Kraftigt regn över Alperna orsakat av ett cumulonimbusmoln (orange indikerar hög nederbörd). För att bättre visualisera effekten av regn, moln har tagits bort från både molnbasen och cumulonimbusmolnet mot kameran. Kredit:Hädrich et al. 2020
En molnsimulering som fångar utvecklingen och utvecklingen av moln baserad på atmosfäriska fysiska processer är mer exakt än andra modeller.
"Vår modell beskriver atmosfäriska förhållanden och termodynamiska processer samt vätskedynamiken som styr luftens rörelse i atmosfären, säger Torsten Hädrich, en KAUST Ph.D. student i det internationella forskarteamet. "Detta tillåter oss att simulera molnfenomen mer realistiskt än tidigare metoder."
Modellen kan ta känd atmosfärisk information när som helst, som temperatur, fukt och vind, och simulera molnbildning, som används för "nowcasting" av förestående molnfenomen.
"Till exempel, vår modell kan simulera bildandet av cumulonimbusmoln genom att beakta varierande temperaturgradienter i atmosfären, säger Hädrich. Gradienterna leder till temperaturinversioner på vissa höjder, som är ansvariga för den karakteristiska platta toppen av cumulonimbus moln. Vi kan också modellera olika typer av supercell-åskväder, som inte har behandlats tidigare."
Ramverket utvecklade simuleringar av hög dimma runt Half Dome i Yosemite National Park. Kredit:Hädrich et al 2020
Modellen har utvecklats av KAUSTs Hädrich och Dominik Michels i samarbete med forskare från Adam Mickiewicz University i Polen, University of New Mexico i USA och Google AI.
För att skapa modellen, teamet var tvungen att lösa ett antal fysiska processer, såsom kondensering och avdunstning, och det komplexa samspelet mellan fysiska storheter, såsom temperatur och luftfuktighet, inom simuleringen.
"Vår främsta utmaning var då att avgöra vilka parametrar som bidrar till bildandet av specifika molntyper. Vi kunde definiera de fysiska parametrarna i vår simulering på ett sådant sätt att vi kunde skapa specifika molnformationer utan specifik kunskap, " säger Hädrich.
