모수화(기후 모델링)

Parametrization (climate modeling)

날씨 또는 기후 모델의 매개 변수화는 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 있습니다.이러한 매개 변수화와 관련하여 단순화된 프로세스에서 사용되는 다양한 매개 변수가 있습니다.예를 들어, 빗방울의 하강 속도, 대류 구름, 대기 복사 전송 코드를 기반으로 한 대기 복사 전송의 단순화, 구름 미시 물리학이 있습니다.복사 매개 변수화는 대기 및 해양 모델링 모두에 중요합니다.개별 그리드 박스 내의 다양한 소스로부터의 대기 배출물도 대기 품질에 미치는 영향을 결정하기 위해 매개변수화되어야 합니다.

구름

적란운장

날씨 및 기후 모델 그리드 박스의 측면은 5km(3.1mi)에서 300km(190mi) 사이입니다.일반적인 적란운의 규모는 1km(0.62mi) 미만이며, 유체 운동 방정식으로 물리적으로 나타내려면 이보다 더 미세한 격자가 필요합니다.따라서 이러한 클라우드가 나타내는 프로세스는 다양한 정교함의 프로세스에 의해 매개 변수화됩니다.초기 모델의 경우, 모델 그리드 상자의 공기 열이 불안정한 경우(즉, 맨 위보다 아래가 따뜻할 경우), 공기 열이 뒤집히고 수직 열의 공기가 혼합됩니다.보다 정교한 체계는 상자의 일부만 대류할 수 있고 엔터테인먼트 및 기타 프로세스가 [1]발생할 수 있다는 것을 인식하여 향상을 추가합니다.측면이 5km(3.1mi)에서 25km(16mi) 사이인 격자 상자를 가진 기상 모델은 여전히 구름 미세 [2]물리학을 매개 변수화해야 하지만 대류 구름을 명시적으로 나타낼 수 있습니다.

대규모(층류형) 구름의 형성은 더 물리적으로 기반을 둡니다. 상대 습도가 지정된 값에 도달하면 형성됩니다.여전히, 서브 그리드 규모 프로세스를 고려해야 합니다.구름이 100% 상대 습도에서 형성된다고 가정하는 대신, 구름 분율은 층류형 구름의 경우 70%, [3]적란운의 경우 80% 이상의 임계 상대 습도와 관련이 있을 수 있으며, 이는 실제 세계에서 발생할 서브 그리드 규모 변화를 반영합니다.강수량 매개 변수화의 일부에는 응축 속도, 수증기에서 액체 방울로의 상태 변화를 다루는 에너지 교환, 수증기에서 [4]물방울로의 변화 속도를 제어하는 미세 물리적 구성 요소가 포함됩니다.

방사선과 대기-표면 상호작용

울퉁불퉁한 지형에서 지표면에 도달하는 태양 복사의 양 또는 다양한 구름 때문에 이 과정이 분자 [5]규모에서 발생할 때 매개 변수화됩니다.이 매개 변수화 방법은 실제 해수면 온도와 해양 [4]표면 근처에서 발견되는 해빙의 유형을 결정하기 위해 해양과 대기 사이의 에너지 표면 흐름에 대해서도 수행됩니다.또한 모델의 그리드 크기는 구름과 지형의 실제 크기와 거칠기에 비해 큽니다.선 각도와 여러 클라우드 계층의 영향이 [6]고려됩니다.토양 유형, 식생 유형 및 토양 수분은 모두 온난화에 얼마나 많은 방사선이 들어가고 얼마나 많은 수분이 주변 대기로 유입되는지를 결정합니다.따라서 모수화하는 [7]것이 중요합니다.

대기질

가우스 대기 오염 물질 분산 플룸이라고도 하는 부력의 시각화
참고 항목:대기 분산 모델링

대기질 예측은 오염 물질의 농도가 언제 공중 보건에 위험한 수준에 도달할 것인지를 예측하려고 시도합니다.대기 중 오염물질의 농도는 운송, 확산, 화학적 변형, 지반 [8]침하에 의해 결정됩니다.이러한 모델은 오염원 및 지형 정보와 함께 대기의 유체 흐름 상태에 대한 데이터를 필요로 합니다.[9]대기 품질 모델 내에서 매개변수화는 특정 그리드 [10]박스 내의 여러 비교적 작은 소스(예: 도로, 필드, 공장)의 대기 배출물을 고려합니다.

에디스

바다(그리고 더 다양하지만, 대기)는 밀도를 통해 계층화됩니다.정지 상태에서 일정한 밀도의 표면(바다에서 등각선이라고 함)은 일정한 압력의 표면(등각선)과 평행하게 됩니다.하지만, 지층 형성과 상승과 같은 다양한 과정은 등각선이 등각선에 비해 기울어지는 결과를 초래할 수 있습니다.이러한 기울어진 밀도 표면은 잠재적 에너지의 원천을 나타내며, 경사가 충분히 가파르면 바로크적 불안정성으로 알려진 유체 불안정성이 트리거될 수 있습니다.에디는 [11]유체의 비스듬한 교환을 통해 밀도 표면을 평평하게 만드는 바로클리닉 불안정성을 통해 생성됩니다.

결과적인 에디는 변형 반경에 의한 로스라고 불리는 특징적인 규모로 형성됩니다.이 척도는 층화 강도와 코리올리 모수(이 모수는 위도에 따라 다름)에 따라 달라집니다.그 결과 열대 지방에서는 약 1°(~100km)의 비늘에서 바로크라이닝 다이가 형성되지만 극지방과 일부 저장 [12]바다에서는 약 1/12°(~10km) 미만으로 형성됩니다.CMIP 실험의 일부로 실행되는 것과 같은 대부분의 기후 모델은 [13]바다에서 1-1/4°의 해상도로 실행되기 때문에 바다의 많은 부분, 특히 극지방에서 바로크라이닝된 질병을 해결할 수 없습니다.하지만, 높은 위도의 바로클리닉 다이는 지구 [16]기후에 영향을 미치는 대서양 자오선 전복 순환(AMOC)[14][15]과 같은 많은 해양 과정에서 중요합니다.결과적으로 에디의 효과는 기후 모델에서 매개 변수화됩니다. 예를 들어 널리 사용되는 Gent-McWilliams(GM) 매개 변수화를 통해 에디의 등간 편평화 효과를 [17][18]확산성으로 나타냅니다.이 매개 변수화는 완벽하지 않습니다. 예를 들어, 남극 순환 해류와 AMO의 민감도를 남극해 [19][20]상공의 바람 강도에 대해 예측할 수 있습니다.결과적으로 해양 [21][22]모델에서 에디의 표현을 개선하기 위해 대체 매개 변수화가 개발되고 있습니다.

해상도 향상 문제

모델 해상도가 증가함에 따라 그리드 박스가 대류 자체의 크기로 축소되면 더 큰 그리드 박스에 대해 통계적으로 유효한 가정이 의심스러워짐에 따라 습한 대류 프로세스와 관련된 오류가 증가합니다.격자 상자 치수가 약 30km(19mi)[23]인 T639보다 큰 해상도에서 아라카와-슈베르트 대류 체계는 최소의 대류 강수량을 생성하여 [24]대부분의 강수량을 비현실적으로 층형으로 만듭니다.

눈금 매기기

물리적 공정이 모수화될 때는 두 가지 선택을 해야 합니다. 즉, 구조적 형태(예: 두 변수가 선형으로 연관될 수 있음)와 모수의 정확한 값(예: 비례 상수)입니다.매개 변수화에서 매개 변수의 정확한 값을 결정하는 프로세스를 보정 또는 정밀도가 낮은 조정이라고 합니다.보정은 어려운 프로세스이며, 이를 위해 다양한 전략이 사용됩니다.한 가지 일반적인 방법은 모델 또는 하위 모델을 실행하여 온도와 같은 선택된 메트릭 세트와 비교하는 것입니다.실제와 가장 유사한 모델 실행을 유도하는 매개변수가 [25]선택됩니다.

참고 항목

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. ^ G., Williams, Richard (2011). Ocean dynamics and the carbon cycle : principles and mechanisms. Cambridge University Press. ISBN 978-0-521-84369-0. OCLC 930874048.
  12. ^ Hallberg, Robert (2013-12-01). "Using a resolution function to regulate parameterizations of oceanic mesoscale eddy effects". Ocean Modelling. 72: 92–103. doi:10.1016/j.ocemod.2013.08.007. ISSN 1463-5003.
  13. ^ Gutiérrez, J M; Treguier, Anne-Marie (2021). "Annex II: Models". IPCC AR6 WGI (PDF). IPCC.
  14. ^ Gnanadesikan, Anand (1999-03-26). "A Simple Predictive Model for the Structure of the Oceanic Pycnocline". Science. 283 (5410): 2077–2079. doi:10.1126/science.283.5410.2077. ISSN 0036-8075.
  15. ^ Johnson, Helen L.; Cessi, Paola; Marshall, David P.; Schloesser, Fabian; Spall, Michael A. (August 2019). "Recent Contributions of Theory to Our Understanding of the Atlantic Meridional Overturning Circulation". Journal of Geophysical Research: Oceans. 124 (8): 5376–5399. doi:10.1029/2019JC015330. ISSN 2169-9275.
  16. ^ Jackson, L. C.; Kahana, R.; Graham, T.; Ringer, M. A.; Woollings, T.; Mecking, J. V.; Wood, R. A. (December 2015). "Global and European climate impacts of a slowdown of the AMOC in a high resolution GCM". Climate Dynamics. 45 (11–12): 3299–3316. doi:10.1007/s00382-015-2540-2. ISSN 0930-7575.
  17. ^ Gent, Peter R.; Mcwilliams, James C. (1990-01-01). "Isopycnal Mixing in Ocean Circulation Models". Journal of Physical Oceanography. 20 (1): 150–155. doi:10.1175/1520-0485(1990)020<0150:IMIOCM>2.0.CO;2. ISSN 0022-3670.
  18. ^ Gent, Peter R.; Willebrand, Jurgen; McDougall, Trevor J.; McWilliams, James C. (1995-04-01). "Parameterizing Eddy-Induced Tracer Transports in Ocean Circulation Models". Journal of Physical Oceanography. 25 (4): 463–474. doi:10.1175/1520-0485(1995)025<0463:PEITTI>2.0.CO;2. ISSN 0022-3670.
  19. ^ Munday, David R.; Johnson, Helen L.; Marshall, David P. (2013-03-01). "Eddy Saturation of Equilibrated Circumpolar Currents". Journal of Physical Oceanography. 43 (3): 507–532. doi:10.1175/JPO-D-12-095.1. ISSN 0022-3670.
  20. ^ Marshall, David P.; Ambaum, Maarten H. P.; Maddison, James R.; Munday, David R.; Novak, Lenka (2017-01-16). "Eddy saturation and frictional control of the Antarctic Circumpolar Current: Eddy Saturation of the ACC". Geophysical Research Letters. 44 (1): 286–292. doi:10.1002/2016GL071702.
  21. ^ Marshall, David P.; Maddison, James R.; Berloff, Pavel S. (2012-04-01). "A Framework for Parameterizing Eddy Potential Vorticity Fluxes". Journal of Physical Oceanography. 42 (4): 539–557. doi:10.1175/JPO-D-11-048.1. ISSN 0022-3670.
  22. ^ Mak, J.; Marshall, D.P.; Maddison, J.R.; Bachman, S.D. (April 2017). "Emergent eddy saturation from an energy constrained eddy parameterisation". Ocean Modelling. 112: 125–138. doi:10.1016/j.ocemod.2017.02.007.
  23. ^ 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.
  24. ^ 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.
  25. ^ 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.

진일보한 내용

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