(2023/02/21發表於個人臉書)
博士後心得Part 6.3，來寫我博士後尾聲，花了將近一年做的診斷AM4海洋層積雲誤差來源的工作。平心而論，這個工作的結果並不是很有趣，也沒什麼科學上的重大突破，但過程高低起伏，最精彩的部分是準備寫初稿時，發現一篇漏看的前人文獻，然後原有的假說和資料和論點完全被推翻了@@ 雖然知道這種事在科學研究中並不罕見，但發生在自己身上還是蠻震撼的。
雖然原有假說和論點被推翻，但所做的分析還是有機會發表，所以我正在寫文章初稿，希望順利發表在學術期刊上。初稿主要著重在研究動機、方法、以及科學發現，希望以最有邏輯的方式呈現這份研究工作。這篇心得文會著重在 「實際發生」的研究過程，絕大部分我沒打算放入目前在寫的期刊文章初稿 (所以才寫中文偷懶XD)。
＊ 診斷AM4海洋層積雲誤差的工作起因
GFDL氣候模式AM4在海洋層積雲地區如北美洲、南美洲、以及非洲的西部海岸有很大的誤差。AM4模擬不出足夠的層積雲來反射陽光，因此在這些地區，大氣和地表都吸收了過多的太陽輻射。這個問題已經持續存在於GFDL三個世代的氣候模式：AM2、AM3、和AM4，要是能改善或解決的話，會是一大進展。
我博士後參與EDMF CPT (Eddy-Diffusivity/Mass-Flux Climate Process Team) 計畫，之前我把
JPL合作者發展的一個邊界層/對流參數法 MYNN-EDMF ( Mellor-Yamada-Nakanishi-Niino Eddy-Diffusivity/Mass-Flux) 放進AM4裡頭，希望能改善AM4在海洋層積雲的模擬。過程中花了很多心力，但模擬結果很糟。對這個工作有興趣的話，可以參考我之前寫的心得：postdoc心得：Part 6.2 - MYNN-EDMF研究工作。
因為MYNN-EDMF的結果很糟，我老闆Leo Donner決定在剩下的CPT計畫期間，不要再從物理參數法的角度著手來改進海洋層積雲的誤差，而是轉向診斷和仔細了解AM4這些誤差的原因。他有個假說：說不定是AM4模擬出來的大尺度環境場有問題ー比方說下沉氣流 (subsidence) 的強度，，即使AM4物理參數法是完美的，但要是模式提供有問題的大尺度環境場給物理參數法，AM4可能還是無法模擬出實際的海洋層積雲特徵。
診斷和了解AM4海洋層積雲的誤差原因很重要，Leo提出的假說也值得去看看，但是，CPT的目標是改進模式，模式診斷工作並不是很切合目標。Leo會提出這個診斷工作，部分原因是他知道我花很多心力在MYNN-EDMF上，但是模擬結果太糟，很難發表成期刊文章。他想幫我發文章，而這個診斷工作應該比較容易發表，所以覺得下一步可以朝向診斷分析工作。我們的CPT PI João Teixeira也同意這個方向，所以Leo和我寫了一份約八頁的CPT兩年延長計畫給NOAA，內容主要是過去兩年半的研究成果總結，以及提出未來兩年會著重在AM4海洋層積雲的誤差診斷工作。很幸運的，NOAA通過了這個兩年延長計畫。
我當時已經拿到中研院環變中心的職位，而且環變同意我做完目前的EDMF CPT計畫後再回去上工，所以CPT兩年延長計畫通過與否對我基本上沒有影響。但是，知道通過後，我當時鬆了一口氣。我在CPT做了兩年多博後，沒有幫CPT發過一篇期刊文章，從計畫角度來說很不好看。CPT兩年延長計畫順利通過，對我來說是種認可，認可兩年多付出的研究心力，讓這個計畫能延續下去。
雖然AM4海洋層積雲的誤差診斷工作可以等我離開後再進行，不過反正我還會在GFDL待快一年，我就開始做這個工作，最好在離開前能把初稿寫完。即使寫不完或是還有後續工作，下一個博後也可以接手做。於是，我就開始做這個工作了。
＊研究流程構想
要診斷AM4海洋層積雲的誤差原因，尤其是大尺度環境場，我們想利用野外觀測實驗資料、
MERRA-2 reanalysis、AM4、AM4的一維氣柱模式 (single column model; SCM)、CPT成員UConn教授Georgios Matheou發展的large-eddy simulations (LES) 等工具。
具體的流程初步構想如下：
先找出AM4在哪些海洋層積雲地區有很大的誤差，然後看那些地區有沒有野外觀測實驗的數據。因為下沉氣流是我們想看的關鍵變數之一，但其數量級很小 (cm/s)，最好野外觀測實驗能提供下沉氣流的量測數據，來跟MERRA-2和AM4的結果比對。
因為想把AM4跟實際的野外觀測數據比對，AM4需要使用當時的大氣環境條件，而不是像一般氣候模擬常用的長期平均。因此，我們跑nudge AM4模擬，強制AM4的溫度、風、還有地面氣壓接近MERRA-2的資料，AM4的物理參數法還是照常運行，比方說雲的產生和輻射計算。Nudge AM4和MERRA-2可以直接跟野外觀測數據比對，檢視其模擬出的大尺度環境場和海洋層積雲特徵。
使用野外觀測數據，跑SCM和LES。要是SCM能重現nudge AM4的誤差，我們可以利用SCM深入探討誤差主要是由模式哪個部分造成。LES的功用是作為基準來檢視SCM的結果，LES也可以拿來做不同的數值實驗。
因此，野外觀測實驗最好有 (1) 下沉氣流的量測數據，和 (2) 可以拿來跑SCM和LES。從1987年FIRE實驗開始，目前約有10個海洋層積雲相關的野外觀測實驗，像DYCOMS-II、EPIC、VOCALS-Rex等，也有一些研究層積雲-淺積雲轉變的觀測實驗，像MAGIC、CSET等，以及還有研究淺積雲的EUREC4A等等。Kawai and Shige (2017) 的Table 1整理了這些野外觀測實驗的年份、主要研究目標、還有參考文獻。
在這些野外觀測實驗中，唯一符合我們兩項需求的只有2001年在加州外海的DYCOMS-II觀測計畫。DYCOMS-II主要是飛機觀測，以繞圈飛行的方式量測一個區域的風向風速，風的資料可以拿來估計輻散率 (divergence rate) 以及下沉氣流強度。DYCOMS-II的研究飛機觀測 (Research Flights 01 & 02) 有提供初始場來跑LES和SCM，並且有模式比對計畫 (intercomparison projects)。
所以，我們使用DYCOMS-II RF01 & RF02來開始研究。
此外，我們也有考慮使用CGILS (CFMIP-GASS Intercomparison of LES and SCM models) 提供的在典型海洋層積雲地區，理想化的大尺度環境場來進行研究。但是，CGILS的主要目的是看在暖化的大尺度環境場下，海洋層積雲會如何改變，是純粹的模式間互相比對，沒有觀測資料作為佐證，不大符合我們檢視AM4海洋層積雲誤差的需求。不過，CGILS也是一個很好的案例，目前還不在SCM中，所以我花了兩三週時間，把CGILS的設定放進SCM裡頭，模擬結果跟文獻中的AM3 SCM的結果很類似，我想因為兩者用的是相同的邊界層和層狀雲參數法。
＊令人振奮的初步結果
我之前在做MYNN-EDMF時，就有跑DYCOMS-II RF01 SCM，所以我一開始先分析RF01。RF01 SCM能模擬出跟觀測類似的海洋層積雲特徵，SCM/LES用的輻散率和Stevens et al. (2007)的飛機觀測數值差不多，約4x 10-6 s-1。這顯示給定觀測到的大尺度溫度、濕度、和輻散率，AM4的物理參數法能模擬出實際的海洋層積雲特徵。
接下來我去分析MERRA-2和nudge AM4在RF01期間的資料。發現他們兩者的輻散率是飛機觀測的兩倍左右，約8 x 10-6 s-1，下沉氣流也是強了兩倍左右，逆溫層(inversion height)高度也比觀測到的低，這些都不利於海洋層積雲的形成發展。我們把輻散率增加兩倍來跑RF01 SCM，發現模擬出的層積雲的雲水含量減少，邊界層高度也降低，跟物理上的預期一致。LES也跟SCM有一致的結果。
這些結果支持我們的假說，由於MERRA-2和nudge AM4跟觀測相比高估了輻散率，而高輻散率不利於層積雲的形成發展，可能顯示AM4的海洋層積雲誤差部分原因是由於輻散率的誤差。
我還試著把MERRA-2和nudge AM4在DYCOMS-II區域的溫度和絕對濕度剖面，以及三維大尺度溫濕度的趨勢 (3D large-scale dynamical tendencies)拿出來，餵給SCM跑。在計算水平平流時，發現在邊界層頂有很強的冷平流 (-20 K/day )和濕平流 (5 g/kg/day)。跟João, Zhihong, Leo討論後，發現應該是模式邊界層參數法的影響。當下風處的邊界層高度遞減，風會把相對冷和濕的邊界層空氣，帶進相對暖和乾的自由大氣，造成很強的冷平流和濕平流。因為模式的邊界層高度由物理參數法算出，而且輻散率也會影響邊界層的發展，所以模式邊界層的高度可能不是很可信。
因為MERRA-2和nudge AM4的水平平流有問題，不該直接放進SCM裡頭，所以我花了幾週時間，改用CGILS的方式來計算水平平流項，再放進SCM裡頭。RF01 SCM模擬結果並不受水平平流項有太大的影響。
我也在RF02做了類似的模擬和分析，基本上結果和RF01一致。
這小節有點亂，記得這個結論就好：我們的假說是AM4海洋層積雲的誤差部分是因為下沉氣流 (或輻散率)有問題，分析結果顯示nudge AM4和MERRA-2輻散率跟飛機觀測數值比起來高估了兩倍，不利於海洋層積雲的形成。SCM和LES也支持我們的論點。
故事線有了，資料也有了，可以開始寫文章初稿了。我大概2022年11月初列出大綱，準備開始寫初稿。但自己逃避寫作又遇到AGU和聖誕假期，大概過完新年才比較認命開始寫。
＊發現一篇前人文獻，之前的論點完全被推翻了
一月初某次去跟Leo討論，他問起飛機量測輻散率的細節，我回頭查文獻時發現Lenschow et al. (2007)也有用DYCOMS-II的飛機觀測去計算輻散率。他們校正之前Stevens et al. (2007) 使用的風向風速資料，所以得出的結果應該是更準確的。我之前是用Stevens et al. (2007)的輻散率數據去比對MERRA-2和nudge AM4。
結果，根據Lenschow et al. (2007)的結果，我們的假說完全被推翻了。
Lenschow et al. (2007)得出的輻散率比Stevens et al. (2007)大兩倍多，跟MERRA-2和nudge AM4得到的相當接近。這代表，MERRA-2和nudge AM4的輻散率好像沒什麼問題，我們想把海洋層積雲的誤差歸因到輻散率的假說，就完全被推翻，完全崩壞了。
我當初看到Lenschow et al. (2007)時，宛如晴天霹靂。因為沒發現這篇文章，一直以來的假說和資料和論點，就通通沒用了。我抱著沈重的心情跟Leo回報這件事，而Leo隔幾天找我討論，也是有點沈重有點沮喪的說，原本的假說和論點不成立了。
儘管如此，我所做的分析結果還是可以寫成書面記錄下來，希望能投到期刊發表，所以現在努力寫初稿中。
Figure caption: DYCOMS-II RF01 & RF02 divergence rates from MERRA-2, nudge AM4, SCM, flight estimate by Stevens et al. (2007; S01) and a later estimate by Lenschow et al. (2007; L07)
＊學習用Python分析資料
在這個診斷工作，我第一次用python + jupyter notebook來做資料分析和畫圖，主要用Xarray和Matplotlib。有一些東西還是用NCL做，像是計算平流項和畫等值線在地圖上，因為python還沒學到那邊，用NCL比較快。
蠻慶幸自己用python + jupyter notebook做資料分析和畫圖的。因為這次處理了很多不同類型的資料：AM4、MERRA-2、CERES、SCM、George’s LES、LES intercomparison、observation等。每種資料格式不一樣，變數名稱不一樣，網格不一樣，光讀資料就很麻煩，還要畫在同一張圖上更麻煩。在這方面，python + jupyter notebook遠勝NCL，因為jupyter notebook的自訂函式跟程式碼可以分段執行，讓讀檔和檢查數值方便許多。
我也把以前使用NCL的經驗用在python中。因為NCL有很多程式碼我記不起來，之前寫了一個小程式，輸入關鍵字就跳出相關的程式碼，比方說輸入”cn”，就跳出常用的畫等值線需要的程式碼，很方便。我也用python寫了一個類似的小程式，在jupyter notebook裡直接查需要用的程式碼，省去許多google的時間。
要學會使用一個新工具，就是要用在實際工作上，邊用邊學。
Figure caption: Python and NCL
＊結語
這個診斷AM4海洋層積雲誤差來源的工作，我學到很多東西，像是 (1) 仔細看DYCOMS-II實驗設計，特別是他們如何用飛機來量測輻散率，(2) 下載分析各種不同的資料，例如MERRA-2、CERES、LES intercomparison等，還使用線上軟體把圖片數位化讀取數值，(3) 使用python + jupyter notebook來做資料分析和畫圖。
最重要的收穫，我想是跟老闆Leo跑了一個完整的研究流程。提出假說、看資料能不能驗證我們的假說。當我們的論點可以由資料佐證，很高興也準備開始寫初稿時，發現一篇漏看的前人文獻，然後原有的假說和資料和論點完全被推翻了。雖然知道這種事在科學研究上並不罕見，也很慶幸投稿前就發現，但發生時還是蠻震驚跟沮喪的，是一個很好的收穫。
最後希望趕快把初稿寫完，然後順利的發表在期刊上。
P.S. 這篇文章大部分是我在紐約JFK返台的班機上寫的 (2023/02/19)。因為隔壁座位沒人，我就把電腦拿出來寫這篇文章，寫累了還可以把電腦丟旁邊休息一下。因為很認真的思考和寫文章，讓17.5小時的飛行時間沒有那麼難熬。
References
Kawai, H., and J. Teixeira, 2010: Probability density functions of liquid water path and cloud amount of marine boundary layer clouds: Geographical and seasonal variations and controlling meteorological factors. J. Clim., 23, 2079–2092, https://doi.org/10.1175/2009JCLI3070.1.
Lenschow, D. H., V. Savic-Jovcic, and B. Stevens, 2007: Divergence and vorticity from aircraft air motion measurements. J. Atmos. Ocean. Technol., 24, 2062–2072, https://doi.org/10.1175/2007JTECHA940.1.
Stevens, B., A. Beljaars, S. Bordoni, C. Holloway, M. Köhler, S. Krueger, V. Savic-Jovcic, and Y. Zhang, 2007: On the structure of the lower troposphere in the summertime stratocumulus regime of the northeast Pacific. Mon. Weather Rev., 135, 985–1005, https://doi.org/10.1175/MWR3427.1.