Kain-Fritsch方案

准确预测天气的能力取决于我们创建大气数字复制品的能力。这些复杂的模型在巨大的网格上求解物理学的基本定律，但它们面临一个关键挑战：许多至关重要的天气现象，如单个雷暴，其尺寸小于单个网格单元，因此模型无法“看见”它们。然而，这些“次网格”风暴是强大的引擎，能输送大量的热量和水汽，忽略它们会导致根本性的预报错误。模型研究者面临的核心问题是，如何仅使用网格框内的平均信息来表征这些不可见事件的深远影响。

本文深入探讨了解决这一问题的最成功和最广泛应用的方案之一：Kain-Fritsch（KF）对流参数化方案。我们将探索这一优雅的物理规则集合如何教会模型“看见”次网格对流。以下章节将剖析该方案的架构，从其基本原理到实际应用。在“原理与机制”一章中，我们将深入分析该方案的内部工作方式，考察它如何决定何时触发风暴，如何确定风暴的强度，以及如何模拟上升气流和下沉气流的生命周期。随后，在“应用与跨学科联系”一章中，我们将探讨KF方案在大型天气和气候模型中的运作方式，讨论其在预报中的优缺点，并将其与其他方法进行比较，揭示大气科学前沿持续存在的挑战。

为了预测天气，我们构建大气模型。这些模型是宏伟的代码结构，基于物理学的基本定律——质量、动量和能量守恒。我们将大气切分成一个巨大的三维网格，我们的超级计算机为每个网格单元求解这些方程，并随时间推进一步以预测未来。但这里存在一个巨大的挑战，一个位于天气预报核心的难题。在全球天气模型中，一个典型的网格单元边长可能为20公里。但那些尺寸小得多的现象呢？比如雷暴，其猛烈的上升气流可能只有一两公里宽？它在我们的网格点之间完整地经历生成、发展和消亡。对于模型来说，它是不可见的。

然而，它的影响却绝非如此。这些“次网格”云是大气中的巨大“电梯”，猛烈地将热量和水汽从地表输送到平流层。忽略它们就等于忽略了天气的主要驱动引擎之一。那么，我们的模型如何能“看见”这不可见之物呢？这正是像Kain-Fritsch（KF）方案这样的对流参数化方案旨在解决的根本难题。

想象一下，你正试图计算一个坐满人的大房间的平均温度。如果你只用几个相距很远的传感器读数取平均，或许能得到一个合理的数值。但现在，想象房间里点燃了几处篝火。这些篝火虽然小，但温度极高。除非你能解释这些小而强大的热源向房间注入的巨大热量，否则你的平均读数现在就毫无意义了。

大气就是这个房间，网格点是你的传感器，而雷暴就是那些篝火。我们使用的流体动力学方程是“非线性”的，这是物理学家用来表示整体不等于部分之和的说法。当我们在一个大的网格框上对这些方程进行平均时，会留下一些讨厌的残余项，这些是未解析运动的数学幽灵。这些项，例如$\overline{w'q'}$，代表了​​次网格通量​​——由“不可见”的对流运动引起的热量和水汽输送。带撇号的量，如$w'$（垂直速度脉动）和$q'$（水汽脉动），是云内部猛烈、快速移动的分量，尽管云的面积分数（$\sigma$）很小，但这些脉动之间的相关性如此之强，以至于它们对网格框的平均效应是巨大的。

我们不能忽略这些项。这样做就等于构建一个对对流层中最猛烈、最活跃的事件视而不见的模型。​​参数化​​方案的任务是创建一套基于物理智能的规则，仅使用已知的网格平均变量（如网格框的平均温度和湿度）来表示这些未知的次网格效应。这本质上是一种教会我们的模型理解篝火行为的方法，即使它看不见单个火焰。Kain-Fritsch方案是用于此目的的最成功、应用最广的“教案”之一。

KF方案没有试图从抽象原理中猜测次网格通量，而是采取了一种更直接的方法：它在网格框内构建了一个简化的、典型的云。这不是一个完整的三维模拟，因为在每个网格点上运行这样的模拟在计算上是不可行的。相反，它是一个巧妙的一维“羽流”模型——一个代表对流上升气流的虚拟电梯井。

该模型追踪的基本量是​​上升气流质量通量​​$M_u(z)$，它表示每秒钟通过给定高度$z$向上输送的质量。 但这个“电梯”并非与周围环境完全隔绝。在上升过程中，它通过两种关键方式与环境不断相互作用：​​夹卷​​和​​脱卷​​。

​​夹卷​​是上升气流吸入环境空气的过程。想象一下从烟囱升起的烟羽；它随着与周围空气的混合而变得更宽、更稀疏。这种混合产生了深远的影响：它稀释了上升气流。环境空气通常比云核内的浮力空气更冷、更干。通过夹卷这些空气，上升气流的浮力减小，其加速度也随之减弱。我们可以优雅地写出这一点：上升气流任何属性（我们称之为$\chi_u$）的变化率，是由环境属性$\chi_e$与上升气流自身属性之间的差异驱动的：

$\frac{d\chi_u}{dz} = \epsilon(z) [\chi_e(z) - \chi_u(z)]$

这里，$\epsilon(z)$是分数夹卷率。这个简单的方程表明，夹卷总是试图将上升气流的属性拉回到环境的属性，从而成为风暴的强大制动器。

​​脱卷​​是相反的过程，即上升气流将质量“脱落”回环境中。这在风暴顶部附近尤为重要，那里的上升气流扩展开来形成特有的砧状云。

由于夹卷和脱卷之间的这场拉锯战，上升气流的总质量通量随高度而变化。质量通量随高度的变化就是夹卷的质量减去脱卷的质量：$\frac{dM_u}{dz} = [\epsilon(z) - \delta(z)] M_u(z)$，其中$\delta(z)$是脱卷率。这个简单的一维云模型，及其精心制定的夹卷和脱卷过程，构成了KF方案的核心引擎。

大气并非总是爆发雷暴。通常，即使有大量的“燃料”可用，即​​对流有效位能（CAPE）​​，但一层稳定的空气，就像锅盖一样，会阻止对流的开始。这个“盖子”被称为​​对流抑制（CIN）​​。一个真正的风暴只有当一个气块获得足够强的向上“踢力”以冲破这个盖子，并达到其​​自由对流高度（LFC）​​时才会开始。在自由对流高度，气块最终变得比其周围环境更暖，并能依靠自身力量向上加速。

KF方案有一个复杂的​​触发函数​​来模拟这个过程。 它不只是问：“是否存在正的CAPE？”。相反，它会进行一系列测试：

1. 首先，它识别出近地面湍流边界层中能量最强的气块。
2. 然后，它给这个气块一个小的向上速度扰动，代表那种可能给真实气块提供冲破CIN所需推力的小尺度湍流。
3. 它抬升这个受扰动的气块，同时考虑夹卷带来的稀释效应，并检查它是否能成功克服CIN并达到其LFC。
4. 最后，也是最关键的一点，它检查由此产生的云是否​​足够深​​。该方案只有在预测的云深相当可观时（通常大于3或4公里）才会触发深对流。 这个基于常识的检查防止了方案为每一个出现的晴天小积云都启动其强大的深对流机制。

只有当所有这些条件都满足时，触发器才会被拉动，方案进而进入下一个最关键的问题。

触发器被拉动了。模型现在致力于生成一场雷暴。但规模多大？强度多高？这就是​​闭合假设​​，是整个方案的哲学核心和大脑。它是一条决定对流事件总体量级的规则——具体来说，就是云底质量通量$M_b$。

Kain-Fritsch方案的闭合是建立在​​准平衡​​这一优美的概念之上的。把大气想象成一个系统，其中大尺度过程（如太阳加热或锋面上的空气辐合）不断地产生燃料（CAPE）。反过来，对流是消耗这种燃料、释放能量并稳定大气的引擎。KF方案假设这两个过程不是孤立发生的。相反，对流引擎以恰到好处的速度运行，以平衡燃料的供应速率。

但是，什么是“恰到好处的速度”呢？一个较早的观点是，对流会瞬间消耗掉一个网格框内所有的CAPE。但这与我们在自然界中观察到的情况不符，而且理由很充分。一个简单的粗略计算揭示了原因。即使在一个非常活跃的环境中，雷暴强大的上升气流也只覆盖了总面积的很小一部分，可能只有5%或更少。这个小小的上升气流集合处理完一个20公里网格框内所有空气所需的时间，从根本上受到其垂直速度和这个小面积分数的限制。结果是一个小时或更长量级的时间尺度，而不是几秒或几分钟。

KF方案巧妙地融入了这一物理洞察。其闭合项指出，对流将作用于在一个有限的​​调整时间​​$t_a$（通常在30到60分钟的量级）内移除多余的CAPE（直至某个小的残余值$\mathrm{CAPE}_r$）。这避免了瞬时调整带来的不切实际的剧烈性，并允许大尺度强迫和对流响应之间进行更温和、更现实的相互作用。

这个原理可以被提炼成一个优美、简洁而强大的方程，作为对流引擎的节流阀。网格框所需的CAPE消耗率就是待移除的量除以所需时间：$\frac{\mathrm{CAPE} - \mathrm{CAPE}_r}{t_a}$。这必须由上升气流来完成，而上升气流消耗CAPE的能力取决于其强度$M_b$和其“热力学效率”$\eta$。将两者等同，我们得到了云底质量通量的主方程：

$M_b = \frac{\mathrm{CAPE} - \mathrm{CAPE}_r}{\eta \, t_a}$

这个方程是KF闭合项的核心。它通过物理上合理的参数——时间尺度$t_a$和云自身的效率$\eta$——将大尺度的大气状态（可用的CAPE）与所需的次网格对流强度（$M_b$）优雅地联系起来。

我们对风暴的描绘仍不完整。有升必有降。KF方案包含一个复杂的​​下沉气流​​模型，这是任何成熟雷暴的关键组成部分。在该方案中，下沉气流不仅仅是雨水拖曳空气下降。它是当来自上升气流的雨水落入对流层中层的干燥空气层时启动的。雨水的迅速蒸发导致急剧冷却。这个新形成的冷而密的空气块向地面骤降，形成了下沉气流。 当这个下沉气流撞击地面时，它会以​​冷池​​或阵风锋的形式散开，我们在地面上感受到的就是雷暴来临前那阵凉爽、阵性的风。

当所有部件——触发器、上升和下沉气流模型，以及用于设定其强度的闭合项——都就位后，最后一步是将其效应转换回大尺度模型能够理解的语言。这个内部的“盒子中的云”如何改变整个网格单元的平均温度和湿度？KF方案细致地计算了三个主要效应：

1. ​​补偿性下沉​​：羽流中质量的净向上输送必须由环境中广阔区域缓慢、温和的下沉运动来平衡。这种下沉压缩并加热了环境空气，是对流层中上部的一个主要热源。
2. ​​脱卷​​：随着上升气流和下沉气流脱落质量，它们将其属性——热量、水汽和动量——直接混合到环境中。
3. ​​相变​​：水的相变是风暴的热力学核心。上升气流中的凝结释放出大量的潜热，使气柱变暖。相反，下沉气流中雨水的蒸发吸收热量，导致冷却。

该方案将所有这些贡献相加，并向主模型提供最终答案：一组针对大气柱中每个高度层的“倾向”或变化率（$\frac{\partial T_e}{\partial t}$和$\frac{\partial q_e}{\partial t}$）。这是一个终极的反馈循环。大尺度模型创造条件（CAPE）。KF方案利用这些条件设计一个次网格风暴。然后，该风暴的影响被返回给大尺度模型，改变环境，并为下一个时间步做好准备。这是在已解析与未解析、可见与不可见之间一场复杂、优美且物理上优雅的舞蹈。

窥探了Kain-Fritsch方案精美的内部机制后，我们可能会倾向于将其视为一个自成一体、优雅的物理学作品。但它真正的力量，它存在的根本原因，不在于其孤立性，而在于它与广阔、复杂的大气世界的联系。该方案不仅仅是一个抽象的模型；它是一个得力工具，是天气预报和气候模拟宏伟机器中的一个重要齿轮。它的目的是替代那些对我们的模型来说太小、太快以至于无法直接看到的、狂暴而复杂的雷暴之舞。通过这样做，它为我们的模拟注入了生命，纠正了其固有的偏差，并使它们能够描绘出我们星球天气的更真实的画面。

想象一个没有适当对流表示的天气模型。它就像一个无法释放压力的引擎。太阳将能量倾注到低层大气，水汽会积聚，空气会变得越来越不稳定——一个积蓄了势能的卷曲弹簧。但由于没有机制来释放它，模型的近地面大气会变得异常暖湿，而高空则异常干冷，这是对真实世界的扭曲描绘。Kain-Fritsch方案充当了安全阀。它看到这种不稳定性，并说：“啊哈！大自然不会容忍这种情况。这里必须爆发一场雷暴！”然后，它开始将多余的热量和水汽向上输送，冷却和干燥边界层，同时加热对流层中部，这正是一个真实风暴会做的事情。这种非局地垂直再分配的基本作用是该方案的主要应用：保持模型气候的真实性。

当然，仅仅知道风暴应该发生对于预报来说是不够的。关键问题是何时以及多强。在这里，KF方案从一个气候调节器转变为一个预报工具，我们进入了预测的微妙艺术。

最令人头疼的挑战之一是预测午后雷暴的确切开始时间。它们会在下午2点爆发，还是会推迟到下午5点？在模型世界里，答案取决于一个看似简单的问题：形成风暴的空气来自哪里？它是直接从被太阳烤热的地表上升，还是来自大气最低几百米（即所谓的“混合层”）空气的平均？这个差异非同小可。来自炎热、潮湿地表的气块比来自更深层平均的气块具有更多的“冲劲”——更多的能量。因此，一个基于地表气块触发对流的模型可能会比一个使用混合层气块的模型提早数小时启动风暴。将这些预测与观测结果进行比较发现，使用混合层表示法通常能为对流的开始提供更准确的时间，防止模型“抢跑”，过早地触发风暴。

一旦风暴被触发，它的强度会有多大？预报员可能会看到一个充满了巨大势能（CAPE）的环境，并想知道这预示着一场倾盆大雨还是一场更温和、持续的降雨。在KF方案中，答案由一个关键参数控制：“对流调整时间尺度”$t_a$。这个参数实质上告诉模型风暴应该以多快的速度消耗可用能量。如果我们将$t_a$设置为一个较短的值，比如30分钟，方案会释放一个强大的上升气流来迅速消除CAPE，导致一场暴雨。如果我们将它设置为一个较长的值，比如3小时，方案会模拟一个更缓慢的过程，用较弱的上升气流和较温和的降雨在更长的时间内移除相同总量的能量。因此，作为风暴强度度量的云底质量通量$M_b$，与这个时间尺度成反比：$M_b \propto \frac{\mathrm{CAPE}}{t_a}$。由此产生的大气加热和增湿也成正比。这个单一的可调参数允许模型研究者控制模拟对流的特性，这一决定对从山洪预警到农业预报的方方面面都有深远的影响。

让我们进入这个参数化的风暴内部，看看它的结构如何与其他科学学科相联系。KF方案的核心是两个角色的故事：上升气流和下沉气流。

上升气流是风暴的心脏，是一股冲向天空的浮力空气柱。一种天真的看法可能把它想象成一个密封的电梯，保留其所有的热量和水汽。但现实要混乱得多。一个真实的上升气流更像一个漏风的烟囱，不断地吸入或“夹卷”其周围更干、更冷的空气。这种夹卷是一场生存之战。它稀释了上升气流的能量，削弱了其浮力。这个夹卷率$\epsilon$是一个主导变量。通过求解简单方程$\frac{d h_{u}}{d z} = \epsilon ( h_{e} - h_{u} )$，其中$h_u$和$h_e$是上升气流和环境的湿静力能，我们发现更高的夹卷率起到了强大的制动作用。它不仅限制了云能达到的最终高度，还决定了它赋予大气的加热垂直廓线。一个高夹卷的上升气流将其热量释放在较低的高度，而一个弱夹卷、更像“核心”的上升气流可以穿透到更高处并加热对流层上部。这个优雅的联系表明，单个参数$\epsilon$如何塑造了风暴的生命周期及其对更广阔环境的持久影响。

有升必有降。下沉气流是风暴的第二幕，它同样至关重要。当雨水从云中落下时，它在下方的干燥空气中蒸发，使其冷却。这股冷而密的空气随后向地面俯冲。KF方案细致地模拟了这一过程。初始下沉气流的强度与降水率相关，并且像它向上运动的双胞胎一样，它在下降时也会夹卷空气。当这条冷空气河流撞击地表时，它会散开，形成你感觉到的夏季风暴来临前那股凉爽、清新的微风，即阵风锋或“出流边界”。在模型中，这个过程通过计算地表温度和湿度的倾向来表示。下沉气流的空气比周围的地表空气更冷，并且通常具有不同的水汽含量，它直接改变了边界层，使其冷却和稳定。这不仅仅是一个古雅的细节；它是一个关键的反馈。一个风暴留下的冷池可以稳定该区域，阻止新风暴的形成，或者它的前沿可以充当一个微型冷锋，抬升周围的空气并触发一整条新的雷暴线。

这场复杂的空气之舞因水不同相态的魔力而变得更加复杂，这是与云微物理领域的美妙联系。当上升气流经过温度降至$0\,^{\circ}\mathrm{C}$的高度以上时，一个显著的事件可能发生：过冷的液态云滴开始结冰。这种从液态到冰的相变释放出熔化潜热，给上升气流一个额外的浮力“助推”，就像一枚小型火箭助推器在飞行中点火。这个浮力助推的大小$\Delta B$，与结冰的水量成正比，$\Delta B \propto L_f \alpha q_c$。此外，维持饱和的物理过程也发生了变化。在冻结层以下，被夹卷的干空气通过蒸发液态水来增湿。在其之上，该过程涉及冰的升华。由于升华潜热大于蒸发潜热（$L_s > L_v$），在冰相中保持气块饱和需要更多的能量。这导致在冻结层处加热/冷却廓线出现一个明显的不连续性。KF方案对这些微物理过程的表征显示了风暴的动力学如何与水的分子特性交织在一起。

重要的是要记住，Kain-Fritsch方案尽管优雅，但并非城中唯一的选择。对流参数化的“艺术”是一个充满竞争思想和哲学的繁荣领域。一个主要的替代方案是“调整”方法，以Betts-Miller-Janjic（BMJ）方案为代表。KF方案细致地用质量通量从下至上构建风暴，而BMJ则采用一种更自上而下的方法。它说：“这股气柱与观测到的对流后参考廓线相比过于潮湿。让我们在一定的时间尺度内将其放松回那个参考廓线。”多余的水汽就简单地以降雨形式析出。在相同条件下比较这两种方案，我们看到了它们不同的“个性”。KF方案基于CAPE，可能会在一个不稳定但相对干燥的大气中触发强烈的风暴，而BMJ方案基于总水汽柱，可能保持休眠。反之，BMJ可能在一个非常潮湿但仅勉强不稳定的气柱中启动对流，而KF则不会。没有哪一个是普遍“正确”的，天气预报中心经常运行带有不同方案的多个模型来捕捉这种不确定性。

即使在质量通量方案家族内部，也存在重要的变体，特别是在“闭合项”——决定对流总强度的高层规则上。KF方案的闭合是基于消耗CAPE。另一种流行的方法，用于像Tiedtke方案这样的方案中，将对流质量通量基于大尺度水汽辐合$\Lambda$。其思想是，没有燃料（水汽）的供应就不可能有风暴。对于给定的天气状况，基于CAPE的闭合和基于水汽辐合的闭合可以为最终对流的强度给出非常不同的答案，导致不同的加热廓线和反馈。这场关于“最佳”闭合项的持续辩论凸显了对流参数化仍然是一个活跃的研究领域，是物理学、观测和复杂推测的结合。

像任何科学工具一样，Kain-Fritsch方案也有其局限性。它旨在表示一群“爆米花”式的雷暴，即那种在夏日午后冒出的雷暴。其基本假设是在准平衡状态下，单个孤立的上升-下沉气流对与其环境相互作用。然而，大自然往往更有组织性。在强垂直风切变的条件下，雷暴可以组织成壮观而危险的结构，如飑线和超级单体。在这些系统中，风暴与其切变环境之间的相互作用是主导特征，这是单个羽流模型无法捕捉的。我们甚至可以开发无量纲指标来诊断KF方案何时超出其适用范围。一个这样的指标比较了由其冷池驱动的风暴传播速度与低层入流风速。另一个比较了浮力上升的时间尺度与切变引起的倾斜的时间尺度。当这些比率变大时，这是一个警告信号：大气已准备好形成有组织的对流，KF方案的简单假设很可能会失效。

也许最激动人心的前沿是“尺度感知”的挑战。几十年来，模型的网格框如此之大（数百公里），以至于所有对流都纯粹是次网格的。KF方案就是为这个世界设计的。但随着计算机变得越来越强大，模型分辨率正在进入几公里的“灰色地带”。在这些尺度上，最大的对流上升气流不再是不可见的；它们开始被模型自身的流体动力学方程部分解析。如果我们在这样的模型中运行一个未经修改的KF方案，我们就有“重复计算”的风险。模型的解析动力学将创建一个上升气流来释放不稳定性，而KF方案，在网格平均状态下看到同样的不稳定性，也同样会创建一个参数化的上升气流来做同样的工作。结果是一个极其强烈、不切实际的对流响应。

一个真正“尺度感知”的方案必须认识到解析模型已经在做什么，并优雅地减少自身的贡献。它必须从在粗分辨率下表示整个对流过程，平滑地过渡到当分辨率足够精细以看到一切时完全不作为。这需要修改方案的核心假设——其触发机制、闭合项、夹卷率——使其成为模型网格尺度$\Delta x$的函数。这是当今大气建模中最紧迫、最引人入胜的问题之一，而对一个稳健的、尺度感知的KF方案的探索是下一代天气和气候模型的核心。

从预测午后阵雨的普通任务到模拟我们星球下个世纪气候的宏大挑战，Kain-Fritsch方案及其后继者都是不可或缺的工具。它们证明了将复杂现象简化为其基本物理要素——质量和能量守恒、浮力和夹卷、水和冰——并将其编织成一个既计算上可行又物理上深刻的框架的力量。这是一段从抽象的方程世界到塑造我们生活的具体天气现实的旅程。