Investigation of the phase distribution and related parameters in mixed-phase clouds using satellite observations and model simulations

Eine der größten Unsicherheiten in numerischen Wettervorhersagen und Klimamodellen ist die Darstellung von Mischphasenwolken. In Mischphasenwolken können Hydrometeore, die aus Eis und unterkühltem flüssigen Wasser (d. h. Wasser unter 0$^\circ$C) bestehen, koexistieren. Im Mischphasentemperaturbereich (von $-40^\circ$C bis 0$^\circ$C) sind eisbildende Partikel (engl.~ ice nucleating particles, INPs, z. B. Mineralstäube, biologische Aerosolpartikel) notwendig, damit eine Vereisung möglich ist. Die Aufteilung in Flüssigkeit und Eis hängt nicht nur von den INPs ab, sondern zum Beispiel auch von der Wolkendynamik und den Eisvermehrungsprozessen, die wiederum die Lebensdauer und Niederschlagsart dieser Wolken und die Energiebilanz zwischen Erde und Atmosphäre auf lokaler und globaler Ebene beeinflussen. ... mehr
In dieser Arbeit wird die Eis- und Flüssigkeitsverteilung in Mischphasenwolken analysiert: zunächst im Vergleich unter Verwendung von 4 Jahren kollokierter und nicht kollokierter Beobachtungen von aktiven und passiven Satellitensensoren; dann im Vergleich unter Verwendung von Beobachtungen passiver Satellitensensoren, globaler Klimamodelle und globaler sturmauflösender Modelle; schließlich zur Anpassung globaler Klimamodelle für eine realistischere Darstellung von Mischphasenwolken.
Die thermodynamische Phasenaufteilung von Wolken, hier dargestellt durch den Anteil der unterkühlten Flüssigkeit (engl.~ supercooled liquid fraction, SLF), wird für verschiedene Wolkentypen zwischen 60$^\circ$ Nord und Süd analysiert und auch nach Breitengrad sowie kontinentalen und maritimen Regionen unterteilt. Weitere Untersuchungen auf der Grundlage der geografischen Verteilung von Mischphasenwolken und des effektiven Radius von Wolkentröpfchen (eng.~ liquid effective radius, $r_{liq}$) wurden durchgeführt, um die makro- und mikrophysikalischen Prozesse in Mischphasenwolken besser zu verstehen.
Trotz eines Phasen- und Temperaturunterschiedes zwischen passiven und aktiven Satellitenretrievals stimmen die Datensätze qualitativ in Bezug auf hemisphärische, Land-Ozean- und Wolkentypen-Abhängigkeiten überein, z. B. zeigen sie einen größeren SLF in der SH als in der NH, was wahrscheinlich auf mehr INPs in der Nordhalbkugel (engl.~ Northern Hemisphere, NH) als in der Südhalbkugel (eng.~ Southern Hemisphere, SH) zurückzuführen ist, mit Ausnahme von kontinentalen Mischphasenwolken in niedriger Höhe, die das gegenteilige Ergebnis zeigen. Darüber hinaus unterstreichen die in diesem Vergleich gefundenen Übereinstimmungen das Potenzial passiver Satellitenmessungen, einen Beitrag zur Erforschung der Wolkenphasen zu leisten. Beim Vergleich passiver Satellitenmessungen, globaler Klimamodelle und globaler sturmauflösender Modelle stimmen die Datensätze trotz Unstimmigkeiten über den Anteil der Mischphasenwolken größtenteils über ihre geografische Lage überein, hauptsächlich in den mittleren Breiten. Alle Datensätze zeigen, dass die SLF mit der Temperatur der Wolkenobergrenze abnimmt, aber die Modelle können die hemisphärischen, Land-Ozean- und Wolkenarten-Abhängigkeiten der Beobachtungen oft nicht reproduzieren: nur einer (von zwei) der Beobachtungsdatensätze und zwei (von vier) der Modelldatensätze reproduzieren das vorherige Ergebnis einer größeren SLF in der SH als in der NH, mit Ausnahme der kontinentalen Mischphasenwolken in niedriger Höhe. Die Beobachtungsdatensätze zeigen, dass tiefliegende Mischphasenwolken über dem Ozean größere $\overline{r_{liq}}$ aufweisen als über dem Land, was mit dem Twomey-Effekt zusammenhängen kann, aber auch, dass große Werte von $\overline{r_{liq}}$ in Gebirgsregionen zu finden sind, die zwischen 30$^\circ$ und 60$^\circ$ Süd dominieren. Orographische Aufwinde können sowohl das Vorhandensein größerer $\overline{r_{liq}}$ in kontinentalen Mischphasenwolken in niedriger Höhe zwischen 30$^\circ$ und 60$^\circ$ Süd als auch die für diese Wolken im Vergleich zu den anderen Regionen festgestellte niedrigere SLF erklären.
Darüber hinaus zeigen die Beobachtungen einen Anstieg von $\overline{r_{liq}}$ mit abnehmender SLF, was möglicherweise auf die Kollision von Tröpfchen und ihre anschließende Aggregation zu größeren Tröpfchen beim Aufstieg in der Wolke zurückzuführen ist. Bei einigen Wolkentypen nimmt die Häufigkeit der SLF-$\overline{r_{liq}}$-Bins mit abnehmendem SLF ab, was durch Tröpfchenvereisung aufgrund von Kollisionen mit anderen Tröpfchen oder mit Eiskristallen im Temperaturbereich der Mischphase verursacht werden kann.
Anhand der aus Beobachtungen berechneten SLF an der Oberseite und im Inneren von Mischphasenwolken wurden globale Klimamodelle angepasst, indem die Effizienz des Wegener-Bergeron-Findeisen-Prozesses, die INPs-Konzentration und die Vereisungstemperatur von Wolkenpartikeln, die von konvektiven Aufwinden abgezogen werden, verändert wurden. Nach der Modellabstimmung stimmten die simulierten SLF an der Oberseite und im Inneren der Mischphasenwolken gut mit den Beobachtungen überein.

One of the largest uncertainties in numerical weather prediction and climate models is the representation of mixed-phase clouds. In mixed-phase clouds, hydrometeors consisting of ice and supercooled liquid water (i.e., water below 0$^\circ$C) can coexist. In the mixed-phase temperature range (from $-40^\circ$C to 0$^\circ$C), ice-nucleating particles (INPs, e.g., mineral dusts, biological aerosol particles) are required for glaciation to be possible. The partitioning into liquid and ice depends not only on the INPs, but also, for example, on cloud dynamics and ice multiplication processes, which in turn influence the lifetime and precipitation type of these clouds and the Earth-atmosphere energy balance at local and global scales. ... mehr
In this thesis, the ice and liquid partitioning in mixed-phase clouds is analysed: first, using and comparing 4 years of collocated and non-collocated observations from both active and passive satellite sensors; then, using and comparing observations from passive satellite sensors, global climate models and global storm-resolving models; finally, to tune global climate models for a more realistic representation of mixed-phase clouds. The thermodynamic phase partitioning of clouds, here represented by the supercooled liquid fraction (SLF), is analysed for different cloud types between 60$^\circ$ North and South, and also stratified by latitude and continental and maritime regions. Further investigations based on the geographical distribution of mixed-phase clouds and the liquid effective radius ($r_{liq}$) have been carried out to better understand the macro- and microphysical processes in mixed-phase clouds.
Despite a phase and temperature mismatch between passive and active satellite retrievals, the datasets qualitatively agree on hemispheric, land-ocean and cloud-type dependencies, e.g., showing larger SLF in the Southern Hemisphere (SH) than in the Northern Hemisphere (NH), probably due to more INPs in the NH than in the SH, except for low-level continental mixed-phase clouds, which show the opposite result. Furthermore, the agreements found in this comparison highlight the potential of passive satellite retrievals to contribute to cloud-phase research. Comparing passive satellite retrievals, global climate models and global storm-resolving models, despite disagreements on the amount of mixed-phase clouds, the datasets mostly agree on their geographical location, mainly in mid-latitudes. All datasets show that SLF decreases with cloud top temperature, but models often fail to reproduce the hemispheric, land-ocean and cloud type dependencies of the observations: only one (out of two) of the observational and two (out of four) of the model datasets reproduce the previous result of greater SLF in the SH than in the NH, with the exception of low-level continental mixed-phase clouds. The observational datasets show that low-level mixed-phase clouds have larger $\overline{r_{liq}}$ over the ocean than over land, which can be related to the Twomey effect, but also that large values of $\overline{r_{liq}}$ are found in mountainous regions, which are dominant between 30$^\circ$ and 60$^\circ$ South. Orographic updrafts may explain both the presence of larger $\overline{r_{liq}}$ in low-level continental mixed-phase clouds between 30$^\circ$ and 60$^\circ$ South and the lower SLF found for these clouds compared to the other regions.
In addition, observations show an increase in $\overline{r_{liq}}$ with decreasing SLF, possibly due to the collision of droplets and their subsequent aggregation into larger droplets as they ascend in the cloud. Some cloud types show a decrease in the SLF-$\overline{r_{liq}}$ bin frequency with decreasing SLF, which may be caused by droplet glaciation due to collision with other droplets or with ice crystals in the mixed phase temperature range.
Using SLF calculated from observations at the top of and inside mixed-phase clouds as a reference, global climate models were tuned by modifying the efficiency of the Wegener-Bergeron-Findeisen process, the INPs concentration, and the glaciation temperature of cloud particles detrained from convective updrafts. After model tuning, the simulated SLF at the top and in the inside mixed-phase clouds were in good agreement with the observations.