摘要
允许对流机制的模拟能够识别出组织地中海热带气旋的深层对流单体。这些模拟还会生成局部压力最低值，这些最低值可以捕获传统的气旋追踪器，并将其从天气尺度中心拉离。我们介绍了一种名为“High-Resolution Multilevel Python-Based Algorithm for Cyclones’ Centroid Tracking”（HIMPACT）的开源Python算法，该算法由通讯作者在CETEMPS框架内开发。该算法通过结合三种要素来稳定气旋中心的识别：一种多层级位势分析（仅限于800–950百帕），一种基于百分位数的阈值（用于将涡旋核心与对流扰动分离），以及一种凸包算法（其核心形状取决于百分位数定义的轮廓，而非单一极端网格点），从而确保孤立的对流压力缺失不会导致中心位置偏差超过核心半径的一小部分）。HIMPACT在三个地中海气旋的追踪实验中进行了评估，这些实验使用了WRF、ICON-DREAM和ERA5模型，网格间距从2到28公里不等。在驱动数据能够清晰再现对流层低层气旋结构的三个实验中，五层配置相比单层配置将均方根位移误差减少了约16–48%。当压力场具有多重模式时，同时使用绝对最小值和中心点进行追踪会使误差方差增加一倍以上。800–950百帕的层析分析能够有效避免950百帕以下的地表外推伪影，以及800百帕以上的中对流层气流引导特征。然而，当驱动数据无法清晰描绘气旋结构时（如温带风暴的情况），多层加权平均方法会导致追踪结果不准确，此时单层追踪成为更安全的选择。HIMPACT具有模型无关性，无需数据格式转换，并且可以在单个CPU核心上运行，推荐的多层配置每时间步的计算耗时约为9.8–41.3秒；对于高层数量的MPAS配置，计算成本会显著增加。
