www.tropicalmountainforest.org

Neues zur tropischen Hochgebirgsklimatologie

Beispiel Ecuador

J. Bendix Universität Marburg

FOR816: Biodiversity and Sustainable Management of a

Megadiverse Mountain Ecosystem in South Ecuador

ARGE-Tagung Bozen 8.6.2012

Frage & Gliederung

1) Gibt es Neues zur tropischen Hochgebirgsklimatologie?

2) Gebiet und Methodenkonzept

3) Horizontale Klimagliederung – Neues?

4) Wolken- & Niederschlagsbildung Bekannte Paradigmen

5) Besondere Befunde

6) Hypothesenbildung & Überprüfung

7) Ergebnisse und Herausforderung

2 Gebiet

ECSF

“Andine Depression”, Amotape-Huancabamba Zone

< 3600 m

Gradient Amazonas Sechura

Stark zergliedert

Amazon

Gulf of

Guayaquil

Peru

Sechura

desert

Colombia

60 km

4

Plataforma

(2270 m)

= Fog gauges

= Met. stations

TS1,

2660 m

El Tiro,

2870 m

Cerro

del

Consue

lo 3180

m

ECSF Met.

1960 m Pasture

1960 m Rio

1800 m

Core

area 2

pasture

Core

area 1

forest ECSF

K - B a n d - R a d a r

NOAA-AVHRR images

Mesoscale models

WRF, ARPS

GOES

Radar profiler

IR Cloud Scanner

Scanning Radar

• Raumdaten (AG Bendix)

• Höhentransekt

• (AGs Richter, Bendix, Fabian)

2 Untersuchungsgebiet - Methoden

3 Klimagliederung horizontal

Cloud frequency

(Richter 2003,

Bendix et al. 2004,

Bendix et al. 2008)

La Toma – ECSF/Cerro = distance ~30 km:

430 – 3900 mm (rainfall only 6000 mm

with cloud water)

0.0

0.1

0.2

0.3

0.4

0.5

0.6

0.7

0.8

0.9

1.0

Jan Feb Mrz Apr Mai Jun Jul Aug Sep Okt Nov Dez

W

E

Frequency of wind direction

Easterlies

El Tiro

Rollenbeck & Bendix 2011

Mittlerer

Jahres-

niederschlag

LAWR

Offizielle

Karte

(INAMHI)

3 Klimagliederung horizontal

4 Bekannte Paradigmen

Niederschläge in andinen Durchbruchstälern der Ostabdachung (Troll 1959):

Doppeltes Kondensationsniveau (~1800, ~3200 m, Lauer 1975)

?

4 Bekannte Paradigmen

Nachts stabil, Kaltluftabflüsse

Wolken- und Nieder-

schlagsdynamik =

thermisches

Tageszeiten-Phänomen??

Randschwellenmaximum (Weischet 1969)

5 Besondere Befunde 1 lokal (Regensammler)

??

Thermal

up-slope

breeze

Paradigma: Nachts stabil, Inversion, Kaltluftabflüsse?

5 Besondere Befunde 2 lokal (Vertikalradar)

(Bendix et al. 2006)

Cerro

• Mesoskalig konvektive Komplexe Klassifikation 10 Jahre Zeitreihe

• Afternoon MCC: Maximum in Amazon lowland

• Nocturnal MCC: Maximum in Andean foothill area – concave terrain line, major katabatic drainage flow systems

11 Cloud and rain dynamics – ATBC 2008 Surinam

Rio Marañon

>50 m asl

>3,000 m asl DEM

ECSF

Target Area

Bendix et al. 2009

5 Besondere Befunde 3 regional (Satellit NOAA-AVHRR)

• Only 1 hit per time slot in target area

• MCC phenomenon of the relative dry season

• Coincides with morning maximum of rainfall

• Detection of convective cells and MCC (Mesoscale Convective Complexes) with connected component labeling

12 decay decay

resurgence

relative rainy season

relative dry

season

Bendix et al. 2009

5 Besondere Befunde 3 regional (Satellit GOES)

13

GOES

blackbody

temperature

LAWR RADAR rainfall

ECSF

Bendix et al. 2009

5 Besondere Befunde 4 regional (Horizontalradar)

6 Hypothesenbildung

14

??

Thermal

up-slope

breeze

LLJ**

MCC cloud - Seeder

LowStratus - Feeder

Meso Mikro

MCC*

*Mesoscale Convective Complex

**Low Level Jet

15

6 Überprüfung (Idealisiert)

Trachte et al. 2010 (Boundary Layer Meteorol. )

Idealisierte Modellstudien zur mikro-

/mesoskaligen Modellparametrisierung

(z. B. Turbulenzschema) Modellzeit

Pot. T

em

pera

tur

Pot. T

em

pera

tur

Katabatische Flüsse

und Terrain

Horizontal resolution of 250 m

55 vertical layers (10 – 500 m)

6 Überprüfung

16 Trachte & Bendix 2012

Konverg

enz

Div

erg

enz

Pot. T

em

pera

tur

Frontale Struktur

Semi-idealisiert

Katabatische Flüsse

und Frontenbildung

17

6 Überprüfung MCC and LLJ Semi-idealisiert: MCC Bildung und LLJ Einfluss

Feuchte

konverg

enz

Feuchte

konverg

enz

Trachte & Bendix 2012

6 Überprüfung: Lokale RCM Performanz

Real Case (12-13 Oct. 2009), Validierung mit FE

GOES-E brightness temperatures

(10.2 - 11.2 μm, K) (a, d, g),

RCM brightness temperatures (D3,

K) (b, e, h)

RCM brightness temperatures (D4,

K) (c, f, i) for 0115 UTC, 0215 UTC

and 0315 UTC

Horizontal / vertical resolution:

-D3: dx = 4km, dzmin = 100m

-D4: dx = 1km, dzmin = 25m

Trachte et al. 2010 (J. Geoph. Res. Meteorol.)

Hauptgrund:

Katabatische Flüsse in 4 km

(D3) zu schwach (Gelände)!

Klimaläufe auf 1km

280 km NCEP

RCM (36 km)

RCM (4 km)

RCM (12 km)

RCM (1 km)

D3

D4

D3 D4

Trachte et al. 2011 JGR

Satellit

7 Ergebnisse

1) Es gibt Neues zur tropischen Hochgebirgsklimatologie!

2) Katabatische Flüsse MCS Nachtniederschläge

3) Besonders Mesoskala, bisher vernachlässigt

4) Modelle müssen gut angepasst sein

5) Seeder – Feeder Prozess Modell

6) Bedeutung für Klimamodellierung in tropischen Hochgebirgen

7 Herausforderung: Der Klimawandel – GCM Performanz

Buytaert et al. 2010

19 GCM‘s A1B Szenario run for the period 2070–2099: BCCR-BCM2, CCCMA-CGCM3.1-T47, CCCMA-CGCM3.1-T63, CNRM-CM3, CONS-ECHO-G, CSIRO-MK3, GFDL-CM2, GFDL-CM2.1, INM-CM3, IPSL-CM4, LASG-FGOALS-G1.0,

MPIM-ECHAM5, MRI-CGCM2.3.2, NASA-GISS-AOM, NASA-GISSEH, NCAR-CCSM3, NIES-MIROC3.2-HI, NIES-MIROC3.2-MED, UKMO-HADCM3, UKMO-HADGEM1

Projected anomalies

>75% Übereinstimmung

aller Modelle RCM

PRECIS

Dynamisches

downsacling (nesting)

bis 4 -1 km möglich

10-jährige Ensembles

(Trend zu 30-Jahren)

Aber Genauigkeit?

Vorzeichen nicht

klar!

-200 bis

+ 300 mm

RCM

Auflösung 50 km

GCM data (Reanalysis)

2.5° (~280 km)

RCM (36 km)

RCM (12 km)

RCM (4 km)

Danke für Ihre Aufmerksamkeit !

Radarantenne

?

Danke für die Aufmerksamkeit

3150

3050

2950

2850

2750

2650

2550

2450

2350

2250

2150

2050

1950

1850

alti

tud

e [

m a

sl]

0.25 0.3 0.35

CO2 [hPa]]

0 2 4 6 8 10 12 14 16

[hPa]

e E-e CO2

3150

3050

2950

2850

2750

2650

2550

2450

2350

2250

2150

2050

1950

1850

alti

tud

e [

m a

sl]

6 8 10 12 14 16 18

[°C]

0 1 2 3 4 5 6

[m/s]

temp. wind speed

3150

3050

2950

2900

2800

2700

2600

2500

2400

2300

2200

2100

2000

alti

tud

e [

m a

sl]

0 20 40 60 80

[%]

0 2500 5000

[mm], [MJ/m²]

Cloud Fr. rainfall

fog irradiance

(Richter 2003, Bendix et al. 2007, Bendix et al. 2008)

cloud

fraction

Vapor

pressure

CO2

pressure

Vapor

pressure

deficit

Transition

zone

Timberline

ecotone

3 Klimagliederung vertikal

Beispiel 2: Bodengebundene Fernerkundung (BF)

Rollenbeck & Bendix 2006

Wind: RASS, SODAR, RADAR

Temperatur: IR und MW-Radiometer, SODAR

Luftfeuchte: MW-Radiometer, GPS, LIDAR

Niederschlag: Radar, Scatterometer

Flüsse: Scintillometer

Wolken und Aerosol: LIDAR, VIS-IR Scanner, Radar, Scatterometer

Profiling

Scanning devices

Teilfrage 2: Gibt es den

Seeder – Feeder Effekt?

LAWR =

neues Instrument

Experimentell:

Keine Methode

zur quantitativen

Niederschlags-

erfassung

Result: Case study 5-6 October 2005

• Fast and strong cooling after sunset

• Well-devopled cold air drainage flow in the valley

25

1,960 m asl

1,960 m asl

ESE

3,200 m asl

Bendix et al. 2009

2) Results – Global Climate Change effects

NCAR/NCEP

Reanalysis data

– grid cell S-Ecuador

(~210 km res.)

Bendix et al. 2009

Warming

Official data Zamora

(ECSF)

Bendix et al. 2009

700

800

900

1000

1100

1200

1300

1400

1500

1600

1700

00:00 02:00 04:00 06:00 08:00 10:00 12:00 14:00

alt

itu

de [

m]

0

10

20

30

40

50

60

70

80

90

100

clo

ud

co

ver

[%]

cover main cloud base [%]

cover below main cloud base [%]

altitude main cloud base [m]

METEK MRR-2 Seeder

Feeder

Nubiscan Cloud cover after rain event

Early morning rain caused by seeder-feeder effect

Case study 03.02.2009; Total precip.: 17.9 mm

MEST

LT