Transcript 雲・エアロゾル・放射フィードバック精密評価 (kuba_03.02.17

共生課題２
２．温暖化・大気組成変化相互作用モデル開発
温暖化－雲・エアロゾル・放射フィードバック精密評価
久芳奈遠美
KUBA Naomi
地球フロンティア研究システム
IPCC 2001
対流圏エアロゾルの間接放射強制力の見積もりは
いまだに不確定性の大きい問題であり、その主な
要因はエアロゾルと雲の関係が不確定であること
による。
雲凝結核（ＣＣＮ）が雲の光学特性および降水形成効率に及ぼす影響
数値実験
微物理学的雲モデル
活性化 凝結 / 蒸発 併合 重力落下
CCN (エアロゾル)
粒径分布
化学組成
上昇流速度
雲粒
気候変動
粒径分布
放射収支
光学特性
水循環
降水形成効率
観測
観測
ＣＣＮカウンター
２DC FSSP 雲レーダ
ドップラーライダ
衛星データ レーダ
長期・全球観測
雲凝結核（ＣＣＮ）が雲の光学特性および降水形成効率に及ぼす影響
数値実験
微物理学的雲モデル
活性化 凝結 / 蒸発 併合 重力落下
CCN (エアロゾル)
粒径分布
化学組成
上昇流速度
雲粒
気候変動
粒径分布
放射収支
光学特性
水循環
降水形成効率
観測
観測
ＣＣＮカウンター
２DC FSSP 雲レーダ
ドップラーライダ
衛星データ レーダ
長期・全球観測
GCM におけるエアロゾルの間接放射強制力の評価
1. CCSR/NIES の場合
放射計算に用いる有効半径 re を雲粒数密度 Nd から計算する。
Nd = e Na Nm / (e Na + Nm )
Na ⇒ 0 : Nd ⇒ e Na
Na ⇒ ∞ : Nd ⇒ Nm (constant)
Nd：雲粒数密度
Na：総エアロゾル数密度(sulfate, carbon, sea salt)
2. ECHAM GCMの場合
Nd = w Na / ( w + a Na )
w = wm + c TKE ½
Ghan et al. (1993)
w : 雲内上昇流速度
wm : grid 内平均上昇流速度
TKE ：turbulent kinetic energy
FRSGC での研究成果
詳細雲モデルを開発し、数値実験によって雲の光学的性質
や雲粒数密度を予測するパラメタリゼーションを開発。
Kuba et al., 2003 :
Parameterization of the Effect of Cloud Condensation
Nuclei on Optical Properties of a Non-precipitating
Water Layer Cloud
J. Meteorol. Soc. Japan, 81, 2
平衡蒸気圧曲線 （表面張力効果 + 溶質効果）
Equilibrium Supersaturation (%)
rd ：凝結核 ( (NH4) 2SO4 / NaCl ) の乾燥時の半径
2.0
rd = 0.01 mm
1.5
1.0
0.5
純水の場合
rd = 0.02 mm
rd = 0.1 mm
0.0
rd = 1.0 mm
(NH4) 2SO4
NaCl
Equilibrium Supersaturation (%)
平衡蒸気圧曲線と環境の過飽和度
2.0
(NH4) 2SO4
NaCl
1.5
environment
1.0
0.5
0.0
Equilibrium Supersaturation (%)
環境の過飽和度が下がってくると…
2.0
(NH4) 2SO4
NaCl
1.5
1.0
environment
0.5
0.0
Equilibrium Supersaturation (%)
臨界過飽和度と臨界半径
2.0
critical supersaturation
1.5
1.0
0.5
0.0
critical radius
(NH4) 2SO4
NaCl
雲内の過飽和度と雲粒半径の鉛直変化
Supersaturation (%)
Altitude (m)
0.0
0.1
0.2
rd = 0.051 mm
rd = 0.101 mm
rd = 0.050 mm
0.3
rd = 1.03 mm
Smax
cloud base
Radius of droplet (mm)
CCN size distribution
constituent
Updraft
S(x(t),y(t))
Smax
Cloud Droplet
Concentration
Maximum value of
super saturation
Smax
S(x,y) ;
t=tn
Smax
S(t) ; x=xi
y=yk
S
Smax
t
Lagrangian
spatial
temporal
The two types of computational scheme.
Layer
Framework
Near the cloud base
Lagrangian
nj
Fixed values
Number concentration of CCN
included in each class. ( 1  j  155 )
Variable values
rj (t )
Radius of droplets forming on CCN
included in each class.
Activation
Takeda and Kuba (1982)
Condensation
Takeda and Kuba (1982)
Coalescence
t
not considered
0.001 – 0.1 s
Middle and upper
Eulerlian
ri  r1  2
i 1
3k
Representative radius of droplets
included in each bin. 1
(  i  140 )
ni (t )
Number concentration of droplets
included in each bin.
not considered
DL – method (Kuba et al., 2001)
Bott’s (1998) method
0.5 - 2.0 s
Smax の予測式 ：Nc(X%)と上昇流速度の関数による近似
Smax (%)
1
0.1
S max = H N c (0.075%) I
Vbase
m s-1-0.230
S max = 0.710
N =0.24
c (0.075%)
H = 1.16V base 0.344
-1-0.262
S max = 0.559
N=0.12
(0.075%)
Vbase
m
s
c
I = - 0.176V base -0.187
-0.298
S max = 0.441
N c=0.06
(0.075%)
Vbase
m s-1
0.01
1
10
100
-3
N c (0.075%) (cm )
1000
1000
N d = min[a{N c ( S=S max ) - b )( N c ( S = S max ) - c } , N c ( S = S max )]
Nd をＣＣＮスペクトルから予測する近似式
a=-0.0231V
-0.0108V
-0.00180
2
base
base
b=70.0V base -12.9
c=8420V
c maxbase +278
Nd = min [ E(N (S
) - F)(Nc(Smax) - G) , Nc(Smax) ]
for N c (S=S max ) < 0.5(b+c)
Vbase= 0.24 m s-1
Nd
Vbase= 0.12 m s-1
500
Vbase= 0.06 m s-1
Nc(Smax) が大きい時
Vbase が小さい時
Nd = Nc(Smax)
にならない
0
0
500
N c (S=S max )
Nc(Smax) (cm-3)
1000
雲の光学的厚さの近似式
100
t =tA=aN
Ndd Bb
a=0.121LWP
0.702
Optical Thickness t
0.702
A = 0.121 LWP
0.0538
b=0.274LWP
B = 0.274 LWP 0. 0538
10
Nd と LWP の関数として表す
LWP = 100 g m-2
(300 m)
LWP = LWP=100g
70 g m-2 m-2
(250 m)(300 m)
-2
LWP = LWP=
44 g m70g
m-2
(200 m)(250 m)
LWP= 44g m-2
(200 m)
Nd および LWP がわかれば、
τを予測できる。
τ および LWP がわかれば、
Nd を推測できる。
1
10
100
1000
Number m
concentration
of cloud droplets
雲底から100
での雲粒数密度
Nd (cm-3)
at 100 m above cloud base N d (cm-3)
雲粒の有効半径の近似式
Nd の方が Re より指標として有効
100
100
-D
Re = C N
R ed= aN d -b
Effective Radius Re (mm)
a=6.41Z 0.380
C = 6.41b=0.288Z
Z 0.380 0.0254
D = 0.288 Z 0. 0254
雲底からの高度
10
10
Z=275 m
Z=225 m
Z=175 m
Z=125 m
Z= 75 m
Z= 25 m
11
10
10
100100
Number Concentration of Cloud Droplets
-3
雲底から100
m での雲粒数密度
at 100 m above
cloud base N d (cm ) Nd
1000 1000
(cm-3)
雲粒数密度を表す近似式 ： Nc(X%) と Vbase の関数
Nc(X%) と Vbase がわかれば、 Nd
を予測できる。
1000
Nd と Vbase がわかれば、 Nc(X%)
を推定できる。
Vbase= 0.24 m s-1
Vbase= 0.12 m s-1
Vbase= 0.06 m s-1
J = 724V base - 8.07
800
K = - 2410V
base
+ 70.4
600
-3
(cm )
Number concentration of cloud
droplets at 100 m above cloud Base Nd
N d = J lnN c (0.2%)+K
400
200
0
0
200
400
600
-3
N c (0.2%) (cm )
800
1000
開発した手法 (パラメタリゼーション)
Revised
CCN 過飽和度スペクトル
雲底付近の
上昇流速度
Vbase
Nc(0.075%)
New
Nc(0.2%)
Nc(Smax)
Smax
鉛直積算雲水量
LWP
雲粒数密度
Nd
雲の光学的厚さ・雲粒の有効半径
t, Re
研究方針
GCMに組み込むための、エアロゾル（CCN）の気候への
影響を評価できるをパラメタリゼーションを開発する。
非降水性の層雲の光学的厚さ t を
雲粒数密度 Nd と鉛直積算雲水量 LWP から導く式
Nd をCCNの情報と上昇流速度から予測する式
問題点：雲内の上昇流、雲の LWP を格子点値からどう
やって算出するか？
高解像度全球モデル(Icosahedoron non-hydrostatic
model: 10 km grid ) による数値計算結果との比較
課題３(0.1 km grid 雲解像モデル)との連携
研究方針 (続き）
1. 詳細雲微物理モデルとGCMの間をつなぐ、
新しいプラットフォーム（全球モデル）
によるシミュレーション
new icosahedron grid & non‐hydrostatic model
new mode decomposition cloud microphysical model ?
new nesting algorithm
SPRINTARS の導入
Simplified radiation code ?
2.
検証
SKYNET site のデータ
Lidar + Cloud radar のデータ
衛星データ（MODIS, GLI, SeaWiFS, AVHRR）