第二章 大气运动方程组：从物理定律到数值预报的基石
各位同学，今天我们来聊聊大气运动方程组。说实话，这是整个数值预报最核心的部分，也是我当年啃得最久的一块硬骨头。你想想看，我们要用计算机模拟大气，总得先把大气运动的规律用数学写出来吧？这就是方程组要做的事。
大气运动方程组，说白了就是四个方程：连续方程、运动方程、热力学方程、水汽方程。它们分别描述了大气质量守恒、动量守恒、能量守恒和水汽守恒。嗯，听起来像物理课本？没错，数值预报的根就在物理里。
2.1 连续方程：质量守恒的数学表达
连续方程讲的是质量守恒。大气不会凭空产生，也不会凭空消失。我刚开始学的时候，总觉得这方程太简单了，不就是质量守恒嘛。后来做项目才发现，连续方程在数值预报里是个大坑——处理不好，模式就会「漏气」或者「多气」。
连续方程的一般形式是：
∂ρ/∂t + ∇·(ρV) = 0其中ρ是空气密度，V是风速矢量。这个方程告诉我们：某个体积内密度的变化，等于流入流出该体积的质量通量之差。
关键理解：连续方程是诊断方程还是预报方程？这取决于你用什么变量。如果用密度ρ，它就是预报方程；如果用散度，它就是诊断方程。我在WRF模式里调试时，经常用连续方程检查质量守恒是否被破坏。
实际应用中，我们经常做简化。比如对于不可压缩流体（密度变化可忽略），连续方程就变成了：
∇·V = 0说白了就是风速的散度为零。这个简化在边界层里不太准，但在自由大气中还算靠谱。
2.2 运动方程：牛顿第二定律在大气中的体现
运动方程，也叫纳维-斯托克斯方程在大气中的简化形式。它描述的是空气微团的加速度与所受合力的关系。你想想看，空气受到哪些力？气压梯度力、科里奥利力、重力、摩擦力……
在笛卡尔坐标系中，运动方程可以写成：
du/dt = -1/ρ · ∂p/∂x + fv + Fx
dv/dt = -1/ρ · ∂p/∂y - fu + Fy
dw/dt = -1/ρ · ∂p/∂z - g + Fz其中u、v、w是三个方向的风速分量，f是科里奥利参数，g是重力加速度，Fx、Fy、Fz是摩擦力项。
我的经验：运动方程里最容易搞混的是科里奥利力的符号。我建议你记住一个口诀：北半球，运动方向右侧偏。这样符号就不会错了。我曾经在代码里把科里奥利力的符号写反了，结果预报出来的台风路径偏了500公里……
运动方程的简化有很多种。最经典的是地转平衡：
-1/ρ · ∂p/∂x + fv = 0
-1/ρ · ∂p/∂y - fu = 0地转平衡说的是气压梯度力和科里奥利力相互平衡。实际大气中，中纬度大尺度运动基本满足地转平衡。但到了赤道附近，科里奥利力很小，地转平衡就不成立了。
2.3 热力学方程：能量守恒的数学形式
热力学方程描述的是大气温度的变化。它本质上就是热力学第一定律——能量守恒。大气中的能量变化，主要来自辐射加热、潜热释放、以及空气的压缩膨胀。
热力学方程的一种常见形式是：
dT/dt = (1/cp) · (dQ/dt) + (1/ρcp) · dp/dt其中T是温度，cp是定压比热，dQ/dt是非绝热加热率。这个方程看着简单，但实际应用时，非绝热加热项的处理非常复杂。
注意：热力学方程中的非绝热加热项，包括太阳辐射、长波辐射、潜热释放、感热通量等。这些过程的参数化方案，往往是模式误差的主要来源。我在做青藏高原地区的预报时，发现辐射参数化方案对温度预报影响巨大。
实际预报中，我们经常用位温θ来代替温度T。位温的定义是：
θ = T · (p0/p)^(R/cp)位温的好处是，在干绝热过程中位温守恒。这样热力学方程就简化成了：
dθ/dt = (θ/cpT) · (dQ/dt)嗯，是不是清爽多了？
2.4 水汽方程：水循环的数学描述
水汽方程描述的是大气中水汽含量的变化。水汽是天气预报的关键变量——没有水汽，就没有云，没有降水。水汽方程的形式是：
dq/dt = S_q其中q是比湿（单位质量空气中水汽的质量），S_q是水汽的源汇项，包括蒸发、凝结、降水等过程。
水汽方程看起来简单，但实际处理起来非常棘手。为什么？因为水汽的相变过程涉及大量次网格过程，比如云滴的碰并、冰晶的凝华等等。这些过程都需要参数化。
避坑指南：我曾经在调试一个区域模式时，发现预报的降水量总是偏大。查了三天，最后发现是水汽方程中的垂直通量项处理有问题——模式把边界层的水汽过度向上输送了。所以，水汽方程的垂直离散化一定要小心。
2.5 方程的简化与尺度分析
大气运动方程组有七个方程（三个运动方程、连续方程、热力学方程、水汽方程、状态方程），七个未知数（u、v、w、p、ρ、T、q）。理论上可以求解，但直接求解计算量太大，而且很多项在实际大气中量级很小。
尺度分析就是用来判断哪些项可以忽略的。说白了，就是比较各项的大小，把小的扔掉。
| 运动类型 | 水平尺度 | 垂直尺度 | 时间尺度 | 适用简化 |
|---|---|---|---|---|
| 大尺度（天气尺度） | ~1000 km | ~10 km | ~1天 | 静力平衡、地转平衡 |
| 中尺度 | ~100 km | ~10 km | ~几小时 | 静力平衡（部分）、非地转 |
| 小尺度（对流尺度） | ~10 km | ~10 km | ~1小时 | 非静力、非地转 |
最经典的简化是静力平衡近似：
∂p/∂z = -ρg静力平衡说的是气压随高度的变化只由重力决定。对于水平尺度大于10公里的运动，静力平衡的误差通常小于1%。但对于强对流、龙卷风等小尺度系统，静力平衡就不成立了。
我的建议：做尺度分析时，不要机械地套公式。要结合你研究的具体问题来判断。比如做台风预报，虽然台风是大尺度系统，但眼墙区的对流运动是非静力的。我一般会先做量级估计，再决定用哪种简化方案。
另一个重要的简化是Boussinesq近似。它假设密度变化只出现在浮力项中，其他项中的密度视为常数。这个近似在海洋和浅层大气中很常用。
好了，大气运动方程组的基本框架就是这样。记住，这些方程不是孤立的，它们通过密度、温度、水汽等变量相互耦合。实际数值预报中，我们就是在求解这个耦合方程组。下一节，我们会讨论如何把这些连续方程离散化，变成计算机能算的形式。
公众号:蓝海资料掘金营，微信deep3321