Verifiering av WRF-modellen över Svalbard

Transkript

1 Verifiering av WRF-modellen över Svalbard Examensarbete vid Institutionen för geovetenskaper ISSN Nr 224 Anna Waxegård Glaciologer har under en längre tid observerat förändringar av glaciärer på Svalbard, att några minskar i storlek och att vissa växer. Avsmältning med ökade havsnivåer och potentiellt ändrad havscirkulation till följd är ett scenario som berör människor över hela värden. Dessa förändringar kan eventuellt förklaras genom att koppla de meteorologiska förhållandena i området till större cirkulationsförändringar. De meteorologiska förhållandena över Svalbard har simulerats med en regional klimatmodell, WRF (Weather Research Forecasting), för tre domäner med upplösningarna 24 km, 8 km och 2,7 km. Modellen har testats i två versioner, standard-wrf med förvalda processbeskrivningar och WRF med processbeskrivningar anpassade för polärt klimat och har drivits med ERA- Interim data, som är en återanalys av de globala väderförhållandena framtagen av ECMWF. Resultaten från WRF har verifierats mot observationer uppmätta av AWS-stationer (Automatic Weather Station). Följande parametrar ingår i studien: temperatur, vindhastighet, specifik fuktighet, kortvågig in och utstrålning samt långvågig instrålning. Verifiering av WRF-modellen över Svalbard Anna Waxegård Simulationer med standard-wrf underskattar samtliga strålningsparametrar. En felaktig strålningsbalans leder till att standard-wrf simulerar för låga temperaturer. Att mängden kortvågig och långvågig instrålning är för liten beror förmodligen på att standard-wrf simulerar för stor mängd höga moln och för liten mängd låga moln. För vindhastigheten och den långvågiga instrålningen ökar respektive minskar korrelationen när resultaten från nedskalning från 24 km till 8 km med standard-wrf analyseras. Bäst korrelation för vindsimuleringar fås med standard-wrf i upplösningen 8 km. För temperaturen ger ERA-Interim bättre korrelation mot observationer än simuleringar med standard-wrf. Ett test av polaroptimerade WRF visar att detta utförande av modellen bättre förutsäger strålningsbalansen över glaciärerna och som en följd av detta fås en mer överensstämmande temperaturmodellering. Polaroptimerade WRF simulerar en mindre mängd höga moln och en större mängd låga moln jämfört med standard-wrf. Bättre molnmodelleringarna i kombination med ett mer passande schema som beskriver mängden kortvågig strålning ger en förbättrad energibalans. Vindmodelleringar i upplösningen 2,7 km utförda av standard- WRF och polaroptimerade WRF ger minskad korrelation och ökad spridning jämfört med simuleringar i upplösningen 8 km. Denna rapport visar på att polaroptimerade WRF är ett bättre alternativ än standard-wrf när Svalbards meteorologiska parametrar ska simuleras. Uppsala universitet, Institutionen för geovetenskaper Examensarbete MN3, meteorologi, 3 hp ISSN Nr 224 Tryckt hos Institutionen för geovetenskaper, Geotryckeriet, Uppsala universitet, Uppsala, 211.

2 Examensarbete vid Institutionen för geovetenskaper ISSN Nr 224 Verifiering av WRF-modellen över Svalbard Anna Waxegård Handledare: Björn Claremar

3 ABSTRACT Arctic researchers have for a while seen changes in the mass balance of glaciers at Svalbard. This is concerning because a major melt of the glaciers might lead to changes in the ocean circulations and a sea level rise. One way of improving the knowledge of surface mass and energy balance processes over the glaciers is to produce dynamically down scaled climate runs over the Arctic areas. To generate high resolution meteorological data the regional climate model WRF 3..1 (Weather Research Forecast) was downscaled and simulated over Svalbard. The WRF-model was forced by the ERA-Interim reanalysis and simulated using two different physical set ups: standard WRF and polar optimized WRF. Standard-WRF consists of the default physical descriptions and polar optimized WRF contains an optimal description of physical processes in polar climate. The WRF simulations in the period were verified with observations from automatic weather stations (AWS). The study focus on the following surface parameters: temperature, wind speed, specific moisture, incoming short wave radiation, outgoing short wave radiation and incoming long wave radiation. Compared to AWS measurements the standard WRF model simulated too small amounts of shortwave radiation and incoming longwave radiation for all of the resolutions. As a direct consequence of too small amount of incoming radiation the model simulations had a negative temperature bias. The dysfunctional radiation budget might depend on the inability of the default physical schemes to predict the accurate amount of high and low clouds. The wind speed modeled by standard-wrf in the resolutions 24 km and 8 km give higher concordance with observations than the ERA-Interim reanalysis. ERA has the highest correlation against observations regarding the temperature. Wind speed modeled by standard-wrf in the 8 km resolution has the highest correlation against observations. With polar optimized WRF the agreement with observations improved significantly. The magnitude of the shortwave and the longwave radiation biases decreased. The main reason for the improvements is probably due to improved cloud physics making the cloud simulations better. In combination with a more suitable shortwave radiation scheme, the surface radiation budget is improved. As a result the modeled temperature field is more concordant with observations. The correlation for the wind speed decreases and the dispersion increases when the model is downscaled to the resolution 2.7 km with both standard WRF and polar optimized WRF. This study shows that polar optimized WRF is a better alternative compared with standard-wrf when simulating the meteorological parameters over Svalbard. Keywords: WRF, AWS, verification, energy balance, ERA-Interim, Svalbard, downscaling.

4 Innehållsförteckning 1 Inledning SVALI Tillvägagångssätt... 2 Teori Svalbards klimat Mikroklimat på glaciärerna Klimatmodellens utförande ERA-Interim Simuleringar med WRF över Norge Statistik Mätplatser Nordenskiöldbreen Vestfonna Kongsvegen Metod Meteorologiska parametrar Databearbetning Modelldomän... 2 Resultat Val av jämförelsepunkter Verifikation av standard-wrf och studie av extremvärden Jämförande studie mellan 8 km, 2,7 km samt polar WRF 2,7km Sammanfattning och diskussion Jämförelse med andra studier Diskussion och vidare studier... 6

5 7 Referenslista Bilagor Bilagor A 62 Bilaga B 63 Bilaga C 64 Bilaga D 7 Bilaga E 74 Bilaga F 76 Bilaga G 76

6 1 Inledning 1.1 SVALI Detta examensarbete är en del av ett större Nordiskt samarbete SVALI (Stability and Variations of Arctic Land Ice) NCoE, (Nordic Center of Excellence), vars forskning rör glaciärer och deras samspel med klimatet. Hösten 21 drog projektet igång och beräknas fortgå under flera år framöver. Bakgrunden för projektet är att forskare har sett att uppvärmningen av jorden som pågår nu har lett till stora förändringar i kryosfären som i sin tur påverkat glaciärerna. Avsmältning och kalvning från glaciärerna har ökat, vilket lett till ökad havsnivå och potentiellt ändrad havscirkulation. För att förstå förändringarna i glaciärerna vill projektet studera glaciärernas massbalans och interaktion med atmosfären. En ökad förståelse för klimat-kryosfärs återkopplingsprocesser är viktigt för modellering av havsnivåhöjningen. NCoE forskar i tre områden som kommer utmynna i parametrar och validering av data till ESM (Earth System Modell). 1. Observera glaciärernas nuvarande baslinjer och dess förändring, där studier av isvolymen, förändringar i isdynamiken och förändring i ytans massbalans kommer att utföras. 2. Att förstå de fysiska processerna i glaciärerna. I detta tema ingår glaciologisk och subglaciologisk hydrologi, kalvningsprocesser och interaktioner mellan atmosfär, kryosfär och hydrologiska processer på glaciärens yta. 3. Förstå de nuvarande förändringarna och förutspå framtida förändringar av glaciärerna. Formulera glaciär-atmosfär-interaktioner i jord system modeller, eller ESM (Earth System Model) och validera utifrån tillgänglig data. Implementera de fysiska processerna i ESM från område två. Estimera framtida förändringar hos landliggande is. Detta examensarbete är en viktig del i arbetet att förstå hur de meteorologiska parametrarna påverkar glaciärernas utveckling. I vissa områden har glaciärerna växt medan de på andra har minskat i storlek. Detta kan eventuellt förklaras genom interaktionen mellan de meteorologiska parametrarna och glaciärerna. En regional klimatmodell, i detta fall WRF, har körts över norska Svalbard och dess data har validerats utifrån tillgängliga data från automatiska väderstationer på Svalbard. WRF-modellens klimatparametrar kommer användas som input data till glaciärmodeller och till bakgrund till vilka glaciologiska processer som måste förbättras. (Haugen et.al 21) 1.2 Tillvägagångssätt Den mesoskaliga modellen WRF (Weather Research and Forecasting model) har simulerat de meteorologiska förhållandena över Svalbard under fyra år, 27 till 21. Driven på återanalysdata från ERA-Interim arkivet har tre områdens meteorologiska parametrar beräknats. Modelldomänernas upplösning är 24 km, 8 km samt 2,7 km. WRF modellen har satts upp i två olika uppföranden, standard-wrf och polaroptimerade WRF. Det är endast de fysikaliska parameteriseringarna som skiljer modellerna åt. Den polaroptimerade modellen som används här ska inte förväxlas med Polar WRF som även bl.a. tar hänsyn till kombinationen havsis och öppet vatten och har en bättre energibalans vid ytan. Målet med

7 examensarbetet är att utifrån uppmätta värden från automatiska väderstationer (AWS) på Svalbard verifiera WRF-modellens resultat. Detta kommer ske utifrån följande frågeställningar. 1. Hur väl stämmer AWS-stationernas uppmätta värden överens mot resultatet från simulerad data för modelldomänerna 24 km, 8 km och ERA-Interim? Ger ökad upplösning bättre överensstämmelse med observerade värden? 2. Förbättrar nedskalning med WRF-modellen överensstämmelsen med observerade värden jämfört mot ERA-Interim? 3. Kan modellen fånga den observerade fördelningen och extremvärdena av de observerade meteorologiska parametrarna? 4. Förbättrar resultaten från polaroptimerade WRF överensstämmelsen med observerade värden jämfört med resultaten från standard WRF? Från WRF-modellerna och ERA-Interim används resultaten från en gridpunkt som är placerad i anslutning till AWS-stationerna för att genomföra verifikationen. Resultaten från WRF-modellerna och ERA verifieras mot väderobservationer från de automatiska väderstationerna genom statistiska analyser. Studien delas upp i två delstudier. Den första studien jämför resultaten från ERA, standard-wrf 24 respektive 8 km. Studien nummer två jämför resultaten från polaroptimerade WRF 2,7 km mot resultaten från standard- WRF 8 km respektive 2,7 km. Dessa analyser kommer förhoppningsvis utmynna i förslag i vilka fysikaliska parameteriseringar som bör modifieras för att få en modell som bättre återger vädersituationen på Svalbard och även ge en fingervisning om modellens styrkor och svagheter. 2 Teori 2.1 Svalbards klimat Svalbards klimat är mycket särpräglat med en lång polarnatt som börjar under slutet av oktober. Under slutet av april är förhållandena omvända och solen går aldrig ner över horisonten. Detta gör att de årliga variationerna hos klimatet blir extremt stora och att dygnsvariationerna blir mindre accentuerad. Under den korta våren och hösten ses den största meteorologiska dygnsvariationen. Regionen har ett arktiskt klimat, eller ett polarklimat som det också kan benämnas. Enligt Köppens klimatklassifikation beskriver ett sådant klimat av att alla månaders medeltemperatur understiger 1 grader. Gränsen för polarklimatets utbredning sammanfaller i stort sett med trädgränsen ( Väster och delvis norr om ögruppen passerar en gren av Golfströmmen vilket ger att de sydvästra delarna är varmare än de östra delarna, som täcks av permanent havsis. Ögruppen ligger på nordlig bredd och 1-3 i östlig i Norra ishavet. På motsvarande breddgrad på andra kontinenter är fartygstrafik utesluten under vintermånaderna. Svalbard, som är en utbredd arkipelag, består av spetsiga berg och djupa fjordar. I dalarna breder glaciärerna ut sig. Austfonna som är Europas största glaciär, tillsammans med Vatnajökull, finns på Nordöstra Svalbard i området Nordostlandet. Den mest förekommande 6

8 vindriktningen är östlig till nordöstlig på grund av den synoptiska situationen i området. Tråget som sträcker sig i nordlig riktning i samband med Islands lågtryck ger en dominerade östlig till nordöstlig vindriktning över Svalbard. Grönlands nästintill permanent högtryck för med sig kall arktisk luft över Svalbard. Dessa två system för med sig två vitt skilda luftmassor som delvis möts och blandas över Svalbard. Detta skapar skarp horisontell temperaturgradient över Svalbard och ger en stor variation i vädret. De meteorologiska förhållandena på Svalbard bestäms till stor del av lokala förhållanden. Det kan blåsa storm uppe i bergen medan det är nästan vindstilla nere i dalen. Vädret kan påverkas av topografin, glaciärer och närheten till öppet hav, vindriktning med mera. Topografin i området leder ofta till lokalt genererade vindar (Hanssen-Bauer, 199). Perioder med permanent havsis ger klimatet en kontinental prägling medan perioder med mycket öppet hav ger ett mer maritimt väder. Hur mycket solljus som når ner till ytan och hur mycket som absorberas påverkar i väldigt stor grad det lokala klimatet. Variationer i molntäcke, förändringar i landalbedo, hur stor fraktion av solljuset som når ytan som reflekteras är alla viktiga processer som styr strålningsbalansen i området. Förändringar i snötäcke, förekomst av havsis påverkar i väldigt hög grad ytans albedo. Under helt molnfria dagar kan utstrålningen skapa kraftiga inversioner som ger kallare temperaturer nere i dalen än uppe i bergen. (Przybylak R., 23) 2.2 Mikroklimat på glaciärerna Kortvågig strålning Albedot på en glaciär bestäms av flera olika parametrar. När den kortvågiga strålningen från solen når ytan av glaciären kan den antingen reflekteras, absorberas eller tränga igenom ytan till en lägre nivå för att sedan spridas eller absorberas. Hur mycket ljus som reflekteras beror på ytans sammansättning och struktur. En yta med helt nyfallen snö har mycket större reflektans än en yta som har partiklar i sig. Hur ljuset sprider sig när den träffar ytan är en komplicerad process som beror på koncentrationen av orenheter, storlek och placering av luftbubblor i isen eller snöstrukturens uppbyggnad. När ljuset träffar en ren yta kan strålningen penetrera ett avsevärt djup. I de flesta fallen reflekteras eller absorberas det mesta ljuset i de översta centimetrarna av glaciären. I det fallet ljuset absorberas kan det leda till att ytan värms upp eller att en inre smältningsprocess äger rum. Albedot definieras som kvoten mellan utgående och inkommande kortvågig strålning och mäts över hela strålningsspektrumet. Närvaro av snö är den viktigaste faktorn när det gäller att bestämma albedovariationer på en tidsskala dagar eller längre. När ackumulationsåret påbörjas har glaciären störst albedo vid tillfällen med nysnö. När snön senare åldras och snökristallerna struktur förändras sjunker albedot med storleksordningen,1,2. När snön börjar smälta eller när det inte längre faller någon nysnö samlar ytan på sig orenheter i form av sot och aerosoler vilket ökar absorbansen och därmed minskar albedot. Detta leder till att ytan värms upp och en smältningsprocess sker. Detta ger att fler orenheter dyker upp samt att en algtillväxt sker. Ett reducerat albedo leder på ett systematiskt vis till ökad avsmältning under sommarmånaderna (Oerlemans et al., 29). När reflekterat solljus mäts används en strålningsmätare med mätningsutrustningen pekande nedåt. Om instrumentet inte placeras för långt ifrån ytan kan strålningen som mäts uppskattas som endast reflekterad strålning från ytan. Om mätutrustningen placerad på för hög höjd kommet processer som sprider ljus 7

9 påverka mätresultatet. Vid dagar med många partiklar i luften, till exempel vid dimma kan ett betydande bidrag från spridningsprocesser över ytan ske. (Oerlemans et al., 29) Långvågig strålning Alla material som har en temperatur högre än den absoluta nollpunkten strålar ut värme till omgivningen. Från jorden utstrålas ett spektrum av våglängder där huvuddelen av strålningen emitteras som långvågig strålning med våglängden > 1μm. Mängden strålning som emitteras beräknas genom Stefan-Bolltzmann lag som postulerar att alla kroppar som har en temperatur över absoluta nollpunkten strålar ut energi som är proportionell mot ytans temperatur. Om kroppen inte är en ren svartkroppsutstrålare behövs utstrålningen begränsas av en emissivitetsfaktor, ε. Detta ger att energin som emitteras ges av följande ekvation. Flödes densitet T T [K] Emissivite ts konstanten, [Wm -2 K -4 4 [Wm -2 ] Stefan Boltzmans ] proprtionallitetskon stant Förekomsten av moln påverkar mängden inkommande långvågig strålning. Den strålning som jorden emitterar absorberas och strålar ned mot jorden igen. Ett varmare moln stålar ut mer än ett kallt moln. Detta ger att de låga molnen strålar ut mer långvågig strålning än de höga eftersom det i regel är varmare vid jordytan än längre upp i atmosfären. (Oke T.R, 21) 2.3 Klimatmodellens utförande Weather Research Forecasting (WRF) IWRF (Weather Research and Forecasting) kan användas inom flera olika områden och kan appliceras på nästan alla geografiska områden med en upplösning från meter till tusentals av kilometer. Dess främsta användningsområden är att göra operationell mesoskaliga prognoser, regionala klimatsimuleringar, luftkvalitetsmodeller och idealiserade dynamiska studier. WRF kan köras med idealiserade fall eller för fall med riktig data, i detta fall körs modellen med riktig data. detta examensarbete har den mesoskaliga modellen WRF i version 3..1 använts. Modellen är framtagen genom ett samarbete mellan National Center for Atmospheric Research s (NCAR), Mesoscale and micro scale Meteorology (MMM) avdelningen, The National Oceanic and Atmospheric Administration s (NOOA), National Centers for Environmental Prediction (NCEP), Earth System Research Laboratories (ESLR), the Department of Defense s Air Force Weather Agency (AFWA), Naval Research Laboratory (NRL), the Center for Analysis and Predictions of Storms (CAPS) of the university of Oklahoma och the Federal Aviation Administration (FAA). Den första WRF-modellen kom ut i slutet av november 2 och WRF version 3 kom ut under 28. (Skamarock et al, 28) 8

10 2.3.2 Weather Research Forecasting (WRF) Modellen består av en mjukvarustruktur (WSF- WRF Software Framework) som innehåller de dynamiska ekvationerna, fysikpaketen som interagerar med de dynamiska ekvationerna samt program för att initiera modelleringarna. Det finns två dynamiska lösare som kan användas i WRF, the Advanced Research WRF(ARW) och Nonhydrostatic Mesoscale Model (NMM). I denna studie används den dynamiska lösaren ARW. Figur 1. Schematisk bild över WRF-modellens strukturella uppbyggnad. WRF-modellens strukturella uppbyggnad kan ses i figur 1. I första steget sker initiation av data och domänerna. Detta görs av WPS (WRF preprocessing System). I WPS körs tre program. Det första programmet, geogrid.exe definierar domänen och interpolerar en mängd terrestriella data set till modellens gridpunkter blanda annat topografin, vegetation och albedo. Program nummer två, ungrib.exe packar upp meteorologisk data, i detta fall ERA-Interim data som erhålls i gribformat, till ett format som nästa program i tur kan läsa. Det sista programmet, metgrid.exe interpolerar det meteorologiska datat horisontellt till modelldomänen. WRF och WPS delar drivrutiner och all datamängd som skapas i WPS används till modelleringen i WRF. WRF innehåller digitala filter, WRF-Var data assimilation, dynamiska lösare samt fysiska paket som interagerar med varandra. De digitala filtrena filtrerar eventuella obalanser i initialvärdena. WRF-Var estimerar bästa möjliga atmosfäriska tillstånd för fortsatta modelleringar. WRF körs i två steg. Det första programmet real.exe interpolerar all meteorologisk data vertikalt på domänerna, skapar filer för gränserna och initialvärdena och det sista programmet wrf.exe skapar modellprognosen. 9

11 2.3.3 ARW (Advanced Research WRF) I begreppet ARW ingår ARW dynamiska ekvationer och alla komponenter som är kompatibla med denna. I detta ingår fysiska scheman numeriska val, initialiseringsrutiner och data- assimilationspaket. De viktigaste alternativen för de fysiska schemana är: mikrofysik, cumulus-parameterisering, gränsskiktet (PBL), land-yta schema och schemat som beskriver strålningsprocesser. Modellen bygger på icke hydrostatiska fullt kompressibla Euler ekvationer med vertikala hybrid sigmakoordinater där det finns möjlighet att lägga till ett hydrostatiskt tillval. Övre gränsen av modellen har ett konstant tryck som sätts till hpa. Den horisontella grid som används är en Arakawa E staggering. För tidsintegration används ett andra och tredje ordningens Runge-Kutta schema. Modellen använder sig av ett framåt-bakåt schema för horisontellt snabbt propagerande vågor och ett implicit schema för vertikalt propagerande vågor. Horisontellt används ett Advektion-Adams-Bashforths schema och vertikal advektion beskrivs av ett Crank-Nicholson schema. Alla scheman använder samma tidssteg. Ett antal första ordens och andra ordens kvantiteter, bland annat energin och entropin är konserverade. I modellen är en fullständig coriolisparameter inkluderad. Kartprojektionen som används i denna uppställning av modellen är polar stereografisk. (Skamarock et al, 28) I denna studie används envägsnestning vilket betyder att information över de meteorologiska förhållandena från moderdomänen används för att driva modellen i den inre domänen. I denna studie innebär det att de meteorologiska förhållandena i domänen med 24 km upplösning används för att driva modellen i upplösningen 8 km och att informationen som beräknas i domänen med 8 km upplösning sedan används som drivande data för modellen i 2,7 km upplösning Styrande ekvationer i ARW Ekvationerna i ARW bygger på en terrängföljande hydrostatiskt koordinat som ges av η: η= (p h p ht )/μ där μ = p hs p ht. (2.1) p h är den hydrostatiska komponenten av trycket, och p hs och p ht är tryck gränserna för ytan och toppen av modellen. η varierar från ett värde av 1 vid ytan till vid den övre gränsen av modelldomänen. Denna koordinat är en vertikal koordinat som bygger på massan i en punkt μ(x, y). μ(x, y) representerar massan per areaenhet i kolumnen i modelldomänen vid koordinat (x,y). Detta ger att flödesformen på variablerna blir: V = μv = (U, V, W), Ω = μη, Θ = μθ. (2.2) 1

12 v = (u, v, w) är hastigheten i de två horisontala och vertikala riktningarna. ω = η är den vertikala hastigheten. θ är den potentiella temperaturen Eulerekvationer på flödesform Genom att använda variablerna som är definierade ovan kan Eulers ekvationer på flödesform skrivas som t U + ( Vu) x (p η ϕ) + η (p x ϕ) = F U (2.3) tv + ( V v ) y (p η ϕ) + η (p y ϕ) = F V (2.4) t W + ( V w ) g( η p μ) = F W (2.) t Θ+( Vθ) = F Θ (2.6) t μ + ( V) = (2.7) 1 t ϕ + μ [(V ϕ) gw] = (2.8) F U, F V, F W och F Θ representerar källor och sänkor som uppkommer från modellens fysik, turbulenta omblandningen, sfäriska projektion och jordens rotation. Den diagnostiska relationen för den inversa densiteten och tillståndsekvationen ges av följande fyra ekvationer. ηϕ = αμ, (2.9) γ p = p (R d θ/p α). (2.1) Va = x (Ua) + y (V a) + η (Ωa), V a = U xa + V ya+ω η a, γ= c p /c v = 1.4 ger förhållandet mellan värmekapaciteterna för torr luft, R d är gaskonstanten för torr luft och p är referenstrycket (typiskt 1 Pascal) och där a representerar en allmän variabel. Eulerekvationerna beskrivs även för fuktig luft. I den fullständiga formen för Eulerekvationerna skrivs ekvationerna i variabler som beskriver störningen från ett referensläge som är i hydrostatiskt balans. Där referensläget för hydrostatisk balans endast beror på höjden, z. (Skamarock et al, 28) 11

13 2.3. Polaroptimerade WRF I detta projekt har polaroptimerade WRF använts. I denna modell modifieras processbeskrivningen i WRF så att den bättre ska beskriva de arktiska förhållandena. Många studier har utförts över Grönland, Arktis och Antarktis för att få fram vilka scheman som ger optimal modellering. De fysikaliska beskrivningarna ligger i olika scheman och de som byttes ut var mikrofysiken, parameteriseringen av cumulusmoln, parameteriseringen av kortvågig strålning, fysiken gällande ytskiktet och det planetära gränsskiktet. Att just dessa scheman passar för arktiska förhållanden har utretts av Hines och Bromowich (26) Nyligen presenterade en ny modell som kallas Polar WRF, som bygger på aktuell forskning. Delar av modellens struktur för att beräkna vissa processer är förändrad vilket skiljer den från vanliga WRF med polaroptimerad processbeskrivning. Enligt the Polar Meteorology Group of the Byrd Polar Research Center at The Ohio State University var det viktigast att förändra beskrivningen av energibalansen och värme transporten för Noah LSM (land surface model) över is och permanent havsis. Även att kunna beskriva en varierande tjocklek på havsisen och snötäckets tjocklek. En viktig hörnsten var också att införa säsongsvarierande havsisalbedo. Denna modell ska inte förväxlas med polaroptimerade WRF. Nedan följer en presentation av de scheman som ingår i standard-wrf och polaroptimerade WRF vilken funktion schemat innehar och hur de skiljer sig åt för de två uppsättningarna Mikrofysikschema Detta schema beskriver förekomsten av vattenånga, moln, nederbörd och atmosfärsvatten i andra former. Molens koncentration och advektion beskrivs. För en domän med upplösning mindre än 1 km mellan gridpunkterna, där konvektion kan lösas upp, är det viktigt att välja ett schema som har möjlighet att beskriva processer då vattnet är i blandad fas. Med blandad fas menas processer som involverar både is och vattendroppar. Ett exempel på en sådan process är bildandet av hagel. För modelleringar med längre avstånd än 1 km mellan gridpunkterna är processer i blandad fas med hög sannolikhet inte upplösta vilket gör det, ur ett rent datakapacitetsmässigt synsätt, onödigt att använda ett schema som inkluderar dessa processer. I schemats mikrofysik kan justeringar av mättnadsgraden genomföras Standard-WRF - Singel-Moment Klass 3 schema I standard uppsättningen av WRF används ett singel-moment klass 3 schema som är användbart i simulationer där mesoskalig väderfenomen, i skalan 1-2 km, ska beskrivas. Schemat förutsäger tre olika kategorier av vattentillstånd, ånga, molnvatten eller is i moln samt regn/snö. Om temperaturen är över noll i molnet antas alla vattenpartiklar vara i flytande form, som molnvatten eller regn. Om det är under noll i fast form som is eller snö. Schemat är till stora delar likt Hong et al. (24) och det skiljer sig främst från andra mikrofysiska scheman när det gäller hur den diagnostiska relationen för koncentrationen av is är uppbyggd. I detta fall är koncentrationen byggd på mängden av förekommande is istället för att bygga på vilken temperatur molnet har. Schemat saknar beräkning av underkylt regn och indelning av vilken smältningsgrad ispartiklarna är i. Detta schema saknar även beskrivning för processer i blandad fas vilket gör att det inte bör användas för modelleringar med upplösning under 1 km. 12

14 Frysnings- och smältningsprocesser är beräknade i understeg till nederbördstermen. Detta för att öka noggrannheten i den vertikala temperaturprofilen på grund av uppvärmning/nedkylning av vatten som byter fas Polar WRF - Morrison dubbel-moment schema Detta schema (Morrison et al 23, 28) är ett mikrofysiskt schema som tar hänsyn till blandningsförhållandet och koncentrationen av ånga, molndroppar, molnis, regn, snö och hagel alltså totalt 6 olika hydrometeorer. Genom att förutsäga två moment av storleksdistributionen, koncentrationen samt blandningsförhållandet kan hydrometeorspektrat sammansättning beräknas med större noggrannhet än för schemat som används i standard WRF. Detta gör att beräkningar av mikrofysiska processer och strålningstransfer förbättras. Det som är nytt med detta schema är som nämnt ovan att det förutsäger koncentrationen och blandningsförhållandet för varje hydrometeorsort i modellen. Det bygger på kinetiska ekvationer för blandningsförhållandet, q, och koncentrationen, N för varje hydrometeor. Storleksdistributionen av hydrometeoren representeras av en gammafunktion. Sammanlagt bildas 8 ekvationer som beror på de rumsliga variablerna x, y, z samt tiden för varje hydrometeor. De kinetiska ekvationerna tar hänsyn till vindvektorerna, fallhastigheten, turbulent omblandning med mera. I detta schema är det även nya parameteriseringar för hur prognostisk övermättnad, droppaktivering, heterogen och homogen istillväxt och det spektrala indexet av storleksfördelningen inkluderat. Schemat inkluderar isprocesser och processer i blandad fas vilket gör det lämpligt att använda i modelleringar med domänupplösning mindre än 1 km. Dropparnas kondensation beräknas genom att använda en quasi-steady adjustment approch. Avdunstning och deposition sker på vattendropparna och ges av ångdiffusionstrycket som inte behöver vara jämnt. Detta gör att överskott av densitet hos vattenångan relativt ismättnad kan tillåtas. I modellen är det antaget att de övermättade fälten inte är upplösta och därför måste aktiveringen av bildningen av droppar parameteriseras som en funktion av den vertikala hastigheten och den adiabatiska avkylnadsgraden. Detta schema har många fördelar eftersom det bättre kan förutsäga koncentrationen, storleken och viken form vattnet är i. Vilket är mycket viktigt för vidare beräkningar av strålningsprocesser och molnmängd i WRF modellen Cumulus fysikschema Dessa scheman parameteriserar konvektion och låga moln för de tillfällen modeller inte har tillräcklig noggrannhet för att lösa upp dessa småskaliga processer. De är verksamma för modelleringar som är över tio kilometer i gridupplösning men kan vara användbara för mindre upplösningar. Schemat arbetar i vertikala kolumner och representerar det vertikala flödet på grund av oupplösta uppvindar eller fallvindar. Schemat ska även kompensera för rörelser utanför molnet. Schemat skapar en vertikal uppvärmning och 13

15 fuktighetsprofil. Vissa scheman skapar även moln och nederbördsprofil. Schemana arbetar med att frigöra latent värme vilket är viktigt om inte modellen själv kan lösa upp dessa processer. Dessa scheman bör inte användas för de tillfällen modellen själv kan sätta igång konvektiva turbulenta virvlar, då domänstorleken är mindre än km mellan gridpunkterna Standard-WRF- Kain-Fritsch Detta är ett enkelt massflödesschema för molnmodelleringen som är verksamt för både grund och djup konvektion. Det inkluderar processerna fuktiga uppvindar och fallvindar, detrainment, entrainment och enkla mikrofysiska processer. Detrainment och entrainment är engelska uttryck. Detrainment är när luft går från en organiserad luftström till omgivande atmosfären och entrainment är när luften går från omgivande atmosfär till en luftström. Dessa processers förekomst reglerar detta schema. Ett minsta värde för entrainment är införd för att undertrycka utbredd konvektion i marginellt ostabil relativt torr luft. Grund konvektion som inte är nederbördsskapande är tillåten för alla uppvindar som inte når nedre höjdgränsen till där moln börjar ge nederbörd. Värdet på hur mycket entrainment som är tillåtet varierar som en funktion av konvergensen i lägre nivåer. (Kain & Fritsch, 1993) Polar WRF-Grell-Devenyi ensemble Detta schema bygger på en ensemblemetod (Grell och Devenyi 22). I grunden används ett schema som bygger på beräkningar av massflödet för varje gridpunkt. I schemat ingår statiska processer så som fallvindar, uppvindar, entrainment, detrainment och nederbörd. Det ingår även beskrivningar av dynamiska processer så som CAPE (konvektiv tillgänglig energi), vertikala hastigheter, konvergens av fuktig luft med mera. De dynamiska processerna kontrollerar flödet av molnmassa. För att skapa en uppsättning av 144 olika ensemblescheman varieras beskrivningen av de statiska och dynamiska processerna. Beskrivningen av process varieras en i taget vilket skapar ett unikt schema. I tur och ordning simuleras molnfysiken över varje gridpunkt med de 144 olika schemana. Resultatet från de olika modelleringarna läggs samman och ett medelvärde beräknas. Medelvärdet kan viktas för att få olika processer att överväga Strålningsfysikschema Detta schema bestämmer balansen av kortvågig och långvågig strålning vilket i sin tur ger upphov till uppvärmning eller nedkylning av atmosfären eller markytan. Alla WRF:s strålningsscheman är endimensionella och beräknar strålningen för varje vertikal kolumn. Den långvågiga strålningen består av infraröd strålning eller termisk strålning som absorberas eller strålas ut från markytan eller gaser i atmosfären. Hur mycket långvågig utstrålning som strålar ut beror på ytans sammansättning, dess emissivitet och dess marktemperatur. Atmosfärens sammansättning påverkar hur stor del av den långvågiga strålningen som absorberas och återemitteras. Den kortvågiga strålningen kommer från solen och den absorberas, sprids eller reflekteras när den stöter på olika medier. Hur mycket solljus som reflekteras i atmosfären eller av markytan bestäms av atmosfärens 14

16 respektive ytans albedo. Hur mycket ljus som absorberas bestäms av ytan respektive atmosfärens sammansättning. De olika schemana kan ta hänsyn till följande atmosfäriska gaser, koldioxid, vattenånga, och ozon Standard-WRF-MM Dudhia I standard-wrf används MM Dudhia schema som kommer från MM, en mesoskalig modell som är framtagen av Penn State University och National Center for Atmospheric Research (Dudhia, 1989). Schemat integrerar flödet för ett spektralt band av solstrålning. Det tar hänsyn till spridning av solstrålning i molnfri atmosfär, och absorption av vattenånga, molnalbedo och absorption av moln. Schemat använder sig av molntabeller från Stephens (1978) Polar WRF-Goddard Polar WRF-schemat använder sig av 11 olika spektrala band och beräknar spridning och reflektionen för direkt och diffus solinstrålning. Att schemat tar hänsyn till fler spektrala band gör att absorberingen och reflektionen får ökad noggrannhet, eftersom olika våglängder påverkas av olika processer. Schemat beräknar processer som beror på moln, koldioxid och ozon (Chou and Suarez, 1994) Ytskiktsscheman Schemat för processer vid ytan (Surface layer scheme) beräknar flödes-koefficienter och friktionshastigheter. Schemat beräknar endast statisk information till schemana som beskriver land-ytaprocesser och processer i det planetära atmosfäriska gränsskiktet. Flödeskoefficienterna och friktionshastigheterna används sedan av landyta-modellen för att beräkna flödet av fukt och värme och av det planetära gränsskiktsschemat används de för att beräkna hur mycket stress landytan utsätts för. Över vattenytor beräknas flöden och det diagnostiska fältet av ytskiktsschemat. För varje val av ytskiktsschema finns det ett visst gränsskiktsschema som måste användas. Det som skiljer standard-wrf och polaroptimerade WRF scheman åt är att de har olika sätt att beräkna flödeskoefficienterna för värme, fuktighet och momentum. Schemat som används för standard-wrf (MM) använder sig av en konvektiv hastighet för att öka flödet av värme och fuktighet. Schemat som används av polaroptimerade WRF(Eta) inkluderar parameterisering av det viskösa sublagret. Båda schemana baseras på Monin och Obukhov similaritets teori (Monin and Obukhov, 194) Gränsskiktet Detta schema beräknar det vertikala och horisontella flödet av värme, fuktighet och momentum i hela atmosfären. Schemat är endimensionellt och beräknar flödet för de turbulenta flöden som modellen kan lösa upp. Flödeskoefficienterna fås från landyteschemat och ytskiktsschemat. Vertikalt beror flödet på turbulenta transporter som inte löses när modellen har för grov upplösning, över 1 meter. PBL beräknar 1

17 det vertikala och horisontella flödet oberoende av varandra. Beräkningar sker för både väl omblandade och stabila skikt. För standard-wrf används ett schema som heter Yonsei University (YSU) PBL och för polar- WRF används Mellor-Yamada-Janjic (MYJ) schema. YSU (Hong et al. 26) bestämmer höjden på det planetära gränsskiktet genom att sätta det kritiska värdet på Richardsons nummer till noll. MYJ (Janjic, 1996, 22), parameteriserar turbulensen med hjälp av Mellor-Yamada Level 2, turbulens closure model. (Mellor och Yamada, 1982). 2.4 ERA-Interim Modellen är driven vid modelldomänernas ränder av ERA-Interim data. ERA-Interim är en återanalys av den globala atmosfären, utförd av ECMWF och täcker perioden från 1989 fram till nu. Systemet som fanns innan hette ERA-4 och täcker perioden mellan , systemen överlappande varandra en längre period men nu är endast ERA-Interim som används för att lagra reanlayser. Anledningen till att ECMWF bytte system var att de bättre ville representera den hydrologiska cykeln, kvaliteten av den stratosfäriska cirkulationen, hanteringen av bias och förändringar i observationssystemet. Arkiverade ERA-Interim innehåller analyser och prognosfält från assimilationen för atmosfäriska modeller. Återanalysen bygger på cykel från ECMWF:s integrerade väderprognos system IFS (Integrated Forecast System). Era-Interim producerar fyra analyser per dag,, 6, 12 och 18 UTC. Analysen bygger på observationer som är tagna nio timmar innan och tre timmar efter aktuell tidpunkt. Till exempel analysen klockan 12 UTC bygger på observationer mellan 3UTC och 1 UTC. ERA-Interim data är fördelat på 6 lager vertikalt, toppen ligger på,1 hpa. ERA-Interim bygger på en reducerad Gaussisk grid med approximativt 79 km mellan varje gridpunkt. För nordliga breddgrader minskar avståndet mellan gridpunkterna i ost-västlig riktning. ERA-Interims meteorologiska data som används i modellen är lagrad i formatet FM92 GRIB som WRF-modellen kan tillgodogöra sig (Berrisford, P. et al., 29). ERA-Interims gridpunkter som tänker Svalbardområdet kan ses i figur 2. 16

18 Figur 2. Karta över ERA-Interims gridpunkter som representerar området över Svalbard 2. Simuleringar med WRF över Norge I Heikkilä et al (21) påvisas att WRF modellen kan addera signifikanta detaljer till representationen av 2- meterstemperaturen och nederbörden jämfört med ERA-4 återanalys. Även en förfining av modellens upplösning från 3 km till 1 km ökar modellens överensstämmande. För vindmodelleringar på 1 meters höjd kan ingen förbättring från ERA-4 återanalys ses. Resultaten bygger på en nedskalning av ERA-4 återanalyser med klimatmodellen WRFV3.1.1 under åren Domänerna är 3 respektive 1 km stora och är situerade över Norge. I denna undersökning föreslår de att de meteorologiska parametrarna över Norge blir mer tillförlitligt om en stor domän över Nordsjön används, detta för att all fuktighet som kan nå Norge hinner ackumuleras, och om spektral nudging används. Spektral nudging är en metod där de inre punkterna av modelldomänen med jämna mellanrum styrs av analysdata. En fördel med att använda spektral nudging är att de storskaliga väderutvecklingarna inte kan avvika från drivande data i för stor utsträckning så att systemen ligger i fas. Systemen kan trots detta utvecklas och en förbättring av nederbördsstatistiken kan påvisas i den 3 km stora domänen jämfört med ERA-4. Även situationer av extrem nederbörd blir bättre representerade. Vid en ytterligare nedskalning, till 1 km, kommer den orografiska hävningen bidra till en än bättre representation av extrem nederbörd. De påpekar dock att det är viktigt att man inte påverkar modellen utveckling med spektral nudging i för hög grad eftersom möjligheterna för utveckling av småskaliga väderfenomen kan försämras. Jämfört med ERA-4 kan WRF även reducerat medelfel för temperaturen över Norge. I artikeln ges rekommendationen att den horisontell upplösning bör vara 1 km eller mindre när en kilmatsimulering över Norge genomförs. Detta eftersom topografin och kustlinjerna blir väsentligt bättre beskrivna i en högre upplösning, vilket i sin tur ger bättre representation av nederbörd och kustvindar. 17

19 2.6 Statistik Linjär regression med minsta kvadratmetoden För beräkningar med linjära minsta kvadratmetoden ska värdena vara beroende endast i en variabel, i detta fall y-axeln som representeras av WRF-modellens resultat. De oberoende variablerna representeras av observationer från automatiska väderstationer. För att anpassa en linje som bäst passar ett set av mätpunkter tas avvikelsen från mätpunkterna och en tänkt linjär linje. Dessa avvikelser, r i, summeras sedan. För att erhålla en bra anpassning utformas ekvationen för linjen så att summan, S, av de kvadrerade felen blir så liten som möjligt. S N 2 r i i 1 Där r i står för avvikelsen mellan mätpunkterna och den tänkta regressionslinjen Medelvärde av avvikelserna (medelfelet) En avvikelse beräknas genom att ta differensen mellan det observerade värdet och modellvärdet. När ett medelvärde av avvikelserna beräknas kan denna summa bli noll viket då inte säger något om hur väl modellen presterar men värdet kan ge en bra indikation på om modellen generellt underskattar eller överskattar de observerade värdena. Tillsammans med statistik som beräknar spridningen på avvikelserna kan medelfelet vara en bra parameter för att bedöma hur väl modellerna stämmer överens mot observationerna. η=medelfelet. medelfelet N (obsi modell i ) i 1 N Absoluta medelavvikelsen I detta fall tas ett medelvärde av absolutbeloppet av avvikelsen. Detta ger ett mer kvalitativt mått på hur stor avvikelsen mellan modell och de observerade värden är. Med hjälp av detta värde kan den faktiska avvikelsen studeras. Ett stort värde representerar en modell som har stor avvikelse från de observerade värdena. Absoluta medelavvik elsen N (obs i modell i ) i 1 N 18

20 2.6.4 Standardavvikelsen Standardavvikelsen är ett mått på hur mycket varje element i en grupp av värden avviker från medelvärdet. Det är ett bra mått på dispersionen hos till exempel avvikelsen mellan modell och observerade värden. I denna rapport används standardavvikelsen för att studera hur mycket modellens avvikelse från observerade värden varierar från medelfelet. Ifall värdena är samlade kring ett medelfel blir avvikelsen liten och om värden är spridda över och under medelfelet erhålls en stor avvikelse. Standardavvikelsen Där η står för medelfelet. N i 1 ( x ) N i 2 x i = Modellens avvikelse från det observerade värdet för matriselement i. N = Antalet mätvärden 2.6. RMSE (Root mean square error) Detta värde ger ett mått på spridningen av avvikelserna. För att beräkna RMSE tas kvadratroten av medelvärdet av den kvadrerade avvikelsen. RMSE N i 1 (obs modell ) i N där obs i modell i är avvikelsen. obs i = Observerade värden vid tidpunkt i. modell i = Simulerade värden vid tidpunkt i. N= Antalet mätvärden i Korrelation En korrelationsanalys beskriver hur stark relation två variabler uppvisar. Korrelationskoefficienten, r, kan variera från -1 till 1 där värdet 1 anger stark relation med värden som placerar sig i en ökande trend när de två variablerna har plottats mot varandra. När korrelationen ligger under noll placeras värdena i en fallande trend i ett diagram där variablerna har plottats mot varandra. Om korrelationskoefficienten är noll finns inget linjärt samband mellan de två variablerna. I denna analys har Pearson produkt korrelation använts. (Johnson. Richard A., 21) 19

21 r [ N x N 2 ( x y ( 2 x) ] [ N x)( 2 y y) ( y) 2 ] N Antal mätvärden xy summan av produkten mellan observerade värden och modellerad e värden x Summan av de observerade värdena y Summan av de modellerad e värdena x y 2 2 Summan av de observerade värdena i kvadrat Summan av de modellerad e värdena i kvadrat r = korrelationskoefficient 3 Mätplatser Uppmätt data från automatiska väderstationer finns från tre stationer, Nordenskiöldbreen, Vestfonna samt Kongsvegen och deras placering kan ses i figur 3. Figur 3. Karta över placeringen av de tre AWS-stationerna. Nummer 1 representerar Nordenskiöldbreen, nummer 2 Kongsvegen och nummer 3 Vestfonna. 2

22 3.1 Nordenskiöldbreen AWS-stationen är placerad 3 meter över havet på koordinaten N78 4' '', Ö17 1' ''. Det finns data mellan 24 mars 29 till 3 april 211 och den är uppmätt i UTC tid. Väderstationen är placerad mitt på en iskappa på Nordensköldbreen och mäter var sjätte minut ett antal meteorologiska parametrar som följer nedan. Vindriktning och vindhastighet uppmäts med hjälp av en Young mätare. Alla strålningskomponenter det vill säga kortvågig in och utstrålning, långvågig in och utstrålning mäts med instrumentet Kipp&Zonen. Instrumentet har modellbeteckningen CNR1 och dess känslighet är 6,8 1-6 W/Vm 2. Temperaturen, korrektionstemperaturen och den relativ fuktigheten mäts av ett instrument med namnet Vaisala och beteckningen HMP4A. Värdena som erhålls är timmedelvärden. Utifrån dessa parametrar kan andra meteorologiska data beräknas, av speciellt intresse är den specifika fuktigheten. Information om mätutrustningen från Nordenskiöldbreen kan ses i tabell 1. Höjden på AWS är estimerad till 4, m över ytan av det dåvarande snötäcket och samtliga väderparametrar är uppmätta på denna höjd. Estimeringen är genomförd av dem som ansvarar för mätstationen, i detta fall Carleen Tijm-Reijmer. I figur 4 kan den aktuella uppställningen beskådas. Figur 4. Bild på uppställningen av AWS-stationen på Nordenskiöldbreen Under sommarmånaderna är det problem med temperaturmätaren förmodligen på grund av att smältvattenvatten tar sig in systemet och kortsluter elektroniken. Detta leder till att uppmätningarna av den långvågiga strålningen och relativa fuktigheten också blir felaktig. Data från dessa tidsperioder används inte i den jämförande studien. 21

23 Glaciären breder ut sig mellan två berg, Terrierfjellet och Da Geerfjellet och är ca km bred 14 km lång orienterad i nord-ostlig. Glaciären mynnar ut i Billefjorden. Glaciärens topp ligger på ca 12 m. På och om glaciären sker omfattande forskning av Uppsala universitet och universitetet i Utrecht. På iskappan står sammanlagt 11 metallstakar med GPS-utrustning och en AWS-station. Dessa används för att studera glaciärens massbalans och rörelse. Med hjälp av radar har glaciärens flödesmönster och bastopografi kartlagts. Från toppen av glaciären har firnprover och snöprover tagits för att analysera snöns kemiska innehåll. Väderförhållandena skiftar snabbt på en glaciär som denna. Vindstyrkor kan öka markant och sikten kan minska under loppet av några timmar. Vid kraftig blåst kan iskappan lämnas bar med öppen is under loppet av en till två dagar. Vid minskad tillgång till vindpackad snö blir glaciärens sprickbildningar, som är omfattande, vanskligare att färdas över. Tabell 1. Information om mätinstrumenten på Vestfonna och vilken höjd över glaciärsytan de är placerade. Parameter Sensor Noggrannhet Höjd över glaciärsytan Relativ fuktighet Vaisala HMP4A ±2% vid C 4 cm Lufttemperatur Vaisala HMP4A ±,3 C vid C 4 cm Vindhastigheten Young ±,3m/s 4 cm Strålning, 4 komponenter Kipp&Zonen CNR 1 ± 1 % totalt dagligen 4 cm 3.2 Vestfonna Vestfonna är placerad 34 meter över havet och återfinns på koordinaten N79 6' 3.2'', Ö19 11' 7.7''. Denna station mäter samma parametrar som Nordenskiöldbreen. Den automatiska väderstationen (AWS) är placerad på västra marginalen av Vestfonna. Det finns inga rapporter om att kvaliteten skulle vara bristfällig under sommarmånaderna. Däremot erhålls under månaderna, Maj 27-April 28, endast tvåtimmedelvärden eftersom datamängden som kunde lagras in var begränsad. Mätperioden sträcker sig från 1 maj 27 till april 29. Datavärdena är timmedelvärden från uppmätningar varje minut. Det existerar små luckor i materialet. Observationerna är uppmätta i lokal tid d.v.s. vintertid på Svalbard. I tabell nummer 2 finns information om Vestfonnas mätinstrument. 22

24 Tabell 2. Information om mätinstrumenten på Vestfonna och vilken höjd över glaciärsytan de är placerade. Parameter Sensor Noggrannhet Höjd över glaciärsytan Relativ fuktighet Vaisala HMP4A ±2% vid C 18 cm Lufttemperatur Vaisala HMP4A ±,3 C vid C 18 cm Vindhastigheten Young 13- ±,3m/s 23 cm Strålning, 4 komponenter Kipp&Zonen CNR 1 ± 1 % totalt dagligen 18 cm 3.3 Kongsvegen Kongsvegen AWS station ligger på 37 meter över havet på koordinaten N78,7827 Ö13,161. Stationen som mäter i UTC-tid ger datavärden som är timmedelvärden från mätningar var 1 minut. De data som erhållits för projektet består av temperatur, relativ fuktighet, vindriktning, vindhastighet, strålning utgående och inkommande kortvågig/långvågig strålning. Alla data som använts i verifieringen är av hög eller mediumkvalité. För kvalitetsbeskrivning se tabell 13 bilaga A. Samtliga observerade värden är uppmätta på 3, meters höjd (Krismer.T, 29). I tabell 3 finns information om Kongsvegens mätinstrument. Mätperioden sträcker sig från maj 27- juli 21 med vissa luckor i mätningarna. Tabell 3. Information om mätinstrumenten och deras höjdplacering på glaciären Kongsvegen. Parameter Sensor Noggrannhet Höjd över glaciärsytan Relativ fuktighet Vaisala HMP4A ±,2 % vid C (2-27) 3 cm Rotronic Hygroclip ±,6 % vid C (27-28) Lufttemperatur Vaisala HMP4A ±,3 C vid C (2-27) 3 cm Rotronic Hygroclip ±,6 C vid C (27-28) Vindhastigheten Campbell Wind Monitor 13 ±,3m/s eller 1% of reading 3 cm Strålning 4 komponenter Kipp&Zonen CM3 (CNR1) ± 1 % totala summan dagligen 3 cm 23