编者按：这是新开的一个系列，有时间会逐步将WRF官方培训的ppt挑选个人认为重要的进行翻译，以及结合个人的使用经验进行一些解释。由于个人水平有限，难免会出现偏差和错误，欢迎斧正。
本篇内容来源于WRF官网2021年的培训ppt：Application of WRF: How to Get Better Performance。
WRF作为成熟的区域中尺度气象模式，文档齐全且教程详细，对于用户较为友好，但是想要获得一个好的模拟结果，需要注意很多地方，
1 模拟区域domain设置
模拟区域不能太小，否则模拟结果基本为全球模式侧边界的强迫结果，无法自由发展出模式本身的中小尺度信息，一般网格数不能小于100×100（其中边界网格10）。
模式区域的边界附近应该避免剧烈的地形变化，例如边界不要设置在青藏高原上。
感兴趣的地区应该尽量设置在domain的中心，避免靠近边界。
基于大区域 (a) 和小区域(b) 模拟12小时的250hPa 风 (m s-1) ，模拟区域太小则中小尺度过程无法自由发展。 (Warner, 2011)
2 初始化和spin-up预热过程
模拟结果的好坏很大程度取决于初始场(IC)的质量。
要了解初始场的数据来源，比如初始场来源于预报数据、再分析数据或者气候数据。
对初始场数据的质量进行检查，如土地利用数据landuse是否符合实际，如有更高质量的土地利用数据可以进行替换。
模式启动的前几个小时，一般有一个预热过程，动力场和热力场在调整中，气压场会出现“噪音”，前几小时模拟的降雨也基本不可信。
3 侧边界条件
包括WRF在内的所有区域模式，人为引入的侧边界(LBC)是制约模式性能的一个重要因素。
侧边界可能会导致许多负效果，以下几点可减少或避免侧边界导致的负效果：
侧边界尽可能避免强强迫；
应使用分辨率一致的输入数据；
尽可能使用高时间分辨率的侧边界数据，即3小时间隔比6小间隔更好；
应尽可能使用交互边界。
4 网格分辨率及其影响
dx>10km：需要使用积云对流参数化方案。
10km>dx>5km: 灰色区域(Grey Zone), 是否使用积云对流参数化方案仍没有共识，可以尝试使用GF、MSKF等尺度自适应的积云方案。个人建议分辨率的设置可以避开5~10km。
dx=3km：云解析，也即能显示表达积云的分辨率，此时不需要深对流的积云参数化方案。
dx=100m~1km: 对大部分模拟需要开启行星边界层(PBL)参数化方案，但此时不仅可以关闭深对流积云参数化方案，还可以关系浅对流的积云参数化方案(当然500m以上还需开启浅对流)。
dx=30m：大涡模拟(large-eddy simulation, LES)所需的分辨率，不需要行星边界层(PBL)参数化方案。湍涡可由模式的显式处理(加上表层和次网格的湍流方案）。平流方案最好使用单调/非osciallaory选项(adv_opt ≥ 2)。
5 模式层和顶层高度
如果模式顶层为50hPa，则模式层最少设置为30层或更多。
如果模式顶层为1hPa(约45~50km)，则模式层最少设置为60层或更多。
高于30hPa的部分，臭氧的作用逐渐凸显，辐射方案可选RRTMG或CAM。
对于低于50hPa的部分，垂直网格距dz<1000m。
水平分辨率越高，那么垂直层数应该越大，确保dz<dx，满足大气薄层近似。
6 复杂地形
地形过于陡峭(>45°)容易导致模式计算不稳定。可以进行如下设置增强稳定性：
可以在namelist.inputd的domain部分，增大epssm参数，从0.1-0.5甚至更大，对声波进行阻尼，增加模式稳定性。
对于大的斜坡地形，设置diff_opt=2。
对于3.6及其以后的版本，可以同时设置diff_opt=2和km_opt=4以增强模式稳定性。
7 物理参数方案的选择
WRF模式中，存在众多次网格过程需要使用物理参数方案进行表达，而每种物理参数化方案都有很多种选项，其不同的排列组合使得选项太多。
关于物理参数化方案，以后有时间再展开介绍，以下粗略提几点：
给定一套参数化方案组合，对于不同的地区、domain大小、时间以及关注的天气现象，其模拟结果是不同的，没有哪种方案组合是完美的。
可以根据研究对象确定重要的参数化方案再进行挑选，如对于台风，可能积云对流和微物理方案更重要。
建议根据个人的具体应用，结合文献调研的基础上，选定一些参数化方案组合进行对比，验证哪种参数化方案组合对重点关注的天气现象模拟最好。
最后，WRF的使用者应该时刻牢记以下几点：
模拟结果受到很多因素的影响，如模拟区域的设置(水平和垂直的)、输入的数据(包括气象场和静态数据)、侧边界条件等；
模式是存在缺陷的，对于某些具体天气过程是无法得到好的模拟结果的，人为引入了侧边界；
找到模式何处存在偏差是非常重要的。
扫描下方二维码，关注气海同途公众号，获取更多大气海洋数值模式相关内容。
参考：
https://www2.mmm.ucar.edu/wrf/users/tutorial/presentation_pdfs/202101/chen_better_performance.pdf
