Generative convective parametrization of dry atmospheric boundary layer

要約

乱流のパラメータ化は、今後もキロメートル規模の地球システム モデルに必要な構成要素となります。
対流境界層では、ポテンシャル温度や湿度などの保存特性の平均垂直勾配がほぼゼロであるため、渦拡散率を介して乱流束を平均垂直勾配に関連付ける標準的な分析は、典型的には非対称の質量流束パラメータ化によって拡張する必要があります。
大気境界層における上昇気流と下降気流。
この研究では、敵対的生成ネットワークに基づいた乾燥対流境界層のパラメータ化を紹介します。
このモデルには、ディアドルフによる古典的な混合層理論に基づく自己相似層成長の物理学が組み込まれています。
これにより、生成機械学習アルゴリズムのトレーニング データベースが強化され、境界層内のさまざまな高さで合成的に生成された乱流場の予測統計が大幅に向上します。
アルゴリズムのトレーニングは、完全な 3 次元の直接数値シミュレーション データに基づいています。
確率的パラメータ化とは異なり、私たちのモデルは、さまざまな高さでの浮力変動、垂直速度、浮力束の非ガウス性の高い過渡統計を予測できるため、安定した上部領域に浸透する最速の熱も捕捉できます。
私たちの生成アルゴリズムの結果は、標準的な 2 方程式またはマルチプルームの確率的質量流束スキームと一致します。
現在のパラメータ化は、他のモデル クロージャでは得られない乱流対流の顆粒型の水平組織をさらに提供します。
私たちの研究は、湿った対流、海洋上層の混合、恒星内部の対流など、他の自然の流れにおける効率的なデータ駆動型の対流パラメータ化への道を開きます。

要約(オリジナル)

Turbulence parametrizations will remain a necessary building block in kilometer-scale Earth system models. In convective boundary layers, where the mean vertical gradients of conserved properties such as potential temperature and moisture are approximately zero, the standard ansatz which relates turbulent fluxes to mean vertical gradients via an eddy diffusivity has to be extended by mass flux parametrizations for the typically asymmetric up- and downdrafts in the atmospheric boundary layer. In this work, we present a parametrization for a dry convective boundary layer based on a generative adversarial network. The model incorporates the physics of self-similar layer growth following from the classical mixed layer theory by Deardorff. This enhances the training data base of the generative machine learning algorithm and thus significantly improves the predicted statistics of the synthetically generated turbulence fields at different heights inside the boundary layer. The algorithm training is based on fully three-dimensional direct numerical simulation data. Differently to stochastic parametrizations, our model is able to predict the highly non-Gaussian transient statistics of buoyancy fluctuations, vertical velocity, and buoyancy flux at different heights thus also capturing the fastest thermals penetrating into the stabilized top region. The results of our generative algorithm agree with standard two-equation or multi-plume stochastic mass-flux schemes. The present parametrization provides additionally the granule-type horizontal organization of the turbulent convection which cannot be obtained in any of the other model closures. Our work paves the way to efficient data-driven convective parametrizations in other natural flows, such as moist convection, upper ocean mixing, or convection in stellar interiors.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google