Springe direkt zu Inhalt

Turbulente Wandgrenzschichten

Visualisierung der Wirbelstärke (Enstrophie) einer turbulenten Strömung in Wandnähe mit und ohne Intermittenz; weiße Bereiche zeigen geringe Wirbelintensität und schwarze eine hohe.

Visualisierung der Wirbelstärke (Enstrophie) einer turbulenten Strömung in Wandnähe mit und ohne Intermittenz; weiße Bereiche zeigen geringe Wirbelintensität und schwarze eine hohe.
Bildquelle: Cedrick Ansorge (python-matplotlib), CC-BY 4.0.

Die Daten

Diese Datensammlung enthält Statistiken aus direkten numerischen Simulationen turbulenter Wandgrenzschichten mit dem open-source code tLab (link: https://github.com/turbulencia/tlab). Die Simulationen dienen dem Studium der atmosphärischen Grenzschicht (ABL – „atmospheric boundary layer“). Die ABL ist der untere Teil der Erdatmosphäre (1,5-2 km), der an die Erdoberfläche grenzt. Sie wird durch die Haftbedingung am Boden zusammen mit dessen Rauigkeit und dem Wärmeaustausch mit der Oberfläche beeinflusst, aber auch durch die Drehung der Erde (Coriolis-Effekt) sowie den groß-skaligen Antrieb in Form des geostrophischen Windes.

Die Randbedingung hat einen destabilisierenden Effekt auf die Strömung und führt zu Grenzschichtturbulenz auf Zeitskalen von Sekundenbruchteilen bis hin zu Stunden. Die ABL nimmt nicht nur im Erdsystem eine zentrale Rolle ein, da sie verschiedene Teilkomponenten (Land, Wasser, Landeis, Meereis, Atmosphäre) miteinander verbindet; sie ist auch der Teil der Atmosphäre, in dem Menschen das Wettergeschehen wahrnehmen.

Die Daten in dieser Sammlung betrachten stark idealisierte Fälle, basieren dafür aber ausschließlich auf den physikalischen Grundprinzipien der Strömungsmechanik (Navier—Stokes Gleichungen). Diese Isolation der fluid-mechanischen Aspekte der Grenzschicht ist geeignet, das Verständnis der physikalischen Prozesse in der atmosphärischen Grenzschicht zu verbessern, da im Falle von Beobachtungsdaten oder Daten aus komplexeren Modellen (large-eddy simulationen, meso-skalige Modelle wie WRF oder MM5 oder Wettervorhersagemodelle wie ICON, GFS oder IFS) eine Prozessattribution oft nicht möglich ist. So soll die Sammlung einen Beitrag leisten, um die Turbulenzparameterisierungen zu verbessern, welche in größer-skaligen Modellen für die numerische Wettervorhersage und Klimaprojektion immer noch mit großen Unsicherheiten behaftet sind. Konkret besteht die Möglichkeit, Annahmen, die Parameterisierungen zugrunde liegen, a priori sowie a posteriori zu prüfen.

Veröffentlichung des Datensatzes: Ansorge C, Kostelecky J (2024) https://refubium.fu-berlin.de/handle/fub188/43499