Neues zur tropischen Hochgebirgklimatologie a

Neues zur tropischen Hochgebirgsklimatologie
Beispiel Ecuador
J. Bendix
Universität Marburg
FOR816: Biodiversity and Sustainable Management of a
Megadiverse Mountain Ecosystem in South Ecuador
ARGE-Tagung Bozen 8.6.2012
www.tropicalmountainforest.org
Frage & Gliederung
1) Gibt es Neues zur tropischen Hochgebirgsklimatologie?
2) Gebiet und Methodenkonzept
3) Horizontale Klimagliederung – Neues?
4) Wolken- & Niederschlagsbildung  Bekannte Paradigmen
5) Besondere Befunde
6) Hypothesenbildung & Überprüfung
7) Ergebnisse und Herausforderung
2 Gebiet
Colombia
Amazon
Gulf of
Guayaquil
ECSF
 Stark zergliedert
Sechura
desert
Peru
“Andine Depression”, Amotape-Huancabamba Zone
 < 3600 m
 Gradient Amazonas  Sechura
60 km
2 Untersuchungsgebiet - Methoden
GOES
NOAA-AVHRR
images
Mesoscale models
WRF, ARPS
K -B a n d -R a d a r
Radar profiler
IR Cloud Scanner
Scanning Radar
= Fog gauges
Cerro
del
Consue
lo 3180
m
•
•
•
El Tiro,
2870 m
TS1,
2660 m
 Raumdaten (AG Bendix)
Höhentransekt 
(AGs Richter, Bendix, Fabian)
Plataforma
(2270 m)
Pasture
1960 m
4
= Met. stations
ECSF Met.
1960 m
Rio
1800 m
Core
area 2
pasture
ECSF
Core
area 1
forest
3 Klimagliederung horizontal
Cloud frequency
La Toma – ECSF/Cerro = distance ~30 km:
El Tiro
430 – 3900 mm (rainfall only  6000 mm
with cloud water)
Easterlies
1.0
0.9
(Richter 2003,
Bendix et al. 2004,
Bendix et al. 2008)
0.8
0.7
0.6
0.5
0.4
Frequency of wind direction
0.3
0.2
W
0.1
E
0.0
Jan
Feb
Mrz
Apr
Mai
Jun
Jul
Aug
Sep
Okt
Nov
Dez
3 Klimagliederung horizontal
Mittlerer
Jahresniederschlag
LAWR
Rollenbeck & Bendix 2011
Offizielle
Karte
(INAMHI)
4 Bekannte Paradigmen
 Niederschläge in andinen Durchbruchstälern der Ostabdachung (Troll 1959):
 Doppeltes Kondensationsniveau (~1800, ~3200 m, Lauer 1975)
?
4 Bekannte Paradigmen
 Randschwellenmaximum (Weischet 1969)
 Wolken- und Niederschlagsdynamik =
thermisches
Tageszeiten-Phänomen??
 Nachts stabil, Kaltluftabflüsse
5 Besondere Befunde 1 lokal (Regensammler)
??
Paradigma: Nachts stabil, Inversion, Kaltluftabflüsse?
Thermal
up-slope
breeze
5 Besondere Befunde 2 lokal (Vertikalradar)
Cerro
(Bendix et al. 2006)
5 Besondere Befunde 3 regional (Satellit NOAA-AVHRR)
•
•
•
Mesoskalig konvektive Komplexe  Klassifikation  10 Jahre Zeitreihe
Afternoon MCC: Maximum in Amazon lowland
Nocturnal MCC: Maximum in Andean foothill area – concave terrain line, major
katabatic drainage flow systems
Target Area
ECSF
>50 m asl
DEM
Cloud and rain dynamics – ATBC 2008 Surinam
11
Bendix et al. 2009
Rio Marañon
>3,000 m asl
5 Besondere Befunde 3 regional (Satellit GOES)
•
Only 1 hit per time slot in target area
•
MCC phenomenon of the relative dry season
•
•
Coincides with morning maximum of rainfall
Detection of convective cells and MCC (Mesoscale Convective Complexes)
with connected component labeling
relative rainy season
relative dry
season
12
decay
Bendix et al. 2009
decay
resurgence
5 Besondere Befunde 4 regional (Horizontalradar)
GOES
blackbody
temperature
ECSF
LAWR RADAR rainfall
13
Bendix et al. 2009
6 Hypothesenbildung
Thermal
up-slope
breeze
??
Mikro
Meso
MCC cloud - Seeder
MCC*
LLJ**
LowStratus - Feeder
14
*Mesoscale Convective Complex
**Low Level Jet
6 Überprüfung (Idealisiert)
Modellzeit
Idealisierte Modellstudien zur mikro/mesoskaligen Modellparametrisierung
(z. B. Turbulenzschema)
Pot. Temperatur
15
Trachte et al. 2010 (Boundary Layer Meteorol. )
Pot. Temperatur
Katabatische Flüsse
und Terrain
Horizontal resolution of 250 m
55 vertical layers (10 – 500 m)
6 Überprüfung
Semi-idealisiert
Katabatische Flüsse
und Frontenbildung
Trachte & Bendix 2012
Konvergenz
Pot. Temperatur
16
Divergenz
Frontale Struktur
6 Überprüfung MCC and LLJ
Semi-idealisiert: MCC Bildung und LLJ Einfluss
Feuchtekonvergenz
Feuchtekonvergenz
17
Trachte & Bendix 2012
280 km NCEP
6 Überprüfung: Lokale RCM Performanz
RCM (36 km)
Real Case (12-13 Oct. 2009), Validierung mit FE
Satellit
D3
D4
RCM (12 km)
D3
RCM (4 km)
D4 RCM (1 km)
GOES-E brightness temperatures
(10.2 - 11.2 μm, K) (a, d, g),
RCM brightness temperatures (D3,
K) (b, e, h)
RCM brightness temperatures (D4,
K) (c, f, i) for 0115 UTC, 0215 UTC
and 0315 UTC
Hauptgrund:
Katabatische Flüsse in 4 km
(D3) zu schwach (Gelände)!
Trachte
Klimaläufe
et al. 2010 (J. auf
Geoph.1km
Res. Meteorol.)
Trachte et al. 2011 JGR
Horizontal / vertical resolution:
-D3: dx = 4km, dzmin = 100m
-D4: dx = 1km, dzmin = 25m
7 Ergebnisse
1) Es gibt Neues zur tropischen Hochgebirgsklimatologie!
2) Katabatische Flüsse  MCS  Nachtniederschläge
3) Besonders Mesoskala, bisher vernachlässigt
4) Modelle müssen gut angepasst sein
5) Seeder – Feeder Prozess  Modell
6)  Bedeutung für Klimamodellierung in tropischen Hochgebirgen
7 Herausforderung: Der Klimawandel – GCM Performanz
Auflösung 50 km
 Projected anomalies
Vorzeichen nicht
klar!
-200 bis
+ 300 mm
>75% Übereinstimmung
aller Modelle
RCM
GCM data (Reanalysis)
2.5° (~280 km)
RCM (36 km)
RCM (12 km)
RCM
PRECIS
Dynamisches
downsacling (nesting)
bis 4 -1 km möglich
10-jährige Ensembles
(Trend zu 30-Jahren)
RCM (4 km)
19 GCM‘s A1B Szenario run for the period 2070–2099:
Aber Genauigkeit?
BCCR-BCM2, CCCMA-CGCM3.1-T47, CCCMA-CGCM3.1-T63, CNRM-CM3, CONS-ECHO-G, CSIRO-MK3, GFDL-CM2, GFDL-CM2.1, INM-CM3, IPSL-CM4, LASG-FGOALS-G1.0,
MPIM-ECHAM5, MRI-CGCM2.3.2, NASA-GISS-AOM, NASA-GISSEH, NCAR-CCSM3, NIES-MIROC3.2-HI, NIES-MIROC3.2-MED, UKMO-HADCM3, UKMO-HADGEM1
Buytaert et al. 2010
Danke für Ihre Aufmerksamkeit !
?
Radarantenne
Danke für die Aufmerksamkeit
3 Klimagliederung vertikal
[mm], [MJ /m²]
2500
3150
3050
3050
3050
2950
2950
2950
2850
2850
2800
2750
2750
2700
2650
2650
cloud
fraction
altitude [m asl]
2900
altitude [m asl]
0 2 4 6 8 10 12 14 16
6
3150
5000 0
3150
2600
2500
2400
2300
1
2
3
4
5
altitude [m asl]
0
[hPa]
[m/s ]
2550
2450
2250
2250
2150
2150
2050
2050
1950
1950
2100
2000
0
20
40
60
8
Transition
zone
Vapor
pressure
deficit
1850
10 12 14 16 18 0.25
0.3
[°C]
[%]
Cloud Fr.
fog
CO2
pressure
2450
2350
1850
80 6
rainfall
irradianc e
temp.
Timberline
ecotone
2550
2350
2200
Vapor
pressure
wind s peed
0.35
CO2 [hPa]]
e
E-e
CO2
(Richter 2003, Bendix et al. 2007, Bendix et al. 2008)
Beispiel 2: Bodengebundene Fernerkundung (BF)
 Wind: RASS, SODAR, RADAR
 Profiling
 Temperatur: IR und MW-Radiometer, SODAR
 Scanning devices
 Luftfeuchte: MW-Radiometer, GPS, LIDAR
 Niederschlag: Radar, Scatterometer
 Flüsse: Scintillometer
 Wolken und Aerosol: LIDAR, VIS-IR Scanner, Radar, Scatterometer
Rollenbeck & Bendix 2006
LAWR =
neues Instrument
 Experimentell:
Keine Methode
zur quantitativen
Niederschlagserfassung
Teilfrage 2: Gibt es den
Seeder – Feeder Effekt?
Result: Case study 5-6 October 2005
•
•
Fast and strong cooling after sunset
Well-devopled cold air drainage flow in the valley
3,200 m asl
ESE
1,960 m asl
1,960 m asl
25
Bendix et al. 2009
2) Results – Global Climate Change effects
NCAR/NCEP
Reanalysis data
– grid cell S-Ecuador
(~210 km res.)
Bendix et al. 2009
Warming
(ECSF)
Zamora
Official data
Bendix et al. 2009
Early morning rain caused by seeder-feeder effect
Case study 03.02.2009; Total precip.: 17.9 mm
Nubiscan
METEK MRR-2
Seeder
Cloud cover after rain event
Feeder
MEST
1700
100
90
cover main cloud base [%]
1500
80
1400
70
1300
60
1200
50
1100
40
altitude main cloud base [m]
1000
30
900
20
cover below main cloud base [%]
800
700
00:00
10
0
02:00
04:00
06:00
08:00
LT
10:00
12:00
14:00
cloud cover [%]
altitude [m]
1600