Universität zu Köln

Marke, Tobias ORCID: 0000-0001-7804-9056 (2020). Identification of patterns in long-term observations of the cloudy boundary layer. PhD thesis, Universität zu Köln.

Preview

PDF Thesis_Revised.pdf - Published Version Download (16MB) | Preview

Abstract

Understanding atmospheric boundary layer (ABL) processes is a key aspect in improving parameterizations in weather forecast and climate prediction models, but also for renewable energy and air quality studies. The ABL, as the lowest part of the atmosphere, can be directly affected by heterogeneities in land surface properties like soil, vegetation and topography, creating patterns at different temporal and spatial scales. In this context, turbulent mixing plays an important role in connecting the atmosphere to the Earth's surface. The turbulent motions are responsible for the thermodynamic structure of the ABL by redistributing heat and moisture and the transport of constituents like aerosols and pollutants away from the surface. These processes are the main drivers for the development of ABL clouds, which in turn feed back to the ABL and surface through interaction with solar radiation, coupling to the large-scale circulation and precipitation formation. This links back to the aim of model improvement, since clouds are one of the largest source of uncertainty in global models. Therefore interdisciplinary research is required to capture the interplay between the different compartments of the Earth. The Transregional Collaborative Research Centre 32 (TR32) in its third phase is dedicated to find these patterns in the soil-vegetation-atmosphere system by a monitoring, modelling and data assimilation approach. Within the TR32 project D2 special emphasis is on measuring, modelling and understanding the spatio-temporal structures in land surface-atmosphere exchange at the Jülich ObservatorY for Cloud Evolution (JOYCE). For the typical ABL process scales of seconds to hours and meters to kilometers, ground-based remote sensing observations are well suited to continuously gather comprehensive information on the atmospheric state in a long-term perspective. With additional model simulations the conceptual process understanding can be improved. This study focuses on the long-term characterisation of the cloudy boundary layer to identify patterns that can be further linked to surface properties at JOYCE. For this purpose, a classification for characterizing ABL turbulence is developed (Publication I). The classification, based on Doppler wind lidar (DWL) data, identifies turbulence regions in the ABL and assigns a mixing source using multiple DWL quantities. In this way, convective, wind shear and cloud driven turbulence can be distinguished under most atmospheric conditions. The method is applied at two research sites, showing a distinct behavior for different climate regimes in terms of the diurnal and seasonal cycle of ABL development. In the analysis of the long-term data sets, nocturnal low-level jets (LLJ) are identified as an important source of shear generated mixing. Therefore, a long-term record of LLJ periods, compiled with DWL observations, is investigated in Publication II. The high frequency of occurrence and wind speeds, associated with significant turbulence close to the surface, reveal the relevance of LLJs for wind energy applications. In addition, a strong interaction of the wind field with the surrounding topography can be seen in the DWL measurements, as well as in the results of a high-resolution large-eddy simulation (LES). Also during the day, when the buoyancy production represents the main factor of convective ABL mixing, the interaction between the land surface and the atmosphere is strongly influenced by surface properties. In particular, the local transport of water vapor in moist thermals is a key mechanism for the coupling of clouds to the underlying land surface and a spatially heterogeneous distribution of land use types can lead to patterns in atmospheric water vapor fields (Publication III). Besides a scanning microwave radiometer (MWR), also satellite and LES data are taken into account, showing a good agreement in identifying the direction of water vapor sources. Convective clouds, that are frequently forming in the ABL due to this convective humidity transport, often contain small amounts of liquid water. These thin liquid water clouds, with a low liquid water path (LWP), are important in terms of their interaction with radiation. In the range of low LWP values, the radiative fluxes are very sensitive to small changes in the amount liquid water contained in the clouds. For a correct representation of the cloud microphysical and optical properties, statistical retrievals using a neural network approach are developed in Publication IV. The retrievals with low computational demand are derived from ground-based observations and make use of the distinct sensitivities in different spectral regimes. While the microwave regime suffers from high uncertainties in low LWP situations, the infrared regime reveals saturation effects for higher LWP. A combination of both spectral regimes yields the best results for the whole range of LWP values.

Item Type:	Thesis (PhD thesis)
Translated abstract:	Abstract Language Verständnis über Prozesse in der atmosphärischen Grenzschicht (ABL) ist ein Schlüsselaspekt für die Verbesserung von Parametrisierungen in Wetter- und Klimavorhersagemodellen, aber auch für Studien über erneuerbare Energien und Luftqualität. Die ABL, als unterster Teil der Atmosphäre, kann direkt von Heterogenitäten in Eigenschaften der Landoberfläche wie Boden, Vegetation und Topografie beeinflusst werden, was Muster auf verschiedenen zeitlichen und räumlichen Skalen erzeugt. In diesem Zusammenhang spielt die turbulente Durchmischung eine wichtige Rolle. Die turbulenten Bewegungen sind für die thermodynamische Struktur der ABL verantwortlich, was durch eine Umverteilung von Wärme, Feuchte und dem Transport von Bestandteilen wie Aerosolen und Schadstoffe von der Erdoberfläche in die Atmosphäre erzeugt wird. Diese Prozesse sind die hauptsächlichen Antreiber für die Entwicklung von ABL-Wolken, die wiederum durch Interaktion mit solarer Strahlung ABL und Landoberfläche beeinflussen und für eine Kopplung an die großskalige Zirkulation und Niederschlagsbildung sorgen. Dies führt auf das Ziel einer Verbesserung der Modelle zurück, da Wolken als eine der größten Quellen für Unsicherheiten in globalen Modellen gelten. Daher ist interdisziplinäre Forschung nötig, um die Wechselwirkungen zwischen den verschiedenen Bestandteilen der Erde zu erfassen. Das Transregional Collaborative Research Centre 32 (TR32), in seiner dritten Phase, engagiert sich diese Muster im System Boden-Vegetation-Atmosphäre zu finden, unter Zuhilfenahme von Beobachtungen, Modellierungen und Datenassimilationen. Innerhalb des TR32 Projekts D2 liegt ein besonderer Schwerpunkt auf der Messung, Modellierung und dem Erlangen von Erkenntnissen über zeitliche und räumliche Strukturen des Austausches zwischen Erdoberfläche und Atmosphäre am Jülich ObservatorY for Cloud Evolution (JOYCE). Für die typischen zeitlichen Skalen von Minuten bis Stunden und räumlichen Skalen von Meter bis Kilometer sind bodengebundene Beobachtungen besonders geeignet um kontinuierliche und umfassende Informationen über den Zustand der Atmosphäre über lange Zeiträume zu erlangen. Mit zusätzlichen Modellsimulationen kann das konzeptionelle Verständnis der Prozesse verbessert werden. Diese Studie legt den Fokus auf die langzeitliche Charakterisierung der bewölkten ABL zur Identifikation von Mustern, die darüber hinaus mit Eigenschaften der Erdoberfläche in der Umgebung von JOYCE in Verbindung gebracht werden können. Dafür wurde eine Klassifikation zur Charakterisierung der ABL-Turbulenz entwickelt (Publication I). Die Klassifikation basiert auf Doppler wind lidar (DWL) Daten, identifiziert turbulente Regionen in der ABL und weist, mit Hilfe von verschiedenen DWL Parametern, eine Quelle der Turbulenz zu. Somit kann die Klassifikation Turbulenz aufgrund von Konvektion, Windscherung und Wolken unterscheiden und unter fast allen atmosphärischen Bedingungen eingesetzt werden. Die Methode wurde an zwei Messstellen angewendet und zeigt ein unterschiedliches Verhalten für verschiedene klimatische Regime bezüglich des Tages- und Jahresgangs der ABL-Entwicklung. In der Analyse der langzeitlichen Daten wurden low-level jets (LLJ) als bedeutsame Quelle für Turbulenz, induziert durch Windscherung, identifiziert. Daher wurde eine Langzeitstudie von LLJ Perioden, detektiert durch DWL Beobachtungen, durchgeführt (Publication II). Die hohe Auftrittswahrscheinlichkeit und Windgeschwindigkeit zusammen mit signifikanter Turbulenz nahe der Erdoberfläche machen LLJ relevant für den Windenergiesektor. Zusätzlich ist eine Interaktion des Windfeldes mit der umgebenden Topografie in DWL Messungen und hoch aufgelösten large-eddy Simulationen (LES) zu sehen. Auch am Tag, wenn die Auftriebskraft den größten Anteil an der konvektiven ABL-Durchmischung ausmacht, sind Interaktionen zwischen der Landoberfläche und Atmosphäre stark durch Eigenschaften der Landoberfläche beeinflusst. Insbesondere der lokale Transport von Wasserdampf in feuchter Thermik ist ein wichtiger Faktor für die Kopplung von Wolken mit der Landoberfläche und räumlich heterogene Verteilungen von Landnutzungstypen können zu Mustern im Wasserdampffeld führen (Publication III). Neben eines Mikrowellenradiometer (MWR), werden auch Satellitendaten und LES eingesetzt und zeigen gute Übereinstimmungen bei der Detektion von Quellen des Wasserdampfs. Konvektive Wolken, die sich häufig durch diesen konvektiven Feuchtetransport in der ABL bilden, enthalten oft nur geringe Mengen an Flüssigwasser. Diese dünnen Flüssigwasserwolken, mit einem geringen Flüssigwasserpfad (LWP), sind wichtig in Bezug auf die Interaktion mit Strahlung. Im Bereich von geringen LWP Werten sind die Strahlungsflüsse sehr sensitiv zu kleinen Änderungen im Flüssigwassergehalt der Wolken. Um eine korrekte Darstellung der mikrophysikalischen und optischen Eigenschaften der Wolken in Klimamodellen zu gewährleisten, werden statistische Retrieval mittels eines neuronalen Netzwerkes in Publication IV entwickelt. Diese Retrieval mit geringem Rechenaufwand werden durch bodengebundene Beobachtungen abgeleitet und machen sich verschiedene Sensitivitäten in unterschiedlichen Spektralbereichen zu Nutze. Während der Mikrowellenbereich unter hohen Unsicherheiten in Situationen mit geringem LWP leidet, zeigt der Infrarotbereich Sättigungseffekte für hohe LWP Werte. Eine Kombination beider Spektralbereiche liefert somit die besten Resultate für den gesamten LWP-Bereich. German
Creators:	Creators Email ORCID ORCID Put Code Marke, Tobias t.marke88@gmail.com orcid.org/0000-0001-7804-9056 UNSPECIFIED
URN:	urn:nbn:de:hbz:38-112194
Date:	15 May 2020
Language:	English
Faculty:	Faculty of Mathematics and Natural Sciences
Divisions:	Faculty of Mathematics and Natural Sciences > Department of Geosciences > Institute for Geophysics and Meteorology
Subjects:	Natural sciences and mathematics
Uncontrolled Keywords:	Keywords Language Ground-based remote sensing English Long-term observations English Large-eddy simulations English Atmospheric boundary layer English Low-level jet English Land surface-atmosphere interactions English Liquid water cloud retrievals English
Date of oral exam:	7 June 2019
Referee:	Name Academic Title Crewell, Susanne Prof. Dr. Simmer, Clemens Prof. Dr.
Funders:	Transregional Collaborative Research Centre 32
Projects:	TR32
Refereed:	Yes
URI:	http://kups.ub.uni-koeln.de/id/eprint/11219