Jakość symulacji sygnałów radarowych w przypadku rozbudowanych chmur konwekcyjnych w dużym stopniu zależy od jakości reprezentacji krysz-tałków lodu w obliczeniach. Symulacje odbiciowości radarowej dla dużych, niesferycznych kryształków lodu jakie występują w takich chmurach są bar-dziej skomplikowane niż dla kropel lub kryształków drobnych i w przybliżeniu sferycznych (Matrosov, 2007; Hong, 2007). W przeciwieństwie do opisanych wyżej symulacji odbiciowości deszczu, nie wykazują silnej zależności od zasto-sowanych przedziałów wielkości cząstek, co potwierdzają również inne stu-dia (Matrosov, 2007). Wynika to z faktu, że niezależnie od doboru granic
Rysunek 5.4: Częstości występowania (CFAD) określonych odbiciowości radaro-wych [%] na podstawie obserwacji (a) i symulacji (b-e) warunków w czasie kampanii TWP-ICE dla różnych założeń odnośnie średnic ekwiwalentnych cząstek sferycz-nych zastępujących niesferyczne kryształki lodu:
b) średnica równa średnicy cząstki sferycznej o jednakowej objętości (De), c) cząstki o średnicy 2De,
d) cząstki o średnicy 5De, e) cząstki o średnicy 10De.
rozkładu wielkości cząstek, położenie maksimum pozostaje w tym samym miejscu, a odcinane krańce rozkładu odpowiadają znikomym w porównaniu z maksimum liczbom cząstek. Przeprowadzono testy polegające na zmianach współczynników i wykładników w równaniach 4.6 oraz 4.7 (związkach pomię-dzy masą i powierzchnią rzutu cząstki a jej maksymalnym rozmiarem), ale nie uzyskano widocznego wpływu na statystyki symulowanych odbiciowości.
Istotnym elementem symulacji odbiciowości kryształków lodu jest nato-miast sposób, w jaki niesferyczne cząstki są reprezentowane za pomocą czą-stek sferycznych (do których można zastosować teorię Mie). Rysunek 5.4 przedstawia wyniki obserwacji (a) oraz serii symulacji (b-e), w których zasto-sowano sfery o tej samej objętości co kryształki oraz o zwiększonych objęto-ściach. Dla ułatwienia analizy ilustracji, białymi przerywanymi liniami ozna-czono zakres odbiciowości, dla których częstotliwości występowania osiągały wartości maksymalne (powyżej 4% w przypadku obserwacji oraz powyżej 12% w przypadku symulacji). Powyżej poziomu ok. 14 km porównanie wy-ników modelu i obserwacji jest niemożliwe ze względu na obniżoną czułość radaru z jednej strony oraz tendencję modelu do przewidywania niereali-stycznie dużego pokrycia nieba chmurami wysokimi z drugiej. W związku z tym wzięto pod uwagę jedynie zakres wysokości od 6 do 14 km. Wartości graniczne 4% i 12% dobrano arbitralnie, różnica wartości związana jest z opisywanymi wyżej różnicami w częstotliwości występowania zachmurzenia pomiędzy symulacjami i rzeczywistością.
Jak można się spodziewać, w miarę zwiększania średnic cząstek użytych w obliczeniach rosną również najczęściej obserwowane odbiciowości radarowe:
od wartości między -34 i -22 dBZ dla cząstek zachowujących objętość, do war-tości między 0,6 i 21,6 dBZ dla cząstek o dziesięciokrotnie większych średni-cach. Spośród zaprezentowanych wyników najlepszą zgodność z obserwacjami wykazują wyniki symulacji dla cząstek o średnicach większych pięciokrotnie (rysunek 5.4d): maksimum prawdopodobieństwa poniżej 14 km przypada po-między -10 a 9,5 dBZ.
Sposób w jaki rozmiary niesferycznych kryształków lodu przeliczane są na średnice ekwiwalentnych cząstek sferycznych wykorzystywanych w obli-czeniach według teorii Mie to element decydujący o działaniu symulatora, nie występujący w samym modelu mikrofizyki chmur. Silna zależność wyni-ków symulacji od wyboru tego sposobu i związana z tym niejednoznaczność znacząco utrudniają wykorzystanie symulatora do testowania wyników mo-delu dotyczących cząstek lodowych. Konieczne są dalsze testy parametryza-cji, a być może także rezygnacja z zastosowania teorii Mie na rzecz bardziej
kosztownych numerycznie metod, uwzględniających zróżnicowanie kształtów kryształków, np. T-matrix (Mishchenko i Travis, 1998; Ferretti et al., 2010) lub DDA - Discrete Dipole Approximation (Draine i Flatau, 1994; Flatau, 1997, 2004; Hong, 2007). Te ostatnie rozwiązania będą jednak wymagały wprowadzenia nowych, niewystępujących w modelu założeń na temat kształ-tów niesferycznych cząstek (obecnie charakteryzują je jedynie związki 4.6 i 4.7) i skorzystanie w tym celu z dodatkowych danych pomiarowych z innych eksperymentów.
5.3 Podsumowanie
W niniejszym rozdziale, wykorzystując pomiary z kampanii TWP-ICE oraz model mikrofizyki chmur autorstwa Morrisona i Grabowskiego przed-stawiono sposób wykorzystania danych teledetekcyjnych dla weryfikacji dzia-łania kodu, który może znaleźć zastosowanie w badaniu własności chmur, modelowaniu pogody i klimatu.
Porównanie wyników symulacji z danymi obserwacyjnymi pozwoliło na zi-dentyfikowanie zagadnień kluczowych dla dobrego funkcjonowania symula-tora sygnałów radarowych. W związku z tym, że poszczególne hydrometeory - krople deszczu, kryształki lodu i krople chmurowe - są opisywane w mo-delu w różnych sposób, różne są też związane z ich reprezentacją problemy.
Wstępne wyniki opublikowano w artykule konferencyjnym The radar simu-lator: Deriving the radar signal using the cloud model output(Kardas et al., 2009a) oraz komunikatach Simulations of radar signals on the basis of cloud model results - deep convection conditions (Kardas et al., 2009b) i Radar Simulator for Validating a Two-moment Cloud Microphysical Model Applied to TWP-ICE (Kardas et al., 2010).
W przypadku kropel deszczu, reprezentowanych w modelu przez male-jący monotonicznie rozkład wielkości wyznaczany na podstawie koncentracji i stosunków zmieszania kropel, istotny okazuje się odpowiedni dobór granic całkowania rozkładu przy obliczaniu odbiciowości radarowej (konstrukcja al-gorytmu zakłada skończone granice).
W przypadku zlodzonej części chmury istotnym zagadnieniem jest sposób obliczania średnic ekwiwalentnych cząstek sferycznych zastępujących niesfe-ryczne kryształki w obliczeniach prowadzonych za pomocą teorii Mie. Jak pokazano, wykorzystanie cząstek o jednakowej objętości nie jest adekwatnym przybliżeniem: wyniki bliższe obserwacjom uzyskano przy znaczącym
zwięk-szeniu objętości cząstek ekwiwalentnych. Wykorzystanie symulatora do wery-fikacji modelu mikrofizyki chmury lodowej wymaga wzięcia pod uwagę dodat-kowych informacji o kształtach kryształków lodu i prawdopodobnie zmiany metody obliczania efektywnych przekrojów czynnych dla rozpraszania wstecz i ekstynkcji, np. na metodę T-matrix lub DDA.
Krople chmurowe mają mały udział w masie wody opadowej rozpatry-wanych chmur oraz małe znaczenie dla obserworozpatry-wanych odbiciowości radaro-wych.
Podsumowanie
W niniejszej rozprawie wykorzystano wiedzę o rozpraszaniu promienio-wania elektromagnetycznego na obecnych w atmosferze cząstkach aerozolu i cząstkach chmurowych (rozdział pierwszy) do rozwiązania dwóch zagadnień z zakresu teledetekcji zjawisk i procesów atmosferycznych.
W drugim rozdziale pracy zaprezentowano rezultaty kampanii pomiarowej MACRON (Maritime Aerosol, Cloud and Radiation Measurements in Nor-way), podczas której do obserwacji aerozolu wykorzystano między innymi urządzenie lidarowe - ceilometr CHM15K - oraz fotometryczne - Microtops II. Pomiary, w których brała udział autorka, dokumentują mający miejsce w dniach 7 - 8 sierpnia 2007 epizod napływu w rejon arktyczny masy powie-trza z niższych szerokości geograficznych, zanieczyszczonej aerozolem antro-pogenicznym i być może pustynnym. Na podstawie danych fotometrycznych ustalono grubość optyczną atmosfery, w której wystąpił napływowy aerozol (dla fali długości 500 nm grubości te sięgały powyżej 0,4, podczas gdy średnia dla dni bez napływu zanieczyszczonego powietrza to 0,09 ± 0,03). Wyzna-czono także wartości wykładnika ˚Angstr¨oma, którego maksymalne wartości obserwowane w dniach 7 - 8 sierpnia sięgały 1,74 i były wysokie w porówna-niu ze średnią z pozostałych dni wynoszącą 1,2±0,4), co świadczyło o spadku średniego rozmiaru cząstek zawieszonych w atmosferze.
Na podstawie wyników obliczeń numerycznych modeli transportu zanie-czyszczeń ustalono, że zanieczyszczona masa powietrza napłynęła z uprzemy-słowionego rejonu Europy Zachodniej. Prześledzenie toru transportu masy pozwoliło autorce na porównanie obserwacji prowadzonych w Norwegii z po-miarami satelitarnymi z 5 sierpnia 2007, które uchwyciły t samą masę powie-trza nad Morzem Północnym i krajami Beneluksu. Pomiary pochodzące z sa-telity CALIPSO wykazały obecność w tym rejonie warstwy aerozolu o współ-czynnikach ekstynkcji 0,02 - 0,05 km−1. Porównanie wykładników ˚Angstr¨oma obserwowanych w Andenes i nad Morzem Północnym wskazują na prawdo-podobieństwo wzrostu średnich rozmiarów cząstek aerozolu w czasie trans-portu, co mogło być związane z uwodnieniem cząstek higroskopijnych. Część wyników znalazła się w artykule Study of vertical structure of aerosol optical properties with sun photometers and ceilometer during MACRON campaign in 2007 (Markowicz et al., 2012).
W rozdziale trzecim opisano prowadzone w trakcie kampanii TWP-ICE (Tropical Warm Pool International Cloud Experiment pomiary radarowe i
disdrometryczne, które wykorzystano w dalszej części rozprawy do weryfikacji założeń i działania dwumomentowego modelu mikrofizycznego chmur.
Sam model oraz stworzony przez autorkę symulator radaru - program słu-żący do symulowania odbiciowości radarowych na podstawie wyników bada-nego modelu - opisano w rozdziale czwartym. Symulator powstał w oparciu o wcześniej istniejący symulator radaru QuickBeam (Haynes et al., 2007).
W napisanej przez autorkę wersji oprogramowania rozkłady wielkości hydro-meteorów ustalane są na podstawie dwóch (a nie jednego, jak w QuickBeam) momentów statystycznych oraz udziału szadzi. W symulacjach uwzględniane są stosowane w modelu numerycznym założenia dotyczące rodzajów wystę-pujących cząstek chmurowych i opadowych. Elementem pracy było również wyznaczenie tablic odbiciowości i tłumienia fal radarowych przez hydrome-teory, którymi dla przyśpieszenia działania posługuje się program.
Jak wykazano w rozdziale piątym, użyty w symulatorze sposób opisu rozpraszania światła przez kryształki lodu (oparty na teorii Mie), wymaga udoskonalenia - lepszego uwzględnienia kształtu cząstek rozpraszających pro-mieniowanie. W odniesieniu do cząstek w fazie ciekłej program już teraz może być użyteczny przy porównywania wyników dwumomentowego kodu mikrofizycznego z obserwacjami. Opis działania symulatora i wstępne wyniki przedstawiono w artykule konferencyjnym The radar simulator: Deriving the radar signal using the cloud model output (Kardas et al., 2009a).
Dodatek A
Symulator radaru -oprogramowanie
Załączona do rozprawy płyta zawiera kody napisanego przez autorkę symulatora radaru. Umożliwiają one przeprowadzenie dwóch procedur:
1. Obliczenie tablic odbiciowości i tłumienia sygnału radaro-wego
program make scattering tables.f90 (autor: A.E.Kardaś), wymagający kompilacji wraz z plikami:
radar simulator types.f90 (autor: A.E. Kardaś), psd lib.f90 (autor: A.E. Kardaś),
plikami pomocniczymi pochodzącymi z kodu Quickbeam:
ref.f90, math lib.f90, optics lib.f90
i plikiem zawierającymi standardowe funkcje gamma: gamma}lib.f90 Aby skompilować program należy skorzystać z kompilatora pgf95:
pgf95 optics lib.f90 gamma lib.f90 math lib.f90 ref.f90 psd lib.f90 make scattering tables.f90
Program uruchamiany jest komendą a.out.
W wyniku działania programu powstają pliki mie cloud.txt, mie rain.txt oraz mie ice, o następującej strukturze:
nor - liczba punktów na osi udziału szadzi (tylko w przypadku mie ice.txt) noT - liczba punktów na osi temperatury
noq - liczba punktów na osi stosunków zmieszania
noN - liczba punktów na osi koncentracji hydrometeorów
r1 - udziały szadzi, dla których wykonano obliczenia (tylko w przypadku mie ice.txt)
r2 ...
rnor
T1- temperatury, dla których wykonano obliczenia T2
...
TnoT
q1 - stosunki zmieszania, dla których wykonano obliczenia q2
...
qnoq
N1- koncentracje, dla których wykonano obliczenia N2
...
NnoN
odbiciowości odbiciowości tłumienie z teorii z teorii [dB/km]
Mie Rayleigha ...
[mm6/mm3] [mm6/mm3] ...
... ... ...
2. Symulacja sygnałów radarowych z wykorzystaniem obliczonych wcześniej tablic
program interface.f90 (autor: A.E.Kardaś), wymagający kompilacji wraz z plikami:
radar simulator types.f90 (autor: A.E.Kardaś) radar simulator.f90 (autor: A.E. Kardaś) reading lib.f90 (autor: A.E. Kardaś) array lib.f90(autor: A.E. Kardaś)
i plikami pomocniczymi pochodzącymi z kodu Quickbeam:
ref.f90, math lib.f90, optics lib.f90
Aby skompilować program należy skorzystać z kompilatora pgf95:
pgf95 radar simulator types.f90 optics lib.f90 gamma lib.f90 array lib.f90 math lib.f90 ref.f90 reading lib.f90 radar simulator.f90 interface.f90
Program uruchamiany jest komendą a.out.
Program wymaga plików wejściowych mie cloud.txt, mie rain.txt oraz mie ice utworzonych zgodnie z opisem w punkcie 1 oraz pliku z danymi po-chodzącymi z modelu mikrofizycznego chmur runp2 sim.dat zawierającego następujące kolumny danych:
czas [dzień roku]
współrzędna pozioma względem początku domeny [m]
wysokość [m]
gęstość powietrza [kg/m3] ciśnienie [Pa]
temperatura [K]
wilgotność względna
stosunek zmieszania dla kropel chmurowych [kg/kg]
koncentracje kropel chmurowych [1/kg]
stosunek zmieszania dla kropel deszczu [kg/kg]
koncentracje kropel deszczu [1/kg]
stosunek zmieszania dla cząstek lodowych powstających w wyniku resublimacji [kg/kg]
stosunek zmieszania dla cząstek lodowych powstających w wyniku zamarzania kropel wody [kg/kg]
koncentracje cząstek lodowych [1/kg]
W przypadku użycia innego pliku wejściowego, należy w pliku inter-face.f90 zmienić nazwę pliku (zmienna model output name) oraz liczbę umieszczonych w pliku profili pionowych atmosfery (zmienna nprof ) i liczbę punktów, z których składa się każdy profil (zmienna ngate).
Program zwraca wyniki w pliku radar output.txt o następującej struktu-rze:
nprof - liczba profili
ngate - liczba punktów w profilu
symulowane odbiciowości radarowe, profil po profilu (teoria Rayleigha) symulowane odbiciowości radarowe, profil po profilu (teoria Mie)
Lista akronimów
ALOMAR Arctic Lidar Observatory for Middle Atmosphere Research AOT Aerosol Optical Thickness - grubość optyczna aerozolu
ARM Atmospheric Radiation Measurement ARR Andoøya Rocket Range
ARSCL Active Remote Sensing Cloud Layer BMRC Bureau of Meteorology Research Center BoM Bureau of Meteorology, Australia
CALIOP Cloud-Aerosol Lidar with Ortogonal Polarization
CALIPSO Cloud-Aerosol Lidar and Infrared Pathfinder Satellite Observa-tions
CFAD Contoured Frequency by Altitude Diagrams
CIRES Cooperative Institute for Research in Environmental Sciences CSIRO Commonwealth Scientific and Industrial Research Organization HUCM Hebrew University Cloud Model
HYSPLIT HYbrid Single-Particle Lagrangian Integrated Trajectory
IFD Instytut Fizyki Doświadczalnej, Wydział Fizyki Uniwersytetu War-szawskiego
IGF Instytut Geofizyki, Wydział Fizyki Uniwersytetu Warszawskiego
IO PAN Instytut Oceanologii Polskiej Akademii Nauk IPCC Intergovernmental Panel on Climate Change
MACRON Maritime Aerosol, Clouds and Radiation Observations in Norway MMCR Milimeter-wavelength Cloud Radar
NAAPS Navy Aerosol Analysis and Prediction System NASA National Aeronautics and Space Administration
READY Real-time Environmental Applications and Display sYstem RSM Radar Simulation Model
SAWA Saharan Aerosol over Warsaw
TWP-ICE Tropical Warm Pool International Cloud Experiment UAE2 United Arab Emirates Unified Aerosol Experiment
UTC Universal Time Clock - Uniwersalny czas koordynowany
Bibliografia
Albrecht, B. (1989). Aerosols, cloud microphysics, and fractional cloudiness.
Science, 245:1227–1230.
Angstrom, A. (1964). The parameters of atmospheric turbidity. Tellus, 16:64–
75.
Beheng, K. D. (1994). A parameterization of warm cloud microphysical conversion processes. Atmos. Res., 33:193–206.
Berry, E. X. and Reinhard, R. L. (1973). Modeling of condensation and collection within clouds, volume 16 of D.R.I. Tech. Rep. Physical Science Publication. University of Nevada, Reno NV.
Bockmann, C., Wandinger, U., Ansmann, A., Bosenberg, J., Amiridis, V., Bo-selli, A., Delaval, A., Tomasi, F. D., Frioud, M., Grigorov, I. V., H˚ag˚ard, A., Horvat, M., Iarlori, M., Komguem, L., Kreipl, S., Larchevˆeque, G., Mat-thias, V., Papayannis, A., Pappalardo, G., Rocadenbosch, F., Rodrigues, J. A., Schneider, J., Shcherbakov, V., and Wiegner, M. (2004). Aerosol lidar intercomparison in the framework of the EARLINET project. 2. Ae-rosol backscatter algorithms. Appl. Optics, 43:977–989.
Bragg, W. H. and Bragg, W. L. (1915). X rays and crystal structure. G.
Bell, Londyn.
Chandrasekhar, S. (1950). Radiative Transfer. Oxford University Press, Oxford.
Chylek, P., A., J., and Coakley (1974). Aerosols and climate. Science, 183:75–
77.
Clothiaux, E. E., Ackerman, T. P., Mace, G. G., Moran, K. P., Marchand, R. T., Miller, M. A., and Martner, B. E. (2000). Objective determination of cloud heights and radar reflectivities using a combination of active remote sensors at the ARM CART sites. J. Appl. Meteor., 39:645–665.
Clothiaux, E. E., Miller, M. A., Albrecht, B. A., Ackerman, T. P., Verlinde, J., Babb, D. M., Peters, R. M., and Syrett, W. J. (1995). An evaluation of a 94-GHz radar for remote sensing of cloud properties. J. Atmos. Ocean.
Tech., 12:201–229.
Clothiaux, E. E., Moran, K. P., Martner, B. E., Ackerman, T. P., Mace, G. G., Uttal, T., Mathier, J. H., Widener, K. B., Miller, M. A., and Rodriguez, D. J. (1999). The Atmospheric Radiation Measurement program cloud radars: Operational modes. J. Atmos. Ocean. Tech., 16:819–828.
Collis, R. T. H. (1965). Lidar observation of cloud. Science, 149:978–981.
d’Almeida, G. A., Koepke, P., and Shettle, E. (1991). Global Climatology and Radiative Characteristics. A. Deepak Publishing, Hampton, VA.
de Hulst, J.-C. V. (1957). Light scattering by small particles. John Wiley, Nowy Jork.
Deschamps, P.-Y., Breon, F.-M., Leroy, M., Podaire, A., Bricaud, A., Buriez, J.-C., and Seze, G. (1994). POLDER mission: instrument characteristics and scientific objectives. IEEE Trans. Geosc. Remote Sens., 32:598–614.
Deschamps, P. Y., Herman, M., and Tanre, D. (1983). Modeling of the atmospheric effects and its application to the remote sensing of ocean color.
Appl. Optics, 22:3751–3758.
Doms, G. and Schattler, U. (1998). The nonhydrostatic limited-area model LM (Lokal-Modell) of DWD, part I, Scientific documentation. Ger. We-ather Serv. (DWD), Offenbach, Niemcy.
Donovan, D., Quante, M., Schlimme, I., and Macke, A. (2004). Use of equ-ivalent spheres to model the relation between radar reflectivity and optical extinction of ice cloud particles. Appl. Optics, 43:4929–4940.
Draine, B. T. and Flatau, P. J. (1994). The discrete-dipole approximation for scattering calculations. J. Opt. Soc. Am., 11:1491–1499.
Draxler, R. R. and Rolph, G. D. (2003). HYSPLIT (HYbrid Single-Particle Lagrangian Integrated Trajectory) Model access via NOAA ARL READY Website (http://www.arl.noaa.gov/ready/hysplit4.html). NOAA Air Reso-urces Laboratory, Silver Spring, MD.
Eresmaa, N., Karppinen, A., Joffre, S. M., Rasanen, J., and Talvitie, H.
(2006). Mixing height determination by ceilometer. Atmos. Chem. Phys., 6:1485–1493.
Fan, J., Ovtchinnikov, M., Comstock, J. M., McFarlane, S. A., and Khain, A. (2009). Ice formation in arctic mixed-phase clouds: Insights from a 3-d cloud-resolving model with size-resolved aerosol and cloud microphysics.
J. Geophys. Res., 114:D04205–1 – D04205–21.
Fernald, F. G. (1984). Analysis of atmospheric lidar observations: some com-ments. Appl. Optics, 23:652–653.
Ferretti, R., Sanctis, K. D., Molini, L., Parodi, A., Montopoli, M., Ma-rzano, F. S., and Siccardi, F. (2010). Investigating the sensitivity of high-resolution mesoscale models to microphysical parameters by the use of polarimetric radar observations. Atmos. Chem. Phys. Discuss., 10:20461–20514.
Flatau, P. (1997). Improvements in the discrete-dipole approximation me-thod of computing scattering and absorption. Optics Letters, 22:1205–1207.
Flatau, P. (2004). Fast solvers for one dimensional light scattering in the discrete dipole approximation. Optics Express, 12:3149–3155.
Frisch, A. S., Lenschow, D. H., Fairall, C. W., Schubert, W. H., and Gib-son, J. S. (1995). Doppler radar measurements of turbulence in marine stratiform cloud during ASTEX. J. Atmos. Sci., 52:2800–2809.
Gossard, E. E. and Strauch, R. G. (1983). Radar observation of clean air and clouds. Elsevier, Amsterdam - Oxford - Nowy Jork.
Grabowski, W. W. (1985). On the influence of microphysics parametrization on the rainfall rates in numerical models of clouds. Pure Appl. Geophys.
PAGEOPH, 123:941–950.
Grabowski, W. W. (2004). An improved framework for superparametrization.
J. Atmos. Sci., 61:1940–1952.
Grabowski, W. W. (2006). Indirect impact of atmospheric aerosols in ide-alized simulations of convective-radiative quasi-equilibrium. J. Climate, 19:4664–4682.
Grabowski, W. W. and Smolarkiewicz, P. K. (1999). CPRC: A cloud resolving convection parametrization for modeling of tropical convective atmosphere.
Physica D, 133:171–178.
Grainger, R. G., Lucas, J., Thomas, G. E., and Ewen, G. B. L. (2004).
Calculation of Mie Derivatives. Appl. Optics, 43:5386–5393.
Grell, G., Dudhia, S., and Stauffer, D. R. (1994). A description of the fifth generation of Penn State/NCAR mesoscale model (MM5). Natl. Cent. for Atmos. Res., Boulder, Colorado.
Hansen, J. and Nazarenko, L. (2004). Soot climate forcing via snow and ice albedos. Proc. Natl. Acad. Scie. USA, 101:423–428.
Hasse, G. and Crewell, S. (2000). Simulation of radar relfectivities using a mesoscale weather forecast model. Wat. Resourc. Res., 36:2221–2231.
Haynes, J. M. (2007). QuickBeam Radar Simulation Software. Department of Atmospheric Science, Colorado State Universrty, Fort Collins, CO, USA.
Haynes, J. M., Marchand, R., Luo, Z., Bodas-Salcedo, A., and Stephens, G.
(2007). A multi-purpose radar simulation package: Quickbeam. Bull. Am.
Meteorol. Soc., 88:1723–1727.
Herber, A., Thomason, L. W., Gernandt, H., Leiterer, U., Nagel, D., Schulz, K.-H., Kaptur, J., Albrecht, T., and Notholt, J. (1999). Continuous day and night aerosol optical depth observations in the arctic between 1991 and 1999. J. Geophys. Res., 107:AAC 6–1–6–14.
Hess, M., Koepke, P., and Schult, I. (1998). Optical properties of aerosol and clouds: The software package OPAC. Bull. Am. Meteorol. Soc., 79:831–844.
Heymsfield, A. J. (2003). Properties of tropical and midlatitude ice cloud particle ensembles. part II: Applications for mesoscale and climate models.
J. Atmos. Sci., 60:2867–2897.
Hogan, R. J., Gaussiat, N., and Illingworth, A. J. (2005). Stratocumulus liquid water content from dual-wavelength radar. J. Atmos. Ocean. Tech., 22:1207–1218.
Hong, G. (2007). Radar backscattering properties of nonspherical ice crystals at 94 Ghz. J. Geophys. Res., 112:D22203–1 – D22203–11.
IPCC (2001). Climate Change 2001: The Physical Science Basis. Contri-bution of Working Group I to the third asessement report of the Inter-governemental Panel on Climate Change. Cambridge University Press, Cambridge, Nowy Jork.
IPCC (2007). Climate Change 2007: The Physical Science Basis. Contribu-tion of Working Group I to the Fourth Assessment Report of the Intergo-vernmental Panel on Climate Change, 2007. Cambridge University Press, Cambridge, United Kingdom and Nowy Jork, NY, USA.
Ishimaru, A. (1978). Wave propagation and scattering in random media.
Jacobson, M. Z. (2002). Control of fossil-fuel particulate black carbon and organic matter, possibly the most effective method of slowing global war-ming. J. Geophys. Res., 107:16–1 –16–22.
Kalivitis, N., Gerasopoulos, E., Vrekousis, M., Kouvarakis, G., Kubilay, N., Hatzianastassiou, N., I, I. V., and Mihalopoulos, N. (2007). Dust trans-port over the eastern Mediterranean derived from Total Ozone Mapping Spectrometer, Aerosol Robotic Network, and surface measurements. J.
Geophys. Res., 112:D03202–1–D03202–9.
Karasiński, G., Kardas, A., Markowicz, K., Malinowski, S., Stacewicz, T., Stelmaszczyk, K., Chudzyński, S., Skubiszak, W., Posyniak, M., Jagod-nicka, A. K., Hochhertz, C., and Woeste, L. (2007). LIDAR investigation of properties of atmospheric aerosol. Europ. Phys. J.: Spec. Top., 144:129–
138.
Kardas, A. E., McFarlane, S. A., Morrison, H., Comstock, J. M., Grabowski, W. W., and Malinowski, S. P. (2009a). The radar simulator: Deriving the radar signal using the cloud model output. Proc. of SPIE, 7475.
Kardas, A. E., McFarlane, S. A., Morrison, H., Comstock, J. M., Grabowski, W. W., and Malinowski, S. P. (2009b). Simulations of radar signals on
the basis of cloud model results - deep convection conditions. Eos Trans.
AGU, 90(52).
Kardas, A. E., McFarlane, S. A., Morrison, H., Grabowski, W. W., Comstock, J. M., and Malinowski, S. P. (2010). Radar Simulator for Validating a Two-moment Cloud Microphysical Model Applied to TWP-ICE. Atmospheric System Research (ASR) Science Team Meeting, Bethesda MA.
Kardaś, A. (2005). Badanie własności optycznych aerozoli atmosferycznych metodami teledetekcyjnymi, praca magisterska. Uniwersytet Warszawski, Warszawa.
Kessler, E. (1969). On the distribution and continuity of water substance in atmospheric circulations, volume 10 of Meteorological monographs. Ame-rican Meteorological Society, Boston MA.
Khain, A., Ovtchinnikov, M., Pinksky, M., Pokrovsky, A., and Krugliak, H.
(2000). Notes on the state-of-the-art numerical modeling of cloud micro-physics. Atmos. Res., 35:159–224.
Khairoutdinov, M. and Kogan, Y. (2000). A new cloud physics paramete-rization in a large-eddy simulation model of marine stratocumulus. Mon.
Weather Rev., 128:229–244.
Kiehl, J. and ad B. P. Briegleb, J. J. H. (1994). The simulated Earth
Kiehl, J. and ad B. P. Briegleb, J. J. H. (1994). The simulated Earth