中尺度模式的運作(2)

水平解析度與所模擬的天氣尺度大小直接相關，越高的解析度，可以解析的系統特徵越小。

數值模式中有兩種模型:
(1) Grid-point model : 在等間距網格上求解網格點上的值
(2) Spectral model : 藉由資料場繪製contour，以模擬變數。使用不同波長和振福的連續波合成波來指定所有位置的預報變數和導數

一般我常用的中尺度模式 (ex: WRF) 是使用Grid-point model

在網格模式中，通常至少需要5個網格點才能描述天氣特徵，因此，當決定了網格間距，也決定了預描繪的天氣尺度大小。
例如，20 km 解析度，意味著100公里以下的天氣特徵無法描繪，同理，對於地形效應的描述，至少要 1 -2 公里的解析度才可以描述。

垂直解析度也一樣，必須先了解預解析的天氣尺度，如果只有水平解析度高，垂直解析度卻很差，那麼模擬的結果可能會更糟。

與水平解析度的等間距網格不同的是，垂直方向上，我們可能只想關注在底層的系統，對流層中層以上我們可能比較不感興趣，因此，一種做法是，將底層的解析度調高，中層以上則是比較粗的解析度，但對流層頂在提高解析度。這樣在底層可以解析出邊界層的通量變化，以及對流層頂的噴流現象。

這樣特定的垂直分層，在不同模式中會採用不同的座標系統來進行運算。
GFS, COAMPS, and AFWA WRF 採用sigma 座標。
sigma 座標 中，底部和頂部被假設垂直運動為0，在貼近地表的位置，sigma = 1，而頂部 sigma = 0。因此在底部 sigma layer 會緊貼著地形，而頂部 sigma layer 則近乎水平。

使用sigma座標的優點是，由於第一層是緊貼著地表，因此可以輕易的增加垂直解析度以解析邊界層的特徵。
然而，sigma座標的缺點是，有時會在山的背風面產生不合理垂直風，或是地形 blocking 有時無法充分掌握。