不用流体力学的云
没有人会通过追踪每一个分子来模拟管道里的水:流体力学定律可以完成同样的工作,“用一台笔记本电脑,而不是一个数据中心”。但地球大气是如此复杂的流体,以至于连这些定律也再次需要一个数据中心。这就是Thomas DeWitt博士论文的出发点。这篇论文提交给犹他大学大气科学系,导师是Timothy Garrett。
这些数字令人望而生畏。要让天气模型在数值上精确,其网格必须达到约一毫米的尺度,在这个尺度上,旋转运动才最终消散。当今最先进的千米尺度模型,只能分辨所涉尺度范围的不到一半。新一代气候模型仍然必须在每个网格单元内近似处理约10¹⁸个毫米尺度的环流。仅仅存储低层大气在某一瞬间的温度场,就需要约10²⁹字节。论文还指出,尽管模型越来越精细,但40年来,各模型在气候敏感度上的分歧并没有缩小。
在更高一层寻找定律
DeWitt的问题是:天气和气候是否存在涌现定律,就像流体力学从无数分子中涌现出来一样?他的回答从一种对称性出发,即尺度不变性:在很宽的范围内,某一尺度下的大气看起来就像另一尺度下自身的拉伸版本。
前几章(其中两章已发表在《大气化学与物理》(Atmospheric Chemistry and Physics)期刊上)论证说,这种对称性常常被测量假象所掩盖。被卫星图像边缘截断的云会造成虚假的尺寸上限,使测量结果产生20%至30%的偏差。云中的空洞会扭曲测量其分形形状的常规方法。而探空气球和下投式探空仪(dropsonde)的风场测量并没有显示出预期的随尺度变化的状态转变:它们符合由Shaun Lovejoy和Daniel Schertzer提出的单一的、拉伸的“各向异性”湍流。
湍流子
第五章把这一思路变成了一个模型。它的基本构件是湍流子(turbulon):经典湍流理论中“涡旋”的一个精确数学版本。一个湍流子是一束局部化的凸起,在每个大气场——温度、湿度、能量——中形状相同,各自具有不同的强度。湍流子越大就越扁平,遵循拉伸湍流定律。于是,一片云场无非就是无数大大小小的湍流子的堆叠。
湍流子与涡旋叠加大气模型(Superposition of Turbulons and Eddies Atmospheric Model,STEAM)从最大的湍流子一直处理到最小的湍流子,在每个尺寸上添加扰动。然后,它计算出水在哪里凝结成云。它从不求解纳维-斯托克斯方程,也没有时间步。它只需要湿度和能量的平均垂直廓线,再加上几个常数作为输入。

由STEAM模拟、并用光线步进(ray-marching)方法渲染的积云场。——图5.1,DeWitt(2026),arXiv:2609.30589。
与真实情况有多接近?
DeWitt把330次STEAM模拟与两次热带外场观测试验的超高分辨率模拟(每次都有超过10亿个网格点)以及一个国际比较项目中的九个模型进行了比较。STEAM与某个参考模型之间的差距,往往与两个参考模型之间的差距差不多大。但缺陷也很明显:低云多了两到五倍,近地面温度变率过大,而且在对流层顶附近出现了一个虚假的变率峰值——STEAM在那里捕捉到了平均廓线的急剧变化,却没有捕捉到变化的方向。由于模型中没有降雨,云水还会在密集的云核中堆积得过高。
惊喜来自太空。与72幅卫星图像相比,在模型的某一种设置下,STEAM云的几何特征——云的边缘有多参差、尺寸如何分布——与观测的吻合程度与参考模拟相当甚至更好。作者认为,STEAM的某些不一致之处,可能恰恰揭示了参考模型的弱点。

同一模拟中,将湍流子呈圆形的尺度分别设为10米、30米和100米:从稀薄分散的积云到高耸的浓积云。——图5.12,DeWitt(2026),arXiv:2609.30589。
便宜一百万倍——但有条件
在一台台式计算机上,参考模型CM1进行一次100天的模拟大约需要29天的计算时间。而一个与之匹配的STEAM场只需1.7秒。由于STEAM直接生成每个独立快照,不需要起转(spin-up)过程,DeWitt估计它每个快照便宜十万到一百万倍。
论文本身也明确指出了其中的代价。STEAM无法预测自身的平均状态:它要从另一个模型那里借用。它的“圆度”尺度在整个模拟中是固定的,因此深厚的风暴和稀薄的高云永远不会出现在同一个体积中。而且由于没有时间,它无法预报明天的天气——它的长处在于统计。论文的结论是,模拟天气和气候“事实上可能并不需要”纳维-斯托克斯方程;目前,这仍然是一个有待后人在此基础上继续发展的设想。
