CN117272866B - 一种粒径分段沙尘质量浓度的变网格模拟方法以及设备 - Google Patents
一种粒径分段沙尘质量浓度的变网格模拟方法以及设备 Download PDFInfo
- Publication number
- CN117272866B CN117272866B CN202311280088.2A CN202311280088A CN117272866B CN 117272866 B CN117272866 B CN 117272866B CN 202311280088 A CN202311280088 A CN 202311280088A CN 117272866 B CN117272866 B CN 117272866B
- Authority
- CN
- China
- Prior art keywords
- dust
- grid
- sand
- particle size
- mass concentration
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 239000000428 dust Substances 0.000 title claims abstract description 82
- 239000004576 sand Substances 0.000 title claims abstract description 72
- 239000002245 particle Substances 0.000 title claims abstract description 60
- 238000000034 method Methods 0.000 title claims abstract description 49
- 238000004088 simulation Methods 0.000 title claims abstract description 23
- 238000009826 distribution Methods 0.000 claims abstract description 31
- 230000011218 segmentation Effects 0.000 claims abstract description 11
- 238000004062 sedimentation Methods 0.000 claims description 13
- 239000000443 aerosol Substances 0.000 claims description 12
- 230000005484 gravity Effects 0.000 claims description 12
- 230000008569 process Effects 0.000 claims description 11
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 11
- 238000004364 calculation method Methods 0.000 claims description 7
- 230000006870 function Effects 0.000 claims description 5
- 230000004913 activation Effects 0.000 claims description 4
- 238000004140 cleaning Methods 0.000 claims description 3
- VTYYLEPIZMXCLO-UHFFFAOYSA-L Calcium carbonate Chemical compound [Ca+2].[O-]C([O-])=O VTYYLEPIZMXCLO-UHFFFAOYSA-L 0.000 claims description 2
- 238000006243 chemical reaction Methods 0.000 claims description 2
- 230000008014 freezing Effects 0.000 claims description 2
- 238000007710 freezing Methods 0.000 claims description 2
- 238000010586 diagram Methods 0.000 description 7
- 230000004907 flux Effects 0.000 description 5
- 239000002689 soil Substances 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 238000003860 storage Methods 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 238000012937 correction Methods 0.000 description 2
- 238000000469 dry deposition Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000007791 dehumidification Methods 0.000 description 1
- 238000009792 diffusion process Methods 0.000 description 1
- 238000005315 distribution function Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000003628 erosive effect Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 239000012530 fluid Substances 0.000 description 1
- 230000002706 hydrostatic effect Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 230000014759 maintenance of location Effects 0.000 description 1
- 230000006911 nucleation Effects 0.000 description 1
- 238000010899 nucleation Methods 0.000 description 1
- 238000001556 precipitation Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000000630 rising effect Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
- 238000012876 topography Methods 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
- G06F30/28—Design optimisation, verification or simulation using fluid dynamics, e.g. using Navier-Stokes equations or computational fluid dynamics [CFD]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2113/00—Details relating to the application field
- G06F2113/08—Fluids
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/14—Force analysis or force optimisation, e.g. static or dynamic forces
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Mathematical Physics (AREA)
- Fluid Mechanics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Computing Systems (AREA)
- Pure & Applied Mathematics (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- Algebra (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本说明书实施例公开了一种粒径分段沙尘质量浓度的变网格模拟方法以及设备。通过确定沙尘的分布形式；确定沙尘的粒径分段方法；根据所述分布形式和粒径分段方法确定每个粒径段的沙尘排放的体积分数；确定所述大气变网格预测模型中的网格划分，根据所述体积分数在所述大气变网格预测模型中计算每个网格中的沙尘的质量浓度，从而在全球范围内实现准确的区域加密沙尘模拟，为后续的气象及大气环境模拟提供更为准确的基础条件。
Description
技术领域
本说明书涉及大气数值模拟领域，尤其涉及一种粒径分段沙尘质量浓度的变网格模拟方法以及设备。
背景技术
在对于气象及大气环境变化过程的数值模拟中，气溶胶中的沙尘的属性，特别是质量浓度分布对于大气过程的影响是显著的。而在当前对于全球区域范围内的沙尘模拟仍然较为粗糙，在区域尺度上对沙尘及其影响的数值模拟仍然存在很大的不确定性。
基于此，需要一种更准确的可实现区域加密的基于粒径分段的沙尘质量浓度的模拟方案。
发明内容
本说明书实施例提供一种在全球变网格大气框架中基于粒径分段的沙尘质量浓度的模拟方法以及设备，用以解决如下技术问题：需要一种更准确的区域加密基于粒径分段沙尘的质量浓度的模拟方案。
为解决上述技术问题，本说明书一个或多个实施例是这样实现的：
在第一方面，本说明书实施例提供一种粒径分段沙尘质量浓度的变网格模拟方法，应用于大气变网格预测模型中，所述方法包括：
确定沙尘的分布形式
其中，Ntotal是总数浓度，dn是数字中值直径，σn是标准偏差；
确定沙尘的粒径分段方法
其中，所述N为分段数量，1≤i≤N，DU为直径上限，DL为直径下限，d为沙尘直径，dU(i)为第i个分段中的直径上限，dL(i)为第i个分段中的直径下限；
根据所述分布形式和粒径分段方法确定每个分段的排放沙尘的体积分数；
确定所述大气变网格预测模型中的网格划分，根据所述体积分数在所述大气变网格预测模型中计算每个网格中的沙尘的质量浓度。
在第二方面，本说明书一个或多个实施例提供一种电子设备，包括：
至少一个处理器；以及，
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行如第一方面所述的方法。
本说明书一个或多个实施例采用的上述至少一个技术方案能够达到以下有益效果：通过确定沙尘的分布形式；确定沙尘的粒径分段方法；根据所述粒径分段方法和分布形式确定每个分段的沙尘排放的体积分数；确定所述大气变网格预测模型中的网格划分，根据所述体积分数在所述大气变网格预测模型中计算每个网格中的沙尘的质量浓度，从而在全球范围内实现准确的区域加密沙尘模拟，并可以计算得到在各区域内的质量浓度，为后续的气象和大气环境模拟提供更为准确的基础条件。
附图说明
为了更清楚地说明本说明书实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本说明书中记载的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为本说明书实施例提供的一种粒径分段沙尘质量浓度的变网格模拟方法的流程示意图。
图2为本说明书实施例所提供的10个分段中的沙尘排放体积分数的分布的示意图；
图3为本申请实施例所提供的的多个不同网格的示意图；
图4a为本申请所提供的实际观测的地表质量浓度的示意图；
图4b为本申请所提供的计算的地表质量浓度的示意图；
图4c为本申请提供的模拟计算与观测的散点对比图；
图5为本说明书实施例提供的一种电子设备的结构示意图。
具体实施方式
本说明书实施例提供一种粒径分段沙尘质量浓度的变网格模拟方法以及设备。
为了使本技术领域的人员更好地理解本说明书中的技术方案，下面将结合本说明书实施例中的附图，对本说明书实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本说明书实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都应当属于本申请保护的范围。
如图1所示，图1为本说明书实施例提供的一种粒径分段沙尘质量浓度的变网格模拟方法的流程示意图。
图1中的流程应用于大气变网格预测模型中，可以包括以下步骤：
S1，确定沙尘的分布形式。
这里的分布形式指的是沙尘的直径的分布形式。到目前为止，很少有研究试图用非静力平衡的全球变分辨率模型来模拟和研究沙尘及其影响。本研究中开发的iAMAS模型基于大气变网格预测模型的动力框架。iAMAS是一个全球变分辨率大气模型，iAMAS中的大气求解器集成了非静力平衡方程，因此，它适用于天气和气候模拟。MPAS-A使用非结构化质心Voronoi网格(网格或镶嵌)作为流体求解器中水平离散化的基础。其已被证明能够提供模拟沙尘所需的可靠气象场，如风和降水。
首先，在大气变网格预测模型中，可以获取或者给定得到相应的地表特征，这些地表特征被用于计算得到沙尘排放通量。具体而言，粉尘排放通量Dsrc(kg·m-2·s-1)的计算方式如下：
其中，C是经验比例常数，设定为1.0×10-9kg·s2·sm-5，并且是高度可调的，用于使方程的左侧和右侧具有相同的维度。S是一个源函数，定义了可用于风蚀的冲积层部分，原始S的空间分辨率为1°×1°。根据需要，使用“双线性”插值方法将其插值为不同的水平分辨率。
sp是排放过程中每种尺寸的沙尘颗粒的质量分数。总粉尘排放通量是每种尺寸的粉尘排放通量的总和，在本申请中，因此对于大小0.2-2μm的sp值为0.1，尺寸2-3.6μm、3.6-6μm,6-12μm 12-20μm,和20-40μm的值设置为1/5。
u10m是10m处的风速，以及uts是阈值风速。如果u10m小于uts,不会产生粉尘排放。阈值风速uts是沙尘颗粒的密度和大小、空气密度和表面湿度的函数，计算如下:
w是土壤的相对湿度，通过将土壤湿度除以土壤湿度的饱和值来计算，以及uts0是干燥土壤的阈值速度。
通过前述方式确定了沙尘排放通量，也就是总数浓度Ntotal。进而即可以按照对数正态尺寸分布进行重新分配。例如，一种具体的分布方式如下：
其中，Ntotal是总数浓度，dn是数字中值直径，σn是标准偏差。
方程(3)可以写成n(lnd)/Ntotal～N(lndn,lnσn),其中N(μ,σ)是正态分布函数。
S2，确定沙尘的粒径分段形式。
这里的粒径分段形式指的是在计算过程中对于粉尘的直径的分段计算形式。在本申请中，采用直径来表示尘粒的尺寸分布。具体而言，可以使用N个分段(或者称为尺寸仓)来模拟沙尘的尺寸分布。给定粒径段的数量和沙尘直径的上限和下限，沙尘的粒径分段形式即为如下所示：
N为分段数量，1≤i≤N，DU为直径上限，DL为直径下限，d为沙尘直径，dU(i)为第i个分段中的直径上限，dL(i)为第i个分段中的直径下限。
例如，通常可以取所述直径下限为0.04μm，所述直径上限为10μm，N取为8。以及，为了提高对于粗尘颗粒的计算能力，模型中直径的上限进一步扩展到40μm，即N取值为10，再增加两个分段10μm至20μm和20μm至40μm。得到一种示例性的沙尘的分段形式如表1所示。
表1：十个粒径段的沙尘的分段形式
其中bin代表分段编号，Volume fraction为体积分数，Lower bound of diameter为分段中的直径下限，Upper bound of diameter为分段中的直径上限。
S3，根据所述分段形式和分布形式确定每个分段的排放沙尘的体积分数。
在每个分段中给定直径的下限和上限以及对数正态分布，每个分段的排放沙尘的体积分数可以计算为：
其中v是每个尺寸仓的沙尘体积分数，dL和dU分别是被计算分段的直径的下限和上限，erf(x)是积分正态分布时遇到的“误差函数”，
在前述的表1中列出了每个粒径段的体积分数。请注意，根据上述两个对数正态分布，每个粒径段的沙尘体积分数之和对于10个粒径段接近1，对于其他尺寸范围小于1(对于9个粒径段为98％，对于8个粒径段为80％)。排放粉尘的体积大小分布如图2所示。图2为本说明书实施例所提供的10个分段中的排放粉尘体积分数的分布的示意图。
S4，确定所述大气变网格预测模型中的网格划分，根据所述体积分数在所述大气变网格预测模型中计算每个网格中的沙尘的质量浓度。
具体而言，在进行网格划分的时候，可以确定所述大气变网格预测模型中采用全局可变分辨率或者均匀分辨率，根据所述全局可变分辨率或者均匀分辨率确定水平和垂直的网格划分。
例如，可以在模型中配置了55垂直层，模型顶部设置为30km。同时，在水平上采用两个准均匀分辨率网格和三个变分辨率网格。如图3所示，图3为本申请实施例所提供的的网格的示意图。准均匀网格在全局上具有基本相同的网格间距，而可变分辨率网格在加密区域中具有更精细的网格间距。精细和粗略分辨率网格之间有过渡区。
在图3中，(a)为120km的全球均匀分辨率网格(U120 km)；(b)为V16-128km的全球变分辨率网格(V16km EA)，加密区域为东亚沙源区；(c)为V16-128km的全球变分辨率网格，加密区域为北非沙源区(V16km NA)；(d，e)为V16km EA和V16km NA的网格尺寸的空间分布。(f)为60km的全球均匀分辨率网格(U60 km)；(g)V4-60km的全球变分辨率网格，加密区域为东亚沙源区(V4km)；(h)为V4 km网格尺寸的空间分布。
第一个变分辨率网格以东亚为中心，网格间距为16km的圆形精细高分辨率区域(以下简称V16km EA)为特征，覆盖东亚主要沙源区和青藏高原周围地形复杂的山区(图3中的c部分)。该地区也在很大程度上受到亚洲季风的影响。加密区域外的分辨率约为120km。
第二种可变分辨率配置具有与第一种类似的网格，但圆形精细高分辨率区域以北非为中心(以下称为V16km NA)。加密区域覆盖了全球最大的沙源区。这个地区的地形没有东亚那么复杂。这两种配置可能有助于研究精细化对具有不同地形复杂性的区域的沙尘建模的影响。
另一个全局可变分辨率网格具有4公里分辨率的圆形精细区域。表2中提供了本申请所提供的的五个网格的详细信息。
表2，五个网格的详细信息。
其中，Center of Refinement为加密区域中心坐标，Diameter of Refinement为加密区域直径大小。
气象初始条件可以从相应的数据集中获取。例如可以来自欧洲中期天气预报中心(ERA临时数据集)再分析数据集，空间分辨率约80公里，时间分辨率为6小时)。初始气象条件和地形是从同一数据集插值到每个网格中。
通过给定网格信息，以及获取得到气象初始条件，进而即可以基于前述的每个粒径分段中的体积分数数值计算而得到每个网格中的沙尘的质量浓度。
通过确定沙尘的分布形式；确定沙尘的分段形式；根据所述分段形式和分布形式确定每个分段的排放沙尘的体积分数；确定所述大气变网格预测模型中的网格划分，根据所述体积分数在所述大气变网格预测模型中计算每个网格中的沙尘的质量浓度，从而在全球区域范围内实现准确的沙尘模拟，并可以计算得到在各区域内的质量浓度，为后续的气象模拟提供更为准确的基础条件。
此外，在根据所述体积分数在所述大气变网格预测模型中计算每个网格中的沙尘的质量浓度，还需要考虑其他方面的影响因素，例如包括沙尘传输、干沉降和重力沉降、水汽除湿过程等等
对于沙尘传输，在大气变网格预测模型中包括多达30个可以完全预测的气溶胶相关变量，如沙尘气溶胶的质量和数量。沙尘气溶胶的传输方案遵循MPAS-A中的水分标量方案相同的规则。该方案在MPAS-A的不规则Voronoi(六边形)网格上采用三阶Runge-Kutta方法来求解完全可压缩的非流体静力运动方程。对于守恒变量，积分的预测方程是以守恒形式投射的。这些方程以有限体积公式离散化，因此，该模型准确地保证了质量守恒。行星边界层(PBL)内沙尘颗粒的湍流传输基于PBL方案诊断的交换系数进行参数化。
而对于干沉降和重力沉降因素，则根据所述干沉降和重力沉降因素调整在每个垂直网格中的每个分段中的沙尘颗粒质量浓度。
首先，在本申请中，对干沉积进行了参数化。干沉积速度的公式如下
在该功能中，Ra是空气动力学阻力Rs是表面阻力。空气动力学阻力Ra采用如下方式：
其中k是冯-卡门常数(大约0.41)，u*是摩擦速度，以及ψc是对大气非绝热效应的修正。
u*是摩擦速度。扩散的效率项/>是施密特数，由Sc＝υ/D,υ是空气的运动粘度，以及D是分子扩散率，使用Stokes-Einstein方程计算：/>是玻尔兹曼常数，T是温度。
zr是粗糙度长度，St是斯托克斯数，dc是本研究中障碍物的直径，数值为0.002。重力沉降速度计算如下：
μ是空气的动态粘度，d是颗粒直径，以及Cc是遵循Pruppacher和Klett(1978)中的方法的Cunningham校正因子：Cc＝1.0+(1.257+0.4e-1.1d/2.λ)(2λ/d),λ是空气的平均自由路径。重力沉降不仅去除了模型底部垂直层的沙尘颗粒，还将颗粒从大气中的垂直层带到了下方垂直层。
基于前述，在每个垂直层，由于干沉降和重力沉降，每个分段内沙尘颗粒质量浓度的调整计算如下：
qdust(k)是在第k层和第t个时间步的粒子浓度，qdust′(k)是在第(t+Δt)个时间步长的第k层的粒子浓度,Δz(k)是第k层的高度,andΔt是模型的时间步长，vg是重力沉降速度，vd是干沉降速度。
在一种实施方式中，还需要变网格考虑湿清除过程，具体包括：在所述大气变网格预测模型获取云活化和湿清除参数；根据云活化和湿清除参数对每个网格中的沙尘的质量浓度进行如下湿清除调整：
其中，q代表浓度；r表示下雨，i用于云冰，s代表雪，w用于云水，以及g代表霰，下标表示不同的过程：au用于自动转换，fz用于冷冻，cw用于云水收集。
具体而言，气溶胶活化(或液滴成核)基于从上升气流速度的高斯谱确定的最大过饱和度。气溶胶可以影响云滴数量，云也可以通过水过程和湿清除来改变气溶胶浓度。在云中，气溶胶颗粒在每个粒径段中都被激活进入云水相，例如，由Dustcw01表示一号仓。
沙尘颗粒也被认为是冰核。来自沙尘的混合相云中的冰核数量(Ni)可以通过如下计算：
其中，a＝5.94*10-5，b＝3.33，c＝0.0264，d＝0.0033，T0＝273.15K,n是有效直径大于0.5μm的每个尺寸仓中沙尘颗粒的数浓度。T是以K为单位的温度。应该注意的是Ni是一个没有大小分布的整数。
尘粒的湿清除过程包括云内(雨露)和云下清除，Dustcw在每个粒径段中以相同的损失率去除，如下公式所示：
Dustcw＝Dustcw*(1-dt*qlsink)dt是模拟时间步长qlsink是云水损失率(湿清除参数)：
湿清除速率计算如下：
其中r和p分别表示雨滴和颗粒的半径(以厘米为单位)；∈和E分别是水文气象的滞留效率和碰撞效率；∈E是收集效率；vt和vg分别是雨滴的终端速度和粒子的重力沉降速度；N是雨滴的数量密度；和Ax＝π(r+p)2是有效横截面积。
为了简化计算，粒子的重力沉降被忽略，即∈＝1，降雨的半径范围为0.005厘米至0.25厘米。湿清除速率的最终公式如下：
通过该湿清除过程，可以基于大气中的水汽情况更准确的计算得到每个网格中的沙尘的质量浓度。
此外，为了验证本申请的准确性，申请人还在前述的五个网格中进行相应的五组试验。并将计算结果与实际观测得到的表面质量浓度进行了比较。如图4a、图4b和图4c中所示，图4a为本申请所提供的实际观测的表面质量浓度的示意图，图4b为本申请所提供的计算的表面质量浓度的示意图，图4c为本申请提供的模拟计算与观测的散点对比图。Y轴的值来自离观测点最近的模型网格。黑色实线是1:1的线，而黑色虚线对应于10:1和1:10的线。不同类型的标记代表不同的观测数据来源：Crosses＝迈阿密大学网站；三角形＝Mahowald等人的网站。标记的颜色基于面板图4a中划定的地理区域。
根据观测，几个主要尘源及其附近地区(如非洲北部和南部、中东、美国西南部等)的地表沙尘浓度较高(图4a)。此外，北半球的地表沙尘质量浓度大于南半球。然而，由于沙尘主要来自源区，偏远地区(如南极洲)的地表沙尘浓度较低。此外，通过对所有47个地点的观测，对模拟的沙尘浓度进行了评估。模拟得到的平均沙尘浓度21.52μg m-3略大于观测值的14.31μg m-3(图4b)。总体而言，模拟可以再现观测到的沙尘嗲表浓度的空间分布特征。
如图4c显示，在9个区域内，几乎所有观测点的观测和模拟之间的差异在一个数量级以内，模拟结果较为准确。总体而言，比较表明，沙尘区域的建模结果高于观测结果，而偏远地区的建模结果低于观测结果。这可能表明模型中的去除过程具有一些正偏差，这可能导致输送到偏远地区的沙尘颗粒减少。
在第二方面，基于同样的思路，本说明书一个或多个实施例还提供了上述方法对应的装设备，图5所示。
如图5所示，图5为本说明书实施例提供的一种电子设备的结构示意图，所述设备包括：
至少一个处理器；以及，
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行如第一方面所述的方法。
基于同样的思路，本说明书实施例还提供了对应于上述方法的一种非易失性计算机存储介质，存储有计算机可执行指令，当计算机读取存储介质中的计算机可执行指令后，该指令使得一个或多个处理器执行如第一方面所述的方法。
本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于装置、设备、非易失性计算机存储介质实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下，在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。
以上所述仅为本说明书的一个或多个实施例而已，并不用于限制本说明书。对于本领域技术人员来说，本说明书的一个或多个实施例可以有各种更改和变化。凡在本说明书的一个或多个实施例的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本说明书的权利要求范围之内。
Claims (7)
1.一种粒径分段沙尘质量浓度的变网格模拟方法，应用于大气变网格预测模型中，所述方法包括：
确定沙尘的分布形式
其中，Ntotal是沙尘的总数浓度，dn是数浓度分布的中值直径，σn是标准偏差；
确定沙尘的粒径分段方法：
其中，所述N为沙尘的分段数量，1≤i≤N，DU为总直径上限，DL为总直径下限，d为沙尘直径，dU(i)为第i个粒径段中的直径上限，dL(i)为第i个粒径段中的直径下限；
根据所述沙尘分布形式和粒径分段方法确定每个粒径段的沙尘排放的体积分数，具体计算方式为
其中v是每个尺寸仓的沙尘体积分数，dL和dU分别是被计算分段的直径的下限和上限，erf(x)是积分正态分布时遇到的误差函数，
确定所述大气变网格预测模型中的网格划分，根据所述体积分数在所述大气变网格预测模型中计算每个网格中的沙尘的质量浓度。
2.如权利要求1所述的方法，其中，确定所述大气变网格预测模型中的网格划分，包括：
确定所述大气变网格预测模型中采用全局可变分辨率或者均匀分辨率，根据所述全局可变分辨率或者均匀分辨率确定水平和垂直的网格划分。
3.如权利要求1所述的方法，其中，根据所述体积分数在所述大气变网格预测模型中计算每个网格中的沙尘的质量浓度，包括：
确定所述大气变网格预测模型中的垂直方向上的网格划分；
在每个垂直网格上确定干沉降和重力沉降因素；
根据所述干沉降和重力沉降因素调整在每个垂直网格中的每个粒径分段中的沙尘气溶胶质量浓度。
4.如权利要求3中所述的方法，其中，根据所述干沉降和重力沉降因素调整在每个垂直网格中的每个粒径段中的沙尘气溶胶质量浓度，包括：
采用如下方式计算在每个垂直网格中的每个分段中的沙尘气溶胶质量浓度：
在每个垂直网格中的每个分段中的沙尘气溶胶质量浓度：
其中，qdust(k)是在第k层和第t个时间步的粒子浓度，q′ dust(k)是在第(t+Δt)个时间步长的第k层的粒子浓度,Δz(k)是第k层的高度，Δt是模型的时间步长，vg是重力沉降速度，vd是干沉降速度。
5.如权利要求1所述的方法，其中，根据所述体积分数在所述大气变网格预测模型中计算每个网格中的沙尘的质量浓度，包括：
在所述大气变网格预测模型获取干沉降速率和湿清除参数；
根据云活化和湿清除参数对每个网格中的沙尘的质量浓度进行除湿调整，其中，湿清除参数
其中，q代表浓度；r表示下雨，i用于云冰，s代表雪，w用于云水，以及g代表霰，下标表示不同的过程：au用于自动转换，fz用于冷冻和cw用于云水收集，qc表示云水的总浓度。
6.如权利要求1所述的方法，其中，所述直径下限为0.04μm，所述直径上限为40μm。
7.一种电子设备，包括：
至少一个处理器；以及，
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的指令，所所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行如权利要求1至5任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311280088.2A CN117272866B (zh) | 2023-09-28 | 2023-09-28 | 一种粒径分段沙尘质量浓度的变网格模拟方法以及设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311280088.2A CN117272866B (zh) | 2023-09-28 | 2023-09-28 | 一种粒径分段沙尘质量浓度的变网格模拟方法以及设备 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117272866A CN117272866A (zh) | 2023-12-22 |
| CN117272866B true CN117272866B (zh) | 2024-03-22 |
Family
ID=89217454
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311280088.2A Active CN117272866B (zh) | 2023-09-28 | 2023-09-28 | 一种粒径分段沙尘质量浓度的变网格模拟方法以及设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117272866B (zh) |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1587987A (zh) * | 2004-08-13 | 2005-03-02 | 赵凤生 | 获取近地面层沙尘粒子质量浓度时空分布的方法 |
| JP2009109317A (ja) * | 2007-10-30 | 2009-05-21 | Nippon Telegr & Teleph Corp <Ntt> | 粉塵発生シミュレーションシステムおよび粉塵発生シミュレーションプログラム |
| WO2013167942A2 (fr) * | 2012-05-11 | 2013-11-14 | Hygie-Tech Sa | Procédé et système informatisé de modélisation des flux aérauliques notamment pour l'évaluation quantitative du risque de contamination aéroportée |
| CN116449331A (zh) * | 2023-06-20 | 2023-07-18 | 成都远望科技有限责任公司 | 一种基于w波段雷达和气象卫星的沙尘粒子数浓度估算方法 |
-
2023
- 2023-09-28 CN CN202311280088.2A patent/CN117272866B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1587987A (zh) * | 2004-08-13 | 2005-03-02 | 赵凤生 | 获取近地面层沙尘粒子质量浓度时空分布的方法 |
| JP2009109317A (ja) * | 2007-10-30 | 2009-05-21 | Nippon Telegr & Teleph Corp <Ntt> | 粉塵発生シミュレーションシステムおよび粉塵発生シミュレーションプログラム |
| WO2013167942A2 (fr) * | 2012-05-11 | 2013-11-14 | Hygie-Tech Sa | Procédé et système informatisé de modélisation des flux aérauliques notamment pour l'évaluation quantitative du risque de contamination aéroportée |
| CN116449331A (zh) * | 2023-06-20 | 2023-07-18 | 成都远望科技有限责任公司 | 一种基于w波段雷达和气象卫星的沙尘粒子数浓度估算方法 |
Non-Patent Citations (2)
| Title |
|---|
| Establishing a non-hydrostatic global atmospheric modeling system (iAMAS) at 3-km horizontal resolution with online integrated aerosol feedbacks on the Sunway supercomputer of China;Jun Gu 等;arXiv;20211209;全文 * |
| 沙尘起动初期近地面浓度分布数值模拟研究;李荫堂;佘园元;孟海燕;;中国沙漠;20100515(第03期);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117272866A (zh) | 2023-12-22 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Chen et al. | Simulation of cloud microphysical and chemical processes using a multicomponent framework. Part I: Description of the microphysical model | |
| Westphal et al. | A two‐dimensional numerical investigation of the dynamics and microphysics of Saharan dust storms | |
| Textor et al. | Volcanic particle aggregation in explosive eruption columns. Part I: Parameterization of the microphysics of hydrometeors and ash | |
| Mesinger et al. | An upgraded version of the Eta model | |
| Chaumerliac et al. | Sulfur scavenging in a mesoscale model with quasi‐spectral microphysics: Two‐dimensional results for continental and maritime clouds | |
| Bergametti et al. | Dust deposition | |
| Foltescu et al. | Sea salt generation, dispersion and removal on the regional scale | |
| Dai et al. | Impacts of meteorological nudging on the global dust cycle simulated by NICAM coupled with an aerosol model | |
| Zaïdi et al. | Numerical simulations of the microscale heterogeneities of turbulence observed on a complex site | |
| Engdahl et al. | Effects of the ICE-T microphysics scheme in HARMONIE-AROME on estimated ice loads on transmission lines | |
| Pinsky et al. | Convective and turbulent motions in nonprecipitating Cu. Part II: LES simulated cloud represented by a starting plume | |
| CN117272866B (zh) | 一种粒径分段沙尘质量浓度的变网格模拟方法以及设备 | |
| Dastoor et al. | A numerical global meteorological sulfur transport model and its application to Arctic air pollution | |
| Iguchi et al. | Impacts of aerosol and environmental conditions on maritime and continental deep convective systems using a bin microphysical model | |
| Lv et al. | The status of research on the development and characteristics of mass-flux-density profiles above wind-eroded sediments: a literature review | |
| Seo et al. | Numerical prediction of fugitive dust dispersion on reclaimed land in Korea | |
| JP6136729B2 (ja) | 降下煤塵量の推定方法、装置、プログラム及び記憶媒体 | |
| Maity et al. | Role of parallel computing in numerical weather forecasting models | |
| Dell’Osso et al. | Prediction of a typhoon using a fine-mesh NWP model | |
| Ochs III et al. | Moment-conserving techniques for warm cloud microphysical computations. Part I: Numerical techniques | |
| Noll et al. | Changes in large particle size distribution due to dry deposition processes | |
| Desouza et al. | Dust emission from different soil types in the northwest and the Indo-Gangetic Plains of India | |
| Nasiri et al. | The use of HYSPLIT model to determine the affected areas of Dispersed Sea-salt particles of dried Urmia Lake | |
| König | Large-eddy simulation modelling for urban Scale | |
| Pokhrel et al. | Comparison of Gaussian plume model and lagrangian particle model for the application of coastal air quality modelling |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |