Comparison of mesoscale and large-eddy simulation results with observational data in the atmospheric boundary layer

Мұқаба

Дәйексөз келтіру

Толық мәтін

Ашық рұқсат Ашық рұқсат
Рұқсат жабық Рұқсат берілді
Рұқсат жабық Тек жазылушылар үшін

Аннотация

A numerical model of micrometeorology and turbulent dynamics of the daytime atmospheric boundary layer over a complex surface is developed. The model is built by nesting the large-eddy simulation using PALM into the mesoscale weather forecast model WRF. The modeling results are compared with data from acoustic and microwave sounding of the atmosphere, as well as ground-based and airborne observations using a tethered balloon with temperature and humidity sensors. Estimates of deviations of the main meteorological and turbulent parameters predicted by the model from the measured values are obtained.

Авторлар туралы

S. Anisimov

Schmidt Institute of Physics of the Earth of the RAS

Email: svga@borok.yar.ru

Borok Geophysical Observatory

Ресей, Borok, 142, Yaroslavl region, 152742

E. Mareev

Gaponov-Grekhov Institute of Applied Physics of the RAS

Email: svga@borok.yar.ru
Ресей, Ulyanova, 46, Nizhny Novgorod, 603950

S. Galichenko

Schmidt Institute of Physics of the Earth of the RAS

Хат алмасуға жауапты Автор.
Email: svga@borok.yar.ru

Borok Geophysical Observatory

Ресей, Borok, 142, Yaroslavl region, 152742

N. Ilin

Gaponov-Grekhov Institute of Applied Physics of the RAS

Email: svga@borok.yar.ru
Ресей, Ulyanova, 46, Nizhny Novgorod, 603950

A. Prokhorchuk

Schmidt Institute of Physics of the Earth of the RAS

Email: svga@borok.yar.ru

Borok Geophysical Observatory

Ресей, Borok, 142, Yaroslavl region, 152742

E. Klimanova

Schmidt Institute of Physics of the Earth of the RAS

Email: svga@borok.yar.ru

Borok Geophysical Observatory

Ресей, Borok, 142, Yaroslavl region, 152742

A. Kozmina

Schmidt Institute of Physics of the Earth of the RAS

Email: svga@borok.yar.ru

Borok Geophysical Observatory

Ресей, Borok, 142, Yaroslavl region, 152742

K. Aphinogenov

Schmidt Institute of Physics of the Earth of the RAS

Email: svga@borok.yar.ru

Borok Geophysical Observatory

Ресей, Borok, 142, Yaroslavl region, 152742

A. Guriev

Schmidt Institute of Physics of the Earth of the RAS

Email: svga@borok.yar.ru

Borok Geophysical Observatory

Ресей, Borok, 142, Yaroslavl region, 152742

Әдебиет тізімі

  1. Анисимов С.В., Афиногенов К.В., Галиченко С.В., Прохорчук А.А., Климанова Е.В., Козьмина А.С., Гурьев А.В. Электричество невозмущённого атмосферного пограничного слоя средних широт // Изв. РАН. Физика атмосферы и океана. 2023. Т. 59. № 5. С. 595–611.
  2. Глазунов А.В., Дымников В.П. Пространственные спектры и характерные горизонтальные масштабы флуктуаций температуры и скорости в конвективном пограничном слое атмосферы // Изв. РАН. Физика атмосферы и океана. 2013. Т. 49. № 1. С. 3761.
  3. Anderson W., Meneveau C. A large-eddy simulation model for boundary-layer flow over surfaces with horizontally resolved but vertically unresolved roughness elements // Boundary-Layer Meteorol. 2010. V. 137. P. 397–415.
  4. Anisimov S.V., Galichenko S.V., Aphinogenov K.V., Klimanova E.V., Prokhorchuk A.A., Kozmina A.S., Guriev A.V. Mid-latitude convective boundary-layer electricity: A study by using a tethered balloon platform // Atmos. Res. 2021a. V. 250. 105355.
  5. Anisimov S.V., Galichenko S.V., Prokhorchuk A.A., Aphinogenov K.V. Mid-latitude convective boundary-layer electricity: A study by large-eddy simulation // Atmos. Res. 2020. V. 244. 105035.
  6. Anisimov S.V., Galichenko S.V., Prokhorchuk A.A, Klimanova E.V. Statistics of variations in atmospheric electrical parameters based on a three-dimensional model and field observations // Atmos. Res. 2021b. V. 259. 105660.
  7. Ayotte K.W., Sullivan P.P., Andrén A., Doney S.C., Holtslag A.A.M., Large W.G., McWilliams J.C., Moeng C.-H., Otte M.J., Tribbia J.J., Wyngaard J.C. An evaluation of neutral and convective planetary boundary-layer parameterizations relative to large eddy simulations // Boundary–Layer Meteorol. 1996. V. 79. P. 131–175.
  8. Bannon P.R. On the anelastic approximation for a compressible atmosphere // J. Atmos. Sci. 1996. V. 53. P. 3618–3628.
  9. Benzi R., Toschi F., Tripiccione R. On the heat transfer in Rayleigh–Bénard Systems. // J. Stat. Phys. 1998. V. 93. P. 901–918.
  10. Ching J., Rotunno R., Lemone M., Martilli A., Kosović B., Jimenez P.A., Dudhia J. Convectively induced secondary circulations in fine-grid mesoscale numerical weather prediction models // Mon. Weather Rev. 2014. V. 142. P. 3284–3302.
  11. DeLeon R., Umphrey C., Senocak I. Turbulent inflow generation through buoyancy perturbations with colored noise // AIAA J. 2019. V. 57. P. 532–542.
  12. Dobler W., Haugen N.E.L., Yousef T.A., Brandenburg A. Bottleneck effect in three-dimensional turbulence simulations // Phys. Rev. E 2003 V. 68. P. 026304.
  13. Dudhia J. A nonhydrostatic version of the Penn State-NCAR mesoscale model: validation tests and simulation of an Atlantic cyclone and cold front // Mon. Weather Rev. 1993. V. 121. P. 1493–1513.
  14. Gehrke K.F., Sühring M., Maronga B. Modeling of land-surface interactions in the PALM model system 6.0: land surface model description, first evaluation, and sensitivity to model parameters // Geosci. Model Dev. 2021. V. 14. P. 5307–5329.
  15. Germano M., Piomelli U., Moin P., Cabot W.H. A dynamic subgrid-scale eddy viscosity model // Phys. Fluids A. 1991. V. 3. P. 1760–1765.
  16. Gibbs J.A., Fedorovich E., van Eijk A.M.J. Evaluating weather research and forecasting (WRF) model predictions of turbulent flow parameters in a dry convective boundary layer // J. Appl. Met. Clim. 2011. V. 50. P. 2429–2444.
  17. Goger B., Rotach M.W., Gohm A., Stiperski I., Fuhrer O., de Morsier G. A new horizontal length scale for a three-dimensional turbulence parameterization in mesoscale atmospheric modeling over highly complex terrain // J. Appl. Met. Clim. V. 58. P. 2087–2102.
  18. Haupt S.E., Kosović B., Shaw W., Berg L.K., Churchfield M., Cline J., Draxl C., Ennis B., Koo E., Kotamarthi R., Mazzaro L., Mirocha J., Moriarty P., Muños-Esparza D., Quon E., Rai K.R., Robinson M., Sever G. On bridging a modeling scale gap mesoscale to microscale coupling for wind energy // Bull. American Met. Soc. 2019. V. 100(12). P. 2533–2549.
  19. He C., Valayamkunnath P., Barlage M., Chen F., Gochis D., Cabell R., Schneider T., Rasmussen R., Niu G.-Y., Yang Z.-L., Niyogi D., Ek M. The Community Noah-MP Land Surface Modeling System Technical Description Version 5.0 // NCAR Tech. Note NCAR/TN-575+STR 2023, doi: 10.5065/ew8g-yr95.
  20. Heldens W., Burmeister C., Kanani-Sühring F., Maronga B., Pavlik D., Sühring M., Zeidler J., Esch T. Geospatial input data for the PALM model system 6.0: model requirements, data sources and processing // Geosci. Model Dev. 2020. V. 13. P. 5833–5873.
  21. Hellsten A., Ketelsen K., Sühring M., Auvinen M., Maronga B., Knigge C., Barmpas F., Tsegas G., Moussiopoulos N., Raasch S. A nested multi-scale system implemented in the large-eddy simulation model PALM model system 6.0 // Geosci. Model Dev. 2021. V. 14. P. 3185–3214.
  22. Honnert R., Masson V., Couvreux F. A diagnostic for evaluating the representation of turbulence in atmospheric models at the kilometric scale // J. Atm. Sci. 2011. V. 68. P. 3112–3131.
  23. Iacono M.J., Delamere J.S., Mlawer E.J., Shephard M.W., Clough S.A., Collins W.D. Radiative forcing by long-lived greenhouse gases: Calculations with the AER radiative transfer models // J. Geophys. Res. Atmos. 2008. V. 113. D13103, doi: 10.1029/2008JD009944.
  24. Kadasch E., Sühring M., Gronemeier T., Raasch S. Mesoscale nesting interface of the PALM model system 6.0 // Geosci. Model Dev. 2021. V. 14. P. 5435–5465.
  25. Janjić Z.I. The Step-Mountain Eta Coordinate Model: Further developments of the convection, viscous sublayer, and turbulence closure schemes // Mon. Weather Rev. 1994. V. 122. P. 927–945.
  26. Kain J.S. The Kain–Fritsch convective parameterization: an update // J. Appl. Meteor. Climatol. 2004. V. 43. P. 170–181.
  27. Kim E., Choi K., Park S., Kim M.-H., Kim S.-W., Park M.-S., Ahn M.-H., Park Y.-S., Song C.-K. Turbulent characteristics in complex coastal areas assessed using BSWO observations and WRF-LES simulation results // Atmos. Res. 2023. V. 289. 106756.
  28. Kozlov A., Slyunyaev N.N., Ilin N., Sarafanov F.G., Frank-Kamenetsky A.V. The effect of the Madden-Julian Oscillation on the global electric circuit // Atmos. Res. 2022. V. 284. 106585.
  29. Lilley M., Lovejoy S., Strawbridge K.B., Schertzer D., Radkevich A. Scaling turbulent atmospheric stratification. II: Spatial stratification and intermittency from lidar data // Q. J. R. Meteorol. Soc. 2008.V. 134. P. 301–315.
  30. Lilly D.K. A comparison of incompressible, anelastic and Boussinesq dynamics // Atmos. Res. V. 40. P. 143–151.
  31. Lin D., Khan B., Katurji M., Bird L., Faria R., Revell L.E. WRF4PALM v1.0: a mesoscale dynamical driver for the microscale PALM model system 6.0 // Geosci. Model Dev. 2021. V.14. P. 2503–2524.
  32. Liu Y., Liu Y., Muñoz-Esparza D., Hu F. Simulation of flow fields in complex terrain with WRF-LES: sensitivity assessment of different PBL treatments // J. Appl. Met. Clim. 2020. V. 59. P. 1481–1501.
  33. Lovejoy S., Schertzer D., Tuck A.F. Fractal aircraft trajectories and nonclassical turbulent exponents // Phys. Rev. E 2004. V. 70. 036306.
  34. Lund T.S., Wu X., Squires K.D. Generation of turbulent inflow data for spatially-developing boundary layer simulations // J. Comp. Phys. 1998. V. 140. P. 233–258.
  35. Maronga B., Banzha, S., Burmeister C., Esch T., Forkel R., Frölich D., Fuka V., Gehrke K.F., Geletič J., Giersch S., Gronemeier T., Groβ G., Heldens W., Hellsten A., Hoffmann F., Inagaki A., Kadasch E., Kanani-Sühring F., Ketelsen K., Ali Khan B., Knigge C., Knoop H., Krč P., Kurppa M., Maamari H., Matzarakis A., Mauder M., Pallasch M., Pavlik D., Pfafferott J., Resler J., Rissman S., Russo E., Salim M., Schrempf M., Schwenkel J., Seckmeyer G., Schubert S., Sühring M., von Tils R., Vollmer L., Ward S., Witha B., Wurps H., Zeidler J., Raasch S. Overview of the PALM model system 6.0.// Geosci. Model. Dev. 2020. V. 13. P. 1335–1372.
  36. Mayor S.D., Spalart P.R., Tripoli G.J. Application of a perturbation recycling method in the large-eddy simulation of a mesoscale convective internal boundary layer // J. Atmos. Sci. 2002. V. 59. P. 2385–2395.
  37. Mihaljan J.M. A rigorous exposition of the Boussinesq approximations applicable to a layer of thin fluid // J. Astrophys. 1962. V. 136. P. 1126–1133.
  38. Moeng C.-H., Dudhia J., Klemp J., Sullivan P. Examining two-way grid nesting for large eddy simulation of the PBL using the WRF model // Monthly Wea. Rev. 2007. V. 135. P. 2295–2311.
  39. Muños–Esparza D., Kosović B., García-Sánches C., van Beeck J. Nesting turbulence in an offshore convective boundary layer using large-eddy simulations // Boundary–Layer Meteorol. 2014. V. 151. P. 453–478.
  40. Muños–Esparza D., Lundquist J.K., Sauer J., Kosović B., Linn R.R. Coupled mesoscale-LES modeling of a diurnal cycle during the CWEX-13 field campaign: From weather to boundary layer eddies // J. Adv. Mod. Earth Sys. 2017. V. 9. P. 1572–1594.
  41. Muños–Esparza D., Kosović B. Generation of inflow turbulence in large-edy simulations of nonneutral atmospheric boundary layers with the cell perturbation method // Monthly Wea. Rev. 2018. V. 146. P. 1889–1909.
  42. Nakayama H., Takemi T., Nagai H. Large-eddy simulation of urban boundary-layer flows by generating turbulent inflows from mesoscale meteorological simulations // Atmos. Sci. Let. 2012. V. 13. P. 180–186.
  43. Ogura Y., Philips N.A. Scale analysis of deep and shallow convection in the atmosphere // J. Atmos. Sci. 1962. V. 19. P. 173–179.
  44. Powers J.G., Klemp J.B., Skamarock W.C., Davis C.A., Dudhia J., Gill D.O., Coen J.L., Gochis D.J., Ahmadov R., Peckham S.E., Grell G.A., Michalakes J., Trahan S., Benjamin S.G., Alexander C.R., Dimego J., Wang W., Schwartz C.S., Romine G.S., Liu Z., Snyder C., Chen F., Barlage M.J., Yu W., Duda M.G. The Weather Research and Forecasting (WRF) Model: Overview, system efforts, and future directions // Bull. Amer. Met. Soc. 2017. V. 98. P. 1717–1737.
  45. Rai R.K., Berg L.K., Kosović B., Mirocha J.D., Pekour M.S., Shaw W.J. Comparison of measured and numerically simulated turbulence statistics in a convective boundary layer over complex terrain // Boundary–Layer Meteorol. 2017. V. 163. P. 69–89.
  46. Rai R.K., Berg L.K., Kosović B., Haupt S.E., Mirocha J.D., Ennis B., Draxl C. Evaluation of the impact of horizontal grid spacing in Terra Incognita on coupled mesoscale-microscale simulations using the WRF framewotrk // Mon. Weather. Rev. 2019. V. 147. P. 1007–1027.
  47. Senocak I., DeLeon R. Turbulent inflow generation for large-eddy simulation of winds around complex terrain // Atmosphere 2023. V. 14. 447.
  48. Schalkwijk J., Jonker H.J.J., Siebesma A.P., Meijgaard E.V. Weather forecasting using GPU-based Large–Eddy Simulations // Bull. Amer. Met. Soc. 2015 V. 96(5). P. 715–723.
  49. Skamarock W.C., Klemp J.B., Dudhia J., Gill D.O., Liu Z., Berner J., Wang W., Powers J.G., Duda M.G., Barker D.M., Huang X.-Y. A Description of the Advanced Research WRF Version 4 // NCAR Tech. Note NCAR/TN-556+STR. 2019. 145 pp.
  50. Slyunyaev N.N., Ilin N., Mareev E.A., Price C.G. A new link between El Niño – Southern Oscillation and atmospheric electricity // Envir. Res. Lett. 2021. V. 16. 044025.
  51. Spiegel E.A., Veronis G. On the Boussinesq approximation for a compressible fluid // J. Astrophys. 1960. V. 131. P. 442–447.
  52. Stoll R., Gibbs J.A., Salesky S.T., Anderson W., Calaf M. Large-eddy simulation of the atmospheric boundary layer // Boundary–Layer Meteorol. 2020. V. 177. P. 541–581.
  53. Talbot C., Bou-Zeid E., Smith J. Nested mesoscale largeeddy simulations with WRF: performance in real test cases // J. Hydrometeorol. 2012. V. 13. P. 1421–1441.
  54. Thompson G., Field P.R. Rasmussen R.M., Hall W.D. Explicit Forecasts of Winter Precipitation Using an Improved Bulk Microphysics Scheme. Part II: Implementation of a New Snow Parameterization // Mon. Weather Rev. 2008. V. 136. P. 5095–5115, https://doi.org/10.1175/2008MWR2387.1.
  55. Udina M., Montornès À., Casso P., Kosović B., Bech J. WRF-LES simulation of the boundary layer turbulent processes during the BLLAST campaign // Atmosphere 2020, V. 11. 1149.
  56. Wingaard J.C. Toward numerical modeling in the “Terra Incognita” // J. Atm. Sci. 2004. V. 61. P. 1816–1826.
  57. Wyszogrodzki A.A., Miao S., Chen F. Evaluation of the coupling between mesoscale-WRF and LES-EULAG models for simulating fine-scale urban dispersion // Atmos. Res. 2012. V. 118. P. 324–345. https://ral.ucar.edu/document-or-file/noah-lsm-users-guide.

Қосымша файлдар

Қосымша файлдар
Әрекет
1. JATS XML
Жүктеу


Creative Commons License
Бұл мақала лицензия бойынша қол жетімді Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».