湍流扩散

气-海气体交换夹带浅积云遥相关

层积云对流系统

超级集群时空尺度nm pm mm m km mm毫秒秒分天周

图12.1描述了整个时空尺度范围内与云相关的相关过程的连续统,显示了过程产生的基本分类行为(灰色文本)。

尺度(即微观尺度),或通过额外温室气体造成的全球变暖。这些扰动云可能包括所有对流层云,包括人为影响的直接后果的尾迹,也可能包括极地平流层云。

这个网络的实际考虑是什么?对于最多可以包含三个数量级的空间(水平)尺度的单个模型,我们需要仔细地重新思考如何在网络中使用这些模型。在最小的尺度上,使用直接数值模拟(DNS),范围从毫米尺度到1米尺度。大涡模拟(LES)部分地解决了100公里范围内的湍流和单个云,但需要参数化微物理和小尺度湍流。在下一个层次上,云分辨模型(CRMs)处理的云团尺度可达1000公里,但这些模型需要额外的参数化湍流和边界层中更粗糙的CRMs云(见Grabowski和Petch,本卷)。在最大尺度上,采用了一般环流模型(GCMs)。它们的明显优点是不需要横向边界条件;然而,由于它们的分辨率通常为100公里,因此它们不能明确地代表大多数云控制因素和基本的云过程。也许令人惊讶的是,扰动云对我们气候系统的影响主要是通过使用这些大气环流模式来研究的。raybet雷竞技最新从我们的讨论中出现的一个重要主题是,需要更优化地使用这种分层模型网络来回答有关气候系统中云的表示的问题。raybet雷竞技最新 This is a difficult task, as we do not yet understand completely how the various interactions propagate across the many scales.

类似的观点也适用于实验研究,从解决微观物理问题的小规模实验室实验到大规模现场实验和全球卫星观测。

全球气候模式中尺度的连接raybet雷竞技最新

尽管许多相关的云过程并没有被gcm明确地解决,但它一直是用于解决扰动云问题的主要建模工具。在我们看来,这样的模型对于它们所解决的特定方面(即大尺度动力学)是有用的,但在解释的影响时必须小心云级别的这些模型中的物理、化学和动态过程,因为它们的表现不完美。图12.2说明了当今大多数最先进的gcm中各种尺度是如何连接的:右边的方框表示平均网格盒状态下的所有解析过程(尺度通常为100-500公里);左边的方框描述了与云有关的尚未解决的过程,包括湍流过程,潮湿的对流、云微物理和辐射。传统上,这些过程的影响是用网格盒平均场的统计方式建模的:温度、T、比湿度、qv和速度v (u, v, w)。这些统计模型或参数化的影响直接与网格盒平均状态联系在一起,如图12.2所示。

采用这种方法,我们至少会面临四类错误和不确定性。第一个问题与我们天生缺乏对某些物理过程的知识有关。一个主要的例子是我们缺乏对混合相的微物理学的理解,在某种程度上,冰云;无论分辨率如何,模拟它们都具有挑战性。对于这些类型的过程,特别需要进一步的实验研究(下面将详细讨论)。除了新的实验研究,我们还需要新的理论概念(例如,对于gcm中显式冰过饱和度的一致框架)。

第二类错误与我们在某些方面理解的过程有关聚合级别,但在gcm中没有明确的参数化方法,主要是因为这些过程的非线性特征。例子包括辐射通量传递函数R(q, q, T),它描述了垂直辐射通量作为大气条件的函数,以及

小尺度~ 250公里大尺度

图12.2当今气候模式中已解析和参数化的未解析云相关过程(对流、湍流、云和辐射)之间相互作用的描述。raybet雷竞技最新

小尺度~ 250公里大尺度

图12.2当今气候模式中已解析和参数化的未解析云相关过程(对流、湍流、云和辐射)之间相互作用的描述。raybet雷竞技最新

在一定程度上是热相微物理过程。对于后者,考虑云液态水qp和云分数c的云尺度调整方案,其中假设如果发生过饱和,云滴以a的速率合并成雨滴,则发生凝结,为了论证起见,我们采用Kessler(1969)的a:

c = H (qt - qs X qi = (qt - qs) H (qt - qs),

A = K(ql - qcr)H(ql - qcr X

其中H为Heaviside阶跃函数,qs为饱和比湿度,qt=qv + q1为总水比湿度,K为逆时间尺度,qcr为液态水的临界阈值,低于该阈值就不能转化为雨。在GCM中,这些过程必须通过对一系列云的平均来表示;然而,通常情况下,上述关系只是简单地在网格尺度属性方面实现的,这导致了偏差,因为底层关系是非线性的:

c(q, qs) > c(q, qs X

Qi (q, qs) ^ Qi (qt, qs), (12.2)

Aq) > A(q_),其中overbars表示网格框平均值。以类似的方式,在辐射透射计算中应用网格盒平均液态水会导致系统地高估反照率a(即a(ql) < a(ql),即所谓的平面平行云的反照率偏见)。对于能够表示物理关系有效的尺度的计算(在我们的例子中,云尺度),这些偏差可以忽略不计,这在一定程度上解释了精细尺度计算的成功(如果不是权威的话)。

第三类错误涉及到这样一个事实,即当前的实践在很大程度上需要各种子网格过程通过修改平均状态进行交互,如图12.2所示。然而,在现实中,图12.2中显示的几乎所有相关的亚网格过程都与垂直速度w、q和液态水(或冰)潜在温度0r的相同联合概率密度函数(PDF)有关。垂直输运通过湍流、未解决的中尺度引力波和对流产生了温度、湿度和垂直速度的亚网格变异性。这种子网格可变性决定了云量和云冷凝。也正是这些亚栅格上升气流速度通过云凝结核(CCN)、液滴冻结或冰核(IN)激活(尚无结冰原子核构成了形成冰的气溶胶粒子的子集)。相反,云量影响垂直稳定性,从而影响水分和热量的垂直输送。最后,云量的亚网格变化影响辐射加热分布。因此,在现实中,所有的子网格过程都相互作用,而这通常不会被gcm考虑在内,这就导致了偏差和不一致。

最后一类误差与子网格过程的平均场表示相关联,其中子网格过程与局部(在空间和时间上)解析状态之间存在一对一的对应关系。尽管这种准平衡假设可能在以下情况下是站得住脚的:网格盒大小比感兴趣的子网格过程的典型大小大得多,或者时间尺度比所表示的过程的时间尺度长,但如果网格盒的时空大小与感兴趣的子网格过程的大小相当,则该假设就会失效。在这种情况下,决议仍然过于粗糙,以解决过程的利益;然而,网格框也太小,不允许假设准平衡的统计参数化。一个有趣的例子是对流质量通量,它表示网格框内的对流活动,如果网格框的典型大小为几十公里,则可以合理地用一个单独的值表示数百公里的网格框大小,而对于给定的平均状态,则可以用一个可能的值范围表示。这一观察结果激发了一种随机方法,而不是平均场表示。

的新途径

最直接,但也是计算上要求最高的替代方法是使用全局crm(参见图12.3a)。使用这类模型,现在可以在一个月的时间积分中实现1到~5公里的分辨率(Collins和Satoh,本卷)。这有一个明显的优势,即允许在原则上以一种更现实、更一致的方式表示超出这个规模的过程。然而,高昂的计算成本禁止长时间(几年到几十年)或重复的模拟。

一种计算要求较低,但仍然具有挑战性的替代方案涉及云分解对流参数化或超参数化(见Grabowski和Petch,本卷),其中二维CRM嵌入到传统GCM的每个网格框中(见图12.3b)。与传统的嵌套技术不同,这种方法使用细尺度模型来参数化细尺度物理,而不是跨越由网格框本身扩展的空间。与之前的方法相比,计算优势在于精细比例模型在多大程度上忽略了这些中间比例。这样做的好处是允许云进程在CRM网格点更适当的规模上进行交互,同时仍在模拟全球循环反馈。缺点是由于缺少中间尺度,中尺度过程通常不能很好地表示。利用目前的计算资源,超参数化的gcm在5 - 10年的整合中越来越实用,从而为探索温室气体和气溶胶扰动对云的全球影响提供了另一种框架。

~5公里湍流对流云辐射

250公里

5公里

turbu

ence

conv

引发反应

克罗

id

半径

过渡

小尺度

大尺度

250公里

大尺度

图12.3改进下一代气候模式中与云有关的过程表示的新途径:(a)全球标准模式,(b)云分辨对流参数化或超参数化,以及(c)相互直接交流而不是通过平均分辨状态的交互式参数化。raybet雷竞技最新

对于这两种方法,云都必须被充分地分解以达到真实的效果。4公里的水平分辨率(目前使用的)仍然过于粗糙,不能正确地解析深对流,更不用说表示边界层云了,而边界层云被认为是最敏感的云的类型云-气候反馈。raybet雷竞技最新因此,边界云、湍流和微物理需要参数化,并且与深对流分辨率差相关的偏差应该是可以预期的。因此,我们需要在更高分辨率的研究中投入计算资源(不要忘记垂直分辨率的所有重要作用),以理解在这些粗分辨率下运行这些全局crm和超参数化的含义。应进行有限区域测试,以比较使用4公里网格长度的运行与使用远低于100米网格尺寸的参考运行对不同云团的影响。对这种模拟的分析还应着重于对流和云过程的表示。

第三种选择是为云、湍流、对流和微物理发展更加一致和复杂的参数化。若垂直速度w的联合PDF P(qt,Ql, w),则总水比湿度q,

5公里

250公里

对于给定的网格盒,可以估计出250 km和液体(冰)水的位势温度0j,可以推断出对流和湍流输运的一致处理,云的性质及其与辐射的相互作用。气溶胶和微物理处理也可以在这个框架中解决。可以探索这些基于PDF的方案的各种不同途径,其中通过高阶矩或云变量的额外预测方程,通过多个上升气流方程,以及通过使用假定的PDF形状,获得额外的子网格信息。这种方法被证明是成功的云雾边界层过程,因为它解决了我们上面提到的第二类(非线性过程,可以产生偏差误差)和第三类(相关过程的一致处理)错误。然而,由于大量的预测方程和数值稳定性所需的短时间步长,它需要大量的闭合假设,因此计算要求很高。

最后,如果不方便的话,提供一个框架来解释平均场预测的偏差的随机参数化可能是必要的,特别是对于使用分辨率小于100千米的gcm。在这种随机方法中,平均状态与子网格响应之间只有一对一对应的约束被放松了。因此,可以随机选择不同的亚网格尺度响应,从而导致气候系统变异性的增加。raybet雷竞技最新

利用过程模型改进气候模型中的云表示raybet雷竞技最新

对于上述任何一种途径,我们必须努力提高我们对未来几十年在全球大气环流模型中尚未解决的云过程的理解。通过使用全球观测数据集评估gcm,可以识别某些云区表示中的弱点。随后,通过利用理论和在实地研究指导下的细尺度流求解器(如LES和crm),可以对需要在gcm中参数化的云过程有更多的了解。这些过程模型的相互比较可以促进理论理解,从而促进新的参数化的发展,这些参数化可以在单柱模型环境中或通过数值天气预报(NWP)模型进一步测试。作为最后一步,可以在一个完整的GCM中评估参数化,使用全球观测来评估我们模拟当前气候系统能力的改进。raybet雷竞技最新这种自顶向下/自底向上的方法已被证明是一种利用模型网络的缓慢但成功的方法。特别是,它使我们在层积云的顶部夹带、浅积云的横向夹带和去夹带以及对流方案的封闭表示方面取得了明显的进展。通过仔细比较观察结果和精细尺度的建模框架(LES, crm),这些模型(以及它们使用中的最佳实践)在过去十年中有了实质性的改进。这一策略在制定关键问题方面也很有效,这些问题反过来又有助于指导实地和实验室研究。例如,尽管分辨率高达5米,但LES相互比较研究显示,层积云中的云顶夹带率存在很大的不确定性,这是这种云类型的一个关键动态过程。 As a result, the DYCOMS-II field study (Stevens and Brenguier, this volume) was designed, and it successfully narrowed the uncertainty in cloud-top entrainment rates for several well-observed cases. Similarly, LES results inspired a recent field study, RICO (Rauber et al. 2007), and an ongoing field study, VOCALS1, designed to quantify the role of precipitation and its interaction to aerosol and microphysical processes in信风区分别为积云和层积云。

最后,这些过程模型对于研究和定义在大气环流模型中没有很好表示的过程是有用的。主要的例子是对流层湿度对湿对流的依赖,从浅对流到深对流与日周期的关系,以及冰的形成层状卷云中过冷气溶胶的均匀冻结。

使用替代建模技术连接刻度

接受gcm研究扰动云的局限性,现在让我们继续讨论一些替代方案。

数值天气预报

NWP模型是评价(扰动)云的有用工具。由于我们感兴趣的大多数云过程都在短时间尺度上运行,因此我们能够查看当前云参数化对预测的影响。因此,在NWP模式下运行气候模型是有用的,因为许多气候偏差在raybet雷竞技最新两天内就可以看到。云参数化的性能可以使用地面分析站进行严格评估,例如来自ARM和Cloudnet的分析站(Illingworth和bone,本卷)。此外,气溶胶的影响可以在预测模型中检验。

再分析方法的进一步开发有很大的潜力,因为目前它们还没有受到云和边界层性质的充分限制。随着分析产品的开发,引入约束条件以更好地反映这些数量将促进使用更广泛的数据。这可能会非常有力地帮助我们理清气象和气溶胶的影响。然而,必须认识到,即使一个气溶胶是它对云或热结构的影响可能是间接的,但没有明确地包括在分析中。

http://www.eol.ucar.edu/projects/vocals/

大涡模拟模型、云解析模型和超参数化单列模型

我们已经提到,这类模型提供了一种改进气候模型中未解决过程表示的方法。raybet雷竞技最新然而,人们也可以想象如何更直接地使用这些模型来研究扰动云。为此,在概念上更简单的框架中展示模型类型的全局云响应方面的“模型问题”将是有帮助的。一个潜在有用的框架是在一个适当选择的“单柱”框架中理解云的响应,在这个框架中,大尺度的影响被封装在特定的温度、湿度和表面边界条件的平流强迫中。

在现实中,在任何给定的位置,随着天气系统的移动,这些强迫不断变化,从而在柱状云中产生云的分布。换句话说,在任何地点,气候云分布都是通过天气变化的模式建立起来的。因此,为了利用单柱框架来理解云的过程,可能需要对该柱中的云进行几个月或几年的模拟,并在强迫方面进行真实的协变,以建立一个气候上真实的响应。这种方法必须在受扰动的气候中重复(具有相应不同的强迫时间序列),以了解云的响应如何变化。raybet雷竞技最新为了预测云的性质及其对气候扰动的敏感性,这些强迫既可以应用于单柱模型,也可以应用于小域CRM。raybet雷竞技最新类似的框架可用于研究受人为气溶胶扰动的云。

模型简化

在过去的十年里,气候模拟界倾向于通过添加更多的过程或raybet雷竞技最新成分(例如气溶胶、化学、以,植被),但在较小程度上,通过增加模型分辨率。这种趋势似乎并没有导致对云-气候反馈的更好理解,因为气候敏感性的不确定性并没有随着时间的推移而减少。raybet雷竞技最新事实上,对21世纪末的全球变暖估计的范围,已经增加了以反馈在海洋-大气耦合模式中。尽管这在一定程度上反映了科学进步的方式,但它仍然令人失望,因为气候模拟的目的不仅仅是提供全球变暖的估计或全球变暖raybet雷竞技最新云反馈只是为了了解气候是如何运作的以及对外界扰动的反应。raybet雷竞技最新

更好地理解气候模式产生的云-气候反馈的物理机制,将使我们能够设计一种策略,利用观测来评估这些反馈。raybet雷竞技最新通过简化模型(而不是使它们更复杂)和进行理想化的实验,我们应该能够识别关键的关键过程,按层次安排它们,并测试由此产生的想法或理论。然后可以提出解释框架来帮助我们理解云-气候反馈的物理学和云-气候反馈的模式间差异。raybet雷竞技最新

使用gcm,可以通过简化大尺度边界条件(例如,模型的水行星版本),降低系统的维数(例如,从3-D模型导出的2-D或1-D模型版本),甚至删除一些过程(例如,用更简单的微物理方案取代复杂的微物理方案)来实现这一点。还可以实现中等复杂度的模型。简单的概念模型(例如,2-box模型)可以被视为简化过程的最终步骤。然而,我们需要谨慎地对待这些概念模型,因为存在无意中忽略交互或反馈的风险,这可能导致有偏见的行为。例如,Albrecht的概念模型假设了成核气溶胶颗粒的增加如何抑制边界云降水的发展并增加云分数(Albrecht 1989)。尽管这种机制在某些情况下似乎是相关的,但最近的精细尺度模拟研究表明,在大量的情况下,云量和降水之间的关系完全相反(见Stevens和Brenguier;Brenguier和Wood,都是这个卷)。

一般来说,简化模型在再现和解释复杂模型结果方面的有用程度仍有待于通过与过程分解精细模型的比较进行测试和量化。简化模型在概念化基本过程方面是有用的,因此,如果这些过程在复杂的大气环流模型中真实地表示出来,它们可以提供指导。

我们强烈建议开发简化的气候模型和/或实验,以便更好地识别和理解控制云-气候反raybet雷竞技最新馈的关键过程。最终,我们对气候模型结果的信任与这种理解相悖。raybet雷竞技最新理想的情况是,每个全球气候模型都与一套更简单或更理想的模型版本相关联,以支持对所获得结果raybet雷竞技最新的分析和理解。在某种意义上,这将使等级制度正规化。

全球气候模型:raybet雷竞技最新什么程度的复杂性是必要的,以及什么驱动复杂性?

更高的复杂性能提供更好(更可靠)的气候敏感性估计吗?raybet雷竞技最新在气候raybet雷竞技最新模式中,所有模块(如辐射、扩散、动力学、云微物理和对流)的复杂性应该或多或少地平衡。界定“多或少”的含义显然不是一件容易的事情。然而,人们应该问,给定的GCM是否能够处理提议的新参数化的复杂性。例如,当GCM无法预测云尺度上升气流速度时,将一个成熟的光谱微物理参数化是没有帮助的。

GCM所需的复杂程度取决于所提出的问题。例如,尽管尾迹卷云对全球平均辐射强迫的贡献很小,但仍需要对其进行研究,以量化已经存在的显著区域影响或它们在未来气候中的潜在影响。raybet雷竞技最新这一任务要求尾迹卷云的微观物理和辐射特性需要在大气环流模式中进行调查,其复杂程度与自然卷云相同。类似地,有机物的表面张力对于今天的云模拟应该无关紧要;然而,如果一个人对过去或未来的扰动感兴趣有机气溶胶它们对云层和气候的影响可能很重要。raybet雷竞技最新

由于gcm用于不同的应用程序,并且由于人们倾向于只使用一个模型来解决所有可能的感兴趣的问题,随着新的流程或子模块的添加,这种增加复杂性的路径似乎将继续下去。然而,为了增加我们对气候的理解,降低复杂性并采用一套不同的模型来努raybet雷竞技最新力了解哪些过程是再现特定现象所必需的,这可能更有益。

全球气候模型的调整和度量raybet雷竞技最新

用于预测受扰动气候系统中云的行为的模型通常是通过根据发达的直觉和经验的混合调整不确定参数来优化的。raybet雷竞技最新实际上,大气顶部辐射通量是通过调整云的光学特性来调整的。随着模型复杂性的增加,任务变得更加困难。形式化非线性优化方法的使用提供了一种方法来系统化这些过程,并可能确定解决方案,以改善所需的模型指标。如果在云的性质及其辐射性质方面都有更完整的观测数据集,这将对云的性质的自由调整产生强烈的限制。我们预计,这种观测约束将减少现有gcm中云性质的巨大差异,并改善表示气候系统的物理基础。raybet雷竞技最新

云过程中的基本问题

我们已经讨论了云流程表示的问题和错误,这些问题和错误主要与缺乏分辨率有关。如果我们完全理解其中的物理机制,只要我们有足够的计算能力来解决这些问题,理论上这些问题就会消失。然而,分辨率的提高需要对gcm中的大多数(尺度相关的)参数化进行修订。这些代码物理的修订可能会非常具有挑战性。在更基本的层面上,必须认识到,我们也在处理一些我们甚至不知道其主要过程的过程,更不用说其主要过程了控制方程。一般来说,这类问题主要与微物理有关,特别是与冷云和混合云中冰相有关。

此外,大气气溶胶颗粒的吸湿生长和活化行为尚未完全了解。在这种情况下,可能的动力学效应值得一提:这里的关键词是表面活性物质及其在液滴激活和生长过程中对吸水(“调节系数”)的影响(见Stratmann等人,和Kreidenweis等人,都是这个体积)。因此,需要进一步的实验来理解和量化(a)微溶性,表面活性物质和可溶性气体对相对湿度高吸湿生长和活化(即CCN闭合实验),以及(b)液滴激活和生长过程中动力学限制的影响。

冰的过程明显比暖雨的过程复杂得多。下面,我们强调了在混合相云(特别是深对流)和寒冷中与冰相相关的几个基本问题卷云(温度低于过冷水滴的自发冰点)。

混合相位的云

混合相云被宽泛地定义为含有液体和冰的近距离云,因此液体和冰粒子在微观物理上相互作用。它们常见于冰点以下(0°C以下),并与各种系统有关,包括深对流、锋面和地形系统。混合相云的一个关键方面是它们的胶体不稳定性;也就是说,冰倾向于通过气相沉积而以液态水为代价增长,因为饱和蒸汽压相对于冰比液体低(Bergeron-Findeisen机制)。液态水是通过云内向上运动产生的。因此,混合相云中液态水的存在是由于其通过Bergeron-Findeisen机制蒸发和通过垂直运动产生液态水之间的平衡。液滴在雪上的积聚(雾凇)也可能在液体枯竭中发挥重要作用,特别是当存在高浓度的大冰晶时。混合相云中液态水的数量及其寿命对气候很重要,因为小液滴对气候的影响要大得多raybet雷竞技最新云辐射强迫相对于更大的冰晶。在混相云中,过冷液态水因其在飞机结冰中的作用对天气预报也很重要。

假设相对于水的饱和,相对于冰的过饱和,从而Bergeron-Findeisen机制的强度随着降低温度。Bergeron-Findeisen机制的主要微观物理控制因素是冰晶的浓度、大小和形状。这些参数决定了水蒸气被冰吸收的速度。然而,从基本的物理角度来看,冰粒的气相沉积生长仍然不确定;需要额外的实验室测量和理论理解来更好地约束这一过程(Stratmann等人,本卷)。研究表明,随着冰颗粒浓度和/或大小的增加,在混合相云中维持液态水需要更大的上升气流速度。例如,弱强迫混合相层云这些云是北极特有的,上升气流相对较弱,模型表明,这些云的寿命对晶体浓度的小幅增加有很强的敏感性;然而,在较强上升气流的存在下(例如,在深对流中),液体的存在可能对晶体浓度不那么敏感。小冰晶的浓度在过去很难观测到,尽管新的技术和仪器带来了更好的观测限制(Karcher和Spichtinger,本卷)。尽管如此,小冰晶仍然难以测量。

混合相云中晶体的浓度可能在很大程度上取决于in的浓度,在某些条件下,还取决于二次成冰过程(即冰的倍增),例如在雾凇过程中通过哈莱-莫索普机制产生冰碎片。然而,对冰成核过程的了解仍然很少,即使在不支持任何已知冰倍增过程的条件下,冰晶的浓度也往往远远超过IN的浓度。因此,需要额外的实验室研究来扩展我们对冰粒形成的理解,以及现场可部署的仪器来研究真实云中冰的起始过程,这是目前方法无法测量的(Stratmann等人,本卷)。

冷卷云

冷卷云是由冰晶。的我nterplay between dynamic and aerosol impacts on stratiform (non-convective) cirrus is less complex than for mixed-phase clouds. The dynamic forcing is driven by small-scale vertical wind variability (gravity waves, turbulence) on scales of tens of kilometers. Those regions of small-scale variability are embedded in larger-scale ice-supersaturated regions, where cirrus formation takes place in situ through ice nucleation. These meteorological factors led to the development of a relatively simple mechanistic understanding of the ice formation process in rising air parcels. In anvil clouds and the lower parts of frontal cirrus, ice is formed within a mixed-phase cloud environment and transported aloft. In such cases, in-situ nucleation can occur after most of the preexisting ice mass has been removed by sedimentation.

Karcher和Spichtinger(本卷)根据现场数据并强调了气象因素的关键作用,论述了气象因素和气溶胶对卷云性质及其变动性的相对作用(例如,冰晶浓度的PDF)。在上升的气团中,由于冷却而增加的过饱和和由于形成冰凝液而减少的过饱和之间的平衡意味着卷云的形成主要是动态控制的,总初始冰晶浓度是冷却速率或垂直速度的强函数。非均质IN可以在冷却速率相对较小的区域调节卷云的形成。令人惊讶的是,很少有LES或CRM研究涉及卷云的动态控制和气溶胶控制之间的联系。

在热带和中纬度对流层上层进行的几次实地测量表明,普遍存在中尺度(几十公里尺度)温度波动的背景,导致典型的平均冷却速率为10 K h-1级。这些背景波动的起源尚不清楚,但被认为是由流经地形的重力波产生的,并随着高度的增大而放大。对这种强迫的地理和季节依赖性的预测能力是缺乏的。在这种动态环境中,In种群对卷云性质的影响主要取决于In数量浓度、冰成核阈值(由大小、化学成分和其他因素决定)和局部冷却速率。理论表明,在普遍存在的液体气溶胶背景中加入IN的可能效果是,在保持其他因素不变的情况下,实际上减少了在大多数情况下形成的冰晶总数。数值模拟表明,当与观测相一致的动态强迫条件的可变性得到解释时,这种效应应该是稳健的(尽管幅度较小)。加入IN会削弱均匀冻结过程,导致有效冰晶尺寸略大,卷云亮度较低,云出现频率可能会发生更显著的变化。然而,尽管这些理论和数值结果是完全合理的,没有封闭场的研究可以证明这些过程实际上在自然界中起作用。目前在精确测量对流层上层相对湿度方面的局限性(例如,在绝对数值上限制在几个百分点以内)限制了我们在现场区分各种in的冰成核行为的能力。冰形成后,通过沉积和聚集过程产生大冰晶。 The largest ice particle dimensions that have been observed rarely exceed a few millimeters, and降水的形成(霰,冰雹,雪)只有在冰晶落入相当温暖的天气后才开始层云在低空。的长寿层状卷云允许辐射加热反馈到云动力学:大冰晶对热发射的吸收可能导致内部对流不稳定(特别是在热力学不稳定的云环境中),通过额外冷却延长卷云的寿命,并可能触发湍流诱导的冰成核。

关于冰云的进一步问题

除了上述问题外,冰和冰之间还有其他特征差异温暖的云所有含冰云都有这种现象。这些问题包括云相和水分场之间的耦合,粒子形状的辐射/微物理效应,以及缺乏观测数据来约束云模型。

一般来说,含有液态水滴的云总是接近水饱和。相反,如果冰在非常低浓度的温暖云中形成,它可以变成一个混合相云,冰相通过水蒸气的扩散和过冷水的吸积而增长。如果冰浓度很高,生长主要通过蒸汽扩散发生。这种差异对当地居民至关重要云特征和气溶胶效应,但它们也会显著影响混合相云中的大块测量,比如潜在的加热或者降水沉降。低温冰云通常远离平衡;也就是说,由于相对较长的过饱和松弛时间尺度,它们与冰-过饱和水分场耦合较弱。它们的地方特征的演变更敏感地取决于单个航空包裹的历史。因此,基于相对湿度的诊断GCM云方案通常不能捕捉到对流层上部相对湿度和卷云的观测行为。

各种形式、形状(“习惯”)和表面冰的特征与球形云滴相比,晶体影响短波辐射的散射和吸收,从而影响冰云的反照率。云结构的不均匀性也会影响辐射特性,使得辐射传递计算非常具有挑战性。出于同样的原因,用于解释基于地面或卫星的冰云遥感数据的检索算法远比用于低层的不确定水的云。此外,冰晶的沉降速度根据颗粒质量和形状(例如,原始晶体的习惯和雪花的雾凇或聚集程度)有显著差异,并影响卷云生命周期的模拟。最后,冰的起始已经在实验室中进行了深入研究,但在理论层面上对其了解甚少。在对流层的所有区域(特别是在最高和最冷的区域)都严重缺乏大气IN测量;根据最近一次IN仪器研讨会上的讨论,这种情况有望在不久的将来得到改善(Stratmann等人,本卷)。

上述所有问题使得过程模型(LES, CRM模型)中冰相的处理变得困难,更不用说它们在依赖云参数化的模型中的表示(例如,中尺度模式尤其是在gcm中)。因此,LES和CRM模拟的验证研究(例如,

http://lamar.colostate.edu/~pdemott/IN/INWorkshop2007.htm, Intl。冰成核测量系统比较研讨会。

使用GCSS策略)是一个重要的步骤。然而,如何通过基于物理的参数化将小尺度模型的知识转移到gcm中,这是另一个挑战。

对于气溶胶如何影响卷云中冰的分布提供一个可靠的、定量的答案的困难在于我们对形成条件的微小变化(即初始冰晶大小分布)如何影响的理解冰云分销非常有限。云的进一步发展与动力强迫和水汽场的演变密切相关。考虑到卷云潜在的长生命期,尚不清楚由IN引起的云的初始扰动可能持续多长时间。我们也不知道气溶胶的变化是否显著地改变了净云辐射强迫。探索这一参数空间对正在兴起的卷云LES研究提出了挑战,包括详细的气溶胶和冰微物理。在GCM级别上,随着相关亚网格级过程及其相互作用参数化工具的可用,我们开始探索这个问题。考虑到目前在航空仪器方面取得的重大进展,在不久的将来,在解开气溶胶和对卷云的动态影响方面成功的闭合测量可能成为可能。

夹带

为了测量层积云顶部边界层的夹带,采用了示踪测量,从而能够估计夹带速度。根据边界层内外示踪剂的可变性,它们可以提供非常准确的夹带速度估计值,特别是在使用多种示踪剂时。然而,它们没有告诉我们空气被吸入边界层的物理机制,如果我们希望将参数化与物理原理和过程(例如,沉降)联系起来,这些信息是至关重要的。使用接近静止平台的方法,如ACTOS,以及在明确的湍流条件下的实验室研究(Stratmann等人,本卷),可以提供关于夹带界面细节和夹带过程本身性质的有价值的信息,因此值得支持。这种方法对于沿云边界约束夹带界面同样有用。

重叠和异质性假设

目前,gcm预测每个垂直高度的云分数。对于如何分配这部分云的不确定性,无论是作为水平分辨率的函数,还是作为模型其他层中云分布的函数,都给了模型开发人员相当大的自由来分配模型云量,以满足大气顶部的辐射约束。不同的大气环流模式的经验表明,虽然在云分数和云量方面可能存在很大的逐层差异,但对云重叠假设的适当选择使每一层都能与大气顶部辐射约束相匹配。因此,提供云层重叠和云层水平不均匀性的测量(例如,从Cloudnet和ARM遥感站点获得的测量结果)将对模型提供进一步和有价值的约束。此外,这种方法应该鼓励封装整个垂直列的云表示,而不是在网格级的基础上逐个网格处理。

云一生

具有高空间分辨率的卫星测量通常缺乏时间分辨率。能够测量云的时间演化甚至生命周期,将为云的过程模型及其环境相互作用提供有价值的约束。例如,第二代气象卫星等地球同步天文台可以提供宝贵的信息。更进一步,人们可以设想并推动部署一个地球同步天文台,它可以引导和聚焦一个大型望远镜,以观察特定的云层场景(以补充实地测量或现场研究)。

定量气溶胶扰动云的观测策略

从一级来看,控制云的主要因素是相对湿度,它结合了两个大气状态参数:比湿度q和温度T。云的形成如果过饱和发生在晴空地区,即qv > qs (T)。由于温度和比湿度在时间和空间上都有很大的变化,由于气象学的原因,现有的观测、预报和再分析系统的性能远远低于区分气溶胶影响和归因于气象学的变化所必需的性能(见Stevens和Brenguier,本卷)。这既适用于云的控制因素,也适用于云的宏观物理性质,这些性质被认为是受气溶胶粒子影响的(辐射性质和表面降水),并且适用于所有类型的云。这使得在观测基础上证明气溶胶对云的影响变得极其困难(参见Karcher和Spichtinger, Stevens和Brenguier,以及Brenguier和Wood,所有这些)。

在试图探测气溶胶对云宏观物理特性(例如,辐射特性或降水)的影响时,实地研究面临着人工影响天气50多年来一直面临的相同障碍。事实上,这些宏观物理特性对气象学的敏感性是如此之高,而我们测量云控制因素的能力是如此有限,以至于案例研究的数量通常太少,无法在统计上将云控制因素造成的变化程度降低到预期气溶胶影响的水平以下。优化在气象噪声中探测气溶胶信号的机会的一种方法是选择这样的情况:气溶胶粒子的扰动很大,气象的可变性很小,两者之间的协方差可以忽略不计。火灾,特别是由人类活动引起的火灾,提供了一个机会来检查大气气溶胶大规模变化的影响,而不依赖于气象环境的变化。的确,在某些气象条件下,火是可取的。然而,火灾是否真的发生往往仅仅取决于偶然性。例如,在圣安娜风(美国西南部和墨西哥西北部的近海气流)期间,火灾很常见,但它们总是由偶然的人类活动引发。在圣安娜风期间,通过对火灾地区下游的气溶胶和云特性进行采样,有可能建立一个数据集,其中气象效应和气溶胶效应是独立的。这种方法的效用可以首先利用卫星记录加以探讨;然后,如果有必要,可以通过在几个火灾季节有针对性地部署适当的仪器飞机来实现。 We recognize that even this may be difficult to achieve. Apart from the rigor of obtaining suffi cient samples, one must sample well downwind of the fires because conditions that favor such winds do not favor clouds. Doing so, however, yields measurements in a more disperse aerosol, thereby lessening its impact. Perhaps more importantly, such a strategy allows sufficient time for the development of meteorological biases because of the direct effect of the smoke on radiative fluxes in the evolving cloud-free air.

人为气溶胶扰乱云的另一个明显例子是层积云中存在的船只航迹。这些是1994年MAST实验(Durkee et al. 2000)以及许多遥感研究的主题。这些研究表明,当云滴浓度超过100 cm-3时,航迹中的云的液态水含量与航迹本身的液态水含量相似或更低,这表明对气候有负面的次要间接影响(Platnick et al. 2000)。raybet雷竞技最新然而,当云滴浓度低得多时,航迹往往比周围的层积云厚得多。目前几乎没有对船舶航迹进行实际建模研究,定量再现这些结果,包括船舶航迹中扰动云与周围未扰动云之间环流可能产生的巨大影响。船舶航迹测量提供了一个很好的机会来测试LES模型是否可以模拟层积云对大气溶胶扰动的响应,但到目前为止,这个机会还没有得到充分利用。

最后,也可以采用相反的方法:可以选择气溶胶性质相似但云控制因素差异很大的情况。这种情况每天都会发生,在所有地点,在整个昼夜周期中,太阳辐射强迫发生了显著的和精确可复制的变化。在这样一段时间内,如果气团在气溶胶性质方面足够均匀,这种反向方法实际上可能比直接探测气溶胶对云宏观物理性质的影响更成功。这两种方法的成功机会应按照WMO在人工影响天气实验设计中推荐的相同方法进行评估(NRC 2003)。由于气溶胶有一个可归因于光化学的日循环,垂直混合和日变化关于人类和自然气溶胶/化学来源,有人对这种方法的适用性表示关切。

利用卫星测量的策略

卫星提供了对云性质的美妙的全球观测,但它们对因果关系提供合理输入的能力经常受到质疑。有趣的是,同样的批评并不适用于地面遥感或仪器飞机的现场观测,尽管它们也只是提供各种物理参数的快照。有两个不同之处可以解释这种截然不同的观点:

1.时间演化:例如,对云的观测有助于证明云是产生降水的原因,而不是相反,因为时间序列表明云在降水之前出现。这个简单的例子表明,在建立因果关系时,时间演化是一个至关重要的因素。目前的云卫星仪器,主要是极地轨道,不适合短时间尺度的演化实验,但地球同步卫星在云观测和时间分辨率方面的性能不断提高,带来了新的机会。

2.空间分布:大多数基于无源传感器的卫星观测是二维的,不能记录各分量的垂直分布。例如,对气溶胶和云液态水路径水平相关性的统计不能区分位于云层以上的气溶胶,因此仅限于辐射相互作用,以及进入云底可以控制云微物理的气溶胶。A-Train观测的可用性(Anderson et al. 2005),其中一些是垂直解析的,开辟了新的机会。

由于缺乏这两种能力,卫星观测为观测到的气溶胶和云性质之间的因果关系留下了许多可能的解释(参见Nakajima和Schulz,本卷)。

云集合的实验策略

在过去的十年中,已经有大量的实地研究(DYCOMS-II, RICO, EPIC-2001)被设计用来测量与云集合相关的过程。尽管早期进行此类测量的尝试通常需要许多平台(BOMEX, ATEX, GATE),但各种卫星产品以及下拉探空仪和基于飞机的遥感的出现,使一架长航速飞机能够进行动态、辐射、气体和地面测量气溶胶化学,以及微物理来约束云环境的重要剩余方面,并测量云在此环境中的统计特性。这些研究似乎最有希望理解云集合的行为,这对于推进参数化作为云场的统计表示是至关重要的。将这些测量与长期空间和地基遥感提供了进一步进步的机会。然而,一种明显缺乏的测量是云分数,例如可以通过高灵敏度的扫描云(k波段)雷达或能够集中在给定实验区域的星载天文台进行测量(关于卫星技术CloudSat/CALIPSO的讨论,请参阅Anderson等人,本卷)。

结论

影响云的过程跨越了从分子到行星级别的尺度,这一事实使得它们在单一参考模型中的描述难以想象。这意味着在可预见的未来,大尺度模型将继续依赖云过程的参数(或统计)表示。当我们努力代表当今和受扰动的气候时,我们必须认识到,这充其量是引入了不确定性的来源,并可能存在偏见。raybet雷竞技最新当今大气环流模式中云的不确定性的来源是:

1.根本缺乏对一些关键云过程的认识(例如,对流层上部冰的过饱和和冰成核粒子在混合相和冷冰云中的作用),

2.缺乏关于如何表示在其原生规模上很好理解的过程的聚合属性(统计数据)的知识,

3.子网格过程之间缺乏交互,

4.在中间尺度上的准平衡假设的分解。

虽然其中一些问题在提高gcm的分辨率时可能发挥的作用较小(第2类和第3类),但其他问题(第1类)仍然存在,甚至可能发挥更大的作用(第4类)。我们提出了一些新的解决途径

gcm,包括全局gcm和云分辨对流(超级)参数化(Grabowski和Petch,本卷)。然而,即使采用这种方法,对其余未解决的尺度(如边界层云过程)进行一致和相互作用的处理仍然很重要。当移动到更高分辨率时,随机参数化可能变得更相关,因为准平衡假设被打破。我们讨论了与云微物理有关的更基本的问题(第一类)(例如,初级和次级冰的形成,液滴/冰粒生长动力学,夹带,云重叠),并对观测研究(实验室和现场实验)和高分辨率过程模型提出了建议。

大气环流模式不应被用作量化扰动云在我们气候系统中的影响的唯一工具。raybet雷竞技最新相反,更好地使用模型的完整层次结构可以提高我们对控制云-气候反馈的关键过程的理解。raybet雷竞技最新例如,可以在扰动条件下使用过程解析、精细尺度模型来理解和量化云对特定扰动的动态响应。简化的框架(水行星、二维模型、具有大规模反馈的柱模型)对于概念化这些物理云过程非常有用,并为它们如何在复杂的gcm中运行提供指导。它们还可以增进我们对气候预测的信心所依赖的理解。raybet雷竞技最新

最后,我们提出了适当的实验来研究气溶胶对云的扰动。由于在气象噪声中探测气溶胶信号极其困难,我们建议选择气溶胶扰动相对于气象变率较大且两者之间的协方差可以忽略不计的情况。建议的候选者是由人类活动和扰动引起的火灾层积云在船的履带上。此外,我们建议考虑相反的方法;也就是说,气溶胶性质保持相似,但气象因素变化显著(例如,日周期)。

参考文献

阿尔布雷希特,1989年。气溶胶,云微物理,和分数云量。科学245:1227 - 1230。

安德森,T. L., R. J.查尔森,N.贝鲁因等。2005。量化人为气溶胶直接气候强迫的“a -列车”策略。raybet雷竞技最新公牛。阿米尔。流星。Soc。86:1795 - 1809。

德基,P. A., K. J.诺恩,R. T.布鲁斯,2000。蒙特利地区船舶轨道实验。j .大气压。Sci 57:2523 - 2553。凯斯勒,1969年。大气环流中水物质的分布与连续性。Meteorol。Monogr。第32卷。波士顿:阿米尔。 Meteorol. Soc.

美国核管理委员会。2003.人工影响天气研究中的关键问题。大气科学与气候委员会,地球与生命研究部。raybet雷竞技最新华盛顿:国家科学院出版社。

普拉特尼克,S. P. A.德基,K.尼尔森等,2000。背景云微物理在船舶航迹辐射形成中的作用。j .大气压。Sci, 57:26072624。

劳伯,R. M.史蒂文斯,H. T.奥克斯等,2007。海洋上浅积云中的雨:RICO运动。公牛。阿米尔。流星。Soc。88:1912 - 1928。

继续阅读:从微尺度到云尺度的云气溶胶相互作用

这篇文章有用吗?

0 0

读者的问题

  • 托尔斯滕
    什么是辐射扩散?
    3个月前
  • 辐射扩散是由辐射引起的热量和能量通过物质传递的过程。它发生在辐射与材料相互作用时,导致材料吸收能量,通常是热量。然后,吸收的能量分布在材料内部,并随着材料的扩散从一个粒子转移到另一个粒子。辐射扩散是许多自然和人造系统中传热的主要形式之一。