Fysikalisk parameterisering

En presentation över ämnet: "Fysikalisk parameterisering"— Presentationens avskrift:

1 Fysikalisk parameterisering
?

2 Fysikalisk parameterisering
Parameterisering skall fylla ut där ”dynamiken inte räcker till”. Diabatiska processer. Strålning, kondensation. Dåligt upplösta processer; konvektion, turbulens Högre upplösning -> Mindre parameterisering?

3 Vad är egentligen skillnaden mellan en (global) lågupplöst modell och en högupplöst modell?
I princip är det inget som hindrar att de är lika, men: En högre upplösning beskriver fler processer, vi skjuter parameteriserings-problemet framför oss. Nya lösningar ger nya problem.

4 Exempel på markmodell SURFEX Externaliserat modulärt markschema
Mark och vegetation: ISBA Stad: Town Energy Balance model Hav och sjö: Föreskrivna temperaturer

5 Stadsmodell Beskriver värmeflöden i en stad förenklad till tak, väggar och mark i en kanjon. Tar hänsyn till skuggning, förmåga att lagra värme.

6 Parameterisering av moln
Typiska egenskaper hos många modeller Variabler: molnvatten/is, snö, hagel, regn, regnsnö Beskriver en viss storleksfördelning och en relation mellan fallhastighet och storlek Beskriver fasövergångar, aggregering,sedimentering I HIRLAM har vi idag molnvatten och is

7 Vi får en ögonblicksbild av nederbördsprocesserna i atmosfären

8 Syftet med parameteriseing av konvektion är inte att generera nederböd, utan att bli av med instabiliteter

9 Vid låg upplösning ( > 10km ) parameteriseras konvektion.
Vid hög upplösing förväntas modellen lösa upp storskalig kraftig konvektion. Traditionell har konvektionsscheman genererat sin egen nederbörd. En ny tanke är att generera hydrometeorer som föder mikrofysiken. Turbulens och ”shallow convection” behandlas idag var för sig, men utvecklingen går mot ett gemensam beskrivning. Vi behöver fortfarande beskriva icke upplösta moln i en statistisk mening.

10 Konvektionen skall gradvis “stängas av “ exempel från 3MT
7km 4km 2km

11 Turbulens och konvektion
Transportekvationen delas traditionellt upp i två delar En ordnad del, konvektion En slumpmässig del, turbulens

12 I enklare scheman (ECMWF,ALADIN) beskrivs turbulensen som en funktion av den vertikala vind- och temperatur-gradienten. I HIRLAM/AROME beskrivs turbulens med hjälp av turbulent kinetisk energi, TKE. Med en prognostisk TKE har vi ett turbulent ”minne” och kan även advektera turbulens. Problemet ligger i att beskriva skalan på turbulensen, blandningslängden.

13 Gravity Wave Drag Effekten av oupplöst topografi måste beskrivas för att ta om han om momentumtransport vid marken (friktion) och effekten av brytande vågor. I en hydrostatisk modell måste effekten av brytande vågor parameteriseras. I en icke-hydrostatisk modell kan vi beskriva det till viss del. I dag i många modeller beskrivs den genom att vi har en orealistiskt hög skrovlighet över berg. I HIRLAM har vi en process som tar hand om momentumflöde till högre nivåer. I t.ex. AROME förväntas modellen (turbulensen) klara av det.

14 Strålningsprocesser vid markytan blir viktiga när vi i större grad löser upp enskilda dalgångar.
Vi måste kunna beskriva i modellen att den ena delen av dalen är solbelyst men inte den andra. Lutningen i sig gör också att en sluttning får mer energi än en plan yta.

15 Modellen har information om lutning och riktning på topografin

16 Slutligen En högre upplösning skapar nya processer som kräver andra beskrivningar. Ett problem är att vi delvis löser upp processer som t.ex. konvektion. En stor del av den ökade kostnaden för t.ex. AROME kommer från en mer avancerad fysik