[发明专利]一种基于次网格占比函数的尺度自适应KF积云对流参数化方法

说明书

本发明公开了一种基于次网格占比函数的尺度自适应KF积云对流参数化方法，包括以下步骤：步骤A：通过数据拟合给出次网格占比均值函数；步骤B：将次网格占比均值函数引入到KF积云对流参数化方案中，得到新的具有尺度意识的积云对流参数化方案，即基于次网格占比函数的尺度自适应KF方案。本发明根据KF计算的积云高度与模式网格距，应用拟合的次网格感热通量平均占比函数，对KF积云对流方案的9个变量进行调整，使得KF积云方案具有了尺度意识特征，具有更好的理论支撑，构造了与模式格点尺度和积云尺度具有依赖关系的积云调整函数，使降水预报性能更加稳定，提高了降水预报的准确率。

技术领域

本发明涉及数值天气预报技术领域，特别涉及一种基于次网格占比函数的尺度自适应KF积云对流参数化方法。

背景技术

数值天气预报(numerical weather prediction)是指根据大气实际情况，在一定的初值和边值条件下，通过大型计算机作数值计算，求解天气演变过程的流体力学和热力学的方程组，预测未来一定时段的大气运动状态和天气现象的方法。积云对流过程是大气中重要的湿过程之一，通过感热、潜热和动量输送影响大尺度的环流，进而调整大气的温度和湿度场的垂直分布。积云对流参数化方案是考虑次网格尺度深对流和浅对流积云效应而引入的，通过已有模式格点物理量值间接计算次网格物理量的系综值，以描述模式网格不能分辨的由上升气流、下沉气流和云外补偿运动引起的热量、水汽及降水变化。

随着并行计算能力的快速提升，数值天气预报模式的分辨率也迅速提升。当模式的分辨率足够高时(4km～10km)，网格距与积云对流系统尺度相当。此时，模式可以部分地解析对流过程，即进入对流参数化方案的“灰区”(Kuell，et al，2007；Hong，et al，2012；马雷鸣等，2017)。在对流“灰区”，传统的对流参数化方案的系综理论假设不再适用，方案无法正确描述真实的次网格物理过程，这极大限制了高分辨率数值模式降水预报准确率的提升。

因此，与尺度相适应的积云对流参数化方案愈来愈受到研究者们的关注。Gomes等(2010)通过在Kain-Fritsch(KF)积云对流参数化方案(Kain and Fritsch 1990,1993；Kain 2004)中引入依赖分辨率的参数，考虑了尺度适应的对流过程。Zheng等(2016)提出了与模式尺度相依赖的对流调整时间尺度及对流夹卷率，发展了尺度适应的 KF积云对流参数化方案。Zheng等(2016)的尺度适应的KF积云方案已集成在NCAR(美国国家大气研究中心)等研发的WRF(中尺度天气预报模式)V4.0版本中，并成为广泛使用的具有尺度意识的积云对流参数化方案。但是，Zheng等(2016)的多尺度KF方案中β尺度因子的设计存在一定的主观性，缺少较为完善的理论支撑，这可能导致方案性能表现不够稳定。

发明内容

为了解决上述问题，本发明提供一种基于次网格占比函数的尺度自适应KF积云对流参数化方法，使得KF(Kain and Fritsch 1990,1993； Kain 2004)积云方案具有了尺度意识特征，具有更好的理论支撑，使降水预报性能更加稳定，提高了降水预报的准确率。

为解决上述问题，本发明通过以下方案实现：

一种基于次网格占比函数的尺度自适应KF积云对流参数化方法，包括以下步骤：

步骤A：通过数据拟合给出次网格占比均值函数；

步骤B：将次网格占比均值函数引入到KF(Kain and Fritsch 1990, 1993；Kain2004)积云对流参数化方案中，得到新的具有尺度意识的积云对流参数化方案，即基于次网格占比函数的尺度自适应KF方案。

进一步的，在步骤A中，次网格占比均值函数的拟合方法包括如下步骤：

步骤A1：构造参考湍流场，作为各分辨率模拟的真值，所构造的参考湍流场可提供网格与次网格尺度的湍流统计信息，用于研究模式在各个分辨率上的湍流特征；