地形跟随坐标

玻尔百科

核心要点

地形跟随坐标变换计算网格，使其与地球复杂的地形相符，从而简化了数值模型中地表边界的表示。
该方法的一个主要缺点是虚假的气压梯度力（PGF）误差，这是一种数值伪影，可在陡峭地形上产生虚假的风。
混合坐标系提供了一种务实的解决方案，它将近地面的地形跟随坐标与高层大气中的平坦气压坐标相结合。
这种坐标变换是大气科学、海洋学和地球物理学中用于模拟复杂地表附近物理过程的一项基本技术。

引言

对地球大气和海洋进行建模带来了一个根本性的挑战：我们如何在计算网格中表示地球复杂而不规则的表面，及其高耸的山脉和深邃的海沟？将世界视为一堆均匀盒子的标准刚性网格系统，在遇到地形时会灾难性地失效，导致严重的数值误差和不稳定性。这一局限性造成了关键的知识空白，阻碍了我们精确模拟天气、气候和洋流的能力。

本文探讨了一种优雅而强大的解决方案：地形跟随坐标系。通过弯曲数学框架以适应物理世界，该方法为模拟复杂地形上的流动提供了一种更准确、更稳定的方式。我们将深入探讨其核心概念，考察这些坐标是如何构建的以及其中涉及的权衡。接下来的章节将引导您了解现代计算科学中的这项关键技术。“原理与机制”一章将揭示地形跟随坐标和混合坐标的数学基础，解释其卓越的优点和它们所产生的臭名昭著的“气压梯度力误差”。随后，“应用与跨学科联系”一章将展示该方法如何成为大气科学、海洋学和地球物理学建模的基石，使科学家能够构建更忠实于我们物理世界的虚拟实验室。

原理与机制

要建立地球大气或海洋的模型，我们必须首先决定如何描述它所占据的空间。这听起来可能微不足道，就像在一张纸上画网格一样。但地球不是一张平坦的纸，它有高耸的山脉和深邃的海沟。我们如何选择绘制网格——即我们的坐标系——是天气和气候建模中最基本、影响最深远的决定之一。这个选择充满了微妙的挑战和优雅的解决方案，是物理直觉与数学严谨性相互作用的完美典范。

僵化方格网格的弊端

让我们从最显而易见的想法开始。想象一下，用一大堆均匀的矩形盒子来构建我们的模型世界。在这个世界里，垂直坐标就是几何高度，我们可以称之为 $z$ 。每一层盒子代表恒定高度处大气或海洋的一个切片。这被称为位势或 $z$ 层坐标系。其 $z$ 等值面是完全平坦和水平的。

这似乎很简单，直到我们整齐堆叠的盒子撞上一座山。山作为一个固体边界，直接穿过这些盒子。与地形相邻的网格单元被切割成笨拙的、被截断的形状，其中一些可能只有原来尺寸的一小部分。这种对地形的“阶梯状”表示不仅难看，而且是一场计算噩梦。

为什么？首先，在边界上应用物理定律变得一团糟。地面与空气之间的热量和动量交换——这些发生在行星边界层（PBL）中的关键过程——必须在一个锯齿状的人造阶梯上计算，而不是在真实、光滑的表面上。其次，也是更具灾难性的，那些微小的、被切割的单元格可能会使整个模拟陷入停顿。许多数值方法都受到Courant-Friedrichs-Lewy（CFL）条件的约束，该条件规定模拟的时间步长必须足够小，以至于信息（如声波）不会在单一步长内跳过整个网格单元。当单元格可以任意小时，所需的时间步长可能变得无穷小，使得模型在实践中无法运行。

显然，将一个刚性的、盒子状的网格强加到一个颠簸不平的世界是一场注定失败的战斗。我们必须更加聪明。

一个简单而优雅的想法：让网格弯曲

如果我們不使用剛性網格，而是使用彈性網格呢？想像一下，將一張標有網格的彈性橡膠布覆蓋在一座山脈的模型上。網格線會自然地跟隨地形的輪廓。這就是地形跟隨坐標系的精髓。目標是創建一個新的垂直坐標，我們稱之為 $\sigma$ （sigma），其等值面不是平坦的，而是符合地球表面的形狀。

我们如何在数学上构建这样一个坐标呢？过程出奇地简单。让我们考虑海洋学家的做法。物理空间由高度为 $z = \eta(x,y,t)$ 的海面和深度为 $z = -H(x,y)$ 的海底所界定。我们想要一个新的坐标 $\sigma$ ，它在表面有一个常数值（比如 $\sigma=0$ ），在底部有另一个常数值（比如 $\sigma=-1$ ）。连接两点的最简单的数学函数是直线。通过假设一个简单的线性关系，我们可以推导出一个完全符合我们要求的映射：

\sigma = \frac{z - \eta}{H + \eta}

你可以自己检查一下：当物理高度 $z$ 等于表面高度 $\eta$ 时， $\sigma=0$ 。当 $z$ 等于底部深度 $-H$ 时， $\sigma=-1$ 。在两者之间， $\sigma$ 值代表了表面和底部之间一个固定的分数距离。网格在垂直方向上伸展和压缩，以完美地适应海洋深度的变化。

气象学家通常采用一种略有不同但同样优雅的方法。在大气中，气压（ $p$ ）是一个天然的垂直坐标。由于重力，气压总是随高度降低，这种关系由静力平衡方程 $\frac{dp}{dz} = -\rho g$ 描述，其中 $\rho$ 是空气密度， $g$ 是重力。我们可以对气压进行归一化，而不是对几何高度进行归一化。如果我们将新坐标定义为局地气压 $p$ 与地面气压 $p_s(x,y,t)$ 的比值，我们就得到了由 Norman Phillips 开创的经典地形跟随坐标：

\sigma = \frac{p}{p_s(x,y,t)}

根据这个定义，地面（其中 $p=p_s$ ）始终是 $\sigma=1$ 的表面。这个单一、简单的变换带来了深远的影响。物理空间中复杂、移动的下边界在我们的新“sigma空间”中变成了一个固定的、平坦的边界。这是一个巨大的简化。我们可以通过将这个定义与物理定律（如静力平衡方程和理想气体定律）相结合，来推导出这些sigma表面的精确几何形状，从而找到我们的新坐标 $\sigma$ 与真实世界高度 $z$ 之间的映射关系。这是一个绝佳的例子，说明了我们如何可以使用坐标变换来弯曲我们的数学世界以适应物理世界。

弯曲世界的代价

这个新的、灵活的网格似乎是一个完美的解决方案。我们消除了切割单元问题，并使下边界的处理变得轻而易举。但在物理学中，就像在生活中一样，没有免费的午餐。我们为简化几何所付出的代价是使运动方程变得复杂。

当我们在这种新的、弯曲的坐标系中书写我们的物理定律——比如质量守恒定律——时，我们必须使用链式法则来变换所有的导数。这个过程在方程中引入了新的项，称为度量项。例如，简单的质量守恒定律，在气压坐标中为 $\frac{\partial \omega}{\partial p} + \nabla_{h}\cdot \mathbf{v} = 0$ ，在sigma坐标中变换成更复杂的形式：

\frac{\partial p_{s}}{\partial t} + \nabla_{h}\cdot\left(p_{s}\mathbf{v}\right) + \frac{\partial}{\partial \sigma}\left(\omega - \sigma\,\frac{\mathrm{D}p_{s}}{\mathrm{D}t}\right) = 0

看右边那个新项！那个涉及地面气压变化的附加部分，是我们的坐标与一个移动、倾斜的边界相联系的直接后果。变换的雅可比行列式——一个衡量坐标系如何拉伸和收缩空间的量，在这种情况下就是 $p_s$ ——现在出现在导数内部。我们曾经简单的方程现在有了更多的活动部件。这就是我们为几何便利付出的数学代价。

潜藏之龙：虚假之力

方程的这种复杂化不仅仅是不便；它隐藏着一条微妙而危险的龙。让我们想象一个简单的情景：一个完全静止的平静大气，坐落在一座山上。在这种静止状态下，没有风，所以各处的净水平力必须为零。驱动风的气压梯度力（PGF）必须被完美平衡。

在我们原始的高度（ $z$ ）坐标中，这很简单。PGF与同一高度两点之间的气压差成正比。由于大气是静止的，气压只在垂直方向上变化，所以水平气压梯度为零。没有力，就没有风。一切都是自洽的。

现在，让我们在我们新的、倾斜的sigma坐标中看待这个问题。为了计算水平气压梯度，我们必须用沿倾斜 $\sigma$ 表面的导数来表示它。链式法则告诉我们，真实的水平PGF现在被分成两部分：

\text{PGF} = \underbrace{-\frac{1}{\rho}\left( \frac{\partial p}{\partial x} \right)_{\sigma}}_{\text{Term 1}} \underbrace{- g \left( \frac{\partial z}{\partial x} \right)_{\sigma}}_{\text{Term 2}}

第一项是沿倾斜sigma表面测量的气压梯度。第二项涉及sigma表面本身的斜率。在我们静止的山上大气中，这两项都不是零！因为 $\sigma$ 表面是倾斜的，当你沿着它移动时，气压会变化，其几何高度 $z$ 也会变化。在连续、完美的数学世界里，这两项数值很大，但大小相等、方向相反。它们被设计成可以完美地相互抵消，使得净力为零，正如我们所知的那样。

但计算机不是一个完美的世界。它用有限的精度表示数字，并使用网格上的有限差分来计算导数。当计算机试图计算这两个非常大的数并相减时，来自离散化和插值（尤其是在压力和高度可能存储在不同位置的交错网格上）的微小误差意味着抵消不再完美 [@problemid:4089070]。一个微小的、残留的“幽灵”力诞生了。这种虚假的气压梯度误差是我们数值方法的产物，一条我们自己制造出来的龙。这种幻影之力可以在山上产生虚假的风，污染模拟并摧毁我们预报的准确性。

驯龙之术：妥协的艺术

多年来，这种气压梯度误差一直是模型开发者的一大难题。他们如何在不放弃地形跟随网格的巨大优势的情况下驯服这条龙？当解决方案出现时，它是科学妥协的杰作：混合sigma-气压坐标。

关键的洞见在于提出这样一个问题：我们真正需要网格跟随地形的地方是哪里？主要是在地表附近，以便准确捕捉边界层和地表通量。在高层大气中，远离山脉的直接影响，我们更希望使用平坦的、基于气压的坐标，以消除导致PGF误差的倾斜表面。

那么，为什么不同时拥有两者呢？混合坐标正是这样做的。它被设计成在地面处是纯粹的地形跟随坐标，并平滑、优雅地过渡到高层大气中的纯气压坐标。其数学公式非常优雅：

p(\eta) = A(\eta) + B(\eta) p_s

这里， $\eta$ （eta）是新的混合坐标。函数 $A(\eta)$ 和 $B(\eta)$ 就像调节旋钮。它们被设计成：

近地表处（例如， $\eta \to 1$ ）： $B(\eta)$ 接近1，而 $A(\eta)$ 接近0。这使得 $p(\eta) \approx p_s$ ，因此坐标是地形跟随的，就像纯sigma坐标一样。我们获得了边界过程的所有好处。
高空处（例如， $\eta \to 0$ ）： $B(\eta)$ 趋于0。这使得 $p(\eta) \approx A(\eta)$ 。由于 $A(\eta)$ 不依赖于地面气压 $p_s$ ，气压面变成了平坦、水平的等压面。坐标面的斜率消失了，气压梯度误差之龙也被饿死了。

这种混合方法代表了两全其美。它是一个务实而强大的解决方案，允许模型准确地表示地球表面的复杂相互作用，而不会在自由大气中产生虚假的 artifacts。它证明了科学家在物理保真度和数值稳定性之间进行精妙权衡的创造力，是真实世界与其计算表示之间的一场完美舞蹈。

应用与跨学科联系

在了解了地形跟随坐标的原理之后，我们可能会问：“所有这些数学机制有什么用？” 答案是，它的用途与我们星球褶皱的表面一样广阔和多样。这些坐标不仅仅是一种巧妙的数学技巧；它们是任何想要模拟我们世界物理现象的人的基本工具，从我们呼吸的空气到我们航行的海洋，再到我们脚下的土地。通过弯曲我们的数学描述以适应现实的复杂形状，我们解锁了回答那些否则难以处理的问题的能力。让我们来探讨这个单一而优雅的思想如何在各个科学领域中得以体现。

大气科学：驯服山地天气

想象一下，你正试图建立一个计算机模型来预测天气。你的模拟区域不是一个平坦的桌面；它包括高耸的喜马拉雅山脉、崎岖的落基山脉和连绵的阿尔卑斯山脉。气流流过、绕过并穿过这些地形，创造出极其复杂的天气模式。你如何为这一切写出方程？

一个简单的方法可能是使用标准的笛卡尔网格，然后简单地“遮掉”山体内部的单元格。这会产生一个粗糙的、“阶梯状”的地形表示。虽然简单，但这种方法对准确性是灾难性的。阶梯的人造尖角会产生虚假的波和反射，用与真实物理无关的噪音污染模拟。

这就是地形跟随坐标变得不可或缺的地方。它们允许计算网格平滑地流过山脉和山谷。在我们的模型世界中，地面不再是一个锯齿状的近似，而是一个完美光滑的边界。但这种优雅伴随着一个深刻而著名的挑战：气压梯度力（PGF）误差。

在平静、静止的大气中，气压随高度降低。在平原上，等压面是完全水平的。驱动风的力——气压梯度力——为零。但在山上会发生什么？地形跟随坐标面不再是平坦的；它们是倾斜的。为了计算真实的水平气压梯度，模型必须计算沿这个倾斜坐标面的气压差，然后减去一个解释了沿该斜坡气压垂直变化的大项。

这就像试图测量一个本身就 steeply 倾斜的平底锅中水面的微小斜率。你必须测量总斜率，然后减去平底锅已知的巨大倾斜度。测量平底锅倾斜度的任何微小误差都会导致最终答案出现巨大误差。同样，在模型中，两个非常大的数——沿坐标面的梯度和修正项——必须几乎完美地抵消。来自有限网格分辨率的微小数值误差会被放大，产生一个相当大的虚假力。使用这种朴素方法的模型会预测在完全平静的大气中刮起狂风，而这仅仅是数学运算的产物。

科学界对这一难题的解决方案证明了他们的独创性：混合坐标。这个想法是一个漂亮的妥协。在近地面，与地形保持一致至关重要，坐标系是纯粹的地形跟随坐标。但是当我们向高层大气移动，远离山脉的直接影响时，坐标面会逐渐松弛并转变为平坦的等压面。这种巧妙的混合保留了地形跟随系统在边界处的好处，同时显著减少了自由大气中的PGF误差，而那里的风对此最为敏感。

海洋学：测绘深海

模拟大气的挑战在海洋中同样存在。在这里，“地形”是复杂的海底地形，包括深海平原、中洋脊和深海海沟。海洋模型使用地形跟随坐标的原因相同：为了准确表示水与海底相接的边界。

在这种背景下，坐标系揭示了一段特别美妙的物理学。根据定义，水不能流过不可渗透的海底。在变换后的地形跟随世界中，底部是一个坐标面，比如 $\sigma = -1$ 。因此，垂直于该表面的速度分量，我们称之为 $\omega$ ，对于底部上的任何质点都必须为零。这不是一个近似；这是坐标系设计的直接而精确的结果。复杂的物理边界条件被转化成了最简单的陈述： $\omega = 0$ 。

然而，海洋也呈现出其独特的转折。海洋学家通常对不同密度的水团感兴趣。因此，使用等密度面，或isopycnals，作为坐标面是很自然的。这在深层、分层的海洋中效果很好。但在近表层，夏季的太阳加热和冬季的风寒效应可以将上层海洋搅动成一个密度均匀的“混合层”。

当这种情况发生时，原本处于不同深度的等密度面可能会全部坍缩到海面上，这种现象称为露头。对于一个纯粹的等密度坐标系来说，这是一场灾难。这就像你的网格线突然合并，产生一个数学奇点。为了解决这个问题，海洋学家采纳了与大气科学家相同的想法：混合坐标。现代海洋模型将稳定分层的深海中的等密度坐标与近表层不稳定的混合层中的表层跟随坐标相结合。这使得模型能够优雅地处理露头现象，为研究上层海洋热量的季节性涨落提供了一个稳健的框架。

地球物理学：聆听地球的回声

当 지진이 발생하면 지진파가 지구를 통해 빠르게 전파됩니다. 이 파동이 지구 표면에서 반사되고 이동하는 방식은 우리에게 지진의 진원지와 지각 구조에 대한 정보를 제공합니다. 이를 모델링하기 위해 지구물리학자들은 동일한 도전에 직면합니다. 지구의 평평하지 않은 지형을 어떻게 표현할 것인가?

与大气模型一样，使用带有“阶梯状”地形的简单笛卡尔网格是一个糟糕的选择。网格的人造尖角就像一片小石子，产生一场虚假的散射波风暴，可能会掩盖地球物理学家试图研究的真实信号。通过使用边界拟合、地形跟随坐标系，模型的表面与真实地形一样光滑，消除了这种数值噪音源，从而可以清晰地描绘出地震波如何真正与山脉和山谷相互作用。

还有一个更微妙之处。地震期间地面的震动是一个矢量——它有方向（上下、南北）和大小。例如，瑞利波是一种表面波，它使平面上的质点描绘出特定的逆行椭圆路径。但当这种波在斜坡上传播时，观察者会看到什么？地形跟随坐标系帮助我们理解这一点。在坐标系的“自然”倾斜参考系中计算的位移矢量必须在数学上转换回我们熟悉的“水平”和“垂直”的实验室参考系。这种依赖于地形局部坡度的变换表明，观测到的质点运动被扭曲了：它被地形本身倾斜和拉伸了 [@problemid:3598389]。坐标系不仅帮助我们求解方程，还帮助我们正确解释物理运动。

统一原则：复杂性的权衡

在所有这些领域中，出现了一个共同的主题。地形跟随坐标提供了一个强大的优势：它们将一个具有复杂、不规则边界的区域转变为一个简单的、矩形的计算盒。这极大地简化了计算机程序的逻辑。

但是在物理学或数学中没有免费的午餐。这种几何简便性的代价是控制方程本身复杂性的急剧增加。物理空间中的一个简单算子，如拉普拉斯算子 $\nabla^2$ ，在变换到曲线坐标后，会膨胀成一个极其复杂的表达式，充满了说明网格拉伸和弯曲的新“度量项”。即使是简单的边界条件，如无通量规则，也可以转化为更复杂的混合条件，将不同的空间导数联系起来。

现代计算科学的艺术在于管理这种权衡。我们接受方程中的复杂性，以换取几何上的简单性。地形跟随坐标的故事是这一深刻原则的完美例证，展示了一个单一、强大的思想如何统一不同领域，并使我们能够构建日益忠实的物理世界虚拟实验室。