[논문 리뷰] Eulerian-Lagrangian particle-based model for diffusional growth for the better parameterization of ISM clouds: A road map for improving climate model through small-scale model using observations

Moumita Bhowmik, Anupam Hazra외 2명|arXiv (Cornell University)|2023. 03. 02.

Atmospheric aerosols and clouds인용 수 6

한 줄 요약

이 연구는 인도 여름 monsoon(ISM) 구름에서 현장 CAIPEEX 항공 관측을 이용해 확산 성장 속도와 상대 분산을 정량화하기 위해 오일러-라그랑주 입자 기반 직접 수치 시뮬레이션(DNS) 모델을 개발한다. 이는 상대 분산(ε ≈ 0.2–0.37)과 구름 수증기 농도 농도(NC) 사이의 선형 관계를 보여주며, 평균 확산 성장 속도(cₘ)가 0.25×10⁻³에서 1.5×10⁻³ cm/s 범위로 변동함으로써 기후 모델에서 경미한 강우 예측을 향상시키는 분산 기반 자동전환 파rameterization을 제안한다.

ABSTRACT

The quantitative prediction of the intensity of rainfall events (light or heavy) has remained a challenge in Numerical Weather Prediction (NWP) models. For the first time the mean coefficient of diffusional growth rates are calculated using an Eulerian-Lagrangian particle-based small-scale model on in situ airborne measurement data of Cloud Aerosol Interaction and Precipitation Enhancement Experiment (CAIPEEX) during monsoon over Indian sub-continent. The results show that diffusional growth rates varies in the range of 0.00025 - 0.0015(cm/s). The generic problem of the overestimation of light rain in NWP models might be related with the choice of cm in the model. It is also shown from DNS experiment using Eulerian-Lagrangian particle-based small-scale model that the relative dispersion is constrained with average values in the range of ~ 0.2 - 0.37 (~ 0.1- 0.26) in less humid (more humid) conditions. This is in agreement with in situ airborne observation (dispersion ~ 0.36) and previous study over Indian sub-continent. The linear relationship between relative dispersion and cloud droplet number concentration (NC) is obtained from this study using CAIPEEX observation over Indian subcontinent. The dispersion based autoconversion-scheme for Indian region must be useful for the Indian summer monsoon precipitation calculation in the general circulation model. The present study also provide valuable guidance for the parameterization of effective radius, important for radiation scheme.

연구 동기 및 목표

• 기상예보모델(NWP)에서 지속적으로 경미한 강우를 과대평가하는 문제를 해결하기 위해 미세구조 파rameterization을 개선한다.
• ISM 구름의 현장 항공 CAIPEEX 데이터를 이용해 평균 확산 성장 계수(cₘ)를 정량화한다.
• 자기전환 기반 개선을 위해 상대 분산(ε)과 구름 수증기 농도 농도(NC) 사이의 관계를 수립한다.
• DNS 및 관측 제약 조건을 활용하여 기후 모델에서 효과적 반경 파rameterization을 안내한다.
• 인도 monsoon 지역에 특화된 물리적 기반의 분산 의존 자동전환 기반 모델을 개발한다.

제안 방법

• 하나의 수증기 방울 성장 시뮬레이션을 위해 센티미터 이하 척도에서 오일러-라그랑주 입자 기반 DNS 모델을 사용한다.
• 모델 校정을 위해 구름 수증기 크기 분포(DSD), 액체수증기 농도(LWC), 수증기 농도 농도(NC)의 현장 CAIPEEX 항공 측정 자료를 사용한다.
• 변동하는 과포화도 및 온도 기울기 조건 하에서 수증기 방울 성장 역학으로부터 평균 확산 성장 속도(cₘ)를 계산한다.
• 상대 분산(ε)을 수증기 크기 분포의 넓어짐 정도를 측정하는 척도로 정의하며, 습도가 낮거나 높은 조건에서 각각 ε ≈ 0.2–0.37 범위로 관측된다.
• Liu-Daum 유형의 분산 기반 자동전환 기반 파라미터화 방식을 적용: P_D = a₁[(1+3ε²)(1+4ε²)(1+5ε²)/(1+ε²)(1+2ε²)]·Nc⁻¹·LWC³·β, β는 x_c = a₂·Nc³ᐟ²·LWC⁻²로 정의된다.
• 특히 CAIPEEX 자료에서 관측된 ε ≈ 0.36와 일치하는 바를 고려해 모델을 현장 관측 및 이전 연구와 검증하였다.

실험 결과

연구 질문

• RQ1 ISM 구름에서 여름 monsoon 기간 동안 평균 확산 성장 속도(cₘ)의 범위와 변동성은 무엇인가?
• RQ2 ISM 구름에서 상대 분산(ε)은 습도 및 구름 수증기 농도 농도(NC)에 따라 어떻게 변화하는가?
• RQ3 분산 기반 자동전환 기반 모델이 NWP 모델에서 경미한 강우 및 강우의 강도를 향상시키는 데 기여할 수 있는가?
• RQ4 turbulent 및 에어로졸 영향이 따뜻한 쌍곡운에서 수증기 크기 분포 넓어짐에 미치는 영향은 무엇인가?
• RQ5 DNS 결과가 기후 모델에서 효과적 반경 파라미터화에 얼마나 잘 지침을 줄 수 있는가?

주요 결과

• ISM 구름에서 평균 확산 성장 속도(cₘ)는 0.25×10⁻³에서 1.5×10⁻³ cm/s 범위로 변동하며, 수증기 방울 성장 효율의 상당한 변동성을 나타낸다.
• 습도가 낮은 조건에서는 상대 분산(ε)이 0.2에서 0.37 사이로 제약되며, 습도가 높은 조건에서는 0.26–0.37 사이로 제약되며, 현장 관측 결과(ε ≈ 0.36)와 매우 유사하다.
• 상대 분산(ε)과 구름 수증기 농도 농도(NC) 사이에 강한 선형 관계가 발견되어, ε이 중요한 미세구조 예측 변수로 활용될 수 있음을 뒷받침한다.
• Liu-Daum 유형의 분산 기반 자동전환 기반 모델은 전통적인 Sundqvist 유형 모델에 비해 습도 및 수증기 농도 농도에 더 민감한 반응을 보이며, 다양한 구름 유형 간에 변화가 거의 없는 전통적 모델과 대비된다.
• 효과적 반경과 평균 부피 직경 간의 기울기(k)는 다양한 구름 유형에서 0.65에서 1.0 사이로 변동하며, 이는 이전 관측 연구 결과(예: Martin 등 [78])와 일치한다.
• 본 연구는 인도 monsoon 지역의 일반 순환 모델에서 자동전환 및 효과적 반경 파라미터화를 향상시키기 위한 검증된, 관측에 기반한 프레임워크를 제공한다.