多场耦合优化：气候系统与地球系统仿真的关键技术解析

做地球系统方向的人，恐怕都经历过这么一段：单分量模式分别跑得好好的，一旦用耦合器接起来做气候积分，不是海温两年漂了3度，就是耦合日志里全是通量不守恒的告警。这种时候，问题多半不在某个单一模式内部，而是出在“多场耦合优化”这六个字上。标题里的“主题085”我不太想纠结编号来源，真正值得展开的是后半句——气候系统与地球系统仿真。

这句话说小了，是让大气、海洋、陆面、海冰几套模式按时交换数据；说大了，直接决定模拟结果能信几分。气候系统仿真不是搭积木，把各圈层模式写进一个配置文件就能跑通，你需要解决界面通量守恒、网格插值、时间同步、参数敏感性等一系列问题。这篇内容就是围绕这些展开的，适合刚接手地球系统模式的学生，也适合已经有单模式经验、但还没系统梳理过耦合调试方法的工程师。

1. 先还原一下：地球系统仿真里的“多场”到底指哪些场

1.1 为什么现在的气候模拟必须拼“多场耦合”

早期单纯的大气环流模式，是把海洋当作固定下边界来算的。海表温度直接给观测值，模式内部只求解大气运动、辐射传输和云物理过程。这种设计对短时段模拟够用，但一旦要回答“二氧化碳增加之后全球平均温度能升多少”，问题就来了：海洋会大量吸收热量和二氧化碳，它本身又是被大气风应力驱动的大洋环流，陆面植被的生长状态又反过来改变水汽和碳通量。如果下边界全是固定值，反馈链就断了。

这就是为什么要从气候系统仿真走向地球系统仿真。大气、海洋、陆面、海冰、甚至动态植被和冰盖，本质上是一套互相耦合的非线性系统。所谓“多场近似”并不是把几个模式结果拼在一起画图，而是让每个分量模式在每一段时间内，把影响其他分量的物理量实时交换过去。一个圈层的变化，会通过边界通量传导到另一个圈层，这个传导过程又要满足物理守恒规律，于是“耦合器”成了整套仿真的核心枢纽。

1.2 主要圈层和交换通量清单

接手一个地球系统仿真实验前，建议先列一张表，把所有分量模式、对应变量和交换通量写在纸上。前期做这份梳理，能帮你省掉后面大量排查时间。不同模式对变量的命名不同、坐标不同，但物理本质是一致的。

这张表里最有用的信息，是“时间尺度”这一列。大气里云微物理的特征时间可能是几分钟，深海热盐环流调整一次要上千年；你在一个时间步里塞进所有过程，数值上根本不现实。

1.3 时间尺度差异：耦合优化要解决的第一矛盾

多场耦合的第一个核心矛盾，就是各分量的“步调”差异。如果用同一个积分时间步长去处理所有的圈层过程，为了满足最快过程稳定条件，整个系统每几十秒都要做一次全球通信和文件读写，计算效率会低到没法接受。

一般处理方式是“分量模式各自积分，耦合器定期交换”。大气模式用它自己的时间步长跑一天，海洋模式用海洋步长跑一天，到约定的耦合时间节点，两边停下来交换通量和状态变量。这里就出现了一个需要人为权衡的问题：大气模式积分一天期间，海表温度是保持不变的；海洋模式积分一天期间，海表风应力也是不变的。耦合间隔越长，这种滞后效应越明显；耦合间隔越短，通信和插值开销越大。后面我会专门讲耦合频率怎么取舍，这里先建立概念：地球系统仿真从来不是“物理过程步长一致”，而是“在有限交换频率下逼近连续耦合”。所有耦合优化工作，本质上都是在平衡精度、守恒性和计算成本。

2. 耦合的实质：界面交换的不是“数据文件”，是守恒律

2.1 大气-海洋界面上最核心的通道

看一个耦合器是否健康，首先要盯住大气-海洋界面。这个界面上通过的物理量，可以概括为三大类：

• 动量通量：大气风对海表的应力，驱动上层海洋运动，方向通常用u和v两个分量表达。
• 热量通量：包含净短波辐射、净长波辐射、感热通量和潜热通量。海表净热收入若在长时间平均下不为零，海温就会持续漂移。
• 淡水通量：降水、蒸发、径流、海冰融化和冻结带来的淡水输入决定了海表盐度分布，盐度进一步影响密度层结和热盐环流。

净热通量可以简单写成：

Q_net = SW_down - SW_up + LW_down - LW_up - Q_sensible - Q_latent

很多人第一次看这个公式觉得简单，实际上模式里每个分量对不同辐射项的命名习惯都不一样。有的模式把向下短波存成变量名FSDS，有的叫SWDNB；有的把潜热通量的正负号定义成向上为正，有的定义成向下为正。单位耦合器交换时如果遇到符号约定不一致，全球平均海温可能半年内掉半度，这种坑后文会专门细说。

2.2 陆面与海冰的低频慢过程怎样反制高频快过程

大气和海洋的耦合大家比较容易理解，陆面和海冰却经常被轻视。我自己经历过一个项目，初始阶段只把海温和海冰当作热力下边界，陆面过程用一张固定的植被参数表，模拟出来的亚马逊流域降雨季节性偏得很离谱。植被蒸腾系数直接影响边界层水汽通量；当二氧化碳浓度升高，陆面植被气孔导度下降，蒸腾减少，这会改变降水和水循环。你不把动态植被放进去，就看不到这种“CO2施肥效应对水循环的反馈”。

海冰扮演的角色更特殊。它的反照率比开阔水面高得多——干净新雪的反照率可以到0.8以上，开阔水域只有0.06左右。当温度上升，海冰面积减少，地表吸收了更多太阳辐射，加热增强，进一步加剧海冰融化，这是经典的冰反照率正反馈。海冰同时也是一个绝热层，冰厚增加，海洋向大气的热量输送迅速减小，大气边界层的稳定度随之改变。所以海冰模式的厚度分布和雪覆盖，哪怕只差10厘米，都可能改变冬季极地大气环流的模拟结果。

慢过程反制快过程的关键，在于它们不像大气那样“今天扰动、明天就能调整”。北大西洋深层水的形成由海洋模式和海冰模式共同决定，一旦淡水通量在中高纬度持续偏大，洋面盐度降低，深水形成位置南移，大西洋经向翻转环流会经历数十年尺度的衰减。这种响应尺度远超单次模拟的判断范围，所以多场耦合实验必须熬过足够长的spin-up，否则所谓的“异常气候态”很可能只是初始条件不平衡造成的假象。

2.3 守恒诊断：先从全局能量收支看耦合质量

判断耦合器是否正常工作，最直接的手段是看全局守恒残差。我曾经维护过一套区域耦合系统，每天早上第一件事是检查前一天的全球能量收支报表，看大气顶入射辐射、地表吸收、海洋热含量变化、冰雪融化和大气热能变化这几项能不能对上。

如果六个小时内能量残差超过0.1 W/m2量级，一般还不会立刻导致模式崩溃，但是积分几十年后就会变成持续的温度漂移来源。更隐蔽的是水分收支残差。耦合器里同时存在“水汽通量”和“液态水通量”，如果陆面模式的径流出口没有接到海洋模式的淡水输入，那蒸发掉的水就永远不会回到海洋，全球海平面和盐度趋势自然不可信。

所以实操建议是：模式第一次耦合测试，不要急着看某个区域变量模拟得准不准，先做全球平均的收支分析。把大气、海洋、陆面、海冰的各个储库变化量输出到一个公共的日志通道，逐项审计。耦合器调试阶段，这个脚本的价值高于任何可视化工具。

3. 网格插值和时间同步：多场耦合真正的技术瓶颈

3.1 为什么网格不匹配是常态

如果全世界都用同一套经纬网格，耦合器的工作量会小一半，可惜现实完全不是这样。大气模式喜欢规则球面经纬网格，但在极区汇聚会出现严重收敛问题，所以现在很多大气模式改用立方球网格或者非结构化网格；海洋模式为了避免经度在北极形成奇异点，普遍采用三极网格或移位极点网格。也就是说，即便两个模式的目标分辨率同为1度，它们每一个网格单元的中心点位置、面积、形状也不可能完全重合。

海洋中存在强西边界流，比如湾流和黑潮，其水平尺度通常只有几十到一两百公里；要解析这些过程，海洋网格需要明显细于大气网格。典型配置可能是海洋在赤道做到0.25度，大气只有1度。这种情况下，一个大气网格里面可能覆盖了几十个海洋网格点，相关通量必须做面积平均或质量加权，不能直接取某个格点值。

3.2 插值方案怎么选：双线性与守恒大法

耦合器里最常见的插值方案只有几种：

• 双线性插值：适合标量场，比如海表温度、地面气温，计算简单、光滑性好，但不等价于守恒。
• 距离反比权重：实现容易，但在网格面积差异大的场景里误差明显。
• 一阶守恒插值：把源网格的值按面积权重赋到目标网格，保证全局积分守恒。这个在通量交换中是刚需。
• 高阶守恒插值：在守恒基础上加部分高阶精度，比一阶平滑但实现更复杂。

关键原则是：状态变量可以用双线性插值，通量变量最好用守恒插值。如果通量也采用双线性，热量和水汽会在网格缝隙里被凭空放大或缩小。海洋和海冰网格一般一致，通量交换不需要插值；但大气和海洋网格差异大时，不管降水还是风应力，都要走守恒插值路径。每个耦合器都配有网格映射权重生成工具，你可以先输出权重文件检查每行权重之和是否接近1，这是最廉价的保险措施。

3.3 耦合频率的取舍

耦合频率的典型选择从1小时到24小时不等。频率太低，海洋长时间看不到大气风场变化，中短期天气尺度强迫会被平滑掉，高频过程模拟失真；频率太高，两个模式在各自积分后产生的数值噪声会不断注入对方边界，甚至引起计算不稳定。没有绝对合理值，我见过很多地球系统模式默认3小时的辐合频率，也有半小时就进行一次交换的近海高分辨率耦合系统。

选取耦合频率时，可以先做一组敏感性实验：分别用3小时、6小时、12小时间隔做一个月或几个月测试，看海表温度标准差、陆地降水日循环是否能维持。如果差异很小，不需要强行缩短。耦合频率还受到消息传递和文件IO开销的限制；特别是用文件方式交换数据时，太频繁的耦合可能让IO变成瓶颈。

3.4 海陆掩膜和坐标约定：两个隐蔽的拦路虎

海陆掩膜不一致是插值中最容易忽略的问题。假设海洋模式认为某个网格是陆地，大气模式认为它是海水，两边给出的掩膜到了耦合器里就会留下空洞。在最坏情况下，沿海岸线的一列网格没有接收到任何湿润面通量，导致局地温度和淡水收支出现虚假特征。

一个常见流程是：从海洋模式提取海陆掩膜，重采样到大气网格作为耦合掩膜，由耦合器统一管理，不让各分量模式自行使用自己的掩膜来屏蔽对方数据。否则你会在输出文件里看到不少“比邻陆地混合海温”的诡异现象。

坐标约定则是纯工程细节但杀伤力极大。有的模式经度范围从-180到180，有的从0到360；有的风场变量是相对某个旋转极坐标系的旋转风，有的是地理正东正北风。网格映射工具本身不会替你判断这些约定，一旦配置错误，插值不会报错，但结果会产生整体偏移。初建耦合实验时，建议先输出一两天的海表温度场和风应力场做快速目检，看看海陆边界和等值线位置对不对。

4. 多场耦合优化：先搞清楚你在优化什么

4.1 优化对象的三个层次

“多场耦合优化”这个词在实操里容易被理解成“把模式跑得再快一点”或者“把参数调得更准一点”，但我不建议这样笼统理解。我在实际工作中会把优化对象拆成三个层次。

第一层是模式物理参数优化。每个分量模式都有若干经验参数，比如云微物理中雨滴自动转换阈值、边界层夹卷系数、海洋垂直混合系数、海冰反照率衰减系数。这一层是典型的最优化问题：通过调整参数让模拟气候态逼近观测。

第二层是配置和数据流优化。包括插值方案选择、掩膜处理、耦合频率、模式顶和底边界条件，以及强迫数据空间和时间分辨率。这类问题没有单一“正确参数”，但改一个配置项可能带来巨大收益。例如海温强迫数据从周平均换成日平均，对海洋-大气通量的日变化模拟影响非常明显。

第三层是过程或结构优化。比如是否开启动态植被、是否引入更高阶的次网格地形参数化、是否在陆面模式中加入地下含水层方案。这一层改动最大，不叫参数调优，而是结构性升级，通常需要更具针对性的观测数据来验证。

4.2 敏感性分析是优化的起点

任何时候都不要上来就直接调10个参数跑全因子实验。一个全球气候模式跑十年，怎么也要占用几百核跑好几天，这种算力预算根本不足以支持算法式穷举。标准思路是先做因子敏感性筛选，把参数个数压缩到2~3个。

初筛阶段，可以逐个参数给一个较宽区间，每个参数只做低值、基准值、高值三组实验，保持其他参数不变。输出量不要只选全球平均温度一个指标。云参数对温度模拟的影响，可能需要看短波云辐射强迫、降水分布、热带外风暴路径的变化才能判断。用One-at-a-time方法筛出来的参数，可能因为相互作用被漏掉，所以初筛更推荐Morris方法或者随机扰动小样本的组合实验，至少能测出参数间是否存在一阶交互。

这里可以放一段简单得有点朴素的脚本思路，实际提交作业系统时可能需要包shell调用，但逻辑一样：

python复制# 伪代码：批量敏感性实验
cases = []
for param in ["param_a", "param_b", "param_c"]:
    for factor in [0.8, 1.0, 1.2]:
        case = build_case(base_config, modify=param, value=factor)
        run_coupled_model(case, duration="1y")
        metric = evaluate_case(case, obs=reference_data)
        cases.append((param, factor, metric))

真正花时间的地方是定义好那个 evaluate_case。单位定得太粗糙，敏感性可能被噪声淹没；定得太细，又会盲目追求模拟与某一年观测完全一致。观测本身存在不确定性，模式气候态本来就是一个统计平衡态，和目标表达式最合适的响应不是“同年逐月完全匹配”，而是“多年平均的月气候态尽量接近”。

4.3 目标函数与不确定性：不能只看一条时间序列

做耦合优化的目标函数，最好是一个多变量、多区域的加权指标。常见的做法是：选一组核心变量，比如地表气温、海表温度、降水、海平面气压、雪水当量；每个变量又分全球平均、低纬、极地以及季风区等空间区域。计算模式在最后一个20年统计气候态与再分析资料之间的均方根误差，再把误差做标准化和加权相加。

加权时不要凭感觉给一个权重。可以先单独看每个分量的误差，再看总量，发现某些分量会被其他变量淹没。比如如果把海表温度误差和降水相对误差放在同一个总量里，热带的降水误差很容易淹没海洋的温度误差，因为降水百分比的动态范围太大了。我一般会先把各变量分别归一化，再决定权重。

优化的目标不一定追求单一最优解。真实情况下，一组参数能改善A区域的降水分布但牺牲B区域的海温模拟，这叫帕累托权衡。用高分辨率模式做目标函数寻优代价极高，所以近些年常见做法是先用低分辨率版本做集合扫描，选出几个表现不错的参数组合，再放到目标分辨率上做有限验证。

4.4 一套可落地的迭代优化流程

把上述内容串起来，我在项目中反复验证过的一套流程是这样的：

1. 确定基准实验。先跑一个默认参数下足够长的实验，建议至少覆盖完整季节循环，得到气候平均态和变率。
2. 定义目标函数。从观测误差表、模式输出常用指标中选8到15个变量，分区域、分季节统计。
3. 用粗分辨率做敏感性初筛。跑20到30个一年实验，用Morris法或随机扰动识别高敏感性参数，剔除对研究目标影响弱的参数。
4. 对剩下的2到3个核心参数做拉丁超立方采样或者网格扫描，再跑5到10年实验。此时样本数不需要太多，20个左右一般够构建一个代理模型。
5. 用代理模型寻找目标函数梯度下降方向。高斯过程回归在这个样本量下已经能给出不错的参数搜索建议，不需要一开始就上重型深度学习。
6. 把最优几组参数带回原始分辨率，做两个独立实验重复，确认改进不是单次积分的随机变动。
7. 保存最终配置及敏感参数区间，写清楚未调节参数的原因。后续项目若更换分辨率或者数据源，这个记录能避免重复踩坑。

注意：参数优化只解决可调参数范围内的偏差，如果模式本身的结构性过程偏差很大，比如对流参数化方案没有很好的描述热带降水日循环，那光调参数无法根治。这时候需要回到第三层，重新审视物理过程方案本身的适用性。

5. 工程落地：从模式框架、耦合器选型到跑通积分

5.1 主流模式框架与耦合器选型思路

具体用哪个框架，取决于你的起点和问题。如果你所在团队已经有很成熟的陆面或海洋模式，只是想把它和其他分量模式接起来，最灵活的办法是选用OASIS3-MCT这类通用耦合器。它支持不同的源网格和目标网格，提供插值、权重、频率控制等功能，不绑定某个大气模式。如果你要从零开始搭建一套完整的地球系统模式，并希望有较强的社区支持，那CESM系列带着CPL7/CIME作为配置管理系统是个常见选择。它的分量模式一应俱全，新用户可以按文档快速跑通一套标准的预工业实验。另一个思路是在GFDL的FMS环境下开发，它提供构建模块化的组件框架，网格交换机制设计得比较统一。

选型时容易忽略的坑是“组件之间版本是否配套”。一个大气模式版本里面对应耦合器接口的数组顺序，可能和另一个分量模式版本不一致，贸然拼接会引发很难排查的内存错误或字段错位。稳妥做法是先跑套件自带的测试用例，再修改成你的配置。

5.2 一个典型地球系统仿真实验的完整流程

无论用哪个系统，逻辑基本一样，区别在于名字和剧本命令。整体流程大概是：

1. 确定实验方案。这是最容易被忽略的不起眼步骤。模拟目标决定了分辨率、实验时长、辐射强迫场景和输出频率。做短期天气尺度分析，可以做区域高分辨率耦合；做百年气候变化预估，得选全球中低分辨率配置。
2. 准备分量模式的初始场。大气首日场一般从再分析资料插值来；海洋深层的温度和盐度初始场需要特别小心，直接用气候平均态而不经过长期spin-up，模拟初期会产生强烈的调整过程。
3. 构建网格映射文件和耦合掩膜。这是耦合器配置最核心的数据准备步骤。跑相应的工具生成从海洋到大气、从大气到海洋的权重文件，并检查权重和是否满足守恒要求。
4. 编译分量模式和耦合器。注意各分量模式用到的编译选项、插值库、MPI库版本是否一致。
5. 建立运行目录，配置运行脚本和定时任务。第一次试运行建议输出全部诊断通道，运行时频繁检查日志。
6. 执行短时测试。先跑5个模式日，查看温度和通量是否在物理合理范围；没有任何NaN和极端值后再放大到1年、10年。
7. 长期积分加上监控。地球系统模式跑起来之后不是甩手不管，要设置定时巡检任务，盯着输出日志和关键指标。

第一次做多场耦合，我最常使用的经验是先在低分辨率条件下跑通整个链路，用较粗网格快速暴露流程问题，再逐步切换到目标分辨率。否则一开始直接上0.1度海洋和25公里大气，光试错成本就足以消耗掉整个机时预算。

5.3 并行资源分配：别让耦合器成为排队瓶颈

不少第一次接触地球系统仿真的工程师认为，把全部MPI进程都分配给海洋模式就万事大吉。实际上，并行资源分配要看你运行的模式组件里谁的计算负荷最大，同时关注耦合器本身的进程分配。

如果大气模式占用的进程数和海洋模式占用的进程数差距太大，通信阶段必然有一段进程空等。耦合系统通常采用并发模式，各个分量模式同时运行，到耦合点统一通信。理想状态是让各分量的单步耗时接近，这个可以通过调整分解的进程块大小来实现。耦合器进程不一定要很多，但它负责汇总和插值，如果它在某个时刻要接收来自所有分量的数据再分发回去，进程数量太少会造成整体等待。我遇到过的案例中，耦合器进程数从不参与并行调试的默认值调到并行总进程的5%到10%后，整体跑时间明显下降。

输出IO也是常被低估的瓶颈。气候模式每次输出都不小，特别是包含了多个分量模式的三维场时，IO子系统很容易饱和。尽量把高频输出限制在关键变量，历史归档和气候态统计使用低频率的输出流，否则积分速度会被磁盘拖垮。

6. 我在实际仿真里反复踩过的坑与排查经验

6.1 冷启动漂移与热启动衔接问题

几乎所有刚上手的团队都会遇到这么一天：模式从某个气候初始场开始积分，海表温度在前几年快速下降，极区海冰面积持续增加，于是大家都怀疑是耦合器传热方向反了。先别急着怀疑代码，先查一下是不是冷启动漂移。

深海热容很大，初场如果只是把气候态平均海水温度塞进各网格，深层水尚未达到平衡，地表温度、盐度与三维洋流也不匹配，海洋会在头几十年里持续向深层吸收或者释放热量。这个阶段的地表温度趋势不代表真实气候响应，属于spinning-up过程中的物理调整。解决办法一般是用观测的海温和盐度初始场先让海洋做长期spinning-up，或者用较短的耦合实验帮助海洋更快预热，再进入正式实验。

启动阶段我会盯两个指标：第一是全球平均净热通量是否随时间趋于零，第二是表层海温和深层海洋温度变化的趋势方向。如果净热通量正负不稳定而全球海温却一直下降，才更像耦合系统本身有bug。

6.2 坐标系与变量单位的“幽灵误差”排查

有一次我调试一套海洋-大气耦合系统，全球平均能量收支在某个季节始终出现几瓦每平方米的残差，但逐月变化看上去很自然。我们检查了插值方案、网格权重检查结果也没有问题，后来才发现，海洋模式内部采用的热通量单位是W/m2，而耦合器接口里潜热通量的单位规范是W/m2但感热通量被写成了W/cm2。这个差了万倍的量级被耦合器当作一个普通浮点数去交换，由于很小，它不直接导致溢出，而是在季节平均误差里留下了一个固定的缓变偏差。

这个教训让我养成了一个习惯：在白板或者文档里把每个分量模式接口处所有变量名、单位、正方向、经度约定、网格纬度起点全部列出来，作为提交实验前的检查项。特别是在团队中有历史包袱、传了几次手的旧代码时，这个步骤几乎能避免一半以上夜间debug。

6.3 一次海冰通量异常的完整排查链

再分享一个我印象深刻的排查过程。某个地球系统实验在积分第10年之后，北极海冰面积开始周期性出现骤降，每次到了冬季末期都像脱缰一样减小，第二年又恢复。第一直觉是海冰模式本身参数不稳，但单独把海冰模式与海洋耦合跑时完全正常。

于是我们把排查范围缩到大气下传的下行长波辐射场和风应力场，对比大气分量模式输出和耦合器日志，发现了一个偏移：大气模式输出的经度坐标范围是0到360度，但海洋和海冰坐标系统设置了-180到180度。耦合器生成网格映射权重时读取的是旧版的大气网格文件，网格漂移了一个经度带。当极夜期间长波辐射从-180度一侧偏到180度一侧，海冰网格上接收到的辐射路径歪了，冰面能量收支异常，于是出现了这个只有冬天才显现的相位误差。

修复方式不算复杂：统一所有分量的经度坐标约定，删除旧权重文件，重新生成网格映射权重，再做好掩膜检查，重跑。关键收获是：出现时期性异常时，第一时间不要怀疑随机扰动，先检查网格映射和时间轴是否错位。把模式输出画成经度-纬度图，并在格点上叠加网格边界，比你对着数字日志猜测快得多。

6.4 贴在日常工位上的耦合实验检查清单

多年的调试经验让我沉淀了一份检查清单，每次提交新实验前我都会过一遍。你可以直接抄走，按自己的模式框架微调：

• 各分量模式的变量单位、坐标范围和正方向统一吗？经度是-180到180还是0到360？
• 插值权重文件是用最新的网格文件生成的吗？有没有检查过权重和约等于1？
• 海陆掩膜在耦合器内部统一了吗？海岸带网格是否出现没有对应源网格的点？
• 耦合频率是多少？跟天气尺度强迫的周期匹配吗？
• 启动时的初始场是否需要更长的spin-up？当前实验时间长度是否足够覆盖研究要关注的变率周期？
• 全球平均净热通量和淡水通量的长期趋势是否趋近于零？
• 耦合日志里有没有守恒告警？守恒误差是否超过模式显式声明的容差？
• MPI进程分配是否平衡，耦合器进程数量是否明显过少？
• 输出变量里是否高频输出了所有三维场？IO是否有堵塞？

我在实际工作中每次踩到坑后，都会往这份清单里补一条。调试耦合系统最难的地方不是某一条具体报错，而是“不知道哪里出了问题但结果又不太对”。有了这份排除列表，排查范围会大幅缩小。

处理多场耦合问题时，不要被“全局地球系统模式”这种大概念吓住。无论分辨率多高、分量模式多复杂，调试原理都和数据流梳理差不多：先保证每一条通量路径的单位、方向、坐标、掩膜一致，再谈参数调节和结果优化。把它当成一套大型分布式仿真系统中的数据流问题来处理，很多难题会比你想象中要简单得多。