估计。Р再从不同时间尺度研究来看,比如,以地质时期为时间尺度建立的水文系统气候变化模型,只能为较小时间尺度的气候变化模型提供一个“大背景”,无法提供所需的更详细(即小分辨率)的信息。Р这些都是人们常说的“大尺度向小尺度的转化问题”。这种大尺度向小尺度的转化,称为“顺尺度”转化(downscaling),其算法称为“顺尺度”算法。相反,小尺度向大尺度的转化,称为“逆尺度”转化(upscaling),其算法称为“逆尺度”算法。Р无论是“顺尺度”算法,还是“逆尺度”算法,都不是一件容易的事情。这正是目前广泛关注的尺度问题的关键所在。下面就国际上对这一问题的处理思路概括如下:Р在对待“顺尺度”问题上,一种观点认为,随着计算机的发展,计算速度和容量的提高,在大尺度模型中,可以把网格尺度减小得更小,以满足小尺度模型的衔接需要;第二种观点,把尺度较小的网格仅用于感兴趣的那些区域或那些时段,而对其它区域或其它时段仍采用较大尺度的网格;第三种观点,是把那些感兴趣的区域或时段所建立的小尺度模型嵌套到较大尺度的模型中,实现不同尺度的模型混合计算。虽然这些处理会在一定程度上改善不同尺度间的复杂运算,但很难完全满足尺度问题处理的需要。这也正是“国际地圈生物圈计划”(IGBP)一直积极探讨的问题。Р在对待“逆尺度”问题上,也并非是小尺度向大尺度的简单相加。正如,著名哲学家狄德洛的名言“一个活着的动物并不是许多活的器官的叠加”。随着超微观、微观尺度、中微观尺度向中观、宏观、超宏观尺度的扩展,原来的“理论”模型需均化和再参数化,并同时会产生新的机理。这就导致不同尺度间关系的复杂性和运算的艰难性。目前,逆尺度计算常采用的方法,就是对较小尺度建立的模型进行均化和再参数化。实际上,均化和再参数化过程,就是将原系统部分变量进行空间或时间积分,再用某个均化的特征参数代表。当然,这种方法都是建立在一定的物理意义之上。
全文预览
