关于能量感知混合模型

本研究提出了确定性和随机性能量感知混合模型，旨在以低分辨率模拟理想化和原始方程地球流体动力学（GFD）模型，同时不牺牲与高分辨率运行相比的质量。此类混合模型通过结合区域稳定性和经典低分辨率 GFD 模型， bridging 了数据驱动和物理驱动的建模范式；后者无法复现高分辨率参考流特征（大尺度流和小尺度涡旋），但这些特征在参考模型中是被解析的。混合模型利用对平流速度的能量感知修正和额外强迫，以补偿低分辨率模型偏离参考相空间的漂移。混合模型的主要优势在于：它们允许在参考能带内进行物理驱动的流重组，复现已解析的参考流特征，并产生比其经典 GFD 对应物更准确的集合预报。混合模型为建模和预报社区提供了诱人的益处和灵活性，因为它们计算成本低廉，且可以同时使用数值计算的流和来自不同来源的观测数据。所有这些都表明，混合方法有潜力利用低分辨率模型进行长期天气预报和气候预测，从而提供一种具有成本效益的 GFD 建模新途径。所提出的混合方法已在针对 beta 平面墨西哥湾流配置的三层准地转模型上进行了测试。结果表明，低分辨率混合模型复现了在粗网格上解析的参考流特征，并且给出了比纯物理驱动模型更准确的集合预报。