[论文解读] 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 Hazra+2 more|arXiv (Cornell University)|Mar 2, 2023

Atmospheric aerosols and clouds被引用 6

一句话总结

本研究基于现场CAIPEEX机载观测，开发了一种欧拉-拉格朗日粒子型直接数值模拟（DNS）模型，用于量化印度夏季风（ISM）云中扩散生长速率和相对分散度。该研究提出了一种基于分散度的自动转换参数化方案，通过揭示相对分散度（ε ≈ 0.2–0.37）与云滴数浓度之间的线性关系，改进了气候模型中轻雨的预测；平均扩散生长速率（cₘ）范围为0.25×10⁻³至1.5×10⁻³ cm/s。

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.

研究动机与目标

• 为解决数值天气预报（NWP）模型中轻雨持续高估的问题，通过改进微物理参数化来实现。
• 利用现场机载CAIPEEX数据量化ISM云中平均扩散生长系数（cₘ）。
• 建立相对分散度（ε）与云滴数浓度（NC）之间的关联，以改进自动转换方案。
• 利用DNS和观测约束，指导气候模型中有效半径的参数化。
• 开发一种针对印度季风区域定制的、基于物理机制且依赖分散度的自动转换方案。

提出的方法

• 采用欧拉-拉格朗日粒子型DNS模型，模拟亚厘米尺度下单个水滴的生长过程。
• 利用现场CAIPEEX机载观测的云滴谱分布（DSD）、液态水含量（LWC）和云滴数浓度（NC）对模型进行标定。
• 在可变为的过饱和度和温度梯度条件下，从水滴生长动力学中计算平均扩散生长速率（cₘ）。
• 将相对分散度（ε）量化为水滴谱展宽的度量，其值在较干/较湿条件下分别约为0.2–0.37。
• 采用Liu-Daum型参数化方案实现基于分散度的自动转换方案：P_D = a₁[(1+3ε²)(1+4ε²)(1+5ε²)/(1+ε²)(1+2ε²)]·Nc⁻¹·LWC³·β，其中β通过x_c = a₂·Nc³ᐟ²·LWC⁻²定义。
• 通过与现场观测和先前研究对比验证模型，特别关注CAIPEEX数据中观测到的ε ≈ 0.36。

实验结果

研究问题

• RQ1 在季风期间，ISM云中平均扩散生长速率（cₘ）的范围和变异性如何？
• RQ2 在ISM云中，相对分散度（ε）如何随湿度和云滴数浓度（NC）变化？
• RQ3 基于分散度的自动转换方案能否改善NWP模型中轻雨和强雨的模拟？
• RQ4 湍流和气溶胶效应如何影响暖积云中水滴谱展宽？
• RQ5 DNS结果在多大程度上可指导气候模型中有效半径的参数化？

主要发现

• ISM云中平均扩散生长速率（cₘ）范围为0.25×10⁻³至1.5×10⁻³ cm/s，表明水滴生长效率存在显著差异。
• 在较干条件下，相对分散度（ε）被限制在0.2至0.37之间，在较湿条件下为0.26至0.37，与现场观测结果（ε ≈ 0.36）高度一致。
• 发现相对分散度（ε）与云滴数浓度（NC）之间存在强烈线性关系，支持将ε作为关键微物理预测因子。
• Liu-Daum型基于分散度的自动转换方案相比传统Sundqvist型方案，对湿度和水滴浓度表现出更强的敏感性，后者在不同云型间变化极小。
• 有效半径与平均体积直径之间关系的梯度（k）在不同云型中为0.65至1.0，与先前观测研究（如Martin等[78]）结果一致。
• 本研究为改进一般环流模型中印度季风区域的自动转换和有效半径参数化，提供了一个经验证的、基于观测的框架。