboratory.

由于天气数值预报产品不可避免地存在各种偏差，现有的天气预报需依靠预报员凭借数据分析和个人经验订正完成。本项目旨在依托气象预报订正这样一个对可视分析技术有巨大需求、对国计民生有重要意义的应用，针对气象数据所具有的大规模、多源异构、不确定性、实时性等挑战性问题，探索多模式、多趟、多变量数值模式数据不确定性及其随时间演变的可视分析方法、基于历史回报数据类比的模式预报可靠性可视分析方法、多模态监测和数值预报异构数据的对比分析建模及可视分析方法、预报偏差可视分析结果驱动的智能预报场订正方法，在可视分析的方法和理论上突破和创新。进而在最新的并行架构CPU+MIC+GPU上通过MPI+OpenMP+CUDA三级混合并行编程实现一个可应对大规模气象数据的实时可视分析和集合预报订正系统，大幅提升预报订正的合理性、有效性及便捷性，提高气象预报准确度，并在中国国家气象中心及美国NOAA地球系统实验室得到应用。

由于天气数值预报不可避免地存在各种偏差，现有的天气预报需依靠预报员凭借数据分析和个人经验订正完成。本项目依托气象预报订正这样一个对可视分析技术有巨大需求、对国计民生有重要意义的应用，针对气象数据分析中的大规模、不确定性、实时性等挑战性问题，对基于可视分析的多模式数值预报数据订正方法进行了深入探索。在集合预报数据的不确定性可视分析方法上，提出了基于有向距离函数场重采样和信息损失度量的层次化集合数据等值线抽象方法、基于语义信息约束的高维非线性投影及不确定性估计方法以及基于子空间特征曲线极值分析的预报值和位置空间双域耦合分析方法；在面向气象预报偏差订正的聚类与可视分析方法上，针对当前多模式集合预报结果的聚类分析，研发了基于不同距离度量函数的等值线聚类方法、基于词袋模型的矢量场集合预报数据相似迹线区域层次提取算法，针对历史相似天气条件预报偏差的聚类分析，提出了基于预测-观测概率密度图的偏差模式聚类和相似区域提取方法以及基于不确定性可视化的多尺度集合预报数据聚类和交互探索方法；在预报数据的交互订正方法上，研发了基于等值线编辑的预报标量数据场订正方法，基于矢量场拓扑分析和Helmholtz Hodge分解的矢量场临界点、流线、散度、涡度的可视编辑方法，提出了基于显著性和因子图的关联区域可视订正框架以及基于不确定性可视分析的主动学习偏差纠正扩散方法。基于以上研究成果，本项目进而实现了一个集气象预报数据可视化、预报偏差可视分析以及预报结果高效订正于一体的原型系统，提升了预报订正的合理性、有效性及便捷性，提高了气象预报准确度，已在中国国家气象中心试用，研发的实时可视化和偏差订正算法已集成到国家气象中心MICAPS软件系统中，提供给各省市天气预报部门使用。同时本项目在集合数据不确定性可视分析上提出的一系列方法可推广到其他集合仿真数据的分析中。本项目在国内外同行公认的重要期刊和会议上发表论文17篇，其中9篇为国际SCI源刊收录论文。