大气光学湍流模式研究——方法和进展

摘要

分层是大气湍流特别是高空湍流显著特征.在某一固定高度真实光学湍流C_(n)^(2)值在平均值上有1—2个量级甚至更大的起伏.以观测数据建立的湍流廓线模式,是一个统计平均的结果.既不能代表某次实际大气湍流廓线的分层特征,也没有预报功能,不能完全满足光学工程需求.受限于计算机的容量和速度,无法通过DNS (direct numerical simulation)以及LES (large eddy simulation)求解Navier-Stokes方程来预报光学湍流,解决方案是通过中尺度天气数值预报模式MM5/WRF,预报出常规气象参数,再由湍流参数化方案计算出C_(n)^(2).本文介绍了近地面层、边界层和自由大气层C_(n)^(2)预报方法和研究成果,从湍流动能预报方程和温度脉动方差预报方程详细推导出Tatarski公式,归纳出该公式所隐含的物理意义和适用条件.重点介绍了神经网络预报C_(n)^(2)和C_(n)^(2)估算和预报方法在南极天文选址的最新研究进展.分析了以实验数据拟合的经验模式、建立在Kolmogorov湍流理论基础之上含有常规气象参数的参数模式、与中尺度气象模式有关的预报模式、基于数据驱动的神经网络方法等不同模式的特点和差异.强调Kolmogorov湍流理论是现有大气光学湍流参数模式的理论基础.