共生課題2 2.温暖化・大気組成変化相互作用モデル開発 温暖化-雲・エアロゾル・放射フィードバック精密評価 久芳奈遠美 KUBA Naomi 地球フロンティア研究システム IPCC 2001 対流圏エアロゾルの間接放射強制力の見積もりは いまだに不確定性の大きい問題であり、その主な 要因はエアロゾルと雲の関係が不確定であること による。 雲凝結核(CCN)が雲の光学特性および降水形成効率に及ぼす影響 数値実験 微物理学的雲モデル 活性化 凝結 / 蒸発 併合 重力落下 CCN (エアロゾル) 粒径分布 化学組成 上昇流速度 雲粒 気候変動 粒径分布 放射収支 光学特性 水循環 降水形成効率 観測 観測 CCNカウンター 2DC FSSP 雲レーダ ドップラーライダ 衛星データ レーダ 長期・全球観測 雲凝結核(CCN)が雲の光学特性および降水形成効率に及ぼす影響 数値実験 微物理学的雲モデル 活性化 凝結 / 蒸発 併合 重力落下 CCN (エアロゾル) 粒径分布 化学組成 上昇流速度 雲粒 気候変動 粒径分布 放射収支 光学特性 水循環 降水形成効率 観測 観測 CCNカウンター 2DC FSSP 雲レーダ ドップラーライダ 衛星データ レーダ 長期・全球観測 GCM におけるエアロゾルの間接放射強制力の評価 1. CCSR/NIES の場合 放射計算に用いる有効半径 re を雲粒数密度 Nd から計算する。 Nd = e Na Nm / (e Na + Nm ) Na ⇒ 0 : Nd ⇒ e Na Na ⇒ ∞ : Nd ⇒ Nm (constant) Nd:雲粒数密度 Na:総エアロゾル数密度(sulfate, carbon, sea salt) 2. ECHAM GCMの場合 Nd = w Na / ( w + a Na ) w = wm + c TKE ½ Ghan et al. (1993) w : 雲内上昇流速度 wm : grid 内平均上昇流速度 TKE :turbulent kinetic energy FRSGC での研究成果 詳細雲モデルを開発し、数値実験によって雲の光学的性質 や雲粒数密度を予測するパラメタリゼーションを開発。 Kuba et al., 2003 : Parameterization of the Effect of Cloud Condensation Nuclei on Optical Properties of a Non-precipitating Water Layer Cloud J. Meteorol. Soc. Japan, 81, 2 平衡蒸気圧曲線 (表面張力効果 + 溶質効果) Equilibrium Supersaturation (%) rd :凝結核 ( (NH4) 2SO4 / NaCl ) の乾燥時の半径 2.0 rd = 0.01 mm 1.5 1.0 0.5 純水の場合 rd = 0.02 mm rd = 0.1 mm 0.0 rd = 1.0 mm (NH4) 2SO4 NaCl Equilibrium Supersaturation (%) 平衡蒸気圧曲線と環境の過飽和度 2.0 (NH4) 2SO4 NaCl 1.5 environment 1.0 0.5 0.0 Equilibrium Supersaturation (%) 環境の過飽和度が下がってくると… 2.0 (NH4) 2SO4 NaCl 1.5 1.0 environment 0.5 0.0 Equilibrium Supersaturation (%) 臨界過飽和度と臨界半径 2.0 critical supersaturation 1.5 1.0 0.5 0.0 critical radius (NH4) 2SO4 NaCl 雲内の過飽和度と雲粒半径の鉛直変化 Supersaturation (%) Altitude (m) 0.0 0.1 0.2 rd = 0.051 mm rd = 0.101 mm rd = 0.050 mm 0.3 rd = 1.03 mm Smax cloud base Radius of droplet (mm) CCN size distribution constituent Updraft S(x(t),y(t)) Smax Cloud Droplet Concentration Maximum value of super saturation Smax S(x,y) ; t=tn Smax S(t) ; x=xi y=yk S Smax t Lagrangian spatial temporal The two types of computational scheme. Layer Framework Near the cloud base Lagrangian nj Fixed values Number concentration of CCN included in each class. ( 1 j 155 ) Variable values rj (t ) Radius of droplets forming on CCN included in each class. Activation Takeda and Kuba (1982) Condensation Takeda and Kuba (1982) Coalescence t not considered 0.001 – 0.1 s Middle and upper Eulerlian ri r1 2 i 1 3k Representative radius of droplets included in each bin. 1 ( i 140 ) ni (t ) Number concentration of droplets included in each bin. not considered DL – method (Kuba et al., 2001) Bott’s (1998) method 0.5 - 2.0 s Smax の予測式 :Nc(X%)と上昇流速度の関数による近似 Smax (%) 1 0.1 S max = H N c (0.075%) I Vbase m s-1-0.230 S max = 0.710 N =0.24 c (0.075%) H = 1.16V base 0.344 -1-0.262 S max = 0.559 N=0.12 (0.075%) Vbase m s c I = - 0.176V base -0.187 -0.298 S max = 0.441 N c=0.06 (0.075%) Vbase m s-1 0.01 1 10 100 -3 N c (0.075%) (cm ) 1000 1000 N d = min[a{N c ( S=S max ) - b )( N c ( S = S max ) - c } , N c ( S = S max )] Nd をCCNスペクトルから予測する近似式 a=-0.0231V -0.0108V -0.00180 2 base base b=70.0V base -12.9 c=8420V c maxbase +278 Nd = min [ E(N (S ) - F)(Nc(Smax) - G) , Nc(Smax) ] for N c (S=S max ) < 0.5(b+c) Vbase= 0.24 m s-1 Nd Vbase= 0.12 m s-1 500 Vbase= 0.06 m s-1 Nc(Smax) が大きい時 Vbase が小さい時 Nd = Nc(Smax) にならない 0 0 500 N c (S=S max ) Nc(Smax) (cm-3) 1000 雲の光学的厚さの近似式 100 t =tA=aN Ndd Bb a=0.121LWP 0.702 Optical Thickness t 0.702 A = 0.121 LWP 0.0538 b=0.274LWP B = 0.274 LWP 0. 0538 10 Nd と LWP の関数として表す LWP = 100 g m-2 (300 m) LWP = LWP=100g 70 g m-2 m-2 (250 m)(300 m) -2 LWP = LWP= 44 g m70g m-2 (200 m)(250 m) LWP= 44g m-2 (200 m) Nd および LWP がわかれば、 τを予測できる。 τ および LWP がわかれば、 Nd を推測できる。 1 10 100 1000 Number m concentration of cloud droplets 雲底から100 での雲粒数密度 Nd (cm-3) at 100 m above cloud base N d (cm-3) 雲粒の有効半径の近似式 Nd の方が Re より指標として有効 100 100 -D Re = C N R ed= aN d -b Effective Radius Re (mm) a=6.41Z 0.380 C = 6.41b=0.288Z Z 0.380 0.0254 D = 0.288 Z 0. 0254 雲底からの高度 10 10 Z=275 m Z=225 m Z=175 m Z=125 m Z= 75 m Z= 25 m 11 10 10 100100 Number Concentration of Cloud Droplets -3 雲底から100 m での雲粒数密度 at 100 m above cloud base N d (cm ) Nd 1000 1000 (cm-3) 雲粒数密度を表す近似式 : Nc(X%) と Vbase の関数 Nc(X%) と Vbase がわかれば、 Nd を予測できる。 1000 Nd と Vbase がわかれば、 Nc(X%) を推定できる。 Vbase= 0.24 m s-1 Vbase= 0.12 m s-1 Vbase= 0.06 m s-1 J = 724V base - 8.07 800 K = - 2410V base + 70.4 600 -3 (cm ) Number concentration of cloud droplets at 100 m above cloud Base Nd N d = J lnN c (0.2%)+K 400 200 0 0 200 400 600 -3 N c (0.2%) (cm ) 800 1000 開発した手法 (パラメタリゼーション) Revised CCN 過飽和度スペクトル 雲底付近の 上昇流速度 Vbase Nc(0.075%) New Nc(0.2%) Nc(Smax) Smax 鉛直積算雲水量 LWP 雲粒数密度 Nd 雲の光学的厚さ・雲粒の有効半径 t, Re 研究方針 GCMに組み込むための、エアロゾル(CCN)の気候への 影響を評価できるをパラメタリゼーションを開発する。 非降水性の層雲の光学的厚さ t を 雲粒数密度 Nd と鉛直積算雲水量 LWP から導く式 Nd をCCNの情報と上昇流速度から予測する式 問題点:雲内の上昇流、雲の LWP を格子点値からどう やって算出するか? 高解像度全球モデル(Icosahedoron non-hydrostatic model: 10 km grid ) による数値計算結果との比較 課題3(0.1 km grid 雲解像モデル)との連携 研究方針 (続き) 1. 詳細雲微物理モデルとGCMの間をつなぐ、 新しいプラットフォーム(全球モデル) によるシミュレーション new icosahedron grid & non‐hydrostatic model new mode decomposition cloud microphysical model ? new nesting algorithm SPRINTARS の導入 Simplified radiation code ? 2. 検証 SKYNET site のデータ Lidar + Cloud radar のデータ 衛星データ(MODIS, GLI, SeaWiFS, AVHRR)
© Copyright 2024 ExpyDoc