Untersuchung der Verteilung von Spurengasen mit ICON-ART

Die Verbesserung Atmosphärischer Chemie-Klima-Transportmodelle hat, neben dem Erlangen von neuen Erkenntnissen, in den Atmosphärenwissenschaften eine hohe Priorität. Insbesondere die Atmosphäre und dazugehörigen Interaktionen im Klimassystem können durch eine erhöhte Modellgenauigkeit und damit verbundenen reduzierten Fehlern, besser verstanden werden. Großes Potential besteht beispielsweise in der Simulation des kurzlebigen Hydroxylradikals (OH). Es stellt eines der wichtigsten Oxidanten der Atmosphäre dar, weshalb einer möglichst recheneffizienten, aber dennoch genauen Modellierung dieses Spurengases eine großen Wichtigkeit zukommt. Im Rahmen dieser Arbeit werden zwei Simulationen mit dem Modellsystem ICON-ART (ICOsahedral Nonhydrostatic model - Aerosol Reactive Trace gases module) durchgeführt. Hierbei stehen inzwischen zwei Möglichkeiten der Modellierung von Spurengasen zur Verfügung: Zum einen eine Methode unter Verwendung einer parametrisierten Chemie und zum anderen eine Miteinberechnung aller relevanten Reaktionen eines beliebigen Reaktionsmechanismuses mit Hilfe der zugrundeliegenden Differentialgleichungen. Um diese Ansätze systematisch vergleichen zu können, wurden zwei korrespondierenden globalen Simulationen erzeugt. ... mehrDie benötigten Rechenleistungen unterscheiden sich hierbei um 15 %. Zu einem Vergleich der Ergebnisse wurden publizierte Messdaten mit einbezogen. Dabei wird unter anderem deutlich, dass letztgenannte Methode zwar genauer ist, aber unter Analyse der Rechenzeiten, eine Simulation auch mehr Zeit benötigt. Mögliche Ursachen der unterschiedlichen Ergebnisse beziehen sich auf das numerische Lösungsverfahren der beiden Ansätze. Dabei wird ersichtlich, dass vor allem aufgrund der hohen Rechenintensivität eine operationelle Modellierung nach diesem Schema so nicht dauerhaft durchführbar ist. Daher werden die Vorteile zweier weiteren Simulationsansätze beleuchtet, die vielversprechende Anzeichen in Bezug auf Simulationszeiten haben. Zum einen zeigen Machine Learning Methoden nach Anderson et al. (2022) großes Potential, mit Hilfe eines Trainingsdatensatzes für individuelle Probleme noch effizientere Parametrisierungen zu erstellen. Zum anderen, wird auf die noch in der Entwicklung befindliche Methode der sonnenzenitwinkelabhängigen OH-Modellierung nach Vorbild von Minschwaner et al. (2011) eingegangen, die dies schon für die mittlere Atmosphäre durchgeführt hat. Das Ziel besteht nun darin, OH auch in der Troposphäre lediglich anhand von einer Formel in Abhängigkeit zum Sonnenzenitwinkel berechnen zu können, was zum einen eine deutliche Vereinfachung der tatsächlichen Bedingungen darstellt, zum anderen aber die Geschwindigkeit der OH-Berechnung deutlich erhöhen kann. Die der Formel zugrundeliegenden und untersuchten Fit Parameter zeigen eine Höhen-, Breiten- und Zeitabhängigkeit, die es gilt, in der OH-Modellierung anhand dieser Methode zu berücksichtigen.