파라메트리제이션(대기 모델링

Parametrization (atmospheric modeling)

수치 기상 예측의 맥락에서 날씨 또는 기후 모델의 매개변수화는 모델에 물리적으로 표현하기에는 너무 작거나 복잡한 프로세스를 단순화된 프로세스로 대체하는 방법입니다.이는 모델 내에서 명시적으로 해결되는 다른 프로세스(예: 대기의 대규모 흐름)와 대조될 수 있다.이러한 파라미터화에는 단순화된 프로세스에서 사용되는 다양한 파라미터가 있습니다.예를 들어 빗방울의 강하율, 대류 구름, 대기 복사 전달 코드에 기초한 대기 복사 전달의 단순화, 구름 미세물리학 등이 있다.복사 매개변수화는 대기 및 해양 모델링에 모두 중요하다.개별 그리드 박스 내의 다른 선원에서 발생하는 대기 방출도 대기 품질에 미치는 영향을 판단하기 위해 매개변수화할 필요가 있다.

구름

적운장

기상 및 기후 모델 그리드 박스의 측면은 5km(3.1mi)와 300km(190mi) 사이이다.일반적인 적란운의 눈금은 1km(0.62mi) 미만이며, 유체 운동 방정식으로 물리적으로 표현하려면 이보다 더 미세한 그리드가 필요합니다.따라서 이러한 클라우드가 나타내는 프로세스는 다양한 정교함의 프로세스에 따라 파라미터화됩니다.초기 모델에서 모델 그리드 박스의 공기 기둥이 불안정하면(즉, 바닥이 상단보다 따뜻함) 뒤집히고 수직 기둥의 공기가 혼합됩니다.보다 정교한 스킴은 상자의 일부만 대류할 수 있고 엔터테인먼트 및 기타 프로세스가 [1]발생한다는 점을 인식하여 향상된 기능을 제공합니다.5km(3.1mi)에서 25km(16mi) 사이의 측면을 가진 그리드박스를 가진 기상 모델은 여전히 구름 미세물리학을 [2]매개 변수화해야 하지만 대류 구름을 명시적으로 나타낼 수 있다.

대규모(계층형) 구름의 형성은 물리적 기반에 더 가깝습니다. 상대 습도가 규정된 값에 도달하면 형성됩니다.그러나 하위 그리드 규모 프로세스를 고려해야 합니다.구름은 100% 상대 습도에서 형성된다고 가정하지 않고, 층상 구름의 경우 70%의 임계 상대 습도, 적란운의 [3]경우 80% 이상의 상대 습도와 관련될 수 있으며, 이는 실제 세계에서 발생할 수 있는 하위 그리드 규모 변동을 반영한다.강수 파라미터화의 일부에는 응축률, 수증기에서 액체 방울로의 상태 변화에 대응하는 에너지 교환, 수증기에서 [4]물방울로의 변화율을 제어하는 미소물리 성분이 포함된다.

방사선과 대기-표면 상호작용

험준한 지형에서 또는 가변적인 구름 때문에 지표면에 도달하는 태양 복사의 양은 이 과정이 분자 규모로 [5]발생함에 따라 매개변수로 분류된다.이 매개 변수화 방법은 해양과 대기 사이의 에너지 표면 플럭스에 대해서도 수행되며, 이는 해양 표면 온도와 해양 [4]표면 근처에서 발견되는 해빙의 종류를 결정하기 위한 것이다.또한 모델의 그리드 사이즈는 구름과 지형의 실제 크기와 거칠기에 비해 큽니다.태양 각도와 여러 클라우드 계층의 영향을 [6]고려합니다.토양 유형, 식생 유형 및 토양 습도는 모두 얼마나 많은 방사선이 온난화에 들어가고 얼마나 많은 수분이 인접 대기로 유입되는지를 결정합니다.따라서 매개 변수를 [7]지정하는 데 중요합니다.

대기질

가우스 대기 오염 물질 분산 플룸이라고도 하는 부력의 가시화
다음 항목도 참조하십시오.대기 분산 모델링

대기질 예측은 오염 물질의 농도가 언제 공중 보건에 해로운 수준에 도달할지를 예측하려고 시도합니다.대기 중 오염물질의 농도는 운송, 확산, 화학적 변환 및 지반 [8]침적에 의해 결정된다.오염원 및 지형 정보와 함께 이러한 모델에는 대기 중의 유체 흐름 상태에 대한 데이터가 필요합니다.[9]대기질 모델 내에서 매개변수화는 특정 그리드 [10]박스 내의 여러 비교적 작은 선원(예: 도로, 밭, 공장)에서 발생하는 대기 방출을 고려한다.

해상도 향상 문제

모델 분해능이 증가함에 따라 그리드 박스가 대류 자체의 크기로 축소되면 더 큰 그리드 박스에 통계적으로 유효한 가정이 의문시됨에 따라 습윤 대류 프로세스와 관련된 오차가 증가한다.그리드 박스 치수가 약 30km(19mi)[11]인 T639보다 큰 분해능에서 아라카와-슈베르트 대류 스킴은 [12]대류 강수량을 최소화하여 대부분의 강수량을 비현실적으로 성층화한다.

눈금 매기기

물리적 프로세스가 매개 변수화되면 두 가지 선택이 필요합니다. 구조 형태(예: 두 변수는 선형으로 관련될 수 있음)와 매개 변수의 정확한 값(예: 비례 상수)입니다.파라미터화에서 파라미터의 정확한 값을 결정하는 프로세스를 캘리브레이션이라고 합니다.정밀도가 낮은 경우도 있습니다.교정은 어려운 과정이며 이를 위해 다양한 전략이 사용됩니다.일반적인 방법 중 하나는 모델 또는 하위 모델을 실행하여 온도와 같은 선택된 메트릭의 작은 세트와 비교하는 것입니다.실제와 가장 유사한 모델 실행으로 이어지는 매개변수가 [13]선택됩니다.

「 」를 참조해 주세요.

레퍼런스

  1. ^ Lu, Chunsong; Liu, Yangang; Niu, Shengjie; Krueger, Steven; Wagner, Timothy (2013). "Exploring parameterization for turbulent entrainment-mixing processes in clouds". Journal of Geophysical Research: Atmospheres. 118: 185–194. doi:10.1029/2012JD018464.
  2. ^ Narita, Masami & Shiro Ohmori (2007-08-06). "3.7 Improving Precipitation Forecasts by the Operational Nonhydrostatic Mesoscale Model with the Kain-Fritsch Convective Parameterization and Cloud Microphysics" (PDF). 12th Conference on Mesoscale Processes. Retrieved 2011-02-15.
  3. ^ Frierson, Dargan (2000-09-14). "The Diagnostic Cloud Parameterization Scheme" (PDF). University of Washington. pp. 4–5. Archived from the original (PDF) on 2011-04-01. Retrieved 2011-02-15.
  4. ^ a b McGuffie, K. & A. Henderson-Sellers (2005). A climate modelling primer. John Wiley and Sons. pp. 187–188. ISBN 978-0-470-85751-9.
  5. ^ Stensrud, David J. (2007). Parameterization schemes: keys to understanding numerical weather prediction models. Cambridge University Press. p. 6. ISBN 978-0-521-86540-1. Retrieved 2011-02-15.
  6. ^ Melʹnikova, Irina N. & Alexander V. Vasilyev (2005). Short-wave solar radiation in the earth's atmosphere: calculation, observation, interpretation. Springer. pp. 226–228. ISBN 978-3-540-21452-6.
  7. ^ Stensrud, David J. (2007). Parameterization schemes: keys to understanding numerical weather prediction models. Cambridge University Press. pp. 12–14. ISBN 978-0-521-86540-1. Retrieved 2011-02-15.
  8. ^ Daly, Aaron & Paolo Zannetti (2007). "Chapter 2: Air Pollution Modeling – An Overview" (PDF). Ambient Air Pollution. The Arab School for Science and Technology and The EnviroComp Institute. p. 16. Retrieved 2011-02-24.
  9. ^ Baklanov, Alexander; Rasmussen, Alix; Fay, Barbara; Berge, Erik; Finardi, Sandro (September 2002). "Potential and Shortcomings of Numerical Weather Prediction Models in Providing Meteorological Data for Urban Air Pollution Forecasting". Water, Air, & Soil Pollution: Focus. 2 (5): 43–60. doi:10.1023/A:1021394126149. S2CID 94747027.
  10. ^ Baklanov, Alexander; Grimmond, Sue; Mahura, Alexander (2009). Meteorological and Air Quality Models for Urban Areas. Springer. pp. 11–12. ISBN 978-3-642-00297-7. Retrieved 2011-02-24.
  11. ^ Hamill, Thomas M.; Whitaker, Jeffrey S.; Fiorino, Michael; Koch, Steven E.; Lord, Stephen J. (2010-07-19). "Increasing NOAA's computational capacity to improve global forecast modeling" (PDF). National Oceanic and Atmospheric Administration. p. 9. Retrieved 2011-02-15.
  12. ^ Hamilton, Kevin & Wataru Ohfuchi (2008). High resolution numerical modelling of the atmosphere and ocean. Springer. p. 17. ISBN 978-0-387-36671-5. Retrieved 2011-02-15.
  13. ^ Hourdin, Frédéric; Mauritsen, Thorsten; Gettelman, Andrew; Golaz, Jean-Christophe; Balaji, Venkatramani; Duan, Qingyun; Folini, Doris; Ji, Duoying; Klocke, Daniel (2016). "The Art and Science of Climate Model Tuning". Bulletin of the American Meteorological Society. 98 (3): 589–602. doi:10.1175/BAMS-D-15-00135.1. ISSN 0003-0007.

추가 정보

Plant, Robert S; Yano, Jun-Ichi (2015). Parameterization of Atmospheric Convection. Imperial College Press. ISBN 978-1-78326-690-6.