Study of surface layer characteristics in the presence of suspended snow particles using observational data and Large-Eddy Simulation

Cover Page

Cite item

Full Text

Open Access Open Access
Restricted Access Access granted
Restricted Access Subscription Access

Abstract

The snowdrift is a two-phase flow consisting of air and suspended particles. In the presence of snow particles in the air, additional stability appears in the surface layer due to the density gradient. The density gradient reduces turbulence and affects the properties of the surface layer. Therefore, to describe the properties of the flow with included snow particles, additional clarifications are required. A description of the surface layer parameterization with the presence of suspended snow particles is presented in this paper. The formulation of the effect of snow particles consists in reformulation of the Obukhov turbulent length scale. The novel surface layer parameterization allows to take into account the effect of snow particles on turbulent flow and may improve the estimates of friction velocity and boundary-layer height.The parameterization was successfully tested on the observational data. Description of snow particles influence was included in the Large-Eddy Simulation (LES) model. The numerical experiments confirmed an increase in the stability of the surface layer. Mechanism of suspended particles influence on the surface layer is analogous to a thermal stabilization of the turbulent flow, in which negative buoyancy acts to reduce the turbulent kinetic energy.

Full Text

Restricted Access

About the authors

V. I. Suiazova

Lomonosov Moscow State University, Research Computing Center; Obukhov Institute of Atmospheric Physics of Russian Academy of Science; Moscow Center for Fundamental and Applied Mathematics

Author for correspondence.
Email: er-riad@mail.com
Russian Federation, 119991, Moscow, Leninskiye Gory, 1, p. 4; 119017, Moscow, Pyzhevskiy per., 3; 119991, Moscow, Leninskie Gory, 1

A. V. Debolskiy

Lomonosov Moscow State University, Research Computing Center; Obukhov Institute of Atmospheric Physics of Russian Academy of Science; Moscow Center for Fundamental and Applied Mathematics

Email: er-riad@mail.com
Russian Federation, 119991, Moscow, Leninskiye Gory, 1, p. 4; 119017, Moscow, Pyzhevskiy per., 3; 119991, Moscow, Leninskie Gory, 1

Е. V. Mortikov

Lomonosov Moscow State University, Research Computing Center; Moscow Center for Fundamental and Applied Mathematics

Email: er-riad@mail.com
Russian Federation, 119991, Moscow, Leninskiye Gory, 1, p. 4; 119991, Moscow, Leninskie Gory, 1

References

  1. Баренблатт Г.И., Голицын Г.С. Локальная структура развитых пыльных бурь. M: Изд-во МГУ, 1973. 44 с.
  2. Бычкова В.И., Рубенштейн К.Г. Параметризация процессов возникновения и эволюции низовой метели // Оптика атмосферы и океана. T. 31. № 2. C. 143–150.
  3. Бютнер Э.К. Динамика приповерхностного слоя воздуха. Л.: Гидрометеоиздат, 1978.
  4. Дюнин А.К. Механика метелей (вопросы теории проектирования снегорегулирующиз средств). Новосибирск: Изд. Сибирского отделения АН СССР, 1963.
  5. Курбатова М.М., Бычкова В.И. Моделирование скорости ветра при низовой метели с помощью модели WRF-ARW // Гидрометеорологические исследования и прогнозы. 2020. Т. 375. № 1. С. 130–141.
  6. Adams J.E., Weatherly G.L. Some effects of suspended sediment stratification on an oceanic bottom boundary layer // Journal of Geophysical Research: Oceans. 1981. V. 86. № 5. P. 4161–4172.
  7. Bagnold R.A. The transport of sand by wind // The Geographical Journal. 1937. V. 89. № 5. P. 409–438.
  8. Barenblatt G.I., Golitsyn G.S. Local structure of mature dust storms // Journal of Atmospheric Sciences. 1974. V. 31. № 7. P. 1917–1933.
  9. Bintanja R. Snowdrift suspension and atmospheric turbulence. Part I: Theoretical background and model description // Boundary-layer meteorology. 2000. V. 95. № 3. P. 343–368.
  10. Bintanja R. Buoyancy effects induced by drifting snow particles // Annals of Glaciology. 2001. V. 32. P. 147–152.
  11. Bou-Zeid E., Meneveau C., Parlange M.B. A scale-dependent lagrangian dynamic model for large eddy simulation of complex turbulent flows // Phys. Fluids. 2005. V. 17. № 2. P. 105–122.
  12. Brown D.L., Cortez R., Minion M.L. Accurate projection methods for the incompressible Navier–Stokes equations // Journal of computational physics. 2001. V. 168. № 2. P. 464–499.
  13. Businger J.A., Wyngaard J.C., Izumi Y., Bradley E.F. Flux-profile relationships in the atmospheric surface layer // Journal of Atmospheric Sciences. 1971. V. 28. № 2. P. 181–189.
  14. Cuxart, J., Holtslag, A.M., Beare, R.J., Bazile, E., Beljaars, A., Cheng, A., Conangla, L., Ek M., Freedman F., Hamdi R. et al. Single-column model intercomparison for a stably stratified atmospheric boundary layer // BoundaryLayer Meteorology. 2006. V. 118. № 2. P. 273–303.
  15. Debolskiy A.V., Mortikov E.V., Glazunov A.V., Lüpkes C. Evaluation of surface layer stability functions and their extension to first order turbulent closures for weakly and strongly stratified stable boundary layer // BoundaryLayer Meteorology. 2023. V. 187. № 1–2. P. 73–93.
  16. Déry S.J., Yau M.K. A bulk blowing snow model // BoundaryLayer Meteorology. 1999. V. 93. № 2. P. 237–251.
  17. Dyer A.J. A review of flux-profile relationships // BoundaryLayer Meteorology. 1974. V. 7. P. 363–372.
  18. Germano M., Piomelli U., Moin P., Cabot W.H. A dynamic subgrid-scale eddy viscosity model // Phys. Fluids. 1991. V. 3. № 7. P. 1760–1765.
  19. Grachev A.A., Andreas E.L., Fairall C.W., Guest P.S., Persson P.G. SHEBA flux–profile relationships in the stable atmospheric boundary layer // Boundary-layer meteorology. 2007. V. 124. P. 315–333.
  20. Groot C.D., Diebold M., Horender S., Overney J., Lieberherr G., Parlange, M.B., Lehning M. Modelling smallscale drifting snow with a Lagrangian stochastic modelbased on large-eddy simulations // Boundary-Layer Meteorology. 2014. V. 153. № 1. P. 117–139.
  21. NOAA PSL data archives. IASOA // 2023.
  22. Kadantsev E.V., Mortikov E.V., Zilitinkevich S.S. The resistance law for stably stratified atmospheric planetary boundary layers // Quarterly Journal of the Royal Meteorological Society. 2021. V. 147. № 737. P. 2233–2243.
  23. Li L., Pomeroy J.W. Probability of occurrence of blowing snow // Journal of Geophysical Research: Atmospheres. 1997. V. 102. № D18. P. 21955–21964.
  24. Lieberherr G. Modeling snow drift in the turbulent boundary layer.: Ècole polytechnique federale de Lausanne, 2010.
  25. Mann G.W. Surface heat and water vapour budgets over Antarctica // 1998.
  26. Marsh C.B., Pomeroy J.W., Spiteri R.J., Wheater H.S. A finite volume blowing snow model for use with variable resolution meshes // Water Resources Research. 2020. V. 56. № 2. P. 1–28.
  27. Meneveau C., Lund T.S., Cabot W.H. A Lagrangian dynamic subgrid-scale model of turbulence // J. Fluid Mech. 1996. V. 319. P. 353–385.
  28. Monin A.S., Yaglom A.M. Statistical fluid mechanics. Cambridge/Mass: MIT Press, 1971.
  29. Morinishi, Y., Lund, T.S., Vasilyev, O.V., Moin, P. Fully conservative higher order finite difference schemes for incompressible flow // Journal of Computational Physics. 1998. V. 143. № 1. P. 90–124.
  30. Mortikov E.V., Glazunov A.V.V., Lykossov V.N. Numerical study of plane Couette flow: turbulence statistics and the structure of pressure–strain correlations // Russian Journal of Numerical Analysis and Mathematical Modelling. 2019. V. 34. № 2. P. 119–132.
  31. Mortikov E.V. Numerical simulation of the motion of an ice keel in a stratified flow // Izvestiya, Atmospheric and Oceanic Physics. 2016. V. 52. № 1. P. 108–115.
  32. Pomeroy J.W., Male D.H. Steady-state suspension of snow // Journal of hydrology. 1992. V. 136. № 1–4. P. 275–301.
  33. Pomeroy J.W., Gray D.M., Landine P.G. The prairie blowing snow model: characteristics, validation, operation // Journal of Hydrology. 1993. V. 144. № 1–4. P. 165–192.
  34. Pomeroy J.W., Li L. Prairie and arctic areal snow cover mass balance using a blowing snow model // Journal of Geophysical Research: Atmospheres. 2000. V. 105. № D21. P. 26619–26634.
  35. Smith J., McLean S.R. Boundary layer adjustments to bottom topography and suspended sediment // Elsevier oceanography series.: Elsevier, 1977. P. 123–151.
  36. Tkachenko E.V., Debolskiy A.V., Mortikov E.V., Glazunov A.V. Large-eddy simulation and parameterization of decaying turbulence in the evening transition of the atmospheric boundary layer // Izvestiya, Atmospheric and Oceanic Physics. 2022. V. 58. № 3. P. 219–236.
  37. Uttal T., Starkweather S., Drummond J.R., Vihma T., Makshtas, A.P. et al. International arctic systems for observing the atmosphere: An international polar year legacy consortium // Bulletin of the American Meteorological Society. 2016. V. 97. № 6. P. 1033–1056.
  38. Wamser C., Lykossov V.N. On the friction velocity during blowing snow // Beitrage zur Physik der Atmosphare-Contributions to Atmospheric Physics. 1995. V. 68. № 1. P. 85–94.

Supplementary files

Supplementary Files
Action
1. JATS XML
Download
2. Fig. 1. Scatter plots of friction velocity calculated from two series (“MOST” and “MOST SNOW”) and measured at the Tiksi station in 2015 (a) and 2016 (b).

Download (236KB)
Indexing metadata
3. Fig. 2. Changes in the near-surface volume concentration of snow particles for experiments with different surface cooling rates (Cr) at the height of the saltation level.

Download (192KB)
Indexing metadata
4. Fig. 3. Friction velocity in experiments with suspended snow particles (“MOST SNOW”) and without them (“MOST”) with different cooling (Cr).

Download (284KB)
Indexing metadata
5. Fig. 4. Wind speed at 10 m in the experiment with (“MOST SNOW”) and without (“MOST”) suspended snow particles.

Download (146KB)
Indexing metadata
6. Fig. 5. Wind speed (b) and momentum flux (a) profiles in experiments with “MOST SNOW” and without “MOST” suspended snow particles.

Download (147KB)
Indexing metadata
7. Fig. 6. Components of the Reynolds anisotropy tensor (a) and normalized TKE profiles (b), averaged over the 9th hour of modeling in experiments with (“MOST SNOW”) and without (“MOST”) suspended snow particles.

Download (174KB)
Indexing metadata


Creative Commons License
This work is licensed under a Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».