浅积云对地球系统的辐射传输和水循环有重要作用，同时，作为深对流发展的前驱，对深对流的触发也有重要作用。但因其尺度小，全球天气和地球系统模型无法对其在次网格尺度的分布准确定量，只能借助参数化方案体现浅积云对周围环境的影响。在目前的浅积云参数化方案中，准确计算次网格的云面积分布及其相互作用是关键难题。
本文创新性地提出了一种新计算框架，运用修正的 Lotka-Volterra 模型和机器学习模型，分别对次网格云面积占总云面积的比例和总云面积的演变进行预测。研究以 2016 年 8 月 30 日美国南部大平原的浅积云为例，借助大涡模拟（LES）和云跟踪算法（pyflextrkr）获取数据。结果表明，Lotka-Volterra 模型能有效捕捉次网格云面积占总云面积的比例的动态发展特征（图1），机器学习模型根据网格平均的对流有效势能（CAPE）和垂直速度尺度（ω*）预测的总云面积方面效果最佳（图2）。此外，研究还发现该计算框架在不同尺度上具有自适用性（见原文）。
本研究为浅积云演变的研究开拓了新思路，验证了新框架在预测浅积云的大小分布演变方面的有效性，为提高浅对流云的参数化提供了重要参考。未来工作将关注该框架在其他案例中的普适性和在大尺度模型中的表现。
 

对流云