WRF应用：如何获得更好的表现
本文引自PPT：https://www2.mmm.ucar.edu/wrf/users/tutorial/presentation_pdfs/202101/chen_better_performance.pdf
WRF最佳实践
成功的模拟需要一个正确的选项设置
对研究主题的一个透彻分析
以往研究的结论和方法？没有回答的问题？不完整的知识？重要的过程（对流、辐射、表面强迫，等等）
大量文献调研
科学或者实际的对象？
想要回答的科学问题
可以用WRF做的东西？WRF模拟可以在哪些方面，可以如何发挥优势？
模式配置
模拟域 通常有深远的影响
分辨率（水平和垂直）
初始化的时间和方式
冷启动？
变分资料同化？
启动时间？
侧边界位置
物理/动力选项
如何确定模拟区域
需要设置成多大？
不能太小，否则求解会被强迫的数据所决定
不能少于100x100（边界区域中至少有10个格点）
侧边界放在哪里
避免陡峭地形
远离关注的区域
区域的重要性
初始化和spin-up的事项
模拟问题通常来源于糟糕的初始状态
合适的初始时间
初始状态的质量
检查陆地数据
例如（土地利用，是否可以很好的描述我的区域？）
关于数据：
数据是否很好？
预报数据，再分析数据，气候模式数据
在前面几个小时，一般认为在气压场有噪声
大多数的的声波将风向地形调整，没有有害的持久效果。
初始化和Spin-up
对流Spin-Up：一个NCAR 3km对流运行
侧边界状态（LBC）
一个基本和潜在的眼周的限制对于区域模式模拟，包括WRF
LBC可能的负面效果
如何最小化LBC对预报质量的负面效果：
方针和注意
强强迫应该被避免在侧边界
应当使用和分辨率相一致的数据
更频繁更好
如果可能，应当使用交互式的边界，
网格大小和影响
Δ≈3km：传统的云解析分辨率
无需深对流参数化
Δ≈30m：传统的大涡模拟分辨率
无需行星边界层参数化
湍流涡（如，热泡，滚涡）由模式控制方程（和陆面及次网格湍流方案）处理
100m<Δ<1km：
大多数情况下PBL方案仍然需要
浅积云一般可以被关闭（对于Δ>500m仍然可以打开）
平流方案：最好使用一个单调的/非振荡的选项（adv_opt>=2)
模式层次和顶高
对于模式顶在50mb，模式层数至少要超过30层
对于模式层顶在1hPa附近，模式层数需要在60层以上
在30hPa以上，臭氧气候学变得很重要，其中部分或者所有的臭氧层应当包括：使用RRTMG和CAM
对于模式层顶<50 hPa
垂直格距应当不能超过1000m，（辐射，微物理，低精度的侧边界状态）
如果使用更细的水平格距，需要在垂直方向更多的层次
确保dz<dx
复杂地形
陡峭地形（>45°）可能导致数值稳定性问题。
增加epssm（0.1-0.5或者更大）
这个是声波阻尼，可以稳定斜坡的方式通过动力。
对于大坡度，设置diff_opt=2
diff_opt=1比diff_opt=2更不接近实际，diff_opt=2曾今不稳定，但是在最近的版本更稳定了
对于V3.6及以后的版本，diff_opt=2和km_opt=4可以一起使用从而增强稳定性
扩散
选择模式物理
很多选项 = 很多工作
对于一个特定应用，用的多个选项测试
一个给定的一组物理参数化将会展现出不同的特点，这取决于模拟域大小，位置，初始化和兴趣的特征。
特定的现象。
一些特定的组合比其他的要好，但是不保证有更好的效果
多尺度模式的物理参数化
网格大小和积云参数化
dx>10km ,可以
dx<4km ,通常不需要
灰区：5-10km，没有达成共识，可以尝试使用尺度感知积云方案，如GF、MSKF。
网格大小和微物理方案
对于DX>10 km，不要复杂的方案
对于DX<4km(对流解析)，需要至少含霰
网格大小和PBL
PBl假定所有的湍涡都是不解析的
对于DX>500m，PBL需要激活
LES假定所有的湍涡是完美解析的
DX<100m，LES应该被采用
对于DX 100-500m，在一些程度下任意一种都可以
未知领域：解析的的CISC，违反PBL假设，以及CISC与小尺度湍流之间未解决的相互作用
Sandy模拟测试
在这个例子中，积云参数化方案是预测轨迹准确性的主导驱动
GFS/GEFS糟糕的路径预报不是由于'不恰当的'初始条件，也不是由于由于模式分辨力的差异
这些类型的例子强调了参数化发展的重要性，这是改进预测的必要条件
其他需要考虑的选项
例如：
地形以上高层的阻尼
如果分辨率较粗，重力波拖曳
数字滤波初始化
Spectral Nudging
记住
模式结果可以受到很多选项影响：
网格区域配置，水平和垂直的
输入数据
初始和侧边界状态
模式有限制
物理参数化：偏差，可能不会很好的表示过程，等等
侧边界的限制
了解模式的偏差可能非常有用
