PÉCSI TUDOMÁNYEGYETEM. Földtudományok Doktori Iskola

PÉCSI TUDOMÁNYEGYETEM Földtudományok Doktori Iskola

Csapadékképződési folyamatok számítógépes modellezése

Doktori értekezés Sarkadi Noémi

Témavezető: Dr. Geresdi István DSc egyetemi tanár

Pécs, 2016

Tartalomjegyzék 1. Bevezetés _____________________________________________________________ 2 2. Tudománytörténeti áttekintés ____________________________________________ 5 2.1. Mérés és megfigyelés ________________________________________________ 7 2.1.1. Laboratóriumi megfigyelések ____________________________________________ 7 2.1.2. In situ megfigyelések ___________________________________________________ 9

2.2. Modellezés _______________________________________________________ 20 2.2.1. „Bulk” parametrizáció _________________________________________________ 20 2.2.2. „Bin” parametrizáció __________________________________________________ 22

2.3. A felhőfizikai folyamatok modellezésének korlátai ______________________ 22 3. Célkitűzések _________________________________________________________ 25 4. Alkalmazott kutatási módszer ___________________________________________ 26 4.1. A „bin” mikrofizikai modell ismertetése _______________________________ 27 4.2. Ekvivalens radar reflektivitás számítása _______________________________ 31 4.2.1. Érzékenységi vizsgálatok 1D időfüggő modell alkalmazásával _________________ 37

5. Eredmények _________________________________________________________ 40 5.1. Olvadási folyamatok _______________________________________________ 40 5.1.1. Az olvadási folyamatok és a környezeti paraméterek közötti kölcsönhatás ________ 44 5.1.2. A részecskék méret szerinti eloszlásának változása az olvadási folyamatok során___ 49 5.1.3. Az olvadási réteg vastagságának függése a hidrometeorok kezdeti keverési arányától 51

5.2. Valós esetek részletes elemzése _______________________________________ 54 5.2.1. Ónos eső – St. John’s esettanulmány______________________________________ 55 5.2.2. Orografikus csapadék – IMPROVE-2 esettanulmány _________________________ 60 5.2.3. Csapadékképződési folyamatok zivatarokban – Oklahoma squall line esettanulmány 78

6. Az eredmények összefoglalása ___________________________________________ 90 7. A kutatás további irányai ______________________________________________ 95 Köszönetnyilvánítás _____________________________________________________ 96 Irodalomjegyzék ________________________________________________________ 97 Függelék ______________________________________________________________ 113 i

1. Bevezetés

1. Bevezetés A csapadékképződés megismerése, illetve modellezése nemcsak a mindennapi előrejelzési feladatok ellátásában kiemelkedő fontosságú, de klimatológiai szempontból is jelentős. A mikrofizikai folyamatok a felhőzet kiterjedésén, optikai tulajdonságán, illetve a lehulló csapadékon keresztül befolyásolják az időjárást és az éghajlatot.

1.1. ábra: Jégszemek méret szerinti elkülönítése (Forrás: NOAA). Egy inch 2,54 cm átmérőnek felel meg, így az elnevezések és méretek a következő módon alakulnak: penny nagyságú (1,9 cm); negyed dolláros (2,54 cm); fél dollár (3,18 cm); golf labda (4,45 cm); biliárd golyó (5,39 cm); baseball labda (6,99 cm); softball nagyságú (9,65 cm) és CD/DVD nagyságú jégszemek (megközelítőleg 12,06 cm).

A pontos előrejelzések készítésének elengedhetetlen feltétele, hogy a numerikus modellekben a felhő- és csapadékelemek kialakulását és növekedését leíró folyamatokat is a lehető legrészletesebben vegyük figyelembe. Azonban az összefüggések bonyolultsága és a számítógépek teljesítménybeli korlátai miatt még napjainkban is többnyire csak közelítő, 2

1. Bevezetés parametrizációs eljárások segítségével tudjuk leírni a csapadékképződést (PRUPPACHER – KLETT, 2004). A legtöbb, operatívan alkalmazott numerikus modellben (pl. WRF, AROME) az ún. „bulk” parametrizációs sémát alkalmazzák. A séma számtalan előnye ellenére még mindig nem ad elég pontos képet a valós folyamatokról, ami az előrejelzések – akár rövidebb távú, akár klimatológiai – bizonytalanságát növeli.

1.2. ábra: Jégeső által elvert kukorica, Mezőhegyes, 2010 (Forrás: AGRO).

Az ultrarövid-, illetve rövidtávú előrejelzések szempontjából a lehulló csapadék mennyiségének és halmazállapotának meghatározása kiemelkedő fontosságú. Például az olvadás meghatározza a csapadék halmazállapotát (eső, havazás, illetve ónos eső) és a vízcseppek méret szerinti eloszlását is. Az olvadás és a vízcseppek méret szerinti eloszlásától függő párolgás hatással van a zivatarok mozgását meghatározó hideg légtömegek (cold pool) kialakulására. Mint ahogy a példa is mutatja, a zivatarfelhők esetében a dinamikai és a mikrofizikai folyamatok közötti erős kölcsönhatás miatt is fontos a csapadékképződési folyamatok pontos modellezése (ROTUNNO et al., 1988; WEISMANN – ROTUNNO, 2004). A zivatarfelhőkhöz számos veszélyes időjárási jelenség kapcsolódik, például: erős szél, villámlás, vagy jégeső. A felszínre hulló jégszemek mérete igen széles 3

1. Bevezetés skálán változhat: a néhány milliméteres átmérőtől akár a teniszlabda nagyságig is (1.1. ábra). Az eddigi legnagyobb – mintegy 0,9 kg tömegű és 20 cm átmérőjű – jégszemet az Amerikai Egyesült Államokban, 2010-ben regisztrálták. A jégeső hazánkban is igen jelentős károkat tud okozni, elég csak a 2010-es mezőhegyesi eseményre gondolni, amely csaknem a teljes mezőgazdasági termést elpusztította a környéken (1.2. ábra). Hasonló példákat az ország bármely területéről említhetnénk: a 2015. májusi jégkár Baranya megyében, vagy a 2006. augusztus 20-i intenzív zivatartevékenység Budapesten. Nem csak a zivatarokkal összefüggésben hozhatunk példát a mikrofizikai folyamatoknak az előrejelzésben betöltött fontos szerepéről. Hazánkban is nagy károkat tud okozni (pl.: közlekedési balesetek, felsővezetékek meghibásodása) az inverziós helyzetekben (mint például a hideg légpárnás helyzetek) kialakuló ónos eső. A csapadék mennyiségének előrejelzett értéke – különösen a zivatarfelhők esetében – sokszor jelentősen eltér a megfigyelt értéktől. A csapadék intenzitásának pontos előrejelzése a hirtelen árvizek kialakulása szempontjából fontos (például a 2010-es mátrakeresztesi zivatarlánc okozta földcsuszamlások és flash flood-ok (CZIGÁNY et al., 2011)). A fenti példák is jól szemléltetik, hogy a csapadékképződés pontosabb ismerete jelentős előrelépést eredményezhet az időjárási előrejelzés területén. Napjaink komplex, felhőfizikai kutatásaiban egyre nagyobb szerepet kap a numerikus modellezés, aminek egyrészt az az oka, hogy a csapadékképződés tanulmányozása mérések segítségével (pl. laboratóriumi mérések, in-situ megfigyelések) a széles tér- és időskálán lezajló változások miatt csak korlátozottan lehetséges. Másrészt a state-of-the-art mikrofizikai modellek már olyan részletes leírását adják a felhő- és csapadékképződésnek, hogy az ún. numerikus kísérletek segítségével megbízható információhoz juthatunk a felhőkben lejátszódó folyamatokról.

4

2. Tudománytörténeti áttekintés

2. Tudománytörténeti áttekintés A meteorológián belül a felhőfizika az a tudományterület, amely a felhőkben lejátszódó fizikai folyamatok – a levegő áramlása, a víz halmazállapot-változása, a vízcseppek és a jégrészecskék ütközése – vizsgálatával foglalkozik. A levegő áramlását a felhődinamika módszereivel írjuk le, míg a felhőket alkotó elemek kialakulását, növekedését, és a részecskék közötti kölcsönhatást a mikrofizika tárgyalja (GERESDI, 2004). A csapadék kialakulásával kapcsolatos kutatások egészen az 1500-as évek közepéig nyúlnak vissza, azonban a mai értelemben vett mikrofizikai vizsgálatokról csak az 1940-es évektől kezdődően beszélhetünk. Az 1940-es években az addig leginkább kvalitatív megfigyelésekre alapozott felhőfizikai kutatások új irányt vettek a repülőgépek, radarok, és más, új megfigyelési technikák megjelenésével. A XX. század közepén megjelenő számítógépek pedig újabb teret nyitottak a fejlődésnek (PRUPPACHER – KLETT, 2004). A felhőfizikai kutatások esetében komoly nehézséget okoz az, hogy a különböző folyamatok széles tér- és időskálán játszódnak le. Míg a felhők mozgását és a levegő felhőn belüli áramlását leíró felhődinamika perc – órás időskálán és m – km-es térbeli skálán lejátszódó folyamatokat vizsgál, addig az ezekkel a folyamatokkal szoros kölcsönhatásban lévő mikrofizikai változások msec – sec.-os időbeli és µm – mm-es térbeli skálán zajlanak. Jó példa a különböző skálán lejátszódó folyamatok közötti erős kölcsönhatásra a zivatarokban lejátszódó csapadékképződés (HOUZE, 1993). A zivatarok közelében kialakuló erőteljes kifutószelek és a hideg légtömegek (cold pool) kialakulásában jelentős szerepe van a szilárd halmazállapotú csapadékelemek olvadásának és a vízcseppek párolgásának (GERESDI, 2004). A zivatarfelhőkben kialakuló felhőcseppek és jégkristályok gyors növekedésének következtében nagyméretű csapadékelemek alakulnak ki. Az így létrejövő vízcseppek és jégszemek (jég, hódara) esési sebességük akkora lesz, hogy kihullnak a felhőből. Kihullás közben a levegő egy részét magukkal ragadják, így a közegellenállási erő hatására a levegő lefele áramlik, és a felszínt elérve szétáramlik. A csapadékelemek párolgása és olvadása miatt a lefele áramló levegő hidegebb, mint a környezete. A felszínt elérő és nagy sebességgel szétterülő levegő feláramlásra kényszeríti a környező meleg, nedves levegőt, így újabb felhő képződik. Ugyanakkor a szétáramló hideg levegő elzárja a feláramlást a meleg levegő utánpótlástól, ami az első zivatarcella leépüléséhez vezet (TAO et al., 1995; DAWSON et al., 2010). A

5

2. Tudománytörténeti áttekintés konvektív rendszerekhez számos olyan veszélyes időjárási helyzet kapcsolódik, amely az érdeklődés középpontjába helyezi őket. Többek között a hirtelen lehulló, nagy mennyiségű csapadék, az erőteljes szél, valamint a jégeső miatt. A konvektív rendszerek megfigyelésének és vizsgálatának eredményeit a szakirodalom széles körűen tárgyalja (ROTUNNO et al., 1988; WEISMANN – RUTONNO, 2004; BYERS – BRAHAM, 1949). A konvektív rendszereket szerkezetük és élettartamuk szerint csoportosíthatjuk (pl. HORVÁTH, 2007). Hazánkban gyakoriak a nagy csapadékkal járó vonalas szerkezetű mezoskálájú konvektív rendszerek (MADDOX, 1980; HOUZE, 1993; HORVÁTH et al., 2012). Ezek a rendszerek az instabilitási vonalra merőlegesen (zivatarláncok), vagy azzal párhuzamosan (zivatarvonalak) mozoghatnak (PARKER – JOHNSON, 2000). A zivatarláncok esetén két fő csoportot különíthetünk el: (i) a zivatargócok a réteges felhőzóna mögött helyezkednek el; (ii) a zivatargócok a réteges szerkezetű zóna előtt helyezkednek el (squall line). A gyors mozgású zivatarláncok jellemző kísérőjelenségei: a szélvihar; a jégeső és a tornádó; valamint a lokálisan, rövid idő alatt lehulló nagy mennyiségű csapadék. A zivatarvonalakra ez utóbbi a legjellemzőbb. A felhőkben lejátszódó folyamatok vizsgálatának több módja létezik. A fentiekben említett, nagy időbeli és térbeli változékonysága miatt mindenre kiterjedő laboratóriumi vizsgálat nem lehetséges, ám bizonyos folyamatokról (pl. vízcseppek ütközése, jégszemek olvadása) hasznos információkat kaphatunk e megfigyeléseknek köszönhetően. A műholdak, radarok, illetve egyéb távérzékelési eszközök (LIDAR, SODAR) a valóságban lejátszódó folyamatokról adnak egyre pontosabb képet. A harmadik vizsgálati lehetőség a folyamatok numerikus modellezése. A modellezés előnye, hogy a folyamatok jól reprodukálható módon történő leírását teszi lehetővé. Hátránya, hogy az alkalmazott közelítések kisebb-nagyobb pontatlanságot okoznak, továbbá a számítógépek teljesítménye is jelentős korlátot szab a módszer alkalmazását illetően. A továbbiakban rátérek a szakirodalmi áttekintésre. Mivel jelen dolgozatnak nem célja mindenre kiterjedő részletességgel vizsgálni a teljes tudománytörténetet, így az irodalmi áttekintés során csak a kutatási területemmel kapcsolatos mérési, megfigyelési és modellezési eredmények bemutatására fókuszálok.

6

2. Tudománytörténeti áttekintés 2.1. Mérés és megfigyelés

2.1.1. Laboratóriumi megfigyelések A laboratóriumi körülmények olyan idealizált környezeti feltételeket teremtenek, amelyek lehetővé teszik az egyes folyamatok részletes, jól reprodukálható vizsgálatát. Az alkalmazott laboratóriumi technológiák közül az úgy nevezett szélcsatorna vizsgálatok (2.1. ábra) a legelterjedtebbek. Segítségével lamináris és turbulens áramlási viszonyok között tudják vizsgálni a különböző felhőelemek viselkedését, mint például az esőcseppek ütközéses növekedését, a csepprobbanást, a szilárd halmazállapotú elemek olvadását, vagy a különböző (felszíni-, és belső-) fagyási folyamatokat.

2.1. ábra: Szélcsatorna sematikus képe (Forrás: Mainzi Tudományegyetem).

A szilárd halmazállapotú csapadékelemek olvadásával összefüggésben az első elméleti modellt MASON (1956) dolgozta ki (2.2. ábra). Modellje szerint az olvadás során a jégkristály felszínén egy vékony, stabil filmréteg képződik a megolvadt vízből. Ez a 7

2. Tudománytörténeti áttekintés vízréteg hatással van a részecskék esési sebességére, valamint befolyásolja a környezettel való hőcserét is (a víz párolgásából származó hűlés). MASON feltételezte, hogy a jégrészecskét befedő filmrétegben nincs áramlás, valamint, hogy a jégrészecskék azonnal olvadni kezdenek, amint elérik a 0 °C-os izotermát.

2.2. ábra: MASON (1956) elméleti modellje a jégrészecskék olvadásáról. T0 az olvadó jég felszínének hőmérséklete (0 °C), T (rjég) jelöli a részecske felszínének hőmérsékletét, míg Tk a környező levegő hőmérséklete; rrészecske a megolvadt vízzel együtt a teljes részecske sugara, míg rjég a még nem olvadt jég sugara.

Az 1970-es és 80-as években elvégzett laboratóriumi mérések ellentmondtak a Mason-féle modellnek. Egyrészt bebizonyították, hogy a keletkezett vízréteg nem állandó a jég felszínén, hanem onnan esetenként lesodródik és a lesodródó vízből vízcseppek képződnek (RASMUSSEN et al., 1984a, b). Másrészt azt találták, hogy az olvadási folyamatok megindulása és sebessége a környező levegő hőmérséklete mellett jelentős mértékben függ a relatív páratartalomtól (RASMUSSEN – PRUPPACHER, 1982). Abban az esetben, ha a jégkristály alultelített környezetbe kerül, a teljes elolvadáshoz szükséges idő jelentősen megnövekszik. Ez a jelenség a párolgás okozta hűléssel magyarázható. A relatív páratartalom hatásának figyelembe vétele az ún. kritikus hőmérséklet bevezetésével lehetséges. A kritikus hőmérséklet a jégkristály méretétől független paraméter, és az alultelítettség növekedésével arányosan növekszik (pl. 50 %-os relatív páratartalom esetén a kritikus hőmérséklet kb. + 4 °C). A korábbi eredményekhez képest jelentős előrelépést jelentett, hogy figyelembe vették, hogy az olvadás miatt növekedő sűrűségű részecskék határsebessége növekszik; valamint az olvadás aszimmetriájára is bizonyítékot találtak. Ez

8

2. Tudománytörténeti áttekintés utóbbi azért fontos, mivel az eltérő vastagságú vízréteg a jégrészecskék (jégkristályok, hódara) különböző területein befolyásolja a környezettel való hőcserét. Laboratóriumi mérésekkel igazolták azt is, hogy a lesodródott víz mennyisége függ a hódara részecskék, vagy a jégszemek kezdeti méretétől, valamint a Reynolds-számtól1; továbbá, hogy a lesodródás nem folyamatosan megy végbe, hanem szakaszosan (például: egy 1 cm-es jég esetén a lesodródás nem indul meg, csak abban az esetben, ha az olvadási arány eléri a 40 %-ot). ORALTAY és HALLETT (1989) mérésekkel támasztották alá, hogy a lesodródás nem csak a hódara, illetve a jégszem méretétől, de a környező levegő hőmérsékletétől, a relatív páratartalmától, valamint az olvadó jég alakjától is függ (a komplex alaki besorolást ld. KIKUCHI et al., 2013-ban). Az általánosan elfogadott elmélet szerint a hópelyhek olvadása során a víz a kristály struktúrájának megfelelően a jégváz belsejében gyűlik össze. A hópelyhek olvadási folyamatait mind felszíni mérések alapján (KNIGHT, 1979; FUYIJOSHI, 1986), mind pedig laboratóriumi körülmények (MITRA et al., 1990) között vizsgálták. Kutatásaik a megfigyelésekkel (radarmérések) konzisztens eredményre vezettek, miszerint: (i) az olvadási réteg a 0 – + 5 °C-os hőmérsékleti tartományban helyezkedik el; (ii) a hópelyhek és hókristályok olvadását jelentős mértékben befolyásolja a környező levegő relatív páratartalma.

2.1.2. In situ megfigyelések A felhőkben lejátszódó folyamatok tanulmányozásának másik lehetséges módja a légkörben kialakuló felhők és a belőlük hulló csapadék közvetlen, illetve közvetett megfigyelése. A megfigyelések történhetnek földfelszíni, vagy repülőgépre telepített mérőműszerek,

műholdak

és

radarok

segítségével.

A

felhőfizikai

folyamatok

szempontjából a földfelszíni mérések közül a csapadék mennyiségének, intenzitásának és halmazállapotának

1

meghatározása

tekinthető

a

legfontosabbnak.

A

különböző

A Reynolds-szám: A Reynolds-szám egy dimenziómentes mennyiség, amely a tehetetlenségi és súrlódási

erők között teremt kapcsolatot. Az egyenletben levegő, levegő rendre a levegő sűrűsége és viszkozitása, v(t) az áramlás karakterisztikus sebessége, 2r karakterisztikus méret.

N Re 

2  r  levegő  v  t 

levegő

9

2. Tudománytörténeti áttekintés csapadékmérő berendezések közül a legelterjedtebb a billenőkanalas csapadékmérő berendezés, amelynek segítségével a folyékony halmazállapotú csapadék mennyiségét és intenzitását tudjuk mérni. A hótakaró vastagságát lézeres elven működő berendezés segítségével mérik. A mérés a következőképpen történik: ismert magasságú pontra telepített lézeres berendezéssel megmérik a műszer és a földfelszín közötti távolságot. Havazás idején az összegyűlt hó miatt a felszín magassága módosul, így a referencia felszín értékének ismeretében meghatározható a hullott hó mennyisége (RASMUSSEN et al., 2012). A csapadék mennyiségi becslésén túl a csapadék intenzitásának mérése – különösen havazás esetén – a meteorológiai megfigyelések egyik legnagyobb kihívása. A probléma egyrészt a hópelyhek változatos alakjának, sűrűségének, méret szerinti eloszlásának következménye, másrészt azzal magyarázható, hogy a hópelyhek horizontális irányú sebessége jóval meghaladja a függőleges esési sebességet. A legelterjedtebb földfelszíni megfigyelőeszközök (billenőkanalas, mérleges-, illetve optikai csapadékmérők) többnyire alulbecsülik a csapadék intenzitását havazás idején. RASMUSSEN et al. (2011) olyan mérőműszert ismertetett, amely kiküszöböli a hópelyhek változatos alakjából, típusától és sűrűségétől függő hibákat. Az általuk „hotplate precipitation gauge”-nek nevezett műszer két, egymás felett elhelyezett, teljesen azonos alumínium lemezből áll, amelyet a környezeti

paraméterek

(hőmérséklet, szél) függvényében azonos

hőmérsékletre

melegítenek (~ 75 °C). A melegítésnek köszönhetően a kisebb hókristályok kevesebb, mint egy másodperc alatt elolvadnak, vagy elszublimálnak, azonban a nagyobb hópelyhek teljes megolvadásához is csak néhány másodpercre van szükség. A két lemez közül a felső lemezre a csapadék, a hőmérséklet és a szél, míg az alsó lemezre csak a környező levegő hőmérséklete és a szélviszonyok vannak hatással. Amíg a csapadékelemek olvadása és párolgása hűtik a felső lemezt, addig az alsó lemez hőmérsékletének változására a csapadéktevékenység nincs hatással. A két lemez között kialakuló hőmérséklet-különbség arányos a csapadékintenzitással. A mérőműszer előnye, hogy a korábbi műszerekkel ellentétben 1 perces időbeli felbontással képes adatokat szolgáltatni 0,25-től 35 mm h-1-ig terjedő intervallumban (beleértve a szitálást, esőt is), kb. 5 %-os hibával. A repülőgépes mérések nagy előnye, hogy a légkör állapothatározói (hőmérséklet, nyomás), a vertikális sebesség, továbbá a légkörben található aeroszol-részecskék, valamint felhő- és csapadékelemek koncentrációja és méret szerinti eloszlása közvetlenül mérhetőek (LAURSEN et al., 2006).

10

2. Tudománytörténeti áttekintés 2.1.2.1. Mérőműszerek és alkalmazásuk Disdrométerek Az operatív gyakorlatban még nem terjedt el, de a tudományos projektekben gyakran használják a csapadékelemek méret szerinti eloszlásának meghatározására is képes disdrométereket. A disdrométerek a csapadékelemek méretének meghatározása mellett azok esési sebességének meghatározására is alkalmasak, valamint egyes típusai képesek különbséget tenni esőcseppek, jég és hódara szemek között. A disdrométerek között megkülönböztetünk optikai, akusztikus és videó elven működő mérőműszereket (ILLINGWORTH – STEVENS, 1987; LÖFFLER-MANG – JOSS, 2000; KRUGER – KRAJEWSKI, 2002; LEMPIO et al., 2007; LIU et al., 2014). A disdrométerek általában időben integrált csapadékmennyiséget szolgáltatnak különböző méretintervallumokra (YUTER et al., 2006). Napjainkban is széles körben alkalmazzák az ún. Joss-Waldvogel disdrométereket. Az említett műszer képes a vízcseppek méret szerinti eloszlásának, határsebességének és alakjának megfigyelésére (KINNEL, 1976). A műszer működési elve az, hogy egy hungarocell lemeznek (50 cm2) ütköző vízcseppek feszültséget generálnak, és ez a feszültség arányos a vízcseppek átmérőjével. JOSS-WALDVOGEL (1969, 1977) kísérletei alapján a mérési tartomány 0,3 – 5,5 mm. A mérést olykor jelentős hiba terhelheti: (i) optikai megfigyelésekkel történő összehasonlítás segítségével kimutatták, hogy a nagyobb cseppek határsebességüknél kisebb esési sebességgel esnek. Ennek következtében a megfigyelt méret szerinti eloszlás a ténylegeshez képest a kisebb cseppek irányába tolódik el (TOKAY et al., 2005). (ii) Az 5 mm-nél nagyobb cseppek esetén a detektálás az 5 – 5,5 mm közötti méretkategóriában történik. (iii) Amennyiben egy időben két-, vagy több vízcsepp is érintkezik a mérőműszer felületével, az a kisebb cseppek koncentrációjának alulbecslését eredményezi, mivel a műszer csak a nagyobb cseppek által generált feszültséget detektálja. Ezt a szakirodalom a disdrométer holtidejének nevezi, amely leggyakrabban intenzív csapadéktevékenység esetén jelentkezik (TOKAY et al., 2003). A disdrométer által szolgáltatott adatokat széleskörűen használják mind a mikrofizikai modellek tesztelése, mind pedig a csapadékintenzitás és a reflektivitás közötti összefüggés vizsgálata során (SHEPPARD – JOE, 1994; GEOTIS, 1978; GODDARD et al., 1982; TOKAY et al., 1999; BRINGI et al., 2003; ZHANG et al., 2011).

11

2. Tudománytörténeti áttekintés FSSP-100 Az FSSP (Forward Scattering Spectrometer Probe) 100-as típusú berendezést a 2,0 μm 47,0 μm méretű vízcseppek (felhőcseppek) megfigyelésére használják (2.3. ábra). A műszer a méretet ± 20 % pontossággal, míg a koncentrációt ± 16 % pontossággal adja meg. A műszert a felhőcseppek méret szerinti eloszlásának megfigyelésére alkalmazzák, segítségével a felhők mikrofizikai folyamatairól kapunk közvetlen, vagy közvetett információt. Az érzékelő optikai elven működik: He - Ne lézer által generált sugárnyalábot a műszer érzékelői közé beáramló levegő irányára merőlegesen beállítva fókuszálják. A lézersugáron keresztülhaladó felhőcseppek által szórt fényt egy prizma és egy gyűjtőlencse irányítja a detektorba. A mérés során – Mie-féle szórást feltételezve – 15 méretintervallumban detektálják a vízcseppek koncentrációját. Amennyiben egyszerre több csepp halad át a lézersugáron, akkor a műszer csak egy cseppet képes regisztrálni, amely kis koncentráció (~ 300 cm-3) esetén 5 %, míg nagyobb koncentráció esetén (~ 1000 cm-3) mintegy 30 %-os regisztrációs hiányt eredményez. Emellett különösen óvatosan kell kezelni a műszer által szolgáltatott adatokat, amennyiben az áramló levegő jégkristályokat is tartalmaz, ugyanis a detektálás során azzal a feltevéssel élnek, hogy gömb alakú vízcseppek által szórt sugárzást detektál a műszer. A jégkristályok esetén azonban se a törésmutató, se az alak közelítése nem felel meg ennek a feltevésnek (COELHO et al., 2005a, b; NAGEL et al., 2007).

2.3. ábra: FSSP-100 működésének sematikus képe (Forrás: UCAR).

12

2. Tudománytörténeti áttekintés 2D-C és 2D-P próbák A 2D-C és 2D-P eszközöket a nagyobb méretű vízcseppek és a különböző alakú jég részecskék detektálására fejlesztették ki (2.4. ábra). Ezeknek, az optikai elven működő műszereknek az a lényegük, hogy a hidrometeorok egy lézersugáron áthaladva árnyékot képeznek egy vonalba elhelyezett diódasoron. A fényintenzitás változásának detektálásával (az árnyékoló részecskék és a diódasor egymáshoz viszonyított mozgása miatt) a részecskék kétdimenziós vetületét kapjuk. A vízcseppek esetén a méret viszonylag kis hibával meghatározható, azonban a jégrészecskék esetén (pl. hópelyhek) az összetett háromdimenziós alak miatt a bizonytalanság nagyobb (2.5. ábra). A mérés a 2D-C esetén a 25 – 800 μm, a 2D-P esetében pedig a 200 – 6400 μm méretintervallumban történik (GERESDI, 2004). A mérés hibája a méret esetében a méret, az alak és a részecske orientációjának függvénye, míg a koncentráció mérése esetén csak a hidrometeorok mérete a meghatározó.

2.4. ábra: A 2D-C felhőszonda működésének sematikus képe (Forrás: UCAR).

Földfelszíni és repülőgépes mérések is bebizonyították, hogy a felhők mikrofizikai tulajdonságainak vizsgálata során nem tekinthetünk el attól, hogy a részecskék koncentrációja jelentősen függ azok méretétől (GUNN – MARSHALL, 1958; OHTAKE, 1969).

13

2. Tudománytörténeti áttekintés

2.5. ábra: A 2D-C szonda által végzett mérések kimeneti képe (az árnyékok az egyes detektált hidrometeorokhoz kapcsolódnak) (Forrás: UCAR; eredeti színezést ld. Függelék 1. ábra).

BRAHAM (1990) hópelyhek méret szerinti eloszlására vonatkozó megfigyelései – a korábbi tapasztalatokkal egyezően – azt mutatták, hogy a hókristályok, és a hópelyhek méret szerinti eloszlása exponenciális függvénnyel közelíthető. A mérések azonban azt is kimutatták, hogy az 1 mm-nél kisebb átmérőjű részecskék méret szerinti eloszlása akár jelentősen is eltérhet az exponenciális eloszlástól. Legújabb kutatási eredmények (BARTHAZY – SCHEFOLD, 2006) azt mutatják, hogy a zúzmarásodás mértéke befolyásolja a hópelyhek/hódara részecskék esési sebességét.

2.1.2.2. Távérzékelés A távérzékelési technológiák fejlődésével egyre nagyobb teret nyert a meteorológiai célú időjárási radarok alkalmazása. Az időjárási radarok működése azon alapul (2.6. ábra), hogy a részecskék az anyagi minőségüktől (halmazállapot), a méretüktől és koncentrációjuktól függően verik vissza a rájuk eső sugárzást (a nagyobb átmérőjű esőcseppek visszaverő képessége is nagyobb).

14

2. Tudománytörténeti áttekintés Ennek megfelelően a visszavert jel nagysága igen széles határok között változhat. Emiatt a visszavert jel (Z) megjelenítése során annak tízes alapú logaritmusának 10-zel való szorzatát alkalmazzák (dBZ). Azok a részecskék, amelyeknek karakterisztikus mérete (átmérője) kisebb, mint a kisugárzott elektromágneses sugárzás hullámhossza úgy nevezett Rayleigh-szórásnak megfelelően szórják a sugárzást, míg azok a részecskék, amelyeknek mérete összemérhető a beeső sugárzás hullámhosszával Mie-féle szórási törvénynek megfelelően szórják a sugárzást. A Rayleigh-, és Mie-féle szórási törvény a karakterisztikus méretek (hullámhossz és részecske mérete közötti viszony) egymáshoz való viszonya szerint szokás elkülöníteni. Emellett azonban a kétféle szórás során jelentős különbség van a visszaszórás mintázatában. Míg a Rayleigh-szórás esetében a részecskék minden irányban azonos mértékben sugároznak, addig Mie-féle szórást feltételezve a beeső sugár irányával átellenes irányban jelentősebb mértékű a szórás (PLATT et al., 2007). Az 1940-as évektől végeznek radaros megfigyeléseket a csapadék intenzitásának és mennyiségének meghatározására (MARSHALL et al., 1947; SPILHAUS, 1948; GUNN – MARSHALL, 1958; SEKHON – SRIVASTAVA, 1970). A visszavert jel erőssége és a csapadékintenzitás közötti összefüggés elméleti megfontolások, vagy felszíni és radaros mérések összevetése segítségével meghatározható. Az így kapott összefüggés azonban jelentős hibával terhelt, amely akár a 100 % -ot is elérheti. A csapadékintenzitás és a radar reflektivitás

közötti

összefüggés

szilárd

halmazállapotú

csapadék

esetében

is

meghatározható. A havazás intenzitása és a reflektivitás közötti összefüggés azonban jóval bonyolultabb, mint a vízcseppek esetében, és emiatt a hiba mértéke is jelentősebb. Ez döntően a hópelyhek méret szerinti eloszlásában mutatkozó változékonysággal magyarázható (RASMUSSEN et al., 2003). A radar méréseket gyakran alkalmazzák jégeső detektálására is. Amennyiben a felszín közelében mért reflektivitás értéke nagy (> 45 dBZ), akkor a jégeső valószínűsége is nagy (WALDVOGEL et al., 1979; BRINGI et al., 1986b). Mikrofizikai szempontból érdekes jelenség a csapadékzónában gyakran megfigyelhető keskeny, horizontálisan nagy kiterjedésű, nagy reflektivitású sáv, amit fényes sávnak (bright band) neveznek. Már az 1950-es évek elejétől tudjuk, hogy a 0 °C-nál magasabb hőmérsékletű rétegben megfigyelhető

nagy

reflektivitású

sáv

megjelenése

az

olvadási

folyamatokkal

magyarázható (BEMIS, 1955; ATLAS, 1957).

15

2. Tudománytörténeti áttekintés BATTAN és BOHREN (1982) bebizonyították, hogy amennyiben a jég részecskéket folyékony halmazállapotú vízréteg borítja, akkor jelentősen megnő a visszavert jel erőssége, mivel a víz visszaverő képessége nagyobb, mint a jégé. FABRY és ZAWADZKI (1995) vertikálisan felfelé irányított radar mérési eredményeit elemezve a következő fontos következtetésekre jutott: (i) a radarjel intenzitása a fényes sáv fölött, illetve alatt – a csapadékintenzitástól függetlenül – csak 1-2 dBZ-vel különbözik. (ii) - 6 °C-nál alacsonyabb hőmérsékletű tartományban a zúzmarásodás és a hókristályok ütközése a meghatározó folyamat a nagy intenzitású csapadék kialakulásában. (iii) a réteges szerkezetű felhőzetben a refraktív indexnek az olvadás során bekövetkező változása, a részecskék alakja, valamint a megolvadt víz eloszlása a jégrészecskék felszínén befolyásolja legjelentősebb mértékben a fényes sáv erősségét.

2.6. ábra: Hagyományos meteorológiai radar működésének sematikus képe, ahol ha az antenna magassága, V a vizsgált térfogat, H a vizsgált térrész magassága, α az antenna megfigyelési szöge, δ az antenna magassági szöge és h/2 a vizsgált mélység (Forrás: MÉSZÁROS, 2013).

BARTHAZY et al. (1998) a felszínen elhelyezett disdrométerek, polarizációs radar; valamint optikai spektrométerek segítségével vizsgálták az olvadási rétegben a csapadékelemek méret szerinti eloszlását, továbbá a méret és a reflektivitás közötti kapcsolatot. Mérési eredményekre alapozva megállapították, hogy (i) az olvadási rétegben kialakuló fényes sáv vastagsága az olvadó jégrészecskék méretével növekszik; (ii) az olvadási rétegben a részecskék méret szerinti eloszlása jelentősen eltér az exponenciális eloszlástól. 16

2. Tudománytörténeti áttekintés A dual-polarizációs radar technológia alkalmazása jelentős előrelépést jelent a hagyományos radarokhoz képest. A mérés alapelve az, hogy két, egymásra merőleges irányban polarizált sugárzást bocsátanak ki. Mint ahogy azt a 2.7. ábra is mutatja, a meteorológiában alkalmazott dual-polarizációs radarok horizontális és a vertikális irányban polarizált sugárzást bocsátanak ki. A különböző felhő- és csapadékelemek méretüktől és alakjuktól függően különböző mértékben verik vissza a két, egymásra merőleges síkban polarizált sugárzást. A különbség – az ún. differenciális reflektivitás – ismeretében következtethetünk a felhő adott térfogatában lévő részecske típusára (pl. alakjára, halmazállapotára). A különböző részecske típusokra jellemző, differenciális reflektivitás értékeket a 2.8. ábrán foglaltuk össze.

2.7. ábra: Dual-polarizációs radar által kibocsájtott horizontálisan (kék) és vertikálisan (piros) polarizált impulzusok (Forrás: NOAA).

A 2.9. ábra a hagyományos reflektivitás értékeket (a) és a különbségi reflektivitás alapján meghatározott részecske típusokat (b) mutatja ugyanazon zivatarfelhő esetén. Jól látható, hogy míg a különbségi reflektivitás segítségével viszonylag pontos képet alkothatunk a felhőben található részecskék típusára, alakjára és halmazállapotára vonatkozóan, addig a hagyományos reflektivitás adatok alapján legfeljebb a nagyobb méretű jégszemek jelenlétére következtethetünk a 45 dBZ-t meghaladó reflektivitású tartományokban. BRINGI et al. (1986a) kimutatták, hogy az olvadó hódara részecskék által visszavert differenciális reflektivitás értéke az átlagos méret növekedésével csökken. 17

2. Tudománytörténeti áttekintés KLAASSEN (1988) munkájában a radar reflektivitás és a felhőzet mikrofizikai tulajdonságai közötti kapcsolatot vizsgálta. Azt találta, hogy a fényes sáv jelenléte nagyobb mértékben függ a jégrészecskék sűrűségétől, mint a csapadékintenzitástól. Emellett modell szimulációval kimutatta, hogy a fényes sáv vastagsága növekszik a csapadékintenzitás növekedésével. A fényes sáv vastagságának növekedéséhez vezet az is, hogy az olvadás hatására csökken a környező levegő hőmérséklete, és egy közel 0 °C-os izoterm réteg alakul ki, amelyben csökken az olvadás sebessége. Vizsgálatai során stacionárius olvadási modellt alkalmazott a radar reflektivitás és Doppler-radar által szolgáltatott sebesség szimulációjára. Megállapította, hogy erőteljes konvekció esetén a modell nem képes leírni sem a fényes sáv erősségét és magasságát, sem pedig a levegő áramlási sebességét. Továbbá azt találta, hogy erőteljesen konvektív időjárási helyzetekben a radar reflektivitás és a Doppler-radar által szolgáltatott sebesség kiszámítása stacionárius modell alkalmazásával nem lehetséges.

2.8. ábra: Különböző elemek átlagos differenciált reflektivitás értékei (Forrás: Weatherwise).

KLAASSEN (1988) kutatásaihoz hasonlóan VIVEKANANDAN et al. (1990) az olvadó jégrészecskék által szolgáltatott differenciális radar jeleket tanulmányozta. Vizsgálataik során különbséget tettek a hódara részecskék két tipikus fajtája, a kúpos szerkezetű és a gömb alakkal közelíthető részecskék között, valamint a hódara részecskék orientációját és az olvadás során képződő csapadékelemek okozta gyengítést is figyelembe vették. Doppler-radarok elterjedtebb alkalmazására az 1970-es évektől kezdődően került sor. A Doppler-radarok előnye, hogy a mérési eredményekből meghatározhatjuk a levegő áramlását

a

felhőkben

és

a

csapadékzónában,

valamint

következtethetünk

a

csapadékelemek határsebességére (PASSARELLI – SRIVASTAVA, 1979). A legújabb

18

2. Tudománytörténeti áttekintés generációs Doppler-radarok lehetőséget adnak a csapadékelemek méret szerinti eloszlásának becslésére is (MAKI et al., 1998). A Doppler-radar mérések eredményeinek elemzésével lehetőség adódik az ónos eső detektálására is (IKEDA et al., 2009). A módszer lényege, hogy a mért radar paraméterekből olyan mennyiségeket határoznak meg, amelyek értéke utal az ónos esőre, ónos szitálásra. Ilyen paraméterek az átlagos reflektivitás, a reflektivitásra jellemző eltérés helyi (~ 10 kmes környezet) és regionális (~ 30 - 50 km) szinten, valamint a visszavert jel átlagos, térbeli szerkezete. Az találták, hogy ónos eső esetén a radar reflektivitás alacsony éréke (< 5 dBZ) többnyire együtt jár a származtatott paraméterek alacsony értékével. A vizsgált esetek többségében (~ 83 %) az eljárás helyesen becsülte meg a felszínre hulló csapadék típusát.

2.9. ábra: Dual-polarizációs felvételek. A polarizációs technológia alkalmazásával a különböző hidrometeor típusok könnyebben elkülöníthetők, ezáltal a felszíni csapadék halmazállapotának és mennyiségének becslése pontosabbá tehető. Felső ábra: horizontálisan polarizált radar reflektivitás. Alsó ábra: fuzzy-logic (lásd: MARZANO et al., 2006) technikával elkülönített hidrometeor típusok. LR – gyenge eső, MR – közepes eső, HR – zápor, LD – nagy vízcseppek, R/H – eső és jég keveréke; GSH – hódara és kisméretű jégszemek, HA – jégeső, DS – nem olvadt hópelyhek, WS – részlegesen olvadt hópelyhek, IH – IV – jégkristályok (Forrás: NOAA).

19

2. Tudománytörténeti áttekintés 2.2. Modellezés A felhőfizikai kutatásokban új teret nyitott a számítógépes modellezés megjelenése. Napjainkban ez a kutatási módszer tekinthető a legelterjedtebbnek. A számítógépes modelleket általában két nagy csoportra oszthatjuk. Az első csoportba azok a modellek tartoznak, amelyek bizonyos tulajdonságok alapján eltérő részecsketípusokat definiálnak, és azok méret szerinti eloszlását egy folytonos, integrálható függvénnyel közelítik. Általában a teljes részecsketípus egészére érvényes jellemzőt tekintik prognosztikai változónak, ilyen például a keverési arány, vagy a koncentráció. Az ilyen típusú modelleket „bulk” modellnek nevezzük. A felhőfizikai folyamatok másik, lehetséges leírását adják az ún. részletes mikrofizikai modellek (bin séma). Ezeknek a modelleknek nagy előnye, hogy sokkal pontosabban képesek leírni a felhőfizikai folyamatokat, mivel bennük nem élnek előzetes feltevésekkel a méret szerinti eloszlást leíró függvény alakját illetően. Hátrányuk, hogy számítási igényük jóval felülmúlja a „bulk” sémát alkalmazó modellekét. Emiatt operatív használatuk jelenleg még nem lehetséges, azonban kutatási célú alkalmazásuk egyre elterjedtebb (GERESDI, 2004).

2.2.1. „Bulk” parametrizáció Az operatívan alkalmazott mezoskálájú modellekben leggyakrabban az ún. „bulk” parametrizációs eljárást használják. Aszerint, hogy a mikrofizikai folyamatok leírása során csak a keverési arányt, vagy a keverési arányt és a koncentrációt tekintik előrejelzendő paraméternek beszélhetünk egymomentumos, vagy kétmomentumos parametrizációról (LIN et al., 1983; MORRISON – PINTO, 2005, 2006; MORRISON – GETTLEMANN, 2008; MORRISON – MILBRANDT, 2011; STRAKA et al., 2000; STRAKA – MANSELL, 2005; STRAKA, 2009; THOMPSON et al., 2004; 2008). A „bulk” mikrofizikai parametrizáció esetében a megfigyelések eredményeit alapul véve a részecskék méret szerinti eloszlását általában exponenciális függvénnyel írják le (MARSHALL – PALMER, 1948): N D  N 0  exp(  D) ,

(2.1)

ahol N0 (interception) metszési paraméter a D=0 értékhez tartozó függvényérték; λ meredekségi paraméter (slope). Az exponenciális közelítés használatánál azonban fontos szem előtt tartani, hogy a kisméretű vízcseppek, jégkristályok méret szerinti eloszlásának leírására nem alkalmazható. 20

2. Tudománytörténeti áttekintés A fenti összefüggés helyett egyre gyakrabban alkalmazzák az általánosabb gamma eloszlást (MILBRANDT – YAU, 2005a, b). Gamma eloszlást feltételezve a következő függvény írja le a részecskék méret szerinti eloszlását: N D  N 0  D   exp(  D) .

(2.2)

Ahol  az eloszlás gamma-paramétere (shape), N0,  az eloszlás paraméterei és D részecskék mérete. Könnyen belátható, hogy a fenti egyenlet   0 esetben a Marshall– Palmer-féle eloszlást adja eredményül. A fenti általános formula egyaránt alkalmazható a felhő- és csapadékelemek méret szerinti eloszlásának leírására. Az egymomentumos parametrizáció során a fenti egyenletekben az N0 paramétert állandónak feltételezik. Különösen intenzív zivatarok esetén ez a közelítés jelentős hibát eredményezhet. Mérési eredményekkel is igazolták, hogy intenzív zivatarok, zivatarláncok esetén a metszési paraméter a konvektív és a réteges szerkezetű tartomány között gyorsan csökken. A csökkenés azzal van összhangban, hogy a konvektív tartományban jóval jelentősebb a párolgás okozta hűlés, mivel nagyobb számban vannak jelen kis-, és közepes méretű esőcseppek, mint a réteges szerkezetű tartományban (WALDVOGEL, 1974; TOKAY – SHORT, 1996; ATLAS et al., 1999). MORRISON et al. (2009) sikeresen modellezték a zivatarláncok kialakulását és mozgását, amikor eltérő N0 értékeket használtak a konvektív és a réteges szerkezetű régióban található csapadékelemek méret szerinti eloszlását leíró függvényben. Eredményeik alapján megállapítható, hogy a modellezett zivatarlánc szerkezete, és csapadékmezejének térbeli eloszlása is érzékeny a metszési paraméter megválasztására. A bulk sémákban feltételezik, hogy a részecskék – méretüktől függetlenül – ugyanazzal a sebességgel az ún. tömegsúlyozott határsebességgel esnek. Ebben az esetben a hidrometeorok keverési aránya alapján határozzák meg a határsebességet (LIN et al., 1983). Ez a közelítés azonban igen pontatlan, amennyiben az olvadó hópelyhek és jégszemek (hódara, jég) esetén kívánjuk alkalmazni. Az olvadó hidrometeorok határsebességét gyakran az olvadó részecske tömegével megegyező tömegű vízcseppek határsebességével adják meg. Ez a közelítés azonban a csak

részlegesen

megolvadt

jégrészecskék

esetében

jelentősen

felülbecsüli

a

hidrometeorok határsebességét, amelyeknek így a gyors földre érés miatt nem áll rendelkezésre elegendő idő a teljes megolvadáshoz. A határsebesség meghatározásából

21

2. Tudománytörténeti áttekintés eredő pontatlanság sok esetben (például konvektív folyamatok) a csapadék intenzitásának pontatlan előrejelzéséhez vezet (MORRISON et al., 2015). A számítógépek teljesítményének növekedésével napjainkban egyre gyakrabban alkalmaznak három-, illetve több-momentumos modelleket is (MILBRANDT – YAU, 2005a, b; 2006a, b; MILBRANDT et al., 2008). A bulk sémát számítási igénye és egyszerűsége miatt a meteorológiai folyamatok modellezése során széles körűen alkalmazzák (GERESDI, 1998; GERESDI – HORVÁTH, 2000; HORVÁTH – GERESDI, 2003; HORVÁTH et al., 2009; HORVÁTH et al., 2012).

2.2.2. „Bin” parametrizáció A részletes mikrofizikai modellezés esetében a különböző típusú hidrometeorok teljes méret tartományát kisebb intervallumokra osztjuk fel. Kifejlesztettek, és alkalmaznak 100, 55, 36 méretintervallumot alkalmazó modelleket is (HALL, 1980; RASMUSSEN – HEYMSFIELD, 1987; REISIN et al., 1996a, b, c; GERESDI, 1996; REISIN et al., 1998; KHAIN et al., 2000, 2004; GERESDI et al., 2005; LYNN et al., 2005a, b; SEIFERT et al., 2005, 2006; KHAIN et al., 2011). Mivel a megfigyelések azt mutatják, hogy a méret szerinti eloszlások még egy felhőn belül is jelentősen eltérhetnek (pl. az olvadás hatására), ezért tekinthető előnyös – számítástechnikai szempontból kétségtelenül drága – tulajdonságnak az, hogy a részletes mikrofizikai modellekben nincs szükség a méret szerinti eloszlásokat leíró függvények előzetes meghatározására. A modell felépítéséből fakadóan a bin sémák számos olyan folyamatot képesek sokkal pontosabban modellezni, amelyek erősen függnek a részecskék méretétől. Ilyen például a különböző részecskék közötti ütközések, az olvadás, vagy a nagyobb vízcseppek ütközését követő csepprobbanás. A részletes mikrofizikai leírást elsősorban a csapadékképződéssel kapcsolatos kutatásokban, valamint a felhő-aeroszol kölcsönhatás tanulmányozása során alkalmazzák.

2.3. A felhőfizikai folyamatok modellezésének korlátai Mint a fenti tudománytörténeti összefoglalóból is kitűnik, a mikrofizikai folyamatok vizsgálata sok esetben nem oldható meg kellő pontossággal. Ennek oka egyrészt az alkalmazott mérési eljárások pontatlanságával, másrészt a rendelkezésre álló számítógépek teljesítménybeli korlátaival magyarázható.

22

2. Tudománytörténeti áttekintés Az operatívan alkalmazott modellekben elengedhetetlen a minél gyorsabb, és amennyire csak lehet pontos számítások elvégzése. A legtöbb modellben számos mikrofizikai leírás közül lehet választani, amelyek a felhő- és csapadékképződési folyamatok szélesebb-, vagy szűkebb körű előrejelzését teszik lehetővé. Azonban néhány általános érvényű kritika megfogalmazható ezen modellekkel szemben, amelyet az alábbiakban foglalnék össze. A „bulk” mikrofizikai leírás során a részecskék teljes mérettartományára vonatkozóan kerülnek kiszámításra a különböző részecske-típusokra jellemző prognosztikai változók (keverési arány, koncentráció). Ez a fajta megközelítés jelentős hibát eredményezhet: (i)

A csapadékelemek (vízcseppek, jégrészecskék) méret szerinti eloszlása igen nagy változékonyságot mutat, nem csak különböző felhőtípusok esetén, de akár adott felhőn belül is (BLANCHARD, 1953; MILES et al., 2000; TOKAY – SHORT, 1996; GERESDI, 2004; FIELD et al., 2005; 2007).

(ii)

A méret szerinti eloszlást leíró függvény paraméterei nem ismertek kellő pontossággal. A metszési és meredekségi paraméterek pontatlan megválasztása jelentős hibára vezethet a felszíni csapadék becslése során. A pontatlan becslés eredménye lehet a nagyméretű vízcseppek koncentrációjának felül-, és a kisméretű vízcseppek koncentrációjának alulbecslése.

(iii) A „bulk” sémák nem teszik lehetővé a mérettől függő tulajdonságok figyelembe vételét (GERESDI, 2004), mint például a mérettől függő esési sebesség. Egy adott típusba tartozó hidrometeorok összessége mind azonos sebességgel esik ki a felhőzetből (lásd. 2.2.1. fejezet). A különböző méretű részecskékre vonatkozó határsebesség jelentősen eltérhet a tömegsúlyozott határsebességtől. Ez nem csak a felszíni csapadék mennyiségi, hanem annak minőségi (halmazállapot) előrejelzése során is jelentős hibára vezethet (SARKADI et al., 2016). (iv) A felszínre hulló csapadék halmazállapotának előrejelzése különösen a téli időszakban komoly nehézséget jelent, hiszen a halmazállapot-változások pontos leírása és kezelése sok esetben csak jelentős elhanyagolások mellett valósul meg. Az operatívan alkalmazott „bulk” leírásokban az olvadás kezelése során gyakran élnek azzal a feltevéssel, hogy a megolvadó hó/hódara felületén keletkező víz folyamatosan, és azonnal lesodródik az olvadó részecskéről (ez a fajta leírás ugyanakkor ellentmond a laboratóriumi megfigyeléseknek (MITRA et al., 1990).

23

2. Tudománytörténeti áttekintés A folyamatos lesodródás eredménye, hogy a vízcseppek mennyisége túlbecsült, ami a felszínre hulló csapadék mennyiségének felülbecslését eredményezi. (v)

Ugyanakkor a (iii) ponttal összefüggésben, gyakran az olvadó hópelyhek határsebességét is jelentősen felülbecslik, ami a szilárd halmazállapotú csapadékelemek felszíni mennyiségének pontatlan előrejelzését eredményezi.

(vi) Az olvadási folyamatok pontos kezelése a radar reflektivitás számítása során is fontos,

hiszen

a

fényes

sáv

kialakulása

a

hópelyhek

olvadásának

következménye. (vii) A mikrofizikai és a dinamikai folyamatok közötti kölcsönhatás különösen jelentős az intenzív zivatarok esetében. Például a mikrofizikai folyamatok nem kellően pontos parametrizációjának eredményeként nem sikerült előrejelezni egy intenzív zivatarlánc létrejöttét (MORRISON et al., 2015).

24

3. Célkitűzések

3. Célkitűzések A kutatás célja az volt, hogy olyan eljárást dolgozzunk ki, amely lehetővé teszi a különböző

légköri

feltételek

mellett

kialakuló

csapadék

jellemzőinek

(méret,

halmazállapot) pontos előrejelzését. Mivel a feladat már önmagában is elég bonyolult, ezért első lépésként a jégszemek (hópelyhek, hódara szemek) olvadását vizsgáltuk a dinamikai folyamatokkal való kölcsönhatás figyelembe vétele nélkül. Ezáltal képet kaptunk arról, hogy hogyan függ az olvadás a környező levegő hőmérsékletétől és a vízcseppek, valamint a jég (hópelyhek, hódara szemek) méretétől. A következő lépésben, ezt a modellt beépítettük egy mezoskálájú modellbe, ami lehetővé tette, hogy olyan összetett időjárási helyzeteket modellezzünk, amelyekről megfelelő mennyiségű és minőségű, a modell tesztelését lehetővé tevő mérési adat állt rendelkezésre. A mikrofizikai modellnek a mezoskálájú modellbe való beágyazásával már a mikrofizikai és a dinamikai folyamatok közötti kölcsönhatást is figyelembe tudjuk venni, és ez által sokkal pontosabb leírást adhatunk a csapadékképződési folyamatokról. Kutatásaimban a következő problémákkal foglalkoztam: -

Téli csapadék halmazállapotát meghatározó folyamatok, havazás, eső, ónos eső kialakulásának légköri feltételei.

-

Csapadékképződés orografikus konvektív felhőkben. Bulk és részletes mikrofizikai modellek eredményeinek összehasonlítása.

-

Mikrofizikai folyamatok szerepe az intenzív zivatarláncok kialakulásában és mozgásában. A párolgás és az olvadás okozta hőelvonás hatása a hideg párna kialakulásában.

-

Számítógépes

program

kifejlesztése

a

modellezett

radar

reflektivitás

meghatározására. A kidolgozott eljárás segítségével a modell számítások radarmérésekkel való összehasonlítása.

25

4. Alkalmazott kutatási módszer

4. Alkalmazott kutatási módszer A tudománytörténeti áttekintés során már szó esett arról, hogy a felhőfizikai folyamatok vizsgálata során három módszer közül választhatunk. Kutatásaimban a numerikus modellezést alkalmaztam. A számítógépes

szimulációk

elvégzéséhez

részletes

mikrofizikai

eljárást

választottam (GERESDI, 1996; GERESDI et al., 2005, 2014; THÉRIAULT et al., 2015; SARKADI et al., 2016). A választást az indokolta, hogy noha operatív használatuk napjainkban még nem lehetséges, a mikrofizikai folyamatok sokkal pontosabb leírását teszik lehetővé. A modellezés során alkalmazott kódot a meteorológiai kutatásokból jól ismert FORTRAN nyelven írták. A célkitűzésekkel összhangban a vizsgálatokat két részre bontottam. Az érzékenységi vizsgálatokhoz kétdimenziós kinematikai modellt használtam (GRABOWSKI, 1998). Ennek segítségével lehetőség nyílt a dinamikai hatások elhanyagolásával pusztán a mikrofizikai változásokra fókuszálni. A megmaradási egyenletek numerikus integrálásához a SMOLARKIEVICZ (1984) által kidolgozott eljárást használtuk. Ennek a sémának az a nagy előnye, hogy a megmaradási feltételek mellett igen alacsony numerikus diffúziót eredményez (GERESDI – WEIDINGER, 1989). A programot LINUX és SOLARIS operációs rendszerek alatt futtattam. A dinamikai és mikrofizikai folyamatok közötti kölcsönhatás vizsgálata során a kód már rendelkezésre állt az AWRF (Advanced Research Weather Research and Forecasting; MICHALAKES et al., 2001; SKAMAROCK et al., 2008) előrejelzési modellben opcionálisan használható modulként. A kapott eredmények kiértékelése Microsoft Excel, valamint MatLab programok segítségével történt. A képi megjelenítéshez a MatLab programot használtam, amelyre külön kiértékelő script-et készítettem. Az eredményeket részletesen az 5. fejezetben mutatom be.

26

4. Alkalmazott kutatási módszer 4.1. A „bin” mikrofizikai modell ismertetése A részletes mikrofizikai modellben négy hidrometeor típust különböztettünk meg: vízcseppeket, jégkristályokat, hópelyheket, valamint hódara részecskéket (Függelék 1. táblázat). A hidrometeorokat méretük szerint 36 intervallumra osztottuk, és minden méretintervallumban kiszámításra kerültek az alábbi prognosztikai változók: (i) a vízcseppek és a jégkristályok esetében a koncentráció és a keverési arány. (ii) Hópelyhek esetében a koncentráció és a keverési arány mellett a hópehely felszínére ráfagyott víz tömege (zúzmarásodás), a zúzmarásodott hópelyhek koncentrációja, valamint az olvadási tartományban a hópehely megolvadt részének a tömege. (iii) A hódara részecskék esetében a koncentráció és a keverési arány mellett a megolvadt rész tömege. A felhőkben lejátszódó mikrofizika folyamatok összetettségét jól szemlélteti a 4.1. ábra. Az ábrán a csapadékképződés komplex folyamata követhető nyomon szárazföldi (szennyezett levegő) és óceáni (tisztább, kevésbé szennyezett levegő) esetében. Annak érdekében, hogy a légkörben lejátszódó csapadékképződési mechanizmust minél pontosabban tudjuk szimulálni a következő mikrofizikai folyamatokat vettük figyelembe: 1) Vízcseppek kialakulása aktív kondenzációs magvakon, valamint jégkristályok képződése jégképző aeroszol-részecskéken. A vízcseppek heterogén kondenzációs folyamatok során, a jégkristályok depozíció vagy kondenzációs-fagyás során alakulnak ki. A vízcseppek képződését meghatározó aktív kondenzációs magvak koncentrációja a túltelítettségtől függ (RASMUSSEN et al., 2002). A jégkristályok kialakulását meghatározó jégképző magvak koncentrációja a hőmérséklettől függ (COOPER, 1986). 2) Különböző típusú hidrometeorok diffúziós növekedése. A hidrometeorok diffúziós növekedése során a környező levegő relatív páratartalmától függően a vízgőz közvetlenül a hidrometeorok felszínére csapódik, vagy arról párolog el. 3) Túlhűlt vízcseppek fagyása, megolvadt jégrészecskék újrafagyása (WISNER et al., 1972). 4) Vízcseppek egymással való ütközése és összeolvadása. A vízcseppek méretüktől függően ütköznek és olvadnak össze egymással. (LOW – LIST, 1982a, b; BÖHM, 1992) 27

4. Alkalmazott kutatási módszer

4.1. ábra: A felhőkben lejátszódó mikrofizikai folyamatok, a különböző csapadék típusok kialakulásának módja szárazföldi és tengeri légtömegben. (Forrás: BRAHAM – SQUIRES, 1974).

28

4. Alkalmazott kutatási módszer 5) Csepprobbanás. A csepprobbanás azért következik be, mert a nagyobb vízcseppeket (d > 1 cm) a felületi feszültség már nem képes összetartani. Ezt a folyamatot a vízcseppek közötti ütközések is generálhatják. A csepprobbanás következtében több, kisebb vízcsepp keletkezik. A keletkező vízcseppek méret szerinti eloszlását laboratóriumi megfigyelések alapján határoztuk meg (LIST – GILLESPIE, 1976; LOW – LIST 1982a, b). 6) Vízcseppek ütközése szilárd halmazállapotú csapadékelemekkel (jégkristályok, hópelyhek,

hódara

részecskék

zúzmarásodása

a

negatív

hőmérsékletű

tartományban). A túlhűlt vízcseppek és a jégkristályok ütközése a negatív hőmérsékleti tartományban a kristályok zúzmarásodását, és így hópelyhek kialakulását eredményezi. A túlhűlt vízcseppek és hópelyhek ütközése a zúzmarásodás mértékétől függően vagy a hópehely tömegét növeli (gyenge zúzmarásodás), vagy hódara részecskék kialakulásához vezet (erős zúzmarásodás). A hódara részecskék által összegyűjtött és megfagyott vízcseppek a hódara részecskék tömegét növelik (PITTER, 1977; LANGMUIR, 1948). 7) Jégkristályok összeütközése és összetapadása (aggregáció, hópelyhek kialakulása). Az

előbbiekben

ismertetett

zúzmarásodási

folyamat

mellett

hópelyhek

kialakulhatnak jégkristály-jégkristály ütközések következtében is. Az ütközést követő

összetapadás

valószínűsége

függ

a

hőmérséklettől.

Alacsonyabb

hőmérsékleten kisebb a valószínűsége annak, hogy az ütköző részecskék összetapadjanak. 8) Hópelyhek ütközése (aggregáció). A hópelyhek mérete növekszik az aggregáció során. A fenti folyamathoz hasonlóan az összetapadás valószínűsége függ a hőmérséklettől. 9) Szilárd halmazállapotú elemek olvadása. Az olvadási folyamatok pontos leírása elengedhetetlen a megbízható halmazállapot-előrejelzés szempontjából. Az olvadási folyamatok leírása összhangban van a laboratóriumi mérésekkel. A szilárd halmazállapotú csapadékelemek a pozitív hőmérsékleti tartományba érve olvadni kezdenek. Az olvadási sebesség nagysága függ az olvadó részecske méretétől, valamint a környező levegő hőmérsékletétől és a relatív páratartalmától. A hódara részecskék esetén az olvadási folyamatok során megolvadt víz a részecske felszínén marad, amennyiben a hidrometeorok mérete nem éri el a 0,8 cm-es átmérőt. A modellben explicit módon kiszámításra kerül a megolvadt víz tömege, így adott 29

4. Alkalmazott kutatási módszer mérettartományra meghatározható az olvadási arány, amely a megolvadt víz tömegének és az olvadó, szilárd halmazállapotú hidrometeor teljes tömegének arányát jelenti. Az olvadási arány függvényében határoztuk meg, hogy mikor soroljuk át az olvadó részecskét a vízcsepp kategóriába. Az olvadó hidrometeorokat teljesen megolvadtnak tekintjük, amennyiben az olvadási arány meghaladja a 0,8-es határértéket (MITRA et al., 1990). A modellben figyelembe van véve az olvadó részecskék alakjának változása (lásd 4.2. ábra), valamint a sűrűség változása a hópelyhek méretétől függően. Eredményeinket korábbi kutatási eredményekkel (SZYRMER – ZAWADZKI, 1999) vetettük össze, és azt találtuk, hogy a modell által számított olvadási arányok megfelelnek a szakirodalomban publikált értékeknek. Numerikus szimulációk azt mutatják, hogy alacsony kezdeti vízcsepp keverési arány esetén az olvadási arány a mérettől független. Jelentős hatása a vízcseppek kezdeti mennyiségének csak nagyobb méretek esetén van az olvadási arány változásaira. Ez azzal magyarázható, hogy a nagyobb keverési arány mellett, amennyiben a hópelyhek mérete meghaladja a néhányszor 100 μm-es értéket a felszínén felhalmozódó, megolvadt víz jelentősen befolyásolja az ütközési – összeolvadási folyamatokat. 10) Mérettől függő esési sebesség. Míg a bulk séma esetében minden hidrometeor ugyanazzal a sebességgel (rendszerint tömegsúlyozott határsebesség) esik, addig a bin séma alkalmazása lehetővé teszi, hogy a hidrometeorok határsebességét a méretük függvényében adjuk meg. Az olvadó hópelyhek és hódara részecskék esetén a határsebesség az olvadási arány függvényében kerül meghatározásra. 11) Részben olvadt jégrészecskék ütközése vízcseppekkel a pozitív hőmérsékleti tartományban, a megolvadt víz részleges lesodródása az ütközés hatására. A részlegesen megolvadt hópelyhek és hódara részecskék felületén vízréteg alakul ki. A pozitív hőmérsékleti tartományban a vízcseppekkel való ütközésnek kétféle eredménye lehetséges. Egyrészt az ütközés hatására a megolvadt víz tömege növekszik a jégrészecskék felszínén. Másrészt – a hódara részecskék esetében – a vízcseppekkel való ütközés a megolvadt víz egy részének lesodródását eredményezheti. Mivel erre a folyamatra vonatkozóan nincsenek laboratóriumi megfigyelések több önkényes feltevéssel is éltünk a lesodródó víz teljes tömegét és a lesodródó vízcseppek méret szerinti eloszlását illetően. Feltételeztük, hogy a lesodródás csak 0,3-nél nagyobb olvadási arány mellett indul meg. 30

4. Alkalmazott kutatási módszer

4.2. ábra: Az olvadás hatása a kapacitás is a ventillációs együttható szorzatának (C*fh) értékére különböző olvadási arányok esetén a méret függvényében. A folytonos görbe illesztése SZYRMER – ZAWADZKI (1999) munkája alapján történt.

4.2. Ekvivalens radar reflektivitás számítása A modell validálása során nehézséget jelent, hogy a csapadékelemek méret szerinti eloszlására vonatkozó megfigyelések csak ritkán, leginkább célzott mérési kampányok során állnak rendelkezésre. Ezzel szemben a meteorológiai gyakorlatban széles körűen alkalmaznak radarokat a felhőzet és a csapadék megfigyelésére. Ennek megfelelően munkám során kiemelten foglalkoztam a modell eredmények validálását lehetővé tevő radar reflektivitás számítási algoritmus kidolgozásával. A radar reflektivitás a csapadék- és felhőelemekről visszaverődő sugárzás intenzitásának arányát fejezi ki a kibocsájtott sugárzás intenzitásához képest. A visszavert sugárzás intenzitása függ a csapadékelemek halmazállapotától, valamint a visszaverő felület nagyságától (vagyis a csapadékelemek méretétől

és

alakjától).

A különböző

csapadékelemekre

jellemző

visszaszórási

keresztmetszet meghatározása során kétféle megközelítést alkalmazhatunk: (i) amennyiben a csapadékelemek mérete jóval kisebb, mint a kibocsájtott sugárzás hullámhossza, abban az esetben az úgy nevezett Rayleigh-féle szórás történik. (ii) Ha a méret és a hullámhossz összemérhető nagyságrendű, akkor Mie-féle szórásról beszélünk. A modellezett radar reflektivitás kiszámítása során feltételeztem, hogy a modellezett csapadékelemek mérete kisebb, mint a kibocsájtott sugárzás hullámhossza,

31

4. Alkalmazott kutatási módszer amely 5 vagy 10 cm-es értéket vehet fel. Ez a feltétel a modellezett csapadékelemek méret szerinti eloszlása miatt még a nagyobb hódara részecskék esetén is teljesül (BLAHAK, 2007). A napjainkban alkalmazott meteorológia radarok 5 cm-es hullámhosszon végeznek méréseket, így jó közelítéssel alkalmazhatjuk a Rayleigh-féle szórási sémát. A radar reflektivitás meghatározásához több, a részecskékre jellemző paraméterre van szükség. A modell szolgáltatja a csapadékelemek méretét, a vízcseppek esetében a cseppek sugarát, míg a jégrészecskék (hópelyhek és hódara szemek) esetén az átmérőt. Emellett a kategóriáknak megfelelően a csapadékelemek halmazállapota, valamint a megolvadt víz aránya is adott. A legtöbb radar reflektivitás számítási algoritmus esetén a legnagyobb problémát az olvadó csapadékelemek reflektivitásának meghatározása jelenti. A részletes mikrofizikai parametrizáció előnye, hogy benne az olvadó cseppekre jellemző olvadási arány, vagyis az olvadt víz és a csapadékelem teljes tömege közötti arány meghatározott, így ez az adat közvetlenül felhasználható a reflektivitás számítása során. A vízcseppekre vonatkozó reflektivitás a radar által mért térfogatban található hidrometeorok koncentrációjának (N(D)) és a csapadékelemre jellemző visszaszórási keresztmetszetnek (σb(D)) az ismeretében a következő integrállal határozható meg: 

Z    b ( D) N ( D)dD

(4.1)

0

Amennyiben az adott térfogatban található vízcseppeket gömb alakúnak tételezzük fel, valamint feltesszük, hogy a méretük elhanyagolható a radar által kibocsájtott jel hullámhosszához képest, akkor a fenti egyenlet alapján számított reflektivitás az ún. ekvivalens reflektivitással (Ze) egyezik meg. A számítások elvégzéséhez a részecskék méret szerinti eloszlásának, valamint a visszaszórási keresztmetszet ismeretére van szükség.

A

fenti

egyenletben

szereplő,

vízcseppekre

vonatkozó

visszaszórási

keresztmetszet a következő összefüggés alapján határozható meg: 2 π 5 m 2  1 6 σb =   D , λ 4 m 2 + 2

(4.2)

ahol a visszaszórási keresztmetszet (σb) függ a részecskék átmérőjétől (D), a sugárzás hullámhosszától (λ), valamint a visszaverő részecskék refraktív indexétől (m). A refraktív index helyett gyakran a dielektromos állandót használják. A K dielektromos állandó a környező levegő hőmérsékletének, a visszaverő részecske halmazállapotának és a sugárzás 32

4. Alkalmazott kutatási módszer hullámhosszának függvénye. A részecskékre jellemző dielektromos állandót általában a következő összefüggéssel határozzák meg: 2

K víz ,0 =

2

2 mvíz ,0  1

,

2 mvíz ,0  2

(4.3)

ahol mvíz,0 a vízcseppekre vonatkozó értéket jelöli a 0 °C-os levegőben. A fenti egyenlettel analóg módon meghatározható a jégre vonatkozó érték is. Általánosan, a vízre vonatkoztatott, tetszőleges hőmérséklethez (t) tartozó dielektromos állandót a következő összefüggéssel írhatjuk fel: 2

K víz,t =

2 mvíz ,t  1

2

.

2 mvíz ,t + 2

(4.4)

A 4.2 – 4.4 összefüggéseket felhasználva a vízcseppekre vonatkozó ekvivalens radar reflektivitás érték a következő egyenlettel írható fel:

Ze =

λ04  K víz ,t

2

π  K víz,0

2

5



 D N  D  dD , 6

(4.5)

0

amelyet a részletes mikrofizikai modell esetében az alábbi véges összeggel közelítünk:

Ze =

λ04  K víz,t

2

π  K víz ,0

2

5

36

D N 6 k

vízcsepp , k

(4.6)

k=1

A fenti egyenletben Dk a k-ik méretintervallumban vett átlagos méret, Nvízcsepp,k a k-ik méretintervallumba eső vízcseppek koncentrációja. A 4.6 egyenlettel analóg módon meghatározható a szilárd halmazállapotú csapadékelemekre vonatkozó ekvivalens reflektivitás. A szilárd hidrometeorok változatos alakja és sűrűsége miatt a visszaszórási keresztmetszetnek a 4.2 egyenlettel történő meghatározása során több egyszerűsítő feltevéssel kell élni. A jégrészecskék esetén gyakran feltételezik (SMITH, 1984), hogy a reflektivitás függ a hidrometeorok tömegétől, de független azok alakjától. Az ekvivalens reflektivitás meghatározásakor a jégrészecskék méretét az ún. víz ekvivalens átmérő segítségével adtam meg. A víz ekvivalens átmérő az az átmérő, amely egy, a jégrészecskével azonos tömegű vízcseppet jellemezne. Az adott tömeghez tartozó jégrészecske (jégkristály, hópehely, hódara szem) esetén a szilárd

33

4. Alkalmazott kutatási módszer hidrometeorra jellemző visszaszórási keresztmetszetet az alábbi összefüggéssel írhatjuk fel:

σb =

π 5  D 6  K jég ,t

2

(4.7)

λ4 2

σb adott mérethez tartozó visszaszórási keresztmetszet, K jég ,t 

m2jég ,t  1

2

m2jég ,t + 2

a jégre

vonatkozó dielektromos állandó, továbbá mjég,t a jégszemek refraktív indexe (adott hullámhossz és hőmérséklet esetén). A fentiek alapján az ekvivalens reflektivitás az alábbi összefüggéssel határozható meg (BLAHAK, 2007):

Ze =



λ04 π 5  K víz ,0

2

 σ  D  N  D  dD

(4.8)

b

0

Ahol Ze az ekvivalens reflektivitás, λ a hullámhossz, Kvíz,0 a 0 °C-os vízre vonatkozó dielektromos állandó, σb(D) adott mérethez tartozó visszaszórási keresztmetszet és N(D) részecskék méret szerinti eloszlása. Hasonlóan a 4.6 egyenlethez a részletes mikrofizikai parametrizáció esetében, a fenti integrál a következő véges összeggel közelíthető:

Ze = A

λ04

36

π  K víz ,0 5

jégrészecskék

2

σ

b,k

Nk

(4.9)

k=1

reflektivitásának

meghatározásakor

a

következő

egyszerűsítő

feltételezésekkel éltem: (i)

a részecskéket szférikusnak tekintettem;

(ii)

az olvadó részecskéket kétrétegű szféroidokként közelítettem, ahol a

hópelyhek és a hódara szemek esetében az olvadékvíz a szilárd csapadékelem sűrűségétől függően oszlik el a hidrometeor belsejében és annak felszínén; (iii)

a visszaszórási keresztmetszet σb,k a különböző részecskék víz ekvivalens

átmérőjével arányos, és függ a sugárzás hullámhosszától (λ), valamint a visszaverő részecskék refraktív indexétől (m).

34

4. Alkalmazott kutatási módszer A 4.9 egyenletben szereplő Nk a részecskék koncentrációját jelenti a k-ik méret intervallumban, és a modell eredményekből direkt módon származtatható. A száraz hópelyhek és a zúzmarásodott jégkristályok esetén a dielektromos állandó értékét a részecske sűrűségének függvényében határozhatjuk meg (MATROSOV, 1992; STRAKA et al., 2000) az alábbi módon: 2

K hópehely,t = BATTAN

–

hópehely 2  K jég ,t .  jég

BOHREN

(1982)

az

(4.10) olvadó

hópelyhek

dielektromos

állandójának

meghatározásához a következő összefüggést javasolja:

Kolvadt hó ,t = f s  Kvíz,t + 1  f s   K jég,t ,

(4.11)

ahol fs az olvadó hópehelyre jellemző olvadási arány, Kolvadt hó,t az olvadó részecske, Kvíz,t a vízcsepp és Kjég,t a jégkristályra jellemző dielektromos állandó. A visszaszórási keresztmetszet számítása során MAXWELL GARNETT (1904) által javasolt eljárás alapján BOHREN – HUFFMAN (1983) átdolgozott összefüggését alkalmaztam az olvadó részecskék refraktív indexének és dielektromos állandójának a meghatározására. A részlegesen olvadt hidrometeorokra, lapult ellipszoid alak esetén a következő összefüggés írható fel: n

2 mkeverék 

2 p közeg  mközeg   pi   i  mi2 i 2 n

,

(4.12)

p közeg   pi   i i 2

ahol m az anyagra jellemző refraktív index, p az anyag fajlagos térfogata a teljes hidrometeorra vonatkoztatva, míg βi együttható az alábbi formában számítható:

i 

2 2  mközeg 2 mi2  mközeg

  m2   mi2   2  ln  2 i   1 .  m  m2 m   közeg  közeg    i

(4.13)

A fenti leírás független attól, hogy a részecskéket milyen keverékként kezeljük, de jelentős mértékű változást tapasztalunk a visszaszórási keresztmetszet változásában attól függően, hogy a közeget (mközeg, pközeg) miként írjuk le. A későbbiekben feltételeztem, hogy a megolvadt víz tömegének egy része az olvadó részecske felszínén található, másik része pedig az olvadó részecskében található levegőbuborékokat tölti ki. A fenti összefüggést sikeresen alkalmazták bulk modellek esetén (BLAHAK, 2007), többnyire azzal a 35

4. Alkalmazott kutatási módszer feltételezéssel élve, hogy a befoglaló közeg a víz és azon belül jég-levegő keverék található. A numerikus szimulációk során a 4.6 és 4.9 egyenletek alapján határoztam meg a reflektivitás értékét. A dielektromos állandó meghatározása során a hódara részecskék esetén a 4.7 egyenletben szereplő értéket alkalmaztam, míg a nem olvadt hópelyhek esetén a 4.10 egyenletet használtam fel. Az olvadó részecskék esetén mind a BOHREN – HUFFMAN (1983), mind a BATTAN – BOHREN (1982) által publikált közelítést teszteltem (lásd 4.2.1. fejezet). A 4.3. ábra az egyes hidrometeor típusok komplex refraktív indexének a hullámhossztól és a hőmérséklettől való függését mutatja be. A refraktív index valós része a törésmutató, míg a képzetes rész az energia disszipációját írja le a közegben. Az ábráról leolvasható, hogy a jégre vonatkozó refraktív index valós része független a hullámhossztól és a hőmérséklettől. A képzetes rész viszont mind a hőmérséklettől, mind pedig a hullámhossztól erőssebben függ. A hőmérséklettől való függés a rövidebb hullámhosszak esetén jelentősebb. A vízre vonatkozó refraktív index mind a hullámhossztól, mind pedig a hőmérséklettől erősebben függ, mint a jégre vonatkozó érték. A hullámhossz növekedésével a képzetes rész hőmérséklet függése ellentétes módon változik. Míg az 1 cm-es hullámhossz esetén a hőmérséklet növekedése a refraktív index növekedését vonja maga után (mind a képzetes, mind a valós rész növekedését), addig az 5 cm-es és a 10 cmes hullámhosszak esetén a képzetes rész a hőmérséklet növekedésével csökken. A valós rész minden hullámhossz esetén növekszik a hőmérséklet növekedésével, azonban a növekedés üteme jelentősen függ a hullámhossztól. A görbe meredeksége 10 cm-es hullámhosszak esetén a legkisebb, vagyis a nagyobb hullámhosszak esetén a hőmérséklettől való függés kevésbé meghatározó a részecskék refraktív indexének kiszámolásakor. A kapott eredmények jól egyeznek a szakirodalomban fellelhető adatokkal (RAY, 1972; MÄTLZER, 1998). Egy adott hullámhossz esetén a jégrészecskékre vonatkozó refraktív index valós része alig (~10 % körül) változik a pozitív hőmérsékleti tartományban, így a hőmérséklettől való függés hatása elhanyagolható. A folyékony halmazállapotú csapadékelemek esetén ez a hatás némileg nagyobb.

36

4. Alkalmazott kutatási módszer

4.3. ábra: A jég refraktív indexe (a) és a víz refraktív indexe (b) különböző hullámhosszak esetén (fekete 1 cm, piros 5 cm, kék 10 cm) a hőmérséklet függvényében. A valós részt folytonos, míg a képzetes részt szaggatott vonal jelöli.

4.2.1. Érzékenységi vizsgálatok 1D időfüggő modell alkalmazásával A modell validációja szempontjából igen fontos a modell kimeneti paraméterei alapján számított radar reflektivitási mező vizsgálata, mért értékekkel való összehasonlítása. A radar reflektivitás számítása lehetővé teszi, hogy a modell eredményei adekvát módon összehasonlíthatóvá váljanak a megfigyelésekkel. A radar reflektivitás számítási algoritmus kidolgozása során BLAHAK (2007) munkáját vettem alapul. A bulk sémákhoz kidolgozott közelítés

azon

alapul,

hogy

az

olvadó

részecskékre

vonatkozó

visszaszórási

keresztmetszetet egy, két, vagy három rétegből álló részecskére vonatkozóan határozzák meg. A bulk sémák esetében a mikrofizikai folyamatok parametrizációja (méret szerinti eloszlás leírásának pontatlanságai, olvadás

során lesodródás kezelése) gyakran

eredményezi a radar reflektivitás pontatlan meghatározását. A bulk modellek többnyire alulbecsülik a kisebb vízcseppek és felülbecsülik a nagyobb vízcseppek koncentrációját. Az olvadási folyamatok pontatlanabb leírásának pedig az a következménye, hogy a bulk modellek általában nem tudják reprodukálni az olvadó részecskék miatt kialakuló fényes sávot, illetve a fényes sáv alatti rétegekben megfigyelhető reflektivitás csökkenést.

37

4. Alkalmazott kutatási módszer A 4.4. ábra az olvadási arány függvényében ábrázolja a víz-jég keverékekre vonatkozó visszaszórási keresztmetszetnek és a víz ekvivalens átmérőjű vízcseppek visszaszórási keresztmetszetének arányát különböző kezdeti méret (0,09; 0,45; 1,1 mm), állandó környezeti hőmérséklet (2 °C) és különböző hullámhosszak (1. 5 és 10 cm) esetében. Az ábráról leolvasható, hogy az olvadó részecskék esetén a mérettől való függés azonos olvadási arány mellett nem elhanyagolható. A visszaszórási keresztmetszet minden hullámhosszon gyorsan nő a méret és az olvadási arány növekedésével. Nagyobb méretű részecskék esetén az olvadó részecske visszaszórási keresztmetszete akár közel 100szorossa is lehet a folyékony vízcsepp visszaszórási keresztmetszetének.

4.4. ábra: Az olvadó részecskékre vonatkozó visszaszórási keresztmetszet és a teljesen olvadt részecskék visszaszórási keresztmetszetének arányát 2 °C-on; különböző méret a) d = 0,09 mm, b) d = 0,45 mm és c) d = 1,1 mm-es hópelyhek esetén, valamint különböző hullámhosszakra (1, 5 és 10 cm).

A fenti eredményeken alapuló modellkísérleteket először a dinamikai folyamatok elhanyagolása mellett, 1D, időfüggő modell segítségével végeztem el. A reflektivitás meghatározásához szükséges mennyiségek a mikrofizikai modellből származtak (a hidrometeorok mérete, a méret szerinti eloszlás, olvadási arány). Az olvadó hidrometeor sűrűségének függvényében határoztam meg, hogy mekkora mennyiségű víz található az olvadó jégrészecske felületén, és mekkora mennyiség tölti ki a jégrészecske belsejében található levegőbuborékokat. Azzal a feltevéssel éltem, hogy az olvadás során az olvadó jégrészecske belseje a víz és a jég meghatározott arányú keverékeként írható le, vagyis kétrétegű közelítést alkalmaztam. Minden esetben feltételeztem, hogy a Rayleigh-féle 38

4. Alkalmazott kutatási módszer szóródási törvény alkalmazható. Ez a feltevés nem eredményez jelentős hibát a számítások során, hiszen a modell által szimulált részecsketípusok esetére teljesül, hogy az elvileg lehetséges legnagyobb átmérő kisebb, mint a számítás során alkalmazott hullámhossz.

4.5. ábra: Bohren és Huffman (B-H), valamint Battan és Bohren (B-B) alapján számított radar reflektivitás értékek idealizált szimuláció során.

Érzékenységi vizsgálatok segítségével megvizsgáltam, hogy a visszaszórási keresztmetszet (BOHREN – HUFFMAN, 1983; 4.12. egyenlet), valamint a dielektromos állandó olvadási aránytól függő meghatározása (BATTAN – BOHREN, 1982; 4.11. egyenlet) milyen hatással van a kialakuló fényes sáv, vagy más néven „bright band” erősségére (4.5. ábra). A két módszer között (BOHREN – HUFFMAN, 1983; BATTAN – BOHREN, 1982) mintegy 5 dBZ eltérés tapasztalható. Azaz az olvadó jégrészecskék visszaszórási keresztmetszete jelentős mértékben függ attól, hogy hogyan vesszük figyelembe az olvadt víz hatását. Az utóbbi módszer (4.11. egyenlet) azonban nem veszi figyelembe, hogy a megolvadt víz milyen arányban oszlik el a szilárd halmazállapotú hidrometeor felületén és belsejében. Az olvadási réteg alatt, illetve közvetlenül az olvadási réteg fölött (2500 m) a két számítási módszer között nem volt jelentős különbség.

39

5. Eredmények

5. Eredmények A

következőkben

összefoglalom

az

esettanulmányokhoz

kapcsolódó

kutatások

eredményeit. A munka első szakaszában egydimenziós (független helyváltozó a vertikális koordináta), időfüggő modell segítségével végeztem számításokat. Azt vizsgáltam, hogy a légkör állapotjellemzői (hőmérséklet, nedvességtartalom, valamint a hópelyhek és a vízcseppek mennyisége) hogyan befolyásolják a csapadék halmazállapotát a felszínen. Ezek a kutatások a téli csapadék halmazállapotának meghatározásához kapcsolódtak. Érzékenységi vizsgálatot végeztem annak eldöntésére, hogy a havazás – havas eső – eső, illetve a havazás – ónos eső csapadéktípusok közötti átmeneteket hogyan befolyásolják a környezeti jellemzők. Az érzékenységi vizsgálatokon túl egy konkrét esetet is modelleztem, és a modell eredményeket összehasonlítottam korábban már publikált eredményekkel. A kutatás e fázisában a dinamikai hatásoktól eltekintettem. Napjainkban is komoly problémát jelent a mezoskálájú légköri képződmények – zivatarfelhők, illetve a hozzájuk kapcsolódó kísérőjelenségek (kifutószél, csapadék, jégeső, villámlás) – előrejelzése. A problémát alapvetően az okozza, hogy ezekben a képződményekben nagyon erős a kölcsönhatás a dinamikai és a mikrofizikai folyamatok között, és lokális, nehezen mérhető hatások is befolyásolják kialakulásukat, fejlődésüket. Emiatt a kutatás következő fázisában már két-, illetve háromdimenziós modellt használtam a számítások elvégzésére, amelyek lehetőséget adtak a dinamikai és a mikrofizikai folyamatok közötti kölcsönhatás figyelembevételére. A felhőzet megfigyelésére legelterjedtebben alkalmazott eszköz az időjárási radar. Mivel a radar az elektromágneses sugárzás visszaverődésén alapuló távérzékelési eszköz, ezért a mérési eredmény és a megfigyelt közeg jellemzői közötti összefüggés egyértelmű meghatározása nem egyszerű feladat. A modell számítások tesztelését segíti, ha a modelladatokból radar által mérhető mennyiségeket tudunk származtatni.

5.1. Olvadási folyamatok Az olvadási folyamatok tanulmányozása során több numerikus kísérletben vizsgáltam, hogy az olvadás hogyan függ a levegő hőmérsékletétől, nedvességtartalmától, valamint a felhőzet mikrofizikai jellemzőitől (pl. folyékony halmazállapotú, túlhűlt víz mennyisége). 40

5. Eredmények Az érzékenységi vizsgálatokat egydimenziós, időfüggő modell segítségével végeztem. A modellezés során eltérő kezdeti feltételeket

használtam. Vizsgáltam a modell

érzékenységét a vízcseppek és hópelyhek kezdeti keverési arányára, valamint a kezdeti hőmérsékleti rétegződésre vonatkozóan (alultelített, túltelített, illetve inverziós helyzet). A különböző kezdeti keverési arányokhoz tartozó méret szerinti eloszlások az 5.1. ábrán láthatók.

5.1. ábra: Kezdeti méret szerinti eloszlás különböző kezdeti keverési arányok esetén (a) vízcseppek, (b) hópelyhek esetében. A fekete, kék és piros vonalak rendre a 0,1; 0,5 és 1,0 g kg-1 keverési arányokhoz tartozó modellezett méret szerinti eloszlásokat ábrázolják.

Amennyiben ismerjük a részecskék keverési arányát (Q) és koncentrációját (N), akkor az exponenciális eloszlás paraméterei (N0, λ) a következő összefüggés alapján határozhatóak meg (levegő és víz a levegő és a víz sűrűsége) (GERESDI, 2004): 3 4

    víz N0  N    Q   levegő 

   

(5.1)

1

    víz  N  3     Q   levegő   

(5.2)

41

5. Eredmények A gamma eloszlás paramétereit a keverési arány és a koncentráció ismertében az alábbi formulával adhatjuk meg (GERESDI, 2004):  N   N 0      1 

 4 3

    víz     4  Q   levegő   

 1 3

(5.3)

1

     víz  N   4  3  , ahol    e t  t x1dt függvény.     Q   levegő   1  0  

(5.4)

Az olvadási folyamatokra jelentős hatással van a környező levegő nedvességtartalma és hőmérséklete. A numerikus kísérletek során módosítottam a környező levegő kezdeti állapotait. Az 5.2. ábra a kezdeti vertikális hőmérsékleti profilt mutatja a magasság függvényében.

5.2. ábra: Kezdeti hőmérsékleti profil lehetséges beállításai a különböző szimulációk során.

Több lehetőséget is megvizsgáltam a kezdeti vertikális rétegzettséget tekintve: (i) nedves adiabatikus hőmérsékleti gradiens; (ii) idealizált inverziós állapot, valamint (iii) valós légköri állapot (mérési eredmények – felszállások alapján). Emellett módosítottam a légkör nedvességtartalmának vertikális szerkezetét is, vagyis telített-, és telítetlen nedves levegőben is modelleztem az olvadási folyamatokat. 42

5. Eredmények 5.1. táblázat: A numerikus szimulációk során alkalmazott kezdeti feltételek beállításainak összefoglalása. Numerikus kísérlet

Kezdeti hó keverési arány [g kg-1]

Kezdeti keverési [g kg-1]

CTRL

0,5

1

víz arány

Hőmérsékleti rétegződés

Relatív páratartalom [%]

0

Nedves adiab.

100

0,5

0,1

Nedves adiab.

100

2

0,5

0,2

Nedves adiab.

100

3

0,5

0,5

Nedves adiab.

100

4

0,1

0

Nedves adiab.

100

5

0,1

0,1

Nedves adiab.

100

6

0,2

0

Nedves adiab.

100

7

0,2

0,1

Nedves adiab.

100

8

0,2

0,2

Nedves adiab.

100

9

0,8

0

Nedves adiab.

100

10

0,8

0,1

Nedves adiab.

100

11

0,8

0,2

Nedves adiab.

100

12

0,8

0,5

Nedves adiab.

100

13

0,8

0,8

Nedves adiab.

100

14

1

0

Nedves adiab.

100

15

1

0,1

Nedves adiab.

100

16

1

0,2

Nedves adiab.

100

17

1

0,5

Nedves adiab.

100

18

1

0,8

Nedves adiab.

100

19

1

1

Nedves adiab.

100

20

0,5

0

Nedves adiab.

100

21

0,5

0,1

Nedves adiab.

100

22

0,5

0,2

Nedves adiab.

100

23

0,5

0,5

Nedves adiab.

100

24

0,5

0

Nedves adiab.

70

25

0,5

0,1

Nedves adiab.

70

26

0,5

0,2

Nedves adiab.

70

27

0,5

0,5

Nedves adiab.

70

43

5. Eredmények A folytonos tömegáram biztosítása végett a hidrometeorok keverési arányát konstansnak tartottam a modellezett tartomány egy adott rétegében. A numerikus kísérletek során alkalmazott kezdeti feltételeket (keverési arányok, hőmérsékleti rétegződés és relatív nedvesség) az 5.1. táblázat foglalja össze.

5.1.1. Az olvadási folyamatok és a környezeti paraméterek közötti kölcsönhatás Az olvadás, mint halmazállapot-változás, hatással van a környező levegő hőmérsékletére is. Egy idealizált, nedves adiabatikus rétegzettség és 100 % relatív páratartalom (5.3. ábra) mellett vizsgáltam az olvadási folyamatokat, és az olvadást befolyásoló egyéb mikrofizikai tényezőket. Az ábra a kezdeti időpontban és a numerikus szimuláció első órájának végén szemlélteti a hőmérséklet, valamint a vízfelszínre és a jégfelszínre vonatkozó túltelítettség értékét a magasság függvényében. Kezdetben a 0 °C-os szint a felszín felett 2500 m magasan volt. Az 5.3a ábrán látszik, hogy a negatív hőmérsékleti tartományban a vízcseppek fagyásának hatására hő szabadul fel, amely melegíti a környező levegőt, míg az olvadási folyamatok 0 °C-nál nagyobb hőmérsékleten hőelvonással járnak, és a környező levegő hőmérsékletét csökkentik.

5.3. ábra: (a) A hőmérséklet és (b) a jég-, és a vízfelszínre vonatkozó túltelítettség a kezdeti időpontban és a numerikus szimuláció 1. órájában. A b. ábrán a piros szaggatott vonalak a sík vízfelszínre, a kék szaggatott görbék a sík jégfelszínre vonatkozó túltelítettséget jelölik.

44

5. Eredmények A szimulációk azt mutatják, hogy ezen folyamatok hatására egyre szélesedő 0 °C-os réteg alakul ki. Az 5.3b. ábra alapján megállapítható, hogy a negatív hőmérsékleti tartományban alultelítetté válik a légkör, míg a pozitív tartományban a vízcseppekre alultelítetté, míg a jégrészecskékre túltelített lesz a kezdetben 100 %-os telítettségű levegőréteg. Megvizsgáltam, hogy az olvadás során elvont hő milyen mértékű hőmérséklet csökkenést eredményez különböző kezdeti hó keverési arányok (0,1; 0,2; 0,5; 0,8 és 1,0 g kg-1) esetén (5.4. ábra). A vízcsepp kezdeti keverési arányát minden esetben 0 g kg-1nak választottuk. Az olvadás miatti hőmérséklet-csökkenést jelentősen befolyásolja a hópelyhek kezdeti keverési aránya (5.4a és b ábrák). Míg a kisebb méretű hópelyhek koncentrációja független a keverési arány megválasztásától, addig a nagyobb méretű hópelyhek koncentrációja nő a keverési arány növekedésével (5.1. ábra). A nagyobb méretű hópelyhek nagyobb határsebességüknek köszönhetően gyorsabban hullnak ki a felhőzetből, a gyorsabb kihullás miatt kevesebb idő áll rendelkezésre az olvadásra. Emellett a hópelyhek nagyobb koncentrációja miatt az olvadó részecskék összfelülete is nagyobb. A nagyobb összfelület következtében az olvadó, szilárd halmazállapotú csapadékelemekre történő erőteljesebb vízgőz lecsapódás gyorsítja az olvadási folyamatokat. A hőmérséklet tendenciát bemutató ábra alapján (5.4b. ábra) elmondható, hogy a kezdeti hópehely keverési arány növekedésével az olvadás miatti hűlés egyre vastagabb rétegben figyelhető meg, és mértéke is növekszik. Egyrészt a nagyobb hópelyhek hosszabb utat tesznek meg, mielőtt elolvadnának, másrészt a nagyobb tömegű hó elolvadása jelentősebb hőmérséklet csökkenést eredményez. Az olvadt víz keverési arányának maximuma a kezdeti hó keverési aránynak kb. ¼e. Ahogy a teljesen megolvadt hópelyhek mennyisége növekszik, az olvadt vízből egyre több vízcseppek képződik. Az 5.4f. ábra a vízcseppek keverési arányának változását mutatja be különböző kezdeti hópehely keverési arányok esetén. Az ábráról leolvasható, hogy a vízcseppek keverési aránya a maximális értéket egyre kisebb magasságon éri el. Ez annak a következménye, hogy a nagyobb alultelítettség esetében a vízcseppek párolgása is jelentős, és erőteljesebben érvényesül, mint a hópelyhek olvadásából származó keverési arány növekedés. További szimulációkat végeztem a vízcseppek kezdeti keverési arányának módosításával. A vízcseppek kezdeti keverési aránya a következő értékeket vette fel: 0,1; 0,2; 0,5; 0,8 és 1,0 g kg-1.

45

5. Eredmények

5.4. ábra: Az olvadás hatása a környezeti paraméterekre a szimuláció első órájának végén. (a) A hőmérséklet vertikális profilja; (b) Hőmérséklet-változás az olvadás miatt; (c) Sík vízfelszínre vonatkoztatott túltelítettség változása; (d) Hópelyhek keverési aránya; (e) Olvadt víz keverési aránya a hópelyhek felszínén és (f) keletkező vízcseppek keverési aránya. A futtatás során több esetet különítettünk el. A folytonos vonalak minden esetben a kezdeti értékekre vonatkoznak, a szaggatott vonalak pedig az 1 órás szimulált időtartam végének értékeit jelenítik meg. A különböző színek a különböző kezdeti keverési arányokra vonatkoznak. (i) fekete: a kezdeti hó keverési arány 0,1 g kg-1; (ii) világosszürke: a kezdeti hó keverési arány 0,2 g kg-1; (iii) piros: a kezdeti hó keverési arány 0,5 g kg-1; (iv) kék: a kezdeti hó keverési arány 0,8 g kg-1 és (v) sötétszürke: a hó kezdeti keverési aránya 1,0 g kg-1.

46

5. Eredmények Megvizsgáltam, hogy különböző kezdeti hó keverési arány esetén a túlhűlt vízcseppek keverési arányának módosítása hogyan befolyásolja az olvadási folyamatot. A kezdeti feltételeket úgy határoztam meg, hogy a túlhűlt vízcseppek keverési aránya nem lehet nagyobb a hópelyhek kezdeti keverési arányánál. A vízcseppek jelenléte jelentős hatással van a mikrofizikai folyamatokra (5.5. ábra). A negatív hőmérsékleti tartományban a vízcseppekkel való ütközések során új részecske, hódara alakul ki, amely szintén tovább növekedhet a vízcseppekkel való ütközés következtében. Továbbá a pozitív hőmérsékletű rétegben a vízcsepp – hópehely ütközési és összeolvadási folyamatok révén növekszik a folyékony víz mennyisége az olvadó hópelyhek felületén. Az 5.5. ábra a magasság függvényében ábrázolja a hópelyhek, a vízcseppek és a hódara részecskék keverési arányát, továbbá a hópelyhek esetében a zúzmarásodott és megolvadt víz, hódara esetében pedig a megolvadt víz keverési arányát. A numerikus kísérlet során mind a pozitív, mind a negatív hőmérsékleti tartományban figyelembe vettük a szilárd és folyékony hidrometeorok közötti ütközési és koagulációs folyamatokat. A 0 °C-os izoterma kb. 2500 m magasságban helyezkedett el. A 0 °C-os szint felett, egy 500 m széles rétegben állandó tömegáramot biztosítottunk mind a hópelyhek, mind a vízcseppek esetén. Az első oszlop szemléleti azt az esetet, amikor kezdetben nincs folyékony víz a rendszerben, így a vízcseppek megjelenése csak a hópelyhek olvadásának következménye. A kialakuló vízcseppek maximális keverési aránya kb. 1 5 -ét teszi ki a hópelyhek maximális keverési arányának. Ha kezdetben nincsenek vízcseppek a rendszerben, akkor nem alakulnak ki hódara részecskék, és a rendszer viszonylag gyorsan stacionáriussá válik. A második, a harmadik és a negyedik oszlop azokat az eseteket mutatja be, amikor már a kezdetektől jelen vannak vízcseppek. A hópelyhek és a vízcseppek ütközése a negatív hőmérsékleti tartományban a hópelyhek erőteljes zúzmarásodását, ezáltal hódara szemek kialakulását idézte elő. A harmadik esetben a vízcseppek kezdeti keverési aránya 0,2 g kg-1 volt. Ekkor a negatív hőmérsékleti tartományban a vízcsepp-hópehely ütközések egyrészt hódara szemek kialakulásához vezettek, másrészt a hópelyhek tömegét növelték. Mindkét folyamat jelentős szerepet játszott abban az esetben, amikor a vízcseppek és a hópelyhek kezdeti keverési aránya megegyezett (5.5. ábra 4. oszlop). Ekkor a negatív hőmérsékleti tartományban a hópelyhek extrém zúzmarásodása volt megfigyelhető (5.5b. ábra 4. 47

5. Eredmények oszlop). A folyékony halmazállapotú csapadékelemek vertikális eloszlása két dologgal magyarázható: (i) a pozitív hőmérsékleti tartományban a kialakuló hódara szemek igen jelentős mértékben gyűjtik össze a vízcseppeket; (ii) a vízcseppek párolgása.

5.5. ábra: (a) Hópelyhek, (b) Olvadt és zúzmarásodott víz a hópelyhek esetén, (c) Hódara és megolvadt víz a hódara felszínén, valamint (d) vízcseppek keverési arányának változása különböző kezdeti víztartalom mellett.

48

5. Eredmények 5.1.2. A részecskék méret szerinti eloszlásának változása az olvadási folyamatok során Az 5.6. ábra a vízcseppek méret szerinti eloszlását ábrázolja két esetben: (1) kezdeti vízcsepp keverési arány 0 g kg-1 (5.6a. ábra), (2) vízcseppek kezdeti keverési aránya 0,5 g kg-1 (5.6b. ábra). Az olvadási szint felett a vízcseppek méret szerinti eloszlását, annak változását az ütközési folyamatok, illetve a vízcseppek párolgása határozza meg. Ezekkel a folyamatokkal magyarázható a 100 μm-nél kisebb vízcseppek koncentrációjában megfigyelhető markáns csökkenés. Az olvadási szint alatt összehasonlítva az 5.6a. és az 5.6b. ábrákat azt találjuk, hogy a 100 μm-nél nagyobb vízcseppek koncentrációja kb. egy nagyságrenddel nagyobb abban az esetben, amikor a vízcseppek kezdeti keverési aránya 0,5 g kg-1 volt. Ez annak a következménye, hogy a hópelyhek zúzmarásodása miatt megnövekedett a nagyobb tömegű hópelyhek és hódara részecskék koncentrációja. (Ezt a megállapítást az 5.7. ábra is alátámasztja.) Ezen nagyobb tömegű, szilárd halmazállapotú részecskék olvadása eredményezte a 100 μm-nél nagyobb vízcseppek koncentrációjának növekedését. A vízcseppek keverési arányát az olvadás mellett a telítettség is befolyásolja. Az 5.6. ábrán a kék vonalak az alultelített levegőben mutatják a vízcseppek méret szerinti eloszlását. Ebben az esetben a levegőoszlop a jégre vonatkoztatva is alultelített kb. 1700-1900 m magasságig, és csak az alatt válik túltelítetté. Az 5.6a. ábrán jól látható, hogy az olvadási folyamatok hatására a vízcseppek méret szerinti eloszlása jelentősen módosul, amennyiben a relatív páratartalom jóval kisebb, mint 100 % (70 %, kék görbék). Az alacsonyabb páratartalom miatt az olvadási folyamatok megindulásához nagyobb hőmérsékletre van szükség. A kialakuló vízcseppek párolgásának hatása kettős: (i) a hőelvonás miatt csökken a hőmérséklet, ami miatt lassul az olvadás; (ii) nő a környező levegő páratartalma, ami gyorsítja az olvadási folyamatokat. E két hatásból az első (hűlés miatt lassuló olvadás) a meghatározó. Látható, hogy a nagyobb vízcseppek csak a felszín közelében, a szilárd halmazállapotú csapadékelemek teljes megolvadásával összefüggésben jelennek meg. Amennyiben már a kezdetektől feltételezzük vízcseppek jelenlétét, akkor a relatív páratartalom kezdeti értékének hatása nem olyan markáns, mint az előző esetben (5.6b. ábra). Alacsony relatív páratartalom esetén a vízcseppek és a szilárd csapadékelemek közötti ütközések gyakorisága igen kicsi, ami miatt a hidrometeorok párolgása, szublimációja jelentősebb hatással van a méret szerinti eloszlásra. 49

5. Eredmények

5.6. ábra: Vízcseppek méret szerinti eloszlása hókristályok olvadása során, (a) kezdetben nincs víz a rendszerben; (b) vízcseppek keverési aránya 0,5 g kg-1. A fekete vonalak a vízcseppek koncentrációját ábrázolják a méret függvényében abban az esetben, amikor a kezdeti relatív páratartalom 100 %. A kék vonalak mindkét esetben azt az esetet reprezentálják, amikor a kezdeti relatív páratartalom 70 %.

Az 5.7. ábra a hópelyhek és a hódara szemek méret szerinti eloszlását szemlélteti. Értelemszerűen, ha a vízcseppek kezdeti keverési aránya 0 g kg-1, akkor hódara részecskék nem alakultak ki. Az ábrákon szereplő si az 0 °C-os víz felszínére vonatkozó túltelítettséget mutatja, amikor a relatív páratartalom 100 %. Az ábráról leolvasható, hogy a vízcseppek jelenléte néhány tized százalékkal növeli a jég felszínére vonatkozó túltelítettséget, ami végül is az olvadási sebesség kismértékű csökkenését eredményezi. A vízcseppek jelenléte egy másodlagos maximum kialakulását eredményezi az olvadási arány tekintetében kb. 1 mm-es átmérőnél (5.7a. és b. ábrák, a h = 2500 m-es magasságnál). Az olvadási arány nagy értéke a kb. 100 – 200 μm-es mérettartományban a kisméretű hópelyhek gyors 50

5. Eredmények olvadásának következménye. A mm-es méret tartománynál – az olvadás mellett – az ütközések következtében összegyűjtött vízcseppek növelik a folyékony víz arányát, ami nagyobb olvadási arányt eredményez. Hasonló jelenség figyelhető meg a hódara részecskék esetében is (5.7c. ábra h = 2500 m). A magasság csökkenésével az 1 mm-nél kisebb hópelyhek és hódara részecskék szinte teljesen elolvadnak, továbbá megállapítható az is, hogy a jégrészecskéket borító folyékony víz aránya folyamatosan csökken a méret növekedésével. Az 5.7a. és b. ábrákat összehasonlítva megállapíthatjuk, hogy a folyékony víz jelenléte a negatív hőmérséklet tartományban nem csak a hódara részecskék kialakulását segíti elő, de némileg nő a hópelyhek átlagos mérete is 100 % relatív páratartalom esetén. Amennyiben a környező levegő a vízre vonatkoztatva alultelített, akkor az olvadási folyamatok csak magasabb hőmérsékleten kezdődnek meg. Az 5.7. ábrán látható, hogy 2500 m-es magasságon, 70 %-os relatív páratartalom esetén az olvadási arány mind a hópelyhek, mind a hódara részecskék esetén 0-val egyenlő minden részecske méretnél. Amikor a relatív páratartalom nagyobb (100 %), akkor a hópelyhek és vízcseppek közötti ütközések jelentős mértékben növelik a hópelyhek méretét. Ez azzal magyarázható, hogy alacsony páratartalom esetén a vízcseppek párolgása erőteljesebb, mint az ütközés a vízcseppek és a hópelyhek között (zúzmarásodás – eltolódás a méret szerinti eloszlásban a magasabb hőmérsékleti régiók felé).

5.1.3. Az olvadási réteg vastagságának függése a hidrometeorok kezdeti keverési arányától Az olvadási folyamat jellemzésére használható paraméter az olvadási réteg vastagsága. Az olvadási réteg tetejének azt a szintet tekintettük, ahol az olvadási folyamatok elkezdődtek. Ez a szint az érzékenységi vizsgálatok esetén mindig arra a magasságra esett, ahol a hőmérséklet éppen 0 °C fölé emelkedett. Alacsony relatív páratartalom esetén – a párolgás okozta hőelvonás következményeként – az olvadás ennél magasabb hőmérsékleten (akár + 4 °C) is kezdődhet. Az olvadási réteg alját az a szint jelenti, ahol már nem található szilárd halmazállapotú csapadékelem. A numerikus szimulációk során 70 %-os relatív páratartalom

esetén

az

olvadási

folyamatok

kb. +1 – +1,5 °C-os

hőmérsékleti

tartományban indultak meg.

51

5. Eredmények

5.7. ábra: Hópelyhek és hódara szemek méret szerinti eloszlása. (a) Hópelyhek méret szerinti eloszlása és olvadási aránya különböző magasságokban, feltéve, hogy a kezdetben nincs víz a rendszerben. (b) Lásd (a) leírását, de kezdeti vízcsepp keverési arány 0,5 g kg-1. (c) hódara méret szerinti eloszlása és olvadási aránya csak abban az esetben, amikor vízcseppek már a kezdettől fogva jelen vannak a rendszerben. A fekete folytonos vonalak a koncentrációt, a szaggatott szürke vonalak az olvadási arányt jelenítik meg, amennyiben a relatív páratartalom 100 %. A piros folytonos vonalak és a kék szaggatott vonalak pedig rendre a koncentrációt és az olvadási arányt mutatják abban az esetben, amikor a relatív páratartalom 70 %. A h értékei rendre a szimulált méretintervallum magassági szintjét jelölik. Az si az olvadó jégrészecskék felszínére vonatkozó túltelítettséget jelenti 100 % relatív páratartalom esetén.

52

5. Eredmények 5.2. táblázat: Az olvadási réteg vastagsága (m) 100 % és 70 %-os relatív páratartalom esetén, a hó (Qs) és a víz (Qw) keverési arányok (g kg-1) különböző kezdeti értékeinél. Relatív páratartalom

Qs = 0,5 g kg-1

Qs = 0,5 g kg-1

Qs = 0,5 g kg-1

Qs = 0,5 g kg-1

Qw = 0,0 g kg-1

Qw = 0,1 g kg-1

Qw = 0,2 g kg-1

Qw = 0,5 g kg-1

100 %

950

1050

1100

1100

70 %

1050

1450

1400

1700

Az olvadási réteg vastagságára vonatkozó értékeket azonos keverési arányok, de eltérő relatív páratartalom esetén az 5.2. táblázat tartalmazza. Látható, hogy az olvadási réteg vastagsága közel 100 – 600 m-rel nő a relatív páratartalom 30 %-os csökkenése miatt.

5.8. ábra: Az olvadási réteg vastagságának változása különböző kezdeti vízcsepp keverési arányok függvényében. A fekete, vastag vonalak a minimum és maximum értékeket reprezentálják, míg a kék négyszög az átlagos értéket. A piros vonal az 50. percentilist jeleníti meg.

Az olvadási réteg vastagságának statisztikai elemzése során az egyenlő esetszám érdekében megengedtük, hogy a vízcseppek keverési aránya kezdetben is meghaladhassa a hópelyhek keverési arányát. Az eredményeket az 5.8. ábrán foglaltuk össze. Az olvadási 53

5. Eredmények réteg vastagságának változékonysága egy adott kezdeti vízcsepp keverési arány esetén a különböző (0; 0,1; 0,2; 0,5; 0,8 és 1 g kg-1) kezdeti hópehely keverési arány értékek következménye. Ahogy a kezdeti vízcsepp keverési aránya 0-ról 0,5 g kg-1-ra változik az olvadási réteg átlagos vastagsága kb. 250 m-rel növekszik. A természetben előforduló, réteges szerkezetű felhőzet esetében a vízcseppek keverési arány általában ebben az intervallumban változik. Tehát réteges szerkezetű felhőzet esetén a vízcseppek jelenléte befolyásolja a kialakuló szilárd halmazállapotú csapadékelemek olvadását, mégpedig oly módon, hogy a vízcseppekkel való ütközés hatására megnő a hópelyhek olvadásához szükséges réteg vastagsága. Az ütközés és koaguláció hatása kettős, egyrészt az összegyűjtött vízcseppek még a negatív hőmérsékleti tartományban növelik a hópelyhek tömegét, illetve nagyobb határsebességgel rendelkező hódara részecskék keletkeznek. A gyorsabb kihullás következtében az olvadó részecskék nagyobb utat tudnak megtenni mielőtt teljesen elolvadnának, így az olvadási tartomány vastagabbá válik. A másik hatás, nevezetesen az ütközések miatti folyékony víztartalom növekedés nem képes kompenzálni a tömegnövekedésből származó hatást. Amennyiben a vízcseppek jelentős mennyiségben (> 0,7 g kg-1) vannak jelen a légkörben az olvadási réteg vastagsága nem nő tovább. A jelenség hátterében az áll, hogy nagy folyékony víztartalom esetén a tömegnövekedésből és az olvadási arány növekedéséből származó hatások kompenzálják egymást: (i) a negatív hőmérsékleti tartományban a hópelyhekkel ütköző vízcseppek növelik a hópelyhek tömegét, valamint a hódara szemek keletkezésében és növekedésében játszanak szerepet; (ii) a pozitív hőmérsékleti tartományban a vízcseppek összegyűjtése a folyékony víz arányát növeli a hópelyhek és hódara részecskék felszínén. A folyékony víz növekvő aránya felgyorsítja a jégrészecskék átalakulását vízcseppekké (az olvadó jégrészecskéket teljesen megolvadtnak tekintjük, ha a víz aránya meghaladja a teljes tömeg 80 %-át).

5.2. Valós esetek részletes elemzése A részletes mikrofizikai modell alkalmazásának egyik célja, hogy pontosabb képet alkothassunk a felhőkben lejátszódó mikrofizikai folyamatokról, valamint a mikrofizika és dinamika közötti kölcsönhatásról. Az alábbi alfejezetekben valós eseteken keresztül mutatjuk be, hogy a részletes mikrofizikai modell milyen pontosan képes modellezni

54

5. Eredmények különböző időjárási helyzeteket, és hogy használata milyen előnyökkel jár a hagyományos modellekhez képest.

5.2.1. Ónos eső – St. John’s esettanulmány Az ónos eső képződésének modellezése szempontjából meghatározó az olvadási, valamint az újrafagyási folyamatok minél pontosabb leírása. Ugyanis a szilárd maggal rendelkező, tehát csak részben megolvadt csapadékelemek a negatív hőmérsékleti tartományba érve azonnal megfagynak (meg nem olvadt jég azonnal elindítja a fagyást amint a hőmérséklet 0 °C alá csökken). Ebben az esetben ónos eső képződés nem lehetséges, hiszen a csapadék szilárd halmazállapotban éri el a felszínt (fagyott eső, jégdara, hódara). A teljesen megolvadt, jégfázist nem tartalmazó csapadékelemek a negatív tartományba érve túlhűlnek, és mechanikai hatásra – vagyis a felszínnek, illetve különböző tereptárgyaknak ütközve – azonnal megfagynak, így képezve jégréteget azok felületén. Az alábbiakban ismertetett esetben a bin séma eredményeit, egy, az olvadási folyamatokat részletesen tárgyaló „bulk” séma (THÉRIAULT – STEWART, 2010) által számolt eredménnyel vetettük össze. A kiválasztott esetben egy kiterjedt viharrendszer vonult keresztül 1992. február első napjaiban Új-Fundland szigetén (HANESIAK – STEWART, 1995). A vihar során jelentős mennyiségű csapadék hullott jégdara formájában, amely rövid időre ónos esőre, majd ezt követően ónos szitálásra váltott. A kezdeti hőmérsékletet és relatív páratartalmat az 5.9. ábra szemlélteti. Míg kezdetben a légkör a vízre jelentősen alultelített volt a teljes légoszlopban, addig a jégre a negatív hőmérsékleti tartományban túltelített, a pozitív hőmérsékleti tartományban pedig alultelített volt. Az alultelített környezet jelentős hatással volt az olvadási folyamatokra: egyrészt az olvadás során keletkező vízcseppek, másrészt az olvadó, szilárd halmazállapotú csapadékelemek párolgásán keresztül. A szimulációt egydimenziós, időfüggő modell segítségével végeztük el, amelyben a kezdeti paramétereket az 1992. február 1 -i St. John’s meteorológiai állomás felszállási adatai szolgáltatták (5.9. ábra). A modellezett időintervallum hat óra volt, de az eredményeket csak a 3. óráig jelenítjük meg. Ennek az az oka, hogy a harmadik órát követően a csapadékelemek keverési arányának vertikális profilja közel stacionáriussá vált.

55

5. Eredmények

5.9. ábra: A (a) hőmérséklet, (b) az olvadás miatti hőmérséklet-változás, (c) a telítettség sík vízfelszín felett és a (b) telítettség sík jégfelszín felett különböző időpontokban.

Az 5.10. ábra a hidrometeorok keverési arányának magasság szerinti változását mutatja különböző időpontokban. A szimuláció során a felszíni csapadék jellemzően a hódara volt, amely többnyire a részben olvadt hókristályok újrafagyása során keletkezett. Ez a nagy sűrűségű hódara volt a meghatározó csapadéktípus majdnem a teljes modellezett időintervallumban. A hódara hullását akkor váltotta fel a havazás, amikor az olvadás miatti hőelvonás (5.9b. ábra) olyan mértékben lecsökkentette a kezdetben pozitív hőmérsékletű tartományt (olvadási réteg megszűnése), hogy a hópelyhek olvadása teljesen megszűnt. A folyékony halmazállapotú túlhűlt vízcseppek (5.10c. ábra) jelenléte az olvadási réteg alatt arra utal, hogy a hópelyhek egy részének (1 mm-nél kisebb átmérőjűeknek) elegendő idő állt rendelkezésre a teljes megolvadáshoz. Az idő előre haladtával a túlhűlt vízcseppek mennyisége jelentősen csökkent. A szimuláció első óráját követően a túlhűlt vízcseppek keverési aránya közel egy nagyságrenddel kisebb volt, mint a hódara keverési aránya, így a

56

5. Eredmények hódara lett a domináns csapadéktípus. Fontos megjegyeznünk, hogy az olvadás az erőteljesen alultelített légtömegben a párolgás okozta hőelvonás miatt csak 0 °C-nál nagyobb hőmérsékleten indulhatott meg (v.ö. 5.9c. ábra 5.10b. ábra).

5.10. ábra: Különböző típusú hidrometeorok keverési aránya különböző időpontokban. (a) Hópelyhek, (b) olvadékvíz tömege a hó felszínén, (c) vízcseppek és hódara részecskék keverési aránya. A kereszttel jelzett vonalak a 0 °C-ot meghaladó hőmérsékletű tartományt jelenítik meg.

A relatív páratartalom növekedésével a vízcseppek és az olvadó hópelyhek párolgásának mértéke csökkent, és az olvadás már jóval magasabb régiókban is beindulhatott. Az 5.11. ábra a hópelyhek, a vízcseppek és a hódara részecskék méret szerinti eloszlását szemlélteti t = 3 óránál különböző magasságokban. Az időpontválasztást az indokolta, hogy az alultelítettség miatt az első órában a hópelyhek olvadása még nem indult meg a 2500 m-es magasságban. Az ábrák azt mutatják, hogy míg az 1 mm-nél kisebb hópelyhek olvadása jelentős, addig a nagyobb hópelyhek közel szárazak maradnak (az olvadási arány 0,1 alatt marad). Az olvadási réteg aljának közelében (~1500 m) az olvadás hatására már nem nő tovább a folyékony halmazállapotú vízcseppek keverési aránya. Az

újrafagyásnak

köszönhetően

a

0 °C-nál

alacsonyabb

hőmérsékletű

tartományban a részben megolvadt hópelyhekből hódara részecskék alakulnak ki. Mivel a vízcseppek koncentrációja végig kicsi maradt, a zúzmarásodás nem játszott jelentős szerepet a vízcseppek és a hódara szemek méret szerinti eloszlásának alakulásában. A keletkező vízcseppek méret szerinti eloszlását döntően a hópelyhek olvadása, valamint a

57

5. Eredmények kisméretű (100 μm-nél kisebb) vízcseppek párolgása határozta meg. A két hatás következményeként a vízcseppek méret szerinti eloszlása nem közelíthető az általánosan alkalmazott exponenciális eloszlással. A hódara és vízcseppek méret szerinti eloszlása a visszafagyási rétegben közel állandónak tekinthető. A vízcseppek átlagos sugara 200 – 500 μm, míg a hódara részecskék átmérője 1 – 4 mm közé tehető. A hódara részecskék méret szerinti eloszlásának vizsgálata azt mutatja, hogy az 1 mm-nél nagyobb méretű részecskék a részben olvadt hópelyhek újrafagyása, valamint a túlhűlt vízcseppek és a hópelyhek közötti ütközések következtében alakultak ki. A részletes mikrofizikai modell eredményeit a szakirodalomban fellelhető megfigyelésekkel és a fentebb említett bulk modell által szolgáltatott eredménnyel (THÉRIAULT – STEWART, 2010) vetettük össze (GERESDI et al., 2014). Az eset során a felszíni megfigyelések többnyire 1,5 és 2,5 mm átmérőjű jégdara szemeket és kis mennyiségű ónos esőt detektáltak. Az olvadási tartományban, a kezdetben alultelített környezetben a hópelyhek olvadása és az olvadó részecskék felületén kialakuló vízréteg párolgása csökkentette a levegő hőmérsékletét, és növelte a relatív páratartalmát. A részletes mikrofizikai modellben a domináns felszíni csapadékfajta – jó egyezésben a megfigyelt csapadéktípussal – a részlegesen olvadt hópelyhek újrafagyásával kialakuló hódara volt. CRAWFORD és STEWART (1995) a különböző felszíni csapadékfajták kialakulásának feltételeit vizsgálta egy Lagrange-féle, ún. részecskekövető-modell segítségével az 5.9 ábrán megadott hőmérsékleti rétegződés esetén. Eredményeik azt mutatták, hogy a felszíni csapadék típusa (ónos eső vagy jégdara) függ a szilárd halmazállapotú csapadékelemek felhőbeli méretétől és az olvadási réteg vastagságától is. HANESIAK és STEWART (1995) kis sűrűségű hópelyhek olvadását és a kialakuló vízcseppek fagyási folyamatait vizsgálták a környező levegő hőmérsékletének és relatív páratartalmának függvényében. A kis sűrűségű, 1,5 mm-nél kisebb átmérőjű hópelyhek néhány száz méteres tartományon belül teljesen elolvadtak. Az ennél nagyobb hidrometeorok teljes olvadása még idealizált, telített környezet esetén sem történt meg, az előtt, hogy elérték volna a fagyási szintet. THÉRIAULT és STEWART (2010) két-momentumos bulk mikrofizikai leírást alkalmaztak, amelyben a különböző hidrometeorok méret szerinti eloszlását exponenciális függvénnyel írták le. A numerikus modellezés során szintén 1D, időfüggő modellt alkalmaztak, elhanyagolva a mikrofizikai folyamatok visszahatását a környező levegő

58

5. Eredmények állapotára (pl.: a hópelyhek szublimációja csökkentette ugyan a hópelyhek tömegét, de nem változtatta meg a vízgőz mennyiségét a rendszerben). Modelljükben 11 különböző hidrometeor típust különítettek el, és jelentős hangsúlyt fektettek a hópelyhek és a részlegesen olvadt hópelyhek vizsgálatára (kategorizálás, és határsebesség vizsgálata).

5.11. ábra: (a) Hópelyhek, (b) vízcseppek és (d) hódara szemek méret szerinti eloszlása és az olvadási arány, különböző magasságokban.

59

5. Eredmények A bulk és a bin mikrofizikai modellek eredményeinek, valamint a megfigyelési adatokkal történő összehasonlítás alapján az alábbi megállapításokat tehetjük: (i) A részletes mikrofizikai modellel végzett számítások pontosabb eredményt szolgáltattak a csapadék halmazállapotára vonatkozóan, mint a szakirodalomban ismertetett bulk modellek. Az operatív modellek esetében jelentős problémát jelent az olvadó részecskék határsebességének és magának az olvadás folyamatának leírása.

Egyrészt

leegyszerűsített

a

különböző

meghatározása

csapadékelemek a

felszíni

határsebességének

csapadékmennyiség

erősen

pontatlan

előrejelzéséhez vezet, másrészt az olvadás folyamatának közelítő leírása a felszínt elérő csapadék halmazállapotának elégtelen előrejelzését eredményezi. Ezek a hibák különösen téli csapadék előrejelzése szempontjából lehetnek fontosak. (ii) A modellek közötti különbségek részben a hidrometeor típusok eltérő klasszifikációjával magyarázhatók. A modell – mivel a dinamikai hatások (nagyskálájú mozgások) elhanyagolása mellett végeztük a szimulációkat – nem képes teljes mértékben visszaadni a felszíni csapadék keletkezésében fontos szerepet betöltő folyamatokat. A felszíni csapadék kialakulásával kapcsolatban jelen esetben igen jelentős szerep jutott a szinoptikus mértékű légmozgásoknak. Az óceáni légtömegben kialakuló frontális felhőzet esetén jelentős a vertikális irányú légmozgás és a felszín-légkör kölcsönhatásnak is fontos szerepe volt. A szárazföld fölött különböző tulajdonságú légtömegek kölcsönhatása befolyásolta a légköri folyamatokat. A felszíni csapadék kialakulásában emellett a domborzati hatásoknak is komoly szerep jutott. A domborzat hatásának komplexitása mind a dinamikai, mind a mikrofizikai folyamatokon keresztül érezteti hatását (THÉRIAULT et al., 2015).

5.2.2. Orografikus csapadék – IMPROVE-2 esettanulmány Az IMPROVE (Improvement of Microphysical Parameterization through Observational Verification Experiment) egy kiterjedt mérési kampány volt, amelyben elsősorban a téli csapadék kialakulását meghatározó mikrofizikai folyamatokra fókuszáltak. A projekt célja az volt, hogy a mérési tapasztalatok alapján javítsák az operatív használatban levő mikrofizikai modelleket. A méréseket több, eltérő elven működő mérőműszerrel hajtották végre. A repülőgépes megfigyelések során (Convair-580, NOAA P3) a felhőkben található részecskék méret szerinti eloszlása mellett a dinamikai jellemzőket is megfigyelték 60

5. Eredmények (vertikális- és horizontális sebességek). A mérési projekt számos földfelszíni mérést is magában foglalt. A felszínen a csapadék mennyisége és halmazállapota mellett a csapadékelemek méret szerinti eloszlását is mérték. Emellett több, felszíni telepítésű radarállomással (polarizációs radarok) mérték az átvonuló felhőket (lásd STOELINGA et al., 2003 1. ábra; illetve 5.12. ábra). A repülőgépes mérések során a felhőben található teljes víz- és jégtartalom monitoringja is megtörtént az ún. intenzív megfigyelési periódusban (IOP – Intensive Observational Period). A részletes mikrofizikai modellt sikeresen alkalmaztuk a 2001. December 13 – 14. között megfigyelt eset (STOELINGA et al., 2003, IKEDA et al., 2007) tanulmányozására (SARKADI et al., 2016). Ezen a napon orografikusan indukált konvekciónak köszönhetően nagy mennyiségű csapadék hullott frontális felhőzetből az Oregon állambeli Cascadehegységben.

5.12. ábra: IMPROVE-2 projekt megfigyelési tartománya, megfigyelési pontok és repülőgépes mérési útvonalak, valamint a modellezett keresztmetszet (A-B).

61

5. Eredmények Az eset különös figyelmet érdemel abból a szempontból, hogy az erőteljes horizontális szél (MEDINA et al., 2005), valamint a széles sávban hulló sztratiform csapadék miatt az orografikus hatások következtében intenzív konvektív cellák alakultak ki, és jelentős mennyiségű csapadék hullott rövid idő alatt (STOELINGA et al., 2003). A különböző, operatív célra is használt bulk mikrofizikai sémák eredményeinek elemzése azt mutatta, hogy a bulk sémák jelentős mértékben túlbecsülték a felszínre hulló szilárd halmazállapotú csapadék mennyiségét (COLLE et al., 2005). Emellett kimutatták, hogy ez a felülbecslés többnyire az olvadási és a zúzmarásodási folyamatok pontatlan leírásának,

valamint

a

csapadékelemek

méret

szerinti

eloszlásának

túlzottan

leegyszerűsített közelítésének a következménye (COLLE et al., 2005). A mikrofizikai folyamatok mellett a mikrofizikai és dinamikai folyamatok közötti kölcsönhatást is vizsgálták. Kimutatták, hogy: (i) a felszíni csapadék mennyisége érzékeny a modellezésnél alkalmazott planetáris határréteg leírására (GARVERT et al., 2007); (ii) olyan időjárási rendszerek esetén, ahol egy frontális felhőzet orografikus akadály miatti emelkedésre kényszerül, ott a csapadékképződési folyamatokat az úgy nevezett seeder-feeder hatás2 is befolyásolhatja (WOODS et al., 2005). Ez utóbbi feltételezést a nagy mennyiségű, erősen zúzmarásodott jégkristályok jelenléte is megerősíti. A mérési adatok elemzéséből arra a következtetésre jutottak, miszerint a feláramlási tartományokban a felhő teljes folyékony víztartalma és a felszínre hulló csapadék mennyisége között inverz kapcsolat van (RAUBER et al., 1986; GARVERT et al., 2005a, b). Továbbá kimutatták, hogy a hókristályok növekedési mechanizmusai közül mind a depozíciós növekedés (700 - 450 hPa közötti rétegben), mind pedig a zúzmarásodás (800 - 650 hPa közötti rétegben) meghatározó szerepet tölt be. Noha míg az alkalmazott bulk sémák a csapadék kvalitatív tulajdonságainak leírására megfelelőnek bizonyultak, addig a mérésekkel történő kvantitatív összehasonlítás már jelentős eltéréseket mutatott főleg a hegységek által generált feláramlási régiókban (GARVERT et al., 2005a, b). A csapadék előrejelzés szempontjából a legfőbb gondot a

2

Seeder-feeder hatásra vonatkozóan pontos magyar nyelvű megnevezés nem áll rendelkezésre, így az angol

nyelvű terminológiának megfelelő szóhasználattal élünk. A seeder-feeder mechanizmus azt jelenti, hogy több rétegű felhőzet esetén a magasabb szintű felhőzetből hulló hó- és jégkristályok az alatta levő felhőrétegbe hullva felgyorsítják a csapadékképződést, amelynek hatására jelentősen növekszik a felszínre hulló csapadék mennyisége. (CHOULARTON – PERRY, 1986; ROBICHAUD – AUSTIN, 1988; RUTLEDGE – HOBBS, 1983).

62

5. Eredmények hópelyhek méret szerinti eloszlásának pontatlan közelítése okozza, aminek eredményeként a legtöbb modell felülbecsüli a nagyobb és alulbecsüli a kisebb hópelyhek koncentrációját. Hasonló eredményre jutattak MILBRANDT et al. (2008, 2010) is. Megállapították, hogy mind a hópelyhek méret szerinti eloszlását leíró meredekségi paraméter ( a 2.1 egyenletben), mind pedig a hópelyhek határsebessége jelentősen befolyásolja a felszíni csapadék térbeli és időbeli változékonyságát.

5.13. ábra: Kezdeti feltételek az IMPROVE-2 esettanulmány során: (a) Hőmérséklet (fekete görbe) és harmatpont hőmérséklet (piros görbe), (b) szélsebesség; (c) jégkristályok keverési aránya; (d) hópelyhek keverési aránya és (e) a szimuláció során alkalmazott domborzat keresztmetszeti képe.

Az általunk kifejlesztett mikrofizikai sémát a WRF mezoskálájú modellbe (MICHALAKES et al., 2001; SKAMAROCK et al., 2008) installálva vizsgáltuk, hogy a részletes mikrofizikai leírás (bin séma) hogyan írja le a csapadékképződést a fent említett esetben (SARKADI et al., 2016). A modellezett tartomány horizontális kiterjedése 344 km volt 1 km-es horizontális felbontással, vertikálisan 50 szigma-szintet különítettünk el, kb. 16 km-es 63

5. Eredmények magasságig. A szimuláció időtartama 6 óra volt, amely a mérési projektben a 2001. December 13. 19:00 UTC és a 2001. December 14. 01:00 UTC közötti időszaknak felel meg. A kezdeti feltételeket az 5.13. ábra szemlélteti. A jégkristályok és a hópelyhek kezdeti méret szerinti eloszlását monodiszperz eloszlással, illetve exponenciális eloszlással írtuk le. A modellezés bizonyos szempontból idealizáltnak tekinthető, ugyanis a horizontális szélkomponensnek a front átvonulása során megfigyelt időbeli változását elhanyagoltuk. A dinamikai hatások elemzésétől eltekintünk, mivel ez egyrészt meghaladná a dolgozat kereteit, másrészt a mikrofizikai folyamatoknak a dinamikai folyamatokra csak a front felszíni átvonulását követően (a modellezett időtartományt követő 3 – 4. órában) volt jelentős hatása (WOODS et al., 2005).

5.2.2.1. A bin és bulk sémák által modellezett olvadási és zúzmarásodási folyamatok összehasonlítása A hópelyhekre és hódara szemekre vonatkozó vertikális keresztmetszetet az 5.14. ábra szemlélteti. Az ábrán a hópelyhek, a zúzmarásodott víz és az megolvadt víz keverési aránya mellett a megfelelő olvadási és zúzmarásodási arányokat is bemutatjuk. A hódara szemek esetében a keverési arány, az olvadt víz keverési aránya és az olvadási arány került ábrázolásra. A számítási adatok elemzése azt mutatja, hogy a hódara szemek kialakulásában elsősorban a hópelyhek intenzív zúzmarásodása játszott fontos szerepet. Az ábra alapján olvadási és zúzmarásodási folyamatokat a következőképpen értelmezhetjük: (i) Laboratóriumi mérésekkel összhangban a hópelyhek viszonylag széles tartományban (kivéve a hegycsúcsok után következő leáramlási részt) még azelőtt elolvadnak, hogy elérnék az 5 °C-os izotermát. (ii) Az intenzív leáramlású tartományban (kb. 300 - 340 km közötti tartomány) a hópelyhek és hódara szemek olvadása nem kezdődik meg azonnal, amint elérik a 0 °C -os izotermát, hanem csak annál magasabb hőmérsékleten, közel 2 °C-on. Ez az ebben a régióban tapasztalható alultelítettséggel magyarázható. A nagy leáramlási sebesség is ( wmin ~ - 2,4 m s-1; w ~ - 0,3 m s-1) hozzájárult ahhoz, hogy ebben a tartományban a hódara részecskék és hópelyhek a magasabb hőmérsékletű szinteket is elérik, ugyanis a csapadékelemek nagyobb sebességgel esnek a felszínhez képest.

64

5. Eredmények (iii) A hódara részecskék elsődleges képződési mechanizmusa a hópelyhek intenzív zúzmarásodása volt. A túlhűlt vízcseppek heterogén fagyása, vagy a nagyobb, túlhűlt vízcseppek és a jégkristályok közötti ütközés következtében bekövetkező fagyás elhanyagolható szerepet töltött be. Az 5.14. ábra b, c és f részének összevetéséből látható, hogy azok a tartományok, ahol a zúzmarásodási arány meghaladja a 0,3-et egybeesnek azokkal a tartományokkal, ahol a hódara részecskék keverési aránya 0,1 g m-3-nél nagyobb. A nagy hódara keverési arány a hódara szemek és a túlhűlt vízcseppek közötti ütközéssel magyarázható. A hópelyhek és a hódara részecskék zúzmarásodása jellemzően a -3 és -7 °C-os szintek között történt. Az 5.15. ábra az esőcseppekre (50 μm-nél nagyobb sugarú vízcseppek) vonatkozó átlagos méretet szemlélteti egy bulk mikrofizikai séma (THOMPSON et al., 2004; 2008) és a bin mikrofizikai séma esetén. Az átlagos méreten itt a median volume diameter (MVD)-t értjük, amely megadja azt a méretet, amelynél az egységnyi tömegű levegőben lévő vízcseppek felének tömege nagyobb, felének tömege pedig kisebb. A kiszámított átlagos méret jelentősen függ a helytől. Az olvadási szint felett 50 μm -nél nagyobb vízcseppek csak a vízcseppek ütközése során alakulnak ki. Mivel ez a folyamat nem hatékony az MVD 100 μm alatt marad ebben a régióban. A 0 °C -os szint alatti tartományban már az olvadási folyamat szerepe lesz a meghatározó. A hópelyhek és a hódara szemek teljes elolvadása miatt az átlagos vízcsepp méret eléri, vagy meghaladja a 0,5 mm-t. A 230 és 270 km közötti tartományban megfigyelhető kisebb átlagos méret annak köszönhető, hogy ebben a régióban az olvadó hódara és a vízcseppek közötti ütközések hatására lesodródó vízből kisebb vízcseppek keletkeznek. A 270 és 340 km közötti tartományban döntően a hópelyhek olvadása határozza meg a vízcseppek méretét (hódara csak kis koncentrációban van jelen ebben a tartományban). Mivel a hópelyhek és a vízcseppek közötti ütközések gyakorisága jóval kisebb, mint a hódara és a vízcseppek közötti ütközéseké az ütközés miatti lesodródás nem csökkenti az olvadó hópehely tömegét. A bulk modellek esetében azzal a feltevéssel élnek, hogy a megolvadt víz lesodródik az olvadó hidrometeor felszínéről. A hópelyhek olvadási tartományában (0 100 km és 270 - 340 km) a bulk séma jelentősen nagyobb átlagos méretet eredményez, mint a bin séma. A különbség a vízcseppek eltérő méret szerinti eloszlásának a következménye (lásd 5.16d. ábra).

65

5. Eredmények

5.14. ábra: (a) Hópelyhek keverési aránya; (b) A hópelyheken zúzmarásodott víz keverési aránya; (c) Zúzmarásodási arány; (d) Olvadt víz tömege a hópelyhek felületén; (e) Hópelyhek olvadási aránya; (f) Hódara keverési aránya; (g) Olvadt víz tömege a hódara részecskék felszínén és (h) a hódara szemek olvadási aránya a numerikus szimuláció 6. órájában.

66

5. Eredmények

5.15. ábra: Vízcseppek átlagos mérete (MVD - median volume diameter) [mm] a modellezett tartományban (a) BULK, (b) BIN séma esetén.

Ugyanakkor a hódara olvadási tartományában (200 - 250 km) a bulk séma és a bin séma által számított átlagos méretek közötti eltérés nem eredményez akkora különbséget. Ez annak következménye, hogy ebben az esetben a hódara és a vízcseppek közötti ütközések a bin séma esetében is kisebb vízcseppek kialakulásához vezetnek. Mind a bulk, mind a bin séma esetében a vízcseppek átlagos mérete a leáramlási tartományokban nagyobb, mint a feláramlási tartományokban. Ezt a vízcseppek méret szerinti eloszlását bemutató ábrák (5.16d. és az 5.17d. ábrák) is alátámasztják. Az 5.16. ábra és az 5.17. ábra a különböző típusú hidrometeorok (hópelyhek, hódara részecskék és vízcseppek) méret szerinti eloszlását szemléltetik, rendre egy leáramlási (x = 319 km) és egy feláramlási (x = 291 km) csatornában. A feláramlási tartományban a kisebb vízcseppeket a felfelé áramló levegő magával ragadja, így ott jelentősebb a zúzmarásodás, mint a leáramlási csatornában. Emiatt a keletkező hódara részecskék mérete is valamivel nagyobb lesz a feláramlási csatornában (5.16c. és 5.17c. ábrák). Mivel a leáramlási csatornában az olvadó hódara részecskék és a nagyobb vízcseppek (hópelyhek olvadása miatt keletkező) közötti ütközések gyakoribbak, az ütközések hatására lesodródó víz növeli a vízcseppek koncentrációját, valamint csökkenti a hódara szemek méretét. A kisebb mérettel rendelkező hódara részecskék kisebb határsebességgel esnek, így a teljes megolvadásuk már alacsonyabb hőmérsékleten is bekövetkezik. 67

5. Eredmények

5.16. ábra: Különböző hidrometeorok méret szerinti eloszlása egy leáramlási tartományban (x = 319 km): (a) hópelyhek méret szerinti eloszlása a negatív hőmérsékleti tartományban és a zúzmarásodási arány; (b) hópelyhek méret szerinti eloszlása a pozitív hőmérsékleti tartományban és az olvadási arány; (c) hódara méret szerinti eloszlása és olvadási aránya; (d) vízcseppek méret szerinti eloszlása. A folytonos vonalak a koncentrációt, a szaggatott vonalak pedig az adott mérethez tartozó arányokat jelenítik meg. A (d) oszlopban a kék vonalak a bulk modell alapján számított exponenciális méret szerinti eloszlást reprezentálják.

68

5. Eredmények

5.17. ábra: Különböző hidrometeorok méret szerinti eloszlása egy feláramlási tartományban (x = 291 km). A jelmagyarázatot lásd az 5.16. ábránál.

69

5. Eredmények Az olvadási arány növekedése pedig meggyorsítja az olvadó hódara részecskék transzferjét a vízcsepp kategóriába. A vízcseppek méret szerinti eloszlásában tapasztalható különbség két okkal magyarázható: (i) a feláramlási tartományban jóval kisebb koncentrációban fordulnak elő azok a szilárd halmazállapotú csapadékelemek, amelyekből vízcseppek alakulhatnak ki (5.16b. és c. ábrák, illetve 5.17b. és c. ábrák); (ii) a feláramlási csatornában kisebb vízcseppek alakulnak ki az aktivizálódó CCN-eken. Ezzel a folyamattal magyarázható az 5.17d. ábrán megfigyelhető lokális maximum a 10 μm alatti méret tartományban. A 300 és 350 km között elhelyezkedő leáramlási tartományban jellemzően a hópelyhek olvadása vezet vízcseppek kialakulásához, mivel ebben a régióban csak jóval kisebb koncentrációban vannak jelen a hódara részecskék (ld. 5.14. ábra). Ebben a tartományban a párolgás is fontos szerepet játszik az olvadásban, mivel mind a sík vízfelszínre, mind pedig a jégfelszínre vonatkozó relatív páratartalom alacsonyabb, mint 100 % (5.18. ábra).

5.18. ábra: Túltelítettség a sík vízfelszín és a sík jégfelszín felett a numerikus szimuláció hatodik órájában, 250 - 340 km között.

Amennyiben a vízcseppek méret szerinti eloszlására exponenciális eloszlást illesztünk, akkor a metszési paraméter (N0) értéke a fel- és leáramlási tartományban rendre 106 m-4 és 105 m-4-nek adódik.

70

5. Eredmények A leáramlási csatornában, ahol relatív kis mennyiségben áll rendelkezésre hódara részecske a vízcseppek méret szerinti eloszlását döntően a hópelyhek olvadása miatt keletkező vízcseppek méret szerinti eloszlása határozta meg. Az 5.16d. és 5.17d. ábrákon kék vonal jelöli az alkalmazott bulk mikrofizikai séma által számított exponenciális méret szerinti eloszlást. A metszési paraméter értéke a leáramlási tartományban, ahol elsősorban a hópelyhek olvadása vezet vízcseppek kialakulásához kb. 102 m-4, míg a feláramlási tartományban ez az érték kb. 103 m-4. Az eltérés következménye, hogy a bin sémához képest a bulk séma a kisebb vízcseppek (100 – 500 μm) koncentrációját alul-, míg a nagyobb méretű vízcseppek koncentrációja felülbecsli.

5.2.2.2. A felszíni csapadék mennyiségének meghatározása Az IMPROVE-2 eset tanulmányozása során a 2D modellezés nem tette lehetővé, hogy a megfigyelés teljes tartományát (5.12. ábra) modellezzük. Így felszíni mérési adatokkal való összehasonlítás csak korlátozott mértékben volt megvalósítható, mivel a mérési pontok közül csak kevés illeszkedett a modellezett tartományhoz. Az 5.19. ábra a bulk és a bin mikrofizikai sémák által számolt, a felszínen akkumulált folyékony (a) és szilárd halmazállapotú (b) hódara és (c) hó formájában hulló csapadék mennyiségét mutatja be. Az ábráról leolvasható, hogy a szilárd halmazállapotú csapadék mennyisége mind a két mikrofizikai séma esetében a teljes csapadék mennyiségéhez képest elhanyagolható. A csapadék lokális maximumának helyei a hegycsúcshoz közel találhatók a bin séma, és inkább a lee oldalon a bulk séma esetében. Az 5.3. táblázat a teljes domainre integrált csapadékmennyiséget, illetve a felszíni csapadék fontosabb jellemzőit tartalmazza mind a bulk, mind a bin séma esetében. A kapott értékeket elemezve az alábbi következtetéseket vonhatjuk le: (i) míg a bin és a bulk modell esetén a teljes felszíni csapadékmennyiségben nincs jelentős különbség, addig a maximum értékekben már jelentős eltérés figyelhető meg, mivel az alkalmazott bulk séma esetén kis területen jelentős mennyiségű hódara hullott a felszínre. (ii) Jelentős különbség figyelhető meg a két séma között a völgyekben hullott csapadéknak a teljes csapadékhoz viszonyított arányát illetően. Míg a bulk séma esetén a teljes csapadék 50%-a a völgyekben hullik, addig a bin séma esetén ez az arány a 40%-ot sem éri el. Hasonló eltérés figyelhető meg az úgy nevezett „spillover” arány esetében is. Spillover arányon a hegy széllel átellenes oldalán lehulló csapadéknak a teljes csapadékhoz viszonyított arányát értjük. 71

5. Eredmények 5.3. táblázat: Az alkalmazott mikrofizikai sémák esetén számított csapadékmennyiség (a), a csapadék maximum értéke (b), a völgyekben hulló csapadék aránya a teljes csapadékhoz viszonyítva (c) és a spillover arány (d). Mikrofizikai séma

(a) Felszíni csapadék (mm)

(b) (mm)

BULK

2316

BIN

2172

Maximum

(c) Völgyben hullott csapadék aránya

(d) Spillover arány (%)

52,83

50,06

53,57

34,01

37,88

44,28

Az 5.20. ábra a modellezett és mért csapadékmennyiségek időbeli változását mutatja két állomáson. Az 5.20a. ábra a Jump-off Joe állomáson mért akkumulált csapadékösszegeket mutatja. Ez az állomás a modellezett keresztmetszeten kívül helyezkedett el. Az 5.20b. ábra a Corbett State Park állomás mérési eredményeit mutatja. Ez az állomás illeszkedett a modellezett 2D tartományra (5.12. ábra). Az mérésekkel való összevetés során a reprezentatív pontok kiválasztása mellett a pont környezetében található 5 - 5 felszíni rácsponton számolt értékekből határoztuk meg az ábrán látható boksz diagramot. A modell által figyelembe vett tartományra illeszkedő Corbett S. P. állomás esetén a modell átlagai a kezdeti szakaszban (felfutási szakasz) kissé alulbecsülik, de a szimuláció kezdetét követő 3 - 4. órától kezdődően jó egyezést mutatnak a mérési eredményekkel mind a bulk, mind a bin modell esetében. Az azonban az ábráról is jól leolvasható, hogy a bin séma jóval kisebb bizonytalansággal határozza meg a lehullott csapadék mennyiségét, mint a bulk séma. A másik vizsgált állomás, Jump-off Joe a modellezett tartománytól, mintegy 15 km-re helyezkedik el északra (lásd 5.12. ábra). Az eredmények azt mutatják, hogy az alkalmazott két modell rendre alulbecsüli az itt mért csapadékmennyiséget, azonban itt is jól megfigyelhető, hogy a csapadékmennyiség térbeli változékonysága jóval kisebb a részletes mikrofizikai modell esetében. Az 5.21. ábra bin séma eredményeinek a repülőgépes mérések adataival való összehasonlítását mutatja. Az ábrán az intenzív mérési periódus alatt végzett repülőgépes mérési adatok időben átlagolt értékeit és a modell által számított, a repülőgépes megfigyelést tartalmazó térfogatra átlagolt értékeket jelenítettük meg.

72

5. Eredmények

5.19. ábra: A modell alapján számított akkumulált csapadékmennyiség [mm] a felszínen 2001. December 14. 01:00 UTC: (a) eső, (b) hódara és (c) hó és jégrészecskék. A fekete, piros vonalak a csapadék mennyiségét jelölik a horizontális távolság függvényében az alkalmazott modellek esetén (fekete – BIN; piros – BULK). A szürke vonal a jobb oldali y-tengellyel megfeleltetett magasságot jeleníti meg (topográfia).

73

5. Eredmények

5.20. ábra: Modellezett és mért felszíni csapadékmennyiség időbeli eloszlása két kiválasztott állomás esetén (Jump-off Joe (a, c) és Corbett State Park (b, d)) a két alkalmazott mikrofizikai parametrizációra (BIN séma (a, b) és THOMPSON et al. (2008) BULK séma (c, d)). A modellezett értékeket az állomások helyeit kijelölő pontok 5 - 5 km -es környezetében vizsgáltam.

Az 5.21a. ábra a vízcseppek és a jégkristályok mért és modellezett méret szerinti eloszlását mutatja 0 – 45 μm-es tartományban. Ebben a méret tartományban a modell kissé felülbecsüli a mért koncentráció értékeket, azonban a számított méret szerinti eloszlás alakja jól egyezik a megfigyelttel. A nagyobb csapadékelemek (nagyobb vízcseppek, hópelyhek, hódara részecskék) méret szerinti eloszlás esetében már nem ilyen egyértelmű a helyzet (5.21b. ábra). Míg a 0,2 mm-nél kisebb átmérőjű hópelyhek koncentrációját tekintve a modell nagyon jó egyezést mutat a mérési eredményekkel, addig az ennél nagyobb méretű részecskék esetén az eltérés jelentősnek tekinthető. A különbség két okkal magyarázható: (i) a zúzmarásodott hó tömege és sűrűsége közötti összefüggést nem

74

5. Eredmények megfelelően írja le a modell, (ii) a modell pontatlanul írja le a hópelyhek kialakulását és növekedését eredményező zúzmarásodást.

5.21. ábra: Modellezett és a Convair-580 repülőgép által mért méret szerinti eloszlás (a) FSSP-100 adatinak összehasonlítása a BIN séma eredményével, valamint (b) a 2D-C próba mérésének összevetése a modell eredményeivel. A modell eredmények térben átlagoltak (fekete vonal), a mérési eredményeket egy 10 perces idő intervallumra átlagoltak (piros vonal).

5.2.2.3. Ekvivalens radar reflektivitás számítása A modell számítások és a radar megfigyelések összehasonlítása kapcsán gyakran felmerül az a probléma, hogy a modellek nem képesek megfelelő módon visszaadni a megfigyelések során tapasztalható fényes sáv jelenségét (MORRISON et al., 2015). A fényes sáv kialakulása akkor jelezhető előre, ha ismerjük az olvadó csapadékelemek esetében a megolvadt víz arányát (lásd 4.2. fejezet). Ugyanis az olvadó csapadékelemek felszínét borító vízrétegnek tulajdonítható, hogy a 0 °C-os szint közelében jelentősen megnő a radar reflektivitás értéke. A növekedést a víz és a jég eltérő refraktív indexe okozza. Az általunk alkalmazott

bin

mikrofizikai séma lehetővé tette, hogy a

radar reflektivitás

meghatározásakor az olvadó részecskéket kétrétegű keverékként írjuk le. A számítások azt mutatják, hogy a részletes mikrofizikai modell által szolgáltatott radar reflektivitás értékek esetében markáns reflektivitás változás figyelhető meg a 0 °C-os hőmérsékleti szint közelében (5.22. ábra). Különösen jelentős ez változás a hódara részecskék olvadási 75

5. Eredmények tartományában. A bulk modell output adataiból meghatározott reflektivitás esetében is megfigyelhető az olvadással magyarázható reflektivitás növekedés, azonban a maximum érték elérése után a csökkenés már jóval kisebb mértékű (5.22. ábra). Ezért ebben az esetben a fényes sáv kevésbé markánsan jelenik meg, mint a bin séma esetében.

5.22. ábra: (a) Modellezett ekvivalens radar reflektivitás [dBZ] vertikális keresztmetszete az alkalmazott BULK, valamint (b) az alkalmazott BIN séma esetén. (c) a modellezett és mért radar reflektivitás értékek összehasonlítása egy vertikális metszetben – a szimulált időpontot megelőző egy óra átlagértékei a 21:00 UTC időpontra és (d) a 01:00 UTC időpontra vonatkozóan.

Az 5.22c. és d. ábrák a modellezett és mért radar reflektivitás értékeit hasonlítja össze a mérőállomás felett (McKenzie Bridge, vertikálisan irányított radar), két időpontban: a modellezett időtartomány második és utolsó órájában. A mért értékek időbeli, míg a 76

5. Eredmények modellezett értékek térbeli átlagát képeztük az összehasonlításhoz. Az időbeli átlagolás 1 órás időintervallumra történt, a térbeli átlagot pedig az állomás környezetében található 5 – 5 függőleges oszlop rácspontjainak értékeiből képeztük. A méréssel való összehasonlítás azt mutatja, hogy a szimuláció korai időszakában sem a „bulk” sem a „bin” séma nem képes pontosan visszaadni a mért reflektivitás vertikális profilját. A becslés egyrészt alulbecsüli a fényes sáv kialakulásának vertikális pozícióját, mintegy 2 – 300 m-rel, másrészt felülbecsüli a fényes sáv erősségét. Az eltérés az átlagos értékekben mintegy 5 – 6 dBZ-re tehető a bin séma, és 15 dBZ körüli érték a bulk séma esetén. A különbség a csapadékelemek keverési arányának felülbecslésével (kisebb mértékűvel a bin és nagyobb mértékűvel a bulk séma esetében) magyarázható. Az olvadási szint vertikális pozícióját pedig azért becsülték alul a modellszámítások, mert a kezdeti feltételek meghatározásakor nem vettük figyelembe, hogy a nagy skálájú áramlások miatt az idő előrehaladtával a valóságban változott a 0 °C-os izoterma magassága. A szimuláció 2 – 3. órájától, az úgy nevezett modell „spin up” (modell felpörgés) már nincs hatással a mikrofizikai folyamatokra, és a kezdeti feltételek is megfeleltek a légkör ezen időszakra vonatkozó állapotának. Ebben az időszakban, mint ahogy az 5.22d. ábrán látható a részletes mikrofizikai modell alapján szimulált radar reflektivitás jó egyezést mutat a megfigyelésekkel. Az egyezés vonatkozik a fényes sáv magasságára, erősségére, valamint a fényes sáv alatti terület reflektivitására. A bulk séma által számított reflektivitás értékek a későbbi időpontban is jelentősen eltérnek a mért értékektől. Az eltérés két okkal magyarázható: (i) a maximum érték felülbecslése a keverési arányok magasabb értékének következménye (ld. SARKADI et al., 2016); (ii) a fényes sáv alatt megfigyelhető kisebb mértékű reflektivitás csökkenés a nagyobb méretű vízcseppek koncentrációjának felülbecslésével magyarázható. Az olvadási tartomány felett a mért és a modellezett értékek között mindkét időpontban jelentős az eltérés. Míg a megfigyelés alapján a negatív hőmérsékleti tartományban a radar reflektivitás értékének növekedése tapasztalható, addig mind a bulk, mind a bin modell esetében csökken a reflektivitás. A jelenség hátterében a szilárd halmazállapotú elemek méretének pontatlan leírása állhat. Feltételezzük, hogy a negatív hőmérsékleti tartományban, a szilárd halmazállapotú csapadékelemek esetében a víz ekvivalens átmérő nem alkalmazható a méret megadására a visszaszórási keresztmetszet meghatározásakor.

77

5. Eredmények Összességében elmondható, hogy a bin séma által szolgáltatott eredmény jobb közelítést ad a csapadék felszíni eloszlásában, mint a napjainkban használt mikrofizikai modellek többsége (MORRISON et al., 2015).

5.2.3.

Csapadékképződési

folyamatok

zivatarokban

–

Oklahoma

squall

line

esettanulmány A számítógépek teljesítményének növekedése megteremtette annak lehetőségét, hogy részletes mikrofizikai modellt alkalmazzunk olyan komplex rendszerek tanulmányozására is, mint például a vonalba rendeződött zivatarfelhők (squall line). Egy olyan zivatarlánc modellezését végeztük el, amelyről mérési adatok állnak rendelkezésre. A mérési adatoknak köszönhetően a modell validálása is elvégezhető. Az esetet eddig csak bulk mikrofizikai sémát alkalmazva modellezték (MORRISON et al., 2015). Mi tanulmányoztuk elsőként részletes mikrofizikai séma segítségével ennek a zivatarláncnak a kialakulását és fejlődését. Megvizsgáltuk, hogy a hidrometeorok méret szerinti eloszlásában milyen különbségek mutathatók ki a konvektív és a réteges szerkezetű tartomány között. Tanulmányoztuk, hogy milyen kapcsolat van a hideg légtömeg kialakulása és a csapadékelemek párolgása okozta hűlés között, továbbá, hogy ez utóbbi folyamatot, hogyan befolyásolja a vízcseppek méret szerinti eloszlása. A modellezett zivatarlánc fontosabb jellemzőit összehasonlítottuk publikált megfigyelési adatokkal. A megfigyelési adatok radar mérésekből és a területen elhelyezett disdrométerek mérésiből származnak. A numerikus szimuláció során az alábbi beállításokat alkalmaztuk: (i) horizontális x-irány mentén 612 rácspont, 1 km-es felbontással; (ii) horizontális y-irány mentén 122 rácspont, 1 km-es felbontással; (iii) vertikálisan 100 szigma szintet különítettünk el, a modellezett tartomány maximális magassága 25 km volt. Részletes mikrofizikai leírást alkalmaztunk a csapadékképződési folyamatok leírására. A kondenzációs magvak koncentrációját az óceáni légtömegekre jellemző értéknek választottuk (~ 100 l-1). A szimuláció időtartama 8 óra volt. A dinamikai beállítások a következők voltak: (i) dinamikai időlépésköz: 2 másodperc; (ii) nem-hidrosztatikus közelítés. A kezdeti feltételeket az 5.23. ábra szemléleti, a szélsebesség a mozgó domainhez viszonyított sebességet jelenti (vd ~ 17 m s-1 az 55. percig). A domain közepén, a felszín felett, egy

78

5. Eredmények 25 km széles és 4 km magasságig terjedő tartományban bevezetett hőmérsékleti perturbáció (max. + / - 0,1 K), valamint a szélnyírás generálta a kezdeti felhőképződést.

5.23. ábra: A squall line szimuláció során alkalmazott kezdeti (a) potenciális hőmérséklet; (b) vízgőz keverési arány; (c) horizontális szél x - irányú komponense.

Az 5.24. ábra a kezdeti állapothoz viszonyított hőmérsékletváltozást mutatja a szimuláció 4., 6. és 8. órájában.

Az

5.24a., b. és c. ábrák

a

felszínen

bekövetkező

hőmérséklet változást, az 5.24d., e. és f. ábrák pedig az y = 75 km-nél vett vertikális metszetben bekövetkező hőmérsékletváltozást mutatják. Az ábráról leolvasható, hogy a 0 °C izoterma alatt (~ 5 km) a levegő hőmérséklete jelentős mértékben csökkent (a változás akár a -10 °C-ot is elérheti). A hőmérséklet csökkenés két mikrofizikai folyamat következménye. Egyrészt vízcseppek párolgása okozta hőelvonás csökkenti a levegő hőmérsékletét, másrészt – ennél kisebb mértékben – a szilárd halmazállapotú csapadékelemek olvadása is hozzájárul a hőmérséklet csökkenéséhez. A horizontális metszet jól szemlélteti, hogy ez a hőmérséklet csökkenés a zivatarfelhő vezető éle mentén, mintegy 100 km széles tartományban a legjelentősebb. Emellett az ábráról az is leolvasható, hogy ez a változás időben nem állandó. Míg a szimuláció negyedik órájában a hőmérséklet csökkenés megközelítően 8 °C, addig a szimuláció végén ez az érték már mindössze csak 4 - 5 °C. A kisebb mértékű lehűlés hátterében a relatív páratartalom növekedése állhat, amelyet az olvadási folyamatok okozta hőelvonás nem tud kompenzálni.

79

5. Eredmények

5.24. ábra: A hőmérséklet változása a felszínen: horizontális (a, b, c) és y = 75 km -nél vertikális metszetben (e, f, g) a numerikus szimuláció 4., 6. és 8. órájában.

Az olvadási folyamatokat jól szemlélteti az 5.25. ábra is, amelyen az ekvivalens radar reflektivitás átlagolt mezőinek (y-tengely mentén 50 - 100 km közötti tartományra) időbeli változását követhetjük nyomon. A zivatarfelhő a számítások megkezdését követően a 4. – 5. óra után mutat a zivatarláncokra jellemző szerkezetet. A hatodik órában a reflektivitási képen jól elkülöníthető a konvektív tartományra jellemző magas reflektivitású, vezetőéllel párhuzamos tartomány. Ez a sáv a feláramlási csatorna peremén lehulló, olvadó hódara és az olvadás során keletkező nagyobb esőcseppek jelenlétével magyarázható. A feláramlási csatorna mögött jól kirajzolódik a szakirodalomban átmeneti zónának nevezett tartomány (5.26. ábra), ahol a hidrometeorok koncentrációja és ennek következtében a reflektivitás is lecsökken (lásd 5.25. ábra), és a csapadékintenzitás is csökken. Erre a tartományra erőteljes leáramlás a jellemző. A leáramlási tartományt

80

5. Eredmények kiterjedt, réteges szerkezetű csapadéksáv követi. A réteges szerkezetű tartományban a felszíni csapadék döntően a hópelyhek olvadása során keletkező vízcseppekből áll. A részlegesen olvadt hópelyhek a radar reflektivitás értékek növekedését eredményezik. A fényes sáv alatt megfigyelhető reflektivitás csökkenés egyrészt a hópelyhek teljes megolvadásával, másrészt az olvadó hópelyhek és a vízcseppek eltérő határsebessége miatt bekövetkező tömegáram növekedéssel magyarázható (GERESDI, 2004).

5.25. ábra: Modellezett radar reflektivitás a numerikus szimuláció 4. 6. és 8. órájában: (i) horizontális keresztmetszet (a, b, c) az olvadási réteg szintjében. (ii) A modellezett reflektivitás vertikális keresztmetszete (az y = 50 - 100 km közötti tartomány átlaga).

A feláramlási csatornában a maximális reflektivitás 45 - 50 dBZ körül alakul, a réteges szerkezetű tartományban pedig, a fényes sávban a reflektivitás maximuma kb. 40 dBZ, a

81

5. Eredmények fényes sáv alatt pedig kb. 25 - 30 dBZ között változik. A kapott eredmények jól egyeznek a zivatarlánc struktúrájára vonatkozó elméleti modellel (5.26. ábra). A fényes sáv a modell alapján kb. 4 - 4,5 km magasságban található, ami jól egyezik a megfigyelt 4 km-es magassággal. A fényes sávra jellemző, 35 – 40 dBZ-es reflektivitást csak kissé haladja meg a mért 40 - 45 dBZ. A modell kb. 10 dBZ-vel becsüli alul a fényes sáv alatti tartományra vonatkozó reflektivitás értékeket. A feláramlási és a leáramlási tartományok közötti átmeneti zóna átlagos reflektivási értéke 25 - 30 dBZ között változik mind a modellszámítások, mind pedig a mérési eredmények alapján.

5.26. ábra: Squall line-ok jellemző áramlási rendszerei és szerkezete: konvektív tartomány, átmeneti zóna és réteges szerkezetű tartomány (HOUZE, 1993).

Az 5.27. ábra a modell által számított akkumulált csapadékmennyiséget szemléleti a 8 órás szimuláció végén (horizontális és vertikális metszetben), valamint a csapadékintenzitást három különböző időpontban. A csapadékmező elemzéséből leolvasható, hogy a vezető él mentén hullik a legtöbb eső (kb. 450 km-nél ~ 50 mm). A 300 - 400 km-es tartományban egy viszonylag egyenletes csapadékmennyiség figyelhető meg (~ 30 - 40 mm), amelyet egy gyenge csapadékú zóna követ (~ 200 - 300 km közötti tartományban, ~ 10 - 20 mm). A kisebb csapadékmennyiségű zónák a zivatarfelhő réteges szerkezetű tartományaihoz kapcsolódóan alakulnak ki. A magasabb csapadékmennyiségű helyek a konvektív tartomány területeit jelenítik meg. Értelemszerűen, mivel az ábra a 8 órás fejlődés minden 82

5. Eredmények szakaszában együttesen hullott csapadékot jeleníti meg a felszínen, emiatt jelenik meg a 300 km-es hely környékén egy másodlagos csapadékmaximum. Ez a fejlődés a vertikális metszetben is nyomon követhető (5.27b. ábra). Az 5.27c. ábra a csapadékintenzitást ábrázolja a szimuláció első, negyedik és nyolcadik órájában. Az ábra alapján a következő megállapításokat tehetjük: -

Az 1. órában az erőteljes konvektív csapadék a meghatározó, és a későbbi időpontokban is a konvektív régióban lesz a nagyobb a csapadékintenzitás.

-

A 4. órában – amely az érett stádium (v. ö. 5.25d. ábra) – a hátoldali leáramlás területén megfigyelhető másodlagos maximum a réteges szerkezetű csapadékzóna olvadási folyamatival van összefüggésben.

-

A 8. óra folyamán csökken a réteges szerkezetű zónában a csapadék intenzitása, de a réteges szerkezetű csapadékzóna kiszélesedik, és továbbra is megfigyelhető a másodlagos maximum (~ 350 km).

Az 5.28. ábra a szélkomponensek, valamint a különböző típusú hidrometeorok és a hozzájuk kapcsolódó származtatott paraméterek vertikális metszetét ábrázolja. Az 5.28a. ábrán jól kivehetően kirajzolódik a zivatarláncokra jellemző hátoldali beáramlás. Az 5.28b. ábra a vertikális sebességet szemlélteti. A feláramlási csatornában (x ~ 480 km-nél) a feláramlási sebesség elérte a ~20 m s-1 értéket. Abban a régióban, ahol a feláramlási sebesség eléri a maximumát, a vízcseppek, a jégkristályok, a hópelyhek és a hódara részecskék keverési arányának összege közel 4 g m-3. A leáramlási sebesség az intenzív csapadékzónában (x = 450 – 500 km) a legnagyobb, eléri az ~15 m s-1 értéket. Az 5.28c. és l. ábrák a vízfelszínre és a jégfelszínre vonatkozó túltelítést szemléltetik. Az ábrákról leolvasható, hogy a rendszer a vízre vonatkozóan közel telített, míg a jégfelszínre a 0 °C-os izoterma alatt túltelített, ami a vízgőz jégre való lecsapódását segíti elő.

83

5. Eredmények

5.27. ábra: A bin modell által szimulált akkumulált csapadékmennyiség (a) a felszínen horizontális metszetben; (b) a teljes csapadékmennyiség (hó + hódara + eső) az y = 75 km-nél a numerikus szimuláció végén (8. óra) és (c) a csapadékintenzitás három különböző időpontban.

84

5. Eredmények Az 5.28d. és e. ábrák rendre a 0,05 mm-nél kisebb átmérőjű vízcseppek (felhővíz), és az ennél nagyobb vízcseppek (esővíz) keverési arányát ábrázolják. Az ábráról leolvasható, hogy a 450 - 500 km-es tartományban a legnagyobb a vízcseppek keverési aránya. A vízcseppek egy része a feláramlásban aktivizálódó kondenzációs magvakon alakul ki (felhővíz) és ütközések (esőcseppek kialakulása), valamint kondenzáció során növekszik tovább. A nagyobb méretű vízcseppek kialakulásában a hódara részecskék olvadása is jelentős szerepet játszik. Egyrészt a teljes mértékben megolvadó hódara részecskékből, másrészt a vízcseppekkel való ütközések következtében lesodródó, megolvadt vízből alakulnak ki 100 μm-nél nagyobb vízcseppek. Az 5.28f. és g. ábrák a hópelyhek és a hódara részecskék felhőn belüli eloszlását mutatják, az 5.28h, i és j. ábrákon a hópelyhekre vonatkozó zúzmarásodási arány, olvadási arány, valamint a hódara részecskékre vonatkozó olvadási arány szerepel. A hódara részecskék két folyamat eredményeként jönnek létre: (i) az 100 μm-nél nagyobb vízcseppek fagyása, illetve a (ii) hópelyhek zúzmarásodása során (lásd 5.28h. ábra). Az 5.28k. ábra a számított átlagos vízcseppméretet ábrázolja. Az ábra alapján elmondható, hogy az átlagos méretet tekintve két maximumhely különíthető el, egy 2 - 2,5 mm-es maximum a konvektív tartományban és egy 1,5 - 2 mm-es második maximum hely a réteges tartományban. Míg előbbi a hódara részecskék olvadásával, addig utóbbi a hópelyhek teljes megolvadásával keletkező vízcseppek jelenlétével magyarázható. A kapott átlagos méretek megfelelnek a mért értékeknek (MORRISON et al., 2015). A zúzmarásodási folyamatok szerepe a zivatarfelhő előoldali részében a legjelentősebb, ugyanis a feláramlási csatornában nagy koncentrációban kialakuló vízcseppek gyakran ütköznek a jégkristályokkal és a hópelyhekkel. Abban a régióban ahol a zúzmarásodási arány megközelíti a 0,5-öt (kb. –10 °C-os szint alatt), a hódara részecskék döntően a hópelyhek erős zúzmarásodásnak köszönhetően alakulnak ki. Mind a hódara, mind a hópelyhek esetében a kialakulást és a növekedést meghatározó folyamatok jellemzően a –20 °C-os szint alatt játszódnak le. Az ezen szint felett való megjelenésük a levegő vertikális és horizontális áramlásának a következménye. Az olvadási folyamatok mind a réteges, mind a konvektív tartományban jelentős szerepet töltenek be. Míg a réteges szerkezetű tartományban a hópelyhek olvadása, addig a konvektív tartományban a hódara részecskék olvadása a meghatározó (lásd 5.29. ábra).

85

5. Eredmények

86

5. Eredmények

5.28. ábra: A numerikusan modellezett kimeneti mezők vertikális metszetben: (a) horizontális szélkomponens (u) [ms-1]; (b) vertikális szélsebesség (w) [ms-1]; (c) telítettség vízfelszín felett; (d) felhővíz keverési aránya [gm-3]; (e) esőcseppek keverési aránya [gm-3]; (f) hópelyhek keverési aránya [gm-3]; (g) hódara részecskék keverési aránya [gm-3]; (h) hópelyhek zúzmarásodási aránya; (i) a hópelyhek és (j) a hódara szemekre vonatkozó olvadási arány; (k) az átlagos cseppméret (MVD) és (l) a telítettség jégfelszín felett a numerikus szimuláció 8. órájában.

87

5. Eredmények Az 5.29. ábra a különböző típusú részecskék méret szerinti eloszlását mutatja be a réteges és a konvektív tartományban. Az 5.29. ábra elemzése azt mutatja, hogy a konvektív tartományban döntően a hópelyhek intenzív zúzmarásodása vezet hódara részecskék kialakulásához (5.29c. ábra). A csapadékelemek méret szerinti eloszlásának jellemzői jelentősen eltérnek a réteges és a konvektív tartományban. A réteges szerkezetű tartományban a hódara részecskék mérete nem haladja meg az 1 mm-t (5.29c. ábra). Ezek a kis részecskék a 0 °C-os szint alá hullva gyorsan elolvadnak. Ezzel szemben a konvektív tartományban még az 5 mm-nél nagyobb hódara részecskék is viszonylag nagy koncentrációban vannak jelen. Ezek a nagy részecskék még a +7 °C-os szintet elérve sem olvadnak el teljesen. Az 5.29c. ábrán jól megfigyelhető, hogy a +4 °C-os hőmérsékleti szintig az olvadás csak kis mértékben módosítja a hódara részecskék méret szerinti eloszlását, jelentősebb változás (a 2 mm-nél kisebb részecskék koncentrációjának csökkenése és az olvadt víz arányának növekedése) csak ennél magasabb hőmérsékleten következik be. A vízcseppek méret szerinti eloszlását vizsgálva, az alábbi megállapítást tehetjük: a vízcseppek méret szerinti eloszlása jelentősen eltér a réteges és a konvektív felhőtartományokban. Emiatt a méret szerinti eloszlás közelítésére gyakran alkalmazott exponenciális eloszlás metszési paramétere is jelentős mértékben különbözik a két régióban. Az olvadási tartományban a metszési paraméter értéke a réteges szerkezetű felhőrészben kb. 106 - 107 m-4, addig a konvektív tartományban ez az érték kb. 103 m-4. Ez az eredmény teljes mértékben összecseng a megfigyelések tapasztalataival (TOKAY – SHORT, 1996). A vízcseppek eltérő méret szerinti eloszlásának az olvadási szint alatt az a magyarázata, hogy míg a konvektív tartományban a nagyobb méretű vízcseppek döntően a hódara szemek olvadásának következtében alakulnak ki, addig a vízcseppek keletkezése a réteges szerkezetű tartományban a hópelyhek olvadásának következménye.

88

5. Eredmények

5.29. ábra: Hidrometeorok méret szerinti eloszlása logaritmikus méret skálán, különböző hőmérsékleteken a numerikus szimuláció 8. órájában az x = 300 km (réteges szerkezetű tartomány, fekete) és az x = 500 km (konvektív tartomány, piros) oszlopokban . (a) Hópelyhek méret szerinti eloszlása és a zúzmarásodási arányuk; (b) Hópelyhek méret szerinti eloszlása és az olvadási arányuk; (c) Hódara részecskék méret szerinti eloszlása és az olvadási arányuk, valamint (d) vízcseppek méret szerinti eloszlása.

89

6. Az eredmények összefoglalása

6. Az eredmények összefoglalása Doktori tanulmányaim során egy már folyamatban lévő kutatásba kapcsolódtam be. A kutatás célja olyan részletes mikrofizikai modell fejlesztése volt, amely megfelelően képes leírni a felhőkben lezajló csapadékképződési folyamatokat. A kutatásaim során elsősorban a téli csapadék képződésének modellezési lehetőségeivel foglalkoztam: a szilárd halmazállapotú hópelyhek és hódara szemek olvadási folyamatai, az ónos eső képződése. A fentiek mellett új módszert dolgoztam ki a modell adatokból származtatható radar reflektivitás kiszámítására. Eddig az alkalmazott mikrofizikai leíráshoz nem állt rendelkezésre ilyen algoritmus. A radar adatok szimulációja megbízhatóbbá teszi a mérési eredményekkel való összehasonlítást. A kutatásaim során egyrészt idealizált esetekben, a dinamikai folyamatok elhanyagolásával; másrészt a dinamikai és mikrofizikai folyamatok közötti kölcsönhatások figyelembevételével végeztem vizsgálatokat.

1) Számítógépes program kifejlesztése a modellezett radar reflektivitás meghatározására, ami lehetővé teszi a modell számítások radarmérésekkel történő tesztelését. Az algoritmus alkalmazhatósága és korlátai. Napjaink időjárás előrejelző modelljei már integráltan alkalmaznak radar paraméterek becslését szolgáló modulokat. A származtatott radar mezők azonban sok esetben nem bizonyulnak elegendően pontosnak, amely az alkalmazott mikrofizikai („bulk”) sémák pontatlanságaival magyarázható. A „bulk” sémák által alkalmazott integrálható függvények sokszor nem megfelelőek a hidrometeorok méret szerinti eloszlásának leírására. Gyakori hibájuk, hogy a kisméretű részecskék koncentrációját alul, a nagyokat pedig felülbecsülik. Ez a pontatlanság a kiszámított radar reflektivitás értékeire is jelentős hatással van. A részletes mikrofizikai modell esetében eddig nem állt rendelkezésre olyan számítási algoritmus, amely alapján a radar reflektivitás számítását el tudtuk volna végezni.  Korábbi kutatási eredményekre építve a bin sémához integrált radar reflektivitás számítási algoritmus került kidolgozására.  A modell validálása is hatékonyabban elvégezhetővé válik. Ugyanis míg a radar adatok a legtöbb esetben rendelkezésre állnak, addig közvetlen információk a 90

6. Az eredmények összefoglalása hidrometeorok méret szerinti eloszlására vonatkozóan csak igen kevés esetben (pl.: célzott mérési kampányok során) állnak rendelkezésre.  A bin séma által direkt módon számított olvadási arány és méret szerinti eloszlás a radar reflektivitás pontosabb meghatározását teszi lehetővé.  Az eddig elvégzett numerikus szimulációk eredményei azt mutatják, hogy a modell helyesen írja le a felhőkben végbemenő mikrofizikai folyamatokat, és a szilárd elemek olvadását. A radar képeken beazonosítható fényes sáv kialakulása, és erőssége jelentősen függ az olvadási aránytól. Mérésekkel való összevetések alapján a modellben alkalmazott olvadási séma a fényes sáv karakterisztikáit, és a fényes sáv alatt megfigyelhető reflektivitás csökkenést – összevetve egyéb operatívan alkalmazott modellekkel – jól adja vissza.

2) Idealizált esettanulmányok alapján levonható következtetések: (i) A részletes mikrofizikai modellel, idealizált szimulációk segítségével vizsgáltuk, hogy a környező levegő hőmérséklete és páratartalma milyen hatással van a szilárd halmazállapotú csapadékelemek olvadási folyamatira. A következő megállapításokra jutottunk:  Nedves adiabatikus hőmérsékleti rétegződés és 100 % relatív páratartalom esetén az olvadási réteg vastagsága jelentősen függ a hidrometeorok kezdeti méret szerinti eloszlásától.  Az olvadás miatt bekövetkező hőmérséklet csökkenés mértékét szintén befolyásolja a kezdeti méret szerinti eloszlás és a hidrometeorok típusa.  Az olvadási rétegben meginduló olvadás a csapadékhullás következtében egyre szélesebb tartományban fejti ki hatását. Végül (néhány óra elteltével) egy közel 0 °C-os izoterm réteg alakul ki, így a szilárd halmazállapotú csapadék elemek olvadása jelentősen lelassul, illetve megszűnik.  70 %-os relatív páratartalom mellett az olvadási folyamatok csak a +1 - +1,5 °C-os szint elérése után indulnak meg. Ez összhangban van a megfigyelési adatokkal.  Noha az exponenciális függvény elterjedt közelítés a vízcseppek méret szerinti eloszlásának leírására, az ónos eső képződése során a vízcseppek méret szerinti 91

6. Az eredmények összefoglalása eloszlása nem írható le vele, ez a fajta közelítés jelentős hibát eredményezhet a felszíni csapadékban. (ii) A csapadékelemek kezdeti méret szerinti eloszlása jelentősen befolyásolja a felszínre hulló csapadék méretét, illetve halmazállapotát.  Az eredmények azt mutatják, hogy a hódara részecskék esetében az olvadási arány, az olvadás hatékonysága jelentősen csökken a méret növekedésével. Míg a kb. 0,5 mm átmérőjű részecskék esetén az olvadási arány 80 % körül mozog, addig 3 mm-t meghaladó hódara esetében 20 % alatt marad.  A hópelyhekre vonatozó olvadási réteg vastagsága a keverési aránytól függően 100 és 1000 m között változik.  A relatív páratartalom csökkenése az olvadási réteg vastagságának mintegy 100 – 600 méterrel való növekedését eredményezi.

3) A kutatás kezdetén a 3. fejezetben ismertetett hipotéziseket állítottuk fel, amelyekkel kapcsolatban következő megállapításokra jutottunk: (i) Téli csapadék halmazállapotát meghatározó folyamatok, a havazás, az eső és az ónos eső kialakulásának mikrofizikai feltételei. A numerikus kísérletek eredményei alapján a következő megállapításokat tehetjük:  A részletes mikrofizikai modell a felszíni csapadék halmazállapotának pontosabb előrejelzését tette lehetővé a vizsgált esettanulmányban.  Amennyiben a hópelyhek koncentrációja magas (0,5 > g kg-1), akkor az ónos eső kialakulása nem lehetséges. Az olvadási tartományban a hópelyhek által elvont hő olyan mértékű hőmérsékletcsökkenést eredményez, amely meggátolja a további olvadási folyamatokat, és így az ónos eső kialakulását.  Természetesen az ónos eső képződése során elengedhetetlen, hogy a hópelyhek teljes megolvadásához elegendő vastagságú pozitív hőmérsékletű réteg álljon rendelkezésre.

92

6. Az eredmények összefoglalása  A vízcseppek jelenléte a relatív páratartalom függvényében gyorsíthatja is, és lassíthatja is az olvadási folyamatokat, így jelentős hatással van az ónos eső kialakulására. (ii) Csapadékképződés orografikus konvektív felhőkben. A csapadékképződési folyamatok modellezése kifejezetten problematikus a komplex felszínek (orografikus hatások) figyelembe vétele esetén. A felszíni akadályok által kiváltott konvekció jelentős hatással van a csapadékelemek képződésére. A részletes mikrofizikai modellt sikeresen alkalmaztuk az orografikusan gerjesztett, konvektív felhők mikrofizikai folyamatainak modellezésére. A modell eredményeit egy operatívan alkalmazott

mikrofizikai

séma

eredményeivel

és

mérési

eredményekkel

is

összehasonlítottuk. A numerikus szimulációk tapasztalatait a következő pontokban foglalhatjuk össze:  A részletes mikrofizikai modell a csapadék felszíni eloszlásában pontosabb eredményt szolgáltatott, mint a bulk modell. A felszíni csapadékmennyiség eloszlásában kisebb változékonyságot mutatott, mint az alkalmazott bulk modell.  A repülőgépes mérésekkel való összehasonlítás azt mutatja, hogy a részletes mikrofizikai modell a kisméretű vízcseppek, jégkristályok koncentrációját megfelelően írja le. A nagyméretű hópelyhek koncentrációját viszont felülbecsüli. A felülbecslés

hátterében

a

hópelyhek

sűrűségének

és

a

jégkristályok

zúzmarásodásának pontatlan leírása állhat.  Az alkalmazott radar reflektivitás számítási séma pontosan adja vissza a megfigyelések eredményeit, mind a fényes sáv erősségét, mind helyzetét illetően. A sikeres becslés egyrészt a mikrofizikai folyamatok pontosabb leírásának (bin modell), másrészt a radar reflektivitás meghatározására kidolgozott új eljárásnak köszönhető.  A hópelyhek zúzmarásodása jelentős mértékben befolyásolja a csapadék térbeli eloszlását a felszínen, azonban a teljes csapadékmennyiségre nincs jelentős hatással.

93

6. Az eredmények összefoglalása (iii) Mikrofizikai folyamatok szerepe az intenzív zivatarláncok kialakulásában és mozgásában. A párolgás és az olvadás okozta hőelvonás hatása a hideg párna kialakulásában.  A kutatás során sikeresen alkalmaztuk a részletes mikrofizikai modellt a zivatarfelhőkben lejátszódó mikrofizikai és dinamikai folyamatok leírására. Az intenzív zivatarláncok, az úgy nevezett squall line-ok kialakulásában és mozgásában a mikrofizikai folyamatoknak jelentős szerepet játszanak.  A szilárd halmazállapotú csapadékelemek olvadása, valamint a vízcseppek párolgása során elvont hő határozza meg a hideg párna (cold pool) kialakulását. Az olvadás során kialakuló vízcseppek méret szerinti eloszlása jelentősen befolyásolja azok párolgását, és így az elvont hő mennyiségén keresztül a hőmérsékletcsökkenést is.  A részletes mikrofizikai modell által számított méret szerinti eloszlások jó egyezést mutatnak a szakirodalomban fellelhető eredményekkel.  A modell megfelelően adja vissza azt a tapasztalati tényt, hogy a réteges és a konvektív tartományban a vízcseppek méret szerinti eloszlása jelentősen különbözik, és a két tartományban nem alkalmazható azonos metszési paraméter az exponenciális eloszlás használatakor.  A modellhez csatolt radar reflektivitás számítási algoritmus jó közelítését adja a fényes sáv erősségének és a megfigyeléssekkel összevetve a fényes sáv magasságát is megfelelően becsüli. A fényes sáv alatti reflektivitás csökkenés is jól egyezik a megfigyelésekkel.

94

7. A kutatás további irányai

7. A kutatás további irányai A fentiekben ismertetett modell operatív alkalmazása jelentősen korlátozott a nagy számítógép teljesítmény igény miatt. A kutatási célú alkalmazása nagy előrelépést jelenthet a jelenleg elterjedten alkalmazott parametrizációs sémák fejlesztésében és a felhőkben lejátszódó mikrofizikai folyamatok kutatásában. A kutatási témában folyamatos az együttműködés az Amerikai Egyesült Államokbeli Nemzeti Légkör Kutató Központtal (National Center for Atmospheric Research – NCAR). Számos, az együttműködés során született eredmény került alkalmazása az operatív „bulk” modellek fejlesztésekor. Az eddigi együttműködéseket is figyelembe véve a kutatás további irányait az alábbi pontokban foglalhatjuk össze: i.

A radar reflektivitás meghatározására kidolgozott algoritmus továbbfejlesztése. A jégrészecskék visszaszórási keresztmetszetének meghatározása a tényleges méret figyelembevételével. Eddig a víz ekvivalens átmérőből számoltuk a reflektivitást. A radar reflektivitás pontosabb meghatározása elősegíti a mért radarjelek és a modell eredmények megbízhatóbb összehasonlítását.

ii.

A meglévő radar reflektivitás számítási algoritmus továbbfejlesztése mellett folyamatban van egy, a polarizációs radar paraméterek meghatározását szolgáló algoritmus kidolgozása is. Ez tovább bővíti a modelleredmények és a megfigyelési adatok összehasonlításának lehetőségét. A vízcseppekre vonatkozó polarizációs paraméterek meghatározása a Mainzi Egyetem Légkörkutató Intézetével való együttműködés keretében történik.

95

Köszönetnyilvánítás

Köszönetnyilvánítás Ezúton szeretném kifejezi köszönetemet témavezetőmnek, Dr. Geresdi Istvánnak, aki munkám során nemcsak értékes szakmai tanácsokkal látott el, hanem hozzáállásával és végtelen türelmével mindig kitartásra, és munkára ösztönzött. Köszönöm Dr. Dövényi Zoltán professzor úrnak a Pécsi Tudományegyetem Természettudományi Kar Földtudományok Doktori Iskolája vezetőjének a támogatását és érdeklődését, illetve a lehetőséget, hogy a doktori iskola hallgatója lehettem. Köszönettel tartozom, Gregory Thompsonnak, aki hasznos tanácsokkal látott el a „bulk” sémákat illetően, a WRF program megismerésével és használatával kapcsolatban, valamint a WRF programozás „trükkjeiért”. Szeretném megköszönni Julie M. Thériaultnak, hogy rendelkezésemre bocsátotta az ónos eső modellezéssel kapcsolatos esettanulmány adatait, valamint a közös munkát. Külön köszönettel tartozom Kyoko Ikeda-nak az IMPROVE-2 esettanulmánnyal kapcsolatos adatok megosztásáért. Köszönöm, Németh Szilárdnak és Dr. Király Gábornak a MatLab programozással kapcsolatban felmerült kérdésekre adott nélkülözhetetlen segítséget. Köszönöm elő opponenseimnek, Dr. Ács Ferencnek és Dr. Pálfalvi Lászlónak a dolgozat javítására tett jobbító szándékú megjegyzéseit. Köszönöm a Pécsi Tudományegyetem Természettudományi Kar Földrajzi Intézet munkatársainak, hogy a doktori tanulmányok során tanítottak és tanulhattam tőlük. Munkám során elengedhetetlen volt, hogy a szakmai konferenciákon való részvételhez és a kutatáshoz támogatást nyújtott a „A Dél-dunántúli régió egyetemi versenyképességének fejlesztése”, Társadalmi Megújulás Operatív Program (TÁMOP4.2.1.B-10/2/KONV- 2010-0002); a TÁMOP-4.2.2.C-11/1/KONV-2012-0005 ”Jól-lét az információs társadalomban” és végül, de nem utolsó sorban a TÁMOP 4.2.4B/10 – ”Nemzeti kiválóság program” Apáczai Csere János Doktorandusz Ösztöndíj, valamint külföldi tanulmányutak során a Campus Hungary Program. Köszönöm mindazoknak a doktorandusz hallgatóknak, akik a nehéz napokon is vidám és ösztönző hangulatot teremtettek. Végül, de nem utolsó sorban köszönöm családom és barátaim támogatását, az ő nem szűnő buzdításuk nélkül ez a dolgozat nem születhetett volna meg. 96

Irodalomjegyzék

Irodalomjegyzék 1. ATLAS D., 1957: Drop size and radar structure of a precipitation streamer, Journal of Meteorology, Vol. 14. pp. 261-271. 2. ATLAS, D., ULBRICH, C. W., MARKS JR., F. D., AMITAI, E., WILLIAMS, C. R., 1999: Systematic variation of drop size and radar-rainfall relations, Journal of Geophysical Research, Vol. 104. pp. 6155-6169. 3. BARTHAZY, E., HENRICH, W., WALDVOGEL, A., 1998: Size distribution of hydrometeors through the melting layer, Atmospheric Research, Vol. 47-48. pp. 193-208. 4. BARTHAZY, E – SCHEFOLD, R., 2006: Fall velocity of snowflakes of different riming degree and crystal types, Atmospheric Research, Vol. 82. pp. 391398. 5. BATTAN, L. J. – BOHREN, C. F., 1982: Radar backscattering by melting snowflakes, Journal of Applied Meteorology, Vol. 21. pp. 1937-1938. 6. BEMIS, A. C., 1955: Shorter Contributions – The Role of Melting Snow in the Atmosphere, Journal of Meteorology, Vol. 12. pp. 186-187. 7. BLAHAK, U., 2007: RADAR_MIE_LM and RADAR_MIELIB—Calculation of radar reflectivity from model output. Internal Rep., Institute for Meteorology and Climate Research, University/Research Center Karlsruhe, 150 pp. 8. BLANCHARD, D. C., 1953: Raindrop Size-Distribution in Hawaiian Rains, Journal of Meteorology, Vol. 10. pp. 457-473. 9. BOHREN, C. F. – HUFFMAN, D. R., 1983: Absorption and scattering of light by small particles. John Wiley & Sons, New York. 10. BÖHM, H. P., 1992: A general hydrodynamic theory for mixed-phase microphysics. Part II: collision kernels for coalescence. Atmos. Res., Vol. 27. pp. 275-290. 11. BRAHAM, R. R. – SQUIRES, P., 1974: Cloud physics - 1974’, Monthly Weather Review, Vol. 55. pp. 543-586. 12. BRAHAM, R. R., 1990: Snow particle size spectra in lake effect snows, Journal of Applied Meteorology, Vol. 29. pp. 200-207.

97

Irodalomjegyzék 13. BRINGI, V. N., RASMUSSEN, R. M., VIVEKANANDAN, J., 1986a: Multiparameter radar measurements in Colorado convective storms. Part I: Graupel melting studies, Journal of the Atmospheric Sciences, Vol. 43. pp. 2545-2563. 14. BRINGI, V. N., VIVEKANANDAN, J., TUTTLE, J. D., 1986b: Multiparameter radar measurements in Colorado convective storms. Part II: Hail detection studies, Journal of the Atmospheric Sciences, Vol. 43. pp. 2564-2577. 15. BRINGI, V. N., CHANDRASEKAR, V., HUBBERT, J., GORGUCCI, E., RANDEU, W. L., SCHOENHUBER, M., 2003: Raindrop Size Distribution in Different Climatic Regimes from Disdrometer and Dual-Polarized Radar Analysis, Journal of the Atmospheric Sciences, Vol. 60. pp. 354-365. 16. BYERS, H. R. – BRAHAM, R. R., 1949: The Thunderstorm, U. S. Gov’t Printing Office, Washington D. C., pp. 287. 17. CHOULARTON, T. W. – PERRY, S. J., 1986: A model of the orographic enhancement of snowfall by the seeder-feeder mechanism, Quart. J. R. Met. Soc., Vol. 112. pp. 335-345. 18. COELHO, A. de A., BRENGUIER, J-L., PERRIN, T., 2005a: Droplet Spectra Measurements with the FSSP-100, Part I: Low Droplet Concentration Measurements, Journal of Atm. and Oc. Technology, Vol. 22. pp. 17481755. 19. COELHO, A. de A., BRENGUIER, J-L., PERRIN, T., 2005b: Droplet Spectra Measurements with the FSSP-100, Part II: Coincidence Effect, Journal of Atm. and Oc. Technology, Vol. 22. pp. 1756-1761. 20. COLLE, B. A., GARVERT, M. F., WOLFE, J. B., MASS, C. F., WOODS, C. P. 2005: The 13–14

December

2001

IMPROVE-2

event.

Part

III:

Simulated

microphysical budgets and sensitivity studies, J. Atmos. Sci., Vol. 62. pp. 3535–3558. 21. COOPER, W. A., 1986: Ice initiation in natural clouds. Precipitation Enhancement— A Scientific Challenge, Meteor. Monogr., No. 21, Amer. Meteor. Soc., pp. 29–32. 22. CRAWFORD, R. W. – STEWART, R. E., 1995: Precipitation type characteristics at the surface in winter storms, Cold Regions Science and Technology, Vol. 23. pp. 215-229.

98

Irodalomjegyzék 23. CZIGÁNY S., PIRKHOFFER E., NAGYVÁRADI L., HEGEDÜS P., GERESDI I., 2011: Rapid screening of flash flood-affected watersheds in Hungary. Zeitschrift Für Geomorphologie, Vol. 55. pp. 1-13. 24. DAWSON D. T., XUE M., MILBRANDT J. A., YAU M. K., 2010: Comparison of Evaporation and Cold Pool Development between Single-Moment and Multimoment Bulk Microphysics Schemes in Idealized Simulations of Tornadic Thunderstorms, Mon. Wea. Rev., Vol. 138. pp. 1152-1171. 25. FABRY, F. – ZAWADZKI, I., 1995: Long-term radar observations of the melting layer of precipitation and their interpretation, Journal of the Atmospheric Sciences, Vol. 52. pp. 838-851. 26. FIELD, P. R., HOGAN, R. J., BROWN, P. R. A., ILLINGWORTH, A. J., CHOULARTON, T. W., COTTON, R. J., 2005: Parametrization of ice-particle size distributions for mid-latitude stratiform cloud, Q. J. R. Meteorol. Soc., Vol. 131. pp. 1997-2017. 27. FIELD, P. R., HEYMSFIELD, A. J., BANSEMER, A., 2007: Snow Size Distribution Parametrization for Midlatitude and Tropical Ice Clouds, J. Atmos. Sci., Vol. 64. pp. 4346-4365. 28. FUJIYOSHI, Y., 1986: Melting snowflakes, Journal of the Atmospheric Sciences, Vol. 43. pp. 307-311. 29. GARVERT, M. F, COLLE, B. A., MASS, C. F., 2005a: The 13-14 December 2001 IMPROVE-2 Event. Part I: Synoptic and Mesoscale Evolution and Comparison with a Mesoscale Model Simulation. J. Atmos. Sci., Vol. 62. pp. 3474-3492. 30. GARVERT, M. F, WOODS, C. P, COLLE, B. A, MASS, C. F, HOBBS, P. F, STOELINGA, M. T., WOLFE, J. B., 2005b: The 13-14 December 2001 IMPROVE-2 Event. Part II: Comparisons of MM5 Model Simulations of Clouds and Precipitation with Observations. J. Atmos. Sci., Vol. 62. pp. 3520-3534. 31. GARVERT, M. F, SMULL, B., MASS, C., 2007: multiscale mountain waves influencing a major orographic precipitation event. J. Atmos. Sci., Vol. 64. pp. 711-737. 32. GEOTIS, S. G., 1978: Comparison of Reflectivity Measurements by Radar and by Disdrometer, Journal of App. Met., Vol. 17. pp. 1403-1405.

99

Irodalomjegyzék 33. GERESDI, I. – WEIDINGER, T., 1989: A meteorológiai folyamatok modellezésében alkalmazott numerikus módszerek, Időjárás, Vol. 93. pp. 100–114. 34. GERESDI, I., 1996: Numerical simulation of the precipitation development in a severe thunderstorm, Atmospheric Research, Vol. 41. pp. 71-80. 35. GERESDI, I., 1998: Idealized simulation of the Colorado hailstorm case: comparison of bulk and detailed microphysics, Atmospheric Research, Vol. 45. pp. 237252. 36. GERESDI, I. – HORVÁTH, Á., 2000: Nowcasting of precipitation type, Part I: Winter precipitation, Időjárás, Quarterly Journal of the Hungarian Meteorological Service, Vol. 104. pp. 241-252. 37. GERESDI, I. 2004.: Felhőfizika, Dialóg Campus Kiadó, Pécs 38. GERESDI, I., RASMUSSEN, R. M., GRABOWSKI, W., BERNSTEIN, B., 2005: Sensitivity of freezing drizzle formation in stably stratified clouds to ice processes, Meteorology and Atmospheric Physics, Vol. 88. pp. 91-105. 39. GERESDI, I., SARKADI, N., THOMPSON, G., 2014: Effect of the accretion by water drops on the melting of snowflakes, Atmos. Res., Vol. 149. pp. 96-110. 40. GODDARD, J. W. F., CHERRY, S. M., BRINGI, V. M., 1982: Comparison of DualPolarization Radar Measurements of Rain with Ground-Based Disdrometer Measurements, Journal of Applied Meteorology, Vol. 21. pp. 252-256. 41. GRABOWSKI W., 1998: Toward Cloud Resolving Modeling of Large-Scale Tropical Circulations: A Simple Cloud Microphysics Parameterization. J. Ams. Sci., Vol. 55. pp. 3283-3298. 42. GUNN, K. L. S. – MARSHALL, J. S., 1958: The distribution with size of aggregate snowflakes, Journal of Meteorology, Vol. 15. pp. 452-461. 43. HALL, W. D., 1980: A detailed microphysical model within a two-dimensional dynamic framework: Model description and preliminary results, Journal of the Atmospheric Sciences, Vol. 37. pp. 2486-2507. 44. HANESIAK, J. M. – STEWART, R. E., 1995: The Mesoscale and Microscale Structure of a Severe Ice Pellet Storm, Mon. Weath. Rew., Vol. 123. pp. 3144-3162. 45. HORVÁTH, Á. (szerk.), 2007: A légköri konvekció. Országos Meteorológiai Szolgálat. Budapest, pp. 64. 46. HORVÁTH, Á. – GERESDI, I., 2003: Severe storms and Nowcasting in the Carpathian basin, Atmospheric Research, Vol. 67-68. pp. 319-332.

100

Irodalomjegyzék 47. HORVÁTH, Á., GERESDI, I, NÉMETH, P., CSIRMAZ, K., DOMBAI, F., 2009: Numerical modeling of severe convective storms occurring in the Carpathian Basin, Atmospheric Research, Vol. 93. pp. 221-237. 48. HORVÁTH, Á., SERES, A. T., NÉMETH, P., 2012: Convective systems and periods with large precipitation in Hungary, Időjárás, Quarterly Journal of the Hungarian Meteorological Service, Vol. 116. pp. 77-91. 49. HOUZE, R. A., 1993: Cloud dynamics, Academic Press, San Diego/New York/Boston/London/Sydney/Tokyo/Toronto. 50. IKEDA, K., RASMUSSEN, R. M., HALL, W. D., THOMPSON, G., 2007: Observations of freezing drizzle in extratropical cyclonic storms during IMPROVE-2, Journal of the Atmospheric Sciences, Vol. 64. pp. 3016-3043. 51. IKEDA, K., RASMUSSEN, R. M., BRANDES, E., MCDONOUGH, F., 2009: Freezing drizzle detection with WSR-88D radars, Journal of Applied Meteorology and Climatology, Vol. 48. pp. 41-60. 52. ILLINGWORTH, A. J. – STEVENS, C. J., 1987: An Optical Disdrometer for the Measurement of Raindrop Size Spectra in Windy Conditions, Journal of the Atmospheric and Oceanic Technology, Vol. 4. pp. 411-421. 53. JOSS, J. – WALDVOGEL, A., 1969: Raindrop Size Distribution and Sampling Size Errors, Journal of the Atmospheric Sciences, Vol. 26. pp. 566-569. 54. JOSS, J. – WALDVOGEL, A., 1977: Comments on „Some Observations on the JossWaldvogel Rainfall Disdrometer”, Journal of Applied Meteorology, Vol. 16. pp. 112-113. 55. KIKUCHI, K., KAMEDA, T., HIGUCHI, K., YAMASHITA, A., Working Group Members for new classification of snow crystals, 2013: A global classification of snow crystals, ice crystals, and solid precipitation based on observations from middle latitudes to polar region, Atmospheric Research, Vol. 132-133. pp. 460-472. 56. KINNEL, P. I. A., 1976: Some Observations on the Joss-Waldvogel Rainfall Disdrometer, Journal of Applied Meteorology, Vol. 15. pp. 499-502. 57. KHAIN, A., OVTCHINNIKOV, M., PINSKY, M., POKROVSKY, A., KRUGLIAK, H., 2000: Notes on the state-of-the-art numerical modeling of cloud microphysics, Atmospheric Research, Vol. 55. pp. 159-224.

101

Irodalomjegyzék 58. KHAIN, A., POKROVSKY, A., PINSKY, M., 2004: Simulation of effects of atmospheric aerosols on deep turbulent convective clouds using a spectral microphysics mixes-phase cumulus cloud model. Part I: Model description and possible applications, Journal of the Atmospheric Sciences, Vol. 61. pp. 2963-2982. 59. KHAIN, A., ROSENFELD, D., POKROVSKY, A., BLAHAK, U., RYZHKOV, A., 2011: The role of CCN in precipitation and hail in a mid-latitude storm as seen in simulations using a spectral (bin) microphysics model in a 2D dynamic frame, Atmospheric Research, Vol. 99. pp. 129-146. 60. KLAASSEN, W., 1988: Radar observations and simulation of the melting layer of precipitation, Journal of the Atmospheric Sciences, Vol. 45. pp. 3741-3753. 61. KNIGHT, C. A., 1979: Observations of Morphology of Melting Snow, Journal of the Atmospheric Sciences, Vol. 36. pp. 1123-1130. 62. KRUGER, A. – KRAJEWSKI, W. F., 2002: Two-Dimensional Video Disdrometer: A Description, Journal of the Atmospheric and Oceanic Technology, Vol. 19. pp. 602-617. 63. LANGMUIR, I., 1948: The production of rain by a chain reaction in cumulus clouds at temperatures above freezing, Journal of Meteorology, Vol. 5. pp. 175-192. 64. LAURSEN, K. K., JORGENSEN, D. P., BRASSEUR, G. P., USTIN, S. L., HUNING, J. R., 2006: HIAPER: The Next Generation NSF/NCAR Research Aircraft, Bull. Amer. Soc., Vol. 87. pp. 896-909. 65. LEMPIO, G. E., BUMKE, K., MACKE, A., 2007: Measurement of solid precipitation with an optical disdrometer, Advances in Geosciences, Vol. 10. pp. 91-97. 66. LIN, Y-L., FARLEY, R. D., ORVILLE, H. D., 1983: Bulk Parameterization of the Snow Field in a Cloud Model, Journal of Climate and Applied Meteorology, Vol. 22. pp. 1065-1092. 67. LIST, R. – GILLESPIE, J. R., 1976: Evolution of raindrop spectra with collisioninduced breakup, Journal of the Atmospheric Sciences, Vol. 33. pp. 20072013. 68. LIU, X. C., GAO, T. C., LIU, L., 2014: A video recipitation sensor for imaging and velocimetry of hydrometeors, Atmos. Meas. Tech., Vol. 7. pp. 2037–2046. 69. LOW, T. B. – LIST, R., 1982a: Collision, coalescence and breakup of raindrops. Part I: Experimentally established coalescence efficiencies and fragment size

102

Irodalomjegyzék distributions in breakup, Journal of the Atmospheric Sciences, Vol. 39. pp. 1591-1606. 70. LOW, T. B. – LIST, R., 1982b: Collision, coalescence and breakup of raindrops. Part II: Parameterization of fragment size distribution, Journal of the Atmospheric Sciences, Vol. 39. pp. 1607-1618. 71. LÖFFLER-MANG, M. – JOSS, J., 2000: An Optical Disdrometer for the Measuring Size and Velocity of Hydrometeors, Journal of the Atmospheric and Oceanic Technology, Vol. 17. pp. 130-139. 72. LYNN, B. H., KHAIN, A. P., DUDHIA, J., ROSENFELD, D., POKROVSKY, A., SEIFERT, A., 2005a: Spectral (bin) microphysics coupled with a mesoscale model (MM5). Part I: Model description and first results, Monthly Weather Review, Vol. 133. pp. 44-58. 73. LYNN, B. H., KHAIN, A. P., DUDHIA, J., ROSENFELD, D., POKROVSKY, A., SEIFERT, A., 2005b: Spectral (bin) microphysics coupled with a mesoscale model (MM5). Part II: Simulation of a CAPE rain event with a squall line, Monthly Weather Review, Vol. 133. pp. 59-71. 74. MADDOX, R. A., 1980: Mesoscale Convective Complexes, BAMS, Vol. 61. pp. 1374-1387. 75. MAKI, M., IWANAMI, K., HIGASHIURA, M., SATO, T., UYEDA, H., HANADO, H., KUMAGAI, H., 1998: Hydrometeor Size Distribution Estimated by Vertically Pointing Doppler Radar and Polarimetric Radar Measurements -Preliminary Results, Jour. Fac. Sci., Hokkaido Univ., Ser. VII (Geophysics), Vol. 11. pp. 363-381. 76. MARSHALL, J. S. – PALMER, W. McK., 1948: Shorter Contributions – The distribution of raindrops with size, Journal of Meteorology, Vol. 5. pp. 165166. 77. MARSHALL, J. S., LANGILLE, R. C., PALMER, W. McK., 1947: Measurement of rainfall by radar, Journal of Meteorology, Vol. 4. pp. 186-192. 78. MARZANO, F. S., SCARANARI, D., CELANO, M., ALBERONI, P. P., VULPIANI, G., MONTOPOLI, M., 2006: Hydrometeor classification from dual-polarized weather radar: extending fuzzy logic from S-band to C-band data, Advances in Geosciences, Vol. 7. pp. 109–114.

103

Irodalomjegyzék 79. MASON, B. J., 1956. On the melting of hailstones. Quart. J. Roy. Meteor. Soc. Vol. 82. pp. 209-216. 80. MÄTZLER, C., 1998: Microwave properties of ice and snow, in: B. SCHMITT et al. (editor), Solar System Ices, Vol. 227 of Astrophysics and Space Science Library, Kluwer Academic Publishers, Dordrecht, pp. 241–257. 81. MATROZOV, S. Y., 1992: Radar reflectivity in Snowfall, IEEE Transactions on Geoscience and Remote Sensing, Vol. 30. pp. 454-461. 82. MAXWELL GARNETT, J. C., 1904: Colours in metal glasses and in metallic films, Philos. Trans. Roy. Soc. London, 203A. pp. 385–420. 83. MEDINA, S., SMULL, B. F., HOUZE JR., R. A., STEINGER, M., 2005: Cross-Barrier Flow during Orographic Precipiation Events: Results from MAP and IMPROVE, J. Atm. Sci., Vol. 62. pp. 3580-3598. 84. MÉSZÁROS, R., 2013: Meteorológiai műszerek és mérőrendszerek. Eötvös Lóránd Tudományegyetem,

Budapest.

Online

elérhető,

website:

http://elte.prompt.hu/sites/default/files/tananyagok/MeteorologiaiMuszerek EsMerorendszerek/book.pdf (Utolsó letöltés: 2016. Március 23.) 85. MICHALAKES, J., CHEN, S., DUDHIA, J., HART, L., KLEMP, J., MIDDLECOFF, J., SKAMAROCK, W., 2001: Development of a next generation regional weather research and forecast model. Developments in Teracomputing: Proceedings of the Ninth ECMWF Workshop on the Use of High Performance Computing in Meteorology, W. ZWIEFLHOFER and N. KREITZ, Eds., World Scientific, pp. 269–276. 86. MILBRANDT, J. A. – YAU, M. K., 2005a: A multimoment bulk microphysics parameterization. Part I: Analysis of the role of the spectral shape parameter, Journal of the Atmospheric Sciences, Vol. 62. pp. 3051-3064. 87. MILBRANDT, J. A. – YAU, M. K., 2005b: A multimoment bulk microphysics parameterization. Part II: A proposed three-moment closure and scheme description, Journal of the Atmospheric Sciences, Vol. 62. pp. 3065-3081. 88. MILBRANDT, J. A. – YAU, M. K., 2006a: A multimoment bulk microphysics parameterization. Part III: Control simulation of a hailstorm, Journal of the Atmospheric Sciences, Vol. 63. pp. 3114-3136.

104

Irodalomjegyzék 89. MILBRANDT, J. A. – YAU, M. K., 2006b: A multimoment bulk microphysics parameterization. Part IV: Sensitivity experiments, Journal of the Atmospheric Sciences, Vol. 63. pp. 3137-3159. 90. MILBRANDT, J. A., YAU, M. K., MAILHOT, J., BÉLAIR, S., 2008: Simulation of an orographic precipitation event during IMPROVE-2. Part I: Evaluation of the control run using a triple-moment bulk microphysics scheme, Monthly Weather Review, Vol. 136. pp. 3873-3893. 91. MILBRANDT, J. A., YAU, M. K., MAILHOT, J., BÉLAIR, S., MCTAGGART-COWAN, R., 2010: Simulation of an Orographic Precipitation Event during IMPROVE-2. Part II: Sensitivity of the Number of Moments in the Bulk Microphysics Scheme, Mon. Weather Rev., Vol. 138. pp. 625-642. 92. MILES, N. L., VERLINDE, J., CLOTHIAUX, E. E:, 2000: Cloud Droplet Size Distribution in Low-Level Stratiform Clouds, J. Atmos. Sci., Vol. 57. pp. 295-311. 93. MITRA, S. K., VOHL, O., AHR, M., PRUPPACHER, H. R., 1990: A wind tunnel and theoretical study of the melting behavior of atmospheric ice particles. IV: Experiment and theory for snow flakes, Journal of the Atmospheric Sciences, Vol. 47. pp. 584-591. 94. MORRISON, H. – PINTO, J. O., 2005: Mesoscale modeling of springtime arctic mixed-phase stratiform clouds using a new two-moment bulk microphysics scheme, Journal of the Atmospheric Sciences, Vol. 62. pp. 3683-3704. 95. MORRISON, H. – PINTO, J. O., 2006: Intercomparison of bulk cloud microphysics schemes in mesoscale simulations of springtime arctic mixed-phase stratiform clouds, Monthly Weather Review, Vol. 134. pp. 1880-1900. 96. MORRISON, H. – GETTELMAN, A., 2008: A new two-moment bulk stratiform cloud microphysics scheme in the community atmosphere model, version 3 (CAM3). Part I: Description and numerical tests, Journal of Climate, Vol. 21. pp. 3642-3659. 97. MORRISON, H., THOMPSON, G., TATARSKII, V., 2009: Impact of cloud microphysics on the development of trailing stratiform precipitation in a simulated squall line: Comparison of one- and two-moment schemes, Monthly Weather Review, Vol. 137. pp. 991-1007.

105

Irodalomjegyzék 98. MORRISON, H. – MILBRANDT, J., 2011: Comparison of two-moment bulk microphysics schemes in idealized supercell thunderstorm simulations, Monthly Weather Review, Vol. 139. pp. 1103-1130. 99. MORRISON, H., MILBRANDT, J. A., BRYAN, G. H., IKEDA, K., TESSENDORF, S. A., THOMPSON, G., 2015: Parameterization of Cloud Microphysics Based on the Prediction of Bulk Ice Particle Properties. Part II: Case Study Comparisons with Observations and Other Schemes, J. Atm. Sci., Vol. 72. pp. 312-339. 100. NAGEL, D., MAIXNER, U., STRAPP, W., WASEY, M., 2007: Advancements in Techniques for Calibration and Characterization of In Situ Optical Particle Measuring Probes, and Applications to the FSSP-100 Probe, Journal of Atmospheric and Oceanic Technology, Vol. 24. pp. 754-760. 101. OHTAKE, T., 1969: Observations of size distribution of hydrometeors through the melting layer, Journal of the Atmospheric Sciences, Vol. 26. pp. 545-557. 102. ORALTAY, R. G. – HALLETT, J., 1989: Evaporation and Melting of Ice Crystals: A Laboratory Study, Atmospheric Research, Vol. 24. pp. 169-189. 103. PARKER, M. D. – JOHNSON, R. H., 2000: Organizational Modes of Midlatitude Mesoscale Convective Systems, Mon. Weather Review, Vol. 128. pp. 34133436. 104. PASSARELLI, R. E. – SRIVASTAVA, R. C., 1979: A new aspect of the vertical incidence Doppler radar spectrum of ice particle fallspeeds, Journal of Applied Meteorology, Vol. 19. pp. 1318-1322. 105. PITTER, R. L., 1977: A Reexamination of Riming on Thin Ice Plates, Journal of Applied Meteorology, Vol. 34. pp. 684-685. 106. PLATT, U., PFEILSTICKER, K., VOLLMER, M., 2007: Radiation and Optics in the Atmosphere (Chapter 19). In: Träger, F. (eds.), 2007: Spinger Handbook of Lasers and Optics, Springer New York, pp. 1165-1203. (Online változat, az utolsó letöltés dátuma: 2016. 06. 17 (péntek): https://www.google.hu/url?sa=t&rct=j&q=&esrc=s&source=web&cd=1&ca d=rja&uact=8&ved=0ahUKEwjOp7niya7NAhWH7RQKHRGpCK0QFgga MAA&url=http%3A%2F%2Fwww.springer.com%2Fcda%2Fcontent%2Fd ocument%2Fcda_downloaddocument%2Fradiations%2Boptics%2Batmos.p df%3FSGWID%3D0-0-45-384698-

106

Irodalomjegyzék 0&usg=AFQjCNHpfJ88jIAao_cTuEk26A7g9ZO2vA&sig2=P_oKtzxXDw 3fVzRncvqu7A&bvm=bv.124272578,d.d24) 107. PRUPPACHER, H. R. – KLETT, J. D., 2004: Microphysics of clouds and precipitation, Kluwer

Academic

Publishers,

New

York/Boston/Dordrecht/London/

Moscow 108. RASMUSSEN, R. – PRUPPACHER, H. R., 1982: A wind tunnel and theoretical study of the melting behavior of atmospheric ice particles. I: A wind tunnel study of frozen drops of radius < 500 µm, Journal of the Atmospheric Sciences, Vol. 39. pp. 152-158. 109. RASMUSSEN, R. M. – HEYMSFIELD, A. J., 1987: Melting and shedding of graupel and hail. Part I: Model physics, Journal of the Atmospheric Sciences, Vol. 44. pp. 2754-2763. 110. RASMUSSEN, R. M., LEVIZZANI, V., PRUPPACHER, H. R., 1984a: A wind tunnel and theoretical stud on the melting behavior of atmospheric ice particles. II: A theoretical study for frozen drops of radius < 500 µm, Journal of the Atmospheric Sciences, Vol. 41. pp. 374-380. 111. RASMUSSEN, R. M., LEVIZZANI, V., PRUPPACHER, H. R., 1984b: A wind tunnel and theoretical stud on the melting behavior of atmospheric ice particles: III. Experiment and theory for spherical ice particles of radius > 500 µm, Journal of the Atmospheric Sciences, Vol. 41. pp. 381-388. 112. RASMUSSEN, R. M., GERESDI, I., THOMPSON, G., MANNING, K., KARPLUS, E., 2002: Freezing drizzle formation in stably stratified layer clouds: The role of radiative cooling of cloud droplets, cloud condensation nuclei, and ice initiation, Journal of the Atmospheric Sciences, Vol. 59. pp. 837-860. 113. RASMUSSEN, R. M., DIXON, M., VASILOFF, S., HAGE, F., KNIGHT, S., VIVEKANANDAN, J., XU, M., 2003: Snow Nowcasting Using a Real-Time Correlation of Radar Reflectivity with Snow Gauge Accumulation, Journal of Applied Meteorology, Vol. 12. pp. 20-36. 114. RASMUSSEN, R. M., HALLETT, J., PURCELL, R., LANDOLT, S. D., COLE, J., 2011: The hotplate precipitation gauge, Journal of Atmospheric and Oceanic Technology, Vol. 28. pp. 148-164. 115. RASMUSSEN, R. M., BAKER, B., KOCHENDORFER, J., MEYERS, T., LANDOLT, S., FISCHER, A. P., BLACK, J., THÉRIAULT, J. M., KUCERA, P., GOCHIS, D.,

107

Irodalomjegyzék SMITH, C., NITU, R., HALL, M., IKEDA, K., GUTMANN, E., 2012: How Well Are We Measuring Snow: The NOAA/FAA/NCAR Winter Precipitation Test Bed, Bulletin American Meteorological Society, Vol. 93. pp. 811–829. 116. RAUBER, R. M., GRANT, L. O., FENG, D., SNIDER, J. B., 1986: The characteristics and distribution of cloud water over the mountains of northern Colorado during wintertime storms. Part I: Temporal Variations, J. Climate Appl. Meteor., Vol. 25. pp. 468-488. 117. RAY, P. S., 1972: Broadband complex refractive indices of ice and water, Appl. Opt., Vol. 11. pp. 1836–1844. 118. REISIN, T., LEVIN, Z., TZIVION, S., 1996a: Rain production in convective clouds as simulated in an axisymmetric model with detailed microphysics. Part I: Description of the model, Journal of the Atmospheric Sciences, Vol. 53. pp. 497-519. 119. REISIN, T., LEVIN, Z., TZIVION, S., 1996b: Rain production in convective clouds as simulated in an axisymmetric model with detailed microphysics. Part II: Effects of varying drops and ice initiation, Journal of the Atmospheric Sciences, Vol. 53. pp. 1815-1837. 120. REISIN, T., TZIVION, S., LEVIN, Z., 1996c: Seeding convective clouds with ice nuclei or hygroscopic particles: A numerical study using a model with detailed microphysics, Journal of Applied Meteorology, Vol. 35. pp. 14161434. 121. REISIN, T., YIN, Y., LEVIN, Z., TZIVION, S., 1998: Development of giant drops and high-reflectivity cores in Hawaiian clouds: numerical simulations using a kinematic model with detailed microphysics, Atmospheric Research, Vol. 45. pp. 275-297. 122. ROBICHAUD, A. J. – AUSTIN, G. L., 1988: On the modelling of warm orographic rain by seeder-feeder mechanism, Q. J. R. Meteorol. Soc., Vol. 114. pp. 967988. 123. ROTUNNO, R., KLEMP J. B., WEISMANN M. L., 1988: A Theory of Long-Lived Squall Lines. J. Atm. Sci., Vol. 45. pp. 463-485. 124. RUTLEDGE, S. A. – HOBBS, P. V., 1983: The Mesoscale and Microscale Structure and Organization of Clouds and Precipitation in Midlatitude Cyclones. VIII: A

108

Irodalomjegyzék Model for the “Seeder-Feeder” Process in Warm-Frontal Rainbands, J. Atm. Sci., Vol. 40. pp. 1185-1206. 125. SARKADI, N., GERESDI, I., THOMPSON, G., 2016: Numerical simulation of precipitation formation in the case orographically induced convective cloud: comparison of the results of bin and bulk microphysical schemes, Atmospheric Research, Vol. 180. pp. 241-261. 126. SEIFERT, A., KHAIN, A., BLAHAK, U., BEHENG, K. D., 2005: Possible effects of collisional breakup on mixed-phase deep convection simulated by a spectral (bin) cloud model, Journal of the Atmospheric Sciences, Vol. 62. pp. 19171931. 127. SEIFERT, A., KHAIN, A., POKROVSKY, A., BEHENG, K. D., 2006: A comparison of spectral bin and two-moment bulk mixed-phase cloud microphysics, Atmospheric Research, Vol. 80. pp. 46-66. 128. SEKHON, R. S. – SRIVASTAVA, R. C., 1970: Snow Size Spectra and Radar Reflectivity, Jourmal of the Atmospheric Sciences, Vol. 27. pp. 299-307. 129. SKAMAROCK W, KLEMP J, DUDHIA J, Gill D, BARKER D, DUDA M, HUANG X.Y., POWERS, J., 2008. A description of the advanced research WRF version 3. Technical Report. NCAR Techn. Note NCAR/TN-475 + STR (113 pp.) 130. SHEPPARD, B. E. – JOE, P. I., 1994: Comparison of Raindrop Size Distribution Measurements

by

a

Joss-Waldvogel

Disdrometer,

a

PMS

2DG

Spectrometer, and a POSS Doppler Radar, Journal of Atm. and Oc. Technology, Vol. 11. pp. 874-887. 131. SMITH, P. L., 1984: Equivalent Radar Reflectivity Factors for Snow and Ice Particles, Journal of Climate and Applied Meteorology, Vol. 23. pp. 12581260. 132. SMOLARKIEVICZ, P. K., 1984: A Fully Multidimensional Positive Definite Advection Transport Algorithm with Small Implicit Diffusion. Journal of Computational Pysics, Vol. 54. pp. 325-362. 133. SPILHAUS, A. F., 1948: Drop Size, Intensity, and Radar Echo of Rain, Journal of Meteorology, Vol. 5. pp. 161-164. 134. STOELINGA, M. T., HOBBS, P. V., MASS, C. F., LOCATELLI, J. D., COLLE, B. A., HOUZE, R. A. Jr., RANGNO, A. L., BOND, N. A., SMULL, B. F., RASMUSSEN, R. M., THOMPSON, G., COLMAN, B. R., 2003: Improvement of

109

Irodalomjegyzék microphysical

parameterization

through

observational

verification

experiment, Bull. Amer. Meteor. Soc., Vol. 84. pp. 1807-1826. 135. STRAKA, J. M. – MANSELL, E. R., 2005: A bulk microphysics parameterization with multiple ice precipitation categories, Journal of Applied Meteorology, Vol. 44. pp. 445-466. 136. STRAKA, J. M., ZRINĆ, D. S., RYZHKOV, A. V., 2000: Bulk hydrometeor classification and quantification using polarimetric radar data: Synthesis of relations, Journal of Applied Meteorology, Vol. 39. pp. 1341-1372. 137. STRAKA, J. M., 2009: Cloud and precipitation microphysics, Cambridge University Press, Cambridge/New York/Melbourne/Madrid/Cape Town/Singapore/Sao Paulo/Delhi/Dubai/Tokyo 138. SZYRMER, W. – ZAWADZKI, I., 1999: Modeling of the melting layer. Part I: Dynamics and microphysics, Journal of the Atmospheric Sciences, Vol. 56. pp. 3573-3592. 139. TAO, W.-K., SCALA, J. R., FERRIER, B., SIMPSON, J., 1995: The Effect of Melting Processes on the Development of a Tropical and a Midlatitude Squall Line, J. Atm. Sci., Vol. 52. pp. 1934-1948. 140. THÉRIAULT, J. M. – STEWART, R. E., 2010: A Parameterization of the Microphysical Processes Forming Many Types of Winter Precipitation, Journal of the Atmospheric Sciences, Vol. 67. pp. 1492-1508. 141. THÉRIAULT, J. M., MILBRANDT, J. A., DOYLE, J., MINDER J. R., THOMPSON, G., SARKADI N., GERESDI, I., 2015: Impact of melting snow on the valley flow field and precipitation phase transition, Atmos. Res., Vol. 156. pp. 111-124. 142. THOMPSON, G., RASMUSSEN, R. M., MANNING, K., 2004: Explicit forecasts of winter precipitation using an improved bulk microphysics scheme. Part I: Description and sensitivity analysis, Monthly Weather Review, Vol. 132. pp. 519-542. 143. THOMPSON, G., FIELD, P. R., RASMUSSEN, R. M., HALL, W. D., 2008: Explicit forecasts of winter precipitation using an improved bulk microphysics scheme. Part II: Implementation of a new snow parameterization, Monthly Weather Review, Vol. 136. pp. 5095-5115.

110

Irodalomjegyzék 144. TOKAY, A. – SHORT, D. A., 1996: Evidence from Tropical Raindrop Spectra oh the Origin of Rain from Stratiform versus Convective Clouds, Journal of App. Met., Vol. 35. pp. 355-371. 145. TOKAY, A., SHORT, D. A., WILLIAMS, C. R., ECKLUND, W. L., GAGE, K. S., 1999: Tropical Rainfall Associated with Convective and Stratiform Clouds: Intercomparison of Disdrometer and Profiler Measurements, Journal of App. Met., Vol. 38. pp. 302-320. 146. TOKAY, A., WOLFF, R., BASHOR, P., DURSUN, O., 2003: On the measurement errors of the Joss–Waldvogel disdrometer. Preprints, 31st Int. Conf. on Radar Meteorology, Seattle, WA, Amer. Meteor. Soc., pp. 437–440. 147. TOKAY, A., BASHOR, P. G., WOLFF, K. R., 2005: Error Characteristics of Rainfall Measurements by Collocated Joss-Waldvogel Disdrometers, Journal of Atm. and Oc. Tech., Vol. 22. pp. 513-527. 148. VIVEKANANDAN, J., BRINGI, V. N., RAGHAVAN, R., 1990: Multiparameter radar modeling and observations of melting ice, Journal of the Atmospheric Sciences, Vol. 47. pp. 549-564. 149. WALDVOGEL, A., 1974: The N0 Jump of Raindrop Spectra, Journal of the Atmospheric Sciences, Vol. 31. pp. 1067-1078. 150. WALDVOGEL, A., FEDERER, B., GRIMM, P., 1979: Criteria for the Detection of Hail Cells, Journal of Applied Meteorology, Vol. 18. pp. 1521-1525. 151. WEISMAN, M. L. – ROTUNNO, R., 2004: “A theory for strong long-lived squall lines” revisited, Journal of the Atmospheric Sciences, Vol. 61. pp. 361-382. 152. WISNER, C., ORVILLE, H. D., MYERS, C., 1972: A Numerical Model of a HailBearing Cloud, J. Atmos. Sci., Vol. 29. pp. 1160-1181. 153. WOODS C. P, STOELINGA M. T, LOCATELLI J. D., HOBBS P. V., 2005: Microphysical Processes and Synergistic Interaction between Frontal and Orographic Forcing of Precipitation during the 13 December IMPROVE-2 Event over the Oregon Cascades, J. Atmos. Sci., Vol. 62. pp. 3493-3519. 154. YUTER, S. E., KINGSMILL, D. E., NANCE, L. B., LÖFFLER-MANG, M., 2006: Observations of precipitation size and fall speed characteristics within coexisting rain and wet snow, Journal of Applied Meteorology and Climatology, Vol. 45. pp. 1450-1464.

111

Irodalomjegyzék 155. ZHANG, G., LUCHS, S., RYZHKOV, A., XUE, M., RYZHKOVA, L., CAO, Q., 2011: Winter Precipiation Microphysics Characterized by Polarimetric Radar and Video Disdrometer Observations in Central Oklahoma, Journal of Applied Meteorology and Climatology, Vol. 50. pp. 1558-1570.

Képek internetes forrásai: AGRO: http://www.agroinform.com/ NOAA: https://www.nssl.noaa.gov/ UCAR: https://www.eol.ucar.edu/ Mainzi Tudományegyetem: https://www.blogs.uni-mainz.de/ Weatherwise:

http://www.weatherwise.org/archives/back%20issues/2012/march-april%

202012/weather-queries-full.html

112

Függelék 1. táblázat: A modellben megkülönböztetett részecske típusok, méret szerinti elkülönítésük és fontosabb jellemzőik. Hidrometeor Jégkristály Vízcseppek Hópehely

Átmérő (min–max) [m] 2,06 ∙ 10-6 – 3,8 ∙ 10-1 -6

-2

-6

-2

1,56 ∙ 10 – 1,02 ∙ 10 2,06 ∙ 10 – 7,85 ∙ 10

Határsebesség [m s-1]

Közelített alak Lapított ellipszoid

Sűrűség [kg m-3] és méret [m]

forgási

Lapított forgási ellipszoid Szférikus közelítés

i  900,0

d i=16,3  m

 w  1000,0  ha m  3.2906  10-8 kg  1.2  1250  d s  s  vs   -8  ha m  3.2906  10 kg  1 . 2 4.84  d s0.25  s  

d < 100 μm:  s  900 d > 500 μm:  s 

0.17 ds

100 µm < d < 500 µm:

d s  16.28  m ds 

6m

  0.17

 6m d s      r  s

1

3  , ahol r a  

tengelyek arányát fejezi ki Hódara

3,37 ∙ 10-6 – 5,08 ∙ 10-3

Szférikus közelítés

Ha d  200 μm : ρgr=450.0

Lásd Rasmussen – Heymsfield (1987).

d1  200 m  d  d2  2 mm :

Ha

800.0-450.0 ρ gr=  m  md1   450 md 2 -md1  Ha d  2 mm : ρ gr=800.0

Részlegesen olvadt hó és hódara

Határsebesség [m s-1] Hódara szemek:









vm,k = Fm,k  vw,k + 1  Fm, k  vgr,k 

1.2

air

,

ahol

vgr,k a még nem olvadt hódara határsebessége, , air a levegő sűrűsége, Fm,k az olvadási arány.

Határsebesség [m s-1] Hópelyhek: fm = 0.01195  exp 4.411 Fm,k ,





 6m d gr=     gr 

Sűrűség [kg m-3] és méret [m] Hópelyhek: ahol

Fm,k

a

k-ik

méretintervallumba eső hidrometeor olvadási aránya (MITRA et al., 1990). vm,k = f m  vw,k + 1  f m   vd,k , ahol fm az olvadási aránytól függő együttható és vm,k, vw,k és vd,k rendre a részlegesen olvadt hidrometeor, a vízcsepp és a száraz jég határsebessége.

rm  Fm, k  (1  Fm, k )  r

 

 m, s  Fm, k   víz  1  Fm, k   hó 

 6m ds      rm   m, s 

1

3   

1

3   

1. ábra: A 2D-C szonda által végzett mérések valós kimeneti képe (az árnyékok az egyes detektált hidrometeorokhoz kapcsolódnak) (Forrás: UCAR).