Modeling the effect of a heterogeneous ecosystem on atmospheric energy transport

Messungen der atmosphärischen Energieflüsse sind für ein breites Spektrum wissenschaftlicher Anwendungen von großer Bedeutung, wie beispielsweise für die Untersuchung von Rückkopplungsprozessen zwischen Ökosystemen und der Atmosphäre im Zusammenhang mit dem Klimawandel und für die Validierung von Landoberflächenmodellen, die in numerischen Wettervorhersage- und Klimamodellen eingesetzt werden. Die Erforschung der systematischen Lücke in der Energiebilanz der Erdoberfläche hat jedoch gezeigt, dass die weit verbreitete Eddy-Kovarianz-Methode die atmosphärischen Energieflüsse unterschätzt. ... mehrDer Energietransport durch so genannte Sekundärzirkulationen wurde als einer der Hauptgründe für diese Unterschätzung identifiziert, insbesondere über heterogenen Ökosystemen. Er kann durch Eddy-Kovarianz-Messungen definitionsgemäß nicht erfasst werden. Teure und arbeitsintensive Messungen wären erforderlich, um ihn zu quantifizieren.
Das Hauptziel dieser Arbeit war es daher, den Einfluss heterogener Ökosysteme auf den Energietransport durch Sekundärzirkulationen zu untersuchen und ein Modell zu entwickeln, das diesen in Abhängigkeit von allen relevanten Umweltfaktoren, einschließlich der Ökosystemheterogenität, vorhersagt. Das Modell sollte dazu geeignet sein, die an Eddy-Kovarianz-Stationen gemessenen atmosphärischen Energieflüsse ohne zusätzliche teure Messungen zu korrigieren.
Idealisierte Large-Eddy-Simulationen werden häufig zur systematischen Untersuchung atmosphärischer Transportprozesse verwendet, unterschätzen jedoch die dispersiven Wärmeflüsse, die den Energietransport durch Sekundärzirkulationen repräsentieren. Deshalb wurde eine Studie durchgeführt, um die Auswirkungen verschiedener Randbedingungen auf die dispersiven Wärmeflüsse zu untersuchen. Mithilfe idealisierter Large-Eddy-Simulationen mit heterogenen Oberflächentemperaturen wurde anschließend ein bereits bestehendes Modell des gesamten Ungleichgewichts in der Energiebilanz weiterentwickelt, sodass der Effekt der Oberflächenheterogenität auch berücksichtigt wird. Zu diesem Ungleichgewicht tragen nicht nur die dispersiven Wärmeströme, sondern auch Energiespeicheränderungen bei. Diese Studie bestätigte, dass das Ausmaß des Ungleichgewichts in der Energiebilanz mit der thermischen Oberflächenheterogenität skaliert und von der Form der Sekundärzirkulationen abhängt.
Schließlich wurde ein Satz umfassender idealisierter Large-Eddy-Simulationen mit einem Machine Learning Ansatz kombiniert, um ein Modell der dispersiven Flüsse zu entwickeln. Auf Basis der Erkenntnisse aus dem vorangegangenen Modell wurde hierbei besonders darauf geachtet, die Anwendbarkeit auf Feldmessungen zu erleichtern, indem beispielsweise ein spektraler Ansatz zur Bestimmung der Heterogenitätslängenskala verwendet wurde. Dieser kann auch bei unstrukturierter Heterogenität, die in den meisten Landschaften vorherrscht, angewendet werden. Das Modell wurde außerdem an realistischen Large Eddy-Simulationen und Feldmessungen aus der CHEESEHEAD19-Kampagne getestet. Trotz einiger Verbesserungsmöglichkeiten zeigte der Vergleich gute Übereinstimmungen mit den realistischen Large-Eddy-Simulationen und Feldmessungen. Darüber hinaus wurde gezeigt, dass das Modell ohne zusätzliche Instrumentierung auf Feldmessungen angewendet werden kann, was sogar eine rückwirkende Anwendung auf lange Eddy-Kovarianz-Messreihen ermöglicht.

Measurements of atmospheric energy fluxes are highly relevant to a wide range of scientific applications, such as the investigation of climate change related feedback processes between ecosystems and the atmosphere and the validation of land surface models deployed in numerical weather prediction and climate models. However, research on the systematic non-closure of the surface energy balance has revealed that the widely used eddy covariance method underestimates atmospheric energy fluxes. The energy transport by so called secondary circulations was identified as one major contributor to this underestimation, especially in heterogeneous ecosystems. ... mehrBy definition, it cannot be captured by eddy covariance measurements and expensive and labor-intensive measurements would be required to quantify it.
The main objective of this work was therefore to investigate the influence of heterogeneous ecosystems on the energy transport by secondary circulations and develop a model that predicts it as a function of all relevant environmental factors, including the ecosystem heterogeneity. The model should be suitable for correcting the atmospheric energy fluxes measured at eddy covariance stations without the need for additional expensive measurements.
Since idealized large-eddy simulations are often used to systematically investigate atmospheric transport processes but were found to underestimate dispersive heat fluxes, which represent the energy transport by secondary circulations, a study was carried out to examine the effect of different lower boundary conditions on those dispersive heat fluxes. Using a set of idealized large-eddy simulations featuring heterogeneous surface temperatures, a previously existing model of the entire surface energy imbalance, including not only dispersive heat fluxes but also energy storage changes, was further developed to consider the effect of surface heterogeneity. It confirmed that the magnitude of the surface energy imbalance scales with thermal surface heterogeneity and depends on the shape of secondary circulations.
Finally, a comprehensive set of idealized large-eddy simulations was combined with a machine learning approach to develop a model of dispersive heat fluxes. Based on the learnings from the previous model, special care was taken to facilitate the applicability to field measurements, for example by using a spectral approach for determining the heterogeneity length scale. This approach can be applied to unstructured heterogeneity which is found in most landscapes. The model was further tested on realistic large-eddy simulations and field measurements from the CHEESEHEAD19 campaign. Despite some room for improvement, the comparison showed good agreements with the realistic large-eddy simulations and field measurements. It was furthermore shown that this model can be applied to field measurements without any additional instrumentation, which even facilitates a retrospective application to long-term eddy covariance measurements.