前往小程序,Get更优阅读体验!
立即前往
首页
学习
活动
专区
圈层
工具
发布
首页
学习
活动
专区
圈层
工具
MCP广场
社区首页 >专栏 >黄石超级计算机帮助预测空气污染

黄石超级计算机帮助预测空气污染

作者头像
GPUS Lady
发布于 2018-03-30 03:49:04
发布于 2018-03-30 03:49:04
7180
举报
文章被收录于专栏:GPUS开发者GPUS开发者

黄石超级计算机有一个峰值为1.5-petaflops I-data plex系统。凭借72288个处理器核心,该系统名列Top500第13位。目前已经承担了11个计算密集项目,它们都是“加速科学创新(ASD)"计划的一部分。

黄石超算是基于IBM的iDataPlex架构,可以执行的工作量是美国国家大气研究中心(NCAR)的Bluefire系统的29倍。Bluefire在1月31日退役。黄石系统可以在一秒里执行1.5个千万分之一个操作,可以存储1.1petabytes 信息。 ASD计划是在短期内提供这些大型的计算资源给一些小项目。这些项目一方面锻炼了系统,另一方面追求科学的目标。如果没有这些目标,也不能获得资源发配机会。

这些由美国国家大气研究中心挑选的项目也是建立这个系统的原始目的之一。超级计算系统在2个月里执行了大量的计算,围绕地球和大气层的问题做及时的调查,比如创造更好的长期天气预报模式和缩小动态云模型和云微观物理学之间的差距。

黄石定制了Geyser 和 Caldera 集群,专门在黄石的数据中心环境里进行特别的数据分析和资源可视化。这些系统在计算和信息系统实验室(CISL)专用的数据分析和可视化资源里提供了20倍的增长。Geyser具备16个大内存节点,每个节点1TB内存,专门用于大规模数据分析和后处理任务,包含3D可视化。Galdera也有16个节点,每个节点2片NVIDIA Tesla GPU,用于并行计算、可视化处理,以及开发和测试通用GPU代码。

两者合并,为NCAR的任务提高了整体能力,如支持气候模型、气象预报,和其他关键的研究。

其中有一个项目是预测北美空气质量到2055年。NCAR的Gabriele Pfister领导了这个项目,已经在黄石超算上分配了625万核小时。该项研究用嵌套区域气候模型与化学(NRCM-Chen)进行模拟,研究当今和未来的两个时期:2020至2030年和2045至2055年间北美的天气和空气质量可能出现的变化。这将提供洞察预期未来有关空气质量的变化,也可用于动力降尺度的气象和空气质量进行NCAR的全球气候模拟。

本文参与 腾讯云自媒体同步曝光计划,分享自微信公众号。
原始发表:2013-03-30,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 GPUS开发者 微信公众号,前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体同步曝光计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
暂无评论
推荐阅读
编辑精选文章
换一批
视界:新NCAR-WYOMING超级计算机将加速科学探索
本文正文内容翻译自 UCAR 官方网站在 2021 年 1 月 27 日发布的由 DAVID HOSANSKY 撰写的文章《NEW NCAR-WYOMING SUPERCOMPUTER TO ACCELERATE SCIENTIFIC DISCOVERY》,版权归原作者所有。翻译底稿来自 Google 翻译。
郭好奇同学
2021/03/25
6040
视界:新NCAR-WYOMING超级计算机将加速科学探索
前端编程-大气模拟计算之预报查询
大气环境专业或者气象专业会学到WRF(气象研究预测模型)或者CMAQ(空气通用多尺度空气质量)。
MiaoGIS
2021/12/04
5450
前端编程-大气模拟计算之预报查询
天气和气象数据网站集合
这个是美国NOAA的一个专门下载全球气象站数据的网站,不需要注册,包含全球多个国家数据,中国气象站数量涵盖了934个,每小时、月度、年度数据可直接下载,台站资料也很全面,包括国际交换站、基本站等,还有民国时期的气象资料。不用任何权限就可以下载逐小时地面观测气象数据,常用
陈南GISer
2021/08/18
2.4K1
红色预警尚未结束,北京启用机器学习预测空气污染
【新智元导读】今年冬天北京启用雾霾预警系统,将传统的大气化学物理模型与机器学习相结合,力求在更短的时间内做出更精确的预测。12月16日启动的今年首次空气重污染红色预警,预计到12月21日夜间起逐步改善。 这几天,北京笼罩在团团浓雾中。12月16日,北京市发布了 2016 年首个雾霾红色预警,这意味着将连续 4 天以上出现重度及以上级别的空气污染。据新闻报道,北京已有 1200 家工厂停工或减少生产。 不只是北京,根据 2015 年世界卫生组织的全球疾病负担研究,2015 年大气悬浮颗粒物(不包括烟草烟雾)相
新智元
2018/03/26
1.1K0
红色预警尚未结束,北京启用机器学习预测空气污染
【模式基础知识】献给数值模式新手入坑前的小结
大气海洋的特点,决定了我们无法做一些真实的实验,因此开展数值模拟,是其重要手段。业务预报中,现在气象预报员基本离不开模式的结果,甚至许多预报员毫不避讳,直言预报结论基本照搬模式结果。科研中,众多领域也是要需要使用数值模式,哪怕不使用数值模式,也需用到模式运行得到的再分析资料。因此对于大气和海洋科学领域的人而言,数值模式是一个绕不开的话题。
自学气象人
2022/11/02
3.4K0
【模式基础知识】献给数值模式新手入坑前的小结
DEEPSEEK如何回答什么编程语言最适合大气科学
在气象学、气候学等大气科学领域,编程语言的选择通常取决于具体任务(数据处理、模式开发、可视化等)和社区生态。以下是主要语言的优缺点及适用场景:
用户11172986
2025/02/12
1670
DEEPSEEK如何回答什么编程语言最适合大气科学
R语言广义加性混合模型(GAMM)分析长沙气象因子、空气污染、PM2.5浓度、显著性检验、逐日变化可视化
气候变化和空气污染对现代社会产生了越来越大的影响。在这种背景下,研究气象和空气污染之间的关系以及其对PM2.5浓度的影响变得非常重要。为了更好地理解和解释这些关系,广义加性混合模型(GAMM)成为一种强大的工具。
拓端
2023/06/27
6690
气象数据、空气污染数据下载网站合集
  本文为“GIS数据获取整理”专栏中第二篇独立博客,因此本文全部标题均由“2”开头。本文对目前主要的气象、气候数据获取网站加以整理与介绍。
疯狂学习GIS
2025/06/09
3390
气象数据、空气污染数据下载网站合集
基于工业无线DTU的空气污染监测防治方案
​秋冬季是我国大气污染天气的高发、频发期,也是大气污染防治的关键期、敏感期。针对空气质量的监测和防治,可以利用佰马工业无线DTU,搭建分布式大气传感器监测网络,实现对广域空气质量、成分、变化的实时监测,从而实现对大气污染的有效治理,对空气环境质量的有效保护。
智慧物联小马
2023/11/08
2140
基于工业无线DTU的空气污染监测防治方案
探访全球最美超算中心是一种怎样的体验?
在欧洲大陆最南端、地中海西岸的西班牙巴塞罗那,其实也有一处科技信徒必须“打卡”所在。
量子位
2019/04/23
6860
探访全球最美超算中心是一种怎样的体验?
Science Bulletin | 中国科大在新一代神威超算上首次实现全球公里尺度大气物理-化学全耦合数值模拟
近日,中国科学技术大学在新一代神威超级计算机上首次实现了长达7天的全球3公里空间分辨率大气物理-化学全耦合数值模拟试验,全面展现了新一代国产超级计算机软硬件系统的可靠性、稳定性和可用性,以及在其上构建全球高分辨率大气模拟系统的重大应用前景。研究成果以“Establishing a non-hydrostatic global atmospheric modeling system at 3-km horizontal resolution with aerosol feedbacks on the Sunway supercomputer of China”为题在线发表于《Science Bulletin》上。此项成果由地球和空间科学学院赵纯教授课题组与计算机科学与技术学院安虹教授课题组联合攻关,在国家气象局、国家超级计算无锡中心、北京大学、清华大学相关研究人员的紧密配合下完成。
气象学家
2022/04/18
4370
Science Bulletin | 中国科大在新一代神威超算上首次实现全球公里尺度大气物理-化学全耦合数值模拟
GRL | 新方法可提前预测夏季降水应用于水资源管理
随着美国西南部干旱地区的水库水位下降,科学家们已经开发出一种方法,可以提前几个月估计该地区的夏季降雨量。这种次季节(sub-seasonal)预测可以帮助州和地方官员在季节早期做出关键的水库储存和水资源分配决策,并支持更有效的水资源管理。
气象学家
2022/06/13
4190
GRL | 新方法可提前预测夏季降水应用于水资源管理
气象遇见机器学习
近些年来关于人工智能(AI)、机器学习(machine learning)、深度学习(deep learning)的新闻数不胜数。各领域也都高举人工智能大旗,试图利用机器学习,深度学习等技术解决行业内的问题,拓展新业务。尤其是在图像识别、语言识别等领域,深度学习的应用让人惊叹。
MeteoAI
2019/07/24
5.4K0
好文速递:从Terra测得的空气污染趋势:工业区、易燃区和本地值区域的CO和AOD
摘要:在过去的研究中使用卫星观测来量化全球一氧化碳(CO)的年代际趋势之后,我们更新了估计并发现2002年至2018年之间每年CO趋势的柱量约为−0.50%,与进行的分析相比,这是一个减速度每年发现-1%的较短记录。火灾和人为源共同产生的气溶胶与一氧化碳共排放,但寿命比一氧化碳要短。结合空间趋势分析和从太空测量气溶胶光学深度(AOD)有助于诊断CO趋势中区域差异的驱动因素。我们使用对流层污染测量(MOPITT)中CO的长期记录以及中分辨率成像光谱仪(MODIS)中的AOD的长期记录。其他在热红外,AIRS,TES,IASI和CrIS中测量CO的卫星仪器显示出一致的半球CO变异性,并证实了MOPITT CO进行的趋势分析的结果。2002年至2018年,半球和区域对趋势进行了检查,不确定性量化。CO和AOD记录分为两个子时段(2002年至2010年和2010年至2018年),以评估16年中的趋势变化。我们关注四个主要的人口中心:中国东北,印度北部,欧洲和美国东部,以及两个半球的易火地区。总体而言,与下半年相比,记录的上半年CO下降速度更快,而AOD趋势显示各地区之间的差异更大。我们发现空气质量管理政策对大气的影响。在中国东北发现的一氧化碳的大幅下降最初与燃烧效率的提高有关,随后从2010年起空气质量进一步提高。随着全球CO趋势的减弱,采用最小排放控制措施的工业区(例如印度北部)变得更具全球意义。我们还检查了每月百分比值的二氧化碳趋势,以了解季节性影响,并发现生物质燃烧的局部变化足以抵消全球大气二氧化碳下降趋势,特别是在夏末。
一个有趣的灵魂W
2021/04/29
4680
好文速递:从Terra测得的空气污染趋势:工业区、易燃区和本地值区域的CO和AOD
超级计算改变天气预报
6月11日 《美国大数据治理下的新问题》 摘自:东方早报 作者:John Carlo Bertot系美国马里兰大学信息科学学院教授,信息政策与获取中心主任和政府信息季刊(Government Information Quarterly,SSCI期刊)主编 译者:郑磊系复旦大学国际关系与公共事务学院副教授、数字与移动治理实验室主任 4月14日《恐怖的奇点——论机器进化》 作者:杨静,中国经济网经营顾问 微信号:杨静lillian(ID:lillian_yang_1111) 公号介绍:[以思想变革未来]
大数据文摘
2018/05/21
9760
模拟整个地球:英伟达Earth-2超级计算机即将上线
「如何让我们的未来在今天就变成现实呢?答案就是模拟,」英伟达创始人、CEO 黄仁勋说道。
郭好奇同学
2022/06/07
6830
模拟整个地球:英伟达Earth-2超级计算机即将上线
R语言空气污染数据的地理空间可视化和分析:颗粒物2.5(PM2.5)和空气质量指数(AQI)|附代码数据
由于空气污染对公众健康的不利影响,人们一直非常关注。世界各国的环境部门都通过各种方法(例如地面观测网络)来监测和评估空气污染问题
拓端
2023/02/13
1.1K0
ECMWF天气代码夏令营结束,开放所有源代码
ECMWF第四个天气代码夏令营(ESoWC)于2021年9月29日结束,并进行了为期一天的在线活动展示了9个开源项目的成果。
bugsuse
2022/09/23
6710
ECMWF天气代码夏令营结束,开放所有源代码
大气污染态势检测可视化分析平台
记录我的Web应用开发 指导老师:张迪 使用的分析工具/开发工具:基于AntV,Echarts,Vue.js联合开发的可视化系统 软件著作权正在申请中,代码版权不容侵犯,如有侵犯著作权必将追究法律责任
Baige
2022/03/22
1.7K1
大气污染态势检测可视化分析平台
南京大学丁爱军团队最新合作成果揭示东南亚大火增强南海低云的反馈机制
近日,《自然通讯》(Nature Communications)以“Aerosol-boundary-layer-monsoon interactions amplify semi-direct effect of biomass smoke on low cloud formation in Southeast Asia”为题,发表我院丁爱军团队与德国马普化学所等机构的合作研究成果。该文基于系统的资料分析和数值模拟,发现春季东南亚大火排放可显著增强南海北部的低云生成,其中气溶胶-边界层-云-季风的独特反馈机制可显著放大气溶胶半直接效应并在低云增强中扮演关键角色。
bugsuse
2022/09/23
6840
南京大学丁爱军团队最新合作成果揭示东南亚大火增强南海低云的反馈机制
推荐阅读
相关推荐
视界:新NCAR-WYOMING超级计算机将加速科学探索
更多 >
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档