📄 earth_science

Simulating deep convective plumes in the framework of a Quasi-Non-Hydrostatic modelling: a heuristic approach

本文提出了一种启发式的“准非静力”（QNH）建模框架，该框架通过保留垂直速度的水平扩散，以在区域海洋模型中真实地模拟深对流羽流，从而在标准的静力近似与全非静力系统之间提供了一种计算高效的折衷方案。

原作者： Pierre Garreau

发布于 2026-07-15

📖 1 分钟阅读☕ 轻松阅读

原作者： Pierre Garreau

原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 ✨ 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。阅读完整免责声明

想象一下，海洋是一个巨大的、隐形的浴缸。通常情况下，这个浴缸里的水是平静且分层的，就像一份有着冷热分明层次的芭菲甜点。但有时，特别是在冬季，上方的空气变得极其寒冷和干燥，从而夺走了表层水的热量。这使得顶层水变得沉重而致密，就像一颗石头掉进泳池一样。在现实世界中，这些沉重的水并不会笔直下沉，而是会形成扭曲、旋转的柱状物，称为对流羽流（convective plumes）。这些羽流就像是水下的龙卷风，在向下深潜的同时，将较轻、较暖的水向上推挤。它们是海洋为自己进行“通风”的方式，这一过程对于地球的气候至关重要。

问题在于，用于预测海洋的计算机模型通常就像低分辨率的照片。它们以巨大的、块状的像素（通常宽5到10公里）来观察海洋。当沉重的水试图下沉时，这些大块的像素无法捕捉到那些细小的、扭曲的羽流。模型并没有生成优美、有序的旋涡，而是产生了“幽灵”运动——即产生超过 1 m/s（米/秒）的虚假、混乱的垂直速度。这就像是在一个平静的湖泊中凭空出现了一道瀑布！模型本质上崩溃了，产生了一堆嘈杂、棋盘格状的虚假物理现象，没人能信任它。

多年来，科学家们试图通过在水体变得不稳定时强制进行瞬时混合，或者调高“垂直扩散”（一种说法，意为“用力搅拌”）来修复这个问题。但这些方法就像是用大锤去修理手表；它们虽然得到了结果（混合后的水），却错过了羽流真正的舞姿。另一些人建议使用**非静力学（Non-Hydrostatic, NH）**模型，这类模型求解完整的、极其复杂的流体运动方程。虽然这些模型是最准确的，但它们的计算成本极高，就像是试图在一台烤面包机上运行超级计算机模拟一样。对于科学家们需要的宏大、真实的地图来说，它们运行得太慢了。

于是，皮埃尔·加罗（Pierre Garreau）提出了**拟非静力学（Quasi-Non-Hydrostatic, QNH）**方法。可以将其想象为一个聪明的黑客手段，一种“启发式”的捷径。加罗认为，计算机之所以感到困惑，主要原因不仅是因为它忽略了垂直加速度（水的“推力”），还因为由于它忘记了让下沉的羽流向侧面“呼吸”。

在现实世界中，当一个致密的羽流下沉时，它并不会保持一个细长、完美的圆柱体。它会变宽，与周围的水交换性质，并在下沉过程中减速。加罗的模型增加了一个特定的成分：垂直速度的水平扩散。想象一下，下沉的水柱就像一群在走廊里奔跑的人。在标准模型中，他们排成紧密、僵硬的一线，然后撞上墙壁。而在加罗的 QNH 模型中，这些奔跑者被允许向四周散开，与邻居发生碰撞并稍微减速。这种“向外扩散”的过程是由受**大涡模拟（Large Eddy Simulation, LES）**启发的数学规则控制的，它起到了智能过滤器的作用。

当加罗在一次高分辨率模拟（使用 100 m 的网格大小）中运行这一新设置时，奇迹发生了。那些混乱、虚假的垂直速度消失了。取而代之的是，模型产生了真实的羽流，其垂直速度在 0.10 m/s 到 0.20 m/s 之间（峰值约为 0.25 m/s），这与科学家在海洋中实际观测到的情况相符。这些羽流在表面组织成了优美的六边形或多边形图案，就像在格陵兰海看到的卫星雷达图像中的图案一样。

论文明确反对那种认为我们需要全套、沉重的非静力学建模（包括局部垂直加速度项 $\partial w/\partial t$ ）才能获得这些结果的观点。事实上，模拟表明，对于已建立的深层对流而言，该项仅起次要作用。通过移除那个沉重的项并专注于水平扩散，QNH 模型运行得更快——几乎与旧的、损坏的静力学模型一样快——但产生的效果与昂贵的、完整的非静力学模拟几乎完全一致。

研究证实，这些羽流的大小取决于海洋的深度。在一个 2000 m 深的海盆中，羽流组织的结构宽度约为 1 km。如果海洋深达 3000 m，羽流会变得更宽。模型表明，要清晰地看到这些羽流，你需要大约 100 m 的网格分辨率，这在现代超级计算机的助力下已成为可能。

那么，结论是什么？这篇论文并不声称已经解决了海洋最深处的全部奥秘，也不说这是一个适用于所有场景的“完美”方案。相反，它提出了一种非常有前景的折中方案。它表明，通过调整我们让水向侧面扩散的方式，我们可以在不需要像城市规模的超级计算机那样庞大的投入下，模拟出真实的、深潜的羽流。这是一种获取两全其美的办法：既拥有旧模型的速度，又拥有新模型的真实、旋转的美感，同时还能将“幽灵”垂直速度控制在范围内。这种方法甚至可以帮助我们理解更小的、局部的事件，例如废水羽流如何在海岸附近扩散，而无需使用复杂的经验性补救措施。

技术摘要：在准非静力学框架下模拟深层对流羽流

问题陈述
在区域或海岸环流模型中，模拟深层、部分或日变化海洋对流仍然是一个重大挑战。由海气界面负浮力通量驱动的深层对流会产生具有不可忽略的垂直速度（数量级为 10 cm/s）和数百米至数公里水平尺度的对流羽流。标准的海洋通用环流模型 (OGCMs) 和区域环流模型 (RCMs) 通常依赖于静力学原始方程 (HPE) 框架。在该框架下，垂直速度是通过诊断计算而非预报求解的，这使得这些模型无法真实地模拟剧烈的垂直动力学过程。

为了补偿这一点，模型通常采用“对流调整”算法或人为增强垂直湍流扩散系数（例如增加到 $10 \, m^2s^{-1}$ ）以恢复稳定性。这些方法在物理上是人为的；它们使水柱均匀化，却无法表现出动力学上的上升流和下降流。相反，虽然全非静力学 (NH) 模型求解完整的垂直动量方程，但其计算成本极高，且通常需要目前在现实区域模拟中尚无法实现的解析度。此外，高分辨率的 HPE 模拟往往受到“网格不稳定性”的影响，产生非真实的、虚假的垂直速度（超过 $1 \, ms^{-1}$ ），并呈现出棋盘格分布，尤其是在为了解析亚中尺度特征而最小化水平扩散时。

方法论
本文重新审视了由 Jones 和 Marshall (1993) 提出的理想化深层对流测试案例，并使用了 MARS3D 静力学代码。研究引入了一种被称为准非静力学 (QNH) 建模的启发式方法。该方法包含三个关键步骤：

理想化设置： 一个 2,500 $km^2$ 的正方形区域，包含一个 2,000 m 深的无分层海洋，受到局部表面热损失（400 $Wm^{-2}$ ）的影响，作用范围为半径 15 km 的圆盘。实验采用高水平分辨率（100 m）和 60 个垂直层。
解决网格不稳定性： 研究发现，由于 HPE 模型缺乏对对流水平尺度的物理控制，导致了网格尺度的不稳定性。研究提出，水平动量和示踪物的扩散是组织对流所需的缺失物理过程。
QNH 公式化： 核心创新在于将垂直速度 ( $w$ $w$ ) 的水平扩散项引入模型，从而有效地引入了一个非静力学浮力扰动 ( $b_{nh}$ $b_{nh}$ )。
- 全非静力学垂直动量方程包括局部加速度 ( $\partial w/\partial t$ )、平流、科里奥利力和扩散项。
- QNH 方法保留了扩散项（具体为 $w$ 的水平扩散），但去除了局部加速度项 ( $\partial w/\partial t$ )。
- 这使得 $w$ 保持为一个诊断变量（避免了求解昂贵的压力泊松方程），同时能够考虑到羽流的“脱离”（detrainment）过程——即下沉羽流通过湍流扩散与周围流体交换动量，从而变宽并减速的物理过程。
- 水平扩散系数使用大涡模拟 (LES) 方法（Smagorinsky 公式）进行参数化，该方法包含了垂直速度的水平剪切项，而这一项在标准海洋模型中经常被忽略。

主要贡献

识别水平扩散： 本文证明了水平扩散是控制数值模型中对流大小和速度的关键机制，能够防止网格尺度噪声。
QNH 框架： 它引入了一种对标准静力学代码的高效修改方式。通过仅保留非静力学浮力扰动的扩散项，该模型可以在不承担求解完整非静力学系统的高昂计算成本的情况下，捕捉到羽流脱离的物理过程。
LES 参数化： 研究应用了一种特定的 LES 型水平扩散参数化，该参数化考虑了垂直速度的剪切，这对于模拟羽流的变宽和减速至关重要。

结果
QNH 模型针对理想化案例进行了测试，并与全非静力学 (NH) 模拟（使用 CROCO-NBQ 代码）以及观测数据进行了对比：

抑制虚假速度： QNH 方法完全消除了在高分辨率 HPE 模型中观察到的非真实垂直速度峰值（ $>1 \, ms^{-1}$ ）。垂直速度被组织成真实的羽流，其量级在 0.10 到 0.25 $ms^{-1}$ 之间。
羽流结构： 模型成功模拟了冷、密表面透镜体的形成及其向有组织的对流演变。生成的羽流表现出真实的水平尺度（取决于对流层的深度）和垂直结构，其中下降流比上升流更强。
表面模式： 模拟重现了合成孔径雷达 (SAR) 图像和全 NH 模型中观察到的表面温度和海面高度的多边形图案（3 到 6 边）。这些图案是由冷却的海水向下降落羽流汇聚以及较暖的上涌水发散所导致的。
计算效率： QNH 的结果显示与全 NH 模型 (CROCO-NBQ) 非常接近，但计算成本显著降低。研究发现，在当前空间分辨率下，局部加速度项 ( $\partial w/\partial t$ ) 在已建立的深层对流中仅起次要作用。
定标： 对流单元的水平尺度被证明与对流总深度成比例，这与理论预期一致。

意义与主张
论文声称，QNH 方法为海洋建模界提供了一个实用的折衷方案。它允许模拟真实的对流羽流和垂直通量，而无需承担全非静力学模拟所带来的高昂计算时间，也避免了对流调整方案在物理上的不准确性。

作者断言，垂直速度的水平扩散是控制“灰区”分辨率内（即静力学假设开始失效但尚未能完全解析湍流的分辨率区间）对流的关键过程。通过引入这种启发式方法，模型可以更好地表现浮力从表面向深海的传递，通过真实的下降流和上升流，而不是瞬时混合。论文结论指出，该方法是区域模型的有效替代方案，也可应用于涉及浮力释放的其他问题（如废水排放），通过在单一框架内管理局部浮力射流和远场平流。

类似论文