隨著氣候預測、氣候模擬、智慧氣象、并行計算集群、氣象大數據平臺、高性能數值計算、氣象高性能計算集群的發展，人類步入全新的人工智能大數據時代。為切實發揮應對氣候變化基礎科技支撐作用，科學認識氣候系統變化的新事實、新趨勢，滿足國家和區域應對氣候變化和綠色低碳發展的服務需求。本文使用參數非參數和機器學習方法分析印度降雨變化，給我國帶來的啟示進行展開討論。

關于印度降雨研究

探索各地降雨的時空分布和降雨模式變化是水資源管理與規劃、農業可持續發展等部門的基本要求。本研究利用34個氣象分區的整體數據、變化點等幾個方面調查了年降雨量的變異性和趨勢。調查顯示，印度西部各分區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，大多數氣象分區的降雨量與多年長期平均降雨量的偏差超過?500mm，而少數幾個分區的降雨量則為正向偏離。因此，從詳細分析中可以確定，幾乎所有的分區在1970年之后都出現負趨勢和高變異性。所以這些關于全國歷史數據的詳細信息對規劃非常有益。在本研究中，所有氣象分區的降雨量都是使用先進的AI模型（如人工神經網絡）預測的。降雨預報的結果表明，到2030年，15%的降雨量將下降，這表明環境和生活世界都將出現令人擔憂的情況。

印度的經濟完全依賴于農業和工業。因此，水資源是印度經濟進步的重要組成部分。由于全球氣候變化對降雨模式的干擾，所以在發達國家展開了以量化降雨變化模式并相應地制定管理計劃的研究。本研究提供了全年和季節性降雨的整體變化點的降雨變化趨勢，自變化點以來的降雨變化率，年份明顯的偏離和未來降雨等各個方面的信息，最重要的是本研究分析了印度降雨變化的原因。從技術上講，本研究使用了幾種復雜的技術，這些技術因提供高精度結果而受到全世界科學家的欽佩。

本研究中設計技術：

一、曼恩-肯德爾法

曼－肯德爾法又稱Mann—Kendall 檢驗 法，是一種氣候診斷與預測技術，非參數方法。應用Mann-Kendall檢驗法可以判斷氣候序列中是否存在氣候突變，如果存在，可確定出突變發生的時間。Mann-Kendall檢驗法也經常用于氣候變化影響下的降水、干旱頻次趨勢檢測。

上海年平均氣溫曼-肯德爾統計量曲線

二、概率和確定性方法

采用人工神經網絡（一種流行的AI模型）來預測34個氣象分區的降雨量。ANN 是一個非線性黑盒 AI 模型（工作原理類似于并行分布式信息處理系統，反映了大腦的生物結構，由簡單的神經元和處理信息以在輸入和輸出之間建立關聯的鏈接組成。）。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。該結構由三層組成，如輸入層、一個或多個隱藏層和一個輸出層。我們通過試錯程序選擇了隱藏層中的神經元數量。ANN學習基于生物神經網絡的結構和功能，即封閉對存在于神經元核心中的突觸鏈接的調整。

ANN 人工神經網絡

三、Sen+MK趨勢分析

Sen 斜率估計用于計算趨勢值，通常與MK非參數檢驗結合使用。即首先計算Sen趨勢值，然后使用MK方法判斷趨勢顯著性。

四、ArcGIS 克里金法

該方法基于包含自相關（即，測量點之間的統計關系）的統計模型。因此，統計方法不僅具有產生預測表面的功能，而且能夠對預測的確定性或準確性提供某種度量。

克里金法假定采樣點之間的距離或方向可以反映可用于說明表面變化的空間相關性。克里金法工具可將數學函數與指定數量的點或指定半徑內的所有點進行擬合以確定每個位置的輸出值。克里金法是一個多步過程；包括數據的探索性統計分析、變異函數建模和創建表面，還包括研究方差表面。該方法通常用在土壤科學和地質中。

當前我國氣候現狀

隨著全球氣候變暖等問題的出現，下面從大氣圈、水圈、冷凍圈、生物圈方面介紹我國氣候現狀。

一、大氣圈

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

2、高溫、強降水等極端天氣氣候事件趨多、趨強。1961～2021年，極端強降水事件呈增多趨勢；20世紀90年代后期以來，極端高溫事件明顯增多，登陸臺風的平均強度波動增強。2021年，平均暖晝日數為1961年以來最多，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，北方地區平均沙塵日數呈減少趨勢，近年來達最低值并略有回升。

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

二、水圈

1、沿海海平面變化總體呈波動上升趨勢。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；2005年以來，青海湖水位連續17年回升；2021年青海湖水位達到3196.51米，已超過20世紀60年代初期的水位。

1980～2021年中國沿海海平面距平（相對于1993～2011年平均值）

三、冰凍圈

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

2、北極海冰范圍呈顯著減少趨勢。1979～2021年，北極海冰范圍呈一致性的下降趨勢；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，南極海冰范圍無顯著的線性變化趨勢；1979～2015年，南極海冰范圍波動上升；但2016年以來海冰范圍總體以偏小為主。

青藏公路沿線多年凍土區活動層厚度和活動層底部溫度變化

四、生物圈

20世紀70年代以來中國沿海紅樹林面積總體呈先減少后增加的趨勢。2020年，中國紅樹林總面積基本恢復至1980年水平。

1、整體的植被覆蓋穩定增加，呈現變綠趨勢。2000~2021年，中國年平均歸一化植被指數（NDVI）呈顯著上升趨勢。2021年，中國平均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年以來的最高值。

2000～2021年衛星遙感（EOS/MODIS）中國年平均歸一化植被指數

2、中國不同地區代表性植物春季物候期均呈提前趨勢，秋季物候期年際波動較大。1963～2021年，北京站的玉蘭、沈陽站的刺槐、合肥站的垂柳、桂林站的楓香樹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年中國不同地區代表性植物展葉期始期變化

藍海大腦氣象數據解決方案

某省是我國受臺風、暴雨、干旱、寒潮、大風、冰雹、凍害、龍卷風等災害影響最嚴重地區之一。在氣象災害相對頻發的情況下，某省氣象局在服務經濟社會發展中作用日益突出，提高氣象觀測、數據共享和精細化預報水平變得至關重要。通過與藍海大腦合作，擺脫原有IT基礎構架對于氣象工作的限制，實施彈性的統一架構，實現了高水平的氣象觀測、預測和服務業務。

一、客戶需求

由于天氣預報模擬具有計算量大、通訊密集、I/O要求高和規范的模式系統化集成等特點，對高性能計算系統的計算性能有著超高的要求，具體要求表現如下：

1、計算量大

氣象預報本身具有時效性，要求定時定點自動運行，無需人工干預。一般每天在固定的2-4個時段運行，每個時段2小時內運行完。因此，必須使用計算性能卓越的高性能計算系統來進行并行計算。

2、通訊密集

由于采用并行計算，因此各CPU間的通訊量很大。主要體現在WRF各計算域間的通訊及各類不同數據劃分間的通訊。因此，要求本高性能計算系統在具有高性能計算的同時，兼具高性能的通訊網絡。

3、I/O要求高

由于涉及大量的用戶和大量的小文件讀寫，氣象模式對整個系統的IOPS性能有較高要求，存儲系統的穩定性和可用性對整個業務系統的運行至關重要，要求存儲系統具有故障自愈功能。另外，考慮到氣象數據的周期性訪問特點，需要支持基于策略的分級存儲功能。

4、模式系統集成化

從軟件的處理流程上看，一般分為前處理、主模式和后處理。整個模式系統從前處理到主模式再到后處理，需要系統具有較高的穩健性，所以優秀的模式軟件應用專家支持、硬件級的系統技術支持，對預報模式的良好使用也是關鍵。

二、解決方案

藍海大腦依托接收的常規氣象觀探測資料、氣象衛星資料、雷達資料、數值預報產品等多源數據，基于定量反演、機器學習、云計算、云存儲、大數據分析、 快速循環同化、虛擬現實等前沿技術，研發了具備多元化高性能算力、精準化短臨預報、一站多源數據融合及多樣化氣象服務等優勢的氣象大數據平臺，面向整個氣象行業提供信息化系統頂層設計、 軟件研發應用、數據共享服務等，同時也向道路、航空、物流、農業等行業領域開展針對性的精準氣象預報保障服務。

為滿足客戶需求，結合行業特點從計算節點、網絡、存儲、功耗、擴展、散熱等方面出發，提出完善的解決方案。

1、計算節點

采用高性能英特爾酷睿系列處理器，計算節點采用雙路混搭方案。四路計算節點依靠其突出的計算能力與內存容量，可在一臺機器上完成中小模式的處理分析，減少資料預處理、計算、分析的時間，提高計算效率。

2、高速網絡

采用高性能專用高速IB網絡，將計算節點、管理節點、登錄節點全線速互聯，保證集群通訊網絡的高性能。并將NAS存儲通過萬兆連入高速網絡，配合集群并行文件系統，實現全部節點的數據共享。

3、存儲系統

綜合以往存儲硬件解決方案，系統應用要求存儲設備具備的特點及藍海大腦在多年高性能計算領域的實施經驗，充分滿足用戶現階段使用及未來擴展需求。

4、低功耗

解決方案不僅強調整體運算效率，同時強調單位體積內的計算能力以及單位能耗可提供的計算能力。

5、可擴展

計算系統采用機架式服務器，既可保證節點內的擴展性，又可保證整個集群的橫向擴展性。總體上，滿足用戶對未來集群的擴展需求。

6、液冷散熱

藍海大腦液冷服務器 HD210 H系列突破傳統風冷散熱模式，采用風冷和液冷混合散熱模式——服務器內主要熱源 CPU 利用液冷冷板進行冷卻，其余熱源仍采用風冷方式進行冷卻。通過這種混合制冷方式，可大幅提升服務器散熱效率，同時，降低主要熱源 CPU 散熱所耗電能，并增強服務器可靠性。經檢測，采用液冷服務器配套基礎設施解決方案的數據中心年均 PUE 值可降低至 1.2 以下。

三、用戶收益

1、資源重新整合，實現更好的業務連續性

通過應用的分區分域部署，顯著提高關鍵應用程序的性能、穩定性和容量，從而更好的保障業務連續性。

2、氣象信息分發服務更高效

幫助客戶建立更高效、及時的氣象信息分發服務，以減輕極端天氣事件對某省社會和經濟結構的影響。

3、數據安全性提升，人力投入降低

整合后的架構將加強災難恢復計劃，降低管理復雜性和成本，解放氣象局的團隊，使其專注于更具戰略性的任務。

4、運營敏捷性提升，快速響應資源請求

穩定、安全的新存儲，可有效地管理和保存大量雷達數據。統一的基礎架構將有助于優化運營敏捷性,使氣象局能夠快速響應開發團隊對資源的請求。

審核編輯 黃昊宇