パラメータ化（気候モデリング）

気象モデルや気候モデルにおけるパラメータ化は、モデル内で物理的に表現するには規模が小さすぎたり複雑すぎたりするプロセスを、単純化されたプロセスに置き換える方法です。これは、モデル内で明示的に解決される他のプロセス (大気の大規模な流れなど) とは対照的です。これらのパラメータ化に関連付けられているのは、単純化されたプロセスで使用されるさまざまなパラメーターです。例としては、雨滴の下降率、対流雲、大気放射伝達コードに基づく大気放射伝達の単純化、雲の微物理学などがあります。放射パラメータ化は、大気モデリングと海洋モデリングの両方にとって同様に重要です。個々のグリッド ボックス内のさまざまなソースからの大気放出も、空気の質への影響を判断するためにパラメータ化する必要があります。

気象・気候モデルのグリッドボックスの一辺は5キロメートル（3.1マイル）から300キロメートル（190マイル）である。典型的な積雲のスケールは1キロメートル（0.62マイル）未満であり、流体運動の方程式で物理的に表現するにはこれよりもさらに細かいグリッドが必要となる。したがって、このような雲が表すプロセスは、さまざまな高度なプロセスによってパラメーター化される。初期のモデルでは、モデルのグリッドボックス内の空気の柱が不安定な場合（つまり、下部が上部よりも暖かい場合）、その柱はひっくり返され、その垂直の柱内の空気が混合された。より高度なスキームでは、ボックスの一部分のみが対流する可能性があり、エントレインメントやその他のプロセスが発生することを認識した機能強化が追加されている。^[1] グリッドボックスの一辺が5キロメートル（3.1マイル）から25キロメートル（16マイル）の気象モデルは、対流雲を明示的に表現できるが、それでも雲の微物理学をパラメーター化する必要がある。^[2]

大規模（層雲型）雲の形成はより物理的に基礎を置いており、相対湿度が規定値に達したときに形成される。それでも、サブグリッドスケールのプロセスを考慮する必要がある。雲が100%の相対湿度で形成されると仮定するのではなく、雲の割合は、層雲型雲の場合は臨界相対湿度70%、積雲の場合は80%以上に関連付けることができ、^{[3]現実世界で発生するサブグリッドスケールの変動を反映している。降水パラメータ化の一部には、凝結速度、}水蒸気から液滴への状態変化を扱うエネルギー交換、および水蒸気から水滴への変化速度を制御する微物理的要素が含まれる。^[4]

起伏のある地形や雲量の変動により地表に到達する太陽​​放射量は、分子レベルで発生するため、パラメータ化されます。^{[5]このパラメータ化方法は、現実的な}海面温度や海面近くにある海氷の種類 を決定するために、海洋と大気間の表面エネルギーフラックスにも適用されます。 ^[4] また、モデルのグリッドサイズは、実際の雲や地形のサイズや粗さに比べて大きくなります。太陽の角度や複数の雲層の影響が考慮されます。^[6] 土壌の種類、植生の種類、土壌水分はすべて、放射がどれだけ温暖化に寄与し、水分がどれだけ隣接する大気に吸い上げられるかを決定します。したがって、パラメータ化することが重要です。^[7]

大気質予測は、汚染物質の濃度が公衆衛生に危険なレベルに達する時期を予測するものです。大気中の汚染物質の濃度は、輸送、拡散、化学変化、地表沈着によって決まります。^[8] これらのモデルでは、汚染源や地形の情報に加え、輸送や拡散を判断するために大気中の流体の流れの状態に関するデータが必要です。 ^[9] 大気質モデルでは、特定のグリッドボックス内の比較的小さな複数の発生源（道路、畑、工場など）からの大気放出をパラメータ化で考慮します。^[10]

海洋（そして、より変動性は大きいが大気）は、密度によって成層している。静止状態では、一定密度の表面（海洋では等密度面と呼ばれる）は、一定圧力の表面（等圧面）と平行になる。しかし、地衡や湧昇などのさまざまなプロセスにより、等密度面が等圧面に対して傾くことがある。これらの傾斜した密度面は位置エネルギーの源となり、傾斜が十分に急になると、傾圧不安定性と呼ばれる流体不安定性が引き起こされる可能性がある。傾圧不安定性によって渦が生成され、斜め方向の流体交換によって密度面を平坦化する。^[11]

結果として生じる渦は、ロスビー変形半径と呼ばれる特徴的なスケールで形成されます。このスケールは、成層の強さとコリオリのパラメータ（これは緯度に依存）に依存します。その結果、傾圧渦は熱帯では約1°（約100 km）のスケールで形成されますが、極地や一部の棚海では1/12°（約10 km）未満です。^[12] CMIP実験の一部として実行されるようなほとんどの気候モデルは、海洋で1-1/4°の解像度で実行されるため、^{[13]特に極地では海洋の大部分にわたる傾圧渦を分解できません。しかし、高緯度の傾圧渦は、地球の気候に影響を与える}大西洋南北熱帯域循環（AMOC）^{[14] [15]}など、多くの海洋プロセスにとって重要です。^[16]その結果、渦の影響は気候モデルでパラメータ化され、例えば広く使われているゲント・マクウィリアムズ（GM）パラメータ化では渦の等密度面平坦化効果を拡散係数として表している。^{[17] [18]}このパラメータ化は完璧ではなく、例えば南極環流とAMOCの南極海の風の強さに対する感度を過剰に予測する可能性がある。^{[19] [20]}その結果、海洋モデルにおける渦の表現を改善するために代替パラメータ化が開発されている。^{[21] [22]}

モデルの解像度が上がると、グリッドボックスが大きい場合には統計的に有効な仮定が、対流自体の大きさに近づくにつれて疑わしくなるため、湿潤対流過程に関連する誤差が増大する。グリッドボックスの大きさが約30キロメートル（19マイル）であるT639より大きい解像度では、^[23]荒川-シューベルト対流スキームは対流性降水量を最小限にし、降水の大部分が非現実的な層状性になる。^[24]

物理プロセスをパラメータ化する場合、2 つの選択を行う必要があります。構造形式は何か (たとえば、2 つの変数は線形に関係している可能性がある)、およびパラメータの正確な値は何か (たとえば、比例定数) です。パラメータ化におけるパラメータの正確な値を決定するプロセスは、キャリブレーション、または精度は劣るがチューニングと呼ばれます。キャリブレーションは難しいプロセスであり、さまざまな戦略が使用されます。一般的な方法の 1 つは、モデルまたはサブモデルを実行し、温度などの選択したメトリックの小さなセットと比較することです。モデルの実行が現実に最も似ているようにするパラメータが選択されます。^[25]

• 地球気候モデル
• 気候アンサンブル
• パラメータ化

プラント、ロバート S; 矢野 純一 (2015)。大気対流のパラメータ化。インペリアル カレッジ プレス。ISBN 978-1-78326-690-6。