Neues zur tropischen Hochgebirgklimatologie a
Transcrição
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