Aerosole dienen als Kondensationskerne (CCN) und verändern die Wolkentropfenkonzentration (Nd) und weitere Wolkeneigenschaften. Nd ist daher ein Schlüsselparameter von Aerosol-Wolken-Wechselwirkungen (ACI). ACI sind bezüglich ihrer Klimarelevanz nur unzureichend bestimmt. ACI wurden auf verschiedenen Skalen und mit unterschiedlichen Methoden von unterschiedlichen Perspektiven aus untersucht, was zu einer großen Variabilität von ACI Metriken in der Literatur führt. Für eine genauere Quantifizierung von ACI, wurden in dieser Arbeit damit verbundene, entscheidende Unsicherheiten diskutiert, u.a. das Einmischen trockener Luft, Unsicherheiten von Retrieval-Methoden und die Konsistenz von Schlüsselparametern auf verschiedenen Skalen. Um Nd und weitere Wolkeneigenschaften aus passiven Satellitenbeobachtungen für Flüssigwasserwolken abzuleiten, wird oft das adiabatische Modell herangezogen. Es wurde untersucht, inwiefern dieses Modell reale Bedingungen wiedergibt. Es wurde gezeigt, dass Wolken typischerweise subadiabatisch sind, mit stark reduziertem Flüssigwassergehalt nahe der Wolkenoberkante. Der Einmischprozess variiert zeitlich stark und erschwert die Quantizierung von ACI. Für unterschiedliche Cloudnet-Stationen variieren die Medianwerte des subadiabatischen Faktors von 0.35+/-0.12 bis 0.48+/-0.22. Dieser hängt stark von der geometrischen Wolkendicke ab, wobei dickere Wolken subadiabatischer sind. Die Ableitung von Nd aus bodenbasierten Radar-Radiometer-Beobachtungen ist sehr sensitiv gegenüber a-priori Annahmen. Um zusätzliche Beobachtungen und Unsicherheiten berücksichtigen zu können, wurde ein neuartiges Optimal Estimation (OE) Retrieval entwickelt und mittels synthetischer Wolkenprofile evaluiert. Mittels einer Sensitivitätsstudie konnte die Verbesserung der Retrieval-Genauigkeit für die OE Methode gezeigt werden, wenn die Beobachtungen der optischen Dicke mit berücksichtigt werden. Die Annahme einer typischen Breite der Tropfengrößenverteilung ist dabei eine der größten Unsicherheiten von Nd (Unsicherheit für die OE Methode etwa 150%, für die Radar-Radiometer-Methode etwa 200%). Desweiteren wurden aus unterschiedlichen Perspektiven abgeleitete wolkenmikrophysikalische Größen hinsichtlich ihrer Konsistenz untersucht. Beim Vergleich von Nd und des Effektivradius (re) vom bodengebundenen Retrieval mit in-situ Beobachtungen für einen Falltag wurde eine gute Übereinstimmung gefunden. Beim Vergleich der von SEVIRI und Bodenstationen abgeleiteten Wolkeneigenschaften haben sich mittlere quadratische Abweichungen des Flüssigwasserpfads und der optischen Dicke von jeweils 65 gm2 und 14 ohne signifikanten Bias gezeigt. Damit zeigt sich SEVIRI für großskalige, statistische ACI-Untersuchungen repräsentativ zur Bodenperspektive. Für individuelle Falltage traten jedoch teils größere Unterschiede auf, welche durch Inhomogenitäten und Auflösungseffekte erklärt werden können. Mit SEVIRI Beobachtungen und aus der MACC Reanalyse abgeleiteten CCN Konzentrationen wurde eine Quantifizierung von ACI für das Jahr 2012 durchgeführt. Dabei wurde für Europa ein deutlicher, mikrophysikalischer Effekt gefunden, d.h. eine Abnahme von re und eine Zunahme von Nd mit zunehmender CCN Konzentration. Im Gegensatz dazu wurde für die Wolkenalbedo kein eindeutiger Anstieg mit der CCN-Konzentration gefunden. Verwendet man die Aerosol-optische Dicke (AOD) anstelle der CCN-Konzentration, sind die Werte der ACI Metrik nur halb so groß. Dieses Ergebnis deutet darauf hin, dass die AOD kein optimaler CCN-Proxy ist.
| Identifer | oai:union.ndltd.org:DRESDEN/oai:qucosa:de:qucosa:15675 |
| Date | 29 March 2017 |
| Creators | Merk, Daniel |
| Contributors | Deneke, Hartwig, Macke, Andreas, Bennartz, Ralf, Universität Leipzig |
| Source Sets | Hochschulschriftenserver (HSSS) der SLUB Dresden |
| Language | English |
| Detected Language | German |
| Type | doc-type:doctoralThesis, info:eu-repo/semantics/doctoralThesis, doc-type:Text |
| Rights | info:eu-repo/semantics/openAccess |
Page generated in 0.0022 seconds