高质量的全球海洋温度和热含量观测数据集对于海洋和气候科学研究、气候监测及业务化应用具有重要意义。我中心高性能部工程师原惠峰联合中国科学院海洋研究所、大气物理研究所、意大利国立地球物理与火山学研究所等单位科研人员，基于“东方”高性能计算系统对海洋观测大数据展开快速、高效的质量控制和偏差订正，在《Science Data发布了新版本的全球海洋温度剖面观测数据集CODC_v1（Zhang et al. 2024），为海洋和气候研究提供高质量的数据支撑。

CODC-v1温度数据类型及数量随年份变化示意图

在此基础上，研究团队改进了大气所过去提出的基于动态样本的集合最优插值方法，对数据进行更准确的空间格点化重建，联合崂山实验室、中国科学院南海海洋研究所、美国国家大气研究中心、新西兰奥克兰大学等机构在《Earth System Science Data》期刊上正式发布了第四代的全球海洋温度和热含量格点观测数据集（IAPv4）（Cheng et al. 2024）。

IAPv4海洋温度数据集计算得到的全球海洋热含量时间序列

在此过程中，中心高性能部研究人员提出了一种并行计算框架（Yuan et al. 2024），旨在解决原来的格点化方法在不同计算平台上面临的通用性不足、计算效率普遍较低的问题。实验结果表明，该框架可快捷部署在X86、ARM及RISC-V等指令集平台上，并在基于“东方”超级计算系统的IAPv4全球海洋温度和热含量数据集构建过程中实现了不同程度的计算加速效果，为后续海洋观测数据实时格点化进行了先期探索。该研究成果被并行与分布式计算期刊《Journal of Parallel and Distributed Computing》（JPDC, CCF B）录用。

海洋观测数据多尺度并行格点化计算方案示意图

相关成果：

Yuan H., Cheng L., Pan Y., Tan Z., Liu Q., Jin Z., A multi-level parallel approach to increase the computation efficiency of a global ocean temperature dataset reconstruction, Journal of Parallel and Distributed Computing, https://doi.org/10.1016/j.jpdc.2024.104938.

Cheng, L., Pan, Y., Tan, Z., Zheng, H., Zhu, Y., Wei, W., Du, J., Yuan, H., Li, G., Ye, H., Gouretski, V., Li, Y., Trenberth, K. E., Abraham, J., Jin, Y., Reseghetti, F., Lin, X., Zhang, B., Chen, G., Mann, M. E., and Zhu, J.: IAPv4 ocean temperature and ocean heat content gridded dataset, Earth Syst. Sci. Data, 16, 3517–3546, https://doi.org/10.5194/essd-16-3517-2024, 2024.

Zhang, B., Cheng, L.*,Z. Tan, V. Gouretski, F. Li, Y. Pan, H. Yuan, H. Ren, F. Reseghetti, J. Zhu, F. Wang*: CODC-v1: a quality-controlled and bias-corrected ocean temperature profile database from 1940–2023. Scientific Data, 11, 666. https://doi.org/10.1038/s41597-024-03494-8, 2024.

责任编辑：郎杨琴