In an effort to better represent aerosol transport in mesoscale and global‐scale models, large eddy simulations (LES) from the National Center for Atmospheric Research (NCAR) Turbulence with Particles (NTLP) code are used to develop a Markov chain random walk model that predicts aerosol particle profiles in a cloud‐free marine atmospheric boundary layer (MABL). The evolution of vertical concentration profiles are simulated for a range of aerosol particle sizes and in a neutral and an unstable boundary layer. For the neutral boundary layer we find, based on the LES statistics and a specific model time step, that there exist significant correlation for particle positions, meaning that particles near the bottom of the boundary are more likely to remain near the bottom of the boundary layer than being abruptly transported to the top, and vice versa. For the unstable boundary layer, a similar time interval exhibits a weaker tendency for an aerosol particle to remain close to its current location compared to the neutral case due to the strong nonlocal convective motions. In the limit of a large time interval, particles have been mixed throughout the MABL and virtually no temporal correlation exists. We leverage this information to parameterize a Markov chain random walk model that accurately predicts the evolution of vertical concentration profiles. The new methodology has significant potential to be applied at the subgrid level for coarser‐scale weather and climate models, the utility of which is shown by comparison to airborne field data and global aerosol models.

中文翻译：

---

用马尔可夫链随机游走模型预测海洋大气边界层的垂直浓度分布

为了更好地表示中尺度和全球尺度模型中的气溶胶传输，美国国家大气研究中心（NCAR）的粒子湍流（NTLP）代码的大型涡模拟（LES）用于开发马尔可夫链随机游走模型，预测无云海洋大气边界层（MABL）中的气溶胶粒子分布。在一定范围的气溶胶颗粒中以及中性和不稳定边界层中，模拟了垂直浓度分布的演变。对于中性边界层，基于LES统计信息和特定的模型时间步长，我们发现粒子位置存在显着相关性，这意味着边界底部附近的粒子更有可能保留在边界层底部附近而不是突然运送到顶部，反之亦然。对于不稳定的边界层，由于强烈的非局部对流运动，与中性情况相比，相似的时间间隔表现出较弱的趋势，使气溶胶颗粒保持接近其当前位置。在较大的时间间隔内，粒子已在整个MABL中混合，并且实际上不存在时间相关性。我们利用这些信息来参数化马尔可夫链随机游走模型，该模型可以准确预测垂直浓度分布的演变。这种新方法具有潜在的潜力，可用于亚网格级别的较粗尺度的天气和气候模型，通过与机载现场数据和全球气溶胶模型进行比较，可以证明其实用性。相较于中立情况，相似的时间间隔由于强烈的非局部对流运动，使气溶胶颗粒保持接近其当前位置的趋势较弱。在较大的时间间隔内，粒子已在整个MABL中混合，并且实际上不存在时间相关性。我们利用这些信息来参数化马尔可夫链随机游走模型，该模型可以准确预测垂直浓度分布的演变。这种新方法具有潜在的潜力，可用于亚网格级别的较粗尺度的天气和气候模型，通过与机载现场数据和全球气溶胶模型进行比较，可以证明其实用性。相较于中立情况，相似的时间间隔由于强烈的非局部对流运动，使气溶胶颗粒保持接近其当前位置的趋势较弱。在较大的时间间隔内，粒子已在整个MABL中混合，并且实际上不存在时间相关性。我们利用这些信息来参数化马尔可夫链随机游走模型，该模型可以准确预测垂直浓度分布的演变。这种新方法具有潜在的潜力，可用于亚网格级别的较粗尺度的天气和气候模型，通过与机载现场数据和全球气溶胶模型进行比较，可以证明其实用性。粒子在整个MABL中已经混合，并且实际上不存在时间相关性。我们利用这些信息来参数化马尔可夫链随机游走模型，该模型可以准确预测垂直浓度分布的演变。这种新方法具有潜在的潜力，可用于亚网格级别的较粗尺度的天气和气候模型，通过与机载现场数据和全球气溶胶模型进行比较，可以证明其实用性。粒子在整个MABL中已经混合，并且实际上不存在时间相关性。我们利用这些信息来参数化马尔可夫链随机游走模型，该模型可以准确预测垂直浓度分布的演变。这种新方法具有潜在的潜力，可用于亚网格级别的较粗尺度的天气和气候模型，通过与机载现场数据和全球气溶胶模型进行比较，可以证明其实用性。