[发明专利]一种基于模糊聚类预处理云系的并行云迹风反演方法

说明书

技术领域

本发明涉及卫星云迹风反演领域，具体涉及一种基于模糊聚类预处理云系的并行云迹风反演方法。

背景技术

在天气和灾害预报的研究中，需要大量的风场资料，全球大气风场的观测起到了非常积极的作用。近年来，随着陆地风场观测站网的不断完善，研究人员获得陆地风场资料变的越来越容易。然而，相对于陆地风场资料来说，海洋、高原、沙漠等地区的观测网就显得非常不足，获取这些地区的风场资料较困难。通过卫星云图资料反演大气风场，无疑对获取全球大气风场资料起到了非常有益的补充作用。

同时，一些陆地或水体(称为地表)由于上空无云或少云而直接“裸露”在卫星云图中。研究人员主要是对云图中的云进行研究，例如云分类、云识别、云导风等，因此实现云区域和地表区域的图像分割是必不可少的。针对卫星云图图像分割的研究工作早已展开，目前使用的方法普遍具有以下缺陷：(1)过度依赖于历年的云图图像资料，需要花费人力物力收集和保存；(2)使用基于阈值的图像分割来实现，属于硬性分割，准确率难以保证；(3)云图是一个十分复杂的图像，不仅包含云和地表，还在云和地表之间存在一些处于“过渡阶段”的云(例如生长和消散的云)；所以，在传统方法中，容易将其强制划分到某一类中，但这是不合理的，对云图图像合理分割也是研究的方向之一。

一般来说，卫星云图时间间隔越短、用于反演的示踪云越多、风矢的计算密度越高，云导风反演出的风场资料质量也会越高，但这都对云导风反演算法的效率提出了挑战。虽然有学者提出了云导风反演算法的简易算法，但也难以满足日趋要求实时性的风场计算的效率要求。因此，除研究较低计算代价的反演算法，充分利用现代计算机的体系结构，研究并行云导风反演算法，也是提升反演算法实际运行效率的有效途径之一。

GPU(Graphic Processing Unit)，图形处理器是显卡的“心脏”，相当于CPU在微机上的作用。GPU具有很高的传输带宽和众多的计算单元，计算能力非常强大。随着GPU的不断更新升级，GPU的计算能力越来出众，这为云迹风的反演提供了一种并行加速思路；GPU在高性能运算方面拥有三个非常显著的优势：第一，数据的并行处理能力强大，NVIDIA公司目前最新的GPU峰值浮点运算能力超过3TFLOPS，这几乎和一个小型CPU集群相当；第二，GPU拥有很高的数据吞吐能力，K20的带块超过200GB/s；第三，GPU具有友好的编程接口，NVIDIA公司开发的CUDA框架支持多种高级编程语言，如C、C++和Fortran语言。

综上，虽然在现有技术中，有文章阐述基于多核CPU的卫星云导风并行反演算法，但由于CPU擅长处理具有复杂逻辑计算步骤的任务，如数据压缩、人工智能、物理仿真等，而GPU擅长处理计算密集型且逻辑较简单的重复性任务，如图像领域相关处理操作，两者在物理结构和数据处理上存在很大的不同，在GPU上应用卫星云迹风反演方法是需要克服很多困难和技术障碍，GPU虽然拥有成百上千个计算单元，但每个计算单元的计算能力薄弱，难以执行复杂的分支预测。GPU对显存的存取模式与CPU显著不同，缺少完善的共享存储逻辑，各级Cache容量较小，这给传统CPU上的复杂算法向GPU并行算法移植带来了理论和技术实现上的困难。如何利用GPU强大的计算能力，对高密度、高实时性的卫星云迹风反演进行并行处理是一个挑战。

发明内容

本发明设计开发了一种基于模糊聚类预处理云系的并行云迹风反演方法，本发明的目的之一是解决串行云迹风反演方法中由于迭代次数较多导致的云迹风反演时间长、实时性差的问题，通过并行反演方法将单次迭代并行化，减少迭代次数，进而显著提高云迹风反演的实时性。

本发明的发明目的之二是解决了在规定的搜索区域内对目标云块搜索时间过长导致的云迹风反演实时性差的问题，通过优化示踪云块的追踪方法，大幅度简化对搜索区域目标云块的搜索时间，进而显著提高云迹风反演的实时性。

本发明的目的之三是解决了现有技术中对需要进行反演的云图图像预处理仅仅是采用图像硬分割方法，进而存在的对图像预处理过程中难以取得一个合适的阈值，而且受环境因素影响，准确率难以保证的问题。

本发明提供的技术方案为：

一种基于模糊聚类预处理云系的并行云迹风反演方法，包括：

将云图图像分为多块追踪区块，并且将追踪区块分配到指定的多个GPU并行计算阵列，在每个独立的计算阵列通过最大相关系数法对所述追踪区块中的目标云块进行匹配后进行反演计算，得到所述追踪区块风矢的风速及风向；