B. БИЗНЕС-ФУНКЦИИ И ФУНКЦИОНАЛЬНЫЕ ТРЕБОВАНИЯ
A.5Существующее положение дел
Функционирование комплексной оперативной технологии по приему, обработке и распространению гидрометеорологической информации обеспечивают ФГБУ «Гидрометцентр России», ФГБУ «ГВЦ Росгидромета» и ФГБУ «Авиаметтелеком Росгидромета», технологическое объединение которых обеспечивает выполнение функций ММЦ в г.Москве Всемирной метеорологической организации. ФГБУ «ГВЦ Росгидромета» обеспечивает часть общей технологии, базирующуюся на использовании высокопроизводительных вычислительных комплексов.
На региональном уровне технологии, требующие ресурсов высокопроизводительных вычислительных комплексов для задач регионального масштаба, функционируют в РСМЦ в г.г. Новосибирск и Хабаровск.
Для целей исследований климата по Проекту-1 в ФГБУ «ГГО им.А.И.Воейкова» установлен и функционирует вычислительный комплекс, аналогичный по вычислительным ресурсам комплексам в РСМЦ в г.г. Новосибирске и Хабаровске.
Практика эксплуатации высокопроизводительных вычислительных комплексов, интегрированных в информационно-телекоммуникационную структуру, подтвердила, что учреждения Росгидромета обладают достаточным опытом эксплуатации комплексов, как векторного, так и скалярного типов и получили навыки удаленного мониторинга работоспособности ИТ-структур и диагностики их неисправностей.
На текущий момент в ММЦ в г.Москве эксплуатируются технологии:
Краткосрочный прогноз и усвоение данных
Для целей краткосрочного (на срок до 3-х суток) введены в эксплуатацию прогностические технологии на базе мезомасштабных моделей COSMO-RU с шагом 7 и 2,2 км, WRF с шагом 3 км, технология усвоения данных метеорологических наблюдений, включая спутниковые, класса 3D-VAR. В соответствии с планами НИОКР Росгидромета ведутся большие исследовательские и технологические работы по совершенствованию этих и других моделей и технологий.
Глобальный среднесрочный прогноз
Основной глобальной моделью является полулагранжева модель ПЛАВ. В настоящее время оперативная версия модели имеет достаточно грубое разрешение – около 70 км при 28 уровне по вертикали (размерность сетки 400х251х28). Вычислительные затраты составляют менее 8 процессоро-часов на сеанс. В настоящее время в рамках НИОКР Росгидромета производится наладка и авторские испытания новой версии модели ПЛАВ с разрешением около 20 км в средних широтах северного полушария. Размерность сетки модели составляет 1600х866х51, для расчета прогноза на 10 суток необходимо около 2000 процессоро-часов на не менее чем 450 процессоров для соблюдения сроков готовности прогностической продукции.
В ММЦ Москва оперативно эксплуатируется глобальная спектральная модель с разрешением около 70 км Т169L31. Расчет среднесрочного прогноза с помощью этой модели требует около 30 процессоро-часов на не менее чем 32 процессорах.
Спектральная модель Гидрометцентра России, основана на решении стандартной системы гидротермодинамических уравнений для бароклинной атмосферы, записанных в сигма-системе координат, а именно уравнений: движения, гидростатики, неразрывности, притока тепла, переноса влаги, а также диагностических соотношений для вертикальных составляющих скорости ветра в p- и  -системах координат. Прогностическими переменными в модели являются температура, вихрь и дивергенция скорости, приземное давление.
Система уравнений решается с помощью спектрально-сеточного метода. При этом основные переменные модели аппроксимируются усеченными сходящимися рядами, построенными на базисе ортогональных функций, определенных во всей области решения. Эффекты физических процессов подсеточного масштаба рассчитываются в сеточном пространстве. В модели используется так называемая гауссова сетка - регулярная по долготе и слабо нерегулярная по широте. Используется полунеявная схема интегрирования по времени.
Месячный и сезонный прогноз
Для месячных прогнозов в ММЦ Москва пока применяется спектральная модель T40L15, не требующая особых вычислительных затрат, однако в рамках НИОКР Росгидромета ведутся работы по применению версии глобальной полулагранжевой модели ПЛАВ с разрешением 1,4х1,1 градуса, 28 уровней по вертикали для расчета месячных прогнозов. Данная версия модели атмосферы ПЛАВ оперативно применяется для расчета ансамблевых сезонных прогнозов. Расчет ансамбля требует 160 процессоро-часов на 40 процессорах и осуществляется в паузах между оперативного сеанса кратко- и среднесрочного прогноза погоды. Любые усовершенствования модели сезонного прогноза требуют пересчета набора исторических сезонных прогнозов за 30 лет, что требует уже 4800 процессоро-часов для каждой стартовой даты (не реже, чем раз в месяц). В настоящее время отрабатывается сезонный прогноз погоды с помощью совместной модели атмосферы и океана.
Модели химической погоды
В Гидрометцентре России работы по численному прогнозу уровня качества воздуха начались в содружестве с Нижегородским институтом прикладной физики РАН в 2008 году. Работы ориентированы на использование раздельных моделей атмосферы и химико-транспортной модели:
Модель атмосферы WRF ARW разработана Национальным центром атмосферных исследований США (NCAR) в содружестве с рядом других научных организаций США. Основана на упругих негидростатических уравнениях, группам подсеточных процессов соответствуют несколько вариантов параметризации. Используется версия 3.1.1, распространяемая с августа 2009. Сайт: http://www.wrf-model.org.
Химико-транспортная модель (ХТМ) CHIMERE разработана в Национальном центре научных исследований Франции, предназначена для восстановления и прогноза концентраций химических соединений и аэрозолей. Используется версия V200709D, подготовленная в сентябре 2009 года. 2 блока газофазных реакций: MELCHIOR 1 (~80 веществ, >300 реакций) и MELCHIOR 2 (44 вещества, 116 реакций). Аэрозоли разделяются на 8 градаций по размерам. Сайт: http://www.lmd.polytechnique.fr/chimere.
При счете CHIMERE используются вложенные сетки: внешняя сетка с разрешением 1мх1м, вложенная с разрешением 0.1м (широта) х0.2м (долгота). Граничными условиями при счете CHIMERE на внешней области являются рассчитанные климатические концентрации, на внутренней – результаты расчетов на внешней сетке.
Расчет химической погоды в настоящее время требует около 240 процессоро-часов.
Начальные данные для глобальных моделей готовятся с помощью блока объективного анализа, работающего по схеме трехмерного вариационного анализа, на основе внешних полей первого приближения. Существующая версия объективного анализа потребляет достаточно мало ресурсов – менее 10 процессоро-часов.
В 2009 – 2013 годах вычислительные мощности высокопроизводительных вычислительных комплексов поставленных в рамках Проекта-1 (SGI Altix4700, SGI Altix ICE-8200, РСК “Торнадо”) и внедренных помимо Проекта-1 (SGI ICE-X и SGI UV2000 - на указанных кластерах удалось развернуть оперативную схему метеобеспечения Олимпиады Сочи-2014) исчерпаны полностью. Оперативные задачи занимают весьма существенную долю вычислительных ресурсов комплексов, что приводит к серьезному ограничению на использование ресурсов для научно-исследовательских работ по развитию и испытанию перспективных моделей и систем усвоения данных наблюдений.
Эксперименты, проведенные специалистами учреждений Росгидромета, показали, что на данном этапе задачи, решаемые на высокопроизводительных комплексах, весьма требовательны к объемам оперативной памяти в пересчете на процессорное ядро (3-4ГБ на процессорное ядро). Применение ускорителей (графические ускорители NVIDIA, сопроцессоры Intel Xeon Phi) по этой причине весьма проблематично.
Как показал опыт практического использования в 2010-2014 годах, технологии, развитие которых в учреждениях Росгидромета стало возможным по результатам Проекта-1, весьма требовательны не только к вычислительным ресурсам, но и к объемам дисковой памяти. В первую очередь это связано с необходимости привлечения значительных объемов спутниковой информации. Кроме того, резко (на несколько порядков) увеличился объем выходной прогностической информации за счет больших детальности (3 км вместо 75 км) и периодичности. Для анализа, получения обобщенных оценок, выполнения НИР выходную информацию и продукцию нужно определенное время (не менее нескольких месяцев) хранить.
|
