WRF物理过程参数化方案简介
WRF模式不同云微物理参数化方案及水平分辨率对降水预报效果的影响
WRF模式不同云微物理参数化方案及水平分辨率对降水预报效果的影响WRF模式不同云微物理参数化方案及水平分辨率对降水预报效果的影响摘要：随着气象预报需求的不断增加，对降水预报准确性的要求也越来越高。
WRF（Weather Research andForecasting Model）模式作为一种广泛应用于气象领域的数值天气预报模式，具有较高的时空分辨率和可配置性，对研究降水预报提供了重要工具。
本文通过对WRF模式中不同的云微物理参数化方案和水平分辨率进行对比实验，探究其对降水预报效果的影响。
1. 引言降水是地球上水循环的重要组成部分，对社会经济、农业灾害和自然生态等方面产生重要影响。
因此，准确预报降水是气象预报的关键之一。
随着计算机技术和观测技术的发展，数值天气预报模式成为预报员进行预报的重要工具之一。
WRF模式作为其中一种广泛应用的数值天气预报模式，具有很高的时空分辨率和可配置性，受到广泛关注。
2. WRF模式简介WRF模式是由美国国家中心大气研究所（NCAR）和美国国家海洋和大气管理局（NOAA）等合作开发的一种数值天气预报模式。
该模式基于非静力学的原理，通过将大气物理方程和状态方程等进行离散化和数值解算，模拟大气的动力和热力过程，从而实现对天气和气候的预报。
3. 云微物理参数化方案对降水预报的影响云微物理参数化方案是模拟云和降水过程中云粒子增长和降水发展等微物理过程的关键。
WRF模式中常用的云微物理参数化方案有Lin（1983）、WDM5（Hong and Pan，1996）和WDM6（Hong and Lim，2006）等。
不同的参数化方案对降水预报的影响差别较大。
4. 水平分辨率对降水预报的影响水平分辨率是模拟气象过程中格点的大小，也是模拟精度的重要指标。
较高的水平分辨率可以更好地模拟地形和对流，对降水预报效果有积极的影响。
但是，高水平分辨率下需要更高的计算资源，计算成本较高。
5. 对比实验设计及结果分析本文通过设置不同云微物理参数化方案和水平分辨率进行WRF模式的对比实验，以探究其对降水预报效果的影响。
WRF模式不同云微物理参数化方案及水平分辨率对降水预报效果的影响
WRF模式不同云微物理参数化方案及水平区分率对降水预报效果的影响引言随着气候变化的日益加剧，准确的降水预报对于农业、水资源管理、交通运输等社会经济领域的进步至关重要。
近年来，WRF模式作为一种常用的数值天气预报模式，广泛应用于降水预报和气候模拟探究中。
其中，云微物理参数化方案及水平区分率是影响WRF模式降水预报效果的两个重要因素。
1. WRF模式简介WRF（Weather Research and Forecasting）模式是一种基于非静力学方程的气象数值模式。
通过模拟大气中各种物理过程，如大气动力学、辐射传输和云微物理等，来猜测大气的演变过程。
WRF模式具备良好的可伸缩性和灵活性，能够适应不同水平区分率和地形条件的需求。
2. 云微物理参数化方案对降水预报的影响云微物理参数化方案是模拟大气中云和降水形成的关键过程。
常用的云微物理参数化方案有Lin方案、Thompson方案、Morrison方案等。
这些方案基于气象观测数据和理论探究结果，通过参数化方式模拟云和降水的物理过程。
不同的云微物理参数化方案对于降水预报效果有着显著的影响。
以太阳明雷暴降水为例，Lin方案相对于Thompson方案能够更好地模拟高海拔和湿度较低的条件下的降水过程。
Morrison方案对于毛毛雨和凝固降水的模拟效果较好。
云微物理参数化方案的选择应依据实际需要以及模拟区域的特点来确定。
在选择参数化方案时，需要综合思量地形条件、水平区分率等因素，并进行再三验证和调整，以提高降水预报的准确性。
3. 水平区分率对降水预报的影响水平区分率是指模式网格的尺寸大小。
越小的尺寸可以提供更详尽的地理和气象信息，能够更准确地模拟复杂地形和降水特征。
探究表明，水平区分率对于降水预报的影响分外显著。
较高的水平区分率可以更好地模拟小标准的天气系统和对流活动，从而提高对降水过程的模拟准确性。
然而，过高的水平区分率也会增加计算成本，对计算机性能和存储资源提出更高的要求。
WRF介绍
9.2.4.3 辐射
3-5 MM5 Dadhia短波辐射方案： 该方案来自于MM5模式，对短波辐射通量向下进行简单积分。 它能够反映晴空散射、水汽吸收和云的反射与吸收。另外，还考虑了 地形坡度和阴影对地表短波辐射通量影响。 3-6 Goddard短波辐射方案： 该方案共有11个谱段，采用二流近似方法计算太阳短波辐射的散 射和直接辐射分量，并且方案中考虑了已有臭氧垂直廓线的气候分布。 3-7 CAM短波辐射方案： 该方案也是用于NCAR大气环流模式的谱段处理方案，主要用来 气候模拟。它能够处理几种气溶胶和痕量气体的光学特征。该方案特 别适用于区域气候模拟。
9.2.4.3 辐射
3-1 快速辐射传输长波模式（RRTM)： 该模式来自MM5模式，采用谱段处理方案。它是利用一个预设好的 查算表准确地表示由于水汽、臭氧、二氧化碳和痕量气体（大气中含量极 少的气体）引起的长波辐射过程，同时也能表示云的光学厚度。 3-2 GFDL长波辐射方案： 该方案来自美国地球流体动力实验室，计算与二氧化碳、水汽、和 臭氧相关谱段上的长波辐射，采用简化的交换方法。该方案中云的重叠是 随机的。 3-3 CAM长波辐射方案： 该方案是用于NCAR大气环流模式的谱段处理方案，主要用来进行气 候模拟。它能够处理几种痕量气体，并与可分辨云和云量进行相互作用。 3-4 GFDL短波辐射方案： 该方案同样来自于美国地球流体动力实验室，考虑了二氧化碳、水 汽和臭氧的效应，采用积分时间间隔内日间平均的太阳天顶角余弦值计算 段波辐射。该方案中云的重叠是随机的。
9.2.4.1 微物理过程
1-1 Kessler暖云方案： 该方案来源于COMMAS模式，是一个简单的暖云降水方案，考虑的微 物理过程包括：雨水的产生、降落与蒸发，云水的碰并增长与自动转化， 以及由凝结产生云水的过程。该方案显式预报水汽、云水和雨水，无冰 相过程。 1-2 Purdue-Lin方案： 该方案包括了对水汽、云水、雨、云冰、雪和霰6种类型水成物的处理。 该方案是 WRF模式中相对比较复杂的微物理方案，更适合于理论研究 。 1-3 WRF单参数—3类水成物(WSM3)方案： 该方案包括冰沉降和新的冰相参数化。与其他方案最大的不同之处在于， 该方案是基于冰的质量含量而非利用温度的诊断关系计算冰粒子浓度。 假设高于冰点的水成物为云水和雨，冰点以下的为云冰和雪，对包含冰 过程的计算效率很高。可以对三类水成物（即水汽、云水或云冰、雨或雪） 进行预报，被称为简单冰方案。但要注意的是，该方案缺少过冷水和逐步 融化率过程。
wrf微物理方案
wrf微物理方案WRF微物理方案是气象模式中常用的一种物理过程参数化方案，它主要用来描述和模拟大气中的微观物理过程，如云和降水的生成与发展。
本文将对WRF微物理方案进行详细介绍，并探讨其在气象模拟中的应用。
WRF（Weather Research and Forecasting Model）是一种广泛应用于天气和气候模拟的数值模式，其微物理方案是其中的一个关键组成部分。
微物理方案通过模拟大气中的水汽、云滴和降水等微观粒子的运动和相互作用，来预测和模拟大气中的云和降水过程。
在WRF模式中，微物理方案主要包括云微物理和降水微物理两部分。
云微物理主要描述云滴的生成、生长和消亡过程，以及云中的凝结和蒸发等过程。
降水微物理则主要描述降水的生成和发展过程，包括云滴的凝结和碰撞、降水的形成和下落等。
这些过程的准确模拟对于天气预报和气候研究具有重要意义。
WRF微物理方案的选择对模拟结果的准确性和可靠性起着至关重要的作用。
目前，常用的微物理方案包括Kessler方案、Lin方案、Thompson方案等。
不同的方案具有不同的优缺点，适用于不同的气象条件和研究目标。
根据模拟的天气系统和需求，选择合适的微物理方案对于模拟结果的准确性和可靠性至关重要。
在实际应用中，WRF微物理方案需要根据具体的模拟需求进行调整和优化。
通过对观测数据的分析和对模拟结果的评估，可以对微物理方案的参数进行调整，以提高模拟的准确性。
此外，WRF微物理方案的选择还需要考虑计算效率和模拟稳定性等因素，以保证模拟结果的可靠性和实用性。
WRF微物理方案是气象模拟中重要的物理过程参数化方案，它对于模拟大气中的云和降水过程具有重要作用。
在使用WRF模式进行天气预报和气候研究时，选择合适的微物理方案并进行适当的调整和优化，可以提高模拟结果的准确性和可靠性。
通过不断改进和研究微物理方案，可以进一步提高气象模式的预报能力，为人们提供更加精确和可靠的天气预报和气候预测服务。
WRF使用说明范文
WRF使用说明范文WRF（Weather Research and Forecasting）是一种常用的大气动力学模型，用于天气预报、气候模拟等气象学研究领域。
本文将介绍WRF的基本原理和使用方法，帮助读者快速上手使用WRF进行天气预报。
一、WRF的基本原理WRF模型是一种通过数值模拟天气系统的大气模式，能够模拟和预报各种尺度的气象现象。
它基于Navier-Stokes方程和热力学原理，通过空间和时间离散化的数值计算方法，模拟大气的物理和动力特性。
WRF模型主要包括动力学核心、物理方案和分辨率配置三个方面。
动力学核心是WRF模型的计算引擎，包括模式的网格结构和求解方程的数值方法。
WRF模型支持三种动力学核心：全谱元谱法（全谱模式）、有限差分法（全局模式）和非均匀格点模型（多尺度模式）。
用户可以根据不同的需求选择合适的动力学核心。
物理方案是WRF模型的参数化方案，用于模拟大气中的各种物理过程。
物理方案包括微物理方案、辐射方案、降水方案、陆地过程方案等。
用户可以根据需要选择合适的物理方案，然后根据具体情况进行相应的参数调整。
分辨率配置是指WRF模型的网格设置，决定了模拟的空间和时间精度。
WRF模型支持多种网格类型，如地理坐标、斜坐标等，并提供了灵活的网格分辨率配置方法。
用户可以根据需要选择合适的网格类型和分辨率，以达到所需的模拟精度。
二、WRF的使用方法1.安装和配置环境2.模型运行和输入数据准备完成安装和配置后，用户可以使用WRF模型进行天气预报。
首先，用户需要准备输入数据，包括初始场和边界场。
初始场包括温度、湿度、风场等参数，可以从观测数据或其它模拟结果中得到。
边界场则包括在模拟区域周边的大气特征，如气压、海温等，通常可以从观测数据或全球模式中获取。
3.WRF模型运行和输出结果分析准备好输入数据后，用户可以运行WRF模型进行天气预报。
运行过程中，用户需要设置模拟的起始时间、模拟区域、物理参数、动力学核心等。
WRF介绍
9.2.4.3 辐射
3-5 MM5 Dadhia短波辐射方案： 该方案来自于MM5模式，对短波辐射通量向下进行简单积分。 它能够反映晴空散射、水汽吸收和云的反射与吸收。另外，还考虑了 地形坡度和阴影对地表短波辐射通量影响。 3-6 Goddard短波辐射方案： 该方案共有11个谱段，采用二流近似方法计算太阳短波辐射的散 射和直接辐射分量，并且方案中考虑了已有臭氧垂直廓线的气候分布。 3-7 CAM短波辐射方案： 该方案也是用于NCAR大气环流模式的谱段处理方案，主要用来 气候模拟。它能够处理几种气溶胶和痕量气体的光学特征。该方案特 别适用于区域气候模拟。
WRFDA :/wrf/users/wrfda/index.html
WRF-Chem：https:///wrf/wrf-chem/
9.2.2 WRF模式的整体框架介绍
主要由四部分组成：预处理系统（用于将数据进行插值和模 式标准初始化、定义模式区域、选择地图投影方式）、同化 系统（包括三维变分同化）、动力内核以及后处理（图形软 件包）部分。 模式的动力内核（或者框架）分为WRF—ARW（用于科学研究 ）和WRF—NMM（用于业务预报）两种模块。 ARW和NMM均包含于WRF基础软件框架中，它们之间除了动力 求解方法不同之外，均共享相同的WRF模式系统框架和物理 过程模块。 ARW(Advanced Research WRF)是在NCAR的MM5模式基础上发 展起来,用于研究； NMM(Nonhydrostatic Mesoscale Model)是在NCEP的Eta模式 基础上发展起来。这里介绍的是 ARW 。
WRF模式适用范围很广，从中小尺度到 全球尺度的数值预报和模拟都有广泛的应 用.
既可以用于业务数值天气预报，也可以 用于大气数值模拟研究领域，包括数据同 化的研究、物理过程参数化的研究、区域 气候模拟、空气质量模拟、海气耦合以及 理想实验模拟等。
新一代中尺度天气预报模式——WRF模式简介
新一代中尺度天气预报模式——WRF模式简介新一代中尺度天气预报模式——WRF模式简介随着天气预报技术的不断发展，中尺度天气预报模式在提高天气预报精度方面发挥着重要的作用。
其中，Weather Research and Forecasting（WRF）模式作为全球最先进的天气预报模式之一，受到了广泛的关注和应用。
WRF模式是一种静力、非静力和灵敏度完全隐式的非守恒型大气模式。
它采用了一套复杂的物理参数化方案，包括辐射、湍流、微物理、大气边界层以及土壤等过程。
此外，WRF模式还融合了大量的观测数据，利用数据同化方法对模式进行修正，进一步提高了预报精度。
WRF模式具有以下几个显著特点：首先，WRF模式具有较高的空间分辨率。
通过细化网格的划分，WRF模式能够更准确地描述天气系统的演变过程。
在中尺度天气预报中，空间分辨率是至关重要的因素，决定着模式对局地天气系统的刻画能力。
WRF模式通常能够在预报中实现3到10公里的空间分辨率，这对于捕捉短时天气变化和强对流天气的发展至关重要。
其次，WRF模式具有灵活多样的参数化方案。
模式中包含了多种物理参数化方案的选择，可以根据不同的预报需求和研究目标进行调整。
例如，在预测降雨过程时可以使用不同的降水方案，如Grell、Thompson等方案，以最优地模拟不同类型的降水。
这使得WRF模式在不同的气候区域和降水系统的预报中都能够取得良好的效果。
再次，WRF模式支持多种初始和边界条件。
它可以灵活地使用不同精度和来源的观测数据来初始化模拟，包括卫星观测和地面观测。
对于边界条件，WRF模式通常利用全球或大区域的模式预报数据作为输入。
这使得WRF模式具有较好的扩展性和适应性，能够在不同区域和时间尺度上提供准确的预报结果。
此外，WRF模式具有良好的可视化和后处理功能。
WRF模式提供了丰富的预报输出变量，并支持将结果以多种形式进行可视化展示。
这极大地方便了用户对预报结果的分析和使用。
WRF模型原理解析
WRF模型原理解析标题: 深入解析WRF模型原理引言:WRF模型（Weather Research and Forecasting Model）是一种广泛应用于天气和气候研究的大气数值模型。
它能够模拟和预测天气系统的发展和演变，为气象学家、气候学家和其他相关领域的研究人员提供了强大的工具。
本文将深入探讨WRF模型的原理，包括其基本方程、物理参数化方案、数值算法和模拟能力等方面。
第一部分: WRF模型概述与基本方程WRF模型是基于非静力学方程组构建的数值模型，可描述大气的动力学和热力学过程。
它的基本方程包括连续性方程、运动方程、热力学方程和状态方程。
我们将逐一解释这些方程的含义和作用，并说明它们在模拟天气系统中的重要性。
第二部分: WRF模型的物理参数化方案WRF模型的物理参数化方案用于模拟大气中的子网格尺度过程，如辐射、湍流、云微物理和大气边界层。
我们将重点介绍这些物理参数化方案的原理、应用范围和有效性，并讨论在不同气象事件中使用的最佳配置。
第三部分: WRF模型的数值算法WRF模型的数值算法是指用于离散化基本方程的数值格式和求解器。
我们将探讨WRF模型中常用的数值算法，如有限差分法、有限体积法和有限元法，并讨论它们在模拟天气现象中的优缺点和适用性。
第四部分: WRF模型的模拟能力与评估方法WRF模型的模拟能力是指其对实际天气系统的精确度和准确性。
我们将介绍常用的评估方法，如观测对比、统计指标和模拟验证等，并分析WRF模型在不同气象事件和地区的模拟表现。
同时，我们也将探讨模型参数和初始条件对模拟结果的敏感性。
结论: 对WRF模型原理的深入解析在本文中，我们全面解析了WRF模型的原理与机制。
通过对基本方程、物理参数化方案、数值算法和模拟能力的分析，可以更好地理解该模型在天气和气候预测方面的应用。
此外，我们还提供了对WRF模型的观点和理解，强调了其在科学研究和气象预测中的重要性和潜力。
通过本文，读者可以深入了解WRF模型的内部机制和运行原理，为其未来的研究工作和实践应用提供指导和参考。
wrf模型的基本知识
wrf模型的基本知识WRF模型的基本知识一、概述WRF（Weather Research and Forecasting）模型是一种用于天气和气候预报的数值模拟工具。
它是由美国国家大气研究中心（NCAR）和美国国家海洋和大气管理局（NOAA）共同研发的。
WRF模型具有可配置性强、适应性广、精度高等特点，被广泛应用于全球各地的天气和气候研究。
二、模型结构WRF模型采用了多种物理参数化方案，包括动力学参数化方案、湍流参数化方案、辐射参数化方案等。
它基于天气和气候的基本方程组，通过离散化和数值求解，模拟大气运动、能量传递和水循环等过程。
WRF模型的核心是动力学内核，它采用了各种数值求解方法，如有限差分法、谱方法等，以求解大气运动方程。
三、模拟过程WRF模型的模拟过程主要包括数据预处理、初始条件和边界条件设置、模型运行和后处理等步骤。
数据预处理主要包括对观测数据进行插值、平滑和纠正等处理，以提供模型初始场和边界场所需的数据。
初始条件和边界条件设置是模拟过程中非常重要的一环，它们直接影响着模拟结果的准确性和可靠性。
模型运行是指将WRF模型输入数据和参数配置文件加载到计算机中，并进行模拟计算的过程。
后处理是指对模拟结果进行可视化、分析和评估的过程，以便更好地理解和利用模拟结果。
四、应用领域WRF模型可以用于天气预报、气候模拟、环境污染预测等多个领域。
在天气预报方面，WRF模型可以提供高时空分辨率的天气预报产品，帮助决策者和公众做出准确的天气决策。
在气候模拟方面，WRF模型可以模拟全球和区域的气候变化过程，为气候研究和政策制定提供科学依据。
在环境污染预测方面，WRF模型可以模拟大气污染物的扩散和传输过程，为环境管理和应急决策提供支持。
五、发展趋势随着计算机技术的不断进步和数据观测能力的提高，WRF模型正不断发展和完善。
未来，WRF模型将更加精细化、高分辨率、多尺度，并且与其他模型和数据进行集成，以提高预报准确性和可靠性。
《2024年新一代中尺度天气预报模式——WRF模式简介》范文
《新一代中尺度天气预报模式——WRF模式简介》篇一一、引言随着科技的不断进步，天气预报的准确性和精细度已经成为现代社会不可或缺的重要信息。
其中，中尺度天气预报模式作为现代气象学领域的重要工具，正逐渐成为国内外气象研究的重要方向。
WRF（Weather Research and Forecasting）模式作为新一代中尺度天气预报模式，具有极高的预报精度和广泛的适用性，被广泛应用于气象学、环境科学、农业和军事等领域。
本文将对新一代中尺度天气预报模式——WRF模式进行简要介绍。
二、WRF模式的概述WRF模式是一种基于数值模拟和计算流体力学原理的中尺度天气预报模式。
该模式采用了先进的大气物理过程描述、复杂的地表过程模拟和丰富的模式系统设置，可对各种天气现象进行精细的模拟和预测。
与传统的天气预报方法相比，WRF模式具有更高的时空分辨率和更准确的预报结果。
三、WRF模式的特点1. 高分辨率：WRF模式具有极高的时空分辨率，可以实现对局部地区天气现象的精细模拟和预测。
2. 灵活性：该模式提供了丰富的参数化方案和物理过程描述，可以根据不同的研究需求进行定制和调整。
3. 强大的计算能力：WRF模式支持并行计算和分布式计算，可以充分利用计算机集群和超级计算机的计算能力，提高计算速度和精度。
4. 广泛的应用领域：WRF模式被广泛应用于气象学、环境科学、农业、军事等领域，具有广泛的应用前景和价值。
四、WRF模式的应用1. 气象学领域：WRF模式可对各种天气现象进行模拟和预测，如暴雨、龙卷风、干旱等，为气象预报提供了重要的工具和依据。
2. 环境科学领域：WRF模式可用于空气质量模拟和预测，为环境保护和污染治理提供科学依据。
3. 农业领域：WRF模式可用于农业气象灾害的预测和评估，为农业生产提供科学指导。
4. 军事领域：WRF模式可用于战场气象条件模拟和预测，为军事行动提供重要的决策支持。
五、结论作为新一代中尺度天气预报模式，WRF模式具有高分辨率、灵活性、强大的计算能力和广泛的应用领域等特点。
WRF模式入门指南
WRF模式入门指南WRF（Weather Research and Forecasting）模式是一种流行的天气数值预测模式，可用于预测从小尺度到大尺度的天气过程，并广泛应用于天气预报、气候研究和空气质量模拟等领域。
本文将提供一个WRF模式的入门指南，帮助读者了解WRF模式的基本概念、安装和配置过程以及如何运行和解释模拟结果等内容。
1.WRF模式的基本概念-WRF模式基于有限差分方法，将大气划分为水平上的格点和垂直上的多个层次。
-WRF模式包括多个物理过程模块，如大气动力学、辐射传输、湍流参数化等，通过模拟这些过程来预测天气变化。
-WRF模式可以通过配置不同的参数和物理方案来适应不同的研究需求和预报任务。
2.安装和配置WRF模式-配置编译环境，包括设置环境变量、加载必要的软件库等。
- 运行配置脚本，根据需求选择编译选项，并生成Makefile。
- 编译WRF模式，执行Make命令进行编译。
-安装WRF模式，将编译生成的可执行文件复制到指定目录。
3.WRF模式的运行-准备模拟所需的输入数据，包括初始场、边界条件和外部强迫数据。
- 编写并配置WRF模式所需的输入文件，如namelist.input、namelist.wps等。
-运行WRF预处理系统（WPS），将输入数据处理为WRF模式所需的格式。
- 运行WRF模式，执行wrf.exe或mpirun命令，并指定输入文件。
-监控模拟进程，包括查看日志文件、输出文件以及诊断信息等。
-解释和分析模拟结果，使用可视化工具或编程语言进行后处理和数据分析。
4.WRF模式的结果解释-了解WRF模式输出的主要变量，如温度、湿度、风速、降水等。
-对模拟结果进行验证，与实测数据进行对比，评估模拟的准确性。
-分析模拟结果的时空分布特征，探索天气系统的演变过程。
-使用统计方法和数值模型评估指标，比较不同模拟实验的性能。
-利用后处理工具和编程语言进行进一步分析，如绘制图表、计算气象量等。
wrf技术 格式 -回复
wrf技术格式-回复WRF技术：高效的天气预报模拟工具引言气象对于人类的生活和工作具有重要的影响，而准确的天气预报是气象工作的重要任务之一。
随着气象科学和技术的不断发展，人们对天气预报模拟工具的要求也越来越高。
在此背景下，WRF技术应运而生。
WRF （Weather Research and Forecasting Model）是一种高效的天气预报模拟工具，被广泛应用于地面天气和大气环境研究。
一、WRF技术的概述WRF技术是由美国国家大气研究中心（NCAR）和美国国家环境预报中心（NCEP）联合开发的，是一种基于数值模式的天气和大气研究工具。
WRF 技术能够对天气系统进行模拟和预报，提供具有时空连续性的三维大气变量的预报结果。
二、WRF技术的组成部分WRF技术包含了一系列的物理参数化方案、动力学模型和数据分析方法。
其主要组成部分包括：1. 物理参数化方案：WRF技术采用了多种物理参数化方案，用于描述大气中水汽、云、降水等现象的发生和演变。
常用的物理参数化方案包括微物理方案、边界层方案和大气辐射传输方案等。
2. 动力学模型：WRF技术采用了多种动力学模型，用于描述大气中风场的演变。
其中，动力学核心采用了有限差分法和有限体积法等数值方法，用于求解大气动力学方程。
3. 数据分析方法：WRF技术支持多种数据分析方法，用于处理实测数据和模拟数据，并提供合理的模拟和预报结果。
这些数据分析方法包括插值方法、统计方法和验证方法等。
三、WRF技术的使用流程WRF技术的使用流程可以分为建模、运行和分析三个阶段。
1. 建模阶段：在建模阶段，使用者需要确定模拟的区域范围、时间段和所需参数化方案等。
根据实际需求，使用者可以选择不同的物理参数化方案和动力学模型，并进行优化设置。
此外，在建模阶段还需要准备输入数据，包括地形数据、初始场和边界场等。
2. 运行阶段：在运行阶段，使用者需要将建模所需的数据输入WRF模型，并运行模型求解大气动力学和物理变量的演化过程。
wrf模型原理
WRF模型原理1. 概述WRF（Weather Research and Forecasting model）是一种用于天气和气候模拟的数值模型。
它是一个开源的大气动力学模型，被广泛应用于气象学、气候学和环境研究领域。
WRF模型的基本原理是通过求解大气动力学和热力学方程，模拟大气中的运动、湍流和物理过程，从而预测未来的天气变化。
2. 大气动力学方程WRF模型的核心是求解大气动力学方程组，包括质量守恒、动量守恒和能量守恒方程。
这些方程描述了大气中的气体运动、湍流和辐射传输等过程。
2.1 质量守恒方程质量守恒方程描述了大气中的气体密度变化与质量通量之间的关系。
它可以写成以下形式：∂ρ∂t+∇⋅(ρu)=0其中，ρ为气体密度，u为气体的速度矢量，∇⋅(⋅)表示散度运算符。
这个方程表示气体的质量在空间和时间上的变化率等于质量通量的散度。
2.2 动量守恒方程动量守恒方程描述了气体运动的力学过程。
它可以分解为水平动量守恒方程和垂直动量守恒方程。
2.2.1 水平动量守恒方程水平动量守恒方程可以写成以下形式：∂ρu∂t+∇⋅(ρuu)=−∇p−fk×(ρu)+ρg其中，k为垂直向上的单位矢量，p为气体压强，f为科氏参数，g为重力加速度。
这个方程描述了气体在水平方向上的加速度与压强梯度、科氏力和重力之间的关系。
2.2.2 垂直动量守恒方程垂直动量守恒方程可以写成以下形式：∂ρw ∂t +∇⋅(ρwu)=∂p∂z+ρg其中，w为气体的垂直速度。
这个方程描述了气体在垂直方向上的加速度与垂直压强梯度和重力之间的关系。
2.3 能量守恒方程能量守恒方程描述了气体的温度和能量传输过程。
它可以写成以下形式：∂ρθ+∇⋅(ρθu)=−∇⋅(ρuc p T)+∇⋅(ρu⋅F)+Q∂t其中，θ为温度，c p为恒压比热容，T为气体的温度，F为辐射通量，Q为加热项。
这个方程描述了气体的温度变化与湍流混合、辐射传输和加热之间的关系。
新一代中尺度预报模式( WRF)
陆面过程方案
马红云等研究表明: 采用耦合陆面方案可 以有效改善降水模拟结果; 但是由于不同陆面 方案考虑的要素和物理过程存在一定差异， 它们对降水的模拟各有所长，综合比较各试 验结果，Noah 方案的模拟效果较其他方案更 为稳定与合理。当考虑城市下垫面时，UCM 方案的模拟效果略优于其他方案，说明是否 考虑城市地区的影响应当成为选择陆面方案 的依据之一。
WRF的不足
• 模式水平分辨率问题 • 单次模拟存在偶然性问题
WRF的发展趋势
• 第一，向更长的时间尺度过渡，构建同时 能模拟天气尺度和气候尺度现象的通用模 式; • 第二，与区域海洋模式相耦合，构建高分 辨率的区域耦合模式。
谢 谢
• 2000 年推出第一个版本； • 2004 年5 月发布的第二版WRF V2.0 包含了单重 和双重嵌套以及三维变分数据同化系统( 3Dimensional Variational data Assimilation System， 3DVAR)； • WRF V2.2 提出WRF 的预处理系统( WRF Preprocessing System，WPS) ，以期取代WRF 标准初始化模块( WRStandard Initialization， WRF SI)； • WRF V3 版本中WPS 才得到正式使用； • 2011 年3 月推出的WRF V3.3，它更新了4DVAR, 是目前最新版本。
WRF
• WRF 模式( Weather Research and Forecasting Model，WRF Model)，美国多所科研机构的科 学家们共同研发，继承了各个研究机构的最新 研究成果，业务与研究共用的新一代高分辨率 中尺度预报模式； • WRF 模式是一种完全可压非静力模式，采用 Arakawa C 网格，集数值天气预报、大气模拟 及数据同化于一体的模式系统，能够更好地改 善对中尺度天气的模拟和预报，目前主要应用 于有限区域的天气研究和业务预报。
wrf 微物理方案
1. 引言WRF（Weather Research and Forecasting Model）是一个广泛使用的数值天气预报模型，被广泛应用于气象预测、气候模拟和空气质量预测等领域。
其中微物理方案是WRF模型的一个重要组成部分，用于描述和模拟大气中云、降水和雪等微观物理过程。
本文将介绍WRF微物理方案的基本原理、分类和应用。
2. 微物理方案的基本原理微物理方案旨在模拟大气中云滴、冰晶等微观物理物质在空气中的演化过程，从而更准确地预测降水、云量等天气现象。
微物理方案基于云微物理学原理，考虑云滴凝结、云滴自动斥力、自动冰核生成等过程。
常见的微物理参数包括云水含量、云数浓度、云滴半径等。
3. 微物理方案的分类根据不同的微物理过程和参数化方案，微物理方案可以分为多种类型。
以下是一些常见的微物理方案分类：3.1 单参数方案单参数方案是一个简单的微物理方案，只通过一个参数来描述云滴半径和云水含量。
这种方案通常只考虑云滴凝结和沉积，并忽略其他微物理过程，适用于简单的预测模拟。
3.2 双参数方案双参数方案引入了另一个参数来描述雪花和冰晶的半径和含量。
这种方案考虑云滴自动斥力、降水过程等，能够更准确地描述云和降水物理过程。
3.3 多参数方案多参数方案是一种复杂的微物理方案，通过引入多个参数来描述云滴、冰晶、雨滴等的物理性质。
多参数方案通常包括更多的微物理过程和物种，能够更全面地模拟大气中的微观物理过程。
4. 微物理方案的应用微物理方案在气象预报、气候模拟和空气质量预测中都起着至关重要的作用。
以下是一些微物理方案的应用场景：4.1 雨量预报微物理方案能够模拟云滴的生成、生长和降水过程，从而能够更准确地预测雨量。
通过优化微物理方案参数，可以提高降水预报的准确性。
4.2 云量模拟微物理方案对云滴和冰晶的模拟能够反映大气中的云量变化，从而能够更准确地模拟云量的分布和演化。
4.3 气候模拟通过微物理方案的引入，可以更准确地模拟大气中的云、降水等微观物理过程，从而对气候的模拟和预测提供更可靠的依据。
wrf模型运作原理解析
wrf模型运作原理解析标题：探究WRF模型运作原理：从简到繁的解析引言：WRF模型（Weather Research and Forecasting）是目前全球范围内使用最广泛的大气数值模式之一。
它被广泛用于气候研究、天气预报和气候变化等领域。
本文将从简到繁地解析WRF模型的运作原理，以帮助读者更深入地理解这一关键词。
我们将首先介绍WRF模型的基本原理和结构，然后探讨它的物理参数化方案、数值计算方法以及模拟结果验证等方面的内容。
第一部分：WRF模型的基本原理和结构1.1 WRF模型的发展背景和目标1.2 WRF模型的组成部分和整体结构1.3 WRF模型的网格划分和空间分辨率选择第二部分：物理参数化方案的选择和应用2.1 大气物理参数化方案的概述2.2 WRF模型中常用的物理参数化方案2.3 物理参数化方案的选择方法和影响因素分析第三部分：数值计算方法和迭代求解技术3.1 WRF模型中的数值计算方法3.2 有限差分和谱方法的比较与选择3.3 迭代求解技术在WRF模型中的应用第四部分：模拟结果验证和性能评估4.1 模拟结果验证的基本原理和方法4.2 常用的模拟结果验证指标和评价方法4.3 WRF模型的性能评估与未来发展方向总结与回顾：通过对WRF模型的解析，我们深入了解了它的基本原理和结构，以及物理参数化方案的选择和应用，数值计算方法和模拟结果验证等方面的内容。
我们了解到WRF模型是如何通过网格划分和空间分辨率选择进行高效的数值计算，以实现对大气现象的模拟和预报。
同时，我们也意识到在实际应用中需要合理选择适用的物理参数化方案，并使用验证指标评估模拟结果的准确性。
随着技术的不断进步，WRF模型的性能将得到进一步提升，并在气候研究和天气预报等领域发挥更加重要的作用。
观点和理解：作为文章写手，我深刻理解WRF模型的重要性和应用价值。
WRF模型不仅可以帮助我们更好地了解气候变化和天气预测，在各种应用场景中也具有广泛的应用前景。
WRF物理过程参数化方案简介
WRF物理过程参数化方案简介(WRF V2)1 辐射过程参数化1.1 RRTM长波辐射方案来自于MM5模式,采用了Mlawer等人的方法。
它是利用一个预先处理的对照表来表示由于水汽、臭氧、二化碳和其他气体,以及云的光学厚度引起的长波过程。
1.2 Dudhia 短波辐射方案来自于MM5模式,采用Dudhia的方法,它是简单地累加由于干净空气散射、水汽吸收、云反射和吸收所引起的太阳辐射通量。
采用了Stephens的云对照表。
1.3 Goddard短波辐射方案它是由Chou和Suarez发展的一个复杂光学方案。
包括了霰的影响,适用于云分辨模式。
1.4 Eta Geophysical Fluid Dynamics Laboratory(GFDL)长波辐射方案这个辐射方案来自于GFDL。
它将Fels和Schwarzkopf的两个方案简单的结合起来了,计算了二氧化碳、水汽、臭氧的光谱波段。
1. 5 Eta Geophysical Fluid Dynamics Laboratory(GFDL) 短波辐射方案这个短波辐射方案是Lacis和Hansen参数化的GFDL版本。
用Lacis和Hansen的方案计算大气水汽、臭氧的作用。
用Sasamori等人的方案计算二氧化碳的作用。
云是随机重叠考虑的。
短波计算用到时间间隔太阳高度角余弦的日平均。
2 微物理过程参数化2.1 Kessler暖云方案来自于COMMAS模式,是一个简单的暖云降水方案,考虑的微物理过程包括:雨水的产生、降落以及蒸发,云水的增长,以及由凝结产生云水的过程,微物理过程中显式预报水汽、云水和雨水,无冰相过程。
2.2 Purdue Lin方案微物理过程中,包括了对水汽、云水、雨、云冰、雪和霰的预报,在结冰点以下,云水处理为云冰,雨水处理为雪。
所有的参数化项都是在L in等人以及Rutledge和Hobbs的参数化方案的基础上得到的,某些地方稍有修改,饱和修正方案采用Tao的方法。
wrf模式地形平滑方案
WRF模式地形平滑方案简介WRF（Weather Research and Forecasting Model）是一种用于天气和气候模拟的先进数值模式。
在WRF模式中，地形平滑是一个重要的预处理步骤，用于减小地形高度的尺度差异，以便模拟更准确的气象和气候现象。
本文将介绍WRF模式中常用的地形平滑方案。
地形平滑方案分类WRF模式中常用的地形平滑方案可以分为两大类：物理方案和数值方案。
物理方案物理方案基于地形剖面包含的实际物理过程进行平滑，主要包括以下几种方案：1.摩擦速度平滑：通过平滑地表摩擦速度来减小地形尺度差异的影响。
2.坡度平滑：通过对地表坡度进行平均化处理，降低地形尺度差异对风场模拟的影响。
3.垂直速度平滑：通过平滑垂直速度来减小地形尺度差异对温度和湿度分布的影响。
4.地表温度平滑：通过平滑地表温度来减小地形高度差异对大气温度的扰动。
5.大气湍流平滑：通过平滑大气湍流过程来减小地形尺度差异对风场模拟的影响。
数值方案数值方案是基于离散数值计算的方法来平滑地形，主要包括以下几种方案：1.区域均值法：将每个网格单元的地形高度近似为该网格单元及其周围网格单元的平均值。
2.梯度消除法：通过求解一个梯度消除方程来调整地形高度，使其满足前后两个网格单元的梯度条件。
3.虚拟高度法：通过引入虚拟高度来调整地形高度，使其接近于周围网格单元的平均高度。
4.地形变换法：通过一系列地形变换操作来逐渐平滑地形，如削峰填谷、插值等。
WRF模式中常用的地形平滑方案在WRF模式中，常用的地形平滑方案主要包括以下几种：1.WRF-LES：WRF模式中的大涡模拟（LES）方案可以准确地模拟细观尺度的地形特征，通过在模拟过程中引入小尺度涡旋结构，进而减小地形高度的尺度差异。
2.WRF-PBL：WRF模式中的边界层模式（PBL）可以通过强迫运动方程来调整地形高度，以减小地形尺度差异对大气的影响。
3.WRF-ARW：WRF模式中的自适应网格细化和精细区域模拟（ARW）方案可以通过自适应网格细化技术来平滑地形，以减小地形尺度差异的影响。
附录1 WRF模式参数配置说明
附录1 WRF模式参数配置说明由wrfchina 于星期五, 2012-04-06 15:08 提交注意，参数选项名称后跟的(max_dom)是表示此参数需定义成嵌套形式。
参数配置第一部分这部分参数仅用于由真实大气方案的预处理程序产生的输入数据。
当输入数据产生于理想大气试验方案时，这部分参数将会被忽略。
对于大多数真实大气方案来说，起止时间的分和秒都应该设为0。
常用的小时和秒之间的换算关系有：3小时＝10800秒；6小时＝21600秒；12小时＝43200秒。
&time_controlrun_days运行的天数run_hours运行的小时数注意：如果模式积分时间大于1天，则可同时设置run_days和_run_hours，也可设置run_hours一个参数。
比如：模式运行的总时间长度为36小时，则可设置run_days=1，且run_hours=12，或者设置run_days=0，且run_hours=36。
run_minutes运行的分钟数run_seconds运行的秒数start_year(max_dom) =2001四位数字表示的起始年份。
start_month(max_dom) =04两位数字(01-12)表示的起始月份。
start_day(max_dom) =20两位数字(01-31)表示的起始天数。
start_hour(max_dom) =12两位数字(00-23)表示的起始小时数。
start_minute(max_dom) =00两位数字(00-59)表示的起始分钟数。
start_second (max_dom) =00两位数字(00-59)表示的起始秒数。
end_year(max_dom) =2001四位数字表示的终止年份。
end_month(max_dom) = 04两位数字(01-12)表示的终止月份。
end_day(max_dom) ＝21两位数字(01-31)表示的终止天数。
wrfucm参数化方案
wrfucm参数化方案WRFUCM参数化方案WRFUCM（Weather Research and Forecasting with Urban Canopy Model）是一种用于城市气象模拟的参数化方案。
该方案结合了WRF（Weather Research and Forecasting）模型和UCM （Urban Canopy Model），能够更准确地模拟城市内部的气象过程。
本文将详细介绍WRFUCM参数化方案的原理和应用。
一、WRFUCM参数化方案的原理WRFUCM参数化方案的核心是将UCM嵌入WRF模型中，以模拟城市内部的复杂气象过程。
UCM是一种城市地表参数化方案，能够考虑城市地表和大气之间的相互作用。
它将城市地表划分为多个不同类型的区域，如建筑物、道路和绿地等，并对每个区域进行参数化。
UCM考虑了城市地表的热、水和动量交换，能够模拟城市内部的温度、湿度和风场分布。
WRFUCM参数化方案将UCM嵌入到WRF模型的物理参数化过程中。
在模拟过程中，WRF模型首先计算整个模拟区域的大气初始场，并根据UCM的参数设置，将城市地表的特征输入到模型中。
然后，WRF模型在城市地区的每个网格点上计算UCM的参数化过程，包括城市地表的能量平衡、水平和垂直动量传输等。
最后，WRF模型将城市地表的气象过程与大气的相互作用考虑在内，得到城市内部的气象场。
二、WRFUCM参数化方案的应用WRFUCM参数化方案在城市气象模拟中具有广泛的应用价值。
首先，该方案能够提高城市内部气象的模拟精度。
传统的气象模型通常忽略了城市地表的复杂性，导致城市内部气象模拟结果的误差较大。
而WRFUCM参数化方案能够更准确地模拟城市内部的温度、湿度和风场分布，提高模拟结果的准确性。
WRFUCM参数化方案可以用于城市气象灾害的预测与预警。
城市气象灾害，如热岛效应、城市内部的强风和降水等，对城市居民的生活和财产安全具有重要影响。
通过使用WRFUCM参数化方案，可以对城市内部的气象过程进行模拟和预测，及时发出气象灾害预警，为城市管理者和居民提供决策依据。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
WRF物理过程参数化方案简介(WRF V2)
分类：WRF相关 | 时间：2009-06-19 00:40 | 阅读：508人/次 | 发布者：laiwf
作者：胡向军, 陶健红 ,郑飞 ,王娜,张铁军,刘世祥,尚大成
1 辐射过程参数化
1.1 RRTM长波辐射方案
来自于MM5模式,采用了Mlawer等人的方法。
它是利用一个预先处理的对照表来表示由于水汽、臭氧、二化碳和其他气体,以及云的光学厚度引起的长波过程。
1.2 Dudhia 短波辐射方案
来自于MM5模式,采用Dudhia的方法,它是简单地累加由于干净空气散射、水汽吸收、云反射和吸收所引起的太阳辐射通量。
采用了Stephens的云对照表。
1.3 Goddard短波辐射方案
它是由Chou和Suarez发展的一个复杂光学方案。
包括了霰的影响,适用于云分辨模式。
1.4 Eta Geophysical Fluid Dynamics Laboratory(GFDL)长波辐射方案
这个辐射方案来自于GFDL。
它将Fels和Schwarzkopf的两个方案简单的结合起来了,计算了二氧化碳、水汽、臭氧的光谱波段。
1. 5 Eta Geophysical Fluid Dynamics Laboratory(GFDL) 短波辐射方案
这个短波辐射方案是Lacis和Hansen参数化的GFDL版本。
用Lacis和Hansen的方案计算大气水汽、臭氧的作用。
用Sasamori等人的方案计算二氧化碳的作用。
云是随机重叠考虑的。
短波计算用到时间间隔太阳高度角余弦的日平均。
2 微物理过程参数化
2.1 Kessler暖云方案
来自于COMMAS模式,是一个简单的暖云降水方案,考虑的微物理过程包括:雨水的产生、降落以及蒸发,云水的增长,以及由凝结产生云水的过程,微物理过程中显式预报水汽、云水和雨水,无冰相过程。
2.2 Purdue Lin方案
微物理过程中,包括了对水汽、云水、雨、云冰、雪和霰的预报,在结冰点以下,云水处理为云冰,雨水处理为雪。
所有的参数化项都是在L in等人以及Rutledge和Hobbs的参数化方案的基础上得到的,某些地方稍有修改,饱和修正方案采用Tao的方法。
这个方案是WRF模式中相对比较成熟的方案,更适合于理论研究。
2.3 Eta Ferrier方案
此方案预报模式平流项中水汽和总凝结降水的变化。
程序中,用一个局域数组变量来保存初始猜测场信息,然后从中分解出云水,雨水,云冰,以及降冰的变化的密度(冰的形式包括雪、霰或冰雹) 。
降冰密度是根据存有冰的增长信息的局域数组来估计,其中,冰的增长与水汽凝结和液态水增长有关。
沉降过程的处理是将降水时间平均通量分离成格点单元的立体块。
这种处理方法,伴随对快速微物理过程处理方法的一些修改,使得方案在大时间步长时计算结果稳定。
根据Ryan的观测结果,冰的平均半径假定为温度函数。
冰水混合相仅在温度高于-10℃时考虑,而冰面饱和状态则假定在云体低于-10℃。
2.4 WRF Single_Moment_3_class (WSM3) 方案
该方案来自于旧的NCEP3方案的修正,包括冰的沉降和冰相的参数化。
和其它方案不同的是诊断关系所使用冰的数浓度是基于冰的质量含量而非温度。
方案包括三类水物质:水汽、云水或云冰、雨水或雪。
在这种被称为是简单的冰方案里面,云水和云冰被作为同一类来计算。
它们的区别在于温度,也就是说当温度低于或等于凝结点时冰云存在,否则水云存在,雨水和雪也是这样考虑的。
该方案对于业务模式来说已足够有效。
2.5 WSM5 方案
与WSM3类似的对NCEP5方案进行了修正,它代替了NCEP5版本。
2.6 WSM6 方案
该方案扩充了WSM5方案,它还包括有霰和与它关联的一些过程。
这些过程的参数化大多数和Lin等人的方案相似,在计算增长和其它参数上有些差别。
为了增加垂直廓线的精度,在下降过程中会考虑凝结/融化过程。
过程的顺序会最优化选择,是为了减少方案对模式时间步长的敏感性。
和WSM3、WSM5一样,饱和度调节按照Dudhia和Hong等人的方案分开处理冰和水的饱和过程。
2.7 Thompson方案
该方案改进了较早的Reisner方案,还作了广泛的测试。
该方案还被用来做理想试验研究和中纬度冬季观测资料的比较。
这个方案被设计用来提高冻雨天气情况下航天安全保障的预报。
3 边界层参数化方案
3.1 MM5相似理论近地面层方案
这个方案用了Paulson、Dyer和Webb稳定性函数来计算地面热量、湿度、动力的交换系数。
用Beljaars提出的对流速度来加强地面热量和湿度通量。
常与MRF或YSU边界层方案联合使用。
3.2 ETA相似理论近地面层方案
基于Monin-Obukhov理论,在水面上,粘性下层显式参数化,在陆地近地面层上,粘性下层则考虑了变化的位势高度对温度和湿度的作用,近地面通量通过迭代途径进行计算,并用Beljaars修正法来避免在不稳定表面层和无风时出现的奇异性。
常与ETAM-Y-J TKE边界层方案联合使用。
3.3 Eta Mellor-Yamada-Janjic TKE边界层方案
此方案用边界层和自由大气中的湍流参数化过程代替Mellor-Yamada的2. 5阶湍流闭合模型。
这是
将用于Eta模式中的Mellor-Yamada-Janjic方案引入该模式的一种边界层方案,它预报湍流动能,并有局地垂直混合。
该方案调用SLAB (薄层)模式来计算地面的温度;在SLAB之前,用相似理论计算交换系数,在SLAB之后,用隐式扩散方案计算垂直通量。
3.4 Medium Range ForecastModel (MRF) 边界层方案
该方案在不稳定状态下使用反梯度通量来处理热量和水汽。
在行星边界层中使用增强的垂直通量系数,行星边界层高度由临界Richardson 数决定。
它利用一个基于局地自由大气Ri的隐式局地方案来处理垂直扩散项。
3.5 YonseiUniversity (YSU) 边界层方案
YSU是MRF边界层方案的第二代。
对于MRF增加了处理边界层顶部夹卷层的方法。
4 积云对流参数化
4.1 浅对流EtaKain-Fritsch方案
在Eta模式中对Kain-Fritsch 方案进行了调整,利用了一个简单的云模式伴随水汽的上升和下沉,同时包括了卷入和卷出,以及相对粗糙的微物理过程的作用。
4.2 Betts-Miller-Janjic方案
对Betts-Miller方案进行了调整和改进,在一给定的时段,对热力廓线进行张弛调整,在张弛时间内,对流的质量通量可消耗一定的有效浮力。
此方案为对流调整方案,浅对流调整是该方案的重要部分。
4.3 Kain-Frisch方案
此方案是KF方案的修正方案。
与老的KF方案一样,此方案也用了一个简单的包含水汽抬升和下沉运动的云模式,包括卷出、卷吸、气流上升和气流下沉现象。
4.4 Grell-Devenyi集合方案
该方案是质量通量类型,用不同的上升、下沉、卷入、卷出的参数和降水率。
静态控制的不同结合了动态控制的不同,这是决定云质量通量的方法。
5 陆面过程参数化
5.1 热量扩散方案
基于MM5的5层土壤温度模式,分别是1、2、4、8和16cm,在这些层下温度固定为日平均值。
能量计算包括辐射、感热和潜热通量,同时也允许雪盖效应。
5.2 Noah 方案
Noah陆面过程参数化是OSU的后继版,与原先的相比,可以预报土壤结冰、积雪影响,提高了处理城市地面的能力,考虑了地面发射体的性质,这些是OSU所没有的。
5.3 Rapid Update Cycle (RUC) 方案
这个方案有六个土壤层和两个雪层。
它考虑了土壤结冰过程、不均匀雪地、雪的温度和密度差异,以及植被效应和冠层水。
6 讨论
1)参数化的选取与模式的分辨率有关,应根据模式网格设计情况选取相适应的参数化方案。
如在高分辨率情况下,对流已不再完全是次网格尺度现象,这时应考虑选择合理的纯显式云物理方案。
对于格距小于5km的情况,一般建议不采用积云参数化方案。
2)由于各种参数化方案在设计原理、复杂程度、计算耗费机时和成熟程度等方面存在差异,研究者应根据研究目的和计算条件等情况来综合判断、对比选择。
如对中尺度系统的考察,积云参数化需包括湿下沉气流、中上层的云卷出和非降水性浅对流,显式云物理方案则需同时加入含有水相和冰相的预报方程, 以计入水负荷、凝结蒸发、冻结融化和凝华升华的影响。
3)由于模式在区域预报的效果与参数化方案的适应性至关重要,目前很多参数化方案对中小尺度系统描述能力不足,所以开发适合本地域特点的参数化方案意义重大。