随机参数化：迈向天气与气候模式的新视角
大气与海洋物理
2020-11-16 v2 计算物理
流体动力学
地球物理
摘要
过去十年见证了随机参数化在短期、中期和季节预报中的成功：业务天气中心如今常规使用随机参数化方案以更好地表征模式缺陷并改进预报不确定性的量化。最初为数值天气预报而发展，随机参数化的引入不仅提供了更好的不确定性估计，而且在减少长期气候偏差和确定气候对外强迫的响应方面也极具前景。本文重点介绍了不同研究小组的近期进展，这些进展表明，在综合天气与气候模式的大气、海洋、陆面及冰冻圈中，对未解析过程进行随机表示 (a) 可产生更可靠的天气与气候概率预报，且 (b) 减少系统模式偏差。我们提出，使用数学上严格的方法推导随机动力学方程，将大幅提升我们在所有尺度上精确模拟天气与气候的能力。本文回顾了数学、统计力学与湍流领域的近期工作，展示了其与气候问题的相关性，并勾勒了未来研究方向。
引用
@article{arxiv.1510.08682,
title = {Stochastic Parameterization: Towards a new view of Weather and Climate Models},
author = {Judith Berner and Ulrich Achatz and Lauriane Batte and Lisa Bengtsson and Alvaro De La Camara and Daan Crommelin and Hannah Christensen and Matteo Colangeli and Stamen Dolaptchiev and Christian L. E. Franzke and Petra Friederichs and Peter Imkeller and Heikki Jarvinen and Stephan Juricke and Vassili Kitsios and Franois Lott and Valerio Lucarini and Salil Mahajan and Timothy N. Palmer and Cecile Penland and Jin-Song Von Storch and Mirjana Sakradzija and Michael Weniger and Antje Weisheimer and Paul D. Williams and Jun-Ichi Yano},
journal= {arXiv preprint arXiv:1510.08682},
year = {2020}
}
备注
26 pages, 15 figures. Final published version