大气物理仿真软件：RAMS (Regional Atmospheric Modeling System)_（2）.大气物理基础理论

本文链接：https://blog.csdn.net/weixin_42749425/article/details/147435962

大气物理基础理论

在这里插入图片描述

1. 大气物理的基本概念

1.1 大气的组成

大气是由多种气体组成的混合物，主要包括氮气（N₂，约78%）、氧气（O₂，约21%）、氩气（Ar，约0.93%）和二氧化碳（CO₂，约0.04%）。此外，还有少量的其他气体如氖气（Ne）、氦气（He）、甲烷（CH₄）、氪气（Kr）、氢气（H₂）、氙气（Xe）等。水蒸气（H₂O）的含量在大气中变化较大，取决于温度和湿度条件。

1.2 大气的层结构

大气可以分为多个层，每层的特性不同。主要分为以下几层：

对流层：从地面到约10-15公里高度，温度随高度增加而降低，气象现象几乎全部发生在这一层。
平流层：从对流层顶到约50公里高度，温度随高度增加而升高，这一层较为稳定，有利于高空飞行。
中间层：从平流层顶到约85公里高度，温度随高度增加而降低。
热层：从中间层顶到约600公里高度，温度随高度增加而升高，这一层的温度可以达到上千摄氏度。
外层：从热层顶向上，没有明确的边界，逐渐过渡到外太空。

1.3 大气的压力和温度

大气压力是指大气对地面或其他物体的垂直压力，通常用百帕（hPa）或毫米汞柱（mmHg）表示。标准大气压定义为1013.25 hPa。大气温度随高度变化，对流层中温度随高度增加而降低，平流层中温度随高度增加而升高。

1.4 大气的运动

大气的运动主要由温度和压力差异驱动，形成各种气象现象。常见的大气运动包括风、气旋、反气旋等。这些运动可以通过流体力学方程描述，如纳维-斯托克斯方程（Navier-Stokes equations）。

1.5 大气的辐射过程

大气中的辐射过程包括太阳辐射的吸收、散射和反射，以及地球表面和大气之间的长波辐射交换。这些过程可以通过辐射传输方程（Radiative Transfer Equation, RTE）来描述。

2. 大气物理的基本方程

2.1 流体力学方程

流体力学方程描述了大气的运动和状态。主要包括连续方程、动量方程和能量方程。

2.1.1 连续方程

连续方程描述了质量守恒，数学形式为：

$\frac{\partial \rho}{\partial t} + \nabla \cdot (\rho \mathbf{u}) = 0$

其中， $\rho$ 是密度， $\mathbf{u}$ 是速度矢量， $\nabla$ 是梯度算子。

2.1.2 动量方程

动量方程描述了动量守恒，数学形式为：

$\frac{\partial (\rho \mathbf{u})}{\partial t} + \nabla \cdot (\rho \mathbf{u} \otimes \mathbf{u}) = -\nabla p + \rho \mathbf{g} + \nabla \cdot \mathbf{T}$

其中， $\mathbf{u} \otimes \mathbf{u}$ 是速度矢量的外积， $p$ 是压力， $\mathbf{g}$ 是重力加速度， $\mathbf{T}$ 是应力张量。

2.1.3 能量方程

能量方程描述了能量守恒，数学形式为：

$\frac{\partial \rho e}{\partial t} + \nabla \cdot (\rho e \mathbf{u}) = \nabla \cdot (\mathbf{K} \nabla T) + \rho \mathbf{u} \cdot \mathbf{g} + \nabla \cdot (\mathbf{T} \cdot \mathbf{u})$

其中， $e$ 是内能， $\mathbf{K}$ 是热导率， $T$ 是温度。

2.2 热力学方程

热力学方程描述了大气中的热量传递和相变过程。主要包括状态方程、相变方程等。

2.2.1 状态方程

状态方程描述了气体的压强、密度和温度之间的关系，数学形式为：

$\rho R T$

其中， $p$ 是压强， $\rho$ 是密度， $R$ 是气体常数， $T$ 是温度。

2.2.2 相变方程

相变方程描述了水蒸气的凝结和蒸发过程，数学形式为：

$\frac{\partial q_v}{\partial t} + \nabla \cdot (q_v \mathbf{u}) = S$

其中， $q_v$ 是水蒸气的质量混合比， $\mathbf{u}$ 是速度矢量， $S$ 是凝结和蒸发的源汇项。

2.3 辐射传输方程

辐射传输方程描述了大气中的辐射过程，数学形式为：

$\frac{dI(\mathbf{r}, \mathbf{s}, \lambda)}{ds} = -\kappa(\mathbf{r}, \lambda) I(\mathbf{r}, \mathbf{s}, \lambda) + S(\mathbf{r}, \mathbf{s}, \lambda)$

其中， $I(\mathbf{r}, \mathbf{s}, \lambda)$ 是辐射强度， $\mathbf{r}$ 是位置矢量， $\mathbf{s}$ 是方向矢量， $\lambda$ 是波长， $\kappa(\mathbf{r}, \lambda)$ 是吸收系数， $S(\mathbf{r}, \mathbf{s}, \lambda)$ 是源函数。

3. 大气物理的数值方法

3.1 有限差分方法

有限差分方法是数值模拟中最常用的方法之一，通过将连续的偏微分方程离散化来求解。基本思想是将空间和时间划分为网格，然后在每个网格点上近似求解方程。

3.1.1 一维有限差分

以一维热传导方程为例，其数学形式为：

$\frac{\partial T(x, t)}{\partial t} = \alpha \frac{\partial^2 T(x, t)}{\partial x^2}$

其中， $T (x, t)$ 是温度， $\alpha$ 是热扩散率。离散化后：

$\frac{T(x, t + \Delta t) - T(x, t)}{\Delta t} = \alpha \frac{T(x + \Delta x, t) - 2T(x, t) + T(x - \Delta x, t)}{(\Delta x)^2}$

3.1.2 二维有限差分

以二维热传导方程为例，其数学形式为：

$\frac{\partial T(x, y, t)}{\partial t} = \alpha \left( \frac{\partial^2 T(x, y, t)}{\partial x^2} + \frac{\partial^2 T(x, y, t)}{\partial y^2} \right)$

离散化后：

$\frac{T(x, y, t + \Delta t) - T(x, y, t)}{\Delta t} = \alpha \left( \frac{T(x + \Delta x, y, t) - 2T(x, y, t) + T(x - \Delta x, y, t)}{(\Delta x)^2} + \frac{T(x, y + \Delta y, t) - 2T(x, y, t) + T(x, y - \Delta y, t)}{(\Delta y)^2} \right)$

3.2 有限体积方法

有限体积方法是一种基于守恒律的数值方法，适用于求解流体动力学方程。基本思想是将计算区域划分为多个控制体，然后在每个控制体上应用守恒律。

3.2.1 一维有限体积

以一维质量守恒方程为例，其数学形式为：

$\frac{\partial \rho(x, t)}{\partial t} + \frac{\partial (\rho u)}{\partial x} = 0$

在控制体 $[x_i - \Delta x/2, x_i + \Delta x/2]$ 上积分：

$\frac{\partial}{\partial t} \int_{x_i - \Delta x/2}^{x_i + \Delta x/2} \rho(x, t) \, dx + \left[ \rho u \right]_{x_i - \Delta x/2}^{x_i + \Delta x/2} = 0$

3.2.2 二维有限体积

以二维质量守恒方程为例，其数学形式为：

$\frac{\partial \rho(x, y, t)}{\partial t} + \frac{\partial (\rho u)}{\partial x} + \frac{\partial (\rho v)}{\partial y} = 0$

在控制体 $[x_i - \Delta x/2, x_i + \Delta x/2] \times [y_j - \Delta y/2, y_j + \Delta y/2]$ 上积分：

$\frac{\partial}{\partial t} \int_{x_i - \Delta x/2}^{x_i + \Delta x/2} \int_{y_j - \Delta y/2}^{y_j + \Delta y/2} \rho(x, y, t) \, dx \, dy + \left[ \rho u \right]_{x_i - \Delta x/2}^{x_i + \Delta x/2} + \left[ \rho v \right]_{y_j - \Delta y/2}^{y_j + \Delta y/2} = 0$

3.3 有限元方法

有限元方法是一种适用于复杂几何区域的数值方法，通过将计算区域划分为多个小的单元，然后在每个单元上应用局部近似来求解方程。

3.3.1 一维有限元

以一维热传导方程为例，其数学形式为：

$\frac{\partial T(x, t)}{\partial t} = \alpha \frac{\partial^2 T(x, t)}{\partial x^2}$

在每个单元上应用局部近似：

$\approx \sum_{i=1}^N T_i(t) \phi_i(x)$

其中， $\phi_i(x)$ 是基函数， $T_i(t)$ 是节点上的温度。

3.3.2 二维有限元

以二维热传导方程为例，其数学形式为：

$\frac{\partial T(x, y, t)}{\partial t} = \alpha \left( \frac{\partial^2 T(x, y, t)}{\partial x^2} + \frac{\partial^2 T(x, y, t)}{\partial y^2} \right)$

在每个单元上应用局部近似：

$\approx \sum_{i=1}^N T_i(t) \phi_i(x, y)$

其中， $\phi_i(x, y)$ 是基函数， $T_i(t)$ 是节点上的温度。

3.4 基于Python的数值方法实现

3.4.1 一维有限差分法

以下是一个使用Python实现一维热传导方程的有限差分法的例子：


import numpy as np

import matplotlib.pyplot as plt



# 参数设置

L = 1.0  # 域长度

T_total = 1.0  # 总时间

N = 100  # 空间网格点数

M = 1000  # 时间步数

alpha = 0.01  # 热扩散率

dx = L / N  # 空间步长

dt = T_total / M  # 时间步长



# 初始化温度场

x = np.linspace(0, L, N)

T = np.zeros(N)

T[0] = 100  # 左边界初始温度



# 定义边界条件

def boundary_conditions(T):

    T[0] = 100  # 左边界

    T[-1] = 0  # 右边界

    return T



# 时间迭代

for t in range(M):

    T_new = np.copy(T)

    for i in range(1, N-1):

        T_new[i] = T[i] + alpha * dt / dx**2 * (T[i+1] - 2*T[i] + T[i-1])

    T = boundary_conditions(T_new)



# 绘图

plt.plot(x, T, label='Temperature')

plt.xlabel('Position (x)')

plt.ylabel('Temperature (T)')

plt.title('1D Heat Conduction using Finite Difference Method')

plt.legend()

plt.show()

3.4.2 二维有限差分法

以下是一个使用Python实现二维热传导方程的有限差分法的例子：


import numpy as np

import matplotlib.pyplot as plt



# 参数设置

Lx = 1.0  # x方向域长度

Ly = 1.0  # y方向域长度

T_total = 1.0  # 总时间

Nx = 100  # x方向网格点数

Ny = 100  # y方向网格点数

M = 1000  # 时间步数

alpha = 0.01  # 热扩散率

dx = Lx / Nx  # x方向步长

dy = Ly / Ny  # y方向步长

dt = T_total / M  # 时间步长



# 初始化温度场

x = np.linspace(0, Lx, Nx)

y = np.linspace(0, Ly, Ny)

X, Y = np.meshgrid(x, y)

T = np.zeros((Ny, Nx))

T[0, :] = 100  # 上边界初始温度



# 定义边界条件

def boundary_conditions(T):

    T[0, :] = 100  # 上边界

    T[-1, :] = 0  # 下边界

    T[:, 0] = 0  # 左边界

    T[:, -1] = 0  # 右边界

    return T



# 时间迭代

for t in range(M):

    T_new = np.copy(T)

    for i in range(1, Ny-1):

        for j in range(1, Nx-1):

            T_new[i, j] = T[i, j] + alpha * dt * ( (T[i+1, j] - 2*T[i, j] + T[i-1, j]) / dx**2 + (T[i, j+1] - 2*T[i, j] + T[i, j-1]) / dy**2 )

    T = boundary_conditions(T_new)



# 绘图

plt.imshow(T, cmap='hot', interpolation='nearest')

plt.colorbar(label='Temperature (T)')

plt.xlabel('X Position')

plt.ylabel('Y Position')

plt.title('2D Heat Conduction using Finite Difference Method')

plt.show()

3.5 基于MATLAB的数值方法实现

3.5.1 一维有限差分法

以下是一个使用MATLAB实现一维热传导方程的有限差分法的例子：


% 参数设置

L = 1.0;  % 域长度

T_total = 1.0;  % 总时间

N = 100;  % 空间网格点数

M = 1000;  % 时间步数

alpha = 0.01;  % 热扩散率

dx = L / N;  % 空间步长

dt = T_total / M;  % 时间步长



% 初始化温度场

x = linspace(0, L, N);

T = zeros(1, N);

T(1) = 100;  % 左边界初始温度



% 定义边界条件

boundary_conditions = @(T) [100, T(2:end-1), 0];



% 时间迭代

for t = 1:M

    T_new = T;

    for i = 2:N-1

        T_new(i) = T(i) + alpha * dt / dx^2 * (T(i+1) - 2*T(i) + T(i-1));

    end

    T = boundary_conditions(T_new);

end



% 绘图

plot(x, T, 'DisplayName', 'Temperature');

xlabel('Position (x)');

ylabel('Temperature (T)');

title('1D Heat Conduction using Finite Difference Method');

legend;

3.5.2 二维有限差分法

以下是一个使用MATLAB实现二维热传导方程的有限差分法的例子：


% 参数设置

Lx = 1.0;  % x方向域长度

Ly = 1.0;  % y方向域长度

T_total = 1.0;  % 总时间

Nx = 100;  % x方向网格点数

Ny = 100;  % y方向网格点数

M = 1000;  % 时间步数

alpha = 0.01;  % 热扩散率

dx = Lx / Nx;  % x方向步长

dy = Ly / Ny;  % y方向步长

dt = T_total / M;  % 时间步长



% 初始化温度场

x = linspace(0, Lx, Nx);

y = linspace(0, Ly, Ny);

[X, Y] = meshgrid(x, y);

T = zeros(Ny, Nx);

T(1, :) = 100;  % 上边界初始温度



% 定义边界条件

boundary_conditions = @(T) [100 * ones(1, Nx); T(2:end-1, :); zeros(1, Nx)];

T = boundary_conditions(T);



% 时间迭代

for t = 1:M

    T_new = T;

    for i = 2:Ny-1

        for j = 2:Nx-1

            T_new(i, j) = T(i, j) + alpha * dt * ( (T(i+1, j) - 2*T(i, j) + T(i-1, j)) / dx^2 + (T(i, j+1) - 2*T(i, j) + T(i, j-1)) / dy^2 );

        end

    end

    T = boundary_conditions(T_new);

end



% 绘图

imagesc(x, y, T);

colorbar;

xlabel('X Position');

ylabel('Y Position');

title('2D Heat Conduction using Finite Difference Method');