当前位置: X-MOL 学术J. Adv. Model. Earth Syst. › 论文详情
Scale‐aware space‐time stochastic parameterization of subgrid‐scale velocity enhancement of sea surface fluxes
Journal of Advances in Modeling Earth Systems ( IF 4.327 ) Pub Date : 2021-02-22 , DOI: 10.1029/2020ms002367
Julie Bessac; Hannah M. Christensen; Kota Endo; Adam H. Monahan; Nils Weitzel

[Stochastic representation of the influence of the subgrid‐scales on the resolved scales in weather and climate models has been shown to improve ensemble spread and resolved variability. We propose a statistical scale‐aware space‐time model to characterize the contribution of mesoscale wind variability to air‐sea exchanges. In an earlier study, we analyzed the difference between “true” fluxes computed from a high resolution simulation and “resolved” fluxes obtained by coarse graining. This discrepancy is modeled in space and time, conditioned on the coarse‐grained wind and precipitation fields, to parameterize the enhancement of fluxes by mesoscale velocity variations. Stochastic parameterization models have traditionally been developed for particular model resolutions without the explicit capability to adapt to model resolution. We present an approach to develop stochastic models that adapt to resolution in a scale‐aware fashion. The scale‐aware parameterization is developed from empirical results for systematically coarse‐grained high‐resolution numerical model output. The statistical model is fit from numerical model output at three different coarsening resolutions. From this scale‐aware parameterization, we derive a stochastic parameterization of flux enhancement by subgrid velocity variations for arbitrary resolutions and characterize the conditional distributions and space‐time structures of the flux enhancement across model resolutions. ]

中文翻译:

海面通量亚网格尺度速度增强的尺度感知时空随机参数化

[在天气和气候模型中,随机表示次网格规模对已分解规模的影响可改善集合传播和已分解变异性。我们提出了一个统计尺度感知时空模型,以表征中尺度风变率对海-气交换的贡献。在较早的研究中,我们分析了通过高分辨率模拟计算出的“真实”通量与通过粗粒度获得的“分辨”通量之间的差异。这种差异是在时空上建模的,其条件是粗糙的风场和降水场,以通过中尺度速度变化来参数化通量的增强。传统上已经针对特定的模型分辨率开发了随机参数化模型,而没有明确的能力来适应模型分辨率。我们提出了一种方法,可以以规模感知的方式开发适应分辨率的随机模型。基于经验的结果开发了可感知规模的参数化,用于系统粗粒度的高分辨率数值模型输出。统计模型是从数值模型输出中以三种不同的粗化分辨率进行拟合的。从这种尺度感知的参数化中,我们得出了子网格速度变化对任意分辨率的通量增强的随机参数化,并描述了模型分辨率下通量增强的条件分布和时空结构。] 统计模型是从数值模型输出中以三种不同的粗化分辨率进行拟合的。从这种尺度感知的参数化中,我们得出了子网格速度变化对任意分辨率的通量增强的随机参数化,并描述了模型分辨率下通量增强的条件分布和时空结构。] 统计模型是从数值模型输出中以三种不同的粗化分辨率进行拟合的。从这种尺度感知的参数化中,我们得出了子网格速度变化对任意分辨率的通量增强的随机参数化,并描述了模型分辨率下通量增强的条件分布和时空结构。]
更新日期:2021-02-22
全部期刊列表>>
2021新春特辑
SN Applied Sciences期刊征稿中
JCR Q1医学全学科
虚拟特刊
亚洲大洋洲地球科学
NPJ欢迎投稿
自然科研论文编辑
ERIS期刊投稿
欢迎阅读创刊号
自然职场,为您触达千万科研人才
spring&清华大学出版社
城市可持续发展前沿研究专辑
Springer 纳米技术权威期刊征稿
全球视野覆盖
施普林格·自然新
chemistry
物理学研究前沿热点精选期刊推荐
自然职位线上招聘会
欢迎报名注册2020量子在线大会
化学领域亟待解决的问题
材料学研究精选新
GIANT
ACS ES&T Engineering
ACS ES&T Water
屿渡论文,编辑服务
阿拉丁试剂right
上海中医药大学
南科大-连续三周2.26
西湖大学
化学所
北京大学
山东大学
隐藏1h前已浏览文章
课题组网站
新版X-MOL期刊搜索和高级搜索功能介绍
ACS材料视界
南方科技大学
张凤娇
中国石油大学
天合科研
x-mol收录
试剂库存
down
wechat
bug