Wolkenwasser und -eis: Was Satelliten entgeht

Wolke_Sim_groß
Abbildung: 3D-Ansicht einer konvektiven Wolke (Ergebnis einer idealisierten Simulation). Rot: Flüssigwasser, blau: Eis. Simulation und Abbildung: Markus Karrer/KIT.

Wie viel Flüssigwasser und Eis eine Wolke enthält, bestimmt, wie viel sie regnet und wie sie die Sonne reflektiert. Die Vereisung wird oft von Staub- und anderen Partikeln ausgelöst und ist möglicherweise von Emissionen des Menschen beeinflusst. Deshalb werden Satellitendaten oft zur Untersuchung des Wasser- und Eisgehalts in Wolken genutzt, so auch in dem ERC-Projekt C2Phase (“Closure of the Cloud Phase”) von Corinna Hoose. Mit hochaufgelösten Modellstudien von konvektiven Wolken konnte jedoch jetzt gezeigt werden, dass die Satellitensicht ein verzerrtes Bild ergibt: Bei gleichen Temperaturen ist an der Wolkenoberkante immer weniger Flüssigwasser als im Inneren der Wolke enthalten, da dieses an der Wolkenoberkante schneller verdunstet. Dadurch verschiebt sich die Flüssig-Eis-Phasenverteilung an der Wolkenoberkante systematisch zu höheren Temperaturen. Dennoch zeigen die Simulationen, dass mikrophysikalische Prozesse auf kleinsten Skalen Fingerabdrücke in der Phasenverteilung an der Wolkenoberkante hinterlassen können. So verschiebt sich die Vereisungstemperatur um bis zu 10°C, wenn mehr eisaktive Staubpartikel vorhanden sind, und das Aufplatzen von gefrorenen Tropfen verursacht etwa 10% Eisanteil bei ca. -10°C. Wenn die Auflösung aber zu grob wird – mehr als ca. 1 km, was ähnlich zu vielen Satellitendatensätzen ist – ist das Signal dieser Fingerabdrücke nur noch sehr schwach oder gar nicht mehr vorhanden. Zukünftige Analysen von Wolkenwasser und –eis mit Satellitendaten sollten diese Einschränkungen berücksichtigen und gezielt nach den zu erwartenden Fingerabdrücken suchen. Durch die Verbindung von Modellsimulationen und Beobachtungen können die Flüssig-Eis-Phasenverteilungen von Wolken jetzt besser interpretiert werden.

Weiterführende Informationen:
Hoose, C., Karrer, M., & Barthlott, C. (2018). Cloud top phase distributions of simulated deep convective clouds. Journal of Geophysical Research: Atmospheres, 123, https://doi.org/10.1029/2018JD028381.

[Arbeitsgruppe: Wolkenphysik]