[JGR Oceans] 突破 MOST 限制:南海海气通量交换系数的新型参数化探索

Observation‐based parameterization of air‐sea fluxes in terms of wind speed and atmospheric stability under low‐to‐moderate wind conditions

2017-03-31
Zhongshui Zou, Dongliang Zhao, Bin Liu, Jun A Zhang, Jian Huang
总结
问题
方法
结果
要点
摘要

本文通过在南海进行为期两年的连续观测,利用涡相关法(Eddy-Correlation Method)系统分析了低至中等风速下的动量、感热和水汽交换系数。提出了一个基于简化 Richardson number 的新型参数化模型,旨在解决传统边界层理论中的自相关问题。

TL;DR

本文基于南海观测平台(FOPSCS)两年的实测数据,深入探讨了动量(CD)、感热(CH)和水汽(CE)交换系数在低中风速下的行为。研究不仅揭示了 CDN 随风速的非线性变化规律,还创新性地提出了一种无需迭代、无自相关干扰的新型参数化模型,其表现优于经典的 COARE 3.0 算法。

核心痛点:被“禁锢”的 MOST 理论

在物理海洋学与气象学中,海气通量的计算长期依赖于 Monin-Obukhov 相似理论 (MOST)。尽管其应用广泛,但学术界一直诟病其存在的两大缺陷:

  1. 自相关陷阱 (Self-correlation):由于摩擦速度 同时出现在 Obukhov 长度和无量纲廓线中,容易产生虚假的相关性。
  2. 迭代计算成本:在气候模型中,为了求解稳定度函数,通常需要进行耗时的迭代计算。

作者由此出发,试图寻找一种直接基于观测、更具物理直觉的参数化路径。

方法论详解:从直觉到公式

作者将交换系数 视为 shear(剪切)和 buoyancy(浮力)的乘积:

1. 动量交换系数 (CDN) 的三阶段特征

通过对 12,240 组有效数据的 bin-averaging 分析,作者确认了 CDN 的三个阶段:

  • 极低风速 (<5 m/s):受粘性流动影响,CDN 随风速增加而下降。
  • 中等风速 (5-12 m/s):进入紊流控制区,CDN 趋于常数(约 0.001)。
  • 较高风速 (>12 m/s):随风速增加显著上升,且离岸风(Short Fetch)的 CD 明显大于向岸风(Long Fetch),这归功于年轻、粗糙的浪头。

CDN 随风速变化图

2. 引入简化 Richardson Number (Ri)

为了规避 MOST 的高度依赖性,作者引入了基于 Charnock constant 的简化 该指标直接反映了热力学稳定性,且在计算上不依赖于观测高度 ,极大地增强了模型的通用性。

模型架构与稳定度函数

实验结果:超越 SOTA

在与全球公认的 COARE 3.0 算法对比中,新模型在预测摩擦速度 、特征温度 和特征湿度 方面表现出更高的精准度。

  • 动量通量:新模型显著降低了低风速下的 Bias。
  • 感热与水汽:相比于 CDN 的复杂演变,CHN 和 CEN 在 4 m/s 以上基本保持常数(分别为 1.20 和 0.96 ),受风区影响较小。

实验结果对比

深度洞察与总结

这项工作的重要价值在于:它为复杂的海气界面交换提供了一个更纯粹的物理视角。

  • Takeaway:在近岸建模时,必须考虑风向(风区长度)对 CDN 的增益作用。
  • 局限性:受限于地理位置,本文风速上限约为 20 m/s,未能覆盖极端超强台风下的“阻力饱和”现象。
  • 展望:这种基于 Richardson number 的非迭代方案,非常适合集成到下一代高分辨率全球气候模型中,以提升计算效率并减少理论偏差。

关键词:Air-sea fluxes, Drag Coefficient, Richardson number, MOST, South China Sea.

发现相似论文

试试这些示例

  • 查找最近关于极高风速(如台风/飓风条件下)海气交换系数饱和效应的观测论文。
  • Monin-Obukhov 相似理论中的自相关问题是如何在现代边界层气象学研究中被修正或规避的?
  • 探讨 Charnock parameter 在不同海域(深海 vs 浅海)的变率及其对动量通量参数化模型准确性的影响。
目录
[JGR Oceans] 突破 MOST 限制:南海海气通量交换系数的新型参数化探索
1. TL;DR
2. 核心痛点:被“禁锢”的 MOST 理论
3. 方法论详解:从直觉到公式
3.1. 1. 动量交换系数 (CDN) 的三阶段特征
3.2. 2. 引入简化 Richardson Number (Ri)
4. 实验结果:超越 SOTA
5. 深度洞察与总结