허리케인 역학 및 클라우드 마이크 물리학
Hurricane dynamics and cloud microphysics열대 대류 구름은 지구의 기후 시스템에서 중요한 역할을 한다. 잠열 대류 및 방출은 에너지를 표면에서 상층 대기로 전달한다. 구름은 해저보다 높은 알베도를 가지고 있으며, 이로 인해 유입되는 태양 방사선이 우주로 반사된다. 열대지방의 꼭대기는 지구 표면보다 훨씬 시원하기 때문에, 높은 대류 구름의 존재는 기후계를 냉각시킨다.
열대지방에서 가장 인지도가 높은 구름 체계는 허리케인이다. 열대성 기후 시스템의 중요한 기후 효과 외에도, 허리케인은 엄청난 죽음과 파괴를 일으킬 수 있는 충분한 에너지를 가지고 있다. 따라서 이들의 정확한 예측은 무엇보다 중요하다.
구름 마이크 물리학은 현미경으로 구름의 구조와 특성을 묘사한다.
배경
열대우량 측정 미션(TRMM)은 1997년 전체 열대우량에 대한 정량적인 강우량 추정치를 제공하기 위해 출범했다. 위성은 원격 감지 기술을 사용하여 센서에서 기록된 광도를 강우 값으로 변환한다. 측정을 제약하는 데 사용되는 가장 중요한 변수는 하이드로미터의 특성이다.[1] 허리케인은 혼합상 구름으로, 액체와 고체 물(얼음)이 모두 구름 속에 존재한다는 뜻이다. 일반적으로 액체 상태의 물은 영하 40°C보다 낮은 고도에서, 고체 상태의 물은 영하 40°C보다 온도가 낮은 고도에서 지배한다. 0 °C에서 -40 °C 사이의 물은 두 단계 모두에서 동시에 존재할 수 있다. 고형수수성측정기는 위상 외에도 복사전달 계산에서 설명해야 할 다른 형태와 유형을 가질 수 있다.
1999년 가을, Amazonia (LBA)의 TRMM-대규모 생물권-대기권 실험은 브라질의 대륙과 해양 열대 구름을 샘플링했다. TRMM-LBA의 목표는 클라우드 해결 모델에서 강우량을 검증하는 것이었습니다. 여기서 논의될 열대 구름의 클라우드 마이크 물리학에 대한 여러 가지 현장 관찰이 있었다.
구름 마이크 물리학은 강수 입자의 성장, 붕괴, 그리고 낙진을 설명하는 물리적 과정이다. 모델의 경우, 클라우드 마이크 물리학은 모델의 격자 규모보다 작은 규모로 발생하며 파라미터화해야 한다.[2]
허리케인 선로 예측은 최근 몇 년 동안 좋아지고 있다. 허리케인 리타의 예를 살펴보면, 상륙 36시간 전 국립허리케인센터의 예보가 기존 예보에서 130㎞ 이상 이동하면서 불필요한 대피가 빚어졌다. 서브그리드 규모의 파라미터화 방법의 선택이 허리케인 강도, 트랙, 속도 및 강수량에 영향을 미칠 수 있다는 연구 결과가 있다. 마이크 물리학적 가정은 직접 또는 간접적으로 변형된 폭풍 구조물을 만들 수 있으며, 이는 사회적 결과를 가져올 수 있는 허리케인 트랙에 작은 변화를 초래할 수 있다.[3]
소수점 형성 및 형상
액체 물방울의 모양은 표면 장력의 영향으로 일반적으로 구형이다. 낙하 크기에 따라 낙하물을 지나 흐르는 공기의 마찰이 낙하물의 바닥을 찌그러뜨려 약간 구형이 되지 않도록 할 수 있다. 그러나, 고체 얼음은 일반적으로 멋진 구면 모양으로 형성되지 않는다. 얼음 결정들은 증착에 의해 육각 구조를 형성하는 것을 선호하지만, 존재 리밍이나 그라우펠로 집합하는 과정에서 이상한 모양을 형성할 수 있다.
얼음 입자의 모양은 대부분 얼음 입자가 형성되는 온도와 초지대에 의존한다. 초고속화는 대부분 업데이터 지역의 속도에 달려 있다. 상승기류가 높은 지역에서는 더 많은 하이드로미터가 형성된다. Graupel은 주로 업스트래프트가 약한 지역에서 발견된다. 입자 크기는 고도가 높아질수록 감소하는 경향이 있는데, 이는 낮은 고도에서 큰 입자가 작은 입자와 충돌하여 집합하기 때문이다.[1] 업스트래프트는 클라우드 마이크 물리학에 중요하기 때문에 대류 파라미터화 방식이 마이크 물리학에 어떤 영향을 미칠 수 있는지도 고려할 필요가 있다.
입자 크기 분포의 매개변수화에서 작은 오차는 단자 속도 계산에 큰 영향을 미칠 수 있다. 입자의 구성, 크기, 수 농도는 성층형과 대류형에 따라 극적으로 다르다. 열대성 사이클론의 관측에서 도출된 입자 낙하 속도는 중간위도 시스템에서 도출된 것과 크게 다르다.[4]
허리케인이 그렇게 파괴적이지 않도록 개조하는 것의 타당성에 대한 많은 연구가 있었다. 로젠펠드 외 (2007) 허리케인 카트리나(2005)의 수정 가능성을 연구했다. 그들은 허리케인의 바깥 지역에 모든 따뜻한 비가 형성되는 것을 억제함으로써 허리케인의 파종을 시뮬레이션했다. 그들은 시뮬레이션에서 씨앗을 뿌린 허리케인이 처음에 씨 뿌리는 지역의 표면 바람을 약화시켰다고 보고한다. 허리케인의 눈은 결국 수축되어 강해지기는 했지만, 전체 풍장의 평균은 약해졌다. 이 최상의 시나리오에서, 그들은 씨뿌리기가 허리케인 세력의 바람을 25% [5]감소시켰다고 보고한다.
랑고와 홉스(2005)는 열대 대류계의 상황 측정에서 얻었다. 그들은 액체 상태의 물 함량이 특이치 이하라는 것을 발견했다. 이는 새로 형성된 업데이터에서도 사실이며, 충돌-연석 및/또는 인텐테인먼트 혼합이 액체 상태의 물을 제거하는 효율적인 방법임을 시사한다. 그들은 유효 반경이 구름 기반 위 2~4km 이상의 고도에서 감소하기 시작했으며, 이는 따뜻한 비 과정 덕분이라고 지적했다. 얼음 공정은 -4 °C에서 -10 °C 사이의 온도에서 중요해졌고 바늘, 얼음 방울, 피복 등 다양한 모양을 촬영했다. 성장하는 구름에서, 입자 크기는 종종 테닝에 의해 성장한다는 것이 주목되었다.[6]
토카이 외 (2008)는 국소 사이클론에서 빗방울 크기 분포를 연구했다. 그들은 더 큰 물방울이 있든 없든 간에 고농도 소형과 중형 물방울을 발견했다. 총 물방울 수는 600~1000m−3, 액체 상태의 물 함량은 약 1gm−3, 시간당 약 20mm의 강우량이었다. 이 물방울은 평균 질량 직경이 ~1.6 mm이고 기록된 최대 직경은 4.11 mm이다. 그 결과, 중위도 및 열대성 폭풍 간의 마이크 물리학 차이로 인해 열대성 사이클론으로부터의 이전 우량 추정치가 과소평가되었을 수 있다.[7]
아마존 열대 구름의 마이크 물리학에 대한 현장 측정 결과, 상승기류가 강한 지역에서는 상승기류가 약한 지역보다 더 작은 과냉각 물방울이나 얼음 입자를 포함하고 있는 것으로 나타났다. 성층형 안빌 지역에서, 그라우펠로의 집적이 주요 성장 메커니즘이었다. 상승기류의 속도는 따뜻한 강우 과정, 림 또는 집합이 상승기류 지역의 성장의 주요 메커니즘인지 여부를 결정한다.[1]
하임스필드 외 (2002) 또한 열대대류의 마이크로물리학을 살펴봤지만, 성층대류로 한정했다. 그들은 다양한 모양과 크기의 얼음 입자들을 관찰했다. 특히, 그들은 테두리 입자가 대류 지역 근처에서 발견되었고, 작은 구들이 "전환 대류" 지역들에서 발견되었으며, 저온 권류 결정체가 형성되었다고 언급했다. 그들은 입자 크기 분포를 생성했으며, 특히 감마 분포에 잘 적합하고 지수 분포에는 약간 덜 적합하다는 점에 주목했다. 그들은 그들의 결과가 중간위도 시스템에서 도출된 결과와 비슷하다고 보았다.[8]
매개 변수화
몇 가지 다른 클라우드 마이크 물리학 매개변수 체계가 있다. 체계의 정교함에 따라 빙상 범주의 수가 달라질 수 있다. 많은 계획들이 적어도 3가지 범주를 사용한다: 구름 얼음, 그라우펠, 그리고 눈. 다른 형태의 얼음이 다른 속도로 떨어지기 때문에 얼음을 범주로 분류하는 것이 필요하다.
일반적으로 마이크 체계는 낙하 속도에 대해 질량 가중 평균을 사용한다. McFarquhar와 Black(2004)은 서로 다른 매개변수화 방법이 극적으로 다른 하이드로메터 단자 속도를 초래한다는 것을 보여주었다.[4]
강도
구름 응축 핵(CCN)의 존재는 구름에서 형성되는 구름의 낙하 수에 영향을 미친다. CCN이 많을수록, 더 많은 구름 방울이 형성될 것이다. CCN 농도의 변화 및 그와 관련된 구름 낙하 분포의 변화는 허리케인 내의 에너지를 재분배할 수 있다.[5] 이것은 1960년대에 알려져서 과학자들은 허리케인이 덜 강한 허리케인을 생성하기 위해 CCN의 추가에 의해 수정될 수 있다고 생각했다. 아이오딘화 은을 안벽 바깥으로 파종함으로써 과냉각수를 얼리고, 잠열을 더 많이 방출하며, 대류를 증가시킬 것을 제안하였다.[9] 이 방법은 열대성 사이클론에서 과냉각수가 부족했기 때문에 결국 성공하지 못했다. 다른 접근방식은 구름에 많은 수의 소형 흡습 에어로졸을 심는다. CCN의 수가 많으면 빗방울이 작아지고, 충돌-연결이 적어지며, 따라서 빗물이 적게 나온다. 이 물은 얼음이 어는 수준 이상으로 대류되어 상층 대기의 온난화와 대류 현상이 심해진다.
허리케인 강도에 대한 CCN 증가의 영향에 대한 여러 모델 연구가 있었다. 로젠펠드 외.. (2007) 허리케인 카트리나를 시뮬레이션하기 위해 WRF(Weather Research Model)를 사용했으며, 그 후 따뜻한 비 과정을 끄고 다량의 CCN을 추가하는 효과를 대략적으로 추정했다.[5] 그들은 그들이 최소한의 중심 압력과 최대 풍속을 포함한 통제 운행에서 카트리나의 주요 특징들을 시뮬레이션하는 데 성공했다고 보고한다. 따뜻한 빗줄기가 제거되자 자연스럽게 구름물 함량이 증가했고 빗물 함량은 줄어들었다. 따뜻한 비 억제는 또한 허리케인의 열역학적 구조를 변화시킨다: 허리케인의 바깥쪽 가장자리에서는 낮은 수준으로 온도가 감소한다. 이후 중심기압과 함께 절정풍이 잦아들었다.[5]
Zhu와 Zhang(2006)은 1998년 허리케인 Bonnie를 시뮬레이션하기 위해 메소스케일 모델을 사용했다. 그들은 자신들의 통제 실행이 관찰된 허리케인을 적절히 시뮬레이션할 수 있었다고 보고한다. 그리고 나서 그들은 마이크 물리학의 변화가 허리케인에 어떤 영향을 미치는지 조사하기 위해 일련의 민감도 실험을 했다.[10] 다양한 민감도 주행이 얼음 공정의 효과에 초점이 맞춰졌다. 그들은 열대성 사이클로인이 빙상 과정에 대한 강도와 핵심 구조에서 큰 민감도를 보인다고 보고한다. 얼음 과정이 제거될 때, 사이클론의 강도는 버거론 과정 없이 감소한다. 그라우펠 공정이 제거되면 폭풍은 약해지지만 모든 얼음 공정이 제거될 때만큼은 아니다. 그리고 증발이 꺼지면 폭풍의 강도가 극적으로 높아진다. 그들은 녹고 증발하는 과정이 열대성 사이클론을 증폭시키는데 중요하다고 결론짓는다.[10]
다른 상황에서 다른 적분 매개변수화 계획을 도출하였다. 벳츠-밀러(Betts-Miller-Janjic 파생 모델)는 국부 수직 온도 및 수분 구조가 현실적이도록 보장하기 위해 노력한다. 벳츠 밀러(-Janjic) 체계는 종종 열대성 사이클론을 시뮬레이션할 때 사용된다.[11] 데이비스와 보사르트(2002)는 아열대 전이를 거친 허리케인 다이애나(1984)를 시뮬레이션했다. 그들은 벳츠-밀러-잔지크 적분 매개변수화 방식을 중간위도 시스템에 설정된 매개변수와 열대 시스템에 설정된 매개변수 두 가지 방법으로 사용했다. 그들은 중간위도 시스템에 대해 매개변수화 계획을 설정할 때 시뮬레이션이 보다 현실적인 트랙과 폭풍 강도를 산출한다는 점에 주목한다. 그러나, 열대 시뮬레이션은 보다 현실적인 강우장을 만들어낸다.[11]
파트나이크와 크리슈나무르틸(2007)은 클라우드 마이크 물리학이 허리케인 강도에 미치는 영향을 평가하기 위해 2004년 허리케인 찰리를 시뮬레이션했다. 그들은 자신들의 통제 달리기가 트랙, 강도, 속도, 강수량을 시뮬레이션하는 데 성공했다고 보고한다.[12] 그들은 NASA 고다드 우주 비행 센터의 마이크 물리학을 사용했다. 이 계획은 액체 구름 물, 구름 얼음, 빗물, 눈, 그리고 우박/회색의 다섯 가지 다른 분류들을 사용한다. 그것은 또한 과냉각수를 허용한다. 그들의 연구는 낙하 속도와 가로채기 매개변수가 열대성 사이클론 강도에 어떤 영향을 미칠 수 있는지를 보여주려고 한다. 강수 입자의 크기 분포는 다음과 같이 파라메타된다.
- N(D)=N0e−λDdD
여기서 N은 주어진 지름 D와 D + dD 사이의 강수 입자의 수, N은0 절편 매개변수, λ은 기울기 매개변수, D는 입자의 지름이다.[13] 그들은 동일한 모델과 마이크 물리학 체계를 사용했고, 어떤 것이 가장 중요한지를 이해하기 위해 다른 마이크 물리학적 메커니즘을 껐다. 그들은 마이크 물리학 체계에 대한 수정이 허리케인 강도에 극적으로 영향을 끼쳤다는 점에 주목한다. 가장 심한 허리케인은 녹는 것을 억제했을 때 또는 증발하는 것을 허용하지 않았을 때였습니다. 그들은 이것을 입자를 녹이거나 증발시키는 데 필요한 에너지가 대신 공기 기둥을 가열하는 데 사용될 수 있다는 것을 의미하며, 이것은 대류를 증가시켜 더 강한 폭풍으로 이어진다. 가장 약한 모의 폭풍이 부는 동안, 눈과 그라우펠 입자의 낙하 속도가 빨라졌다. 낙진률이 높아지면서 증발도 증가해 대류가 약해졌다. 인터셉트 파라미터의 변화는 거의 변화가 없었다.[13] 이는 입자의 총수가 다른 크기의 입자 사이의 상대적 분포만큼 중요하지 않다는 것을 의미한다.
주로 클라우드 마이크 물리학이 허리케인 트랙에 어떻게 영향을 미치는지 살펴본 일련의 시뮬레이션은 서브그리드 스케일의 난류 혼합 매개변수화 체계가 트랙보다 허리케인 시뮬레이션의 강도에 더 많은 영향을 미친다는 것을 보여주었다.[3]
트랙
주된 목표는 아니지만 로젠펠드 외 2편의 작품이.. (2007) 시뮬레이션에서 다량의 에어로졸을 첨가하여 따뜻한 비를 억제하면 열대성 사이클론이 동쪽으로 우회하게 된다는 점에 주목했다.[5] 주씨와 장씨(2006)는 허리케인 트랙이 동쪽으로 밀려온 매우 약한 폭풍우를 제외하고는 구름 마이크 물리적인 과정에 민감하지 않았다고 보고한다.[10] 일련의 민감성 연구들에서, Pattnaik과 Krishnamurti는 마이크 물리적인 과정이 허리케인 트랙에 거의 영향을 미치지 않는다고 결론짓는다.[13]
데이비스와 보사르트(2002)는 무엇보다도 적분 매개변수화가 열대성 폭풍 트랙에 미치는 영향을 고려했다. 그들은 대류권에서의 잠재적인 변덕성의 변화가 풍장에 변화를 일으킬 수 있다는 것을 발견했다. 특히, 다른 계획들은 다른 트랙을 만드는 잠재적인 vorticity를 매개하는 다른 방법을 가지고 있다. 그들은 벳츠-밀러-잔지치와 그릴 체계가 카인-프리치보다 더 서쪽으로 향하는 트랙을 생산한다는 것을 발견했다.[11] Kain-Fritsch 계획은 폭풍을 너무 빨리 격화하는 경향이 있었지만 관측과 비교했을 때 최고의 트랙을 만들어냈다. 더 강한 폭풍의 시뮬레이션된 흔적은 약한 폭풍에 비해 동쪽에 더 멀리 있는 경향이 있다. Davis와 Bosart는 또한 그들의 결과가 Betts-Miller-Janjic 체계가 더 나은 결과를 가지는 경향이 있다는 것을 발견한 적적분 매개변수에 대한 이전의 민감도 연구와 다르다고 지적한다. 그들은 이 차이를 연구들 사이의 격자 간격의 차이 때문이라고 한다.[11]
클라우드 마이크 물리학이 허리케인 트랙 와[clarification needed] 포벨과 수(2007)에 미치는 영향을 구체적으로 살펴본 첫 논문이 발표됐다.[3] 그들은 허리케인 리타(2005)의 시뮬레이션과 이상적인 허리케인 시뮬레이션을 사용하여 서로 다른 마이크 물리적인 파라미터화 및 대류 체계가 허리케인 트랙을 어떻게 변화시키는지 본다. They compared the effects of the Kessler (K), Lin et al. (L), and the three class WRF single moment (WFR3) schemes, coupled with the effects of Kain-Fritsch (KF), Grell-Devenyi (GD), and Betts-Miller-Janjic (BMJ) convective parameterization schemes. 가장 비슷하게 Rita의 트랙을 시뮬레이션한 허리케인은 WSM3 마이크 물리학 체계가 BMJ 대류와 짝을 이루었을 때였다. 가장 나쁜 시뮬레이션 트랙은 K 마이크 물리학과 KF 대류가 짝을 이루었을 때인데, 실제 폭풍의 서쪽을 추적하는 약한 폭풍이 생성되었다. 단순히 마이크 물리학과 적색 대류 매개변수화 체계를 바꾸는 것에서 확산된 것은 허리케인 트랙에서 국립 허리케인 센터 앙상블과 같은 확산을 낳았다.[3]
그들은 또한 마이크 물리학 매개변수화의 가장 큰 차이점은 K가 얼음 단계를 포함하지 않는다는 점에 주목한다. 구름 얼음과 눈의 결정성과 빗방울의 구형성질과의 비교, 그리고 반구형 모양의 그라우펠은 냉동수를 매개 변수에 포함시킬 때 서로 다른 가을 속도를 낼 가능성이 있다. 그들은 리타 시뮬레이션의 가장 정확한 멤버를 사용했고, 얼음 입자의 낙하 속도가 같은 질량을 가진 액체 빗방울처럼 같은 낙하 속도를 갖도록 마이크 물리학을 변경했다. 그들은 이로 인해 허리케인의 궤적이 바뀌어서 K 계획과 비슷하게 서쪽으로 더 멀리 추적되었다고 보고한다.[3]
허리케인 리타를 시뮬레이션하는 것 외에도 푸벨과 수(2007)도 이전과 같은 시뮬레이션을 했지만 적분 매개변수화가 필요 없도록 더 작은 그리드 크기로 시뮬레이션했다. 그들은 K 계략에 의해 생성된 허리케인이 다른 것들보다 약하고 서쪽으로 가장 많이 가는 트랙을 가지고 있다는 것을 발견했다. 그들은 서로 다른 계획에서 서로 다른 암묵적 마이크 물리학적 가정은 예측 시간 수치에 따라 허리케인 트랙을 변화시킬 수 있다고 결론짓는다. 일반적으로, 그들의 결과는 더 큰 규모의 허리케인이 "베타 드리프트"[3]와 일치하는 서쪽으로 추적할 것임을 시사한다.
코리올리스 파라미터가 가변적인 대규모의 흐름 없이 이상화된 허리케인이 생성되었을 때, 그들은 허리케인이 여전히 북동쪽에서 북동쪽으로 이동한다는 것을 발견했다. 그러나 서로 다른 마이크 물리적인 방법들은 다른 방향으로 추적되었다. 대규모의 흐름이 없었기 때문에, 그들은 트랙의 차이가 마이크 물리학의 변화로 인한 소용돌이 움직임의 변화를 나타낸다고 결론짓는다. 지속적인 f-plane 실험에서는 폭풍의 움직임이 없었다. 그들은 NWS 컨센서스 모델 결과들 간의 변화는 주로 다른 모델들이 그들의 클라우드 마이크 물리학과 다른 하위 그리드 스케일 프로세스를 매개 변수화하는 방법에 기인할 수 있다는 점에 주목한다.[3]
최근 포벨 외 (2009) 이상적인 환경에서 허리케인의 모델링 연구를 실시했다. 그 모델은 일정한 해수면 온도를 가지고 있었고, 배경 바람은 없었지만, 지구는 회전하고 있었다. 그리고 나서 그들은 다양한 마이크 물리학 체계로 소용돌이를 삽입했고 트랙이 갈라졌다는 것을 알아챘다. 그들은 F07과 같은 마이크 물리학 체계를 사용했고, F07과 마찬가지로 K 스톰은 다른 마이크 물리학 체계로 생성된 폭풍보다 더 빠르고 더 서쪽으로 이동했다고 언급했다.[2] 피오리노와 엘스베리(1989)의 앞선 연구는 허리케인 트랙과 속도가 단순히 폭풍의 바깥 부분에서 접선 바람을 변화시킴으로써 바뀔 수 있다는 것을 보여주었다. 왜냐하면 허리케인 트랙과 속도는 베타 질소의 방향과 강도를 결정하는 데 도움을 주기 때문이다.[14] K 마이크 물리 파라미터가 적용된 F09 폭풍은 큰 반지름에서 가장 큰 눈과 가장 강한 바람을 가졌으며, L 폭풍은 가장 강렬했고 WSM3는 가장 작은 눈을 가졌다.
F09는 강한 외풍을 동반한 폭풍이 약한 바람을 동반한 폭풍보다 북서쪽으로 더 많이 추적했다고 지적했다. 그들은 이것이 정수 균형에 있는 분위기로 설명될 수 있다는 가설을 세운다. 정전기적 균형 상태에 있는 대기를 가정할 때, 평균 칼럼 가상 온도는 표면 압력에 가장 큰 기여를 한다. F09 3개의 폭풍의 가상 온도는 케슬러 폭풍이 다른 폭풍들보다 몇 도 더 따뜻한 온도로 변화했다. 바람은 온도 구배와 관련된 반경방향 압력 구배들에 의해 결정된다. 따라서 가상 온도의 방사상 변동이 큰 폭풍은 외풍이 더 강할 것이다.[2] 모델 간의 온도 차이는 복사 난방 및 냉방 변화로 설명할 수 있다. K 마이크론 체계는 입자 낙하 속도를 다른 것보다 느리게 만들어 그것의 앤빌의 크기를 증가시켰다. F09는 앤빌의 크기에 영향을 미치는 가장 중요한 요소는 단자 속도이며, 입자의 단자 속도는 그 기하학, 밀도, 크기에 따라 결정된다고 보고한다. 앤빌과 유입 및 방출된 방사선 사이의 상호작용은 방사상 온도 구배를 변화시켜 선로 방향의 변화를 유도한다.[2]
포벨 외 연구진은 마이크로물리학 체계의 선택이 앤빌의 크기를 증가시키거나 감소시킬 수 있는 앤빌의 입자의 단자 속도에 변화를 가져올 수 있다고 결론짓는다. (K처럼) 더 빨리 떨어질 더 무거운 입자를 생성하는 계획은 더 나쁜 결과를 낳는다. 그들은 마이크 물리학에 의해 처음 발생하는 스톰 트랙이나 속도의 변화는 조향 흐름이나 해수면 온도 같은 다른 동적 요소에 의해 증폭될 수 있다고 경고함으로써 결론을 내린다.[2][15]
참조
- ^ a b c Stith, J.L., J.E. Dye, A. Bansemer, A.J. Haymsfield, C.A. Grainger, W.A. Petersen, R. 시펠리, 2002: 열대 구름의 마이크 물리학적 관측. J. Appl. 유성, 41, 97–117.
- ^ a b c d e 포벨, R.G., K.L. 코르보시에로, H.C. Kuo, 2009: 클라우드 마이크로물리학이 이상적인 실험에서 드러난 허리케인 트랙에 미치는 영향. J. 아트모스 과학, 66, 1764–1778.
- ^ a b c d e f g h Fovell, R.G., H. Su, 2007: 클라우드 마이크 물리학이 허리케인 트랙 예측에 미치는 영향. 지오피스. 레트, 34번지, L24810번지
- ^ a b McFarquhar, G.M. 및 R.A. Black, 2004: 열대성 사이클론에서의 입자 크기 및 위상 관측: 마이크로물리학적 프로세스의 메소스케일 모델링에 대한 시사점. J. 아트모스 과학, 61, 422-439
- ^ a b c d e 로젠펠드, D, A. Kain, B. Lynn, W.L. Woodley, 2007: 서브미크론 에어로졸에 의한 따뜻한 비 억제에 대한 허리케인 반응 시뮬레이션. 아트모스, 화학. 체육, 7, 3411-3424
- ^ 랑노, A.L., P.V. 홉스, 2005: 열대 태평양의 따뜻한 풀 위에 있는 적운과 작은 적운 속의 미세 구조물과 강수량 발달. Q. J. R. 마테롤. 131번지, 639-673번지
- ^ Tokay, A, P.G. Bashor, E. Habib, T. Kasparis, 2008: 열대성 사이클론에서의 빗방울 크기 분포 측정. 월 위아 136, 1669–1685.
- ^ Heymsfield, A.J., A. Bansemer, P.R. 필드, S.L. Durden, J.L. Stith, J.E. Dyl, W. Hall, C.A. Grainger, 2002: 깊은 열대 권선 및 성층 침전 구름에서의 입자 크기 분포의 관측 및 매개변수: TRMM 현장 캠페인의 현장 관찰 결과. J. 아트모스 과학, 59, 3457–3491.
- ^ 윌로비, H, D. 조겐슨, R. 블랙, S. 로젠탈, 1985년 프로젝트 스톰퓨리: 과학 연대기 1962-1983. 황소. 아머. 유성. Soc, 66, 505–514.
- ^ a b c 주, T, D.L. Zhang, 2006: 허리케인 Bonnie의 수치 시뮬레이션 (1998년). 제2부: 다양한 클라우드 마이크로물리학적 프로세스에 대한 민감도. J. 아트모스 공상과학, 63, 109–126.
- ^ a b c d 데이비스, C, L.F. 보사르트, 2002: 허리케인 다이애나의 창세기 수치 시뮬레이션 (1984) 파트 2: 트랙의 민감도 및 강도 예측. 월 위아 리브 130, 1100–1124.
- ^ Pattnaik, S. 및 T.N. Krishnamurti1, 2007, 클라우드 마이크 물리 과정이 허리케인 강도에 미치는 영향, 파트 1: 제어 실행. 마테오, 아트모스. 체육, 97, 117-126
- ^ a b c Pattnaik, S. 및 T.N. Krishnamurti1, 2007, 클라우드 마이크 물리 과정이 허리케인 강도에 미치는 영향, 파트 2: 민감도 실험. 마테오, 아트모스. 체육, 97, 127-147
- ^ 피오리노, M.J., R.L. 엘스베리 1989: 열대성 사이클론 운동과 관련된 소용돌이 구조의 일부 측면. J. 아트모스 과학, 46, 975-990
- ^ Fovell R., and H Su (2007). "Impact of Microphysics on Hurricane Track and Intensity Forecasts". NASA. Retrieved 7 December 2009.