英语原文共 8 页，剩余内容已隐藏，支付完成后下载完整资料

大气冰粒子的全局视图的复杂性

美国科罗拉多州博尔德国家大气研究中心，英国曼切斯特大学地球大气与环境科学学院，德国卡尔斯鲁厄理工学院大气气溶胶研究气象和气候研究所

摘要:大气冰粒子有各种各样的形状和大小。常见的六角形或是圆柱形都是可能的,但通常情况下,大气冰粒子复杂得多。冰粒子形状可以通过影响下降速度,云的演变,辐射特性和影响能量平衡等等来影响许多大气过程。本研究是建立在先前的工作的基础上，此前已经可以使用在飞机领域的活动粒子图像数据，来区分单一晶体和分离聚合物晶体。这里的数据从10场程序中分析了粒子的复杂性，依据北极云的温度参数，中纬度（夏季和前期）和热带云系将冰粒子参数化。结果表明，根据不同的环境，粒子的复杂度不同，可以小至80mu;m，也可以大至400mu;m。所有的研究都显示了，随着温度的降低粒子的转化尺寸也随之减小。

关键词：大气冰粒子，温度和云状，场数据，普遍趋势

1 介绍

天气预报和大气环流模式(GCMs)需要准确地代表大气冰粒子对准确预测的特点。大气冰粒子由于在不同的模式下增长方式不同，因而在形状和大小上差别很大，。一些建模方案将大气冰描述为“云冰”或“雪”，然而却这些粒子之间的过渡类型知之甚少(莫里森和格拉博夫斯基,2008)，威尔斯等[2009]指出,云过程模型近年来在处理冰颗粒上变得更加成熟,然而,这些变化在很大程度上独立于测量。江[2012]显示了19全球大气环流模型,该模型传播和差异是最重要的在对流层上层冰云是普遍的，相对于中低对流层而言的话。在自然冰云,冰粒子的复杂性(C)被用来探索从单一的冰晶过渡到复杂的粒子(施密特和赫穆斯菲尔德,2014年以后SH14)。飞机的SH14技术使用粒子图像分析微观物理学的探针测量。在这项研究中我们有这种技术应用于众多来自世界各地的数据集,以更好地量化的转变从简单到复杂粒子在不同地区的温度。

冰粒子的复杂性是高度依赖于大气中冰晶生长。汽冰晶的生长已经研究了几十年(瑞恩 等,1976)和特征。这种类型的研究导致了方案,诸如自适应习惯模型(苏力尔等.,2013),使用蒸汽温度预测增长的冰晶和电容模型(韦斯特布鲁克等,2008)。云在自然过程,如微分速度下降导致冰粒子的聚合。冰粒子聚合和淞化导致高度不规则形状(小野,1969)。虽然过程导致这些复杂形状很好理解,大多数云建模技术没有足够先进包括这些增长过程。

观察在自然云来确认复杂的粒子形状这种方法是常见的。科洛夫的研究等。[1999],利用高分辨率图像从思达顿公园工程公司(规范Inc.)云粒子成像(CPI)探针(劳森等,2001),显示,只有3%的北极冰云粒子是原始的。斯道林格等。[2007]指出，冰晶聚集体往往可以很容易地分类使用马古纳和李[ 1966 ]分类方案中的部分。马古纳和李[1966]分类方案包括80个粒子类型,然而许多类型非常复杂，尽管科洛夫等在[1999]已经进行了四种蒸汽增长模式的分类。

本文提出了一种全局数据集包括10场节目数据用于识别的冰粒子的复杂性水平之间的过渡。这些分析结果，将有助于识别大气的冰粒子生长和变异的。这些结果也将是有用的辐射传输计算如刘等[2014]的文章。

图1所示：(a和b)是判断冰粒子复杂性的两个例子，使用C = 0.22作为区分“简单”和“复杂”。走线代表复杂的粒子的比例在每个10mu;m大小本研究显示每天的航班。光滑曲线为双曲正切适合数据。(c-e)反映了在双曲正切适应变化方程(2)中不同参数的影响。改变变量s(图1 c)移动曲线。改变Dt(图1 d)变化的形状以及50%的相交曲线的位置。保持相同的Dt截止,Dt和S一起必须改变如图1e所示,每个是恒定的。

他们使用两个冰粒子类型模型以及鲍姆等[2011]。在第二节,SH14将审查提出的分析技术和参数化方案介绍。在第三节,结果从数据集手动分类与自动分类方案进行比较。在第四节,结果从全球数据集介绍和参数化。第五节讨论了结论和意义。

2 分析方法

大气冰粒子的视觉外观已被用于计算的复杂性值（c）。此前，SH14定义冰粒子的复杂性

（1）

其中是覆盖粒子的面积最小的圆的面积，粒子的投影面积，P的周长是粒子。使用截止的C = 0.22,SH14显示,可以区分简单晶体和更复杂的单晶体,也可以区分聚集的冰晶体。SH14如上所述,这种复杂性导致价值最小的错误分类(10%)与理论生成的粒子随机取向。建议读者注意当使用不同的C值与不同的数据集,在方程(1)的值很敏感探测器分辨率。一个适当的C值可能显著不同的不同的探测器,因为不同的方法计算参数(尤其是周长)以及不同的成像特征。使用一个C = 0.22 CPI调查数据显示,从简单到复杂的过渡粒子粒径的函数是一个光滑函数。图1显示了两个示例数据集的排序值C在横坐标上的纵轴和粒子大小。过渡的大小(走线)可以很容易地描述与双曲正切函数(方程(2))。

（2）

其中D粒子最大尺寸,是复杂性低的向复杂性高的转化过程中的粒子的大小，S是一个测量的速度。

图2 相同的两个例子如图1所示,除了C值代表不同的颜色从蓝色(C = 0)红色(C = 1)。这表明在每个给定的大小有一个相对统一的过渡复杂性，会发生变化。

双曲正切适合行(平滑线)也如图1所示。使用方程(2)可以得到值为84和315mu;m，值数据在图1 a和1 b。也如图1所示的三个例子反映了方程(2)中不同的参数如何影响函数形式。我们可以看到在图1中,双曲正切曲线适合约50%的原始数据大小()的原始数据。至少有100个粒子大于100mu;m才能更好地得到结果。图1中的计算粒子从24000到1200超过100mu;m包括1000和20个粒子每十微米本Dt(分别在联盟研究(出版)和大气辐射测量(ARM)出版)。拟双曲正切曲线复杂数据是一个很好的方法来确定一个可量化的过渡粒子量度。

2.1 从复杂性分形粒子

观察到的粒子可以连续变化的复杂性。除了定义的过渡从简单到复杂(如图1),有可能存在粒子复杂性作为工具的复杂函数。图2显示了两个相同的例子除了复杂性值被彩色的显示变化的复杂性。对于每个10mu;m大小的样本,观察到的粒子被复杂性值排序。每个复杂性值被分配一个颜色。在这些例子中,C = 0是蓝色和C = 1是红色的。过渡复杂性值开关一般从单个晶体发生早期聚集(C = 0.22)是在蓝色的范围,但它可以观察到,通常是一个平稳过渡的颜色在每个大小的样本。

冰粒子聚合模拟器(帕斯)模型开发施密特和赫穆斯菲尔德[2010]和用于SH14研究复杂性可以用来理解观察如图2所示。使用帕斯,任意数量的组件的复杂性范围聚集晶体可以被估计。虽然不是所有的复杂的粒子在大气中聚集(例如,子弹花结和树突),使用图像的总量是有用的对于理解三维特征与观察(二维图像)。图3显示了C的平均值和标准偏差为1到9之间的聚合与组件。也如图3所示的平均总大小相对于单体大小帕斯粒子与不同数量的组件。注意,最初意味着C值合理分离,但随着组件的数量增加,有重叠的C值。方程(1)包括几个粒子测量,可用于确定分形属性（法考纳,2003年),建议总量有六个或多个组件是足够的和可能会充分分形遵守标准的分形关系(如. .幂律质量和区域空间关系)。施密特和赫穆斯菲尔德[2010]表明,冰粒子聚合通常成为分形维特征一旦总量大约10个组成部分同意相当复杂的论点。利用这些信息,粒子与C gt; 0.6可能是分形。

3 手动分类

三个数据集,手动粒子分类已经完成为了验证自动算法。图4显示了策划和复杂性三个数据集的大小。为每个数据集,粒子波被分离成单一粒子或复杂的粒子通过手动检查以及自动分类。蓝色的点代表粒子手动分为单晶,和红色的点代表了更复杂的粒子。黑色和红色的走线代表粒子的百分比进行分类对数间隔大小箱子一样简单。自动分类的是黑色对应的,红色对应的是手动分类。注意,这些曲线如图1所示的逆,这样行不干扰数据点。

第一个数据集是由大约500个粒子组成，飞行期间2000年3月9日大气辐射测量密集的操作时期（ARM-lop）在俄克拉荷马州。云大多是由采样子弹的花结的骨料子弹圆花饰以及一些小列。第二个数据集是由大约500个粒子组成，飞行期间从2002年7月26卷区域研究热带实验(晶面)领域项目在佛罗里达的粒子聚集的小晶体。第三个图只显示数据从子弹圆花饰分类在手臂的情况。使用不同的颜色来表示不同范围的花型子弹。SH14的数据以及其他数据分析工作中从CPI调查。最终数据集收集利用粒子成像习惯和极地散射(菲利普)仪器研制的卡尔斯鲁厄理工学院(阿贝德玛等。2011)。比CPI 菲利普也有类似的决议,结果非常相似。该数据集是由14000个粒子测量气溶胶、云、降水、和辐射对流云系的交互和动态云流程的主要降水系统在巴西：贡献云解决建模和流量(全球降水测量)项目在巴西(温德士等，2016)。集群的点从10到100mu;m大多是由单粒子在复杂性适度倾斜向上的价值观。这可能是由于轻微的不同菲利普的不同的参数计算。对于这个数据集,使用C = 0.3比0.22的自动分类。这三个数据集显示,自动分类和手动分类是普遍一致的。

图3 从帕斯模拟结果来看，(一)平均C值帕斯粒子1到9组件晶体 和-标准差。注意,有更多的重叠的组件。投资促进机构(b)的规模总量除以平均单晶尺寸骨料与不同数量的组件。

4 全球分析

数据集的分析,一些预防措施是保证高质量的数据。数据分析使用“CPI视角”软件写的萨达顿公园工程总公司(规范Inc .)。粒子图像只有如果粒子是唯一粒子用于CPI框架减少破碎粒子的可能性无意中被包括在分析中。粒子集中值小于45的不习惯,和粒子感动的视野的边缘是不习惯(马克坤德等，2013)。图1和图2显示两个情况是一个极端不同的过渡，从简单到复杂，以此反映粒子大小。

图4 着手分析几个数据集。粒子复杂性值绘制和最大尺寸。(a,b,d)的粒子被认定为单晶的手由蓝色的点表示,而粒子被认定为复杂的手由红点表示。(c)的复杂性子弹玫瑰形状的晶体是策划对最大尺寸。子弹少于4子弹是绿色,4到5子弹是红色的,和超过5由蓝点表示。在图4中,4 b和4 d,黑色和红色线表示粒子的比例的大小范围分为手工单粒子(红色)或通过自动分类(黑),规模在右边。

我们目前的结果从10场全球项目分析得来，项目领域被分为四个不同的类型:北极,中间纬度夏季，中间纬度地带前期，热带。

4.1 场项目

北极油田项目包括气溶胶云耦合和在北极气候的相互作用(ACCACIA)(罗尔德等，2015)和混合阶段北极云实验(MPACE)（怀德林等，2007）。

中间纬度暑期实地项目包括大气辐射测量密集操作周期(ARM-lop)[赫穆斯菲尔德等，2002),中间纬度的卷云实验(MidCIX)（赫穆斯菲尔德等，2006)和鄂各特参与的辐射粒子物理学实验,激光雷达,动力学研究等。(怀特卫等， 2004年)。

中间纬度前期领域项目包括:联盟研究II(AIRS2)粉(艾萨克等，2005年)和冰云层研究(ICE-L)[赫穆斯菲尔德等，2010)。

热带领域项目包括气溶胶和化学运输深对流(主动)[沃恩等，2008),卷云区域研究热带区域试验(晶面)(詹森等，2004)和冰云热带研究(ICE-T)[赫穆斯菲尔德和威利斯，2014]。

4.2结果

图5 是抽样地区的大气冰颗粒从简单到复杂的过渡尺寸。星星图例代表各个温度层平均值与标准差传播。当足够的数据是可用的，方程给出合适的曲线。

为了显示数据统计代表的方式,使用下列程序。项目每个字段类型，对所有粒子采样计算在每个个人的飞行期间在5°C温度模块通过观察云。当有足够的粒子决定的价值,包括在这项研究。这导致了数组值和不同的飞行属于一个轴,不同温度范围的轴充满每个字段的值程序。所有的值为特定温度范围从每个字段项目分类平均,和标准差确定(标准差计算当至少有五个数据点可用)。图5显示了垂直的 和-所示的标准偏差。行数据也用于绘制。合适的参数行给出的数据。在图5中,可以看到所有的云类型显示一个下降的趋势与降低温度。趋势在北极的斜率和前期数据集变化不是很大的夏季热带和中间纬度数据集。云顶温度可能在这个热带和中间纬度云起到重要的作用，常常达到冷云顶温度由于更高的对流层顶高度。S参数方程(2)没有任何明显的趋势与温度和一般。

粒子的转移从早期分形聚集估计分形粒子被定义为C值高于0.6。在这种情况下,数据是不同的温度模块的平均每个字段的项目往往是没有足够大的粒子获得适合个别温度数据块的一个部分。这个值相比,当时的过渡从单一到复杂粒子。结果表明,有一个可靠的关系两个过渡点,不改变环境。完整的数据集,过渡到分形粒子发生在标准差为0.9的3.3倍。唯一重要的例外是中间纬度夏季子弹玫瑰形状的粒子是占主导地位的情况下粒子的形状。在这些情况下,平均为2.6的关系。

的3.3倍区别和过渡到分形粒子同意合理与帕斯的结果显示,一个聚合的六个单体平均2.7倍的平均大小个别单体(图3 b)。注意,帕斯总量的大小取决于平均最大维度从理论的图像都聚集,不是真正的最大的尺寸。这样做的好处是,帕斯结果可以直接从飞机探测相比,数据不衡量真正的最大尺寸。帕斯和测量结果之间的差异(3.3和2.7)可能是由于大气冰粒子可以从蒸汽继续增长而帕斯粒子理论聚合过程中不生长。

5 总结

在这篇论文中，我们从10个场项目复杂性的冰粒子的过渡的特点分析出目前微观物理学的数据的特点。结果表明,粒子在不同地区具有可预测的特征基于云的温度。夏季热带和中间纬度数据集通常表现出类似的趋势,而中间纬度前期和北极的数据集是相同的。中间纬度夏季和热

剩余内容已隐藏，支付完成后下载完整资料

资料编号：[27042]，资料为PDF文档或Word文档，PDF文档可免费转换为Word