对流活动对全球能量与水分循环有重要影响，因其尺度多样性与机理的复杂性成为目前天气与气候系统模式中模拟的难点之一；对流参数化方案也成为目前气候系统模式不确定性的主要来源。由于高分辨率观测数据的缺失，因此常借助大涡模式来研究对流。为减少模式的不确定性，我们使用多个不同大涡模式，对多个浅对流个例进行了模拟（图1），从而构建了浅对流大涡模拟数据集，为验证和改进浅对流参数化方案中的夹卷率提供了依据。有关该浅对流的大涡模拟数据集介绍已在AAS发表，并作为数据集发布。

基于该数据集，利用粗粒化方法揭示和讨论了夹卷率随水平分辨率的变化关系，发现卷入率与网格尺度缩放比大体呈幂指数关系（图2a）。而目前常用的几种卷入率参数化方案，包括浮力筛选方案、中性浮力方案、以及基于相对湿度方案参数化得到的卷入率随分辨率的变化均与大涡模拟结果相去甚远（图2b）。因此，提出的卷入率订正因子有助于在高分辨率模式模拟中减少参数化对流（图3），为改进和发展尺度自适应对流参数化方案提供了一条可行途径。该成果近期发表于《Geophysical Research Letters》。论文第一作者为中国科学院大气物理研究所在读博士生赵雅昕，通讯作者为中国科学院大气物理研究所王晓聪副研究员，合作者包括中科院大气所刘屹岷研究员，吴国雄院士。本研究得到了国家重点研发计划（2021YFC3000802）、国家自然科学基金（42175165）和国家重点科技基础设施项目“地球系统科学数值模拟设施”（EarthLab）的支持。

图1 三种不同的大涡模式对ARM-SGP浅对流个例边界层的演变模拟。左列为云内凝结物，右列为垂直速度方差；白色线表示边界层顶。

图2 不同分辨率网格中卷入率变化率与网格尺度缩放比之间的散点关系 (a)LES/CRM诊断结果；(b) 不同参数化方案模拟结果

图3 应用卷入率订正因子之后不同分辨下对流参数化模拟的浮力以及对流有效位能

【论文信息】

Zhao, Y., Wang, X., Liu, Y., & Wu, G. (2024). Are parameterized entrainment rates as scale‐dependent as those estimated from cloud resolving model simulations? Geophysical Research Letters, 51, e2024GL110735. https://doi.org/10.1029/ 2024GL110735

【相关论文】

Zhao, Y., Wang, X., Liu, Y., Wu, G., & Liu, Y. (2024). Shallow convection dataset simulated by three different large eddy models. Advances in Atmospheric Sciences, 41(4), 754–766. https://doi.org/10.1007/s00376‐023‐3106‐6

浅对流模拟数据集

Zhao, Y., Wang, X., Liu, Y., & Wu, G. (2024b). Dataset of 4D conserved tracers for convection simulated by large eddy model and cloud resolving model [Data set]. Zenodo. https://doi.org/10.5281/zenodo.11739325