Studies on orographic effects in a numerical weather prediction model

Numerical models, used for atmospheric research, weather prediction and climate simulation, describe the state of the atmosphere over the heterogeneous surface of the Earth. Several fundamental properties of atmospheric models depend on orography, i.e. on the average elevation of land over a model area. The higher is the models' resolution, the more the details of orography directly influence the simulated atmospheric processes. This sets new requirements for the accuracy of the model formulations with respect to the spatially varying orography. Orography is always averaged, representing the surface elevation within the horizontal resolution of the model. In order to remove the smallest scales and steepest slopes, the continuous spectrum of orography is normally filtered (truncated) even more, typically beyond a few gridlengths of the model. This means, that in the numerical weather prediction (NWP) models, there will always be subgridscale orography effects, which cannot be explicitly resolved by numerical integration of the basic equations, but require parametrization. In the subgrid-scale, different physical processes contribute in different scales. The parametrized processes interact with the resolved-scale processes and with each other. This study contributes to building of a consistent, scale-dependent system of orography-related parametrizations for the High Resolution Limited Area Model (HIRLAM). The system comprises schemes for handling the effects of mesoscale (MSO) and small-scale (SSO) orographic effects on the simulated flow and a scheme of orographic effects on the surface-level radiation fluxes. Representation of orography, scale-dependencies of the simulated processes and interactions between the parametrized and resolved processes are discussed. From the high-resolution digital elevation data, orographic parameters are derived for both momentum and radiation flux parametrizations. Tools for diagnostics and validation are developed and presented. The parametrization schemes applied, developed and validated in this study, are currently being implemented into the reference version of HIRLAM.

Ilmakehätutkimukseen sekä sään ja ilmaston ennustamiseen käytettävät numeeriset mallit kuvaavat ilmakehän tilaa maapallon vaihtelevien pinnanmuotojen yllä. Monet mallin perusominaisuuksista riippuvat orografiasta eli maanpinnan korkeuden kuvauksesta. Mitä tarkempi on mallin erotuskyky, sitä pienemmät orografian yksityiskohdat vaikuttavat mallinnettuihin ilmakehän ominaisuuksiin. Tämä asettaa uusia vaatimuksia sille, miten malli käsittelee orografiatietoa. Orografia on aina keskiarvo, joka kuvaa pinnan korkeutta mallin erotuskyvyn puitteissa. Mallin perusyhtälöt eivät pysty suoraan käsittelemään kaikkia orografian yksityiskohtia. Siksi muutamaa mallin hilaväliä pienemmät piirteet tavallisesti suodatetaan pois. Numeeriseen säänennustusmalliin jää aina alihilaisen orografian aiheuttamia ilmiöitä, jotka pitää kuvata parametrisoimalla, t.s. perusyhtälöiden lähde- ja nielutermien avulla. Alihilaiset piirteet ovat erikokoisia ja niiden fysikaaliset ominaisuudet erilaisia. Parametrisoidut ilmiöt vuorovaikuttavat toistensa ja mallissa suoraan kuvattujen ilmiöiden kanssa. Tässä tutkimuksessa on kehitetty mallin erotuskyvyn ja orografian koon huomioonottavaa pinnanmuotovaikutusten parametrisointijärjestelmää pohjoismaista HIRLAM-säänennustusmallia (High Resolution Limited Area Model) varten. Järjestelmä koostuu meso- ja pienimittaisen orogafian vaikutusten parametrisoinnista mallin liikeyhtälöissä sekä maanpinnan tason lyhyt- ja pitkäaaltosäteilyvoiden parametrisoinnista lämpötilayhtälössä. Työssä käsitellään orografian kuvausta, mallinnuksen skaalariippuvuuksia sekä prosessien vuorovaikutuksia. Mallin orografiasuureet johdetaan tarkasta digitaalisesta karttatiedosta sekä liikemäärän että säteilyvoiden laskentaa varten Työssä kehitellään myös menetelmiä mallitulosten todentamista ja analysointia varten. Työssä kehiteltyjä, sovellettuja ja arvioituja menetelmiä otetaan parhaillaan päivittäiseen ennustuskäyttöön HIRLAM-mallissa.