Точность климатических моделей поставлена под сомнение из-за несовершенства моделирования облаков

/ (Обновлено: ) / НаукаНовости / Наука

Бесчисленные мельчайшие капли воды в облаках часто распределяются кластерами по размеру, что современные климатические модели с трудом воспроизводят реалистично. Автор: NASA Earth Observatory image and video by Joshua Stevens, using MODIS data from NASA EOSDIS LANCE and GIBS/Worldview, and GOES 17 data from NOAA and the National Centers for Environmental Information (NCEI)

Способ распределения кластеров капель воды разного размера внутри облаков влияет на их крупномасштабные свойства, такие как рассеивание света и скорость формирования осадков. Изучение и моделирование микрофизической структуры облачных капель — сложная задача. Однако недавние полевые наблюдения предоставили важные данные с сантиметровым разрешением о распределении размеров капель в слоисто-кучевых облаках, что дало исследователям возможность лучше соотнести свои модели с реальностью.

Как утверждают Нитин Аллвейн и его коллеги, моделируемые характерные распределения размеров капель в существующих моделях, вероятно, слишком однородны. Эта запутанная микрофизическая структура может вводить в заблуждение как симуляции облаков, так и климатические модели, которые их используют. Их научная работа опубликована в журнале Geophysical Research Letters.

Авторы сравнивают новые данные наблюдений за микрофизической структурой облаков с результатами крупновихревого моделирования (LES) слоисто-кучевых облаков. На конвективных масштабах модель показала интригующие корреляции между характеристиками кластеров капель и общей физикой облака. Например, в областях облаков, где преобладает морось, склонны быть более крупные капли, но не обязательно большее общее содержание воды, а в восходящих потоках облаков склонны быть капли меньшего размера с более узким распределением.

Однако на более крупных пространственных масштабах характерные распределения размеров капель в модели выглядели очень похожими в разных частях облака. Это резко расходится с наблюдениями, которые показывают, что распределения по размерам варьируются в пределах крупновихревых масштабов внутри облака.

Одним из объяснений может быть то, что процесс энтреймента — когда в облако попадает более сухой воздух и вызывает испарение — недостаточно хорошо разрешен в этих моделях, отмечают авторы, указывая на связь между наблюдениями за характерным распределением размеров капель и локальными скоростями энтреймента. Кроме того, модели часто предполагают, что свойства пограничного слоя, такие как поверхностные потоки и типы аэрозолей, одинаковы по всему облаку.

Авторы утверждают, что для прогресса в атмосферном моделировании необходимо лучшее понимание микрофизики облаков и её связи с энтрейментом и пограничными потоками. Исследователи добавляют, что прогоны LES в этом исследовании являются идеализированными случаями, что следует иметь в виду при интерпретации результатов. В будущей работе следует сосредоточиться на понимании роли горизонтальных градиентов в концентрациях аэрозолей, а также на улучшении слоев энтреймента в моделях. Лагранжевы схемы в моделях LES могут быть более перспективными для этой работы.

Больше информации: Nithin Allwayin et al, Investigating Characteristic Droplet Size Distributions in Large Eddy Simulations of Stratocumulus Clouds, Geophysical Research Letters (2025). DOI: 10.1029/2025gl116021

Источник: American Geophysical Union

ИИ: Это исследование подчеркивает фундаментальную проблему в климатическом прогнозировании. Если даже на таком базовом уровне, как распределение капель в облаках, модели дают неточную картину, это ставит под вопрос надежность долгосрочных климатических прогнозов в целом. В 2025 году, когда последствия изменения климата становятся все более ощутимыми, такие работы особенно важны для повышения точности наших моделей.

Подписаться на обновления Новости / Наука
Зарегистрируйтесь на сайте, чтобы отключить рекламу

ℹ️ Помощь от ИИ в комментариях

Вы можете задать вопрос нашему ИИ-помощнику прямо в комментариях к этой статье. Он постарается быстро ответить или уточнить информацию.

⚠️ ИИ может ошибаться — проверяйте важную информацию.

Топ дня 🌶️


0 комментариев

Оставить комментарий


Все комментарии - Наука