WRF系列教程1：WRF如何得到更好的模拟结果？

编者按：这是新开的一个系列，有时间会逐步将WRF官方培训的ppt挑选个人认为重要的进行翻译，以及结合个人的使用经验进行一些解释。由于个人水平有限，难免会出现偏差和错误，欢迎斧正。

本篇内容来源于WRF官网2021年的培训ppt：Application of WRF: How to Get Better Performance。

WRF作为成熟的区域中尺度气象模式，文档齐全且教程详细，对于用户较为友好，但是想要获得一个好的模拟结果，需要注意很多地方，

1 模拟区域domain设置

模拟区域不能太小，否则模拟结果基本为全球模式侧边界的强迫结果，无法自由发展出模式本身的中小尺度信息，一般网格数不能小于100×100（其中边界网格10）。

模式区域的边界附近应该避免剧烈的地形变化，例如边界不要设置在青藏高原上。

感兴趣的地区应该尽量设置在domain的中心，避免靠近边界。

基于大区域 (a) 和小区域(b) 模拟12小时的250hPa 风 (m s-1) ，模拟区域太小则中小尺度过程无法自由发展。 (Warner, 2011)

2 初始化和spin-up预热过程

模拟结果的好坏很大程度取决于初始场(IC)的质量。

要了解初始场的数据来源，比如初始场来源于预报数据、再分析数据或者气候数据。

对初始场数据的质量进行检查，如土地利用数据landuse是否符合实际，如有更高质量的土地利用数据可以进行替换。

模式启动的前几个小时，一般有一个预热过程，动力场和热力场在调整中，气压场会出现“噪音”，前几小时模拟的降雨也基本不可信。

3 侧边界条件

包括WRF在内的所有区域模式，人为引入的侧边界(LBC)是制约模式性能的一个重要因素。

侧边界可能会导致许多负效果，以下几点可减少或避免侧边界导致的负效果：

侧边界尽可能避免强强迫；

应使用分辨率一致的输入数据；

尽可能使用高时间分辨率的侧边界数据，即3小时间隔比6小间隔更好；

应尽可能使用交互边界。

4 网格分辨率及其影响

dx>10km：需要使用积云对流参数化方案。

10km>dx>5km: 灰色区域(Grey Zone), 是否使用积云对流参数化方案仍没有共识，可以尝试使用GF、MSKF等尺度自适应的积云方案。个人建议分辨率的设置可以避开5~10km。

dx=3km：云解析，也即能显示表达积云的分辨率，此时不需要深对流的积云参数化方案。

dx=100m~1km: 对大部分模拟需要开启行星边界层(PBL)参数化方案，但此时不仅可以关闭深对流积云参数化方案，还可以关系浅对流的积云参数化方案(当然500m以上还需开启浅对流)。

dx=30m：大涡模拟(large-eddy simulation, LES)所需的分辨率，不需要行星边界层(PBL)参数化方案。湍涡可由模式的显式处理(加上表层和次网格的湍流方案）。平流方案最好使用单调/非osciallaory选项(adv_opt ≥ 2)。

5 模式层和顶层高度

如果模式顶层为50hPa，则模式层最少设置为30层或更多。

如果模式顶层为1hPa(约45~50km)，则模式层最少设置为60层或更多。

高于30hPa的部分，臭氧的作用逐渐凸显，辐射方案可选RRTMG或CAM。

对于低于50hPa的部分，垂直网格距dz<1000m。

水平分辨率越高，那么垂直层数应该越大，确保dz<dx，满足大气薄层近似。

6 复杂地形

地形过于陡峭(>45°)容易导致模式计算不稳定。可以进行如下设置增强稳定性：

可以在namelist.inputd的domain部分，增大epssm参数，从0.1-0.5甚至更大，对声波进行阻尼，增加模式稳定性。

对于大的斜坡地形，设置diff_opt=2。

对于3.6及其以后的版本，可以同时设置diff_opt=2和km_opt=4以增强模式稳定性。

7 物理参数方案的选择

WRF模式中，存在众多次网格过程需要使用物理参数方案进行表达，而每种物理参数化方案都有很多种选项，其不同的排列组合使得选项太多。

关于物理参数化方案，以后有时间再展开介绍，以下粗略提几点：

给定一套参数化方案组合，对于不同的地区、domain大小、时间以及关注的天气现象，其模拟结果是不同的，没有哪种方案组合是完美的。

可以根据研究对象确定重要的参数化方案再进行挑选，如对于台风，可能积云对流和微物理方案更重要。

建议根据个人的具体应用，结合文献调研的基础上，选定一些参数化方案组合进行对比，验证哪种参数化方案组合对重点关注的天气现象模拟最好。

最后，WRF的使用者应该时刻牢记以下几点：

模拟结果受到很多因素的影响，如模拟区域的设置(水平和垂直的)、输入的数据(包括气象场和静态数据)、侧边界条件等；

模式是存在缺陷的，对于某些具体天气过程是无法得到好的模拟结果的，人为引入了侧边界；

找到模式何处存在偏差是非常重要的。

扫描下方二维码，关注气海同途公众号，获取更多大气海洋数值模式相关内容。

参考：

https://www2.mmm.ucar.edu/wrf/users/tutorial/presentation_pdfs/202101/chen_better_performance.pdf

WRF系列教程1：WRF如何得到更好的模拟结果？相关推荐

WRF系列教程3：嵌套方式总结
WRF使用基本上会涉及到嵌套,主要原因是:WRF使用的是等经纬网格,不具备局地加密的能力,全场都使用高分辨率网格则会耗费大量的计算资源,无法满足时效性的要求. 使用嵌套的加密方式能够实现在关键区域采取 ...
c语言数组统计条形图,【D3.js数据可视化系列教程】--（十）更自由的条形图
1. 准备数据绘制条形图的输入数只需要一个表示每个条数据量的数组就行. var dataset = [ 5, 10, 13, 19, 21, 25, 22, 18, 15, 13,11, 12, 1 ...
conda安装tensorflow-gpu简洁版_【DP系列教程02】DeePMDkit：conda安装 amp; 离线安装
点开安装教程前,是不是已经做好了看一篇万字长文的心理准备.DP君既然可以教会大家5分钟setup一个DeePMD-kit训练,就一定要教会大家如何在5分钟内学会安装DeePMD-kit.当然了,这样高 ...
php语+言教程,写给thinkphp开发者的laravel系列教程(九)打印数据-Fun言
php这种脚本语言调试起来是很方便的: 大多时候看报错打印一下数据就知道问题所在了: php 内置了常用打印函数 print 和 var_dump : 但是打印出来的样式实在让人目瞪狗呆: think ...
python技术晨讲_python系列教程14
声明:在人工智能技术教学期间,不少学生向我提一些python相关的问题,所以为了让同学们掌握更多扩展知识更好的理解人工智能技术,我让助理负责分享这套python系列教程,希望能帮到大家! 好了,是开始 ...
Provisioning Services 7.8 入门系列教程之十三使用 Boot Device Management(BDM)
续Provisioning Services 7.8 入门系列教程之十二实现高可用性可以使用 Boot Device Management 实用程序将 IP 和引导信息(引导设备)交付给目标设备, ...
【Python3.6+Django2.0+Xadmin2.0系列教程之一（入门篇-上）】环境搭建及项目创建
由于工作需要,接触了大半年时间的Django+xadmin框架,一直没空对这块对进行相关的梳理.最近在同事的怂恿下,就在这分享下笔者的学习及工作经验吧. 好了,话不多说,下面开始进入正题: 转载请注明 ...
【建站系列教程】5、谈一谈网站的静态化
[建站系列教程]5.谈一谈网站的静态化[进阶] 动态页面?静态页面?伪静态页面? 三个页面有何优缺点? 为什么要让网页静态化如何网页伪静态化? 写在前面:大家好,我是热爱编程的小泽. [建站系列教程 ...
【建站系列教程】4、还不知道SEO你就OUT了
[建站系列教程]4.还不知道SEO你就OUT了[进阶] SEO的使用背景 SEO到底是什么?SEO会对网站做哪些操作? 对于程序员来说,代码优化方向的SEO能做哪些? 最后,我们才说SEO的原理写在 ...
【建站系列教程】2、数据源
[建站系列教程]2.数据源 (全网最良心.实用教程) 网站主题数据源数据来源于数据库数据来源于api接口数据来源于python爬虫总结写在前面:大家好,我是热爱编程的小泽. [建站系列教程 ...

WRF系列教程1：WRF如何得到更好的模拟结果？

WRF系列教程1：WRF如何得到更好的模拟结果？相关推荐

最新文章

热门文章