Vorticity, divergens och deformation är de tre grundläggande egenskaperna hos vindfält. Medan många tidigare studier har avslöjat och bekräftat det nära sambandet mellan både virvel och divergens och förekomsten av nederbörd, få har fokuserat på deformationen av den utfällande atmosfären. Faktiskt, deformation är nära relaterad till förekomsten och fördelningen av kraftig nederbörd - ett förhållande som utforskas i en nyligen publicerad studie publicerad i Framsteg inom atmosfärsvetenskap , som syftade till att involvera deformation i diagnosen nederbörd.
I studien, en ny parameter som kallas potentiell deformation (PD) har härletts av forskare från Institute of Atmospheric Physics, kinesiska vetenskapsakademin. PD består av potentiell sträckningsdeformation och potentiell skjuvdeformation, som är konstruerade utifrån konceptet potentiell virvel, och PD ändras inte med koordinatrotation. PD används sedan i ett simulerat mesoskala konvektivt system (MCS) för att undersöka dess prestanda vid nederbördsdiagnos.
"Vi finner att PD presterar bra när det gäller att indikera det kraftiga nederbördsområdet inom MCS, " säger LI Na, studiens första författare. Under de två bandformade och klusterformade stadierna av MCS, stora områden av PD uppvisar också motsvarande band och kluster.
"En analys av den fysiska grunden för den nära korrelationen mellan PD och nederbörd visar att PD kan spegla nederbördsområdet eftersom det innehåller de typiska processerna för produktion av MCS-nederbörd:varmt och fuktigt inflöde, en bakre inflödesstråle, kallt och torrt nedåtgående flöde, och en kall ytpool, " LI säger. "Och alla dessa processer ingår i PD av den tredimensionella gradienten av den generaliserade potentiella temperaturen (eller fukten), den vertikala vindskjuvningen och deformationen, och därmed korrelerar PD nära med nederbörd." Enligt studien, korrelationskoefficienten kan nå upp till 0,7. Detta innebär en stor potential för att använda PD i nederbördsdetektering och -prognoser.
För närvarande, numeriska modeller representerar ett av de viktigaste sätten att förutsäga nederbörd. Dock, utfällning i numeriska modeller erhålls huvudsakligen genom parameteriseringsscheman (mikrofysisk parametrisering och cumulusparameterisering), som innehåller starka osäkerheter. För att förbättra förutsägelseskickligheten för nederbörd genom numerisk modellering, ett antal utökade metoder har utvecklats baserat på de numeriska resultaten som ett komplement till de numeriska förutsägelserna.
"Nvändbarheten med PD ligger i att den också kan beräknas från numeriska förutsägelseresultat och användas som en tolkningsteknik för att indikera nederbörd, " säger Dr. RAN Lingkun, motsvarande författare till studien. "Tillämpningen av parametern för att prognostisera nederbörd och dess jämförelse med numerisk nederbörd är en möjlig forskningsväg för vår grupp i framtiden."
