Abstract:
Wolken bedecken einen Großteil der Erde und beeinflussen ihre Strahlungsbilanz. Systematische Fehler in der Repräsentation von Wolken und deren Phase können zu Strahlungsfehlern in Modellen führen, was sich beispielsweise wiederum auf die Oberflächentemperaturen auswirken kann. Solche Strahlungsfehler werden seit langem über dem Südlichen Ozean nachgewiesen und sind auch in den neusten Versionen vieler Klimamodelle vorhanden. Auch der Arktische Ozean zeigt Fehler in der Repräsentation von Wolken in Klima- und Wettermodellen.
Um das Verständnis der Wolkenphase, das heißt die Aufteilung von Flüssigkeit und Eis in Wolken, in diesen Regionen zu verbessern, zeigt diese Arbeit eine umfassende Analyse eines zweijährigen, hauptsächlich satellitengestützten Datensatzes. ... mehrAuf Basis der Höhen von Wolkenunterkante und -oberkante werden die Wolken in die Kategorien L (low-level), M (mid-level), H (high-level), ML (mid-low-level), HM (high-mid-level), HML (high-mid-low-level) eingeteilt. Ein häufiges Vorkommen von niedrigen Wolken (L) von 21 % über dem Arktischen Ozean und von 25.6 % über dem Südlichen Ozean wurde gefunden, aber auch Wolken die mittlere Höhen abdecken (ML, HML, M, HM) summieren sich zu einen Gesamthäufigkeit von ungefähr 15 %. Alle untersuchten Wolkenarten zeigen relativ häufiges Auftreten von Mischphasenwolken (≥24 %), aber nur Wolken der Kategorien L, M und ML kommen als Flüssig-, Eis-, und Mischphasenwolken vor und tragen einen Großteil zu der Häufigkeit von Wolken im Mischphasentemperaturbereich bei. Niedrige Wolken (L) zeigen die höchsten Flüssiganteile innerhalb einer vertikalen Wolkensäule, gefolgt von mittelhohen (M) Wolken. Wolken über dem Südlichen Ozean zeigen höhere Flüssiganteile für Wolkenoberseitentemperaturen niedriger als −10 °C, während der Flüssiganteil für höhere Temperaturen über dem Arktischen Ozean größer ist. Außerdem werden lokale Minimas des Flüssiganteils bei Temperaturen von ca. −15 °C und −5 °C gefunden. Prozesse wie dendritisches Wachstum und Sekundäreisbildung werden als mögliche Ursachen diskutiert. Der Flüssiganteil ist in beiden Hemisphären in niedrigen Wolken (L) über Meereis größer als über dem offenen Meer. Ein schwächeres Signal wird in Wolken der Kategorien M und ML gesehen. Aerosolreanalysen zeigen niedrigere Meersalzmischungsverhältnisse über Meereis, wobei in dieser Arbeit Meersalz als Indikator für Meeresgischt verwendet wird. Außerdem korrelieren hohe Meersalzmischungsverhältnisse besonders in iedrigen Wolken (L) mit abnehmenden Flüssiganteilen, während mittelhohe Wolken (M) eine starke Korrelation mit Staub zeigen, was wahrscheinlich mit dem großräumigen Aerosoltransport zusammenhängt. Die größten kurzwelligen Wolkenstrahlungseffekte werden in Wolken der Kategorien HM und ML über dem Südlichen Ozean gezeigt. Meistens zeigen Mischphasenwolken größere kurzwellige Wolkenstrahlungseffekte als Eis- oder Flüssigwolken. Alle untersuchten Wolkentypen zeigen negative Nettowolkenstrahlungseffekte. Niedrige Wolken (L) tragen am meisten zu den kurzwelligen Wolkenstrahlungseffekten bei, gefolgt von ML Wolken, da diese Wolkenarten häufiger auftreten.
Um die Bedeutung der Faktoren, Temperatur, Meereisbedeckung, Meersalz und Staub für die Wolkenphase in Wolken der Kategorien M, L, und ML zu untersuchen wird eine erklärbare Methode des maschinellen Lernens verwendet. Meersalz scheint den Flüssiganteil besonders in niedrigen Wolken (L) zu verringern, während mittelhohe Wolken (M) stärker durch transportiere Aerosole wie Staub beeinflusst werden. Die räumliche Verteilung von den verschiedenen Einflüssen zeigt, dass Meereisbedeckung die Freisetzung von Meersalzaerosolen zu verhindern scheint und starke Westwinde den polwärtigen Transport von Staub über dem südlichen Ozean verhindern können, was zu einem starken meridionalen Gradienten mit flüssigeren Wolken in höheren Breiten über dem Südlichen Ozean durch weniger Eisnukleationspartikel (ice nucleating particles, INPs) führt. Über dem Arktischen Ozean ist die räumliche Verteilung stärker durch die Landverteilung beeinflusst.
Die Beobachtungsergebnisse zu Wolkenhäufigkeiten, Wolkenphasen und dem Einfluss von Meereis werden mit Simulationsergebnissen des nicht-hydrostatischen icosahedrischen (ICOsahedral Nonhydrostatic, ICON) Modells verglichen. Die größten Fehler sind in der Häufigkeit von Wolken der Kategorien M und HM mit einer Unterschätzung im Modell um Faktoren zwischen 4.5 und 7.8 in den entsprechenden Sommerhemisphären zu finden. Der Flüssiganteil in Wolken der Kategorie L und M wird im Modell im Vergleich zu Beobachtungen, insbesondere für niedrige Wolkenoberkantentemperaturen unterschätzt, während es für hohe Wolkenoberkantentemperaturen überschätzt wird, was auf eine Vereisung bei zu hohen Temperaturen in den Simulationen hinweist. Im Gegensatz dazu wird der Flüssiganteil in Wolken der Kategorie ML und HML in Modellen generell überschätzt. Die Berücksichtigung der INP-Verteilung in Modellen, die durch Meereisbedeckung und starke Winde beeinflusst wird, könnte eine Möglichkeit sein, die Darstellung der Wolkenphase zu verbessern.
Abstract (englisch):
Clouds cover large areas of the Earth and influence the Earth’s radiation budget. Biases in the representation of clouds and their phase can lead to radiative biases in model representations, which further impacts for example surface temperature. Such radiative biases over the Southern Ocean have been shown for a long time and are still present in the most recent versions of many climate models. Also the Arctic Ocean shows biases in the representation of clouds in climate and weather models.
To improve the understanding of the cloud phase, i.e. the partitioning of liquid and ice in clouds, over these regions this thesis provides a comprehensive analysis of a two-year mainly satellite-based dataset. ... mehrA high occurrence frequency of low-level clouds of 21.5 % over the Arctic Ocean and of 25.6 % over the Southern Ocean is found, but clouds spanning the mid-level range (mid-low-level, high-mid-low-level, mid-level, high-mid-level) sum up to a total frequency of approximately 15 %. All investigated cloud types show a rather high frequency of mixed-phase clouds (≥ 24 %), but only low-level, mid-level, and mid-low-level clouds occur as liquid, ice, and mixed-phase cloud and make a major contribution to the cloud type frequency in the mixed-phase temperature regime. Low-level clouds show the highest liquid fraction within a vertical cloud column followed by mid-level clouds. Clouds over the Southern Ocean show higher liquid fractions for cloud top temperatures lower than −10 °C, while for higher temperatures, the liquid fraction is higher over the Arctic Ocean. Furthermore, local minima of the liquid fraction are found at temperatures of about −15 °C and −5 °C. Processes of dendritic growth and secondary ice production are discussed as possible reasons. The liquid fraction is higher in low-level clouds over sea ice compared to the open ocean in both hemispheres. A weaker signal is seen in mid-level and mid-low-level clouds. Aerosol reanalysis exhibit lower sea salt mixing ratios over sea ice, where sea salt is interpreted as a proxy for sea spray in this thesis. High sea salt mixing ratios also correlate with decreasing liquid fraction especially in low-level level clouds, while mid-level clouds show the strongest correlation with dust, which is probably related to the long-range aerosol transport. The highest shortwave cloud radiative effects are shown by high-mid-low-level and mid-low-level clouds over the Southern Ocean. Mostly, mixed-phase clouds show higher shortwave cloud radiative effects than ice or liquid clouds. All investigated cloud types show net negative cloud radiative effects. Low-level clouds contribute most to the shortwave cloud radiative effect followed by mid-low-level clouds due to higher cloud type occurrences.
To investigate the importance of the factors temperature, sea ice cover, sea salt, and dust for the cloud phase determination in mid-level, low-level, and mid-low-level clouds, an explainable machine learning method is used. Sea salt seems to decrease the liquid fraction especially in low-level clouds, while mid-level clouds are more affected by transported aerosols like dust. The spatial distributions of the different influences show that sea ice cover seems to prevent the release of sea salt aerosol, and strong westerly winds may prevent the pole-ward transport of dust over the Southern Ocean, leading to a strong meridional gradient with more liquid clouds at high latitudes over the Southern Ocean due to less ice nucleating particles (INPs). Over the Arctic Ocean, the spatial distribution is more influenced by the distribution of land surfaces.
The observational results on cloud frequencies, cloud phase and the influence of sea ice is compared with simulation output from the ICOsahedra Nonhydrostatic model (ICON). Strongest biases are found in the frequency of mid-level and high-mid-level clouds with an underestimation in the model by factors between 4.5 and 7.8 in the respective summer-hemispheres. The liquid fraction in low-level and mid-level clouds is underestimated in simulations compared to observations especially for low cloud top temperatures, while it is overestimated for high cloud top temperatures, suggesting a glaciation at too high temperatures in the simulations. Contrary, the liquid fraction of mid-low-level and high-mid-low-level clouds is generally overestimated in models.
The consideration of the INP distribution, which is influenced by sea ice cover and strong wind, in models may be a possibility to improve the representation of cloud phase.
