Niederschlag ist eine wichtige, aber schlecht verstandene Komponente unseres Klimasystems. Die genauen Prozesse, durch die Eiskristalle, flüssiges Wasser, Wolkendynamik und Aerosolpartikel bei der Niederschlagsbildung zusammenwirken, sind nicht ausreichend verstanden. Da überall außer über den subtropischen Ozeanen der meiste Niederschlag in Wolken über die Eisphase gebildet wird, sind die Prozesse der Schneefallbildung nicht nur in den polaren, sondern auch in den mittleren Breiten von großer Bedeutung: Wachstum in übersättigter Luft führt zu unzähligen Kristallformen, die von Temperatur, Feuchtigkeit und deren turbulenten Schwankungen abhängen. Durch Aggregation verbinden sich einzelne Kristalle zu komplexen Schneeflocken. Bereifung beschreibt das Anfrieren kleiner Tröpfchen an den Eiskristallen, so dass diese schnell an Masse gewinnen. Dadurch ist die Form der Schneeteilchen - wenn sie beobachtet wird, bevor das Teilchen zu einem Regentropfen schmilzt - ein Fingerabdruck der vorherrschenden Prozesse während der Schneefallbildung. In EMPOS schlagen wir vor, diese Fingerabdrücke zu nutzen, um zu quantifizieren, wie die verschiedenen Prozesse der Schneefallbildung zu Masse oder Häufigkeit des Gesamtniederschlag beitragen. Zu diesem Zweck werden wir die Datenprodukte des innovativen Video In Situ Snowfall Sensors (VISSS) weiterentwickeln, um Riming und Aggregation während einer speziellen Messkampagne in Hyytiälä, Finnland, zu quantifizieren. Die Beobachtungen werden mit dem ICON-Modell verglichen, in welches das fortschrittliche P3 Mikrophysikschema (Predicted Particle Properties) mit einem neuartigen Ansatz zur Behandlung von bereiften Partikeln implementiert ist. Durch dieses kombinierte Beobachtungs- und Modellierungsprojekt wird es möglich zu quantifizieren, wie die einzelnen Wolkenprozesse an der Schneefallbildung beteiligt sind, und zwar in Bezug auf die Häufigkeit des Auftretens und die Gesamtschneemasse. Darüber hinaus werden wir diese Wolkenprozesse in Abhängigkeit von makrophysikalischen Wolkeneigenschaften wie Wolkentiefe und synoptischen Einflüssen analysieren. Auf der Grundlage von Vergleichen zwischen Modell und Beobachtungen, die sowohl mittels Fallstudien als auch für einen längeren Zeitraum durchgeführt werden, werden wir die Schneefallsimulation in ICON im Standard-Zweimomentenschema und im P3-Mikrophysikschema bewerten und verbessern.
Niederschlag ist eine wichtige Komponente des hydrologischen Kreislaufs. Um zu verstehen, wie sich der Wasserhaushalt in einem sich erwärmenden Klima verändert, ist ein umfassendes Verständnis der Niederschlagsbildungsprozesse erforderlich. In den mittleren Breiten wird der meiste Niederschlag unter Beteiligung der Eisphase in Mischphasenwolken erzeugt, aber die genauen Interaktionen zwischen Eis, flüssigem Wasser, Wolkendynamik, orografischem Antrieb und Aerosolpartikeln während der Eis-, Schnee- und Regenbildung sind nicht gut verstanden. Dies gilt insbesondere für Bereifungs- und Sekundäre Eisproduktion (SIP) Prozesse, die mit den größten quantitative Unsicherheiten in Bezug auf die Schneefallbildung verbunden sind. Die Lücken in unserem Verständnis von SIP- und Bereifungsprozesse zu schließen, ist vor allem für Gebirgsregionen entscheidend, die besonders anfällig für Änderungen des Niederschlags und des Wasserhaushalts, wie z.B. des Verhältnisses zwischen Regen und Schneefall, sind. In diesem Antrag wird ein Forschungsprojekt vorgeschlagen, das sich dem Verständnis von Bereifungs- und SIP-Prozessen in komplexem Terrain widmet. Dazu werden wir ein innovatives, simultan sendendes und simultan empfangendes (STSR), scannendes W-Band-Wolkenradar zusammen mit einer neuartigen In-situ-Schneefallkamera eine ganze Wintersaison lang in den Rocky Mountains von Colorado, USA betreiben. Die Instrumente werden Teil der Atmospheric Radiation Measurement (ARM) Surface Atmosphere Integrated Field Laboratory (SAIL) Kampagne sein, bei der ein Ka-Band und ein X-Band Radar eingesetzt werden. Durch die Kombination von spektralen polarimetrischen und Multifrequenz-Doppler-Radarbeobachtungen mit empirischen und Bayes'schen Machine Learning Verfahren werden wir Bereifungs- und SIP-Ereignisse identifizieren und deren Einfluss auf die Schneefallrate quantifizieren. Dies erfordert die Erweiterung des Passive and Active Microwave radiative TRAnsfer Modells (PAMTRA) mit zusätzlichen polarimetrischen Variablen und modernsten Berechnungen von Streueigenschaften. Durch die Nutzung der umfangreichen kollokierten Messungen während SAIL wird es ermöglicht, die beobachteten Prozessraten mit Umweltbedingungen wie Temperatur, Luftfeuchtigkeit und Flüssigwasserpfad sowie mit der Wolkendynamik in Beziehung zu setzen. Darüber hinaus werden wir einen besonderen Fokus auf den Einfluss von vertikalen Luftbewegungen legen, die unter orographischen Bedingungen häufig auftreten. Zusammengenommen wird das vorgeschlagene Projekt unser Verständnis von Bereifungs- und SIP-Prozessen in komplexem Gelände verbessern.
Als Ergebnis der ständigen Wetterüberwachung vor bzw. bei Erreichen, bei Über- oder Unterschreiten bestimmter Schwellenwerte/Warnkriterien (d. h. wenn Wettererscheinungen erwartet werden, die menschliches Leben oder Sachwerte gefährden können) herausgegebene Informationen; umfasst u. a. die Einzelleistungen "Allgemeiner Wetterwarndienst", "Wind- und Sturmwarnungen Küste und See. Die Datensätze stehen entgeltfrei unter https://opendata.dwd.de zur Verfügung. Weitere Infos finden Sie auch auf dem Leistungssteckbrief unserer Internetseite https://www.dwd.de/DE/leistungen/opendata/opendata.html.
Die WarnWetter-App des Deutschen Wetterdienstes stellt den Nutzern alle wichtigen Warn- und Kontextinformationen für den täglichen Einsatz zur Verfügung. Dabei kann die allgemeine Gefährdungslage für Deutschland auf einer eingefärbten Warnkarte schnell erfasst und ergänzende Detailinformationen abgerufen werden. Die App ist über http://www.warnwetterapp.de/ per Download für die Betriebssysteme iOS, Android und Windows frei erhältlich.