In many numerical weather prediction models, the presence of lakes is simulated crudely, with their effect being neglected in the resulting simulations. However, it has been shown how lakes effect not only their surrounding climate directly, but have an effect to the overall weather evolution and ecosystem. It is therefore vital to improve existing models to take lakes into account, by coupling with smaller models specificaly compiled for a reas with lakes. There have been several sophisticated models to parameterizelakes in a geographical area, which are, on the other hand, computationally expensive and time consuming. A model built specifically on simple physical assumptions, named FLake, aims to provide a solution that is not heavy computationally, but is accurate enough and contains all the necessary physics surrounding the heat budget and temperature of a given lake. For this project, FLake was tried on a lake close to Uppsala, named Erken, where the validity of the model was tested against data archives from Erken Laboratory’s measurement tower. The resulting simulations were very promising regarding the water temperatures, as well as giving out acceptable results for the surface heat fluxes above the lake and the duration of the ice period, as it was modeled by FLake and compared with ice data archives.

Cirrus clouds play an important role in radiative transfer, and thus have impact on the energy balance of the atmosphere and the climate of the Earth. Furthermore, they occur often and cover large areas globally at any time. Nevertheless, cirrus clouds are poorly studied, especially in the polar regions. Cirrus clouds are present in a large amount of the 14 years of data produced by the lidar at the Swedish Institude of Space Physics (IRF), but has not been studied to a large extent. A lidar is an active remote sensing instrument using a laser. This master's thesis develops and improves programs for analysis of cirrus clouds from this lidar data. It also performs analysis of six case studies chosen from the available data, and statistics of these six cases. The parameters calculated for each date are the cloud top, base and mean altitude, the geometrical thickness, the depolarisation ratio, the backscatter ratio (BSR), the backscatter coefficient, the extinction coefficient, the optical thickness and the number of cloud layers. No clear correlation between the optical thickness and the cloud top, base or mean altitude was found. There seems to be a weak correlation between increased optical thickness and increased geometrical thickness, which is not unreasonable. The mean cloud layer top altitude was 11.82 km and the mean cloud base was 10.36 km. The mean optical thickness for a cloud layer was 1.46 km, and the average of the cloud layer mean altitude was 11.09 km. It should be noted that the statistical analysis is based on only six cases with a total observation time of no more than 37 hours. A far larger dataset is needed in order to obtain any statistically signicant conclusions. The effect of averaging is studied, and it is concluded that averaging over altitude reduced the noise and facilitated the interpolation more than averaging over time did. Different approaches to obtain the molecular backscatter coefficient are compared, as well as the effect on the simulated molecular signal. Two of these approaches calculate the molecular backscatter coeffcient with input of the temperature and pressure either as continuously measured ground vales from the weather station at IRF or as radiosonde profiles for a specific time. In the other two, the molecular backscatter coeffcient is obtained from ECMWF data and from the standard atmosphere. Differences in the range 12-35% between the methods are found. Different approaches to calculate the backscatter ratio (BSR) are also compared. At cirrus altitudes, the decrease in the signal due to the molecular cloudfree part of the atmosphere is still strong, and finding the top and base separately by comparison with the standard deviation of the signal is proven a better method than interpolating between the point where the signal starts to increase and the point where it reaches the same signal value again. Height-normalising the signal provides a more robust method. For thin cirrus, the signal is not significantly attenuated above the cloud layer, and it is found that a method based on the ratios between the measured signal and the simulated molecular signal at cloud top and base did not produce reliable results for the optical thickness. In addition to analysing data and data processing methods, new data processing tools in MATLAB have been developed and existing functions have been improved. These will be valuable for continued studies with the IRF lidar, for cirrus as well as PSCs and thick and/or low-altitude clouds.

Weather forecasting has improved greatly since the middle of the 20th century, thanks to better forecasting models, an evolved weather observing system, and improved ways of assimilating the observation data. However, these large systematical improvements make it difficult to use the weather data for climatological studies. Furthermore, observations are scarce, and they cannot be made everywhere. One way to solve this problem is to produce reanalyses, where a fixed version of a numerical weather prediction (NWP) model is used to produce gridded analysis and forecast data with detailed descriptions of the weather by assimilating observation data for a determined time period. One of the newest regional reanalyses is UERRA (Uncertainties in Ensembles of Regional Re-Analyses), which spans over the time period 1961-2015 and covers the whole Europe. By using a fixed NWP model, the only two factors that might influence the temporal quality of a regional reanalysis dataset are the varying number and quality of weather observations, and the quality of the global driving model which gives information about boundaries and large-scale features. In this report, data from one of the UERRA products has been used with the aim to investigate the temporal consistency of the 30-hour forecast skill regarding three parameters; temperature at 2 meters height (t2m), wind speed at 100 meters height (ws100) and 500 hPa geopotential (Φ500). The work has been focused on only land points over Europe during winters and summers, as this enables to investigate the model behaviour at the lowest and highest temperatures. The 30-hour forecast skill was estimated throughout the time period from how well it performed compared to the 6-hour forecast. Temporal inconsistencies were found throughout the reanalysis, with the largest temporal differences being present for Φ500, followed by ws100. UERRA shifts its global driving model in 1979 from ERA-40 (ECMWF Re-Analysis 40) to ERA-Interim (ECMWF Interim Re-Analysis), which ends up as a significant improvement of forecast skill for all investigated parameters. Furthermore, ws100 also shows a significant skill improvement in wintertime from 1979 onwards, while Φ500 shows a systematical improvement for both seasons. In general, the forecast skill is lower in wintertime than in summertime, which might be a result from higher natural variability of the weather in winters. A quick study of forecast data from ERA-Interim shows that the same improving trend in Φ500 can be seen also in that dataset, while the two model drifts differ completely. It was concluded that the addressed issues with temporal inconsistency should be communicated to end users utilizing the UERRA datasets, as knowledge about this can be greatly beneficial when studying climatological trends and patterns and when using the model to reforecast weather events. / Väderprognostisering har utvecklats betydligt sedan mitten på 1900-talet, tack vare bättre prognosmodeller, fler väderobservationer och förbättrade sätt att samla in och nyttja observationerna. Den snabba utvecklingen gör det dock svårt att på ett tillförlitligt sätt kunna jämföra väderdata från olika tidsperioder med varandra, då det är svårt att säkerställa kvaliteten på observationer från flera decennier tillbaka. Ett sätt att lösa det här problemet är att framställa så kallade återanalyser, vilka använder en enskild väderprognosmodell för att uppskatta vädret historiskt i varje punkt i ett förutbestämt rutnät, som sträcker sig över en enskild kontinent eller hela Jorden. En av de nyaste återanalyserna är UERRA, vilket är en regional återanalys över Europa som sträcker sig över tidsperioden 1961–2015. Då en och samma modell används för att beräkna vädret över hela perioden så påverkas inte kvaliteten på datat av den historiska utvecklingen av prognosmodeller. De enda två faktorerna som kan påverka datakvaliteten är den varierande tillgängligheten till väderobservationer, samt kvaliteten på den globala modellen vilken ger information om vädret utanför Europa. För att undersöka om det finns tidsmässiga skillnader i hur konsistent eller inkonsistent kvaliteten på UERRA-återanalysen är, har väderdatat från denna analyserats med avseende på temperatur, vindstyrka och lufttryckshöjd. Arbetet har fokuserats på enbart landpunkter över Europa för sommar och vinter, då detta möjliggör att kunna se hur bra modellen presterar vid de allra lägsta och högsta temperaturerna. Datat har utvärderats genom att undersöka hur tillförlitlig en prognos för 30 timmar framåt är jämfört med en prognos för 6 timmar framåt. Resultaten visar att kvaliteten på återanalysdatat i UERRA inte är konsistent genom hela tidsperioden, där de största skillnaderna hittades för lufttryckshöjden följt av vindstyrkan. För alla tre parametrar hittades betydande kvalitetsskillnader från vilken typ av global modell som används för att ge väderinformation utanför Europa, då UERRA byter global modell under år 1979. För lufttryckshöjden sågs även att datakvaliteten ökar konsekvent även efter 1979 och framåt, vilket därmed är ett resultat från den ökande mängden väderobservationer. Generellt sågs en högre prognoskvalitet sommartid än vintertid, vilket tros vara ett resultat från att vädret varierar mycket mer vintertid vilket därmed bör göra det mer svårprognostiserat. Dessa skillnader i datakvaliteten bör tydliggöras för alla användare av UERRA-återanalysen, då det är viktigt att ha kännedom om detta före eventuella slutsatser dras från återanalysdatat om hur vädret har varit historiskt sett.

Klimatförändringarna i Arktis sker i en snabbare takt än någon annanstans på jorden. I regionen är det framförallt havsisens utbredning som drabbas, vilken har minskat med 3.8 % av medelstorleken per decennium under åren 1979-2012. För att klimatmodellerna ska kunna göra så bra beräkningar som möjligt av det framtida klimatet behövs mer observationsdata och bättre förståelse av Arktis klimatsystem. Det arktiska klimatet är komplext, svåråtkomligt för observationer och därför mindre utforskat än klimatsystemen på resten av jorden. Detta gör att klimatmodellerna i nuläget har begränsningar för regionen. De arktiska molnen utgör en osäker faktor i sammanhanget. Molnen är en viktig del i strålningsbalansen och har en stark korrelation med havsisen. De arktiska molnen har en tydlig säsongsvariation med mer molnighet sommartid än under vinterhalvåret. Detta gör att molnen över Arktis till skillnad från i jordens övriga regioner har en totalt sett värmande effekt alla årstider förutom sommaren. Forskarna är även överens om att mer observationsdata och kunskap behövs inom området, vilket skulle förbättra klimatmodellerna och öka kunskapen kring korrelationen mellan molnen och den arktiska havsisen. / In the Arctic the climate changes faster than anywhere on the planet. It is especially the expansion of the sea ice that is affected. Over the years 1979-2012, the annual average extent of the Arctic sea ice has been reduced with 3.8 % per decade. In order for climate models to make the best possible calculations of the future climate, more observation data and better understanding of the Arctic climate system are needed. The Arctic climate is complex, difficult to reach for observations and therefore less explored than the climate systems in the rest of the world. This means that climate models currently have limitations for the region. The Arctic clouds constitute an uncertain factor in this context. Clouds are an important part of the radiation balance and have a strong correlation with the sea ice. The Arctic clouds have a clear seasonal variation with more cloudiness in summer than during the winter. This makes the Arctic clouds, unlike in the rest of the world, to have a total warming effect all seasons except during the summer. The researchers also agree that more observation data and knowledge are needed for the area. It would improve climate models and expand the science about the correlation between the clouds and the Arctic sea ice.

The terrestrial carbon cycle is a part of the global carbon cycle, where one important component is the terrestrial vegetation. Terrestrial vegetation largely controls the land surface carbon exchanges and leverage the atmospheric greenhouse gas concentrations, significantly affecting the trajectory of global warming. It is therefore important to improve the understanding of vegetation response to different climatic factors, in particular for those linked to large-scale climate variability, which is still less studied so far. Vegetation greenness is suggested to be a useful tool in order to understand vegetation response. Looking at Europe, the climate factors that affect vegetation the most are linked to the large-scale atmospheric circulation over the North Atlantic, like the jet stream, which varies in speed and latitude, and the North Atlantic Oscillation (NAO). Here, I compute monthly indices representing the variability of these atmospheric features, and correlate them with monthly vegetation greenness data (NDVI) anomalies over a period of five years. This is done both for regionally-averaged NDVI and the months April-July and as a geographical point-by-point analysis for the month of May. The results show a significant correlation between Scandinavian NDVI and the NAO as well as jet speed at multiple time lags, up until 2 months. The jet latitude, instead, showed significant correlation for three regions in mid/southwestern Europe at longer time lags of 3-4 months. This means that the position of the jet in winter can affect the spring vegetation growth in this area. The jet speed and NAO, however, works mostly at shorter timespans. / Den jordbunda kolcykeln, som är en del av den globala kolcykeln, består av olika komponenter där en viktig del är vegetation. Växtlighet på land kontrollerar till stor del utbytet av kol vid jordytan och har därigenom inflytande på atmosfäriska växthusgaskoncentrationer, vilket medför stor påverkan på global uppvärmning. Det är därför viktigt att förbättra förståelsen för hur vegetation reagerar på olika klimatologiska faktorer, särskilt de som är kopplade till storskalig klimatvariabilitet då dessa kopplingar har studerats i mindre utsträckling hittils. Ett bra sätt att mäta den jordbunda kolcyklen på är med grönhet av vegatation. Om vi beaktar Europa så är det främst storskaliga atmosfäriska cirkulatoiner över norra Atlanten av de klimatologiska faktorerna som påverkar vegetation. En av dessa faktorer är jetströmmen, vilken varierar i fart och latitud, samt Nordatlantiska Oscillationen(NAO). I detta arbete beräknar jag index som representerar variationen i dessa i form av månadsgenomsnitt och korrelerar dem med månatlig data över avvikelser i vegetationsgrönhet (NDVI) över en femårsperiod. Det här gjordes för både regionala medelvärden och månaderna april-juli samt en geografisk punkt till punkt analys utförd för maj. Resultatet visar att det finns en signifikant korrelation mellan NDVI i Skandinavien och NAO samt jetfarten vid flera tidsfördröjningar, upp till 2 månader. Jetlatituden visade däremot signifikant korrelation för tre regioner i centrala/sydvästa Europa vid längre tidsfördröjningar på 3-4 månader. Detta innebär att positionen på jetströmmen under vintern kan påverka vegetationstillväxten under våren i detta område. Jetfarten och NAO påverkar däremot mest vid kortare tidsspan.

Boundary layer rolls are a rather frequent phenomena, where regions of alternating up- and downdraft motion causes clouds to form in elongated, parallel rows oriented with the mean wind direction. The clouds can be seen during certain atmospheric conditions and are often called ”cloud streets” because of their characteristic appearance. By performing a linear instability analysis, the underlying mechanisms causing the onset of boundary layer rolls has been analysed in this study. There are two governing mech- anisms that cause the boundary layer rolls to form, the thermal instability and the dynamic instability. The thermal instability is caused by convection in an unstable airmass, while the dynamic instability usually is associated with neutral or stable conditions. The dynamic instability arise due to an inflection point in the wind profile, around which eddies develop. In a previous study by Svensson et al. (2017), rolls were observed over the Swedish east-coast, stretching out over sea during four days; 2 of May 1997, 3 of May 1997, 17 of May 2011 and 25 of May 2011. The aim of this study is to simulate the rolls on these four dates, analyse the underlying mechanisms and establish what type of instability that primarily causes the rolls to form. The linear stability analysis performed in this study indicate that the dynamic instability is the main mechanism giving rise to the rolls on all four studied dates. The rolls are found to arise over the Swedish mainland and are advected out over the sea. Both the orientation of the rolls and the modeled wind direction are in accordance with the observations. A qualitative agreement is found for the wavelength, the amplitude and the altitude of the rolls, when comparing the results of this study with the observations.

The New European Wind Atlas (NEWA) was developed with an aim to provide high accuracy wind climate data for the region of EU and Turkey. Wind industry always seek for solid performance in wind resource assessment, and it is highly affected by the quality of modelled data. The aim of this study is to validate the newly developed wind atlas for two onshore sites in Sweden. Wind resource assessment is conducted using NEWA mesoscale data as wind condition of the sites. AEP estimation is performed using two different simulation tools, and the results of estimation are compared to the actual SCADA data for the validation of NEWA. During the process of simulation, downscaling is executed for the mesoscale data to reflect micro terrain effects. The result of the current study showed that NEWA mesoscale data represents wind climate very well for the onshore site with simple terrain. On the other hand, NEWA provided overestimated wind speeds for the relatively complex onshore site with forested areas. The overestimation of wind speed led to predict AEP significantly higher than the measurements. The result of downscaling showed only little difference to the original data, which can be explained by the sites’ low orographic complexity. This study contributes to a deeper understanding of NEWA and provides insights into its validity for onshore sites. It is beyond the scope of this study to investigate whole region covered by NEWA. A further study focusing on sites with higher orographic complexity or with cold climate is recommended to achieve further understanding of NEWA.

The expected technical lifetime for a wind turbine is 20-25 years (Wizelius, 2007). In the process of planning a wind farm on a site an estimation of the average wind speed and the energy yield is required from the site. Due to large fluctuations in wind velocity from one year to another it is, from a climatologically point of view, not sufficient to measure the wind for a short period of time, e.g. one year. The year measured may have uncommonly high or uncommonly low winds and thereby generate an average not representative of the wind climate on the site. In the same time it is neither practical nor economically desirable to measure for a longer time period. Instead the measured data collected for a short period of time is scaled into a normal year before it is used to calculate the energy content. This normal year correction can be preformed using different methods. Principally, the methods relate the short time series, measured on the site, to one or more variables of a long time reference series. As a long time reference series the geostrophic wind on the site or a series of measured wind nearby can be used. If the correlation between the two series is sufficiently high a normal year correction may be done using the relation. Normal year correction has foremost been done using the relation between the velocities of the measured wind and a reference wind. The purpose in this study is to evaluate and implement a part of an algorithm for normal year correction considering additional variables besides wind velocity. The relationships studied are between measured wind speed and geostrophic wind speed, geostrophic wind direction and time of the year. For the purpose of evaluating the algorithm two wind data series from Näsudden, on the Swedish island of Gotland, for a period of 15 years has been used. Measured wind on 75 meters and geostrophic wind on 850hPa. Where the geostrophic wind has been used as a long time reference and the measured wind for one year at the time has been related to this reference. The relation has then been used together with the geostrophic wind data to create an estimation of the wind climate on Näsudden in three steps. Step one establishes the estimation due to the relation of geostrophic wind speed. Step two corrects the estimation due to the relation of geostrophic wind direction and step three corrects the estimation due to the relation of time of year. The conclusions from this study showed that with the method used for implementing the algorithm the normal year correction using only the relation between the velocities of the measured wind and the geostrophic wind gives the best estimation of the climatically mean wind speed. The standard deviation gives a 5 % risk for more than 0.436 m/s error for estimation of the mean wind on the site, which is comparable to earlier studies. The introduction of the wind direction dependence overestimates the mean wind on the site and amplifies the error. The introduction of the season dependence amplifies the error further and overestimates the mean wind additionally. / En vindturbin har en planerad livslängd på 20-25 år (Wizelius, 2007). Vid planering av en vindkraftspark behöver en estimering av medelvinden och energiutvinningen utföras för platsen man är intresserad av. På grund av stora fluktuationer av vindhastighet från år till år är det ur klimatologisk synpunkt inte tillräckligt att mäta under en kort period, exempelvis ett år. Det år man mäter kan ha ovanligt starka eller ovanligt svaga vindar och ge en icke representativ bild av vindklimatet på platsen. Samtidigt är det inte praktiskt eller ekonomiskt önskvärt att mäta under en längre tidsperiod. Istället kan den korta mätserie som insamlats korrigeras till ett normalår med hjälp av en långtidsreferens innan den används för att beräkna energiinnehållet. I princip går normalårskorrigering ut på att relatera den korta mätserien till en eller flera variabler i långtidsreferensen. Som långtidsreferensdata kan den geostrofiska vinden på platsen eller en lång mätserie från en närliggande plats användas. Om korrelationen mellan de två serierna är tillräckligt hög kan en normalårskorrigering göras med hjälp av relationen. Tidigare har man vid normalårskorrigering främst sett till relationen mellan vindhastigheterna för den uppmätta vinden och en referensvind. Syftet i detta arbete är att utvärdera en del av en algoritm för normalårskorrigering där hänsyn tas till fler variabler än endast vindhastighet. Samband som studeras är mellan uppmätt vindhastighet och geostrofisk vindhastighet, geostrofisk vindriktning och tid på året. För utvärderingen av algoritmen har två vinddataserier från Näsudden på Gotland använts för en period av 15 år med uppmätt vind på 75m och geostrofisk vind på 850hPa. Där den geostrofiska vinden fått representera långtidsreferensen och den uppmätta vinden för ett år i taget har relaterats till denna. Efter normalårskorrigeringen har den uppmätta vinden för 15 år fått representera vindklimatet på platsen som jämförelse. Enligt algoritmen har uppskattning av vindklimatet på Näsudden skapats i tre steg. Steg 1 är en uppskattning av vinden från sambandet för geostrofisk vindhastighet. Steg 2 är en korrektion av uppskattningen genom sambandet till geostrofisk vindriktning och steg 3 en korrektion av uppskattningen genom sambandet till tid på året. Efter vart steg skickas det aktuella estimatet vidare till nästa steg där det korrigeras med avseende på nästa samband. Slutsatserna från undersökningen visade att med den metod som använts ger normalårskorrigeringen med enbart sambandet till hastighet bäst uppskattning av den klimatologiska medelvinden. Standardavvikelsen för estimatet ger 5 % risk för mer än 0,436 m/s fel vid uppskattning av klimatologisk medelvind vilket är jämförbart med tidigare studier. Vidare överskattar införandet av vindriktningsberoendet den uppskattade medelvindhastigheten samt ökar osäkerheten. Även införandet av säsongsberoendet överskattar medelvindhastigheten ytterligare samt även osäkerheten.

The large-scale, mid-latitude circulation in the upper troposphere is dominated by Rossby waves. The jet stream flows along the wave structure and surface cyclones can be found ahead of the troughs of the waves, propagating eastward. This propagation is here estimated as the zonal phase speed which is quantified using spectral analysis, producing a unique, global daily value for each day of the winter season (DJF) between 1979 and 2019. From this data set phase speed events are defined as periods of more than four consecutive days of the top or bottom 5\% phase speed values, resulting in 15 low phase speed events and 22 high phase speed events. During events of low phase speed the 2m temperature is higher than the climatology at high latitudes and lower over Europe and Siberia. Zonal wind speed at 10m and 250hPa is also found to be lower than the climatology over both the Pacific and Atlantic storm track. Furthermore, low phase speed events are found to be occurring when blocking is present on either one or both storm tracks. During high phase speed events there is an overall increase in zonal wind speed both at 10m and 250hPa over both storm tracks as well as total magnitude of wind over western Europe. These findings suggest a link of high phase speed events to windstorms over Europe. A subjective classification indicates that at the onset of high phase speed events blocking is found mainly in two regions, one at high latitudes outside the Siberian coast and one at low latitudes outside the coast of Japan, suggesting enhanced temperature gradients at the entrance of the Pacific could cause these events. / Den storskaliga cirkulationen över mellanbredderna i den övre troposfären domineras av Rossbyvågor. Dessa är en vågstruktur som formas från Jordens rotation och vorticitet och associeras med det starka flödet från jetströmmen som återfinns längs vågstrukturen. På grund av vorticiteten uppstår cykloner framför vågornas tråg och hela systemet propagerar österut. Propageringen uppskattas här som fashastighet och kvantifieras med spektralanalys, en metod där interpolering från ett spektrum används snarare än teoretiska beräkningar. Detta producerar ett unikt och globalt dygnsmedel under vintersäsongen (December, Januari, Februari) mellan 1979 och 2019, där vintern väljs på grund av den stora variabiliteten i fashastighet som observeras då. Från denna data definieras fashastighetsevent som fyra eller fler dagar i sträck med de högsta eller lägsta 5 \%-värdena, vilket resulterar i 15 event med låg fasthastighet och 22 event med hög fashastighet. Under eventen med låg fashastighet är temperaturen vid 2m högre än klimatologin vid höga breddgrader och lägre över Europa och Sibirien. Den zonala vinden vid 10m och 250hPa är också lägre än klimatologin över både lågtrycksbanan över Stilla havet och Atlanten. Vidare så fann vi att låg fashastighet uppstår i samband med atmosfärisk blockering över en eller båda lågtrycksbanor. Under event med hög fashastighet observeras en ökning i zonal vindstyrka både vid 10m och 250hPa över båda lågtrycksbanorna samt en ökad styrka i den totala magnituden av vinden över västra Europa. Dessa fynd tyder på en länk mellan hög fashastighet och vindstormar i Europa. Vid starten av event med hög fashastighet återfinns atmosfärisk blockering främst i två regioner, en vid höga breddgrader utanför den Sibiriska kusten och en vid låga breddgrader utanför Japans kust, vilket tyder på att ökade temperaturgradienter vid början av lågtrycksbanan över Stilla havet kan orsaka dessa event.

Simulations of the wind climate in complex terrain may be useful in many cases, e.g. for wind energy mapping. In this study a new mass-consistent model (MCM), the λ-model, was developed and the ability of the model was examined. In the model an initial wind field is adjusted to fulfill the requirement of being non-divergent at all points. The advance of the λ- model compared with previous MCM:s is the use of a terrain-influenced coordinate system. Except the wind field, the model parameters include constants α, one for each direction. Those constants have no obvious physical meaning and have to be determined empirically. To determine the ability and quality of the λ-model, the results were compared with results from the mesoscale MIUU-model. Firstly, comparisons were made for a Gauss-shaped hill, to find situations which are not caught by the λ-model, e.g. wakes and thermal effects. During daytime the results from the λ-model were good but the model fails during nighttime. From the comparisons between the models the importance of the α-constants were studied. Secondly, comparisons between the models were made for real terrain. Wind data from the MIUU-model with resolution 5 km was used as input data and was interpolated to a 1 km grid and made non-divergent by the λ-model. To study the quality of the results, they were compared with simulations from the MIUU-model with resolution 1 km. The results are quite accurate, after adjusting for a difference in mean wind speed between MIUU-model runs on 1km and 5 km resolution. Good results from the λ-model were reached if a climate average wind speed was calculated from several simulations with different wind directions. Especially if the mean wind speed for the domain in the λ-model was modified to the same level as in the MIUU 1 km. The λ-model may be a useful tool as the results were found to be reasonable good for many cases. But the user must be aware of situations when the model fails. Future studies could be done to investigate if the λ-model is useable for resolutions down to 100 meters. / Modellering av vindklimat i komplex terräng är användbart i många sammanhang, t ex vid vindkartering för vindenergi. I den här studien utvecklas och undersöks användbarheten av en sk. Mass-Consistent Model, λ-modellen. Modellen bygger på att ett initialt vindfält justeras för att uppfylla kontinuitetsekvationen i alla punkter. För att göra vindfältet divergensfritt används en metod som bygger på variationskalkyl. Fördelen med denna nya modell jämfört med tidigare är användandet av ett terränginfluerat koordinatsystem. I teorin för λ-modellen införs en parameter α. Då denna inte har någon självklar fysikalisk betydelse behöver den bestämmas empiriskt.   För att undersöka kvalitén hos λ-modellen gjordes jämförelser med den mesoskaliga MIUU-modellen. Det första steget var att jämföra körningar över en Gaussformad kulle, detta för att jämföra modellerna och finna situationer som λ-modellen inte löser upp. Exempel på sådana är termiska effekter och vakar. Resultaten under dagtid var bra medan under nattetid var det stora skillnader mellan modellerna. Utifrån resultaten kunde betydelsen av α-parametern studeras.   Nästa steg var att jämföra med verklig terräng. Detta gjordes för ett område i Norrbotten. Här användes vinddata från MIUU-modellen med upplösning 5 km som indata för att beräkna vinden på en skala 1 km. För att undersöka kvalitén hos λ-modellen användes data från MIUU-modellen med upplösning 1 km som jämförelse. Resultaten avseende vindvariationerna i terrängen är tillfredställande, dock med något för höga vindhastigheter i λ-modellen. Detta visade sig bero på för högre medelvind i MIUU 5 km än i MIUU 1 km. Jämförelse mellan modellerna gjordes även för Suorva-dalen i Lappland vilken omges av bergig terräng. Resultaten här var sämre avseende medelvindarna, men med bättre resultat avseende vindriktningarna.   Bra resultat för λ-modellen nåddes då resultat från flera simuleringar slogs samman till ett medelvärde. Framförallt blev resultatet bra då medelvinden justerades till samma nivå som MIUU 1 km.   Sammanfattningsvis kan sägas att resultaten från λ-modellen är rimliga i många situationer men att det är viktigt att veta i vilka situationer den inte fungerar. Framtida undersökningar bör göras för att undersöka om modellen är användbar för upplösningar ner till ca 100 meter.