Stable boundary layers over mountainous terrain

Stable boundary layers (SBLs) are the least-understood group of boundary layers due to suppressed turbulence and interaction of myriad processes on different spatiotemporal scales that form its structure. In mountainous terrain SBLs are particularly important for pollutant dispersion, minimum temperature forecasting, road icing and fog formation, yet non- stationarity and intermittency, caused by poorly-understood organized non-turbulent motions, and the unknown influence of complex orography prevent the application of similarity theory and other concepts to SBLs in mountainous terrain, and lead to poor forecast skill of numerical models. The interaction of processes on different scales has so far not been systematically studied in mountainous terrain over longer periods of time, nor in the context of orographic influences. Understanding these interactions and identifying the dominant forcings of near-surface submeso and mesoscale motions will help develop better parameterizations and improve forecasts in SBLs in mountainous terrain. The premise of this research is that (i) motions on all scales are present in SBLs in mountainous terrain, (ii) they contribute significantly to the total exchange of momentum, heat and mass and (iii) are to a part related to orographic scales themselves. In order to study interactions between processes on different scales in mountainous SBLs we use a unique multi year dataset from a network of near-surface turbulent measurements in the Inn valley, Austria (valley floor to mountain top). First we will examine the general SBL turbulence structure in the Inn Valley, focusing on identifying areas with non-stationary, intermittent conditions, or with continuous mixing, and locations where submeso motions bridge the spectral gap. Secondly we will focus on identifying non-turbulent motion at different temporal scales, by detecting the signature of these motions in time series with wavelets and a novel method for event detection and classification. Characteristics of these organized motions will then be analyzed so as to determine common types at each scale, and their importance in contributing to the total flux at each station. We will identify how these motions are related to orographic forcing. Physical mechanisms and possible forcings inducing these organized motions will be examined so as to determine if it is possible to parameterize the influence of these non-turbulent organized motions on SBL in mountainous terrain and develop a similarity framework. Finally, two field campaigns will be conducted with additional spatially distributed network of stations and remote sensing instrumentation. We will use this fine-scale dataset to test and challenge the hypotheses obtained from the previous components of the project and study the spatiotemporal characteristics of submeso motions in more detail and identify the physical mechanisms causing them. Particular stress will be placed on the influence of orographic scales (slope angle, scale of local and mesoscale orographic features) on the submeso motions.

Turbulenz ist eine der großen verbleibenden Herausforderungen in der Mathematik und Physik. Sie steuert jedoch, wie Energie, Masse und Impuls zwischen der Erdoberfläche und der Atmosphäre ausgetauscht werden. Turbulenz in der Atmosphäre hat deshalb Auswirkungen auf vielfältige Bereiche, wie zum Beispiel das Klima, die Stärke von Hurricanes, Tornados und Föhn, Luftverschmutzung, Landwirtschaft, Gletscherschmelze und -abfluss und vieles mehr. Stabile Grenzschichten sind die am wenigsten verstandene Gruppe von Grenzschichten. Sie bilden sich während der Nacht oder über kalten Oberflächen, wenn die Strahlungsbilanz negativ ist. Stabile Grenzschichten zeichnen sich durch schwache Turbulenz und signifikante Wechselwirkungen mit Bewegungen auf räumlich-zeitlichen Skalen aus, die größer sind als die von Turbulenz. Über komplexerem Gelände, wie zum Beispiel im Gebirge, ist das Verstehen von Turbulenz aufgrund der horizontalen Heterogenität der Bergoberfläche und des Einflusses geländebedingter Strömungen auf die oberflächennahe Turbulenzstruktur besonders schwierig. Dieses mangelnde Verständnis von Turbulenz in komplexem Gelände und das Fehlen einer angemessenen statistischen Darstellung von Turbulenzeffekten in Gebirgsregionen führt zu einer erheblichen Unsicherheit in numerischen Wettervorhersagemodellen und anderen Anwendungen über komplexen Oberflächen. In dieser Studie wurde die Turbulenzstruktur über Gelände unterschiedlicher Komplexität und mit unterschiedlichen Oberflächeneigenschaften untersucht. Wir haben Daten verwendet von Messstellen in flachen bis zu hoch komplexen Gebirgsgebieten, von Halbwüsten bis zu Gletschern. Es wurde gezeigt, dass die Turbulenzcharakteristik von der Gestalt der Turbulenz, der sogenannten Anisotropie, stark beeinflusst wird. Die Turbulenzanisotropie hängt andererseits stark davon ab, wie Turbulenz erzeugt wird: ob die Atmosphäre stabil oder instabil ist und ob eine große Änderung der Windgeschwindigkeit mit der Höhe auftritt. Insbesondere stabil geschichtete Turbulenz wird erheblich deformiert wenn die Windgeschwindigkeit schwach ist. Solche deformierte Turbulenz ist persistent und stimmt nicht mit bekannten statistischen Darstellungen von Turbulenz überein. Bei instabilen Tagesbedingungen wird die Turbulenz hingegen am wenigsten deformiert (isotrop) wenn die Windgeschwindigkeit schwach ist und die Auftriebskraft eine dominierende Turbulenzquelle ist. Es wurde gezeigt, dass Perioden mit der gleichen Art von Anisotropie ein ähnliches Verhalten aufweisen, unabhängig von der Komplexität der Oberflächen (Neigungswinkel, Eisoberfläche vs. Schuttbedeckung). Unter Berücksichtigung der Anisotropie zeigen die statistischen Turbulenzmerkmale aller komplexen Gebirgsgebiete daher die gleichen Beziehungen wie Turbulenz über ebenem Gelände. Dies kann in Zukunft dazu beitragen, eine universelle statistische Darstellung von Turbulenz in numerischen Modellen zu entwickeln, die das Potenzial hat, die Genauigkeit von Wetter- und Klimamodellen signifikant zu verbessern mit weitreichenden Folgen für die Beschreibung von Luftqualität, Landwirtschaft, Hydrologie, Massenbilanzen von Gletschern, Föhnvorhersage und vielem mehr.