Simulation der Dynamik der Laptev-See Polynja

mit dem Meereis-Ozean-Modell FESOM

unter Verwendung von

In-situ-Daten und globalen Analysen

Diplomarbeit in Angewandte Umweltwissenschaften

vorgelegt von

Thomas Ernsdorf Trier

Universität Trier Fachbereich VI – Geographie/Geowissenschaften Fach Umweltmeteorologie

Oktober 2009

Gutachter: Prof. Dr. G. Heinemann

Universität Trier Fachbereich VI – Geographie/Geowissenschaften Fach Umweltmeteorologie 54286 Trier

Prof. Dr. J. Hill

Universität Trier Fachbereich VI – Geographie/Geowissenschaften Fach Fernerkundung 54286 Trier

Autor: Thomas Ernsdorf

Peter-Klöckner-Str. 5 54293 Trier

Zusammenfassung

Die Laptev-See Polynja ist von großer Bedeutung, da hier ein beachtlicher Teil des Meereisvolumens im Arktischen Ozean gebildet wird und deutlich veränderte Stoff- und Wärmeflüsse bewirkt werden. Gegenstand der vorliegenden Arbeit ist die Simulation der Dynamik der Laptev-See Polynja für den April 2008 mit dem numerischen Meereis-Ozean- Modell FESOM in einer eindimensionalen Version für den Ozean. In den Simulationen wird das FESOM mit sechsstündlichen atmosphärischen GME-Analysen (0,5 °  0,5 ° Auflösung) und NCEP-Reanalysen (2,5 °  2,5 ° Auflösung) sowie mit stündlichen COSMO-Daten (5 km 5 km Auflösung) angetrieben. Vergleiche mit In-situ- Daten von vier am Rand der West-Neusibirischen Polynja befindlichen automatischen Wetterstationen zeigen, dass die Analysen und Reanalysen für den Antrieb geeignet sind. Es handelt sich meist um geringe Unterschiede. Ausnahmen bestehen in den von GME-Analysen kaum ausgeprägten und somit wenig realistischen Tagesgängen der Lufttemperatur und spezifischen Luftfeuchte. Dagegen wird die Windrichtung von den GME-Analysen etwas besser wiedergegeben als von den NCEP-Reanalysen. Der Schwerpunkt liegt auf zwei Polynjaereignisse vom 21. bis 23. April und vom 26. bis 30. April. Sie werden mit allen Antriebsgrundlagen realitätsnah simuliert. Dies haben Vergleiche mit aus AMSR-Daten abgeleiteten Meereiskonzentrationen ergeben. Im Wesentlichen wird das dynamische Verhalten der Laptev-See Polynja von Antrieben mit GME-Analysen, NCEP- Reanalysen und COSMO-Daten in ähnlicher Weise dargestellt. Es bestehen aber auch Unterschiede in Lage und Entwicklung der Polynja. Die Eisdriftrichtung und -geschwindigkeit können differieren. Grundsätzlich sind die Simulationsergebnisse mit den hoch aufgelösten COSMO-Daten zu bevorzugen, da sie kleinräumige meteorologische Unterschiede besser wiedergeben. Durch die Simulationen werden folgende Resultate erzielt: Die turbulenten atmosphärischen Flüsse sensibler und latenter Wärme reagieren auf Polynjaereignisse mit einem Anstieg. Bei Öffnung der Meereisdecke ist das warme Ozeanwasser der Atmosphäre ausgesetzt, so dass die sensible Komponente nachts stellenweise über 220 W/m2 liegt und der latente Wärmefluss ca. 120 W/m2 erreicht. Es ergibt sich eine maximale thermische Eisdickenzunahme von über 5 mm pro Stunde. Im Gegensatz dazu werden advektive Eisdickenabnahmen von unter 5 cm pro Stunde bewirkt. Aufgrund hoher Meereisadvektionsraten dehnt sich die WNSP zum zweiten Polynjaereignis auf eine Breite von über 60 km und eine Fläche von mehr als 10000 km2 aus. Der Einsatz des FESOM zur Darstellung der Dynamik der Laptev-See Polynja ist erfolgreich. Erstmalig ist es gelungen, Polynjaöffnungen realitätsnah abzubilden. Es besteht aber weiterhin Verbesserungs- und Erweiterungspotential. Eine Maßnahme stellt die Beschreibung der dreidimensionalen Vorgänge des Ozeans dar. Auf Basis von Antrieben mit COSMO-Daten, der Herleitungsschemata der initialen Merkmale, einiger Modellkonfigurationen für die Laptev-See und der Verwirklichung der Verbesserungs- und Erweiterungsvorschläge können in Zukunft realistische Simulationen für langzeitliche Studien durchgeführt werden.

I

Inhaltsverzeichnis

1 Einleitung 1

2 Beobachtungsdaten und Analysen 6 2.1 Datengrundlage ...... 6 2.1.1 Meteorologische Messungen ...... 6 2.1.2 AMSR-Daten ...... 9 2.1.3 GME-Analysen ...... 10 2.1.4 NCEP-Reanalysen ...... 11 2.1.5 COSMO-Daten ...... 12 2.2 Meteorologische Bedingungen und Polynjazustände ...... 13 2.3 Vergleiche von In-situ-Daten und Analysen ...... 19 2.3.1 GME-Analysen ...... 20 2.3.2 NCEP-Reanalysen ...... 26

3 Modellbeschreibung 30 3.1 Ozeanmodell ...... 30 3.1.1 Dynamik ...... 30 3.1.2 Thermodynamik ...... 31 3.1.3 Numerik ...... 32 3.2 Meereismodell ...... 33 3.2.1 Dynamik ...... 33 3.2.2 Thermodynamik ...... 35 3.3 Konfigurationen für die Laptev-See ...... 39 3.3.1 Physik ...... 39 3.3.2 Modellgitter ...... 41 3.3.3 Initialisierung ...... 42 3.3.4 Atmosphärischer Antrieb ...... 45

4 Simulationsergebnisse für den April 2008 46 4.1 Meereis in der Laptev-See ...... 46 4.1.1 Verifikation der Meereiskonzentration ...... 46 4.1.2 Sensitivität bezüglich der zeitlichen Auflösung des Antriebs ...... 54 4.1.3 Meereisdicke ...... 55 4.2 Dynamik der West-Neusibirischen Polynja ...... 57 4.2.1 Atmosphärische Wärmeflüsse...... 59 4.2.2 Meereiskonzentration ...... 64 4.2.3 Meereisdicke ...... 68

5 Fazit und Ausblick 80

Literaturverzeichnis 83

Anhang 88 A Abkürzungen ...... 88 B Symbole ...... 89 C Plausibilitätsüberprüfung der In-situ-Daten ...... 91 D Abbildungen ...... 93 E Tabellen ...... 94

II Inhaltsverzeichnis

Danksagung 97

III

1 Einleitung

Die arktische Meereisdecke ist durch kurzlebige, in Verbindung mit Packeisdeformationen stehende Rinnen und weitaus größere persistente und wiederkehrende Regionen offenen Wassers oder dünnen Eises, so genannte Polynjen (Martin, 2001), geprägt. In der 661,25 ∙ 103 km2 umfassenden Laptev-See (Bareiss und Görgen, 2005; Mcdonald et al., 2005), einem nordöstlich des Nordsibirischen Tieflandes liegenden und von Sewernaja Semlja und den Neusibirischen Inseln begrenzten Randmeer des Arktischen Ozeans (Abb. 1.3 und Abb. 2.1), tragen sie zu einem großen Teil zu der winterlichen Netto-Meereisproduktion bei. Etwa 20 % des Meereisvolumens, das durch die Framstraße mit der Transpolardrift in den nordatlantischen Ozean transportiert wird, bildet sich in Rinnen und Polynjen1 der Laptev-See (Dethleff, 1995; Rigor und Colony, 1997). Zudem spielen die veränderten Stoff- und Wärmeflüsse eine entscheidende Rolle für die Umgebung. Die Bedeutung der Laptev-See Polynjen lässt sich unter anderem aus der Dimension und den dynamischen Charakteristika der in Abbildung 1.1 exemplarisch dargestellten West-Neusibirischen Polynja (WNSP) nachvollziehen.

1) Polynja 2) Frazil Ice 3) Grease Ice 4) Eiskante 5) Packeis 2 1 6) Reißverschluss- strukturen 3 7) Presseisrücken 4 6 5 7

Abbildung 1.1: West-Neusibirische Polynja (WNSP) in der Laptev-See am 24.04.2008 um 3.30 Uhr UTC (Foto: Kassens). Auf der Polynja (1) drängt sich Frazil Ice in Langmuir-Zirkulationszellen (2) zusammen. An der Eiskante (4) bildet sich Grease Ice (3). Durch Auf- und Unterschieben des Eises, das so genannte Finger Rafting, entstehen die Reißverschlussstrukturen (6) auf dem Packeis (5). Presseisrücken (7) sind das Resultat des Drucks an der Kontaktstelle mehrerer Eisschollen.

Die Polynjen der Laptev-See entstehen vor allem zwischen Festeis und Packeis (Abb. 1.2) und werden daher als Flaw Polynyas bezeichnet (World Meteorological Organization, 1970). Eine Ausnahme stellen mögliche Shore-Polynya-Ereignisse entlang der Küste der Taimyr- Halbinsel dar (Abb. 1.3).

1 Die Laptev-See Polynja wird gemäß ihrer Ausrichtung in mehrere Teilpolynjen unterteilt. Daher wird im Text auch die pluralistische Form „Laptev-See Polynjen“ verwendet. 1 1 Einleitung

Packeis

Polynja

Festeis

Abbildung 1.2: MODIS- Szene (Moderate Resolution Imaging Spectroradiometer) der Laptev-See vom 30. April 2008 um 3.35 Uhr UTC (persönliche Mitteilung, 2008). Die schwarzen Flächen zwischen Packeis und Festeis repräsentieren Polynjen.

Das sich jährlich im November aufbauende Festeis bedeckt bis Mai ca. 50 % der flachen östlichen Laptev-See und erstreckt sich teilweise mehr als 200 km von der Küste entfernt, bis eine Ozeantiefe von ungefähr 25 m erreicht ist (Bareiss, 2003; Eicken et al., 2005). Die gesamte Laptev-See weist die größte Festeisbedeckung aller arktischen Schelfmeere2 auf. Bohrungen haben im Mai eine mittlere Festeisdicke von 1,95 m in der südlichen Laptev-See ergeben (Haas und Eicken, 2001). Nach Kotchetov et al. (1994) weicht die mittlere Eisdicke der übrigen Festeisregionen unwesentlich davon ab. Angrenzend an die Lena-Mündung erreicht das Festeis eine Dicke von bis zu 2,2 m (Dmitrenko et al., 2005). In diesem und anderen sehr flachen Küstengebieten mit einer Tiefe von weniger als ca. 2 m kann das Festeis auch mit dem Meeresboden verbunden sein, welches dann als Bottom Fastice bezeichnet wird. Es hält den Permafrost aufrecht, was wiederum die Küstenmorphologie beeinflusst (Eicken et al., 2005).

Taimyr- Laptev-See Halbinsel NSI TP Packeis WNSP ALP

Festeis

Nordsibirisches Tiefland Tiksi Lena

Abbildung 1.3: Karte der Laptev-See mit ungefährer Festeisgrenze für den November 2007 bis Mai 2008. Die Festeisgrenze wurde aus MODIS- und AMSR-E-Daten (Advanced Microwave Scanning Radiometer - Earth Observing System) abgeleitet (Kap. 3.3.3). Zwischen Festeis bzw. Küste und Packeis bilden sich nach Zakharov (1966) unter anderem die Taimyr Polynja (TP), die Anabar-Lena Polynja (ALP) und die WNSP.

2 Der Ozeangrund der südlichen Laptev-See (bis etwa 76 °N) ist überwiegend homogen und nicht durch große topographische Unterschiede gekennzeichnet. Aufgrund dessen wird die Polynja nicht, wie beispielsweise möglicherweise die Weddell Polynja während der Winter der Jahre 1974 bis 1976, von warmem Tiefenwasser, das durch Erhebungen des Meeresbodens zur Ozeanoberfläche hin abgelenkt wird, initiiert (Holland, 2001). 2 1 Einleitung

Im Gegensatz zum stationären Festeis ist das Packeis mobil. Seine Dicke hängt in hohem Maße von Prozessen des Eisimports und -exports ab. Systematische Beobachtungen seit den 1930ern ergeben in der Laptev-See am Ende des Winters eine mittlere Packeisdicke von 1,57 m mit einer Standardabweichung von 0,24 m (Romanov, 1996). Infolge von oberflächennahen Winden kann das Packeis von der angrenzenden Festeisgrenze advehiert werden, so dass sich eine so genannte Wind-Driven Polynya bildet, welche direkt der kalten Luft ausgesetzt ist und einen starken sensiblen Wärmefluss zur Atmosphäre bewirkt (Abb. 1.4). Der Wärmeeintrag in die Atmosphäre über der Polynja kann den über dem benachbarten Meereis um bis zu zwei Größenordnungen übertreffen (Vowinckel und Orvig, 1973; Maykut, 1978). Beobachtungen zeigen Werte von mehr als 500 W/m2 (Roberts et al., 2001). Damit stellen Polynjen eine wichtige Wärmequelle für den unteren Bereich der Troposphäre dar. Der Wärmeverlust in Form von sensibler Wärme und Strahlung an der ozeanischen Deckschicht resultiert in Neueisproduktion, die zur Freisetzung latenter Wärme an die Umgebung führt. Daher wird eine Wind-Driven Polynya auch als Latent Heat Polynya bezeichnet (Smith et al., 1990). Die Eisproduktion ist mit lokalem Salzeintrag in das oberflächennahe Wasser und dessen konvektiver Mischung zum Ozeangrund verbunden. Ein Teil des am Schelf akkumulierten kalten, salzhaltigen und somit dichten Wassers fließt den Kontinentalhang hinunter und fungiert als bedeutsamer Lieferant für das Tiefenwasser des Arktischen Ozeans (Winsor und Björk, 2000; Biggs et al., 2000; Bareiss und Görgen, 2005).

sensible Wärme

Transportrichtung Wind

Packeis dünnes Eis, Pancake Ice Grease Ice Freisetzen Festeis Frazil Ice Frazil Ice- latenter Wärme Produktion durch Gefrieren

turbulente Laptev-See Konvektion Pyknokline - 15 m

- 20 m kaltes, salzhaltiges Wasser Transportrichtung Schelf

- 30 m Abbildung 1.4: Physikalische Prozesse in der WNSP. Aufgrund der Lage und physikalischen Vorgänge wird sie als „Shelf Water Latent Heat Flaw Polynya“ klassifiziert.

Durch anhaltende Winde wird das neu gebildete Eis kontinuierlich zur Packeisgrenze weggetrieben bzw. richtet sich nach dem von Martin und Kauffman (1981) beschriebenen Effekt der Konvergenz in den Langmuir-Zirkulationszellen in Streifen parallel zur Windrichtung aus (Abb. 1.1). Die Polynja wird auch durch die, infolge des fortwährend entstehenden Eises, erzeugte latente Wärme aufrechterhalten (Smith et al., 1990). Sie gleicht den Wärmeverlust an die Atmosphäre aus. Aufgrund von Evaporation über der Polynja und der damit zusammenhängenden Erhöhung der Luftfeuchtigkeit ist Wolkenbildung möglich, was die nach unten gerichtete langwellige Strahlung erhöht (Willmott et al., 2007). Diese Prozesse vermindern das Eiswachstum und erhalten zusätzlich die Polynja.

3 1 Einleitung

Eine Änderung der Windrichtung auf aufeisige Winde (bezüglich des Festeises) ist mit einem Schließungsvorgang der offenen Wasserfläche verbunden. Die im Wasser suspendierenden feinen Eisnadeln und Eisplatten, welche als Frazil Ice bezeichnet werden, koagulieren zu einer dünnen, trüben Schicht, dem Grease Ice. Bevor sich eine kompakte Eisdecke bildet, bricht das Grease Ice in der Regel in einem weiteren Stadium infolge von Wasserbewegung zu Pancake Ice auseinander. Die hier dargestellte Polynjadynamik und die damit verbundenen Prozesse geschehen für bestimmte Regionen mehrmals intermittierend während der festeiserhaltenen Zeit. Das relevante Gebiet, das Ausmaß und die zeitliche Dimension variieren im Wesentlichen mit der Windrichtung und der Windgeschwindigkeit.

Obwohl die Entstehungsmechanismen von (Laptev-See) Polynjen und die hierdurch ausgelösten allgemeinen physikalischen Vorgänge relativ gut bekannt sind, besteht weiterhin Forschungsbedarf. So ist eine Verbesserung des Verständnisses und der Quantifizierung der Effekte von Polynjen der Laptev-See auf Prozesse des Atmosphäre-Ozean-Meereis-Systems erstrebenswert. Dieses Ziel kann vorzugsweise durch die Anwendung eines geeigneten Modells verfolgt werden. Demzufolge soll die Realität, also der Zustand der Polynja und somit der umgebenden Umweltkompartimente, möglichst genau abgebildet werden. Einen Beitrag hierzu stellt diese Arbeit dar. Gegenstand ist die Simulation der Dynamik der Laptev- See Polynja für den April 2008 mit dem numerischen Meereis-Ozean-Modell FESOM (Finite Element Sea Ice Ocean Model) (Timmermann et al., 2009) unter Verwendung von In-situ- Daten und globalen Analysen. Die In-situ-Daten wurden während der Expedition TRANSDRIFT XIII-2 (Transpolare Drift) in der Laptev-See erhoben.

Eine ausführliche Darstellung der Beobachtungsdaten und Analysen erfolgt in Kapitel 2. Außer auf die Verwendung, Entstehung und Verfügbarkeit der Analysen des Global-Modells des Deutschen Wetterdienstes (GME), der Reanalysen der National Centers for Environmental Prediction (NCEP), der Daten des Atmosphärenmodells COSMO (Consortium for Small-Scale Modelling) und der In-situ-Daten wird in Kapitel 2.1 auf AMSR-Daten eingegangen. AMSR-Daten stellen die Datengrundlage zur Bestimmung der Meereiskonzentrationen in der Laptev-See dar. Sie dienen der Anpassung der Festeiskante, der Modellinitialisierung von Packeiskonzentrationen und dem Vergleich mit Simulationsergebnissen. Die entlang des südlichen Randes der WNSP erhobenen In-situ- Daten geben einen Hinweis auf die räumlichen Unterschiede der meteorologischen Bedingungen in der Laptev-See. Sie werden in Kapitel 2.2 für den 11. April 2008 bis zum 29. April 2008 beschrieben. Zudem werden die Zustände der WNSP dargestellt. Im folgenden Kapitel (Kap. 2.3) wird die Repräsentativität der GME-Analysen und NCEP-Reanalysen durch den Vergleich mit In-situ-Daten überprüft. In Kapitel 3 wird das verwendete Modell FESOM beschrieben. Es setzt sich aus einem hydrostatischen Ozean-Zirkulationsmodell und einem dynamisch-thermodynamischen Meereismodell zusammen. Die physikalischen Gleichungen dieser Modellteile werden in den Kapiteln 3.1 und 3.2 vorgestellt. Außerdem wird in Kapitel 3.1 auf das Verfahren, das der numerischen Integration der Modellgleichungen dient, eingegangen. Die vorgenommenen Konfigurationen des Modells für die Laptev-See werden in Kapitel 3.3 dargestellt. Neben den Änderungen der Physik und Numerik wird auf die Initialisierung des Modells eingegangen. So erfolgt eine Herleitung der für den Start von Simulationen geforderten Eigenschaften des Meereises, des auf dem Eis liegenden Schnees und des Ozeans. Zudem werden die Antriebsgrößen und Ausgabevariablen des FESOM für die Laptev-See zusammengefasst. Während der Simulationen werden fünfzehnminütig Ausgabevariablen für Pixel mit einer Größe von 5 km  5 km in einem 439,75 · 103 km2 großen Gebiet bestimmt. In Kapitel 4 erfolgt eine Darstellung einiger bedeutender Simulationsergebnisse für den April 2008.

4 1 Einleitung

Zunächst werden die aus unterschiedlicher Antriebsbasis resultierende Verteilung von Meereiskonzentration und Eisdrift für die Laptev-See zusammengestellt, erläutert und miteinander verglichen (Kap. 4.1). Sie geben Aufschluss über die Dynamik der Laptev-See Polynja. Des Weiteren werden die simulierten Meereiskonzentrationen mit denen aus AMSR- Resultaten verifiziert. Hiermit soll die Güte der Simulationsergebnisse eingeschätzt werden. Im Folgenden befindet sich die WNSP im Mittelpunkt des Interesses (Kap. 4.2). Für die gesamte Fläche und für ausgewählte Untersuchungspunkte innerhalb und außerhalb des polynjarelevanten Gebietes werden die atmosphärischen Flüsse sensibler und latenter Wärme, die Meereisdicke, der -bedeckungsgrad und die advektive und thermische Eisdickenänderung untersucht und verglichen. Zudem wird der Vorgang der zweiten Polynjaöffnung beschrieben und auf veränderte Oberflächencharakteristika eingegangen. Zum Abschluss der Arbeit werden die Simulationsergebnisse in einem Fazit bewertet (Kap. 5). Hierzu gehört auch eine Zusammenfassung wichtiger Resultate. Außerdem werden Vorschläge zu möglichen Verbesserungen und Erweiterungen aufgeführt.

Diese Arbeit ist im Rahmen des vom Bundesministerium für Bildung und Forschung (BMBF) geförderten und vom Leibnitz-Institut für Meereswissenschaften an der Christian-Albrechts- Universität zu Kiel (IFM-GEOMAR) koordinierten russisch-deutschen Kooperationsprojekt „System Laptev-See: Ozeanische Fronten und Polynjasysteme in der Laptev-See“ entstanden. Sie trägt zum Teilprojekt 4 „Systemsteuernde Prozesse und Abläufe“ des Faches Umweltmeteorologie an der Universität zu Trier bei.

5

2 Beobachtungsdaten und Analysen

Im Folgenden wird ein Überblick über die vorhandenen In-situ-Daten und als atmosphärischen Modellantrieb verwendeten Analysen, Reanalysen und COSMO-Daten gegeben (Kap. 2.1). Zudem wird auf AMSR-Daten eingegangen, welche zur Ableitung der Meereiskonzentration verwendet werden. Basierend auf den In-situ-Daten, globalen Analysen und Satellitenbildern werden anschließend die meteorologischen Situationen in dem Untersuchungsgebiet beschrieben und die Polynjazustände dokumentiert (Kap. 2.2). In Kapitel 2.3 werden die Analysen und Reanalysen mit den In-situ-Daten verifiziert.

2.1 Datengrundlage

Folgende Daten werden für die Simulation der Laptev-See Polynja mit dem FESOM verwendet: Meteorologische Messungen, AMSR-Daten, Analysen des Global-Modells des Deutschen Wetterdienstes (GME), Reanalysen der National Centers for Environmental Prediction (NCEP) und des National Energy Research Supercomputing Centers (NERSC) des Departments of Energy (DOE) in den USA und Daten des beim DWD im operationellen Einsatz befindlichen atmosphärischen Vorhersagemodells COSMO (Consortium for Small- Scale Modelling). Nachfolgend wird auf die Verwendung, die Entstehung und die Verfügbarkeit dieser Daten eingegangen.

2.1.1 Meteorologische Messungen

Zur Verifikation der verwendeten Analysen und Reanalysen sind meteorologische In-situ- Messdaten erforderlich. Meteorologische Messungen wurden in der Zeit vom 11. April 2008 um 7 Uhr UTC (Universal Time Coordinated) bis 29. April 2008 um 3 Uhr UTC während der Expedition TRANSDRIFT XIII-2 entlang des südlichen Randes der WNSP, unmittelbar an der Festeiskante, mittels vier automatischer Wetterstationen (AWS) durchgeführt. Abbildung 2.1 zeigt das Untersuchungsgebiet und die Positionen der AWS. Einen Ausschnitt dieser Karte stellt Abbildung 2.7 in Kapitel 2.3 dar. Die AWS sind nach ihrem Aufbautermin bzw. Messbeginn durchnummeriert und stehen ca. 30 km bis ca. 134 km voneinander entfernt (Tab. 2.1). Im Allgemeinen ist die Region im Umkreis der AWS von ungefähr 100 m eben und unbeeinflusst von Eiserhebungen. Das Festeis hat eine Mächtigkeit von 65 cm an der AWS 1, 130 cm an der AWS 2, 106 cm an der AWS 3 und 80 cm an der AWS 4. Die Schneeauflage ist im gesamten Messgebiet mit ca. 10 cm konstant. An jeder AWS wurden der Windvektor in ca. 3 m Höhe über Schnee mittels eines Propeller- und Ultrasonic-Anemometers, die Lufttemperatur und relative Luftfeuchte in 2 m Höhe über Schnee durch ein entsprechendes Element im Strahlungsschutz, die Lufttemperatur in der gleichen Höhe durch ein elektrisch ventiliertes Thermometer, die Nettostrahlungsbilanz in 1,6 m Höhe über Schnee mit Hilfe eines Net-Radiometers und der Luftdruck über einen Luftdrucksensor gemessen (Abb. 2.2)3. Die Messdaten wurden mittels eines Datenloggers erfasst und gespeichert. Sie stehen als zehnminütiges Mittel zur Verfügung und überdecken jeweils einen Teil des erwähnten Zeitraums (Tab. 2.2). Eine Qualitätskontrolle wurde

3 Die doppelte Messung von einigen Größen wurde durchgeführt, um mögliche Ausfälle von Messinstrumenten zu kompensieren. 6 2 Beobachtungsdaten und Analysen 2.1 Datengrundlage durchgeführt und für jeden Sensor ein individuelles Fehlermaß bestimmt. Da Temperatur und Wind redundant gemessen wurden, wurden ausschließlich die Daten mit der jeweils besten Qualität verwendet. Abbildung 2.4 (Kap. 2.2) stellt die aufbereiteten stündlich gemittelten meteorologischen Messdaten in Zeitreihen dar.

Abbildung 2.1: Übersichtskarten des Untersuchungsgebiets. Links: Nordpolargebiet. Das rote Rechteck grenzt den rechten Kartenausschnitt ein. Rechts: Südöstliche Laptev-See, Lenadelta und Buor-Chaja-Busen mit Orten der meteorologischen Messungen, von GME- und NCEP-Reanalysen und der bei Tiksi liegenden meteorologischen Beobachtungsstation der WMO (World Meteorological Organization). Die farbliche Fläche gibt die aus MODIS-Daten abgeleitete Meereiskonzentration für den 29.04.2008 um 21 Uhr UTC an. Das hierzu verwendete Verfahren wird in Kapitel 3.3.3 beschrieben. Zur Interpolation wurde die Kriging-Methode angewandt. Aufgrund von Bewölkung treten Artefakte am süd-westlichen Polynjazipfel auf.

Tabelle 2.1: Ungefähre Entfernungen [km] der AWS zueinander. AWS 1 AWS 2 AWS 3 AWS 4 AWS 1 74 134 30 AWS 2 74 65 44 AWS 3 134 65 105 AWS 4 30 44 105

7 2 Beobachtungsdaten und Analysen 2.1 Datengrundlage

Abbildung 2.2: AWS 1 vor der WNSP am 11.04.2008 um 7 Uhr UTC. Lufttemperatur, Windrichtung und -geschwindigkeit werden jeweils von zwei Instrumenten gemessen.

Tabelle 2.2: Messzeiten der AWS. AWS Tag im April 2008 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 1 2 3 4

Damit Vergleiche der In-situ-Daten mit Analysen und Reanalysen vorgenommen werden können, wurden die Windgeschwindigkeiten auf eine Höhe von 10 m über Grund extrapoliert und die relativen Luftfeuchten in spezifische Luftfeuchten transformiert. Aus den Annahmen von Foken (2006) auf den Seiten 45 ff. ergibt sich bei neutraler bodennaher atmosphärischer Schichtung eine 1,15-fache Erhöhung der Windgeschwindigkeiten in 10 m Höhe gegenüber den Windgeschwindigkeiten in der gemessenen Höhe. Sie berechnet sich wie folgt:  z   2  ln    ψm (ζ ) uz2   z0   . (2.1) uz   z  1  1  ln    ψm (ζ )  z0 

Hierbei stellen u(z2) die gesuchte Windgeschwindigkeit [m/s] in der Höhe z2 von 10 m und u(z1) die bekannte Windgeschwindigkeit [m/s] in der Höhe z1 von 3 m dar. Für die -3 Rauigkeitslänge z0 wurde ein Wert von 10 m angenommen, welcher nach Oke (1987) einem offenen Gelände mit nahezu glatter Oberfläche entspricht und demnach die Bedingungen an den Messsetellen gut widerspiegeln. Das Integral der Stabilitätsfunktion für den

Impulsaustausch ψm (ζ ) ist nach Businger et al. (1971) und Högström (1988) bei neutraler Schichtung annähernd 0. Da die Richardson-Zahl bzw. der dimensionslose Parameter ζ nach Arya (2001) aber in den meisten Fällen positiv ist, handelt es sich überwiegend um stabile Verhältnisse. Demnach hat eine Korrektur des Extrapolationsfaktors von 1,15 auf 1,12 stattgefunden. Dies entspricht nach eigenen Berechnungen einem realistischen Wert. Die Konstanten in den Gleichungen zur Umrechnung der relativen Luftfeuchten in spezifische Luftfeuchten wurden von der Seite 71 aus Häckel (1999) übernommen.

8 2 Beobachtungsdaten und Analysen 2.1 Datengrundlage

Neben den am südlichen Rand der WNSP erhobenen In-situ-Daten liegen synoptische meteorologische Daten für 0, 6, 12 und 18 Uhr UTC vor. Sie stammen von der nahe bei Tiksi, einem 5000 Einwohner zählenden, östlich des Lenadeltas liegenden Hafenort, befindlichen Meteorologischen Beobachtungsstation der WMO mit der Identifikationsnummer 21824 (Abb. 2.1). Diese meteorologische Messdaten gehen indirekt in Analysen und Reanalysen ein (Kap. 2.1.3 und Kap. 2.1.4). Abbildung 2.11 in Kapitel 2.3.1 präsentiert die an der WMO- Station gemessenen Lufttemperaturen und spezifischen Luftfeuchten für den 11. April bis 29. April 2008.

2.1.2 AMSR-Daten

Aus AMSR-Daten abgeleitete Meereiskonzentrationen werden von dem Institut für Meereskunde der Universität Hamburg unter ftp://ftp-projects.zmaw.de/seaice/AMSR- E_ASI_IceConc/ bereitgestellt. Sie dienen der Anpassung der Festeiskante (Kap. 3.3.3), der Modellinitialisierung von Packeiskonzentrationen und dem Vergleich mit Simulationsergebnissen (Kap. 4.1.1). Die Ableitung der Eiskonzentrationen erfolgt mittels des ARTIST- (Arctic Radiation and Turbulence Interaction Study) Meereis-Algorithmus nach Spreen et al. (2008). Hiernach wird die Polarisations-Differenz P der vertikalen und horizontalen Strahlungsstemperaturen TB,V und TB,H, der im Mikrowellenfrequenzbereich von 89 GHz vorhandenen Daten, zur Schätzung der Eiskonzentrationen herangezogen:

P  TB,V TB,H . (2.2) Während die Polarisations-Differenz für alle Eistypen ähnlich ist, liegt sie für offenes Wasser, gemäß seiner differierenden Emissivität, merklich darüber. Demzufolge wird die Polarisations-Differenz in Abhängigkeit der Eiskonzentration C wie folgt berechnet: P(C)  C  P  1 C P  a , (2.3) sfcice sfcw wobei P und P die Polarisations-Differenz der Oberfläche für Eis und Wasser darstellt. sfcice sfc w Der Einfluss der Atmosphäre a ergibt sich aus der Approximation nach Svendsen et al. (1987) für arktische Bedingungen. Durch Anwendung von Taylorentwicklungen auf Gleichung 2.3 für C = 0 (offenes Wasser) und C = 1 (100 % Eiskonzentration) und Implementierung des atmosphärischen Effekts als Funktion der Polarisationsdifferenzen bzw. Eiskonzentration kann die Polynominalgleichung 3. Ordnung zur Bestimmung der Meereiskonzentration zwischen 0 % und 100 % gelöst werden. Fehler in den resultierenden Meereiskonzentrationen gehen vor allem auf Bewölkung und Wasserdampf in der Atmosphäre zurück. Sie beeinflussen die Messungen bei 89 GHz und daher die Strahlungstemperaturen. Dieses Problem wird teilweise durch Wetterfilter, welche die Kanäle mit geringerer Frequenz nutzen, umgangen. Vergleiche von gefilterten Algorithmus-Ergebnissen mit durch visuelle Observationen während zweier Schiffkampagnen erhobenen Meereiskonzentrationen haben eine mittlere Abweichung von 3 % bzw. 12 % ergeben (Spreen et al., 2008). Der Korrelationskoeffizient liegt stets bei 0,8. Bei den in dieser Arbeit verwendeten Meereiskonzentrationen für die Laptev-See handelt es sich um tägliche Komposite. Sie haben eine räumliche Auflösung von 6,25 km  6,25 km.

9 2 Beobachtungsdaten und Analysen 2.1 Datengrundlage

2.1.3 GME-Analysen

GME-Analysen werden als Antrieb für das FESOM genutzt. Das GME wurde für die numerische Wettervorhersage entwickelt und ist seit Dezember 1999 im operationellen Einsatz. Die horizontale Diskretisierung erfolgt durch ein aus Dreiecken zusammengesetztes strukturiertes Gitter, das auf einer Triangulierung eines Ikosaeders beruht (Majewski und Ritter, 2002). Dadurch wird das kritische so genannte Polproblem, das heißt die Konvergenz der Meridiane in Richtung der Pole und die Singularitäten an Nord- und Südpol, konventioneller Gitter vermieden. Die Anpassung der Modellergebnisse an die reale Entwicklung der Atmosphäre, wie sie durch vorhandene Beobachtungen von synoptischen Stationen, Bojen, Radiosonden, Satelliten und Flugzeugmessungen beschrieben wird, geschieht mittels Datenassimilation (Wergen, 2002). Sinn des Assimilationsprozesses ist es, ein dreidimensionales Bild der Atmosphäre und deren Unterlage für einen festen Termin zu entwerfen, das z. B. als Anfangszustand für eine Vorhersage oder in dem hiesigen Fall als Antrieb für das FESOM genutzt werden kann. Dieses als Analyse bezeichnete Abbild der Atmosphäre spiegelt nicht nur die Beobachtungen des aktuellen Termins wider, sondern auch zeitlich zurückliegende Messwerte, die bereits früher in das Modell assimiliert wurden (Abb. 2.3).

Abbildung 2.3: Schematische Darstellung der Datenassimilation für das GME (Wergen und Buchhold, 2002). Das Verfahren ist sechsstündig intermittierend und besteht aus den Schritten Analyse, Initialisierung und 6- Stunden-Vorhersage, die wiederum als erste Näherung für die nächste Analyse dient. Inzwischen besteht ein dreistündiges Assimilationsintervall.

Die Analyse verwendet, zur Verknüpfung der Information aus erster Näherung (Vorhersage) und Beobachtungen, das statistische Verfahren der optimalen Interpolation (Wergen und Buchhold, 2002). Das Geopotential und die horizontalen Windkomponenten werden in einem multivariaten Ansatz gemeinsam bestimmt, um die geostrophische Beziehung zwischen Wind- und Massenfeld berücksichtigen zu können. Die Temperatur ergibt sich aus der hydrostatischen Beziehung. Bei der Analyse der Feuchte wird kein direkter Zusammenhang zu anderen Variablen hergestellt. Analysen weiterer Variablen werden von dem Europäischen Zentrum für Mittelfristige Wettervorhersagen (EZMW) angeboten oder aus synoptischen Beobachtungen abgleitet. Sowohl Vorhersagen als auch Analysen sind in einem regulären geographischen Gitter verfügbar. Für die Interpolation vom Dreiecksgitter auf das geographische Gitter existieren vier verschiedene Optionen, die für die einzelnen Variablen vorgegeben sind (Majewski et al., 2003). Sie reichen von der einfachen Nearest-Grid-Point-Interpolation bis zur biquadratischen Interpolation, bei der die umliegenden 12 GME-Gitterpunkte berücksichtigt werden. Der Deutsche Wetterdienst (DWD) stellt Analysen für 0, 6, 12 und 18 Uhr UTC mit einer horizontalen Auflösung von 0,5 °  0,5 ° bereit. Im Bereich der In-situ-Messungen bedeutet dies eine Entfernung der Gitterpunkte von ungefähr 14,5 km bis 15,5 km in Richtung der geographischen Länge und ca. 55,5 km in Nord-Süd-Richtung. Im FESOM werden die Analysen der horizontalen Windkomponenten in 10 m Höhe, der Lufttemperatur und der Taupunkttemperatur in 2 m Höhe und des Wolkenbedeckungsgrads genutzt. Abbildung 2.5 (Kap. 2.2) zeigt GME-Analysen der Laptev-See und Abbildung 2.8 (Kap. 2.3.1) unter anderem der Koordinaten 129,5 °E und 74,5 °N für einen Ausschnitt des Untersuchungszeitraums. 10 2 Beobachtungsdaten und Analysen 2.1 Datengrundlage

2.1.4 NCEP-Reanalysen

Meteorologische NCEP-Reanalysen stellen alternative Antriebsgrößen für das FESOM dar. Ab Januar 1979 bis zur nahen Gegenwart werden von den NCEP und dem NERSC Reanalysen bereitgestellt. Offiziell werden diese Produkte als Reanalysen 2 bezeichnet. Sie sind im Rahmen des im Jahr 1998 ins Leben gerufenen Atmospheric Model Intercomparison Projects II (AMIP II) entstanden und dienen der Forschungsanwendung und Klimabeobachtung und -vorhersage (Kanamitsu et al., 2002). Die Methode der Reanalysengenerierung basiert auf einem im Jahr 1991 begonnenen und von der NOAA (National Oceanic and Atmospheric Administration) unterstützten Reanalyse- Kooperationsprojekt der NCEP und des NCAR (National Centers for Atmospheric Research). Hierzu wird ein an den NCEP entwickeltes Datenassimilationsverfahren angewendet4, welches, analog dem GME, die vorhandenen meteorologischen Beobachtungen, unter Berücksichtung der Datenqualität, einbezieht (Kalnay et al., 1996). Es befindet sich seit Mai 1994 im operationellen Einsatz und liefert Reanalysen ab dem Jahr 1957. Offiziell werden diese Produkte als Reanalysen 1 bezeichnet. Das Datenassimilationssystem beruht auf einem globalen T62- (äquivalent zu einer Auflösung von 209 km  209 km) 28-Level-Spektralmodell. Von den 28 Rechenflächen befindet sich das unterste Niveau 40 m über der Erdoberfläche und das oberste Level in der Stratosphäre bei etwa 39500 m. Effekte der planetarischen Grenzschicht erfolgen hauptsächlich in den untersten fünf Niveaus. Das Modell beinhaltet Parametrisierungen aller wichtigen physikalischen Prozesse, wie zum Beispiel Konvektion, Niederschlag, Strahlung und vertikale und horizontale Diffusion. Die Dynamik der Atmosphäre wird durch gemittelte Gleichungen beschrieben. Details der Modelldynamik und -physik sind in NOAA/NMC (National Meteorological Center, jetzt NCEP) Development Divison (1988), Kanamitsu (1989) und Kanamitsu et al. (1991) beschrieben. Als Analysemodul findet die spektrale statistische Interpolation, ein dreidimensionales Variationsschema, Verwendung. Dadurch wird die globale Homogenität der Reanalysen erreicht. Innerhalb des Analysemodells erfolgt eine statistische Optimierung der Beobachtungsdaten. Ausgangspunkt ist der Vergleich mit der Vorhersage zum Zustand der Atmosphäre am letzten Zeitpunkt (First Guess). Insofern werden, wie bei den GME-Analysen, die Vorhersagen aus erster Näherung mit den Beobachtungen in einem hier sechsstündig intermittierenden Verfahren verknüpft. In der zweiten Version, zur Produktion von Reanalysen, wurden weitere Bebachtungen hinzugefügt, Assimilationsfehler korrigiert und eine bessere Modellausführung angewendet (Kanamitsu et al., 2002). Neue Systemkomponenten bestehen in einer einfachen Assimilation von Niederschlag über Landoberflächen zur Optimierung der Bodenfeuchte, in einer besseren Simulation der Orographie und in der Handhabung von Schnee. Durch eine fortschrittlichere Parametrisierung physikalischer Prozesse wurden unter anderem das Hydrologiebudget der Landoberfläche und Strahlungsflüsse über dem Ozean verbessert. Zudem werden realistische Werte für die Lufttemperatur nahe der Landoberfläche und den Wolkenbedeckungsgrad erreicht. Aus der Vielzahl der berechneten und von der Physical Sciences Divison der NOAA unter http://www.cdc.noaa.gov/data/gridded/reanalysis/ der Öffentlichkeit bereitgestellten Reanalysen 2 werden im FESOM die der horizontalen Windkomponenten in 10 m Höhe, der Lufttemperatur und Taupunkttemperatur in 2 m Höhe, des Wolkenbedeckungsgrads und der Niederschlagsrate verwendet. Sie stehen auf einem 2,5 ° 2,5 °-Gitter geographischer Breite und Länge für 0, 6, 12 und 18 Uhr UTC zur Verfügung. Abbildung 2.12 (Kap. 2.3.2) stellt Reanalysen der Koordinaten 129,5 °E und 74,5 °N für den Messzeitraum der AWS 2 dar.

4 Daher werden in dieser Arbeit die Reanalysen alleinig als NCEP-Reanalysen bezeichnet. Die Aufgabe der Datenbeschaffung hat das NCAR übernommen bzw. die Rechnerkapazitäten hat das NERSC bereitgestellt. 11 2 Beobachtungsdaten und Analysen 2.1 Datengrundlage

Allgemein werden alle Reanalysen in vier Kategorien unterteilt, welche sich durch einen unterschiedlich starken Einfluss von Beobachtungen und Modell auszeichnen (Kalnay et al., 1996). Daten der Klasse A sind hauptsächlich durch Beobachtungen beeinflusst, während sich Reanalysen der Kategorie B sowohl aus Beobachtungen als auch aus dem Modell zusammensetzen. In Klasse C gehen Reanalysen ein, die nicht direkt von Beobachtungen beeinflusst sind, sondern mit Hilfe des Modells aus bekannten Feldern bestimmt wurden. Daher sollte berücksichtigt werden, dass das Ergebnis ein Artefakt des Modells sein kann. Schließlich werden klimatologische Werte, zum Beispiel die Bodentemperatur in 5 m Tiefe, der Kategorie D zugeordnet. Die im FESOM genutzten Reanalysen der Windkomponenten und der Lufttemperatur entstehen nach dem Schema der Klasse A. Die Reanalysen der Taupunkttemperatur werden der Kategorie B zugewiesen und die der Niederschlagsrate und des Wolkenbedeckungsgrads der Klasse C.

2.1.5 COSMO-Daten

Zusätzlich werden stündliche Daten des nichthydrostatischen atmosphärischen Vorhersagemodells COSMO verwendet. Seit 1999 stellt das COSMO-Modell – in früheren Jahren als Lokal-Modell (LM) bezeichnet – das operationelle Wettervorhersagemodell des DWD dar. Es basiert auf einfachen thermo-hydrodynamischen Gleichungen, welche auf einem rotierenden sphärischen Koordinatensystem gelöst werden (Schättler et al., 2008). Das COSMO-Modell wird nicht ausschließlich für die Wettervorhersage eingesetzt, sondern auch für wissenschaftliche Anwendungen. Hierfür kann der Nutzer gemäß seinen Vorstellungen das Modellgebiet wählen, die Auflösung variieren und das Parametrisierungsschema festlegen. In den Modellstudien für diese Arbeit wurden Simulationsergebnisse für die Laptev-See von Schröder et al. (2009) übernommen. Neben den ausgewählten Konfigurationen berücksichtigt die Modellversion von Schröder et al. (2009) Meereis mit einer Schneeauflage. Zur Parametrisierung des konduktiven Wärmeflusses durch diese Schichten wird das Prinzip des GME übernommen (Gl. 3.24). Die Modellsimulationen sind aus Mitteln von Modellketten aufgebaut, welche aus sechsstündlichen GME-Analysen, COSMO-Läufen mit einer horizontalen Auflösung von 15 km  15 km und COSMO-Läufen mit einer horizontalen Auflösung von 5 km 5 km bestehen. Die Endprodukte liegen stündlich vor und haben eine horizontale Auflösung von 5 km 5 km. Im Folgenden werden sie als COSMO-Daten bezeichnet.

12 2 Beobachtungsdaten und Analysen

2.2 Meteorologische Bedingungen und Polynjazustände

Nachfolgend werden die meteorologischen Bedingungen für den Untersuchungszeitraum mittels Aufteilung in Phasen unterschiedlicher Wetterlagen beschrieben. Als Grundlage dienen die Messungen der AWS (Abb. 2.4) und Analysen der Nordhemisphäre und der Laptev-See (Abb. 2.5). Zur Erfassung von Polynjazuständen5 werden unter anderem MODIS- und ASAR (Advanced Synthetic Aperture Radar)-Satellitenbilder herangezogen (Abb. 2.6). Die MODIS-Daten werden von dem Level 1 and Atmosphere Archive and Distribution System (LAADS) der National Aeronautics and Space Administration (NASA) bereitgestellt und die vom Environmental Satellite (ENVISAT) stammenden ASAR-Daten sind bei der ESA (European Space Agency) erhältlich und wurden von Diplom-Ingenieur Herrn Thomas Krumpen (AWI) bearbeitet.

11.04.2008 bis 16.04.2008: In der ersten Messperiode, welche den Zeitraum vom 11.04.2008 um 7 Uhr UTC6 bis 16.04.2008 um 0 Uhr UTC umfasst, macht sich in der Laptev-See der äußere Bereich eines Antizyklonensystems, mit einem Zentrum im Arktischen Ozean, bemerkbar (Abb. 2.5 a). Der Luftdruck steigt von 1015 hPa auf 1026 hPa. Es herrscht Wind aus ost-nord-östlicher Richtung, was zu einem relativ schnellen Schließvorgang der noch zu Anfang etwas ausgebildeten Polynja7 (Abb. 2.6 a) führt. In der Nacht beträgt die Windgeschwindigkeit ungefähr 3 m/s (2 Bft) und am Tag ca. 6 m/s (4 Bft) in 3 m Höhe über Schnee. Dies ist in der nächtlichen stabilen, von der darüber liegenden Troposphäre entkoppelten und am Tage thermisch erzeugten weniger stabilen besser durchmischten und höheren bodennahen atmosphärischen Schichtung und dem damit unterschiedlichen Windprofil begründet. Die Lufttemperatur weist einen erkennbaren Tagesgang auf. Sie erreicht Werte von ca. -24 °C in der Nacht bis ca. -19 °C tagsüber. Die mit der Lufttemperatur korrelierende spezifische Luftfeuchte pendelt zwischen ungefähr 0,4 g/kg und 0,6 g/kg. Eine Ausnahme stellt die Situation an der AWS 3 dar, von der In-situ-Daten ab dem 14.04.2008 um 6 Uhr UTC vorliegen. Hier liegt die nächtliche Lufttemperatur bis 6,9 °C unter der an der AWS 1 (Tab. E.3) und sinkt auf den während des gesamten Messzeitraums tiefsten Wert von -30,4 °C (Tab. E.1). Die spezifische Luftfeuchte erreicht ein absolutes Minimum von 0,23 g/kg. Tagsüber ähneln sich die Werte aller AWS. Aufgrund der kontinuierlich niedrigeren Windgeschwindigkeiten an der AWS 3, sie betragen ca. 1,5 m/s bis ca. 2,5 m/s, und der dadurch bedingten schlechten Durchmischung der unteren Atmosphäre sind die hiesigen nächtlichen Abnahmen der Lufttemperatur und der spezifischen Luftfeuchte wesentlich ausgeprägter. Bis zur Mittagszeit des 20.04.2008 ist die Strahlungsbilanz alle 24 Stunden ähnlich, da sich kaum Bewölkung bemerkbar macht. Sie pendelt zwischen ca. -55 W/m2 und 50 W/m2.

16.04.2008 bis 18.04.2008: Die zweite Periode, vom 16.04.2008 um 0 Uhr UTC bis 18.04.2008 um 0 Uhr UTC, ist durch eine leichte Abnahme des Luftdrucks auf 1022 hPa, eine mittlere Windrichtung aus Ost-Süd- Ost und eine Abnahme der Windgeschwindigkeit bis zur beinahen Windstille (0,1 m/s)

5 Die Ausführungen beziehen sich hier im Wesentlichen auf die Zustände der WNSP. Auf die Dynamik aller Teilpolynjen der Laptev-See wird ausführlich im Kapitel der Simulationsergebnisse (Kap. 4.1) eingegangen. 6 Die Ortszeit bzw. Local Time LT entspricht der koordinierten Weltzeit bzw. Coordinated Universal Time UTC + 10 Stunden. 7 Hiermit ist eine Öffnung der Meereisdecke gemeint. In dieser Arbeit wird der Begriff Polynja auch für einen Bereich mit dünnen Eis, wo vorher eine offene Wasserstelle zwischen Eis bestand, verwendet. Eine einheitliche Definition von Polynja besteht nicht. Häufig wird der Begriff, wie in Martin (2001), für eine offene Wasserfläche und dünnes Meereis gebraucht. Im Folgenden ergibt sich die Bedeutung aus dem Kontext. 13 2 Beobachtungsdaten und Analysen 2.2 Meteorologische Bedingungen und Polynjazustände

(Tab. E.1), mit Ausnahme der Erhöhung der Windgeschwindigkeit in der Gegend der AWS 1, gekennzeichnet. Diese meteorologischen Bedingungen erklären sich durch einen Ausläufer einer über Mittelsibirien gelegenen synoptisch-skaligen Zyklone (Abb. 2.5 b). Während sie an der AWS 1 zu erhöhten Windgeschwindigkeiten führt, ist der horizontale Luftdruckgradient nördlich davon bis zum nächsten Zyklonensystem großräumig minimal. Eine Polynja kann sich nicht ausbilden (Abb. 2.6 b).

18.04.2008 bis 21.04.2008: Nach diesem relativ kurzen Zeitraum findet eine deutliche Winddrehung über Süden auf im Mittel Westen statt, welche vom 18.04.2008 um 12 Uhr UTC bis 21.04.2008 um 12 Uhr UTC anhält. Der Windrichtungswechsel über Süden ist in einer zwischen den beiden großen Tiefdruckgebieten gebildeten mesoskaligen Antizyklone (Abb. 2.5 c), welche die AWS auf ihrer westlichen Seite streift, begründet. Eine Hochdruckwetterlage setzt sich durch, deren Zentrum sich in der Laptev-See befindet (Abb. 2.5 d). Die Windgeschwindigkeit nimmt leicht erhöhte Werte von ungefähr 3 m/s an. An den AWS ist eine allgemeine Erwärmung der Luft bis zu -12,8 °C zu verzeichnen, was unter anderem in den westlich, aus dem polynjarelevanten Gebiet, kommenden Winden begründet ist. Infolge der dünnen ausgebildeten Eisdecke über der zuletzt ausgebildeten Polynja kommen thermische Effekte des im Gegensatz zur Atmosphäre wesentlich wärmeren Meerwassers zur Geltung. Diese machen sich vor allem zu Anfang an der AWS 3 bemerkbar, da der hier ankommende Wind insbesondere während der Winddrehung eine weitere Strecke über die dünne Eisfläche zurückgelegt hat. So liegt die Lufttemperatur bei maximal 8,2 °C und die spezifische Luftfeuchte 0,51 g/kg über der an der AWS 2 (Tab. E.3).

21.04.2008 bis 23.04.2008 (erstes Polynjaereignis): Vom 21.04.2008 um 12 Uhr UTC bis 23.04.2008 um 6 Uhr UTC nähert sich ein Tiefdruckgebiet aus der nördlichen Karasee und streift das Messgebiet marginal (Abb. 2.5 e). Der Wind kommt aus süd-süd-östlicher Richtung mit einer deutlich erhöhten Geschwindigkeit von durchschnittlich ungefähr 4,5 m/s. Aufgrund dieser meteorologischen Bedingungen öffnet sich die Eisdecke parallel zur Festeiskante und es bildet sich eine Polynja aus. In der Mittagszeit zwischen dem 21. und 23.04.2008 nimmt die Strahlungsbilanz an der AWS 2 bis auf 73,5 W/m2 zu. Nachdem die von der nördlichsten AWS gemessene Strahlungsbilanz ihren mittäglichen Tiefpunkt am 21.04.2008 um 2 Uhr UTC mit 24,3 W/m2 erreicht hat, steigt auch diese wieder, liegt aber ca. 35 W/m2 unter der an der AWS 2. Die allgemeine Erhöhung der mittäglichen Strahlungsbilanz ist auf die Windrichtung zurückzuführen. Der Wind bewegt sich zunächst über Festeis, bevor er die Polynja erreicht. Dadurch wird polynjainduzierte Wolkenbildung über den AWS verhindert.

23.04.2008 bis 26.04.2008: Zu Anfang der folgenden Tage, vom 23.04.2008 um 6 Uhr UTC bis 26.04.2008 um 12 Uhr UTC schließt sich die offene Wasserfläche wieder. Es sind deutlich unterschiedliche meteorologische Situationen an den AWS vorzufinden. Während der Wind an den AWS 2 bis 4 aus nord-nord-westlicher Richtung kommt, ist die von der AWS 1 gemessene Windrichtung inkonstant. Die Windgeschwindigkeiten der AWS-Orte zueinander weisen einen positiven Zusammenhang auf, sind allerdings nicht kongruent. Dies macht sich vor allem bei den gemessenen Windgeschwindigkeiten der AWS 3 bemerkbar, welche beständig über den anderen, besonders über der AWS 1 mit ca. 1,5 m/s bis ca. 4 m/s, liegen. Bei einer maximal erreichten Windgeschwindigkeit von 7,6 m/s (Tab. E.1) ist diese Differenz beträchtlich. Strahlungsbilanz, Lufttemperatur und spezifische Luftfeuchte weisen weniger deutliche Tagesgänge auf und verhalten sich heterogen. Die kleinräumig eindeutigen meteorologischen Unterschiede sind auf eine wenig beständige nicht eindeutige Wetterlage zurückzuführen. So liegt die Laptev-See eingekesselt zwischen 14 2 Beobachtungsdaten und Analysen 2.2 Meteorologische Bedingungen und Polynjazustände westlich und nord-östlich liegenden Tiefdruckgebieten und im Norden und Süd-Osten befindlichen Antizyklonsystemen (Abb. 2.5 f), welche einen unterschiedlichen Einfluss ausüben. Zunächst überwiegt das nördliche Hochdruckgebiet. Anschließend dominiert der Ausläufer der nordöstlichen Zyklone, während sich am 24.04.2008 eine kurzzeitige mesoskalige Antizyklone westlich der AWS gebildet hat.

26.04.2008 bis 29.04.2008 (zweites Polynjaereignis): Ab dem 26.04.2008 um 12 Uhr UTC bis zum Ende der Messkampagne am 29.04.2008 um 3 Uhr UTC ähneln sich die gemessenen Werte der AWS wieder. Eine Ausnahme besteht in der wesentlich höheren Lufttemperatur und somit spezifischen Luftfeuchte an der AWS 3 in der Nacht des 26.04.2008 auf den 27.04.2008. Aufgrund der ausgeglichenen Strahlungsbilanz von 0 W/m2 ist hier auf eine geschlossene Wolkendecke zu schließen. Die letzte Phase ist durch Extremwerte des gesamten Messzeitraums gekennzeichnet. Der Luftdruck nimmt auf ein Minimum von 1013 hPa ab (Tab. E.1), ein synoptisch-skaliges Tiefdruckgebiet über West- und Mittelsibirien erstreckt sich bis zur Laptev-See (Abb. 2.5 g und Abb. 2.5 h), die Lufttemperatur erreicht -8,4 °C und die spezifische Luftfeuchte erhöht sich auf 1,67 g/kg. Während der letzten ca. 2,5 Wochen des Aprils 2008 tritt ein jahreszeitlich bedingter positiver Trend der Lufttemperatur von durchschnittlich 0,71 °C pro Tag und der spezifischen Luftfeuchte von im Mittel 0,05 g/kg pro Tag auf. Da die Windrichtung auf Ost-Süd-Osten wechselt und die Windgeschwindigkeit auf ein Maximum von 9,1 m/s (5 Bft) zunimmt, entsteht am 27.04.2008 eine Polynja (Abb. 2.6 c), welche sich in den folgenden Tagen weiter ausdehnt und eine Länge von 250 km und Breite bis 60 km erreicht (Abb. 2.1, Abb. 2.6 d und Abb. 2.7).

= Polynjaereignis Info: UTC = LT - 10 Stunden

Abbildung 2.4: Windrichtung dd, Windgeschwindigkeit ff, Luftdruck p, Strahlungsbilanz Q0, spezifische Luftfeuchte q und Lufttemperatur T an den AWS. Es werden stündliche Mittelwerte angegeben. Die gesamte Messzeit erstreckt sich vom 11. April um 7 Uhr UTC bis 29. April um 3 Uhr UTC 2008.

15 2 Beobachtungsdaten und Analysen 2.2 Meteorologische Bedingungen und Polynjazustände

12.04.2008 a 17.04.2008 b

18.04.2008 c 19.04.2008 d

22.04.2008 e 25.04.2008 f Abbildung 2.5: GME-Analysen der Laptev-See mit Lufttemperatur [°C] in 2 m Höhe über Grund, Luftdruck [hPa] auf Meeresniveau und horizontalem Windvektor in 10 m Höhe über Grund (Heinemann et al., 2009). Sie beziehen sich auf den 12., 17., 18., 19., 22., 25. und 27. April 2008 um 12 Uhr UTC. Die Orte der AWS sind mit Dreiecken gekennzeichnet.

16 2 Beobachtungsdaten und Analysen 2.2 Meteorologische Bedingungen und Polynjazustände

27.04.2008 g 30.04.2008 h

Abbildung 2.5, Fortsetzung

a 11.04.2008

b 17.04.2008

Abbildung 2.6: Satellitenbilder der Polynjazustände am 11., 17., 27. und 30. April 2008. Links: MODIS-Bilder der Laptev-See im sichtbaren Kanal (620 nm bis 670 nm) (persönliche Mitteilung, 2008). Rechts: ASAR- ENVISAT-Backscatter-Bilder von der WNSP (Krumpen, 2008, verändert). Die Satellitenbilder sollen einen Überblick über mögliche Situationen geben und dienen nicht der exakten Eis- bzw. Polynjaquantifizierung.

17 2 Beobachtungsdaten und Analysen 2.2 Meteorologische Bedingungen und Polynjazustände

c 27.04.2008

d 30.04.2008

Abbildung 2.6, Fortsetzung

18 2 Beobachtungsdaten und Analysen

2.3 Vergleiche von In-situ-Daten und Analysen

Nächst erfolgen Vergleiche von nahe an der AWS 2 gelegenen GME-Analysen und NCEP- Reanalysen8 mit von der AWS 2 erhobenen 10-minütig gemittelten Messdaten9. Sie werden jeweils für 0, 6, 12 und 18 Uhr UTC vom 11. April 2008 um 12 Uhr UTC bis 29. April 2008 um 0 Uhr UTC durchgeführt. Es werden also jeweils 68 Vergleiche angestellt. Die Messdaten gehen nicht in die Datenassimilation der Analysen und Reanalysen ein und sind somit unabhängig. Abbildung 2.7 präsentiert die Orte der AWS und relevanten Analysen und Reanalysen.

Abbildung 2.7: Orte der meteorologischen Messungen (AWS 1 bis AWS 4) und von GME-Analysen und NCEP- Reanalysen an der WNSP. Die eingezeichneten Analysen und Reanalysen werden in Kapitel 2.3.1 und Kapitel 2.3.2 mit den In-situ-Daten verglichen. In der Karte werden die Meereiskonzentrationen vom 29. April 2008 um 21 Uhr UTC angegeben. Sie wurden aus MODIS-Daten abgeleitet (Kap. 3.3.3).

Hier wird deutlich, dass GME-Analysen auf einem 0,5 °  0,5 °-Gitter zur Verfügung stehen und NCEP-Reanalysen eine Auflösung von 2,5 ° 2,5 ° haben. Daher liegt die Entfernung der AWS zu dem nächst befindlichen GME-Analysengitterpunkt bei ca. 6,8 km bis 21,6 km und zu dem angrenzenden NCEP-Reanalysenort bei ungefähr 53 km bis 135 km (Tab. 2.3). Mittels der nachfolgenden Vergleiche wird unter anderem geprüft, ob die unterschiedliche horizontale Auflösung der Analysen und Reanalysen in dem relativ homogenen Untersuchungsgebiet eine signifikante Rolle spielt.

Tabelle 2.3: Ungefähre Entfernungen [km] der AWS zu dem jeweils am nächsten gelegenen Analyse- und Reanalysegitterpunkt. AWS 1 AWS 2 AWS 3 AWS 4 NCEP 135 71 53 112 GME 21,6 14 21 6,8

8 Es werden Vergleiche mit Analysen und Reanalysen, deren Gitterpunkte in der Umgebung liegen, angestellt. In dieser Arbeit wird meist „Gitterpunkt“ nicht zusätzlich erwähnt. 9 Die Messzeit der AWS 2 war die längste aller AWS und überdeckt beinahe den kompletten Untersuchungszeitraum (Tab. 2.2). Aufgrund der hohen Anzahl von Vergleichswerten zu verschiedenen meteorologischen Bedingungen sind (statistische) Resultate bedeutsam. 19 2 Beobachtungsdaten und Analysen 2.3 Vergleiche von In-situ-Daten und Analysen

2.3.1 GME-Analysen

Im Allgemeinen zeigen Windrichtung und Windgeschwindigkeit von nahe an den AWS gelegenen GME-Analysen und Messdaten der AWS eine gute Übereinstimmung (Abb. 2.8 e und Abb. 2.8 f). Beispielsweise liegen mehr als 70 % der Windrichtungsunterschiede zwischen den nächst an der AWS 2 befindlichen GME-Analysen und den In-situ-Daten unter 30 ° (Abb. 2.9 c). Nach Eliminierung der Windrichtungen, während denen Windgeschwindigkeiten unter 1 m/s geherrscht haben, sind es über 75 % (Abb. 2.9 d). Der maximale Windrichtungsunterschied sinkt von 146,5 ° auf 107,4 °. Die Güte der Windgeschwindigkeit bestätigt sich in einem hohen Korrelationskoeffizienten von 0,86 (Tab. 2.6) und geringen Residuen zu der Regressionsgerade (Abb. 2.10 c). Obwohl 2/3 der Windgeschwindigkeiten der GME-Analysen höher als die gemessenen sind, handelt es sich überwiegend um geringe Unterschiede. So liegen das arithmetische Mittel 0,7 m/s und die Quantile maximal 1 m/s über denen der Messdaten (Tab. 2.4). Aufgrund des relativ geringen Mittels der In-situ-Daten von 3,8 m/s sollten diese Unterschiede aber nicht vernachlässigt werden. Besonders auffällig ist die von den GME-Analysen gute Wiedergabe des Luftdrucks (Abb. 2.8 g). Die Unterschiede zwischen den nächst an der AWS 2 gelegenen GME-Analysen und den Messdaten der AWS 2 überschreiten nicht 2,1 hPa (Abb. 2.9 f). Die Werte der Lageparameter sind ähnlich (Tab. 2.4) und der Korrelationskoeffizient beträgt 0,99 (Tab. 2.6). Allerdings wird der Luftdruck von den Analysen meist etwas überschätzt (Abb. 2.9 f). Offensichtlich sind hingegen Diskrepanzen der Lufttemperatur und der mit ihr korrelierenden spezifischen Luftfeuchte von nahe an den AWS gelegenen GME-Analysen und Messdaten der AWS. Während die Lufttemperatur und die spezifische Luftfeuchte in der Realität deutliche Tagesgänge aufweisen, sind sie von den GME-Analysen kaum ausgeprägt (Abb. 2.8 a bis Abb. 2.8 d). Die Werte der Streuungsparameter bestätigen diese Schwäche der Analysen. So betragen die Standardabweichungen der Messdaten der AWS 2 nach Eliminierung der Trends 3,3 °C bzw. 0,21 g/kg und die der nächst an der AWS 2 befindlichen GME-Analysen 1,8 °C bzw. 0,15 g/kg (Tab. 2.4). Die Spannweiten der Extrema liegen bei 19,3 °C bzw. 1,35 g/kg und 8,6 °C bzw. 0,7 g/kg (Tab. 2.5). Zudem ist der Korrelationskoeffizient zwischen den In-situ-Daten und GME-Analysen mit 0,34 und 0,24 gering (Tab. 2.6). Diese beinahe willkürliche Beziehung führt in den entsprechenden Streudiagrammen (Abb. 2.10 a und Abb. 2.10 b) zu unklaren Regressionsgeraden. Der geringe Zusammenhang zwischen den Lufttemperaturen der In-situ-Daten und GME- Analysen zeigt sich auch in den gleitenden 24-Stunden-Mitteln (Abb. 2.8 b), allerdings nicht in den gemittelten Werten und Medianen über den gesamten Zeitraum. Die arithmetischen Mittel sind mit -18,1 °C identisch und die Mediane mit -18,8 °C und -18,7 °C sehr ähnlich (Tab. 2.4). Dagegen weichen auch die mittleren spezifischen Luftfeuchten der Messdaten und Analysen merklich voneinander ab. Obwohl der deutlich positive Trend von den Analysen erfasst wird, liegt er durchschnittlich 0,13 g/kg unter den realen Bedingungen. Eine Überschätzung findet ausschließlich in ca. 20 % der Fälle statt (Abb. 2.9 b). Grundsätzlich werden Windrichtung und -geschwindigkeit gut und Luftdruck sehr gut von den GME-Analysen wiedergegeben. Schlechtere Ergebnisse werden durch die Analysen der Lufttemperatur und spezifischen Luftfeuchte erzielt. Ihre Tagesgänge sind kaum ausgeprägt. Eine Zusammenfassung des Vergleichs zwischen nahe an den AWS gelegenen GME- Analysen und den Messwerten der AWS ist in Tabelle 2.7 aufgeführt.

20 2 Beobachtungsdaten und Analysen 2.3 Vergleiche von In-situ-Daten und Analysen

Generell besteht Verbesserungspotential der GME-Analysen von Lufttemperatur und spezifischer Luftfeuchte. Da Analysen aus einem Datenassimilationsverfahren hervorgehen, das Bebachtungen aus der Umgebung einbezieht, werden solche im Folgenden betrachtet, um Rückschlüsse auf die Übertragbarkeit auf das Untersuchungsgebiet zu ziehen. Es erfolgen Vergleiche der Lufttemperaturen und spezifischen Luftfeuchten von GME-Analysen des Untersuchungsgebiets und von zehnminütig gemittelten Messdaten der AWS mit Messdaten der WMO-Station 21824. Die WMO-Station bei Tiksi ist eine der wenigen offiziellen stationären meteorologischen Messstationen im Umfeld und dürfte somit, obwohl sie ungefähr 251 km bis 356 km von den AWS entfernt ist, einen entscheidenden Teil an den Analysen im Untersuchungsgebiet beitragen. Zudem finden Vergleiche mit GME-Analysen des Festlandes der Koordinaten 125 °E, 73,5 °N und 128,5 °E, 73 °N statt. Sie befinden sich mit ca. 93 km bis 236 km näher an den AWS. Die meisten Vergleiche werden jeweils für 0, 6, 12 und 18 Uhr UTC vom 11. April 2008 um 12 Uhr UTC bis 29. April 2008 um 0 Uhr UTC durchgeführt. Abbildung 2.1 präsentiert die Orte der Messstationen und relevanten Analysen und Abbildung 2.11 stellt die entsprechenden Zeitreihen dar. Die Tagesgänge der Lufttemperatur und spezifischen Luftfeuchte der Festlandmessungen, der GME-Analysen im Lenadelta und der AWS-Messungen sind ähnlich stark ausgeprägt (Abb. 2.11). Nach Trendeliminierung liegen alle Standardabweichungen zwischen 2,9 °C und 3,9 °C bzw. 0,19 g/kg und 0,21 g/kg (Tab. 2.5). Während die Standardabweichung von den Messdaten der AWS 2 gegenüber den nächst an der AWS 2 befindlichen GME-Analysen um 1,5 °C bzw. 0,06 g/kg höher liegt, differieren die Standardabweichungen zwischen den Messdaten der AWS 2 und den Festlanddaten um höchstens 0,6 °C bzw. 0,02 g/kg. Die von den küstennahen Landdaten erzielte bessere Reproduktion der Tagesgänge ergibt sich auch aus den großen Spannweiten des 1. und 3. Quantils von bis 7,3 °C bzw. 0,42 g/kg (Tab. 2.4). Bei den nächst an der AWS 2 gelegenen GME-Analysen beträgt die Spannweite nur 2,1 °C bzw. 0,15 g/kg. Offensichtlich ist das Eismodell im GME nicht in der Lage, den Tagesgang der Oberflächentemperaturen realistisch zu simulieren. Obwohl die Entfernungen zwischen dem Untersuchungsgebiet und der WMO-Station bzw. den GME-Landanalysenorten beachtlich sind, sind die Korrelationskoeffizienten mit 0,6 bis 0,72 (Tab. 2.6) relativ hoch. Der Korrelationskoeffizient zwischen den Messdaten der AWS 2 und den ca. 14 km entfernten GME-Analysen liegt dagegen bei 0,23 bzw. 0,24. Die mittlere Lufttemperatur an den AWS wird besser oder sogar genau von nahe gelegenen GME-Analysen repräsentiert. Beispielsweise sind die arithmetischen Mittel der Messdaten der AWS 2 und der nächst an der AWS 2 befindlichen GME-Analysen mit -18, 1 °C identisch (Tab. 2.5). Je weiter die Orte der Analysen bzw. Messungen von den AWS entfernt sind, desto mehr unterscheiden sich die Mittel von denen an den AWS. Während die mittlere Lufttemperatur der GME-Analysen im Lenadelta um 0,7 °C und 0,9 °C von der an der AWS 2 abweicht, beträgt der Unterschied zwischen Tiksi und dem AWS-2-Standort 4,5 °C. Das ähnliche Prinzip gilt für die mittlere spezifische Luftfeuchte. Eine Ausnahme stellen nahe an dem Untersuchungsgebiet gelegene Landanalysen dar, die eine mittlere spezifische Luftfeuchte haben, welche denen an den AWS ähnlicher ist als die der GME-Analysen in unmittelbarer Umgebung. So wird die mittlere spezifische Luftfeuchte von 0,76 g/kg an der AWS 2 mit 0,59 g/kg von den an der AWS 2 nächst gelegenen GME-Analysen schlecht wiedergegeben und mit 0,71 g/kg von Analysen eines Ortes im Lenadelta genauer dargestellt. Zusammenfassend ergibt sich aus den Vergleichen, dass die Landanalysen die Tagesgänge der Lufttemperatur und spezifischen Luftfeuchte wesentlich intensiver und somit realistischer darstellen als die Meereisanalysen. Im Gegensatz zu den Amplituden der Tagesgänge wird die mittlere Lufttemperatur über Eis sehr gut von den GME parametrisiert. Die geringe Unterschätzung der spezifischen Luftfeuchte im Untersuchungsgebiet während des Messzeitraums ist nicht zwingend allgemein gültig.

21 2 Beobachtungsdaten und Analysen 2.3 Vergleiche von In-situ-Daten und Analysen

Abbildung 2.8: Messwerte der AWS 2 und GME-Analysen von der Umgebung der AWS 2 für 0, 6, 12 und 18 Uhr UTC vom 11. April 2008 um 12 Uhr UTC bis 29. April 2008 um 0 Uhr UTC.

22 2 Beobachtungsdaten und Analysen 2.3 Vergleiche von In-situ-Daten und Analysen

Tabelle 2.4: Extremwerte, Quantile und arithmetische Mittel der Messwerte der AWS 2 und der WMO-Station bei Tiksi, der nächst zur AWS 2 befindlichen Analysen, Reanalysen und der GME-Landanalysen mit dem Gitterpunkt 125 °E, 73,5 °N und 128,5 °E, 73 °N (Abb. 2.1). Die statistischen Werte gelten für 0, 6, 12 und 18 Uhr UTC vom 11. April 2008 um 12 Uhr UTC bis 29. April 2008 um 0 Uhr UTC. Variable In-situ und Minimum 1. Quantil Median Mittel 3. Quantil Maximum Analysen T [°C] AWS 2 -28 -21,7 -18,8 -18,1 -14,5 -8,7 GME -21,1 -19,6 -18,7 -18,1 -17,5 -12,5 NCEP -27,4 -22 -19,5 -18,1 -14,1 -7,5 GME Land 1 -23,3 -20,7 -18 -17,4 -14,7 -8 GME Land 2 -26,4 -21,8 -19,7 -19 -16,9 -10,7 Tiksi -33,5 -26,2 -23,9 -22,6 -18,9 -9,9 q [g/kg] AWS 2 0,29 0,51 0,66 0,76 0,93 1,64 GME 0,4 0,48 0,53 0,59 0,63 1,1 NCEP 0,23 0,43 0,58 0,71 0,93 1,8 GME Land 1 0,29 0,45 0,58 0,67 0,84 1,68 GME Land 2 0,25 0,4 0,51 0,56 0,65 1,3 Tiksi 0,12 0,27 0,35 0,45 0,54 1,44 ff [m/s] AWS 2 0,2 1,9 3,5 3,8 4,9 10 GME 1,2 2,9 4,4 4,5 5,5 8,7 NCEP 0,2 2,8 4,4 4,6 5,9 10,4 GME Land 1 0,7 2,9 4,1 4,3 5,5 8,7 GME Land 2 0,7 2,6 3,7 3,8 5,1 7,8 Tiksi 0,2 1,7 2,5 3 3,3 9,3 p [hPa] AWS 2 1014 1018 1024 1023 1026 1032 GME 1015 1019 1024 1024 1028 1033 NCEP 1014 1017 1022 1022 1025 1031 GME Land 1 1010 1017 1023 1022 1026 1033 GME Land 2 1011 1016 1023 1022 1026 1034 Tiksi 1009 1014 1022 1021 1026 1034

Tabelle 2.5: Standardabweichungen nach Eliminierung der Trends und arithmetische Mittel der Messwerte der AWS 2 und der WMO-Station bei Tiksi, der nächst zur AWS 2 befindlichen Analysen, Reanalysen und der GME-Landanalysen mit dem Gitterpunkt 125 °E , 73,5 °N und 128,5 °E, 73 °N (Abb. 2.1). Die statistischen Werte gelten für 0, 6, 12 und 18 Uhr UTC vom 11. April 2008 um 12 Uhr UTC bis 29. April 2008 um 0 Uhr UTC. Variable In-situ und Analysen Mittel Standardabweichung T [°C] AWS 2 -18,1 3,3 GME -18,1 1,8 NCEP -18,1 2,8 GME Land 1 -17,4 2,9 GME Land 2 -19 2,9 Tiksi -22,6 3,9 q [g/kg] AWS 2 0,76 0,21 GME 0,59 0,15 NCEP 0,71 0,23 GME Land 1 0,67 0,2 GME Land 2 0,56 0,19 Tiksi 0,45 0,2

23 2 Beobachtungsdaten und Analysen 2.3 Vergleiche von In-situ-Daten und Analysen

Abbildung 2.9: Histogramme der Unterschiede der Messdaten der AWS 2 und der nächst zur AWS 2 befindlichen GME-Analysen. Die Unterschiede gelten für 0, 6, 12 und 18 Uhr UTC vom 11. April 2008 um 12 Uhr UTC bis 29. April 2008 um 0 Uhr UTC. Zwischen den Skalen der Unterschiede und den Histogrammen sind die genauen Werte durch senkrechte Striche angegeben.

24 2 Beobachtungsdaten und Analysen 2.3 Vergleiche von In-situ-Daten und Analysen

Abbildung 2.10: Streudiagramme der Messdaten der AWS 2 und der nächst zur AWS 2 befindlichen GME- Analysen. Die Vergleiche gelten für 0, 6, 12 und 18 Uhr UTC vom 11. April 2008 um 12 Uhr UTC bis 29. April 2008 um 0 Uhr UTC. Bei Lufttemperatur und spezifischer Luftfeuchte wurden die Trends vorher eliminiert.

Tabelle 2.6: Korrelationskoeffizienten nach Pearson zwischen den Messwerten der AWS 2 und den Messwerten der WMO-Station bei Tiksi, der nächst zur AWS 2 befindlichen Analysen, Reanalysen und der GME- Landanalysen mit dem Gitterpunkt 125 °E , 73,5 °N und 128,5 °E, 73 °N (Abb. 2.1). Die statistischen Werte gelten für 0, 6, 12 und 18 Uhr UTC vom 11. April 2008 um 12 Uhr UTC bis 29. April 2008 um 0 Uhr UTC. T q ff p AWS 2 AWS 2 AWS 2 AWS 2 GME 0,23 0,24 0,86 0,99 NCEP 0,51 0,78 0,85 0,98 GME Land 1 0,71 0,64 0,54 0,97 GME Land 2 0,7 0,6 0,56 0,99 Tiksi 0,72 0,62 0,17 0,98

Abbildung 2.11: Lufttemperatur und spezifische Luftfeuchte an der AWS 2, an der WMO-Station bei Tiksi, der nächst zur AWS 2 befindlichen Analysen, Reanalysen und der GME-Landanalysen mit dem Gitterpunkt 125 °E, 73,5 °N und 128,5 °E, 73 °N (Abb. 2.1) für 0, 6, 12 und 18 Uhr UTC vom 11. April 2008 um 12 Uhr UTC bis 29. April 2008 um 0 Uhr UTC. Die Daten beziehen sich auf eine Höhe von 2 m über Schnee.

25 2 Beobachtungsdaten und Analysen 2.3 Vergleiche von In-situ-Daten und Analysen

2.3.2 NCEP-Reanalysen

Die Lufttemperatur und spezifische Luftfeuchte an den AWS wird relativ gut von den nächst an den AWS gelegenen NCEP-Reanalysen wiedergegeben. Obwohl die horizontale Auflösung der GME-Analysen besser ist, wird von den NCEP-Reanalysen eine realistischere Lufttemperatur und spezifische Luftfeuchte im Untersuchungsgebiet erreicht. Sowohl die gleitenden 24-Stunden-Mittel als auch die Amplituden der Tagesgänge der In-situ-Daten und NCEP-Reanalysen ähneln sich (Abb. 2.12 a und Abb. 2.12 b). Weitere komparable Lage- und Streuungsparameter bestätigen die gute Angabe von Lufttemperatur und spezifischer Luftfeuchte der NCEP-Reanalysen. Beispielsweise beträgt das arithmetische Mittel der Messdaten der AWS 2 -18,1 °C bzw. 0,76 g/kg und das der nächst gelegenen NCEP- Reanalysen -18,1 °C bzw. 0,71 g/kg (Tab. 2.5). Die Standardabweichung unterscheidet sich um 0,5 °C bzw. 0,02 g/kg (Tab. 2.5). Zudem ergeben gleiche oder ähnliche 25 %- und 75 %- Quantile beinahe analoge Spannweiten. Die dritten Quantile liegen bei -14,5 °C bzw. 0,93 g/kg und -14,1 °C bzw. 0,93 g/kg (Tab. 2.4). Geringe Unterschiede der Lufttemperatur und der spezifischen Luftfeuchte zwischen den Messdaten der AWS 2 und den nächst befindlichen NCEP-Reanalysen bewirken eine deutliche Kumulierung nahe 0 °C und 0 g/kg (Abb. 2.13 a und Abb. 2.13 b). Über 50 % der Differenzen liegen zwischen -2 °C und 2 °C bzw. 0 g/kg und 0,2 g/kg. Im Allgemeinen werden die spezifischen Luftfeuchten weiterhin von den Reanalysen unterschätzt, aber in wesentlich geringerem Maße als von den GME- Analysen. Ferner ist die maximale Spannweite der Unterschiede mit 0,62 g/kg im Gegensatz zu 1,03 g/kg deutlich besser. Ein hoher linearer Zusammenhang der Lufttemperatur und spezifischen Luftfeuchte zwischen den In-situ-Daten und den nächst gelegenen NCEP- Reanalysen ergibt sich aus dem Korrelationskoeffizienten von 0,51 bzw. 0,78 (Tab. 2.6). Die relativ geringen Residuen zu den Regressionsgeraden (Abb. 2.14 a und Abb. 2.14 b) weisen auf diese gute Beziehung hin. Die nächst der AWS befindlichen NCEP-Reanalysen spiegeln die Windrichtung nicht ganz so gut wider wie die entsprechenden GME-Analysen. Während über 70 % der Windrichtungsunterschiede zwischen den Messdaten der AWS 2 und den nächst an der AWS 2 befindlichen GME-Analysen unter 30 ° liegen (Abb. 2.9 c), sind es zwischen den In-situ- Daten und den nächst befindlichen NCEP-Reanalysen etwa 55 % (Abb. 2.13 c). Aufgrund der aus den beiden verschiedenen Analysengrundlagen hervorgehenden ähnlichen Wetterlagen mit vergleichbarem Luftdruck (unten) ist dies vermutlich auf die höhere horizontale Auflösung der GME-Analysen zurückzuführen. Nach Eliminierung der Windrichtungen, während denen Windgeschwindigkeiten unter 1 m/s geherrscht haben, liegen alle Unterschiede, mit einer Ausnahme, unter 90 ° (Abb. 2.9 d und Abb. 2.13 d). Dies gilt sowohl für die Windrichtungsunterschiede zwischen den Messdaten und GME-Analysen als auch für den Vergleich der Messdaten und NCEP-Reanalysen. Die Windgeschwindigkeiten der NCEP- Reanalysen weichen kaum von denen der GME-Analysen ab (Abb. 2.8 e und Abb. 2.12 c). Dies zeigt sich auch in den statistischen Werten. So unterscheiden sich die arithmetischen Mittel zwischen den nächst an der AWS 2 gelegenen NCEP-Reanalysen und GME-Analysen um 0,1 m/s, die Mediane um 0,1 m/s, die 1. Quantile um 0,1 m/s und die 3. Quantile um 0,4 m/s (Tab. 2.4). Das beinahe analoge Verhalten der Windgeschwindigkeit der beiden Analysentypen gibt unter anderem der Unterschied zwischen den Korrelationskoeffizienten von 0,01 (Tab. 2.6) an. Tendenziell wird die Windgeschwindigkeit auch von den NCEP- Reanalysen etwas überschätzt (Abb. 2.13 e).

26 2 Beobachtungsdaten und Analysen 2.3 Vergleiche von In-situ-Daten und Analysen

Es besteht ein eindeutiger Zusammenhang zwischen dem gemessenen Luftdruck und dem Luftdruck der NCEP-Reanalysen. Beispielsweise beträgt der Korrelationskoeffizient zwischen den Messdaten der AWS 2 und den nächst an der AWS 2 gelegenen NCEP- Reanalysen 0,98 (Tab. 2.6). In den meisten Fällen werden Unterschiede von über 2 hPa nicht erreicht. Allerdings unterschätzen die NCEP-Reanalysen ca. 90 % der Luftdrücke (Abb. 2.13 f). Im Allgemeinen werden die meteorologischen Bedingungen an den AWS gut bis sehr gut von den entsprechenden NCEP-Reanalysen wiedergegeben. Dies trifft auch auf die Lufttemperatur und spezifische Luftfeuchte zu. Ihre Tagesgänge sind im Gegensatz zu denen der entsprechenden GME-Analysen wesentlich intensiver aber auch zu gering. Dagegen wird die Windrichtung von den GME-Analysen etwas besser dargestellt als von den NCEP- Reanalysen. Dies ist wahrscheinlich auf die höhere horizontale Auflösung der GME-Analysen zurückzuführen. Tabelle 2.7 verdeutlicht die Gemeinsamkeiten und Unterschiede zwischen den GME-Analysen und NCEP-Reanalysen.

Abbildung 2.12: Messwerte der AWS 2 und nächst zur AWS 2 befindliche NCEP-Reanalysen für 0, 6, 12 und 18 Uhr UTC vom 11. April 2008 um 12 Uhr UTC bis 29. April 2008 um 0 Uhr UTC.

27 2 Beobachtungsdaten und Analysen 2.3 Vergleiche von In-situ-Daten und Analysen

Abbildung 2.13: Histogramme der Unterschiede der Messdaten der AWS 2 und der nächst zur AWS 2 befindlichen NCEP-Reanalysen. Die Unterschiede gelten für 0, 6, 12 und 18 Uhr UTC vom 11. April 2008 um 12 Uhr UTC bis 29. April 2008 um 0 Uhr UTC. Zwischen den Skalen der Unterschiede und den Histogrammen sind die genauen Werte durch senkrechte Striche angegeben.

28 2 Beobachtungsdaten und Analysen 2.3 Vergleiche von In-situ-Daten und Analysen

Abbildung 2.14: Streudiagramme der Messdaten der AWS 2 und der nächst zur AWS 2 befindlichen NCEP- Reanalysen. Die Vergleiche gelten für 0, 6, 12 und 18 Uhr UTC vom 11. April 2008 um 12 Uhr UTC bis 29. April 2008 um 0 Uhr UTC. Bei Lufttemperatur und spezifischer Luftfeuchte wurden die Trends vorher eliminiert.

Tabelle 2.7: Zusammenfassung der Vergleiche zwischen nahe an den AWS gelegenen Analysen bzw. Reanalysen und den Messwerten der AWS. Variable GME-Analysen vs. In-situ-Daten NCEP-Reanalysen vs. In-situ-Daten Windrichtung gute Übereinstimmung: etwas schlechtere Übereinstimmung: > 70 % der Unterschiede < 30 ° ca. 55 % der Unterschiede < 30 ° Windgeschwindigkeit gute Übereinstimmung: gute Übereinstimmung: Korrelationskoeffizient = 0,86, Korrelationskoeffizient = 0,85, Unterschiede gering, Unterschiede gering, aber ca. 2/3 minimal überschätzt tendenziell minimal überschätzt Lufttemperatur Tagesgänge wenig ausgeprägt: Tagesgänge nahe an der Realität: Standardabw. = 1,8 °C vs. 3,3 °C, Standardabw. = 2,8 °C vs. 3,3 °C, korrelieren kaum: korrelieren gut: Korrelationskoeffizient = 0,34, Korrelationskoeffizient = 0,51, arithmetisches Mittel mit -18,1 °C arithmetisches Mittel mit -18,1 °C identisch identisch spezifische Luftfeuchte Tagesgänge wenig ausgeprägt: Tagesgänge nahe an der Realität: Standardabw. = 0,15 g/kg vs. Standardabw. = 0,23 g/kg vs. 0,21 g/kg, 0,21 g/kg, korrelieren kaum: korrelieren gut: Korrelationskoeffizient = 0,24, Korrelationskoeffizient = 0,78, meist unterschätzt: arithmetische im Allgemeinen etwas unterschätzt Mittel = 0,59 g/kg vs. 0,76 g/kg Luftdruck sehr gute Übereinstimmung: sehr gute Übereinstimmung: Unterschiede stets < 2,2 hPa, meist Unterschiede < 2 hPa, Korrelationskoeffizient = 0,99, Korrelationskoeffizient = 0,98, meist minimal überschätzt meist minimal unterschätzt

29

3 Modellbeschreibung

Das numerische Meereis-Ozean-Modell FESOM setzt sich aus einem hydrostatischen Ozean- Zirkulationsmodell und einem dynamisch-thermodynamischen Meereismodell zusammen (Abb. 3.3). Im Folgenden wird die Physik dieser Modellteile, so wie sie in Timmermann (2000), Timmermann et al. (2002 und 2009) und Schröder (2005)10 dargestellt ist, präsentiert und auf die Kopplung der Modellkomponenten eingegangen (Kap. 3.1 und Kap. 3.2)11. Außerdem erfolgt eine Beschreibung der Methode, die der numerischen Integration der Modellgleichungen dient (Kap. 3.1). In Kapitel 3.3 werden die am FESOM vorgenommenen Konfigurationen zur Realisierung von Simulationen in der Laptev-See erläutert. Initiale Bedingungen, Antriebs- und Ausgabegrößen werden aufgeführt.

3.1 Ozeanmodell

Das hydrostatische Ozean-Zirkulationsmodell basiert auf dem von Danilov et al. (2004) formulierten dreidimensionalen Finite Element Modell für den Nord-Atlantik (FENA). Es beschreibt den Zustand des Ozeans durch die Geschwindigkeitskomponenten uw, vw und ww, die potentielle Temperatur θw und den Salzgehalt S. Die zeitliche Entwicklung dieser prognostischen Variablen wird durch ein Gleichungssystem in einer sphärischen Geometrie bestimmt. Der dynamische und thermodynamische Teil werden dabei getrennt betrachtet.

3.1.1 Dynamik

Die dynamische Komponente des Ozeanmodells beinhaltet die Impulsgleichung, die Kontinuitätsgleichung, die vertikal integrierte Kontinuitätsgleichung für Inkompressibilität und die hydrostatische Grundgleichung (Danilov et al., 2004). Sie lauten:         uw,H    1  Dv uw,H  vw uw,H  f (k  uw,H )   H pw  g H he    Dl  H uw  , (3.1) t ρw z z w   w   u , (3.2) z H w h  ´zhe e    u dz  0 , (3.3) t H  w zhw p w  gρ . (3.4) z   Hierbei repräsentiert vw  (uw,H ,ww )  (uw ,vw ,ww ) den gesuchten dreidimensionalen   Geschwindigkeitsvektor in dem sphärischen Koordinatensystem,  und  H drücken den

10 In Schröder (2005) wird ausschließlich das Meereismodell behandelt. 11 Hierbei ist zu beachten, dass die globale Version des FESOM beschrieben wird. Eine Änderung für die Laptev-See besteht beispielsweise in der Nichtberücksichtigung der dreidimensionalen Bewegung des Wasserkörpers. Es findet keine Ozeanadvektion statt (Kap. 3.3). Daher werden in dieser Arbeit lediglich die Grundzüge des Ozeanmodells dargestellt (Kap. 3.1). 30 3 Modellbeschreibung 3.1 Ozeanmodell drei- und zweidimensionalen (horizontalen) Nablaoperator aus, f bezeichnet den von der  Corioliskraft abhängigen Coriolisparameter, k definiert den vertikalen Einheitsvektor, ρw und ρw geben die Wasserdichte und mittlere Wasserdichte an, pw ist der hydrostatische Druck, g steht für die Gravitationsbeschleunigung, he stellt die Auslenkung der Meeresoberfläche dar und DL und DV kennzeichnen den lateralen und vertikalen Diffusionskoeffizienten für Impuls. Die Impulsgleichung bestimmt die Entwicklung der horizontalen Geschwindigkeitskomponenten uw und vw. Zeitschritte werden nach Timmermann et al. (2009) durch semiimplizite Diskretisierung im Coriolisterm, implizierte Diskretisierungen für die Viskosität und Oberflächenauslenkung und explizite Schemata in den Teilen der Impulsadvektion und des Druckbeitrags umgesetzt. Aus der umgeformten Kontinuitätsgleichung, die das Meerwasser als eine inkompressible Flüssigkeit beschreibt, folgt die vertikale Geschwindigkeitskomponente ww als diagnostische Größe. Zur Lösung der Impuls- und Kontinuitätsgleichungen behilft man sich mit einer speziellen Umsetzung der von Codina und Zienkiewicz (2002) vorgeschlagenen Druck-Projektions-Methode, was in einer deutlich verbesserten Rechenzeit resultiert. Schnelle Oberflächen-Schwerewellen werden durch den Term der zeitlichen Ableitung in der vertikal integrierten Kontinuitätsgleichung dargestellt. Dieser Term entfällt in der Rigid-Lid-Approximation, bei der eine geschlossene Ozeanoberfläche angenommen wird.

3.1.2 Thermodynamik

Der thermodynamische Teil des Ozeanmodells wird durch die allgemeine Tracergleichung und die Zustandsgleichung wie folgt beschrieben: X   D X  v X    D  X  V  0. (3.5) t w H L H z z

Tracer X stellen die potentielle Temperatur θw und der Salzgehalt S dar. Zur Bestimmung der

Dichtestruktur des Ozeans ρ  ρ(w ,S, p) in Abhängigkeit der potentiellen Temperatur, des Salzgehaltes und des Drucks wird die nichtlineare Zustandsgleichung nach Jackett und McDougall (1995) verwendet. In der aktuellen bzw. erweiterten Modellversion findet eine Parametrisierung der Effekte von subgitter-skaligen Prozessen auf die horizontale Tracerverteilung statt. Dies geschieht mittels so genannter rotierender Redi- und Gent- und McWilliams-Diffusionen. Der Tracer mischt entlang neutraler Dichteflächen nach dem Rotationsprinzip von Redi (1982) und die Entstehung des advektiven Flusses wird aus Gent und McWilliams (1990) übernommen. Für beide Schemata sind die laterale Viskosität VL und laterale Diffusion lineare Funktionen der Elementfläche A [m2] und variieren demnach mit der horizontalen Auflösung. Die entsprechenden Parametrisierungsgleichungen lauten: 5 1 (3.6) VL 10 s  A,

DL  VL  0,04. (3.7) Zudem wurde ein vertikales Durchmischungsschema nach der Ausführung von Pacanowski und Philander (1981) in das Modell eingebaut. Dadurch wird ermöglicht, dass die vertikale Mischung von Temperatur und Salz kontinuierlich mit abnehmender Stabilität steigt. Die maximale vertikale Diffusion beträgt 0,01 m2/s.

31 3 Modellbeschreibung 3.1 Ozeanmodell

3.1.3 Numerik

Zur Lösung der vorgestellten Gleichungen wird eine Diskretisierung bzw. Zerlegung des Modellraums in Elemente mittels der so genannten Finite Element Methode vorgenommen. Das FESOM verwendet dazu ein Gitter, das aus Tetraedern besteht (Abb. 3.1). Es kann für Regionen von besonderem Interesse verfeinert werden und ist daher meist unstrukturiert (Danilov et al., 2004). Neben der variablen räumlichen Auflösung ist eine genaue Simulation der Geometrie des Meeresgrundes möglich. Ein weiterer Vorteil besteht in der unkomplizierten Implikation natürlicher Randbedingungen. Es ist geplant zukünftig eine von Wang et al. (2008) präsentierte fortgeschrittenere Diskretisierung, welche hybride Koordinaten nutzt, einzusetzen.

Abbildung 3.1: Dreidimensionale Struktur des FESOM-Netzes. Links: Ausgehend von den Kontenpunkten des unstrukturierten Netzes von Oberflächendreiecken verlaufen Vertikale bis zum Grund, welche durch Ebenen abgegrenzt sind (Timmermann et al., 2009). Mitte: Jedes der resultierenden Prismen ist aus drei Tetraedern zusammengesetzt. Rechts: Gitter des Nord-Atlantiks mit einer horizontalen Auflösung von 0,3 ° bis 1,5 ° und mittleren ca. 0,8 ° und einer vertikalen Gliederung von 16 Levels (Danilov et al., 2004).

32 3 Modellbeschreibung

3.2 Meereismodell

Das dynamisch-thermodynamische Meereismodell wurde am Alfred-Wegener-Institut für Polar- und Meeresforschung (AWI) in Bremerhaven entwickelt und geht in den Bilanzgleichungen (Gl. 3.8 bis Gl. 3.10), der zweidimensionalen Impulsgleichung (Gl. 3.11) und dem Rheologiegesetz (Gl. 3.15) auf Hibler (1979) zurück. Die Grundzüge des thermodynamischen Modellteils beruhen auf Parkinson und Washington (1979). Es wird zur Prognose der räumlichen Verteilung und zeitlichen Entwicklung der mittleren Eisdicke h , der mittleren Schneehöhe h , des mittleren Bedeckungsgrades A und der ice  s ice mittleren Eisdrift uice für jede Gitterzelle bzw. jedes Oberflächendreieck (Abb. 3.1) eingesetzt. Dabei werden Eisdicke und Schneehöhe als Volumen pro Gitterzelle definiert, also als die Dicke bzw. Höhe, die Eis und Schnee besäßen, wenn sie homogen mit einem Bedeckungsgrad von 100 % über das gesamte Dreieck verteilt wären. Für die reale mittlere Eisdicke hice,eff bzw. Schneehöhe hs,eff ergibt sich also hice/Aice bzw. hs/Aice. Die zeitliche Entwicklung der Variablen Eisdicke, Schneehöhe und Eisbedeckungsgrad wird wie folgt berechnet: h   ice   u  h   S , (3.8) t H ice ice hice h   s   u  h   S , (3.9) t H ice s hs A   ice   u  A   S . (3.10) t H ice ice Aice Diese Haushaltsgleichungen beschreiben die lokal-zeitliche Änderung der jeweiligen Größe durch Advektion sowie Quell- und Senkterme S. Die Advektion stellt den infolge der Eisdrift resultierten horizontalen Austausch benachbarter Regionen dar. Sie ergibt sich aus dem dynamischen Teil des Meereismodells (Kap. 3.2.1). Bei den Quell- und Senktermen handelt es sich um Niederschlag, Gefrier- und Schmelzprozesse sowie Reibung. Sie werden im Kapitel der Thermodynamik behandelt (Kap. 3.2.2).

3.2.1 Dynamik

Der dynamische Teil des Eismodells wird über die zweidimensionale Impulsgleichung  u      ρ h ice  τ  τ  F  F  F (3.11) ice ice t a w c int H gemäß dem Modell von Hibler (1979) beschrieben. Zur totalen zeitlichen Änderung der    Eisdrift u tragen die Windschubspannung τ , die ozeanische Schubspannung τ , die ice   a  w Corioliskraft Fc , die internen Kräfte im Eis Fint und die Hangabtriebskraft FH auf einer geneigten Meeresoberfläche bei. Den größten Einfluss auf die Eisdrift übt der Wind aus. Die Schubspannung infolge dessen wird über folgende Bulkformel parametrisiert:    τa  ρaCD,a ua ua . (3.12)

33 3 Modellbeschreibung 3.2 Meereismodell

3 Hierbei bezeichnet ρa die Dichte der Luft und CD,a  1,32 10 den von Timmermann (2000) angenommenen atmosphärischen Transferkoeffizienten für Impuls (Tab. 3.1). Die  Windgeschwindigkeit u bezieht sich auf eine Höhe von 10 m.  a  Der Schub τ w zwischen Eis und Ozean wird analog zu τ a parametrisiert. Allerdings kann hier die Eisdrift, die die gleiche Größenordung wie die Ozeanströmung besitzt, nicht vernachlässigt werden. Daher wird der zweite Term der Impulsgleichung wie folgt bestimmt:      τ w  ρwCD,w uw  uice uw  uice . (3.13)

3 In dieser Gleichung gibt ρw die Dichte des Meerwassers von 1025 kg/m und CD,w den ozeanischen Transferkoeffizienten für Impuls von 310 3 nach Timmermann (2000) an. Die  Ozeanströmung uw bezieht sich auf die oberste Schicht des Ozeanmodells. Dieses hier beschriebene dynamische Zusammenspiel zwischen Wasser und Eis wird im Ozean- und Meereismodell zusammengefügt.  Neben den Schubspannungen trägt die Corioliskraft Fc zu der Eisdrift bei. Sie führt auf der Nordhalbkugel zu einer Rechtsablenkung der Eisbewegung. Aus der Divergenz des zweidimensionalen Spannungstensors  ergeben sich die internen Kräfte  

Fint   H  (3.14) im Meereis. Eine ausführliche Bestimmung des Spannungstensors wird von Harder (1996) präsentiert. Die Verknüpfung der dynamischen Größe des Spannungstensors mit der 1  u u  kinematischen Größe des Tensors der Deformationsraten    ice,i  ice, j  beschreibt ij   2  x j xi  das Rheologie- bzw. Fließgesetz  P       σ ij  2η ij  ζ  η11   22  δij (3.15)   2  nach Hibler (1979). Es gibt die internen Spannungen des Eises infolge seines Bewegungszustandes wieder. In dieser Gleichung stellt η die Scherviskosität, ζ die

Viskosität für die Volumenkompression und  ij das Kronecker-Symbol dar. Der Druckterm -P/2 enthält die Eishärte P, welche eine Funktion der mittleren Eisdicke und des Bedeckungsgrads ist. Interne Kräfte im Eis wirken ausschließlich bei hohen Eiskonzentrationen und nehmen mit der Dicke der Eisschollen zu. Die Ermittlung der Viskositäten geschieht auf Basis der viskos-plastischen Rheologie nach Hibler (1979). Danach verhält sich das Meereis bei kleinen Deformationsraten wie eine viskose kompressible Flüssigkeit und ansonsten wie ein plastischer Festkörper. P ist die in dieser Rheologie maximal erreichbare Spannung: Wenn bei steigenden Deformationsraten die Spannung diesen Grenzwert erreicht, bricht das Eis und gibt durch plastische Verformung nach.  Der Term der Hangabtriebskraft FH in der Impulsgleichung geht auf die Auslenkung der Meeresoberfläche in Bezug auf das Geoid zurück (infolge von Gezeiten, horizontalen Druckgradienten und der Windschubspannung).

34 3 Modellbeschreibung 3.2 Meereismodell

3.2.2 Thermodynamik

Der thermodynamische Teil des Eismodells beruht im Wesentlichen auf Energiebilanzen für die Oberfläche und Eisunterseite nach dem Ansatz von Parkinson und Washington (1979) und einem von Semtner (1976) beschriebenen Wärmeleitungsmodell. Abbildung 3.2 schematisiert die fünf auftretenden Grenzflächen Atmosphäre/Schnee, Atmosphäre/Eis, Atmosphäre/Ozean, Schnee/Eis und Eis/Ozean, an denen die jeweiligen Gesamtwärmeflüsse Qa/s, Qa/ice, Qa/w, Qs/ice und Qice/w aus den Wärmeflüssen der angrenzenden Bereiche ermittelt werden.

Atmosphäre

Qa Qa Qa

Qa/s Qc,s Schnee Qc,s Qs/ice Q Qa/ice c,ice Qa/w Eis offene Polynja Qc,ice Qc,ice

Q ice/w

Qw Qw

Ozean Abbildung 3.2: Die Bereiche Atmosphäre, Schnee, Eis und Ozean in schematischer Darstellung. An den Grenzflächen ergeben sich Gesamtwärmeflüsse (in roter Schrift angegeben) aus jeweils den beiden Wärmeflüssen der angrenzenden Bereiche. Die Länge der Pfeile sagt nichts über die Größenordnung der Wärmeflüsse aus. Auf die Kürzel wird im Text eingegangen. Positive Flüsse sind zur Oberfläche hin gerichtet.

Der atmosphärische Wärmefluss Qa setzt sich entsprechend

Qa  H  E  K  K  L  L  (3.16) aus der Strahlungsbilanz, also den Flüssen der kurzwelligen und langwelligen Ein- und Ausstrahlung K  , K  , L  , L  , sowie den turbulenten atmosphärischen Flüssen sensibler und latenter Wärme H und E zusammen. Die turbulenten Flüsse H und E ergeben sich aus den von Parkinson und Washington (1979) empfohlenen Bulkformeln:  H  ac p,aCH ,a ua Ta Tsfc , (3.17)  E  a LCH ,a ua qa  qsfc . (3.18)

Hierbei stellt ρa die Dichte der Luft und CH,,a den atmosphärischen Transferkoeffizienten für -3 Wärme dar. Er beträgt 1,75 · 10 (Timermann, 2000). Die spezifische Wärme der Luft cp,a ist mit 1004 J/kg/K konstant und die spezifische Wärme für Verdunstung bzw. Sublimation L ist mit 2,5 · 106 J/kg bzw. 2,834 · 106 J/kg vorgegeben. Aus den Antriebsdaten werden die  Windgeschwindigkeit ua in 10 m Höhe und die Lufttemperatur Ta und spezifische Luftfeuchte qa in 2 m Höhe übernommen. Die diagnostische Oberflächentemperatur Tsfc ergibt sich iterativ aus der Gleichung 3.16 des atmosphärischen Wärmeflusses. Hiernach wird der atmosphärische Wärmefluss dem konduktiven Wärmefluss Qc in fünf Iterationen angenähert, so dass sie sich beide Flüsse im Gleichgewicht befinden. Die Oberflächentemperatur stellt im eisbedeckten Teil der Gitterzelle eine diagnostische Variable des Meereismodells und im 35 3 Modellbeschreibung 3.2 Meereismodell offenen Wasser die Temperatur der obersten Schicht des Ozeanmodells dar. Bei der Berechnung der spezifischen Luftfeuchte qsfc unmittelbar über der Eis- oder Wasseroberfläche wird angenommen, dass die Luft unmittelbar über der Oberfläche dieselbe Temperatur wie die Oberfläche selbst besitzt und vollständig mit Wasserdampf gesättigt ist, so dass Luft- und Taupunktstemperatur übereinstimmen. So kann die spezifische Luftfeuchte mittels des Sättigungsdampfdrucks und des Luftdrucks berechnet werden. Zur Ermittlung der kurzwelligen Einstrahlung K  wird eine vom Sonnenstand, Wolkenbedeckungsgrad und Zustand der Atmosphäre abhängige empirische Gleichung nach Parkinson und Washington (1979) verwendet: cos2 Z K  S 1 0,6n3  (3.19) 0 cosZ  2,7e 10 3 hPa 1 1,085cosZ  0,1 cl 2 In der Gleichung stellt S0 die Solarkonstante von 1353 W/m , Z den Zenitwinkel der Sonne als Funktion der geographischen Breite, des Tages und der Uhrzeit, e den Partialdruck des Wasserdampfes [hPa] in 2 m Höhe und ncl den Wolkenbedeckungsgrad [0,1] dar. Die kurzwellige Rückstrahlung K  ergibt sich aus der Multiplikation der kurzwelligen Einstrahlung mit der Oberflächenalbedo α: K    K  . (3.20) Für die Oberflächenalbedo finden Werte nach Fischer (1995) Verwendung. Sie liegt zwischen 0,1 für offenes Wasser und 0,85 für gefrorenen Schnee. Eine Näherungsformel von König- Langlo und Augstein (1994) nach dem Prinzip von Stefan-Boltzmann, mit Berücksichtigung der Lufttemperatur und des Wolkenbedeckungsgrads zur Bestimmung der Emissivität, wird zur Parametrisierung der langwelligen Einstrahlung L  genutzt: 3 4 L  0,765  0,22ncl  Ta . (3.21) Die Stefan-Boltzmann-Konstante σ beträgt 5,67 · 10-8 W/m2/K4. Im Gegensatz zur langwelligen Einstrahlung aus der Atmosphäre wird die langwellige thermische Abstrahlung

L  als Funktion der Oberflächentemperatur Tsfc und -emissivität ε wie folgt beschrieben: 4 L    Tsfc . (3.22) Die Oberflächenemissivität ist mit 0,97 vorgegeben. Der neben dem atmosphärischen Wärmefluss in die Energiebilanz des Meereises (Gl. 3.26) eingehende turbulente ozeanische Wärmefluss Qw wird ebenfalls über eine Bulkformel, von Morison et al. (1987) entwickelt, gemäß   Qw  ρwc p,wCH ,w CD,w uw  uice Tw  T f  (3.23)

3 bestimmt. In dieser Gleichung bezeichnet ρw die Dichte des Meerwassers von 1025 kg/m , cp,w gibt die spezifische Wärme des Wassers von 4000 J/kg/K an und CH,w und CD,w kennzeichnen den ozeanischen Transferkoeffizienten für Wärme und Impuls von 10 4 bzw. 3   310 . Während uw uice die Differenz der Strömungsgeschwindigkeit der obersten Schicht des Ozeanmodells, welche für die Laptev-See bei einer Tiefe von 1 m liegt (Tab.3.3), und der

Eisdrift darstellt, entspricht Tw Tf der Differenz zwischen der Wassertemperatur der obersten Modellfläche und der Gefriertemperatur des Meerwassers. Der hier beschriebene ozeanische Wärmefluss ist, neben dem Austausch von Salz und Impuls zwischen Meerwasser und Eis, Teil der Kopplung des Ozean- und Meereismodells. Nach dem Null-Schichten-Modell von Semtner (1976), in dem die Wärmekapazitäten von Eis und Schnee vernachlässigt werden, ist der konduktive Wärmefluss durch das Eis Qc,ice und

36 3 Modellbeschreibung 3.2 Meereismodell

durch die eventuell vorhandene Schneeauflage Qc,s jeweils vertikal konstant. Der Isolationseffekt von Schnee findet durch die unterschiedlichen Wärmeleitfähigkeiten von Eis und Schnee Berücksichtigung. Daher differiert der Temperaturgradient in beiden Schichten und dementsprechend das lineare Temperaturprofil. Der konduktive Wärmefluss Qc durch Eis und Schnee folgt aus

Tb  Tsfc  Qc   , (3.24) hice wobei

  ice hice  hice  hs (3.25)  s mit den Wärmeleitfähigkeiten κice = 2,17 W/m/K und κs = 0,31 W/m/K. Als Temperatur Tb an der Unterseite des Eises wird die Gefriertemperatur angegeben (Kap. 3.3.1). Unter Vernachlässigung der Wärmespeicherung im Meereis wird die Energiebilanz der Meereisdecke nach Parkinson und Washington (1979) mittels Q  Q  S ρ L  0 a w hice ice ice (3.26)

3 5 bestimmt. Hierbei gibt ρice  910 kg/m die Dichte und Lice  3,34 10 J/kg die Schmelzwärme des Meereises an. Eine entsprechende Umformung dieser Gleichung ergibt die thermodynamische Änderung der Eisdicke S . Es sind etwa 35 W/m2 notwendig, um die hice Eisdicke um einen Zentimeter pro Tag zu verändern. Die Änderung der Schneehöhe S durch Schmelzen oder Niederschlag wird über eine hs analoge Bilanzgleichung wie folgt abgeleitet: Q  Q S   a w  R , hs (3.27) ρs Ls wobei die Schneeniederschlagsrate R eine Neuerung im Gleichungsaufbau darstellt. Für die 3 Dichte des Schnees ρs wird einheitlich 290 kg/m vorgegeben (Timmermann, 2000) und die Schmelzwärme des Schnees Ls ist identisch mit der von Meereis. Es wird angenommen, dass zunächst der gesamte Schnee abschmilzt, bevor Eisschmelzprozesse einsetzen. Die thermodynamisch bedingte zeitliche Entwicklung des Eisbedeckungsgrades S wird Aice mittels der empirischen Gleichung  1 Aice Aice  S A   maxSh ,0  minSh ,0 0,5   H uice exp Cice 1 Aice  (3.28) ice ice ice h f 2hice berechnet. Sie beschreibt im ersten Term die Abnahme der Wasserfläche 1 – Aice infolge Gefrierens, wobei der so genannte Rinnenschließungsparameter hf die Geschwindigkeit der Schließung vorgibt. Während in Timmermann (2000) noch ein Rinnenschließungsparameter von 0,5 m angegeben ist, haben wird hier ein Wert von 1 m vorgegeben. Der zweite Term bestimmt die Abnahme des Eisbedeckungsgrades, welche hier proportional zur Abnahme des Eisvolumens geschieht. Das Entstehen von Rinnen offenen Wassers durch Scherdeformationen wird nach Harder (1994) durch den Rest des Gleichungssystems parametrisiert. In diesem Teil repräsentiert ∆ die gesamte Deformation. Sie setzt sich aus den Invarianten des Tensors der Deformationsraten und der Exzentrizität der elliptischen Bruchkurve zusammen. Durch die so genannten Bruchkurven im Spannungsraum wird das allgemein das plastische Verhalten eines Festkörpers beschrieben. Die Exzentrizität der elliptischen Bruchkurve bestimmt das Verhältnis zwischen Kompressions- und 37 3 Modellbeschreibung 3.2 Meereismodell

Scherviskosität. Zudem beinhaltet der letzte Term Cice, einen empirischen Eiskonzentrationsparameter von 20 (Timmermann, 2000). Das Auftreten unterschiedlicher Eisklassen innerhalb einer Gitterzelle wird durch die Annahme sieben gleich verteilter 1 2h 2h Eisdicken zwischen  ice und ice berücksichtigt. Für jede dieser Eisdickenklassen 7 Aice Aice werden die Energiebilanzen an den Grenzen (Abb. 3.2) bestimmt. Die Änderungsraten S , hice S und S ergeben sich jeweils als Mittelwert über alle Klassen. hs Aice Infolge von thermodynamischen Änderungen des Eisvolumens treten das Ozeanwasser und das Meereis durch Austausch von Salz miteinander in Wechselwirkung. Bei der Eisbildung wird ein wenig des im Meerwasser enthaltenen Salzes in das Eiskristallsystem eingebaut. Schmilzt Eis, kehrt es wieder in den Ozean zurück. Diese Prozesse ändern die Dichte der ozeanischen Deckschicht und sind für Hydrokonvektionen von Bedeutung (Kap. 3.3.1). Die zeitliche Änderung des virtuellen Salzflusses ΓS,ice wird im zweiten Modellkopplungsteil durch

ρice  hice  Γ S ,ice  S w0  Sice    (3.29) ρw  t th beschrieben. Hierbei bezeichnet Sw0 den Salzgehalt der ozeanischen Deckschicht. Der Salzgehalt des Meereises Sice wird mit 5 psu angenommen (Timmermann, 2000).

Tabelle 3.1: Die Konstanten im FESOM. Parameter Symbol Wert Oberflächenalbedo α 0,1 bis 0,85 -3 atmosphärischer Transferkoeffizient für Impuls CD,a 1,32 · 10 -3 atmosphärischer Transferkoeffizient für Wärme CH,,a 1,75 · 10 3 Dichte der Luft ρa 1,3 kg/m 3 Dichte des Meereises ρice 910 kg/m 3 Dichte des Meerwassers ρw 1025 kg/m 3 Dichte des Schnees ρs 290 kg/m Salzgehalt des Meereises Sice 5 psu empirischer Eishärteparameter P* 2 · 104 N/m2 empirischer Eiskonzentrationsparameter C 20 Erdbeschleunigung g 9,81 m/s2 Oberflächenemissivität ε 0,97 -3 ozeanischer Transferkoeffizient für Impuls CD,w 3 · 10 -4 ozeanischer Transferkoeffizient für Wärme CH,w 10 Rinnenschließungsparameter hf 1 m 5 Schmelzwärme des Meereises Lice 3,34 · 10 J/kg 2 Solarkonstante S0 1353 W/m 6 spezifische latente Wärme für Sublimation Lice/a 2,834 · 10 J/kg 6 spezifische latente Wärme für Verdunstung Lw/a 2,5 · 10 J/kg

spezifische Wärme der Luft cp,a 1004 J/kg/K spezifische Wärme des Meerwassers cp,w 4000 J/kg/K Stefan-Boltzmann-Konstante ζ 5,67 · 10-8 W/m2/K4 Wärmeleitfähigkeit des Meereises κice 2,1656 W/m/K Wärmeleitfähigkeit des Schnees κs 0,31 W/m/K

38 3 Modellbeschreibung

3.3 Konfigurationen für die Laptev-See

3.3.1 Physik

Die Dynamik der Laptev-See Polynja hängt im Wesentlichen von den entsprechenden Komponenten des Meereismodells ab (Abb. 3.3). Der dynamische Teil des Ozeanmodells ist auf vertikale Prozesse beschränkt. Es findet keine Ozeanadvektion statt. Anschaulich ist der Wasserkörper durch vertikale Säulen aufgebaut, die keine Wechselbeziehungen untereinander eingehen. Obwohl die horizontalen Geschwindigkeitskomponenten des Wassers Null sind, findet eine Bewegung des Eises statt. Aus der Impulsgleichung 3.11 geht hervor, dass der ruhende Ozean in diesem Fall lediglich eine bremsende Wirkung auf die Eisdrift ausübt.

Meereis-Ozean-Modell FESOM

hydrostatisches Kopplung des dynamisch-thermodynamisches Ozean-Zirkulationsmodell Ozean- und Meereismodells Meereismodell

Dynamik: Dynamik: Dynamik: - Impulsgleichung - Bulkformel - zweidimensionale

→ horizontale → Impulsaustausch Impulsgleichung aus

Geschwindigkeitskomponenten zwischen Schubspannung des

- Kontinuitätsgleichung Ozean und Meereis Windes und des

→ vertikale Ozeans, Corioliskraft,

Geschwindigkeitskomponente interne Kräfte im Eis und

- vertikal integrierte Hangabtriebskraft

Kontinuitätsgleichung → Eisdrift → Oberflächenschwerewellen → advektive - hydrostatische Grundgleichung Eisdickenänderung → hydrostatische Balance

Thermodynamik: Thermodynamik: Thermodynamik: - Bilanzgleichungen - Bulkformel - Energiebilanzgleichungen

→ potentielle Temperatur → Wärmefluss zwischen aus dem atmosphärischen

→ Salzgehalt Ozean und Unterseite und ozeanischen

- Zustandsgleichung des Meereises Wärmefluss → Dichtestruktur - Gleichung der → thermische

Eisvolumenänderung Eisdickenänderung → Salzfluss zwischen - Wärmeflüsse und

Ozean und Meereis Niederschlagsrate → Schneehöhe - atmosphärischer Wärmefluss → Oberflächentemperatur - empirische Gleichung → Eisbedeckungsgrad Abbildung 3.3: Aufbau des Meereis-Ozean-Modells FESOM. Lösungen aus bestimmten Gleichungen werden als Bekannte für die Bestimmung weiterer Variablen vorgegeben. Die Gleichungen sind im Text aufgeführt (Kap. 3.1 und Kap. 3.2). Komponenten in roten Klammern werden in den Simulationen für die Laptev-See nicht verwendet.

39 3 Modellbeschreibung 3.3 Konfigurationen für die Laptev-See

Der Salzgehalt des Ozeans ändert sich ausschließlich thermodynamisch. Bei Eisbildung bleiben 29 psu im Meerwasser zurück. Von den ursprünglichen 34 psu des Ozeans werden ausschließlich 5 psu in dem Eiskristallsystem eingeschlossen. Die Dichte der ozeanischen Deckschicht steigt und der Süßwasserfluss ist negativ. Er entspricht ungefähr dem -0,8-fachen der thermischen Eisdickenänderung. Würde Meereis schmelzen12, so würde der Salzgehalt der Ozeanoberfläche aufgrund von Süßwassereintrag abnehmen. Um zu verhindern, dass der Salzgehalt der Deckschicht unbegrenzt wächst bzw. sinkt, kann der klimatologischen Werten aus dem World Ocean Atlas 2001 angenähert werden (Kap. 3.3.3). Auf diese Weise des Salzgehaltrestorings wird der Effekt der horizontalen Advektion im Ozean, der in der eindimensionalen Laptev-See-Version nicht enthalten ist, parametrisiert. In den Studien dieser Arbeit wird das Verfahren zum Zurückstellen des Salzgehaltes nicht angewendet. Die Gefrierpunkttemperatur des Ozeans ist eine Funktion des hydrostatischen Drucks und des Salzgehalts in der obersten Schicht des Ozeanmodells und demnach auch von Gefrier- und Schmelzprozessen des Meereises abhängig. So sinkt die Gefrierpunktstemperatur beim Gefriervorgang aufgrund der Erhöhung des Salzgehaltes. Zur Bestimmung der Gefrierpunktstemperatur wird die von der UNESCO (United Nations Educational, Scientific and Cultural Organization) im Jahre 1978 veröffentlichte empirische Gleichung verwendet. Aus der Gleichung 3.16 des atmosphärischen Wärmeflusses ergibt sich weiterhin iterativ die Oberflächentemperatur Tsfc einer vollständig mit Meereis bedeckten Fläche. Um die mittlere

Oberflächentemperatur Tsfc einer Fläche mit einer Eiskonzentration zwischen 0 % und 100 % zu erhalten, wird folgende Gleichung angewendet:

Tsfc  Tsfc  hice Tw  1 hice . (3.30) Es wird also die Dicke des Eises und somit die Eiskonzentration berücksichtigt. Der Zusammenhang ist in Kapitel 3.2.2 ersichtlich (Gl. 3.28). Falls offene Wasserflächen auftreten, wird die Temperatur Tw des Wassers ausgegeben, da nur thermodynamische Wachstumsraten im Simulationszeitraum bestehen13. Die aufgeführten Vorgehensweisen zur Berechnung des atmosphärischen latenten und sensiblen Wärmeflusses, der Schneehöhe und der Dicke, der thermischen und advektiven Dickenänderung, des Bedeckungsgrades und der Drift des Meereises (Kap. 3.1 und Kap. 3.2) werden aus dem globalen FESOM übernommen und als Ausgabevariablen definiert (Tab. 3.2).

Tabelle 3.2: Zusammenfassung der Ausgabevariablen des FESOM für die Laptev-See. Atmosphäre Schnee Meereis Ozean latenter Wärmefluss Höhe Dicke Süßwasserfluss sensibler Wärmefluss thermische Dickenänderung Salzgehalt in allen Tiefen advektive Dickenänderung Temperatur in allen Tiefen Bedeckungsgrad Oberflächentemperatur Driftvektor Oberflächentemperatur

12 Dies tritt im Simulationszeitraum des Aprils nicht ein. 13 Die offene Wasserfläche ist vorher durch Advektion zustande gekommen. 40 3 Modellbeschreibung 3.3 Konfigurationen für die Laptev-See

3.3.2 Modellgitter

In der Version des FESOM für die Laptev-See werden die Gleichungen auf einem regelmäßigen Dreiecksgitter angewendet. Es besteht kein Bedarf an einer Diskretisierung durch unstrukturierte Tetraeder. Die gesamte Region soll in gleicher Weise betrachtet werden. Zudem kann die Nachbildung des Ozeangrundes auch mittels einfacher Mittel vollzogen werden, da es sich bei einem großen Teil der Laptev-See um Schelfgebiet handelt. Der Ozeangrund ist in dem Bereich, wo Polynjen entstehen, überwiegend homogen und nicht durch große topographische Unterschiede gekennzeichnet. Er weist im Allgemeinen eine minimale von der Küste ausgehende Neigung auf. Da die Mittelpunkte aller Dreiecke identisch mit denen von Quadraten sind, erfolgt die Darstellung auf einem quadratischen Gitter, das kongruent mit dem des Atmosphäremodells COSMO ist. Das Modellgebiet erstreckt sich von ca. 110 °E bis 140 °E und ungefähr 73 °N bis 78 °N. Es ist aus einem Gitter mit 200 Pixel  200 Pixel aufgebaut. Von diesen 40000 Pixel überdecken 17590 Elemente das Festland und 22410 Elemente den Ozean. Sie haben jeweils eine Größe von 5 km 5 km. Somit entsprechen sie der horizontalen Auflösung des COSMO-Modells, mit dem Ebner (2009) 24-Stunden Simulationen in der Laptev-See durchgeführt hat. Der modellierte Ozean besteht aus 17 möglichen Niveaus (Tab. 3.3), von denen in der flachen südlichen Laptev-See meist nur die obersten fünf verwendet werden.

Tabelle 3.3: Mögliche Tiefenniveaus des modellierten Wasserkörpers. Level 1 2 3 4 5 6 7 8 9 Tiefe [m] 1 2 5 10 30 50 100 150 200

Level 10 11 12 13 14 15 16 17 Tiefe [m] 300 425 600 1000 1500 2000 2500 3000

Die Berechnungszeitschritte betragen 15 Minuten und es erfolgt eine stündliche Ausgabe der Variablen (Tab. 3.2).

41 3 Modellbeschreibung 3.3 Konfigurationen für die Laptev-See

3.3.3 Initialisierung

Für den Start von Simulationen benötigt das FESOM Anfangsfelder für das Meereis, für den auf dem Eis liegenden Schnee und den Ozean. Nächst erfolgt eine Darstellung dieser Felder und eine Erstellung für das Gebiet der Laptev-See (Tab. 3.4). Damit die Orte und Ausmaße der Polynjen zum Anfang von Simulationen erfasst werden, werden Eiskonzentrationen aus AMSR-Daten bestimmt. Die Ableitung geschieht mittels des ARTIST-Meereis-Algorithmus nach Spreen et al. (2008). Hiernach wird die Polarisations- Differenz der vertikalen und horizontalen Strahlungsstemperaturen, der im Mikrowellenfrequenzbereich von 89 GHz vorhandenen Daten, zur Schätzung der Eiskonzentrationen herangezogen (Kap. 2.1.2). So produzierte Eiskonzentrationen werden vom Institut für Meereskunde der Universität Hamburg unter ftp://ftp- projects.zmaw.de/seaice/AMSR-E_ASI_IceConc/ bereitgestellt. Polynjen der Laptev-See sind meist durch Festeis begrenzt. Daher ist eine genaue Erfassung der Lage der Festeiskante zur Initialisierung notwendig. Sie ist nach Ausbildung im November innerhalb eines Winters quasi stationär (Bareiss, 2003) und bleibt dementsprechend während der hier durchgeführten Modelläufe weitgehend konstant. Im Allgemeinen handelt es sich um ausschließlich geringfügige saisonale Veränderungen der Lage der Festeiskante. Würde man Modellläufe über weitere Jahre durchführen, müssten die kleinräumigen Variationen der Lage der Festeiskante in der vor allem südlichen Laptev-See infolge der interannualen Variabilität des Festlandabflusses (Dmitrenko et al., 1999) berücksichtigt werden. Das salzarme Flusswasser eines Sommers führt zur Aussüßung der Laptev-See und Erhöhung des Gefrierpunktes des Meerwassers und damit zu einer verstärkten Eisbildung im Herbst (Bareiss, 2003). Die Ausdehnung der ausgesüßten Wassermassen ist von der Abflussmenge und der vorherrschenden Windrichtung abhängig. Am 22. April 2008 ist die Laptev-See Polynja in vielen Bereichen geöffnet oder die Eisdicke an den polynjarelevanten Stellen ist sehr gering, so dass eine Abgrenzung der Festeiskante mittels Oberflächentemperaturen möglich ist. Zur Ableitung der Oberflächentemperaturen wurde das Verfahren nach Key et al. (1997) auf eine MODIS-Szene mit einer räumlichen Auflösung von 1 km  1 km angewendet (Abb. 3.4). Die MODIS-Daten stammen von dem LAADS der NASA. Das Verfahren bestimmt die Oberflächentemperaturen aus den Strahlungstemperaturen der beiden Split-Window-Infrarot-Kanäle mit den Wellenlängenbereichen 10,78 μm bis 11,28 μm und 11,77 μm bis 12,2 μm. Um Fehlerminimierung zu gewähren, wird möglichst wenig Bewölkung vorausgesetzt, welche am herausgesuchten Tag um 2.45 Uhr UTC vorgelegen hat. Man kann auch Komposite erstellen, um die teilweise bewölkten MODIS-Szenen zu kombinieren (Drüe und Heinemann, 2004).

T [°C] Abbildung 3.4: MODIS-Szene der Laptev-See vom 22. April 2008 um 2.45 Uhr UTC und abgeleitete Oberflächentemperaturen (persönliche Mitteilung, 2008).

42 3 Modellbeschreibung 3.3 Konfigurationen für die Laptev-See

Die aus Adams et al. (2009) übernommene Festeiskante liegt für diesen Termin bei einem Grenzwert der Oberflächentemperatur von -14 °C. Unterhalb dieser Temperatur liegt Festeis vor, welches dort endet, wo -14 °C überschritten wird. Da dieser Temperaturübergang an verschiedenen Stellen nicht besteht, hat eine manuelle Ergänzung der Datenlücken stattgefunden. Durch Vergleiche mit aus AMSR-Daten ermittelten Meereiskonzentrationen am 22., 27. und 29. April 2008 (Abb. 3.5 und Abb. 4.6 d) wurde die Position der Festeiskante im Bereich der Polynjen angepasst.

C [%] Abbildung 3.5: Aus AMSR-Daten abgeleitete Tageskomposite der Meereiskonzentrationen in der Laptev-See am 22. und 29. April 2008 (persönliche Mitteilung, 2008).

An Orten, wo die Eiskonzentration unter 90 % liegt, aber laut Oberflächentemperaturen aus MODIS-Daten Festeis besteht, wird Packeis angenommen. Bei einer Eiskonzentration von mehr als 98 % ist von Festeis auszugehen. Aufgrund des relativ steilen Abfalls des Ozeangrundes entlang der östlichen Küste der Taimyr-Halbinsel bildet sich hier wenig Festeis aus. Nach Reimnitz (1995) endet es 10 km bis 20 km vor der Küste. Die Festeiskante ist nicht eindeutig, was in Datenlücken begründet ist. Daher wird dieser Bereich als Packeis definiert (Abb. 3.6).

Taimyr- Laptev-See Halbinsel NSI

Packeis

Festeis

Nordsibirisches Tiefland Tiksi

Lena

Abbildung 3.6: Karte der Laptev-See mit ermittelter Festeisgrenze. In der südöstlichen Laptev-See ist sie ähnlich zur 25 m Isobathe. Isobathen werden in der Karte durch gestrichelte Linien dargestellt. Die Werte beziehen sich auf Tiefen in Metern.

43 3 Modellbeschreibung 3.3 Konfigurationen für die Laptev-See

Die so erzeugte Lage der Festeiskante wird während der hier, für den April 2008, durchgeführten Simulationen als stationär angenommen14. Sie kann allerdings in geringem Maße von Polynjen beeinflusst werden. So ist es möglich, dass eine Polynja auch über die Festeiskante hinaus, in Festeisgebiet, eine Abnahme der Meereiskonzentrationen bewirkt. In der Regel ist der Übergang zwischen Polynja und Festeiskante nicht scharf abgegrenzt, da der Gradient der Meereiskonzentrationen benachbarter Pixel zu klein ist. Diese „Glättung bzw. Verschmierung“ ist also in einer Advektionsberechnung begründet, welche die Umgebung in zu hohem Maße mit einbezieht. Eine Verbesserung wurde durch die Verringerung des in der Advektionsgleichung beinhalteten Diffusionskoeffizienten erreicht. Er wurde von ursprünglich 5000 auf 100 reduziert. Im Festeisbereich werden die Eisdriftkomponenten uice = 0 und vice = 0 vorgegeben. Hier und an Packeisstellen mit einer Eiskonzentration von 100 % bestehen initiale Eisdicken von 1 m. Da Meereis mit davon nicht markant abweichender Dicke keinen wesentlichen Einfluss auf Prozesse und deren Geschwindigkeiten ausübt, wurde diese relativ realitätsnahe Annahme getroffen15. Im Allgemeinen befindet sich auf dem Meereis in der Laptev-See eine leichte Schneeschicht, welche mit anfänglichen 5 cm berücksichtigt wird. Neben den aufgeführten Parametern sind die Temperatur und der Salzgehalt des Ozeans Indikatoren für variable Bedingungen, so wie sie durch Polynjaereignisse gegeben sind. Um möglichst realistische Werte der Temperatur und des Salzgehaltes zu erhalten, werden zur Initialisierung Analysen aus dem World Ocean Atlas 2001 des National Oceanographic Data Center (NODC) der NOAA verwendet. Während sich die Analysen des Salzgehaltes aus historischen ozeanischen Stationsdaten und Messungen von CTD (Conductivity Temperature Depth)-Sonden zusammensetzen (Boyer et al., 2002), ergeben sich die Analysen der Temperatur zusätzlich aus Messungen von Bathythermographen (Stephens et al., 2002). Alle verfügbaren Observationsdaten eines Monats werden assimiliert, um ein mittleres dreidimensionales Bild der Tracer im Ozean zu entwerfen. Die zum Start der hiesigen Simulationen vorgesehenen Analysen beziehen sich auf die mittleren Bedingungen im Januar, welche von denen des Aprils unwesentlich abweichen. Sie haben eine horizontale Auflösung von 1 °  1 ° mit maximal 33 Tiefenniveaus. In der südlichen Laptev-See werden ausschließlich die Analysen der obersten vier Levels genutzt, welche die Ozeanoberfläche und die Ozeantiefen von 10 m, 20 m und 30 m abdecken.

Tabelle 3.4: Datengrundlage zur Herleitung von Anfangsfeldern für das Gebiet der Laptev-See. Parameter Herleitung Konzentration des Packeises AMSR-Daten Konzentration des Festeises 100 % Lage der Festeiskante MODIS-Daten, AMSR-Daten Eisdicke 1 m Schneehöhe 5 cm Temperatur des Ozeans World Ocean Atlas 2001 Salzgehalt des Ozeans World Ocean Atlas 2001

14 Wie bereits erwähnt, entspricht dies nahezu der Realität. 15 Auf Observationen beruhende Meereisdicken werden in Kapitel 1 und Kapitel 2.1.1 aufgeführt. 44 3 Modellbeschreibung 3.3 Konfigurationen für die Laptev-See

3.3.4 Atmosphärischer Antrieb

Der Antrieb des FESOM erfolgt mittels atmosphärischer Variablen (Tab. 3.5). Im Wesentlichen sind dies die Windgeschwindigkeit und -richtung in 10 m Höhe, die Lufttemperatur und spezifische Luftfeuchte in 2 m Höhe, der Gesamtwolkenbedeckungsgrad und die Niederschlagsrate. Zur Bestimmung der turbulenten atmosphärischen Flüsse sensibler und latenter Wärme werden die Lufttemperatur, die spezifische Luftfeuchte und die Windgeschwindigkeit benötigt (Gl. 3.17 und Gl. 3.18). Die Parametrisierungsgleichung der Windschubspannung (Gl. 3.12) setzt die u- und v-Komponenten des Windes voraus. Aus dem Gesamtwolkenbedeckungsgrad ergeben sich die langwelligen und kurzwelligen Strahlungsanteile (Gl. 3.19 bis Gl. 3.22). COSMO-Daten geben diese Strahlungsanteile vor. Die Schneeakkumulation wird von der Niederschlagsrate gesteuert (Gl. 3.27). Damit sind alle zur weiteren Nutzung erforderlichen Variablen bestimmt.

Tabelle 3.5: Antriebsgrößen für Simulationen mit dem FESOM. Antriebsgröße Anwendung u- und v-Komponente des Windes in 10 m sensibler und latenter Wärmefluss, Windschubspannung Lufttemperatur in 2 m sensibler Wärmefluss spezifische Luftfeuchte in 2 m latenter Wärmefluss Gesamtwolkenbedeckungsgrad kurzwellige Einstrahlung, (wird bei COSMO-Daten nicht benötigt) kurzwellige Rückstrahlung, langwellige Einstrahlung, langwellige Abstrahlung Niederschlagsrate Schneehöhenterm (bei Antrieben von GME-Analysen erfolgt kein Niederschlag)

Als Datengrundlage dienen sechsstündliche GME-Analysen und NCEP-Reanalysen sowie stündliche COSMO-Daten (Kap. 2.1). Die horizontale Auflösung der GME-Analysen beträgt 0,5 °  0,5 °, die der NCEP-Reanalysen 2,5 ° 2,5 ° und die der COSMO-Daten 5 km 5 km.

45

4 Simulationsergebnisse für den April 2008

Simulationen mit Antrieben von GME-Analysen, NCEP-Reanalysen und COSMO-Daten erfolgen für den April 2008. Zunächst werden Ergebnisse dieser Modellläufe für das gesamte Modellgebiet der Laptev-See betrachtet (Kap. 4.1). Hierbei liegt der Schwerpunkt auf der Analyse der Meereiskonzentrationen. Anschließend wird die Dynamik der WNSP genauer untersucht (Kap. 4.2).

4.1 Meereis in der Laptev-See

Meereiskonzentrationen und -dicken sind Indikatoren für die Dynamik von Polynjen. Nachfolgend werden die aus unterschiedlicher Antriebsbasis erzielten Simulationsresultate zusammengestellt, erläutert und miteinander verglichen. Ferner werden sie mit AMSR- Resultaten verifiziert.

4.1.1 Verifikation der Meereiskonzentration

Die Konzentrationen des Packeises in der Laptev-See werden in fünfzehnminütigen Intervallen berechnet. Während die Berechnungen mit Antrieben von GME-Analysen und NCEP-Reanalysen für den gesamten April 2008 erfolgen, beginnt die Simulation mit Antrieben von COSMO-Daten am 21. April 2008 und endet am 30. April 2008. Das Gebiet des Festeises advehiert und schmilzt im Simulationsmonat April nicht. Daher ist es stets vollständig mit Meereis bedeckt und hat eine Konzentration von 100 %.

01.04.2008 bis 11.04.2008: Am 1. April 2008 um 0 Uhr UTC erfolgt die Initialisierung der Modellläufe mit Antrieben von sechsstündlichen GME-Analysen und NCEP-Reanalysen (NCEP2)16. Die anfänglichen Packeiskonzentrationen ergeben sich aus AMSR-Daten (Kap. 3.3.3) und sind demnach zu Beginn der Simulationen identisch. Sie geben in der Regel ein gutes Bild der Realität und weichen nicht mehr als im Mittel 3 % bis 12 % davon ab (Kap. 2.1.2). Große Abweichungen betreffen vorwiegend Flächen mit hohem Eisbedeckungsgrad. So werden in weiten Teilen des Festeisbereichs die Konzentrationen von den AMSR-Resultaten permanent unterschätzt (Abb. 4.1 bis Abb. 4.6 jeweils d). Der Fehler kann bei über 10 % liegen. Da während der Simulationen im Festeisbereich Meereiskonzentrationen von beständigen 100 % vorgegeben sind (Kap. 3.3.3), ist dieser Fehler hier nicht relevant. Im Wesentlichen handelt es sich am 1. April um eine geschlossene Meereisdecke (Abb. 4.1). Es bestehen ausschließlich wenige Bereiche, wo die Meereiskonzentrationen geringfügig unter 100 % liegen. Aufgrund häufig wechselnder Windrichtungen sind die Polynjaereignisse zwischen dem Start der Simulationen und dem Anfang der Messkampagne am 11. April kaum ausgeprägt und nicht lange anhaltend. Lediglich die WNSP und ein kleiner Bereich der ALP machen sich, insbesondere um den 4. April und den 7. April, etwas bemerkbar.

16 In den folgenden Abbildungen werden NCEP-Reanalysen 2 (Kap. 2.1.4) als NCEP2 bezeichnet. Dementsprechend handelt es sich bei NCEP1 um NCEP-Reanalysen 1. 46 4 Simulationsergebnisse für den April 2008 4.1 Meereis in der Laptev-See

11.04.2008 bis 16.04.2008: Vor dem Beginn der Messkampagne herrschen kurzzeitig östliche Winde, so dass in einem schmalen Streifen zwischen dem Lena-Delta und der Kotelnyj-Insel Meereis von der Festeiskante advehiert wird. Der nördliche Teil der WNSP bildet sich dabei mehr aus als der südliche (Abb. 4.2 d). Insgesamt sind die Ausmaße der Polynja gering und es werden kaum Meereiskonzentrationen unter 60 % erreicht. Das an die Polynja und die Festeiskante anschließende Gebiet ist beinahe vollständig mit Meereis bedeckt Das Polynjaereignis wird von den Simulationen mit beiden Antrieben dargestellt (Abb. 4.2 a und Abb. 4.2 b). Es ergibt sich auch eine schmalstreifige und im nördlichen Bereich stärker ausgeprägte WNSP. Allerdings nimmt die Polynja eine etwas größere Fläche ein. In einem Gebiet von ungefähr 1500 km2 liegen die Meereiskonzentrationen unter 40 %. Packeis reagiert unmittelbar auf Windimpuls, so dass es weit in westliche Richtung advehiert wird. Da es sich permanent in Bewegung befindet, liegen die Konzentrationen großflächig etwas unter 100 %. Im Allgemeinen stellen die Simulationsergebnisse beider Antriebsgrundlagen ähnliche äußere Polynjagrenzen dar (Abb. 4.2 a und Abb. 4.2 b). Hingegen ist das Meereisvolumen innerhalb der Polynja unterschiedlich groß. Während aus den Simulationsresultaten mit Antrieben von NCEP-Reanalysen stellenweise Meereiskonzentrationen von unter 20 % hervorgehen (Abb. 4.2 b), wird diese Grenze in der Simulation mit Antrieben von GME-Analysen nicht unterschritten (Abb. 4.2 a). Außer im Bereich der südlichen WNSP ist die Geschwindigkeit der Eisdrift in den Ergebnissen mit Antrieben von NCEP-Reanaylsen mit vorwiegend über 10 cm/s (Abb. 4.2 b) etwas höher. Daher erstreckt sich das Packeis mit Konzentrationen unter 100 % weiter nach Westen, bis nahe an die Taimyr-Halbinsel. Infolge nördlicher (Abb. 2.4 und Abb. 2.5 a) und später westlicher Winde (Abb. 2.4 und Abb. 2.5 d) wird Meereis zur Festeiskante advehiert, so dass sich die Polynja nach kurzer Zeit wieder schließt.

16.04.2008 bis 21.04.2008: Anhaltende west-süd-westliche Winde (Abb. 2.4 und Abb. 2.5 d) führen bis zum 21. April um 0 Uhr UTC, dem Zeitpunkt der Initialisierung des Modelllaufs mit Antrieben von stündlichen COSMO-Daten, zu einem Öffnungsvorgang des Meereises entlang der nord-westlichen Taimyr-Halbinsel (Abb. 4.3 c bzw. Abb. 4.3 d). Zudem bildet sich die ALP aus. Aufgrund der geringen Advektion von Packeis, werden hier kaum Konzentrationen unter 60 % erreicht. Die Simulationsergebnisse mit Antrieben von GME-Analysen stellen eine ähnlich große offene Wasserfläche im Bereich der TP dar wie die AMSR-Resultate (Abb. 4.3 a und Abb. 4.3 c bzw. d). Aus der Simulation mit Antrieben von NCEP-Reanalysen ergibt sich hingegen ein etwas größeres eisfreies Gebiet (Abb. 4.3 b). Dies ist in den stärkeren Winden und somit der erhöhten Eisdriftgeschwindigkeit von stellenweise über 20 cm/s begründet. Indessen werden mit Antrieben von GME-Analysen selten Eisdriftgeschwindigkeiten von mehr als 10 cm/s erreicht (Abb. 4.3 a). In den Simulationen beider Antriebsgrundlagen wirkt sich die von der Küste der Taimyr-Halbinsel ausgehende nach Osten gerichtete Advektion des Meereises auf eine große Packeisfläche aus. So bestehen noch bis nahe an die Kotelnyj-Insel Eiskonzentrationen von ca. 95 % (Abb. 4.3 a und Abb. 4.3 b). Der Öffnungsprozess der ALP wird von den Simulationen wiedergegeben (Abb. 4.3 a und Abb. 4.3 b). Allerdings sind die Ausmaße und Lage der ALP nicht eindeutig.

21.04.2008 bis 23.04.2008 (erste deutliche Polynjaöffnung): Ab dem 21. April um 12 Uhr UTC kommt der Wind aus süd-süd-östlicher Richtung (Abb. 2.4 und Abb. 2.5 e). Während sich die TP etwas zurückbildet, dehnt sich die ALP weiter aus (Abb. 4.4 d). Zusätzlich öffnet sich der südliche Teil der WNSP. Der Höhepunkt der Meereisdeckenöffnung ist am 23. April um 12 Uhr UTC erreicht.

47 4 Simulationsergebnisse für den April 2008 4.1 Meereis in der Laptev-See

Das grundsätzliche Verhalten der Polynjen wird in allen Simulationen dargestellt. Eine Ausnahme stellen die Simulationsergebnisse mit Antrieben von NCEP-Reanalysen dar. Hier vergrößert sich die TP aufgrund weiterer ablandiger Winde (Abb. 4.4 b). Generell werden mit allen Antrieben etwas zu große Polynjen simuliert (Abb. 4.4 a bis Abb. 4.4 c). Es bestehen geringe Unterschiede zwischen den Simulationen. Die Simulationsergebnisse mit Antrieben von GME-Analysen (Abb. 4.4 a) präsentieren eine etwas kleinere ALP und geringfügig größere WNSP als die Resultate mit Antrieben von COSMO-Daten (Abb. 4.4 c). Aufgrund entsprechend anderer Windverhältnisse stellt die Simulation mit Antrieben von NCEP-Reanalysen ein dazu gegensätzliches Ergebnis dar (Abb. 4.4 b). Das Mittel der Resultate mit Antrieben von GME-Analysen und NCEP-Reanalysen ist also mit den Ergebnissen mit Antrieben von COSMO-Daten vergleichbar. Im Gegensatz zu den anderen Modellläufen zeigt die Simulation mit Antrieben von COSMO-Daten einen scharfen und deutlichen Übergang von Polynja zur Festeiskante (Abb. 4.4 c). Bei den Simulationen mit Antrieben von GME-Analysen und NCEP-Reanalysen bedeckt die Polynja Bereiche des Festeises mit Meereiskonzentrationen von ungefähr 95 % (Abb. 4.4 a und Abb. 4.4 b). Dies entspricht den Konzentrationen des meisten übrigen Packeises.

23.04.2008 bis 26.04.2008: In den Folgetagen führen in der östlichen Laptev-See starke Winde aus nördlicher Richtung (Abb. 2.4 und Abb. 2.5 f) zu einem Schließvorgang der WNSP (Abb. 4.5 d). Die anderen beiden Polynjen bilden sich unwesentlich zurück, da hier die Windgeschwindigkeiten geringer sind und die Winde nur kurzzeitig aus Norden kommen. Der Schließeffekt der WNSP wird durch alle Antriebe in ähnlicher Weise simuliert. Packeis wird zur Festeiskante advehiert, so dass hier am 25. April um 0 Uhr UTC Meereiskonzentrationen von 80 % bis 95 % erreicht werden (Abb. 4.5 a bis Abb. 4.5 c). Die AMSR-Resultate stellen zu diesem Zeitpunkt bereits ein komplett geschlossenes Gebiet dar (Abb. 4.5 d). In der westlichen Laptev-See ist die Situation nicht so eindeutig. Aus den Simulationen gehen kleinräumige Unterschiede hervor. Während im Bereich der nördlichen Taimyr-Halbinsel östliche Winde vorherrschen, so dass Meereis zur Küste transportiert wird, kommt der Wind im Bereich der ALP aus Norden (Abb. 4.5 a und Abb. 4.5 b). Die Simulationsergebnisse mit Antrieben von COSMO-Daten zeigt in beiden Gebieten kurzzeitig eine nördliche Eisdrift (Abb. 4.5 c). Generell bilden sich die TP und ALP zwischen dem 23. April und 26. April in allen Simulationen zurück. Obwohl temporär unterschiedliche Eisdriftrichtungen und -geschwindigkeiten bestehen können (Abb. 4.5 a bis Abb. 4.5 c), ist die mittlere Rückbildungsrate in allen Fällen ähnlich gering. Daher bestehen weiterhin unterschiedlich große Polynjen. ab 26.04.2008 (deutlichste Öffnung der WNSP): Die letzten Tage des Aprils sind durch ein deutliches Ereignis der WNSP geprägt. Anhaltende und starke ost-süd-östliche Winde (Abb. 2.4 und Abb. 2.5 g) advehieren das Packeis von der Festeiskante, so dass die Ausdehnung der WNSP nach kurzer Zeit ihr Maximum für den April 2008 erreicht (Abb. 4.6 d). Ein großer Bereich ist nicht mit Meereis bedeckt. Während dessen schließt sich die TP. Der Öffnungsvorgang der ALP ist kaum ausgeprägt. Alle Simulationsergebnisse zeigen eine großflächige WNSP (Abb. 4.6 a bis Abb. 4.6 c). Das Meereis driftet stellenweise mit einer Geschwindigkeit von mehr als 20 cm/s. Die mit Antrieben von NCEP-Reanalysen entstandenen Resultate (Abb. 4.6 b) präsentieren eine beinahe identische Polynja wie die Ergebnisse der Simulationen mit Antrieben von COMSO- Daten (Abb. 4.6 c). Ausschließlich die mit GME-Analysen erzeugte WNSP ist etwas kleiner (Abb. 4.6 a). Der Größenunterschied der ALP ist beträchtlicher. Während die Ergebnisse mit Antrieben von COSMO-Daten und NCEP-Reanalysen am 29. April eine relativ große Fläche offenen Wassers darstellen (Abb. 4.6 b und Abb. 4.6 c), besteht den Resultaten mit Antrieb

48 4 Simulationsergebnisse für den April 2008 4.1 Meereis in der Laptev-See von GME-Analysen zufolge die ALP kaum noch (Abb. 4.6 a). Hier hat bereits der Schließvorgang begonnen. Meereis driftet von Norden in Richtung Festeiskante. Die besten Resultate werden durch die Simulation mit Antrieben von NCEP-Reanalysen erzielt. Neben der Dimension der ALP wird auch die kleine Fläche der TP gut wiedergegeben (Abb. 4.6 b). Infolge der östlichen Winde hat sich die TP in der Simulation mit Antrieben von GME- Analysen vollständig geschlossen (Abb. 4.6 a). Die Resultate mit Antrieben von COSMO- Daten zeigen eine zu große Polynja (Abb. 4.6 c).

Das grundsätzliche dynamische Verhalten der Polynjen wird mit allen Antriebsgrundlagen realitätsnah simuliert. Verifikationen mit aus AMSR-Daten abgeleiteten Meereiskonzentrationen ergeben vergleichbare Ergebnisse. Insbesondere der simulierte Vorgang der zweiten deutlichen Polynjaöffnung ab dem 26. April um 12 Uhr UTC ähnelt den aus AMSR-Daten erzielten Resultaten. Allerdings sind die Raten des Meereisabbaus und -aufbaus nicht stets gleich, so dass die Dimensionen der Polynjen auch differieren können. Beispielsweise wird die erste Polynja vom 21. April um 12 Uhr UTC bis 23. April um 12 Uhr UTC von den Simulationen etwas zu groß dargestellt. Eine Zusammenfassung des Vergleichs der Simulationsergebnisse mit den AMSR-Resultaten ist in der Tabelle 4.1 aufgeführt. Im Wesentlichen wird der Öffnungsvorgang der Laptev-See Polynjen von Antrieben mit GME-Analysen, NCEP-Reanalysen und COSMO-Daten in ähnlicher Weise dargestellt. Es bestehen aber auch Unterschiede in Lage und Entwicklung der Polynjen. Solche sind vor allem im Zeitraum der ersten merklichen Polynjaöffnung erkennbar. Gelegentlich sind die Eisdriftrichtung und -geschwindigkeit nicht eindeutig, wie unter anderem am 25. April gegen 0 Uhr UTC, als eine wenig beständige Wetterlage herrscht. Während sich zu diesem Zeitpunkt in den Simulationen mit Antrieben von GME-Analysen und NCEP-Reanalysen die ALP mit unterschiedlichen Advektionsraten schließt, zeigt die Simulation mit Antrieben von COSMO-Daten kurzzeitig eine Eisdrift in nördliche Richtung, welche zum Wachstum der ALP führt. In Tabelle 4.1 sind Unterschiede und Gemeinsamkeiten der Simulationsergebnisse zusammengefasst.

49 4 Simulationsergebnisse für den April 2008 4.1 Meereis in der Laptev-See

a b

d Abbildung 4.1: Aus AMSR-Daten abgeleitete Meereiskonzentrationen in der Laptev-See am 1. April 2008. Abbildungen a und b stellen das Startfeld der Simulationen mit Antrieben von GME-Analysen und NCEP- Reanalysen dar. Hier wird eine Festeiskonzentration von 100 % vorgegeben (Kap. 3.3.3). Es sind fünf Untersuchungspunkte eingezeichnet, auf die in Kapitel 4.2 eingegangen wird.

a b

d Abbildung 4.2: Am 11. April 2008 um 12 Uhr UTC (ungefährer Beginn der Messkampagne) mit GME-Analysen (a) und NCEP-Reanalysen (b) simulierte und aus AMSR-Daten (d) abgeleitete Meereiskonzentrationen in der Laptev-See. Pfeile in den Abbildungen der Modellläufe (a und b) stellen Eisdriftvektoren dar. Unterhalb der Plots ist die Pfeillänge für eine Eisdriftgeschwindigkeit von 10 cm/s angegeben. 50 4 Simulationsergebnisse für den April 2008 4.1 Meereis in der Laptev-See

a b

c d Abbildung 4.3: Am 21. April 2008 um ca. 0 Uhr UTC (Initialisierung des Modelllaufs mit Antrieben von COSMO-Daten) mit GME-Analysen (a) und NCEP-Reanalysen (b) simulierte und aus AMSR-Daten (c und d) abgeleitete Meereiskonzentrationen in der Laptev-See. Vektoren weisen auf die Eisdriftrichtung und -geschwindigkeit hin. Abbildung c stellt das Startfeld der Simulation mit Antrieben von COSMO-Daten dar. Hier wird eine Festeiskonzentration von 100 % vorgegeben (Kap. 3.3.3).

a b

c d Abbildung 4.4: Am 23. April 2008 um ca. 12 Uhr UTC (erste deutliche Polynjaöffnung) mit GME-Analysen (a), NCEP-Reanalysen (b) und COSMO-Daten (c) simulierte und aus AMSR-Daten (d) abgeleitete Meereiskonzentrationen in der Laptev-See. Vektoren weisen auf die Eisdriftrichtung und -geschwindigkeit hin. 51 4 Simulationsergebnisse für den April 2008 4.1 Meereis in der Laptev-See

a b

c d Abbildung 4.5: Am 25. April 2008 um 0 Uhr UTC (Schließung der WNSP) mit GME-Analysen (a), NCEP- Reanalysen (b) und COSMO-Daten (c) simulierte und aus AMSR-Daten (d) abgeleitete Meereiskonzentrationen in der Laptev-See. Vektoren weisen auf die Eisdriftrichtung und -geschwindigkeit hin.

a b

c d Abbildung 4.6: Am 29. April 2008 um ca. 0 Uhr UTC (Ende der Messkampagne und deutlichste Öffnung der WNSP) mit GME-Analysen (a), NCEP-Reanalysen (b) und COSMO-Daten (c) simulierte und aus AMSR-Daten (d) abgeleitete Meereiskonzentrationen in der Laptev-See. Vektoren weisen auf die Eisdriftrichtung und -geschwindigkeit hin. Die kleinräumig unterschiedliche Eisdriftrichtung im Bereich der ALP ist auf lokale Unterschiede zurückzuführen. Jeder fünfte Gitterpunkt wird ausgegeben. 52 4 Simulationsergebnisse für den April 2008 4.1 Meereis in der Laptev-See

Tabelle 4.1: Zusammenfassung des Vergleichs der Simulationsergebnisse mit den AMSR-Resultaten. AMSR-Resultate Simulationsergebnisse Festeis Meereiskonzentration: Meereiskonzentration: meist 90 % bis 100 % 100 % die Festeisgrenze ist nicht eindeutig Polynjen überdecken im geringen (Kap. 3.3.3) Maße die Festeisgrenze (Kap. 3.3.3) Polynjen werden dargestellt werden dargestellt erste Polynja ist kaum ausgebildet erste Polynja vornehmlich etwas größer als bei AMSR-Resultaten zweite Polynja ist deutlich ausgeprägt zweite Polynja ähnlich wie bei AMSR-Resultaten, Ausnahme: Ergebnisse mit GME-Analysen zeigen eine etwas kleinere Polynja Packeis Meereiskonzentration: Meereiskonzentration: meist 100 %, selten ca. 95 %, variabel, meist 95 % bis 100 %, an Polynjen grenzend in der Regel an Polynjen grenzend in der Regel schmalstreifig unter 95 % großflächig unter 95 %

Tabelle 4.2: Zusammenfassung des Vergleichs der Simulationsergebnisse unterschiedlicher Antriebsgrundlage. Bei Öffnungen handelt es sich nicht unbedingt um Bereiche, in denen kein Meereis vorhanden ist. GME-Analysen NCEP-Reanalysen COSMO-Daten 11. April WNSP etwas geöffnet, WNSP etwas geöffnet, nördlicher Teil mehr als nördlicher Teil mehr als südlicher Bereich ausgebildet, südlicher Bereich ausgebildet, Meereiskonzentration > 20 % Meereiskonzentration < 20 % 21. April TP geöffnet TP breitstreifig geöffnet 23. April TP geöffnet großer Bereich der TP kleiner Bereich der TP geöffnet geöffnet kleiner Bereich der ALP großer Bereich der ALP ALP geöffnet geöffnet geöffnet WNSP etwas geöffnet, WNSP kaum geöffnet, WNSP etwas geöffnet, vor allem südlicher Teil vor allem südlicher Teil vor allem südlicher ausgebildet ausgebildet Teil ausgebildet 25. April TP und ALP gegenüber 23. TP und ALP gegenüber 23. TP und ALP April etwas zurückgebildet April etwas zurückgebildet gegenüber 23. April etwas zurückgebildet WNSP geschlossen WNSP geschlossen WNSP geschlossen 29. April WNSP geöffnet WNSP weit geöffnet WNSP weit geöffnet ALP kaum ausgebildet ALP geöffnet ALP geöffnet TP geschlossen TP etwas geöffnet TP etwas geöffnet

53 4 Simulationsergebnisse für den April 2008 4.1 Meereis in der Laptev-See

4.1.2 Sensitivität bezüglich der zeitlichen Auflösung des Antriebs

Als Antriebsgrundlagen für das FESOM sind neben sechsstündlichen NCEP-Reanalysen 2 auch tägliche NCEP-Reanalysen 2 und sechsstündliche NCEP-Reanalysen 1 (Kap. 2.1.4) verwendet worden. Generell stellen die sechsstündlichen NCEP-Reanalysen 2 die geeignetsten Daten dar. Sie haben entweder eine höhere zeitliche Auflösung oder basieren auf einem fortschrittlicheren Generierungsschema als die anderen Antriebsbasen. Dies zeigt sich auch in den Simulationsergebnissen. Wie bereits erkannt, wird die Dynamik der Laptev-See Polynja durch die Simulationen mit Antrieben von sechsstündlichen NCEP-Reanalysen 2 gut wiedergegeben. Insbesondere die Simulationsergebnisse des zweiten Polynjaereignisses liegen nahe an der Realität. Sie zeigen eine sehr gute Übereinstimmung mit aus AMSR-Daten abgeleiteten Meereiskonzentrationen (Abb. 4.8 c und Abb. 4.8 d). Etwas schlechtere Resultate präsentiert die Simulation mit Antrieben von sechsstündlichen NCEP-Reanalysen 1. Insgesamt erreichen die Polynjen in diesem Modelllauf am Ende des Aprils 2009 eine weniger große Ausdehnung (Abb. 4.8 b). Die schlechtesten Ergebnisse werden mit den Antrieben von täglichen NCEP-Reanalysen 2 erzielt. Aus ihnen geht eine zu schwache Advektion hervor, so dass sich die WNSP zum zweiten merklichen Ereignis nur zögerlich öffnet (Abb. 4.8 a).

Abbildung 4.8: Mit Antrieben von täglichen NCEP-Reanalysen 2 (a), sechsstündlichen NCEP-Reanalysen 1 (b) und sechsstündlichen NCEP-Reanalysen 2 (c) simulierte und aus AMSR-Daten (d) abgeleitete Meereiskonzentrationen in der Laptev-See für den 29. April um ca. 0 Uhr UTC. Vektoren weisen auf die Eisdriftrichtung und -geschwindigkeit hin. 54 4 Simulationsergebnisse für den April 2008 4.1 Meereis in der Laptev-See

4.1.3 Meereisdicke

Die Dynamik und Ausdehnung der Polynjen ergeben sich auch aus den simulierten Meereisdicken. Während die Dicken von Festeis und Packeis über 1 m betragen, liegen die Meereisdicken von Polynjen unter dieser Grenze (Abb. 4.7). Die Simulationsergebnisse mit Antrieben von COSMO-Daten (Abb. 4.7 c) zeigen in manchen Bereichen etwas geringere Dicken von Festeis und Packeis als die der anderen Resultate (Abb. 4.7 a und Abb. 4.7 b). Dies ist darin begründet, dass die Simulation mit Antrieben von COSMO-Daten 3 Wochen später als die Vergleichsläufe gestartet wurde. So erfolgen thermische und advektive Effekte erst ab dem 21. April.

23.04. 2008, ca. 12 Uhr UTC (erstes deutliches Polynjaereignis): Am 23. April um ca. 12 Uhr UTC sind alle Polynjen ausgebildet. Die Meereisdicken der drei Polynjen unterscheiden sich aber beträchtlich. Während ein Teil der TP komplett eisfrei ist, liegt die Meereisdicke der WNSP meist über 50 cm (Abb. 4.7). Ausschließlich in der Simulation mit Antrieben von COSMO-Daten werden im südlichen Bereich der WNSP Dicken von unter 20 cm erreicht (Abb. 4.7 c). Zudem stellen die Simulationsergebnisse mit COSMO-Daten die geringste Eismächtigkeit innerhalb der ALP dar. In einem Gebiet von ungefähr 2000 km2 liegen die Eisdicken unter 20 cm. Obwohl sich die Dicken in der Simulation mit Antrieben von NCEP-Reanalysen meist darüber befinden, dehnt sich die ALP in diesem Modelllauf weiter aus (Abb. 4.7 b).

25.04.2008, u. a. 0 Uhr UTC (Schließung der WNSP): Der Schließvorgang der ALP und WNSP in den Folgetagen vollzieht sich bei allen Simulationen in ähnlicher Geschwindigkeit. Am 25. April 2008 um 0 Uhr UTC zeigen die Simulationsresultate mit Antrieben von GME-Analysen und NCEP-Reanalysen eine nahezu komplett geschlossene WNSP (Abb. 4.7 a und Abb. 4.7 b). In den Simulationen mit COSMO- Daten werden nahe des Lena-Deltas noch Meereisdicken von unter 75 cm erreicht (Abb. 4.7 c). Aus allen Simulationen geht eine etwas kleinere ALP als am 23. April hervor (Abb. 4.7). Im Falle der Antriebe mit NCEP-Reanalysen ist die ALP weiterhin am mächtigsten (Abb. 4.7 b). Dies trifft auch auf die TP zu.

29.04.2008, ca. 0 Uhr UTC (deutlichste Öffnung der WNSP): Die letzten Tage des Aprils sind durch ein deutliches Ereignis der WNSP geprägt. Aus allen Simulationsergebnissen folgt eine beträchtliche Polynja. Insbesondere die mit Antrieben von NCEP-Reanalysen entstandenen Resultate präsentieren eine ähnliche WNSP wie die Ergebnisse der Simulationen mit Antrieben von COSMO-Daten (Abb. 4.7 b und Abb. 4.7 c). In einem großen Bereich liegen die simulierten Meereisdicken unter 20 cm. Eine etwas kleinere Polynja mit größerer Meereisdicke gibt die Simulation mit Antrieben von GME- Daten wieder (Abb. 4.7 a). Dies trifft im verstärkten Maße auch für die ALP zu. Während die Ergebnisse mit Antrieben von COSMO-Daten und NCEP-Reanalysen am 29. April eine ALP mit Meereisdicken bis unter 10 cm darstellen (Abb. 4.7 b und Abb. 4.7 c), besteht den Resultaten mit Antrieb von GME-Analysen zufolge die ALP kaum noch (Abb. 4.7 a). Ein kleiner Bereich der TP ist ausschließlich in den Simulationen mit COSMO-Daten geöffnet (Abb. 4.7 c).

55 4 Simulationsergebnisse für den April 2008 4.1 Meereis in der Laptev-See

23. April 2008, 12 Uhr UTC 25. April 2008, 0 Uhr UTC 29. April 2008, 0 Uhr UTC a

b

c

Abbildung 4.7: Mit Antrieben von GME-Analysen (a), NCEP-Reanalysen (b) und COSMO-Daten (c) simulierte Meereisdicken und Eisdriftvektoren in der Laptev-See am 23. April 2008 um 12 Uhr UTC (erstes deutliches Polynjaereignis), am 25. April 2008 um 12 Uhr UTC (Schließung der WNSP) und am 29. April um 0 Uhr UTC (deutlichste Öffnung der WNSP).

56 4 Simulationsergebnisse für den April 2008

4.2 Dynamik der West-Neusibirischen Polynja

Im April ist die WNSP in der Regel durch ein, im Gegensatz zu den anderen Teilpolynjen der Laptev-See, besonders dynamisches Verhalten gekennzeichnet. Aufgrund der wahrscheinlichen östlich bis süd-östlichen Winde (Abb. 4.9) kann das Meereis von der Festeiskante zwischen dem Lena-Delta und den Neusibirischen Inseln wegdriften, so dass eine offene Wasserfläche entsteht.

Mittel April 1979 – 2007 Häufigkeiten April 1979 – 2007 Laptev-See am AWS-1-Standort T2m [K] u [m/s]

am AWS-3-Standort

 u

5 m/s MSLP [hPa]

Abbildung 4.9: Klimatologische Bedingungen in der Laptev-See im April von 1979 bis 2007 aus NCEP- Reanalysen (persönliche Mitteilung, 2009). Links: Lufttemperatur, Windvektorfeld und Luftdruck. Die Dreiecke stellen die Positionen der AWS dar. Rechts: Windrosen für die Standorte nahe der AWS 1 und AWS 3.

Messungen und Reanalysen haben auch im April 2008 eine Häufung der Windrichtungen aus östlicher bis süd-östlicher Richtung ergeben (Abb. 2.4 und 2.5 und Abb. 4.10). Satellitendaten und Simulationsergebnissen zufolge führen solche vom 21. April 2008 um 12 Uhr UTC bis ungefähr 23. April 2008 um 12 Uhr UTC und ab dem 26. April 2008 um 12 Uhr UTC zu eindeutigen Ereignissen der WNSP (Abb. 2.6 c und d, Abb. 3.4 und 3.5 und Abb. 4.4 und 4.6).

Häufigkeiten April 2008 am AWS-1-Standort am AWS-2-Standort am AWS-3-Standort u [m/s]

Abbildung 4.10: Windrosen für die Standorte nahe der AWS 1, AWS 2 und AWS 3 (persönliche Mitteilung, 2009). Sie beziehen sich auf die entsprechenden NCEP-Reanalysen des Aprils 2008. 57 4 Simulationsergebnisse für den April 2008 4.2 Dynamik der West-Neusibirischen Polynja

Im Folgenden wird die Dynamik der WNSP genauer untersucht. Hierzu wurde ein von Westen nach Osten verlaufendes Transsekt mit fünf Untersuchungspunkten (UP) durch das polynjarelevante Gebiet gelegt (Abb. 4.11).

WNSP

Abbildung 4.11: Mit Antrieben von COSMO-Daten simulierte Meereiskonzentrationen und Eisdriftvektoren am 29. April um 0 Uhr UTC. Links: Gebiet der Laptev-See. Das Rechteck grenzt den rechten Simulationsausschnitt ein. Rechts: Bereich der WNSP. Es sind 5 Untersuchungspunkte eingezeichnet, auf die im Folgenden eingegangen wird.

Der UP 1 bezieht sich auf Packeis, der UP 3 befindet sich bei Polynjaöffnung in der Regel innerhalb der Polynja und der UP 5 steht stellvertretend für Festeis. Für diese Referenzpositionen werden Zeitreihen von Ausgabevariablen des FESOM dargestellt und erörtert. Zunächst werden die atmosphärischen Wärmeflüsse präsentiert. Anschließend wird der Vorgang der zweiten Polynjaöffnung beschrieben und auf veränderte Oberflächencharakteristika eingegangen. Zum Schluss wird die Entwicklung der Meereisdicke und des -bedeckungsgrads behandelt und unter den Simulationsergebnissen verglichen.

58 4 Simulationsergebnisse für den April 2008 4.2 Dynamik der West-Neusibirischen Polynja

4.2.1 Atmosphärische Wärmeflüsse

Die beiden turbulenten atmosphärischen Flüsse sensibler und latenter Wärme ergeben sich im Wesentlichen aus der Windgeschwindigkeit in 10 m Höhe und der Differenz der Temperatur bzw. der spezifischen Feuchte an der Oberfläche und in 2 m Höhe (Gl. 3.17 und Gl. 3.18). Sie unterrichten also über die Wärmeabgabe und -aufnahme der Oberfläche. Im Allgemeinen wird Energie an die Atmosphäre abgegeben (Abb. 4.12). Ausnahmen bestehen in der Festeisregion, wo es zum Ende der Simulation mit Antrieben von GME- Analysen zu Gewinnen von sensibler Wärme bis 40 W/m2 für das Meereis kommt (Abb. 4.12 a). Zudem bestehen während des beinahe kompletten Simulationszeitraums mit Antrieben von COSMO-Daten nachts positive sensible Wärmeströme (Abb. 4.12 c). Dieser Effekt der Wärmeaufnahme des Festeises ist auf die höheren Lufttemperaturen zurückzuführen. Generell reagieren der sensible und latente Wärmefluss auf Polynjaereignisse mit einem Anstieg (Abb. 4.12). Bei Öffnung der Meereisdecke ist das warme Ozeanwasser der Atmosphäre ausgesetzt, so dass mehr Wärmeenergie an diese abgegeben wird. An dieser Wärmeabgabe hat die sensible Komponente den größeren Anteil. Während er zum zweiten Polynjaereignis am UP 3 bis zu 190 W/m2 beträgt, erreicht der latente Wärmefluss in der Regel nicht mehr als 135 W/m2 (Abb. 4.12 b und Abb. 4.12 d)17. Die insgesamt relativ kleinen Werte sind auf die am Ende April bereits wärmeren Luftmassen von ungefähr -10 °C bis -15 °C zurückzuführen (Abb. 2.4 und Abb. 2.5). In Simulationen mit dem Atmosphärenmodell COSMO werden bei niedrigeren Lufttemperaturen häufig höhere Wärmeflüsse bewirkt (Ebner, 2009). Die Simulationsergebnisse mit Antrieben von GME-Analysen und COSMO-Daten geben stets einen ähnlich großen Fluss sensibler Wärme an (Abb. 4.12 a und Abb. 4.12 c). Größere Unterschiede sind lediglich zum ersten Polynjaereignis festzustellen. Dies ist in dem unklaren Ausgangsbereich der Polynja begründet (Kap. 4.2.3). Da sich in der Simulation mit Antrieben von NCEP-Reanalysen die WNSP zum ersten Ereignis kaum ausbildet, sind hier die Wärmeflüsse am niedrigsten (Abb. 4.12 b). Der sensible Wärmefluss beträgt maximal 60 W/m2. Im Gegensatz dazu bewirkt die hohe Advektion zum zweiten Polynjaereignis den größten sensiblen Wärmefluss. Der latente Wärmefluss wird von den Simulationsergebnissen mit Antrieben von GME-Analysen fortwährend am intensivsten wiedergegeben (Abb. 4.12 d bis Abb. 4.12 f). Er liegt bei maximal 135 W/m2, was ungefähr 45 W/m2 über den Ergebnissen mit Antrieben von COSMO-Daten und NCEP-Reanalysen liegt. Die hohen Werte sind auf die großen Gradienten der spezifischen Feuchte an der Oberfläche und in 2 m Höhe zurückzuführen. Aus den Ergebnissen der Wärmeflüsse geht ein unterschiedlicher Ausgangsbereich des ersten Polynjaereignisses bzw. eine abweichende Lage der ersten Polynja hervor. Abgesehen davon zeigen alle Simulationen große Ähnlichkeiten. Ausschließlich der mit Antrieben von GME- Analysen simulierte latente Wärmefluss ist stets höher als bei den anderen Resultaten. Eine Zusammenfassung des Vergleichs der Simulationsergebnisse ist in der folgenden Tabelle (Tab. 4.3) aufgeführt.

17 Da in der Regel Energie an die Atmosphäre abgegeben wird (Abb. 4.12), erübrigen sich die negativen Vorzeichen der im Text dargestellten Wärmeflüsse. 59 4 Simulationsergebnisse für den April 2008 4.2 Dynamik der West-Neusibirischen Polynja

Abbildung 4.12: Simulierter sensibler und latenter Wärmefluss zwischen dem 21. April und 30. April 2008 an den UP 1 bis 5. In den Abbildungen werden Wärmeströme negativ angesetzt, wenn sie von der Oberfläche Energie in die Atmosphäre abführen, anderenfalls sind sie positiv.

60 4 Simulationsergebnisse für den April 2008 4.2 Dynamik der West-Neusibirischen Polynja

Tabelle 4.3: Zusammenfassung des Vergleichs der aus den Simulationen erzielten turbulenten atmosphärischen Wärmeflüsse an den UP 1 bis 5. GME-Analysen NCEP-Reanalysen COSMO-Daten sensibler Gewinn für die stets Gewinn für die tagsüber und im Wärmefluss Atmosphäre außer im Atmosphäre Festeisbereich ab dem 26. Festeisbereich ab dem 26. April um 12 Uhr UTC April um 12 Uhr UTC Gewinn für die Oberfläche 1. Polynjaereignis: 1. Polynjaereignis: 1. Polynjaereignis: maximal 80 W/m2 an UP 3 maximal 60 W/m2 an UP 3 maximal 85 W/m2 an UP 1 2. Polynjaereignis: 2. Polynjaereignis: 2. Polynjaereignis: maximal 160 W/m2 maximal 190 W/m2 maximal 155 W/m2 an UP 3 an UP 2 und UP 3 an UP 3 latenter stets Gewinn für die stets Gewinn für die stets Gewinn für die Wärmefluss Atmosphäre Atmosphäre Atmosphäre größer als bei anderer kleiner als bei Antrieb von ähnlich wie bei Antrieb Antriebsgrundlage GME-Analysen von NCEP-Reanalysen 1. Polynjaereignis: 1. Polynjaereignis: 1. Polynjaereignis: maximal 68 W/m2 an UP 3 maximal 25 W/m2 an UP 3 maximal 35 W/m2 an UP 1 2. Polynjaereignis: 2. Polynjaereignis: 2. Polynjaereignis: maximal 135 W/m2 maximal 95 W/m2 maximal 90 W/m2 an UP 3 an UP 2 und UP 3 an UP 3

Eine Öffnung der Meereisdecke kann innerhalb kurzer Zeit veränderte Stoff- und Wärmeflüsse bewirken. Besonders deutlich wird dies zu Anfang des zweiten Ereignisses der WNSP. Anhaltende und starke ost-süd-östliche Winde (Abb. 2.4 und Abb. 2.5 g) abvehieren das Packeis von der Festeiskante, so dass sich die WNSP schnell ausdehnt. 24 Stunden nach Einsatz der Eisdrift hat sich bereits ein deutlicher Streifen der Meereisdecke zwischen dem Lena-Delta und der Kotelnyj-Insel geöffnet (Abb. 4.13 a). Offene Wasserflächen befinden sich vor allem im südlichen Bereich der Polynja. An der Oberfläche hat das Wasser eine Temperatur von ungefähr -3 °C (Abb. 4.13 b). Im Gegensatz dazu liegt die Oberflächentemperatur des 1 m mächtigen Pack- und Festeises am Ende des Aprils 2008 stets unter -15 °C. Nach 12 Stunden, am 27. April um 0 Uhr UTC, werden im nördlichen Teil der WNSP Meereiskonzentrationen von 50 % erreicht. Sie führen zu einer mittleren Oberflächentemperatur von ca. -10 °C. Hier und im gesamten übrigen Bereich wird im Allgemeinen Energie von der Oberfläche an die Atmosphäre abgegeben (Abb. 4.13 c und Abb. 4.13 d). Ausnahmen bestehen vor allem in der Festeisregion, wo es nachts in den Simulationen mit Antrieben von COSMO-Daten zu Gewinnen von sensibler Wärme für das Meereis kommt (Abb. 4.13 c). Dieser Effekt der Wärmeaufnahme des Festeises ist auf die im Gegensatz zur Oberfläche nächtlichen höheren Lufttemperaturen zurückzuführen. Da der Temperaturgradient aber in der Regel relativ klein ist, handelt es sich um geringe Wärmeströme. Wie bereits erkannt, steigen die sensiblen und latenten Wärmeflüsse bei Öffnung der Meereisdecke an. Das warme Ozeanwasser ist der Atmosphäre ausgesetzt, so dass mehr Wärmeenergie an diese abgegeben wird. Der sensible Wärmestrom hat den größten Anteil an dieser Wärmeabgabe. Bereits nach einem halben Tag, am Vormittag, liegt die sensible Komponente im südlichen Teil der Polynja bei über 140 W/m2 (Abb. 4.13 c). Bei Bestand der Öffnung sinkt er etwas, da die Lufttemperatur über der Wasserstelle steigt und sich der des Wassers annähert. Der latente Wärmestrom ändert sich geringfügiger und ist mit maximal ca. 100 W/m2 weniger stark ausgeprägt (Abb. 4.13 d).

61 4 Simulationsergebnisse für den April 2008 4.2 Dynamik der West-Neusibirischen Polynja

26. April 2008, 12 Uhr UTC 27. April 2008, 0 Uhr UTC 27. April 2008, 12 Uhr UTC a

b

c

d

Abbildung 4.13: Mit Antrieben von COSMO-Daten simulierter Öffnungsvorgang der WNSP vom 26. April 2008 um 12 Uhr UTC bis 27. April 2008 um 12 Uhr UTC. Es werden Meereiskonzentrationen (a), Oberflächentemperaturen (b) und atmosphärische Flüsse sensibler Wärme (c) und latenter Wärme (d) dargestellt. Vektoren weisen auf die Eisdriftrichtung und -geschwindigkeit hin.

62 4 Simulationsergebnisse für den April 2008 4.2 Dynamik der West-Neusibirischen Polynja

In der Nacht werden die größten turbulenten atmosphärischen Wärmeflüsse erreicht, da die Atmosphäre zu dieser Zeit am kältesten ist. Am 28. April um 2 Uhr LT, ungefähr 2 Stunden vor Sonnenaufgang, liegt der maximale sensible Wärmestrom stellenweise über 220 W/m2 (Abb. 4.14 a). 24 Stunden später hat sich die untere Atmosphäre erwärmt, so dass die Gradienten nicht mehr ganz so groß sind. Der sensible Wärmefluss überschreitet ausschließlich in wenigen Bereichen 200 W/m2 (Abb. 4.14 b). Allerdings ist die Gesamtfläche, in der der Fluss sensibler Wärme über 100 W/m2 liegt mit 4500 km2 sehr groß.

a b

Abbildung 4.14: Mit Antrieben von COSMO-Daten simulierter atmosphärischer Fluss sensibler Wärme im Bereich der WNSP am 28. April 2008 um 2 Uhr LT (27. April 2008 um 16 Uhr UTC) (a) und 29. April 2008 um 2 Uhr LT (27. April 2008 um 16 Uhr UTC) (b). In den Darstellungen wurden andere Skalen gewählt als in Abbildung 4.13 c und d. Vektoren weisen auf die Eisdriftrichtung und -geschwindigkeit hin.

Der maximale latente Wärmefluss ist mit ca. 120 W/m2 (Abb. 4.15 a) wesentlich niedriger als die entsprechende sensible Komponente. Der Unterschied beträgt ungefähr 100 W/m2. Am 29. April um 2 Uhr LT, als die WNSP bereits beträchtliche Ausmaße erreicht hat, wird über einer Fläche von ca. 3000 km2 ein latenter Wärmestrom von mehr als 80 W/m2 bewirkt (Abb. 4.15 b).

a b

Abbildung 4.15: Mit Antrieben von COSMO-Daten simulierter atmosphärischer Fluss latenter Wärme im Bereich der WNSP am 28. April 2008 um 2 Uhr LT (27. April 2008 um 16 Uhr UTC) (a) und 29. April 2008 um 2 Uhr LT (27. April 2008 um 16 Uhr UTC) (b). In den Darstellungen wurden andere Skalen gewählt als in Abbildung 4.13 c und d und Abbildung 4.14. Vektoren weisen auf die Eisdriftrichtung und -geschwindigkeit hin.

63 4 Simulationsergebnisse für den April 2008 4.2 Dynamik der West-Neusibirischen Polynja

4.2.2 Meereiskonzentration

Im Folgenden werden die aus AMSR-Daten abgeleiteten Meereiskonzentrationen im Bereich der WNSP für die Polynjaereignisse vom 21. April um ca. 12 Uhr UTC bis 23. April um ca. 12 Uhr UTC und ab dem 26. April um ca. 12 Uhr UTC genau untersucht und mit den Simulationsergebnissen verglichen.

21.04.2008, 12 Uhr UTC: Bis zum 21. April 2008 um 12 Uhr UTC kommt der Wind aus westlicher Richtung. Daher ist die WNSP komplett geschlossen (Abb. 4.16 d). Dies bestätigt sich im Wesentlichen in den Simulationsresultaten (Abb. 4.16 a bis Abb. 4.16 c). Die Meereiskonzentrationen liegen in der Regel über 90 %. Aus den Simulationen mit Antrieben von GME-Analysen und NCEP- Reanalysen geht ausschließlich ein kleiner Bereich mit Meereiskonzentrationen von unter 90 % hervor (Abb. 4.16 a und Abb. 4.16 b). Er ist in beiden Simulationsfällen ähnlich stark ausgeprägt. Aufgrund der kurzen Simulationsdauer von 12 Stunden sind die Resultate mit Antrieben von COSMO-Daten ähnlich zu denen der AMSR-Daten (Abb. 4.16 c und Abb. 4.16 d).

22.04.2008, 12 Uhr UTC: Nach einer Winddrehung herrschen süd-süd-östliche Winde. Sie führen, vor allem im südlichen Bereich, zu einer Advektion des Packeises von der Festeisgrenze (Abb. 4.16 d). Hier erreicht die WNSP nach 24 Stunden eine Breite von über 25 km und Meereiskonzentrationen zwischen 40 % und 60 %. Die Simulationsergebnisse mit Antrieben von NCEP-Reanalysen stellen auch im südlichen Bereich eine etwas stärker ausgebildete Polynja mit ähnlichen Meereiskonzentrationen dar (Abb. 4.16 b). Aus den Resultaten der anderen Simulation ergibt sich eine Polynja, deren nördlicher Teil vergleichbar zum südlichen ist (Abb. 4.16 a und Abb. 4.16 c). Sie sind nicht voneinander abgetrennt. Die Lage der WNSP ist nicht eindeutig.

23.04.2008, ca. 12 Uhr UTC: Am 23. April um ca. 12 Uhr UTC ist der Höhepunkt des Öffnungsvorgangs im südlichen Bereich der WNSP erreicht. Es treten Meereiskonzentrationen von unter 20 % auf (Abb. 4.16 d). Allerdings ist die gesamte Polynjafläche mit ca. 1900 km2 im Gegensatz zu den Simulationsergebnissen relativ klein. Den Simulationen zufolge wird Packeis von dem gesamten Festeisabschnitt zwischen dem Lena-Delta und der Kotelnyj-Insel advehiert, so dass das Polynjagebiet wesentlich größer ist (Abb. 4.16 a bis Abb. 4.16 c). Im südlichen Bereich kommen die geringsten Meereiskonzentrationen vor. Die Resultate der Simulationen mit Antrieben von GME-Analysen und COSMO-Daten zeigen hier teilweise Eiskonzentrationen von unter 20 % (Abb. 4.16 a und Abb. 4.16 c). Insgesamt erstreckt sich diese Fläche aber zu weit in Richtung Norden. Dagegen präsentieren die Simulationsergebnisse mit Antrieben von NCEP-Reanalysen im äußersten Süden zu hohe Eiskonzentrationen (Abb. 4.16 b). Hier liegt die Eisdriftgeschwindigkeit unter 5 m/s. In den anderen Modellläufen werden Geschwindigkeiten von über 10 m/s bewirkt (Abb. 4.16 a und Abb. 4.16 c). Auffällig niedrige Meereiskonzentrationen zeigt der nördliche Polynjabereich bei der Simulation mit Antrieben von GME-Analysen (Abb. 4.16 a). Dies ist in der beinahe senkrecht zur Festeiskante ausgerichteten Advektion begründet.

Wie bereits in Kapitel 4.1.1 erkannt, wird der Öffnungsvorgang der südlichen WNSP zwischen dem 21. April und 23. April 2008 relativ gut aber mit einer zu hohen Advektion simuliert. Vor allem das Ergebnis der Simulation mit Antrieben von NCEP-Reanalysen am 22. April um 12 Uhr UTC ist ähnlich zu den mit AMSR-Daten abgeleiteten Meereisdicken 64 4 Simulationsergebnisse für den April 2008 4.2 Dynamik der West-Neusibirischen Polynja

(Abb. 4.16 b und Abb. 4.16 d). Später zeigen alle Simulationsresultate eine zu große Polynja (Abb. 4.16 a bis Abb. 4.16 c). Im südlichen Bereich sind im Allgemeinen die Meereiskonzentrationen am geringsten, was auch aus den Satellitendaten hervorgeht.

21. April 2008, 12 Uhr UTC 22. April 2008, 12 Uhr UTC 23. April 2008, 12 Uhr UTC a

b

c

d

Abbildung 4.16: Mit Antrieben von GME-Analysen (a), NCEP-Reanalysen (b) und COSMO-Daten (c) simulierte und aus AMSR-Daten (d) abgeleitete Meereiskonzentrationen im Bereich der WNSP vom 21. April 2008 um 12 Uhr UTC bis 23. April 2008 um 12 Uhr UTC. Vektoren weisen auf die Eisdriftrichtung und -geschwindigkeit hin.

65 4 Simulationsergebnisse für den April 2008 4.2 Dynamik der West-Neusibirischen Polynja

26.04.2008, ca. 12 Uhr UTC: Am 26. April um ca. 12 Uhr UTC beginnt das deutlichste Ereignis der WNSP im April 2008. Starke ost-süd-östliche Winde setzten eine Öffnung der südlichen Polynja in Gang. Nach kurzer Zeit erreicht die Polynja nahe des Lena-Deltas eine Breite von mehr als 15 km mit Meereiskonzentrationen von teilweise 50 % (Abb. 4.17 d). In den Simulationen mit Antrieben von GME-Analysen und COSMO-Daten beginnt die Öffnung der WNSP auch im Süden (Abb. 4.17 a und Abb. 4.17 c). Die Ergebnisse mit Antrieben von COSMO-Daten zeigen hier eine besonders hohe Geschwindigkeit der Eisdrift von stellenweise bis 15 m/s, so dass Meereiskonzentrationen von unter 40 % erreicht werden (Abb. 4.17 c). Im Gegensatz dazu liegen die Packeiskonzentrationen in den Simulationen mit Antrieben von NCEP-Reanalysen stets über 80 % (Abb. 4.17 b). Die Eisdrift in Richtung Nord-Westen hat vor kurzem erst eingesetzt.

27.04.2008, 12 Uhr UTC: 24 Stunden später bestehen bereits offene Wasserflächen entlang der Festeiskante (Abb. 4.17 d). Die WNSP ist an den meisten Stellen ungefähr 30 km breit. Ähnliche Ergebnisse werden mit den Simulationen erzielt (Abb. 4.17 a bis 4.17 c). Allerdings ist, außer in den Simulationen mit Antrieben von GME-Analysen (Abb. 4.17 a), der südliche Bereich der Polynja etwas stärker ausgebildet als der nördliche. Insbesondere die Simulationsresultate mit Antrieben von COSMO-Daten stellen eine große südliche Polynja dar (Abb. 4.17 c). Dagegen ergeben die Simulationen mit GME-Analysen im nördlichen Teil zu hohe Meereiskonzentrationen (Abb. 4.17 a). Sie liegen meist über 40 %. Insgesamt sind die Eisdriftrichtung und -geschwindigkeit in allen Simulationen vergleichbar. Im gesamten Gebiet der WNSP driftet Meereis mit ungefähr 15 cm/s in nord-westliche Richtung (Abb. 4.17 a bis Abb. 4.17 c).

28.04.2008, 12 Uhr UTC: Am 28. April 2008 um 12 Uhr UTC ist das vorläufige Maximum der Ausdehnung der WNSP erreicht. Die Breite der Polynja hat sich auf 50 km bis 60 km verdoppelt (Abb. 4.17 d). Eine Fläche von 2250 km2 ist komplett eisfrei. Aus der Simulation mit COSMO-Daten folgt ein etwas größeres eisfreies Gebiet (Abb. 4.17 c). Hingegen ist die Ausdehnung der WNSP beinahe identisch. Neben der Größe der Polynja ähneln in der Simulation mit Antrieben von NCEP-Reanalysen (Abb. 4.17 b) die Meereiskonzentrationen sehr der AMSR-Ergebnisse (Abb. 4.17 d). Unwesentlich schlechtere Resultate zeigt die Simulation mit Antrieben von GME-Analysen (Abb. 4.17 a). Hier wird die Advektion etwas unterschätzt, so dass sich die WNSP weniger stark ausbildet. Dennoch sind die maximalen Eisdriftgeschwindigkeiten von über 20 cm/s mit den Simulationen anderer Antriebsgrundlagen vergleichbar.

Das dynamische Verhalten der WNSP ab dem 26. April 2008 wird von allen Simulationen ähnlich gut wiedergegeben. Die Ergebnisse liegen sehr nahe an der Realität. Insbesondere die mit NCEP-Reanalysen und COSMO-Daten simulierten Ausdehnungen der Polynja sind mit den AMSR-Resultaten vergleichbar. Aus der Simulation mit Antrieben von GME-Analysen ergibt sich eine etwas zu geringe Advektion.

66 4 Simulationsergebnisse für den April 2008 4.2 Dynamik der West-Neusibirischen Polynja

26. April 2008, 12 Uhr UTC 27. April 2008, 12 Uhr UTC 28. April 2008, 12 Uhr UTC a

b

c

d

Abbildung 4.17: Mit Antrieben von GME-Analysen (a), NCEP-Reanalysen (b) und COSMO-Daten (c) simulierte und aus AMSR-Daten (d) abgeleitete Meereiskonzentrationen im Bereich der WNSP vom 26. April 2008 um 12 Uhr UTC bis 28. April 2008 um 12 Uhr UTC. Vektoren weisen auf die Eisdriftrichtung und -geschwindigkeit hin.

67 4 Simulationsergebnisse für den April 2008 4.2 Dynamik der West-Neusibirischen Polynja

4.2.3 Meereisdicke

Bevor die Entwicklung der Meereisdicke an den UP dargestellt und erörtert wird, wird auf die Meereisdickenänderung vom 26. April um 12 Uhr UTC bis 28. April um 12 Uhr UTC im gesamten Bereich der WNSP eingegangen und unter den Simulationsergebnissen verglichen.

26.04.2008, 12 Uhr UTC: Im Wesentlichen sind die anfänglichen Bedingungen der Simulationen ähnlich. In einem großen Bereich liegt die Meereisdicke über 1 m (Abb. 4.18 a bis Abb. 4.18 c). Ausnahmen stellen die Gebiete nahe des Lena-Deltas in den Simulationen mit Antrieben von GME- Analysen und COSMO-Daten dar. Hier hat bereits die Advektion des Meereises von der Festeiskante in nord-westliche Richtung begonnen (Abb. 4.18 a und Abb. 4.18 c). Die Simulationsergebnisse mit Antrieben von GME-Analysen zeigen einen schmalen Streifen von ungefähr 15 km, in dem die Meereisdicke zwischen 75 cm und 100 cm liegt (Abb. 4.18 a). Aus den Simulationen mit Antrieben von COMSO-Daten ergibt sich ein wesentlich breiterer und weiter nach Norden reichender Bereich, in dem sich die Eisdicke unter 1 m befindet (Abb. 4.18 c). Der südliche Polynjateil hat mit teilweise unter 50 cm die geringste Eismächtigkeit.

27.04.2008, 12 Uhr UTC: Die Advektion setzt sich fort, so dass 24 Stunden später in allen Simulationen zwischen dem Lena-Delta und der Kotelnyj-Insel ein bis zu 25 km breiter Streifen mit Meereisdicken von unter 75 cm besteht (Abb. 4.18 a bis Abb. 4.18 c). Es treten weiterhin geringe Unterschiede zwischen den Simulationsresultaten auf. So stellen die Ergebnisse mit Antrieben von COSMO-Daten im südlichen Bereich der WNSP, wie schon am 26. April, die dünnste Eisdecke dar. Hier liegt die Meereisdicke in einer Länge von 60 km und Breite von 10 km unter 20 cm (Abb. 4.18 c). Zudem ist der nördliche Polynjateil in der Simulation mit Antrieben von GME-Analysen (Abb. 4.18 a) weniger stark ausgebildet als in den anderen Modellläufen (Abb. 4.18 b und Abb. 4.18 c).

28.04.2008, 12 Uhr UTC: Starke ost-süd-östliche Winde führen zu einer weiteren Öffnung der WNSP. Bereits am 28. April um 12 Uhr UTC wird eine Polynjabreite von 60 km erreicht (Abb. 4.18 a bis Abb. 4.18 c). In einem großen Gebiet liegt die Meereisdicke unter 20 cm. Insbesondere die Simulationsresultate mit Antrieben von COSMO-Daten stellen eine große Fläche geringer Eisdicke dar (Abb. 4.18 c). Hier liegt die Meereisdicke in einem Gebiet von 625 km2 unter 10 cm. Dieses betrifft vorwiegend den südlichen Bereich. Die Größe der WNSP ist in allen Simulationen beinahe identisch (Abb. 4.18 a bis Abb. 4.18 c).

Die Änderung der Meereisdicke ab dem 26. April im Bereich der WNSP wird von allen Simulationen in ähnlicher Weise wiedergegeben. Zudem ist die Lage und Form der simulierten Polynja vergleichbar. Es bestehen ausschließlich geringe Unterschiede. So reagiert der südliche Teil der Polynja in der Simulation mit Antrieben von COSMO-Daten etwas schneller. Hier werden bereits nach weniger als 2 Tagen großflächig Meereisdicken von unter 20 cm erreicht.

68 4 Simulationsergebnisse für den April 2008 4.2 Dynamik der West-Neusibirischen Polynja

26. April 2008, 12 Uhr UTC 27. April 2008, 12 Uhr UTC 28. April 2008, 12 Uhr UTC a

b

c

Abbildung 4.18: Mit Antrieben von GME-Analysen (a), NCEP-Reanalysen (b) und COSMO-Daten (c) simulierte Meereisdicken und Eisdriftvektoren im Bereich der WNSP vom 26. April 2008 um 12 Uhr UTC bis 28. April 2008 um 12 Uhr UTC.

69 4 Simulationsergebnisse für den April 2008 4.2 Dynamik der West-Neusibirischen Polynja

Meereisdickenänderungen sind das Resultat von advektiven und thermischen Prozessen. Im Folgenden wird geklärt, welche Rolle advektive und thermische Eisdickenänderungen während der Öffnung der WNSP ab dem 26. April 2008 um 12 Uhr UTC einnehmen.

26.04.2008, 12 Uhr UTC: Kurze Zeit nach dem Wechsel der Windrichtung auf Süd-Ost am 26. April um ungefähr 12 Uhr UTC advehiert im südlichen Bereich der Polynja Meereis von der Festeiskante (Abb. 4.19 a bis Abb. 4.19 c). Die advektiven Änderungsraten betragen in den Simulationen mit Antrieben von GME-Analysen und COSMO-Daten bereits bis ca. -3,5 cm pro Stunde (Abb. 4.19 a und Abb. 4.19 c). Sie betreffen allerdings nur einen kleinen Bereich. Meist handelt es sich um negative Meereisdickenänderungen unter 2,5 cm pro Stunde. Aus den Simulationsergebnissen mit Antrieben von NCEP-Reanalysen gehen wesentlich geringere und auf eine kleinere Fläche bezogene advektive Änderungsraten hervor (Abb. 4.19 b). In einem Gebiet von ausschließlich 475 km2 ändert sich die Meereisdicke 1 cm pro Stunde bis 2 cm pro Stunde. Im Gegensatz zu den anderen Simulationen advehiert auch im nördlichen Bereich wenig Meereis.

27.04.2008, ca. 12 Uhr UTC: Der Höhepunkt der advektiven Meereisdickenänderung ist ein Tag später, am 27. April 2008, erreicht. Vor allem die Simulationsresultate mit Antrieben von NCEP-Reanalysen zeigen ein großes Gebiet hoher Advektionsrate (Abb. 4.19 b). Hier werden minimale advektive Änderungsraten von unter -4 cm pro Stunde erzielt. In allen Simulationen liegen die Eisdickenänderungen entlang der Festeiskante stets unter -1 cm pro Stunde und häufig unter -2 cm pro Stunde (Abb. 4.19 a bis Abb. 4.19 c). Eine Ausnahme stellt der Bereich dar, in dem die Festeiskante einen ost-südlichen Verlauf hat. Dort bewirken die beinahe parallel dazu ausgerichteten ost-süd-östlichen Winde eine sehr geringe Advektion des anschließenden Packeises.

28.04.2008, 12 Uhr UTC: Am 28. April um 12 Uhr UTC liegen die Meereiskonzentrationen in einem großen Gebiet unter 20 % (Abb. 4.17). Große Mengen von Packeis wurden bereits von der Festeisgrenze nach West-Nord-West advehiert. Da sich also weniger Meereis an der Festeiskante befindet, tritt hier eine geringere Advektion auf (Abb. 4.19 a bis Abb. 4.19 c). Der Bereich mit hohen advektiven Änderungsraten liegt jetzt weiter westlich. Er ist im Allgemeinen etwas kleiner als zuvor. Aufgrund der Verfrachtung großer Eismengen „stauen“ sich diese in den Simulationen mit Antrieben von COSMO-Daten (Abb. 4.19 c). Es besteht ein schmaler Streifen entlang der westlichen Seite der WNSP, in dem positive advektive Meereisdickenänderungen von meist 1 cm pro Stunde bis 2 cm pro Stunde stattfinden. Hier ist von mächtigen Presseisrücken (Abb. 1.1) auszugehen.

Die Simulationen ergeben minimale advektive Meereisdickenänderungen von unter -4 cm pro Stunde. Diese werden an der Festeiskante unmittelbar nach Einsetzen des Polynjaereignisses erreicht. Da das Meereis weiter in west-nord-westliche Richtung transportiert wird, treten später in einiger Entfernung von der Festeisgrenze die größten Eisdickenänderungen auf. In den Simulationen mit Antrieben von COSMO-Daten sammelt sich das Packeis entlang der Polynja, so dass positive advektive Meereisdickenänderungen von meist 1 cm pro Stunde bis 2 cm pro Stunde bestehen..

70 4 Simulationsergebnisse für den April 2008 4.2 Dynamik der West-Neusibirischen Polynja

26. April 2008, 12 Uhr UTC 27. April 2008, 12 Uhr UTC 28. April 2008, 12 Uhr UTC a

b

c

Abbildung 4.19: Mit Antrieben von GME-Analysen (a), NCEP-Reanalysen (b) und COSMO-Daten (c) simulierte advektive Meereisdickenänderungen und Eisdriftvektoren im Bereich der WNSP vom 26. April 2008 um 12 Uhr UTC bis 28. April 2008 um 12 Uhr UTC.

71 4 Simulationsergebnisse für den April 2008 4.2 Dynamik der West-Neusibirischen Polynja

Im April wird in der Laptev-See Meereis thermisch ausschließlich gebildet. Schmelzprozesse treten nicht ein. Die Gefrierraten sind wesentlich geringer als advektive Änderungsraten. So bewegen sich thermische Meereisdickenänderungen im Millimeterbereich pro Stunde.

26.04.2008, 12 Uhr UTC: Bei Eisdicken von mehr als 1 m findet in der Regel ein thermischer Eisdickenzuwachs von unter 1 mm pro Stunde statt (Abb. 4.20 a bis Abb. 4.20 c). Eine etwas erhöhte Eisproduktion von bis 2 mm pro Stunde tritt am 26. April um 12 Uhr UTC in der Simulation mit Antrieben von COSMO-Daten im südlichen Bereich der WNSP auf (Abb. 4.20 c). Hier liegt die Meereiskonzentration stellenweise unter 40 % (Abb. 4.17 c) und die Eisdicke unter 50 cm (Abb. 4.18 c). In der Nacht ist die thermische Meereisbildung noch größer, da im Gegensatz zu den anderen Simulationen, der Tagesgang der Luft- bzw. Oberflächentemperaturen berücksichtigt wird (unten).

27.04.2008, 12 Uhr UTC: Am 27. April um 12 Uhr UTC erfolgt in der Simulation mit Antrieben von GME-Analysen im südlichen Polynjateil ein Zuwachs der Meereisdicke von über 3 mm pro Stunde (Abb. 4.20 a). Dies betrifft eine Fläche von mehr als 500 km2. Obwohl die Meereiskonzentrationen und Eisdicken den Resultaten der Simulationen mit GME-Analysen ähneln, geben die Ergebnisse mit Antrieben von NCEP-Reanalysen kleinere thermische Eisproduktionsraten an (Abb. 4.20 b). Sie liegen stets unter 2 mm pro Stunde. In der Simulation mit Antrieben von COSMO-Daten ist die thermische Eisbildung um 22 Uhr LT innerhalb der Polynja sehr unterschiedlich (Abb. 4.20 c). Es werden Werte von 1 mm pro Stunde bis über 3,5 mm pro Stunde erreicht.

28.04.2008, 12 Uhr UTC: 24 Stunden später hat sich der Bereich mit thermischem Eisdickenzuwachs von über 1 mm pro Stunde wesentlich vergrößert. Insbesondere die Simulationsresultate mit Antreiben von GME-Analysen stellen eine große Fläche hoher Eisproduktion dar (Abb. 4.20 a). In einem Gebiet von ungefähr 1250 km2 liegt die thermische Eisproduktionsrate über 3,5 mm pro Stunde. Im Gegensatz dazu wird in den anderen Simulationen ein Wert von 2 mm pro Stunde nicht überschritten (Abb. 4.20 b und Abb. 4.20 c).

Aus den Simulationen gehen maximale thermische Meereisdickenzuwächse von mehr als 3,5 mm hervor. Diese werden von den Simulationen mit Antrieben von GME-Analysen nicht erreicht. Da COSMO-Daten den Tagesgang der Temperatur berücksichtigen, ist nachts (Abb. 4.21 c) die thermische Eisproduktion wesentlich größer als tagsüber (Abb. 4.21). Am 28. April um ca. 2 Uhr LT, kurze Zeit vor Sonnenaufgang, besteht hier stellenweise sogar eine thermische Meereisdickenzunahme von über 5 mm pro Stunde. In einem Bereich von 2100 km2 findet eine Eisproduktion von mehr als 3 mm pro Stunde statt. Mit Ausdehnung der Polynja vergrößert sich die Fläche, in der die thermische Meereisdickenzunahme über 1 mm pro Stunde beträgt. Am 29. April um 2 Uhr LT erstreckt sich dieses Gebiet in der Simulation mit Antrieben von COSMO-Daten in einem ungefähr 30 km breiten Streifen mit einer Fläche von 6500 km2 zwischen dem Lena-Delta und der Kotelnyj-Insel. Da ein Wärmeeintrag von der geöffneten Wasserstelle in die Atmosphäre erfolgt (Abb. 4.13 c und d, Abb. 4.14 und Abb. 4.15), erwärmt sich die Luft. Infolge dessen ist die thermische Meereisproduktion an verschiedenen Stellen etwas abgeschwächt. Es bestehen selten Meereisdickenzunahmen über 4 mm pro Stunde.

72 4 Simulationsergebnisse für den April 2008 4.2 Dynamik der West-Neusibirischen Polynja

26. April 2008, 12 Uhr UTC 27. April 2008, 12 Uhr UTC 28. April 2008, 12 Uhr UTC a

b

c

Abbildung 4.20: Mit Antrieben von GME-Analysen (a), NCEP-Reanalysen (b) und COSMO-Daten (c) simulierte thermische Meereisdickenänderungen und Eisdriftvektoren im Bereich der WNSP vom 26. April 2008 um 12 Uhr UTC bis 28. April 2008 um 12 Uhr UTC. a b c

Abbildung 4.21: Mit Antrieben von COSMO-Daten simulierte thermische Meereisdickenänderungen und Eisdriftvektoren im Bereich der WNSP am 28. April 2008 um 16 Uhr LT (6 Uhr UTC) (a), um 22 Uhr LT (12 Uhr UTC) (b) und am 29. April um 4 Uhr LT (28. April um 18 Uhr UTC) (c).

73 4 Simulationsergebnisse für den April 2008 4.2 Dynamik der West-Neusibirischen Polynja

Auf östliche Winde reagiert die an der Festeiskante anschließende Region. Sie wird in dieser Arbeit durch den UP 3 (Abb. 4.11)18, welcher nahe an der Position der AWS 3 liegt, repräsentiert. Aus den mit Antrieben von GME-Analysen und NCEP-Reanalysen am UP 3 erzielten Simulationsergebnissen geht ein erstes Polynjaereignis vom 22. April 2008 um 0 Uhr UTC bis 24. April 2008 um 0 Uhr UTC hervor. Packeis wird von der Festeisgrenze advehiert, so dass der Eisbedeckungsgrad im Falle der Antriebe von GME-Analysen auf ca. 0,7 abnimmt und die Eisdicke unter 1 m sinkt (Abb. 4.22 a). In den meisten anderen an der Festeiskante liegenden Regionen ist die Meereisabnahme noch deutlicher (Abb. 4.4 a bis c). Weniger klare Ergebnisse werden mit den Antrieben von NCEP-Reanalysen und COSMO-Daten erreicht. Es erfolgt eine geringe negative advektive Eisdickenänderung (Abb. 4.22 b und Abb. 4.22 c). Die Simulationen mit Antrieben von COSMO-Daten zeigen zusätzlich am UP 3 ein zeitlich verzögertes Ereignis. Eine mögliche Erklärung hierzu wird später in diesem Kapitel präsentiert. Aufgrund der mäßigen Änderungen ist der nachfolgende Effekt der Polynjaschließung bei den Simulationen mit NCEP-Reanalysen und COSMO-Daten wesentlich geringer ausgeprägt als bei den Simulationen mit GME-Analysen. Hier führt er zu Eisdickenzunahmen von bis zu 2,5 cm pro Stunde (Abb. 4.22 a). Dazu trägt vor allem die windgetriebene Advektion bei. Der thermische Eisdickenzuwachs beträgt in allen Simulationen ausschließlich wenige Millimeter pro Stunde (Abb. 4.22). Die zweite intensivere Öffnung der Meereisdecke ab dem 26. April 2008 um 12 Uhr UTC wird von allen Simulationen am UP 3 in ähnlicher Weise wiedergegeben (Abb. 4.22). Das Ereignis setzt zeitgleich ein und die Änderungsraten sind vergleichbar. Insbesondere die advektiven Eisdickenabnahmen der Simulationen mit Antrieben von NCEP-Reanalysen und COSMO-Daten sind beinahe analog und zeitweilig etwas intensiver als bei der Simulation mit Antrieben von GME-Analysen (Abb. 4.22 b und Abb. 4.22 c). Das Minimum der Eisdickenänderungsrate wird mit -4,5 cm pro Stunde von der Simulation mit Antrieben von NCEP-Reanalysen erreicht. Innerhalb von 24 Stunden bewirken starke ost-süd-östliche Winde (Abb. 2.4 und Abb. 2.5 g) in allen Fällen eine deutliche Polynja. Angesichts der beträchtlichen Advektion sinkt der Eisbedeckungsgrad auf ca. 0,3 (Abb. 4.22). Infolge von thermischer Eisproduktion nimmt dieser Wert danach geringfügiger ab. Die deutlichste Meereisreduktion in den letzten Tagen des Aprils 2008 findet in der Simulation mit Antrieben von COSMO-Daten statt. Dies ist in den stündlich vorliegenden Daten (Kap. 3.3.4) und somit der Berücksichtigung der Tagesgänge von Luft- bzw. Oberflächentemperatur begründet. Aufgrund der hohen Temperaturen am Tag besteht partiell keine Meereisproduktion. Die nächtlichen Produktionsraten kompensieren die Verluste durch Advektion nicht. So sinkt die mittlere Mächtigkeit des produzierten Meereises auf unter 30 cm. Dies entspricht ungefähr der Größenordnung, welche durch die Simulation mit Antrieben von NCEP-Reanalysen erreicht wird. Da hier die advektive Meereisabnahme vorher etwas größer war (oben) und die thermische Produktionsrate relativ gering ist, wird in der Simulation mit Antrieben von NCEP-Reanalysen die Eismächtigkeit von 30 cm schon frühzeitig unterschritten. Die Ergebnisse am UP 3 bestätigen im Wesentlichen die Erkenntnisse aus den vorherigen Kapiteln. Grundsätzlich sind die Ausmaße des ersten Ereignisses der WNSP nicht eindeutig. Während aus den Simulationen mit Antrieben von NCEP-Reanalysen und COSMO-Daten eine geringe advektive Meereisabnahme hervorgeht, ist sie bei der Simulation mit Antrieben von GME-Analysen etwas intensiver. Zudem sind der Zeitraum und der Einsatzort des Ereignisses unklar. Anhand der Untersuchung der zeitlichen Entwicklung der advektiven und thermischen Eisdickenänderung mehrerer Orte soll unter anderem dies im Folgenden geklärt werden. Im Gegensatz zum ersten Polynjaereignis wird das zweite deutliche Event der WNSP am UP 3 von allen Simulationen in ähnlicher Weise dargestellt. Insbesondere die advektiven

18 Das Festeis wird in geringem Maße von der Polynja beeinflusst, so dass eine scharfe Abgrenzung der Festeiskante verhindert wird (Kap. 3.3.3). Dies ändert nichts an der Entwicklung des Meereises am UP 3. 74 4 Simulationsergebnisse für den April 2008 4.2 Dynamik der West-Neusibirischen Polynja

Eisdickenabnahmen der Simulation mit Antrieben von NCEP-Reanalysen und COSMO- Daten sind beinahe analog. Die grundlegenden Ergebnisse des Vergleichs der aus den Simulationen erzielten Meereisentwicklungen am UP 3 sind in Tabelle 4.4 aufgeführt.

Abbildung 4.22: Simulierte thermische und advektive Eisdickenänderung (in cm/h), Eisdicke (in m) und Eisbedeckungsgrad zwischen dem 21. April und 30. April 2008 an dem Untersuchungspunkt UP 3. (Abb. 4.11).

Tabelle 4.4: Zusammenfassung des Vergleichs der aus den Simulationen erzielten Meereisentwicklungen am UP 3. GME-Analysen NCEP-Reanalysen COSMO-Daten erste ab 22. April 2008 um 0 ab 22. April 2008 um 0 ab 23. April um 6 Uhr Polynja Uhr UTC Uhr UTC UTC langsame Öffnung: langsame Öffnung: langsame Öffnung: advektive Eisdicken- advektive Eisdicken- advektive Eisdicken- änderung ≤ 1,4 cm/h änderung ≤ 1,2 cm/h änderung ≤ 1,2 cm/h wenig ausgeprägt: kaum ausgeprägt: kaum ausgeprägt: Eisbedeckungsgrad ≥ 0,7, Eisbedeckungsgrad ca. 0,9, Eisbedeckungsgrad ca. 0,9, thermische Eisdicken- thermische Eisdicken- thermische Eisdicken- änderung ≤ 1,5 mm/h änderung ≤ 1 mm/h änderung ≤ 1 mm/h zweite ab 26. April 2008 um 12 ab 26. April 2008 um 12 ab 26. April 2008 um 12 Polynja Uhr UTC Uhr UTC Uhr UTC schnelle Öffnung: rasante Öffnung: sehr schnelle Öffnung: advektive Eisdicken- advektive Eisdicken- advektive Eisdicken- änderung bis ca. 3 cm/h änderung bis ca. 4,5 cm/h änderung bis ca. 3,5 cm/h deutlich ausgeprägt: deutlich ausgeprägt: deutlich ausgeprägt: Eisbedeckungsgrad Eisbedeckungsgrad Eisbedeckungsgrad bis ca. 0,3, bis ca. 0,2, bis ca. 0,2, thermische Eisdicken- thermische Eisdicken- thermische Eisdicken- änderung bis ca. 3 mm/h änderung bis ca. 2,5 mm/h änderung bis ca. 3 mm/h

75 4 Simulationsergebnisse für den April 2008 4.2 Dynamik der West-Neusibirischen Polynja

Nächst wird die zeitliche Entwicklung der advektiven und thermischen Eisdickenänderung mehrerer Orte untersucht. Prinzipiell weisen Eisdickenänderungen auf das dynamische Verhalten von Polynjen hin und sind Marker für Abbau- und Produktionsraten von Meereis. Abbildung 4.22 und genauer Abbildung 4.23 d bis f zeigen, dass im April Meereis am UP 3 thermisch gebildet wird. Wie bereits festgestellt, besteht, den Simulationsergebnissen mit Antrieben aus COSMO-Daten zufolge, tagsüber teilweise keine thermische Eisproduktion. Da es aber kaum zur Eisschmelze kommt (zur Mittagszeit höchstens 0,3 mm pro Stunde), handelt es sich bei der Summe um einen thermischen Zuwachs von Eis. Wird Packeis von der Festeiskante durch Advektion weggedriftet, so dass die mittlere Dicke des Meereises abnimmt und eine Polynja entsteht, erfolgt eine beschleunigte thermische Meereisproduktion, die zur Freisetzung latenter Wärme an die Umgebung führt. Daher wird die Polynja auch als Latent Heat Polynya bezeichnet (Smith et al., 1990). Aus den Simulationsergebnissen ergibt sich eine maximale thermische Eisdickenzunahme von ca. 3 mm pro Stunde19. Sie wird während des großen Polynjaereignisses am 29. April 2008 erreicht. Nach Einsetzung des Schließvorganges einer Polynja verringert sich die Gefrierrate des Meereises, bis sie annähernd konstant ist20 und der des übrigen Meereises (Packeis und Festeis) entspricht. Bei den Simulationsergebnissen mit Antrieben von GME-Analysen und NCEP-Reanalysen beträgt die thermische Eisdickenzunahme von älterem Packeis und Festeis ca. 0,3 mm pro Stunde (Abb. 4.23 d und Abb. 4.23 e). Dieser Wert wird ausschließlich nachts von den entsprechenden Ergebnissen mit Antrieben von COSMO-Daten erzielt (Abb. 4.23 f). Die simulierte Reaktion des Meereises infolge von Windrichtungsänderungen erfolgt an den UP des Packeises zeitlich versetzt und ist unterschiedlich stark ausgeprägt21. So führen beispielsweise die süd-süd-östlichen Winde ab dem 21. April 2008 um 12 Uhr UTC (Abb. 2.4 und Abb. 2.5 e) zunächst an den festeiskantenfernen UP zu einer merklichen advektiven Eisdickenänderung, während sich das Meereis an dem UP 3 ca. 24 Stunden später und geringfügiger in Bewegung setzt (Abb. 4.23 a bis Abb. 4.23 c). Angesichts der beinahe südlichen Winde (Abb. 2.4 und Abb. 2.6 e) bildet sich die WNSP nahezu parallel zu der insbesondere in der Nähe der AWS 3 in Nord-Süd-Richtung verlaufenden Festeiskante (Abb. 3.6), von Süden her, aus. Das an der Festeiskante anschließende Packeis muss also nicht zwingend der Ausgangsbereich einer Polynja sein. Den Simulationsergebnissen mit Antrieben von COSMO-Daten zufolge liegt die östliche Begrenzung der WNSP etwas weiter westlich, als es die Resultate mit Antrieben von GME-Analysen und NCEP-Reanalysen zeigen (Abb. 4.23, UP 1 und UP 2). Dieser Unterschied ist auf die bessere Auflösung der COSMO-Daten zurückzuführen. Sie stellen kleinräumige meteorologische Bedingungen dar. Daher können die Ergebnisse mit Antrieben von COSMO-Daten als realistischer angesehen werden. Der Ausgangsbereich des zweiten Polynjaereignisses ist in allen Simulationen die Grenze von Festeis zu Packeis (Abb. 4.23, UP 3). Östliche Winde (Abb. 2.4 und Abb. 2.5 g und h) setzen eine Advektion des Packeises in Gang, so dass der Eisbedeckungsgrad und somit die mittlere Eisdicke abnimmt (Abb. 4.22). Aufgrund anhaltender Windverhältnisse setzt sich der advektive Öffnungsvorgang fort. Die WNSP dehnt sich weiter nach Westen aus, bis sie nach ungefähr 1,5 Tagen den UP 2 erreicht hat (Abb. 4.23). Am UP 3 sinkt der Eisbedeckungsgrad auf ein Minimum ab, was unter anderem aus den maximalen thermischen Eisdickenzunahmen, welche bei allen Simulationsergebnissen über 3 mm pro Stunde betragen, hervorgeht (Abb. 4.23 d bis Abb. 4.23 f). Im Allgemeinen sind die Resultate der Simulationen von Eisdickenänderungen ab dem zweiten Polynjaereignis miteinander

19 Das entspricht einem negativen Süßwasserfluss von ca. 2,4 mm pro Stunde. 20 Die Simulationsergebnisse mit Antrieben von COSMO-Daten stellen einen Tagesgang der thermischen Eisdickenänderung dar. 21 Da das Festeis im April quasi stationär ist (Kap. 3.3.3), findet hier keine advektive Eisdickenänderung statt (Abb. 4.13 a bis Abb. 4.13 c, UP 4 und UP 5). Aufgrund dessen ist die thermische Eisdickenänderung konstant bzw. alle 24 Stunden homolog. 76 4 Simulationsergebnisse für den April 2008 4.2 Dynamik der West-Neusibirischen Polynja vergleichbar. Eine Ausnahme besteht in der etwas höheren advektiven Eisdickenabnahme bzw. thermischen Eisdickenzunahme der Ergebnisse mit Antrieben aus NCEP-Reanalysen und COSMO-Daten am UP 2 und UP 3 (Abb. 4.23 b und Abb. 4.23 c). Hieraus folgt eine größere Polynja (Kap. 4.1.1). Generell stellen die Simulationen einen ähnlichen zeitlichen Verlauf der Polynja-Dynamik dar. Der Starttermin der Polynjaereignisse ist jeweils identisch. Allerdings ist der Ausgangsbereich der ersten Öffnung der WNSP nicht eindeutig, so dass in gleichen Regionen unterschiedliche advektive und thermische Meereisdickenänderungen bestehen können. Grundsätzlich sind die Simulationsergebnisse mit den hoch aufgelösten COSMO-Daten als Antriebsgrundlage zu bevorzugen, da sie kleinräumige meteorologische Unterschiede besser wiedergeben. Tabelle 4.5 stellt die aus unterschiedlicher Antriebsbasis erzielten Simulationsergebnisse zusammenfassend in einer chronologischen Abfolge dar.

77 4 Simulationsergebnisse für den April 2008 4.2 Dynamik der West-Neusibirischen Polynja

Abbildung 4.23: Simulierte advektive und thermische Eisdickenänderung zwischen dem 21. April und 30. April 2008 an den UP 1 bis 5. Bei den advektiven und thermischen Eisdickenänderungen handelt es sich um unterschiedlich große Dimensionen.

78 4 Simulationsergebnisse für den April 2008 4.2 Dynamik der West-Neusibirischen Polynja

esen, esen,

Ost

-

Daten .

-

Süd

-

(UP 3) (UP 3) (UP

12 Uhr 12

der WNSP der

Festeiskante Festeiskante

Ost

ginn der Öffnung Öffnung ginnder

26. April 2008 April 26.

Be

d d

e e beachtet werden, dass es sich um

1

12 Uhr 12

ca. 1 m ca. 1

ca.cm/h 0

25. April 2008 April 25.

meist ca. 0,4 mm/h ca.0,4 meist

alle 24 h annähern h 24 alle

annähernd konstant, konstant, annähernd

mm/h und 0,5 mm/h 0,5 mm/hund

geschlossene Polynja geschlossene

ntlich gemacht. Ergänzend daraufsei hingewi

homolog, zwischen 0,1 0,1 zwischen homolog,

Symbole informiert über die Intensität der Änderungsraten.

-

“

-

und „

0 Uhr 0

Norden

-

Einsatz der der Einsatz

24. April 2008 April 24.

Polynjaschließung

er „+“

auf die Simulationsergebnisse mitAntrieben von Analysen und COSMO

08

Ost

-

Süd

Eisdickenänderung im Zentimeterbereich pro Stunde und die thermische Eisdickenänderung

-

(UP 2) (UP 1) (UP See. Die Anzahl d

12 Uhr 12

-

dasKürzel

Beginn des Beginndes

Süd

21. April 20 April 21.

festeiskantenfern festeiskantenfern

sich

1. Polynjaereignisses 1.

bezieht

1

ca. 1 m ca. 1

Westen

ca.cm/h 0

geschlossene geschlossene

Meereisdecke

vor 21. April 2008 vorApril 21.

meist ca. 0,4 mm/h ca.0,4 meist

alle 24 h annähernd annähernd h 24 alle

annähernd konstant, konstant, annähernd

mm/h und 0,5 mm/h 0,5 mm/hund

homolog, zwischen 0,1 0,1 zwischen homolog,

Daten Daten

- -

Daten Daten

-

Analysen Analysen

) )

Analysen

- -

situ

-

Datengrundlage In und mit SE (Re mit SE COSMO und SE Satellitendaten SE mit SE (Re mit SE COSMO SE SE

nsionen handelt. Beispielsweise vollzieht sich die advektive

sgrad

: : Chronologie der Meereisänderungen in Polynjabereichen der Laptev

Windrichtung Ausgangsbereich WNSP der Datum inUTC Uhrzeit advektive Eisdickenänderung thermische Eisdickenänderung Eisbedeckung Eisdicke

Tabelle 4.5 Sie stellen allerdings keine unterschiedliche exakten Dime Werte dar und gebenim Millimeterbereich pro Stunde. Liegtkeine Änderung vor und der Wertbleibt konstant, dies durch ist einen leeren Kreisken ausschließlich über das generelle dass SE für Simulationsergebnisse steht. Falls SE einzeln auftaucht, Verhalten Auskunft. Außerdem sollt 79

5 Fazit und Ausblick

Gegenstand der vorliegenden Arbeit ist die Simulation der Dynamik der Laptev-See Polynja für den April 2008 mit dem numerischen Meereis-Ozean-Modell FESOM in einer eindimensionalen Version für den Ozean.

In den Simulationen wird das FESOM mit sechsstündlichen atmosphärischen GME-Analysen und NCEP-Reanalysen sowie mit stündlichen COSMO-Daten angetrieben. Die GME- Analysen haben eine horizontale Auflösung von 0,5 °  0,5 °, die NCEP-Reanalysen von 2,5 °  2,5 ° und die COSMO-Daten von 5 km 5 km. Vergleiche mit In-situ-Daten von vier am südlichen Rand der West-Neusibirische Polynja befindlichen automatischen Wetterstationen zeigen, dass die Analysen und Reanalysen für den Antrieb geeignet sind. Es handelt sich meist um eindeutige Zusammenhänge und geringe Unterschiede. Die Korrelationskoeffizienten zwischen den In-situ-Daten und nahe gelegenen Analysen bzw. Reanalysen betragen in der Regel über 0,8. Ausnahmen bestehen in den von GME-Analysen kaum ausgeprägten und somit wenig realistischen Tagesgängen der Lufttemperatur und spezifischen Luftfeuchte. Während die Standardabweichungen der Messdaten bei ungefähr 3,5 °C bzw. 0,2 g/kg liegen, überschreiten die entsprechenden Analysen nicht 2 °C bzw. 0,15 g/kg. Im Gegensatz dazu sind die Tagesgänge der NCEP-Reanalysen wesentlich intensiver und weichen kaum von der Realität ab. Dagegen wird die Windrichtung von den GME-Analysen etwas besser wiedergegeben als von den NCEP-Reanalysen. Mehr als 70 % der Windrichtungsunterschiede zwischen den nächst an den Messstationen befindlichen GME-Analysen und den In-situ-Daten liegen unter 30 °. Bei den NCEP-Reanalysen sind es ca. 55 %. Dies ist vermutlich auf die bessere horizontale Auflösung der GME-Analysen zurückzuführen.

Zur Anwendung des FESOM auf die Laptev-See wurden einige Anpassungen vorgenommen. So beschränkt sich der dynamische Teil des Ozeanmodells auf vertikale Prozesse, da die Dynamik der Laptev-See Polynja im Wesentlichen von den entsprechenden Komponenten des Meereismodells abhängt. Da die Mittelpunkte aller Dreiecke identisch mit denen von Quadraten sind, erfolgt die Darstellung auf einem quadratischen Gitter, das kongruent mit dem des Atmosphäremodells COSMO ist. Es besteht aus Elementen mit einer Größe von 5 km 5 km und 17 möglichen Tiefenniveaus. Neben dem atmosphärischen latenten und sensiblen Wärmefluss, der Schneehöhe, der Dicke, der thermischen und advektiven Dickenänderung, dem Bedeckungsgrad und der Drift des Meereises wurde die Oberflächentemperatur als Ausgabevariable definiert.

Für den Start von Simulationen sind initiale Felder des Meereises, des auf dem Eis liegenden Schnees und des Ozeans erforderlich. In der Version des FESOM für die Laptev-See werden die anfänglichen Konzentrationen des Packeises aus AMSR-Daten abgeleitet. Im April finden noch keine Eisschmelzprozesse statt. Daher ist der Bereich des Festeises vollständig mit Meereis bedeckt. Die Festeisgrenze wurde mit Hilfe von ermittelten Oberflächentemperaturen einer MODIS-Szene rekonstruiert. In einem weiteren Schritt wurde sie durch die Meereiskonzentrationen aus AMSR-Daten validiert und angepasst. Im Festeisbereich und an Packeisstellen mit einer Eiskonzentration von 100 % werden initiale Eisdicken von 1 m vorgegeben. Auf dem Meereis der Laptev-See befindet sich eine leichte Schneedecke, welche mit 5 cm berücksichtigt wird. Die Temperatur und der Salzgehalt des Ozeans zu Anfang einer Simulation stammen aus dem World Ocean Atlas 2001.

80 5 Fazit und Ausblick

Der Fokus liegt auf zwei Polynjaereignisse vom 21. bis 23. April und vom 26. bis 30. April. Sie werden mit allen Antriebsgrundlagen bemerkenswert realitätsnah simuliert. Dies haben Vergleiche mit aus AMSR-Daten abgeleiteten Meereiskonzentrationen ergeben. Insbesondere der simulierte Vorgang der zweiten Polynjaöffnung ähnelt den aus AMSR-Daten erzielten Ergebnissen. Die erste Polynja wird etwas zu groß abgebildet. Im Wesentlichen wird der Öffnungsvorgang der Laptev-See Polynja von Antrieben mit GME- Analysen, NCEP-Reanalysen und COSMO-Daten in ähnlicher Weise dargestellt. Es bestehen ausschließlich geringe Unterschiede in Lage und Entwicklung der Polynja. Solche sind vor allem im Zeitraum der ersten merklichen Polynjaöffnung erkennbar. Gelegentlich sind die Eisdriftrichtung und -geschwindigkeit nicht eindeutig, wie zum Beispiel am 25. April, als eine wenig beständige Wetterlage herrscht. Grundsätzlich sind die Simulationsergebnisse mit den hoch aufgelösten COSMO-Daten zu bevorzugen, da sie kleinräumige meteorologische Unterschiede besser wiedergeben. In den Simulationen reagiert der turbulente atmosphärische Fluss sensibler und latenter Wärme auf Polynjaereignisse mit einem Anstieg. Bei Öffnung der Meereisdecke ist das warme Ozeanwasser der Atmosphäre ausgesetzt, so dass mehr Wärmeenergie an diese abgegeben wird. An dieser Wärmeabgabe hat die sensible Komponente den größeren Anteil. Während sie nachts stellenweise über 220 W/m2 liegt, erreicht der latente Wärmefluss nicht mehr als ca. 120 W/m2. Meereisdickenänderungen sind das Resultat von advektiven und thermischen Prozessen. Sie weisen auf das dynamische Verhalten von Polynjen hin und sind Marker für Abbau- und Produktionsraten von Meereis. In der Simulation mit Antrieben von COSMO-Daten besteht am Tage teilweise keine thermische Eisproduktion. Da es aber nicht zur Eisschmelze kommt, handelt es sich bei der Summe um einen thermischen Zuwachs von Eis. Wird Packeis von der Festeiskante durch Advektion weggedriftet, so dass die mittlere Dicke des Meereises abnimmt und eine Polynja entsteht, erfolgt eine beschleunigte thermische Meereisproduktion. Aus den Simulationsergebnissen ergibt sich eine maximale thermische Eisdickenzunahme von über 5 mm pro Stunde. Die nächtlichen Produktionsraten kompensieren in der Regel Verluste durch Advektion nicht. Während die thermische Bildung von Meereis in Bereichen offenen Wassers wenige Millimeter pro Stunde beträgt, zeigen die Simulationen advektive Eisdickenabnahmen von unter 5 cm pro Stunde. Aufgrund hoher Meereisadvektionsraten erreicht die WNSP zum zweiten Polynjaereignis eine Breite von über 60 km und eine Fläche von mehr als 10000 km2. Die maximale Größe der ALP beträgt ca. 3500 km2.

Im Allgemeinen hat sich der Einsatz des FESOM zur Darstellung der Dynamik der Laptev- See Polynja bewährt. Erstmalig ist es gelungen, Polynjaöffnungen realitätsnah abzubilden. Es besteht aber weiterhin Verbesserungs- und Erweiterungspotential. Zur exakten Wiedergabe von Polynjen müsste eine scharfe Abgrenzung zur Festeiskante bestehen. Um die Ausbreitung von Polynjen über die Festeiskante hinaus zu verhindern, ist eine veränderte Advektionsberechnung notwendig. Der dynamische Teil des Ozeanmodells ist auf vertikale Prozesse beschränkt. Damit auch Ozeanadvektion erfolgen kann, ist die Beschreibung von dreidimensionalen Vorgängen notwendig. Die hierfür vorgesehenen Komponenten werden im globalen FESOM präsentiert. Das FESOM setzt sich aus einem hydrostatischen Ozean-Zirkulationsmodell und einem dynamisch-thermodynamischen Meereismodell zusammen. Eine Ergänzung kann durch einen atmosphärischen Modellteil vorgenommen werden. So ist zukünftig ein gekoppeltes System mit dem nichthydrostatischen atmosphärischen Modell COSMO denkbar. Dadurch ließen sich große Änderungen auf kurzen Zeitskalen vermeiden und die Dynamik von Polynjen vollständig bzw. ohne zeitliche Verzögerung simulieren.

81 5 Fazit und Ausblick

Bei dem Modellgebiet handelt es sich um ein geschlossenes System. Die Laptev-See ist durch Grenzen abgetrennt, so dass mit Bereichen außerhalb davon keine Wechselbeziehungen eingegangen werden können. In den vorgestellten Simulationen relativ kurzer Dauer wirkt sich dies nicht auf Ergebnisse aus. Für umfassendere Studien ist eine Öffnung der Grenzen notwendig. Dies kann durch die Gleichsetzung der Größen der äußeren, am Rande befindlichen Pixel mit denen der etwas weiter innen gelegenen Pixel geschehen. Aufgrund der aus dem Modellgebiet herausführenden Transpolaren Drift sind so wirklichkeitsnahe Werte möglich. Zudem können offene Randbedingungen durch konstante Gradienten bewirkt werden. Eine bessere Lösung stellt die Nestung des FESOM für die Laptev-See in ein entsprechendes Modell mit größerem Gebiet dar. Falls die Simulation für das größere Gebiet eher gestartet wird, können hieraus die initialen Bedingungen des Ozeans übernommen werden.

Auf Basis von Antrieben mit COSMO-Daten, der Herleitungsschemata der initialen Merkmale, einiger Modellkonfigurationen für die Laptev-See und der Verwirklichung der Verbesserungs- und Erweiterungsvorschläge können in Zukunft realistische Simulationen für langzeitliche Studien durchgeführt werden.

82

Literaturverzeichnis

Adams, S., Willmes, S., Heinemann, G., Rozman, P., Timmermann, R. (2009): Validation of simulated sea-ice concentrations from sea-ice/ocean models using satellite data and polynya classification methods. Submitted to Polar Research, Special Issue: System Laptev Sea. Arya, S. P. (2001): Introduction to Micrometeorology. Academic Press, San Diego, 415 S. Bareiss, J. (2003): Süßwassereintrag und Festeis in der ostsibirischen Arktis – Ergebnisse aus Boden- und Satellitenbeobachtungen sowie Sensitivitätsstudien mit einem thermodynamischen Festeismodell. Berichte zur Polar- und Meeresforschung 442, AWI, Bremerhaven. Dissertation, Fach: Klimatologie, Fachbereich VI – Geographie/ Geowissenschaften, Universität Trier, 161 S. Bareiss, J., Görgen, K. (2005): Spatial and temporal variability of sea ice in the Laptev Sea: Analysis and review of satellite passive-microwave data and model results, 1997 to 2002. Global and Planetary Change, S. 28–54. Biggs, N. R. T., Morales Maqueda, M. A., Willmott, A. J. (2000): Polynya flux model solutions incorporating a parameterization for the collection thickness of consolidated new ice. Journal of Fluid Mechanics 408, S. 179–204. Boyer, T. P., Stephens, C., Antonov, J. I., Conkright, M. E., Locarnini, R. A., O`Brien, T. D., Garcia, H. E. (2002): World Ocean Atlas 2001, Volume 2: Salinity. Sydney Levitus: NOAA Atlas NESDIS 50, U.S. Government Printing Office, Washington, DC, 165 S. Businger, J. A., Wyngaard, J. C., Izumi, Y., Bradley, E. F. (1971): Flux-profile relationships in the atmospheric surface layer. Journal of Atmospheric Sciences 28, S. 181–189. Codina, R., Zienkiewiwicz, O. C. (2002): CBS versus GLS stabilization of the incompressible Navier-Stokes equations and the role of the time step as the stabilization parameter. Communications in Numerical Methods in Engineering 18, S. 99–112. Danilov, S., Kivman, G., Schröter, J. (2004): A finite element ocean model: principles and evaluation. Ocean Modelling 6 (2), S. 125–150. Dethleff, D. (1995): Die Laptev-See – eine Schlüsselgröße für den Fremdstoffeintrag in das arktische Meereis. Dissertation, Mathematisch-Naturwissenschaftliche Fakultät, Christian- Albrechts-Universität Kiel, 111 S. Dmitrenko, I. A., Gribanov, V. A., Volkov, D. L., Kassens, H., Eicken, H. (1999): Impact of river discharge on the fast ice extention in the Russian Arctic shelf area. Proceedings of the 15th International Conference on Port and Ocean Engineering under Arctic Conditions (POAC99), Helsinki, 23–27 August, S. 311–322. Dmitrenko, I. A., Tyshko, K. N., Kirillov, S. A., Eicken, H., Hölemann, J., Kassens, H. (2005): Impact of flaw polynyas on the hydrography of the Laptev Sea. Global and Planetary Change 48 (1–3), S. 9–27. Drüe, C., Heinemann, G. (2004): High resolution-maps of sea-ice concentration from MODIS satellite data. Geophysical Research Letters 31, L20403, doi:10.1029/2004GL020808. Ebner, L. (2009): Simulation der Effekte der Laptev-See Polynja auf die atmosphärische Grenzschicht mit dem COSMO-Modell. Diplomarbeit, Fach: Umweltmeteorologie, Fachbereich VI – Geographie/Geowissenschaften, Universität Trier, 105 S.

83 Literaturverzeichnis

Eicken, H., Dmitrenko, I., Tyshko, K., Darovskikh, A., Dierking, W., Blahak, U., Groves, J., Kassens, H. (2005): Zonation of the Laptev Sea landfast ice cover and its importance in a frozen estuary. Global and Planetary Change 48 (1–3), S. 55–83. ESA (2008): ESA Data Products, Radar Imagery, ENVISAT, ASAR Wide Swath, http://earth.esa.int/object/index.cfm?fobjectid=1451&i_id=63&p_id=152 (10.08.2009). ESA, Paris. Fischer, H. (1995): Vergleichende Untersuchungen eines optimierten dynamisch- thermodynamischen Meereismodells mit Beobachtungen im Weddellmeer. Berichte zur Polarforschung 166, AWI, Bremerhaven, 130 S. Foken, T. (2006): Angewandte Meteorologie – Mikrometeorologische Methoden, 2., überarbeitete und erweiterte Auflage. Springer-Verlag, Berlin, Heidelberg, 326 S. Gent, P. R., McWillimas, J. C. (1990): Isopycnal mixing in ocean circulation models. Journal of Physical Oceanography 20, S. 150–155. Haas, C., Eicken, H. (2001): Interannual variability of summer sea ice thickness in the Siberian and central Arctic under different atmospheric circulation regimes. Journal of Geophysics Research 106 (C3), S. 4449–4462. Häckel, H. (1999): Meteorologie, 4., völlig überarbeitete und neu gestaltete Auflage. Ulmer- Verlag, Stuttgart (Hohenheim), 448 S. Harder, M. (1994): Erweiterung eines dynamisch-thermodynamischen Meereismodells zur Erfassung deformierten Eises. Berichte aus dem Fachbereich Physik 50, AWI, Bremerhaven, 145 S. Harder, M. (1996): Dynamik, Rauhigkeit und Alter des Meereises in der Arktis – Numerische Untersuchungen mit einem großskaligen Modell. Berichte zur Polarforschung 203, AWI, Bremerhaven, 126 S. Heinemann, G., Helbig, A., Ernsdorf, T. (2009): Meteorological measurements at the ice edge of the West New Siberian Polynya. Russisch-Deutsche Zusammenarbeit: System Laptev- See, Eurasische Schelfmeere im Umbruch – Ozeanische Fronten und Polynjasysteme in der Laptev-See, Zwischenbericht 2008, Fahrbericht der Expedition TRANSDRIFT XIII, Sekretariat System Laptev-See, Kiel, S. 8–19. Hibler III, W. D. (1979): A dynamic thermodynamic sea ice model. Journal of Physical Oceanography 9 (4), S. 815–846. Högström, U. (1988): Non-dimensional wind and temperature profiles in the atmospheric surface layer: A re-evaluation. Boundary-Layer Meteorology 42, S. 55–78. Holland, D. M. (2001): Transient sea-ice polynya forced by oceanic flow variability. Progress In Oceanography 48 (4), S. 403–460. Institut für Meereskunde (2009): Sea Ice Maps and Data, AMSR-E ASI Ice Concentrations, ftp://ftp-projects.zmaw.de/seaice/AMSR-E_ASI_IceConc/ (10.08.2009). Institut für Meereskunde, Zentrum für Marine und Atmosphärische Wissenschaften, Universität Hamburg. Jackett, D. R., McDougall, T. J. (1995): Stabilization of hydrographic data. Journal Atmospheric and Oceanic Technology 12, S. 381–389.

84 Literaturverzeichnis

Kalnay, E., Kanamitsu, M., Kistler, R., Collins, W., Deaven, D., Gandin, L., Iredell, M., Saha, S., White, G., Woollen, J., Zhu, Y., Chelliah, M., Ebisuzaki, W., Higgins, W., Janowiak, J., Mo, K.C., Ropelewski, C., Wang, J., Leetmaa, A., Reynolds, R., Jenne, Roy, Joseph, Dennis (1996): The NCEP/NCAR 40-Year Reanalysis Project. Bulletin of the American Meteorological Society 77 (3), S. 437–472. Kanamitsu, M. (1989): Description of the NMC global data assimilation and forecast system. Weather and Forecasting 4, S. 334–342. Kanamitsu, M., Alpert, J. C., Campana, K. A., Caplan, P. M., Deaven, D. G., Iredell, M., Katz, B., Pan, H. L., Sela, J., White, G. H. (1991): Recent changes implemented into the global forecast system at NMC. Weather and Forecasting 6 (3), S. 425–435. Kanamitsu, M., Ebisuzaki, W., Woollen, J., Yang, S. K., Hnilo, J. J., Fiorino, M., Potter, G. L. (2002): NCEP-DOE AMIP-II Reanalysis (R-2). American Meteorological Society 83 (11), S. 1631–1643. Key, J. R., Collins, J. B., Fowler, C., Stone, R. S. (1997): High-Latitude Surface Temperature Estimates from Thermal Satellite Data. Remote Sensing of Environment 61 (2), S. 302– 309. König-Langlo, G., Augstein, E. (1994): Parametrization of the downward longwave radiation at the Earth’s surface in polar regions. Meteorologische Zeitschriften 3 (6), S. 343–347. Kotchetov, S. V., Kulakov, I. Y., Kurajov, V. K., Timokhov, L. A., Vanda, Y. A. (1994): Hydrometeorological regime of the Laptev Sea. Federal Service of Russia for Hydrometeorology and Monitoring of the Environment. Arctic and Antarctic Research Institute, St. Petersburg, 85 S. Krumpen, T. (2008): Polynja Data Management, TP2, ASA Satellite Images, https://polynja.ifm-geomar.de/folders/17 (10.08.2009). Projektserver Russisch-Deutsche Zusammenarbeit: System Laptev-See, Eurasische Schelfmeere im Umbruch – Ozeanische Fronten und Polynjasysteme in der Laptev-See, IFM-GEOMAR, Kiel. Majewski, D., Ritter, B. (2002): Das Global-Modell GME. Die neue Modellkette des DWD I, Promet – Meteorologische Fortbildung 27 (3/4), Deutscher Wetterdienst, S. 111–112. Majewski, D., Frank, H., Müller, A., Ritter, B. (2003): Kurze Beschreibung des Global- Modells GME und seiner Datenbanken auf dem Datenserver (DAS) des DWD, Stand: 01.09.2003, http://www.imk.uni-karlsruhe.de/download/gme_datenbank.pdf (10.07.2009). Deutscher Wetterdienst, Offenbach, 73 S. Martin, S., Kauffman, P. (1981): A field and laboratory study of wave damping by grease ice. Journal of Glaciology 27 (96), S. 283–313. Martin, S. (2001): Polynyas. Steele, J. H., Turekian, K. K., Thorpe, S. A.: Encyclopedia of Ocean Sciences, Academic Press, London, S. 2241–2247. Maykut, G. A. (1978): Energy exchange over young sea ice in the Central Arctic. Journal of Geophysical Research 83, S. 3646–3658. Mcdonald, R. W., Harner, T., Fyfe, J. (2005): Recent climate change in the Arctic and its impact on contaminant pathways and interpretation of temporal trend data. Science of the Total Environment 342 (1–3), S. 5–86. Morison, J. H., McPhee, M. G., Maykut, G. A. (1987): Boundary layer, upper ocean and ice observations in the Greenland Sea marginal ice zone. Journal of Geophysical Research 92 (C7), S. 6987–7011.

85 Literaturverzeichnis

NASA LAADS (2008): MODIS level 1 and atmosphere data products, http://ladsweb.nascom.nasa.gov/data/ (14.07.2009). NASA LAADS Web, Washington, DC. NOAA/NMC Development Divison (1988): Documentation of the NMC global model. NOAA/NCEP Environmental Modeling Center, Washington, DC, 244 S. NOAA National Oceanographic Data Center (2001): World Ocean Atlas 2001, WOA01 Online Data, http://www.nodc.noaa.gov/OC5/WOA01/pr_woa01.html (02.08.2009). NOAA, National Oceanographic Data Center, Ocean Climate Laboratory, Silver Spring, MD. NOAA Physical Sciences Divison (2009): Reanalysis Datasets at PSD, NCEP/NCAR Reanalysis I, NCEP/DOE Reanalysis II, http://www.cdc.noaa.gov/data/gridded/reanalysis/ (18.07.2009). NOAA, Office of Oceanic and Atmospheric Research, Earth System Research Laboratory, Physical Sciences Divison, Boulder, Colorado. Oke, T. R. (1987): Boundary layer climates, 2nd edition. Routledge-Verlag, Methuen, New York, 435 S. Pacanowski, R. C., Philander, S. G. H. (1981): Parametrization of vertical mixing in numerical models of the tropical oceans. Journal of Physical Oceanography 11, S. 1443– 1451. Parkinson, C. L., Washington, W. M. (1979): A large-scale numerical model of sea ice, Journal of Geophysical Research 84 (C1), S. 311–337. Redi, M. H. (1982): Oceanic isopycnal mixing by coordinate rotation. Journal of Physical Oceanography 12, S. 1154–1158. Reimnitz, E. (1995): Multiyear fast ice along the Taymyr Peninsula, Siberia. Arctic 48 (4), S. 359–367. Rigor, I. G., Colony, R., L. (1997): Sea-ice production and transport in the Laptev Sea, 1979– 1993. Science of the Total Environment 202, S. 89–110. Roberts, A., Allison, I., Lytle, V. I. (2001): Sensible and latent heat flux estimates over the Mertz Glacier Polynya, East Antarctica, from in-flight measurements. Annals of Glaciology 33, S. 377–384. Romanov, I. P. (1996): Atlas of Ice and Snow of the Arctic Basin and the Siberian Shelf Seas. Backbone Publishing Company, translated and edited by Dr. A. Tunik, Elmwood Park, 277 S. Schättler, U., Doms, G., Schraff, C. (2008): A Description of the Nonhydrostatic Regional

COSMO-Model, Part VII: User’s Guide, http://www.cosmo-model.org/content/model/ documentation/core/cosmoUserGuide.pdf (26.09.2009). Deutscher Wetterdienst, Offenbach, 135 S. Schröder, D. (2005): Wirkung von Zyklonen auf das Meereis in der Framstraße: Modellrechnungen und Beobachtungen. Dissertation, Fachbereich Geowissenschaften, Universität Hamburg, 149 S. Schröder, D., Heinemann, G., Willmes, S.: Implementation of a thermodynamic sea ice module in the NWP model COSMO and its impact on simulations for the Laptev Sea area in the Siberian Arctic. Submitted to Polar Research, Special Issue: System Laptev Sea.

86 Literaturverzeichnis

Stephens, C., Antonov, J. I., Boyer, T. P., Conkright, M. E., Locarnini, R. A., O`Brien, T. D., Garcia, H. E. (2002): World Ocean Atlas 2001, Volume 1: Temperature. Sydney Levitus: NOAA Atlas NESDIS 49, U.S. Government Printing Office, Washington, DC, 167 S. Semtner, A. J. (1976): A model for the thermodynamic growth of sea ice in numerical investigations of climate. Journal of Physical Oceanography 6 (3), S. 379–389. Smith, S. D., Muench, R. D., Pease, C. H. (1990): Polynyas and leads: An overview of physical processes and environment. Journal of Geophysical Research 95, S. 9461–9479. Spreen, G., Kaleschke, L., Heygster, G. (2008): Sea ice remote sensing using AMSR-E 89- GHz channels. Journal of Geophysical Research 113 (C2), C02S03, doi:10.1029/2005JC003384. Svendsen, E., Mätzler, C., Grenfell, T. C. (1987): A model for retrieving total sea ice concentration from a spaceborne dual-polarized passive microwave instrument operating near 90 GHz. International Journal of Remote Sensing 8 (10), S. 1479–1487. Timmermann, R. (2000): Wechselwirkungen zwischen Eis und Ozean im Weddelmeer – Studien mit einem gekoppelten Eis-Ozean-Modell des Südpolarmeeres. Dissertation, Fachbereich Physik, Universität Bremen, 130 S. Timmermann, R., Beckmann, A., Hellmer, H. H. (2002): Simulations of ice-ocean dynamics in the Weddell Sea. Part 1: Model configuration and validation. Journal of Geophysical Research 107 (C3), doi:10.1029/2000JC000741. Timmermann, R., Danilov, S., Schröter, J., Böning, C., Sidorenko, D., Rollenhagen, K. (2009): Ocean circulation and sea ice distribution in a finite element global sea ice-ocean model. Ocean Modelling 27 (3/4), S. 114–129. UNESCO (1978): Eighth report of the joint panel on oceanographic tables and standards, Woods Hole, March 1977. UNESCO Technical Papers in Marine Science 28, UNESCO, Paris, 32 S. Vowinckel, E., Orvig, S. (1973): Synoptic energy budgets from the Beaufort Sea. S. Orvig, WMO: Energy fluxes over polar surfaces, S. 299. Wang, Q., Danilov, S., Schröter, J. (2008): Comparison of overflow simulations on different vertical grids using the Finite Element Ocean circulation Model. Ocean Modelling 20 (4), S. 313–315. Wergen, W. (2002): Datenassimilation – ein Überblick. Die neue Modellkette des DWD I, Promet – Meteorologische Fortbildung 27 (3/4), Deutscher Wetterdienst, S. 142–149. Wergen, W., Buchhold, M. (2002): Realisierung der Datenassimilation im GME. Die neue Modellkette des DWD I, Promet – Meteorologische Fortbildung 27 (3/4), Deutscher Wetterdienst, S. 150–155. Willmott, A. J., Holland, D. M., Morales Maqueda, M. A. (2007): Polynya Modelling. Smith Jr., W. O., Barber, D. G.: Polynyas: Windows to the World, First Edition, Elsevier Oceanography Series 74, Amsterdam, S. 87–125. Winsor, P., Björk, G. (2000): Polynya activity in the Arctic Ocean from 1958 to 1997. Journal of Geophysical Research 105 (C4), S. 8789–8803. World Meteorological Organization (1970): WMO Sea-Ice Nomenclature. WMO/OMM/BMO 259, Technical publication 145, S. 2–7.

87

Anhang

A Abkürzungen

ALP Anabar-Lena Polynja AMIP II Atmospheric Model Intercomparison Project II AMSR-E Advanced Microwave Scanning Radiometer - Earth Observing System ARTIST Arctic Radiation and Turbulence Interaction Study ASAR Advanced Synthetic Aperture Radar AWI Alfred-Wegener-Institut für Polar- und Meeresforschung AWS Automatische Wetterstation BMBF Bildungsministerium für Bildung und Forschung COSMO Consortium for Small-Scale Modelling CTD Conductivity Temperature Depth DOE Department of Energy DWD Deutscher Wetterdienst ENVISAT Environmental Satellite ESA European Space Agency EZMW Europäisches Zentrum für Mittelfristige Wettervorhersagen FENA Finite Element Model of the North Atlantic FESOM Finite Element Sea Ice Ocean Model GME Global-Modell des Deutschen Wetterdienstes IFM-GEOMAR Leibnitz-Institut für Meereswissenschaften an der Christian-Albrechts- Universität zu Kiel LAADS Level 1 and Atmosphere Archive and Distribution System LM Lokal-Modell LT Local Time MODIS Moderate Resolution Imaging Spectroradiometer MSLP Mean Sea Level Pressure NASA National Aeronautics and Space Administration NERSC National Energy Research Supercomputing Center NCAR National Center for Atmospheric Research NCEP National Centers for Environmental Prediction NMC National Meteorological Center (jetzt NCEP) NOAA National Oceanic and Atmospheric Administration NODC National Oceanographic Data Center NSIDC National Snow and Ice Data Center SE Simulationsergebnisse TP Taimyr Polynja TRANSDRIFT Transpolare Drift UNESCO United Nations Educational, Scientific and Cultural Organization UP Untersuchungspunkt UTC Coordinated Universal Time WMO World Meteorological Organization WNSP West-Neusibirische Polynja

88 Anhang

B Symbole

Symbol Bezeichnung Einheit a atmosphärischer Parameter A Fläche eines Elements des FESOM-Netzes m2 A Meereisbedeckungsgrad cp spezifische Wärme J/kg/K C Meereiskonzentration % CD Transferkoeffizient für Impuls CH Transferkoeffizient für Wärme D Diffusionskoeffizient für Impuls m2/s dd Windrichtung ° e Dampfdruck hPa e Exzentrizität der elliptischen Bruchkurve E Sättigungsdampfdruck hPa E latenter Wärmestrom W/m2 f Coriolis-Parameter 1/s ff Windgeschwindigkeit m/s  F Corioliskraft N C F Hangabtriebskraft N H Fint interne Kräfte im Eis N g Schwerebeschleunigung m/s2 h Höhe eines Volumenelements m he Auslenkung der Meeresoberfläche m heff reale Höhe m hf Rinnenschließungsparameter m H sensibler Wärmestrom W/m2  k vertikaler Einheitsvektor K  einfallende kurzwellige Strahlung, Globalstrahlung W/m2 K  reflektierte kurzwellige Strahlung, Reflexstrahlung W/m2 L spezifische latente Wärme für Verdunstung bzw. Sublimation J/kg L  einfallende langwellige Strahlung, Gegenstrahlung W/m2 L  langwellige Ausstrahlung W/m2 ncl Wolkenbedeckungsgrad p hydrostatischer Druck hPa P Polarisations-Differenz K P Eishärte N/m2 P* empirischer Eishärteparameter N/m2 q spezifische Luftfeuchte g/kg qr relative Luftfeuchte % Q Wärmefluss W/m2 2 Qc konduktiver Wärmefluss W/m 2 Q0 Nettostrahlungsbilanz W/m R Schneeniederschlagsrate mm/h S Salzgehalt psu S Quell- und Senkterme m

89 Anhang B Symbole

Sw0 Salzgehalt der ozeanischen Deckschicht psu 2 S0 Solarkonstante W/m T Temperatur °C, K Tb Temperatur an der Unterseite des Meereises °C, K TB Strahlungstemperatur K Tf Gefriertemperatur °C, K T mittlere Temperatur °C, K u Geschwindigkeit m/s u longitudinale Komponente der Geschwindigkeit m/s  u Vektor der u- und v-Geschwindigkeitskomponente v laterale Komponente der Geschwindigkeit m/s  v dreidimensionaler Geschwindigkeitsvektor V Viskosität m2/s w vertikale Komponente der Geschwindigkeit m/s X Tracergröße (Salzgehalt, potentielle Temperatur) psu, K z Höhe (allgemein, geometrisch) m z0 Rauigkeitslänge m Z Zenitwinkel ° Griechische Buchstaben α Oberflächenalbedo ΓS virtueller Salzfluss mm/h δij Kronecker-Symbol m ∆ Deformation m ε Oberflächenemissivität

i, j Tensor der Deformationsraten ζ Parameter für stabile Bedingungen ζ Viskosität für die Volumenkompression m2/s η Scherviskosität N·s/m2 θ potentielle Temperatur K κ Wärmeleitfähigkeit W/m/K ρ Dichte kg/m3  mittlere Dichte kg/m3 ζ Stefan-Boltzmann-Konstante W/m2/K4  Spannungstensor   Schubspannung kg/m/s2 ψm Integral der universellen Funktion für den Impulsaustausch Indizes a Atmosphäre H horizontal ice Meereis L lateral s Schnee sfc Oberfläche V vertikal w Wasser

90 Anhang

C Plausibilitätsüberprüfung der In-situ-Daten

Eine Nutzung der In-situ-Daten setzt deren Genauigkeit bzw. Plausibilität voraus. Im Folgenden wird diese mittels Vergleichsanalysen der stündlich gemittelten Messdaten von jeweils zwei AWS überprüft. Hierbei ist zu beachten, dass die gemeinsamen Messzeiträume der AWS voneinander abweichen (Tab. 2.2)22 und daher die Vergleichswerte zwischen 55 und 344 variieren (Tab. E.1 und Tab. E.3). Auf lokal unterschiedliche meteorologische Bedingungen und somit mögliche Erklärungen für signifikante Diskrepanzen wird hingewiesen und in Kapitel 2.2 genauer eingegangen. Im Allgemeinen sind die Lage- und Streuungsparameter der In-situ-Daten von jeweils zwei AWS ähnlich oder gleich. Beispielsweise ist die mittlere Lufttemperatur an der AWS 2 und AWS 4 identisch und die Spannweiten der Extrema der spezifischen Luftfeuchten weichen nur um 0,02 g/kg voneinander ab (Tab. E.1). Minimal unterschiedliche statistische Werte der Lufttemperaturen und spezifische Luftfeuchten an der AWS 1 und AWS 2 deuten auf die geringe Entfernung von ca. 30 km zwischen den beiden AWS (Tab. 2.1) hin. Etwa 2/3 der Lufttemperaturdifferenzen betragen -1 °C bis 1 °C und über 75 % der Unterschiede der spezifischen Luftfeuchten -0,1 g/kg bis 0,1 g/kg (Abb. D.1 b). Besonders auffällig sind die beinahe kongruenten statistischen Werte der Windgeschwindigkeit der AWS 2 und AWS 3. Ungefähr 80 % der Differenzen befinden sich zwischen -1 m/s und 1 m/s (Abb. D.1 e). Die meist geringen Windrichtungsunterschiede zwischen den Standorten der AWS 3 und AWS 4, 75 % liegen unter 22 ° (Tab. E.3), weisen auch auf ähnliche meteorologische Bedingungen und korrekte Messdaten hin. Vorwiegend hohe Korrelationskoeffizienten zwischen allen Variablenvergleichen bestätigen dies. Sie betragen zwischen den Strahlungsbilanzen stets über 0,81 und zwischen den Luftdrücken sogar 0,95 bis 1 (Tab. E.2). Es besteht eine deutliche Kumulierung der Differenzen der Strahlungsbilanzen von allen AWS-Vergleichen bei -10 W/m2 und 10 W/m2 (Abb. D.1 g) und die Extremwerte der Luftdruckunterschiede nehmen Werte von -3 hPa und 3 hPa an (Tab. E.3). Neben diesen aussagekräftigen Werten, signalisiert die statistische Auswertung aller Unterschiede der 6 Stationsvergleiche im hohen Maße die Plausibilität der In-situ-Daten. Die Mittel sind oder liegen nahe bei Null und betragen 0 °C, -0,01 g/kg, 0,3 m/s, -0,1 hPa und -0,9 W/m2 und die Hälfte aller Differenzen befindet sich zwischen -1,8 °C und 1,8 °C, -0,11 g/kg und 0,1 g/kg, -0,6 m/s und 1,2 m/s und -9,6 W/m2 und 9,8 W/m2 (Abb. D.1). Zudem sind 50 % aller Windrichtungsunterschiede unter 20 ° und 75 % unter 52,2 ° bzw. nach Eliminierung der Windrichtungen, während denen Windgeschwindigkeiten unter 1 m/s geherrscht haben, unter 46,5 °. Allerdings bestehen auch deutlich unterschiedliche Messungen zwischen den AWS. Das Auftreten von Diskrepanzen belegen die teilweise beträchtlichen Extrema der Abweichungen der In-situ-Daten. Sie betragen maximal -8,2 °C, 0,59 g/kg, -5,1 m/s, 180 °, -3 hPa und 3 hPa und 104,9 W/m2 (Tab. E.3). Aufgrund der meist nahe bei Null kumulierenden Differenzen (Abb. D.1), sind diese extremen Unterschiede auf wenige Ereignisse beschränkt. Solche bestehen vor allem zwischen der AWS 4 und den anderen AWS, da die Vergleiche überwiegend innerhalb einer Periode (Tab. 2.2) mit einer wenig beständigen Wetterlage in der Laptev-See (Kap. 2.2) geschehen. So bestehen beispielsweise deutliche Windrichtungsunterschiede zwischen den Orten der AWS 1 und der AWS 4. Eine Reduzierung der Unterschiede tritt nicht durch die Eliminierung der Windrichtungen, während denen Windgeschwindigkeiten unter 1 m/s herrschen, ein (Abb. D.1 d). In unveränderten ca. 65 % der Fälle liegen die Unterschiede zwischen 150 ° und 180 °. Zudem

22 Aufgrund von Messinstrumentenausfällen unterscheiden sich die Messzeiten vereinzelter Variablen von denen in Tabelle 2.2. 91 Anhang C Plausibilitätsüberprüfung der In-situ-Daten sind in ungefähr ebenso vielen Vergleichen die Windgeschwindigkeiten an der AWS 4 höher als an der AWS 1. Das kleinräumig unterschiedliche Verhalten der Lufttemperaturen und spezifischen Luftfeuchten wird am besten durch den Vergleich mit den statistischen Analysen der AWS-3-Messungen vermittelt. Während die AWS 3 eine minimale Lufttemperatur von -16,2 °C und einen Maximalwert von -9,3 °C misst, betragen die Lufttemperaturextrema an der AWS 4 -18,9 °C und -10,7 °C (Tab. E.1). Außerdem weichen die mittleren Lufttemperaturen an beiden AWS um 1,4 °C voneinander ab. Der Median der Lufttemperaturdifferenzen nimmt von allen aufgeführten Werten mit 1 °C (Tab. E.3) den größten Wert an. Ungefähr 70 % der Lufttemperaturen an der AWS 3 sind höher als an der AWS 4 (Abb. D.1 a). Neben diesen deutlichen Unterschieden gibt der Korrelationskoeffizient zwischen den Lufttemperaturen von 0,49 (Tab. E.2) einen geringen Zusammenhang an. Ähnlich aussagekräftige, auf Diskrepanzen aufmerksam machende Werte zeigen die statistischen Vergleiche zwischen den mit den Lufttemperaturen korrelierenden spezifischen Luftfeuchten der AWS 3 und AWS 4. Hier beträgt der Korrelationskoeffizient sogar nur 0,35. Im Gegensatz dazu korrelieren die Strahlungsbilanzen deutlich. Die Größenordnung der Werte ist allerdings unterschiedlich. In den meisten Fällen liegen die Strahlungsbilanzen an der AWS 2 und AWS 3 über denen an der AWS 4 (Abb. D.1 g). Daher nehmen die Mediane der Differenzen mit 10,4 W/m2 und 21 W/m2 die höchsten Werte an (Tab. E.3). Ferner wird der größte Unterschied der Strahlungsbilanzen mit 104,9 W/m2 zwischen den Messungen der AWS 1 und der AWS 2 erreicht. Abgesehen von der bisher betrachteten Messphase weisen weitere Vergleiche zu anderen Zeiträumen auf lokal unterschiedliche meteorologische Bedingungen hin. So besteht beispielsweise keine Korrelation der Windgeschwindigkeiten zwischen den Orten der AWS 1 und der AWS 3 (r = -0,08) (Tab. E.2). Zudem betragen die Spannweite der 25 %- und 75 %- Quantile der Windgeschwindigkeitdifferenzen 3,4 m/s und die Extrema liegen 9,9 m/s auseinander (Tab. E.3). Eine visuelle Verdeutlichung dieser großen Streuungen geschieht durch das Histogramm in Abbildung D.1 e, welches wesentlich breiter als die anderen ist. Neben diesen Unterschieden liegen die Minima der Lufttemperaturen bzw. spezifischen Luftfeuchten an der AWS 3 mit -30,4 °C bzw. 0,23 g/kg weit unter den von der AWS 1 und der AWS 2 gemessenen Werten (Tab. E.1), was auf die unterschiedliche Intensität der Durchmischung der bodennahen atmosphärischen Schichtung zurückzuführen ist (Kap. 2.2). Die Korrelationskoeffizienten liegen stets zwischen 0,66 und 0,7 (Tab. E.2). Es werden auch temporal wesentlich höhere Lufttemperatur- bzw. spezifische Luftfeuchtewerte an dem Ort der AWS 3 erreicht. Sie liegen bis zu 8,2 °C bzw. 0,51 g/kg über denen an der AWS 2. Dies ist in den Wolkenverhältnissen und dem Windrichtungswechsel über Süden nach Westen, welche in der Gegend der nördlichsten AWS einen größeren Einfluss auf das Verhalten der Lufttemperatur und der spezifischen Luftfeuchte ausüben, begründet (Kap. 2.2). Insgesamt dokumentieren die geringen Unterschiede zwischen den AWS die Güte der Messdaten. Die meisten statistischen Werte ähneln einander. Deutliche Abweichungen sind auf lokal unterschiedliche meteorologische Situationen zurückzuführen. Solche kommen vor allem zur Messzeit der AWS 4 vor.

92 Anhang

D Abbildungen

Min [W/m2] = -104.9 1. Qu. [W/m2] = -9.6 Median [W/m2] = -0.7 Mittel [W/m2] = -0.9 3. Qu. [W/m2] = 9.8 Max. [W/m2] = 83.5

-100 -85 -65 -45 -25 -5 15 35 55 75

Differenzen [W/m2] der Strahlungsbilanzen in 1,6 m Abbildung D.1: Histogramme der Unterschiede der stündlich gemittelten In-situ-Daten von jeweils zwei AWS. 93 Anhang

E Tabellen

Tabelle E.1: Vergleich der Extremwerte, Quantile und des Arithmetischen Mittels der stündlich gemittelten In- situ-Daten für den gemeinsamen Messzeitraum von jeweils zwei AWS. Fettgedruckte Zahlen geben die Extremwerte im gesamten Messzeitraum an. Statistische Parameter von folgenden Variablen finden Verwendung: Lufttemperatur T [°C] und spezifische Luftfeuchte q [g/kg] in 2 m Höhe über Schnee, Windgeschwindigkeit ff [m/s] in 3 m Höhe über Schnee, Luftdruck p [hPa] in Meeresspiegelniveau und 2 Strahlungsbilanz Q0 [W/m ] in 1,6 m Höhe über Schnee. Variable AWS Anzahl Minimum 1. Quantil Median Mittel 3. Quantil Maximum der Werte T [°C] 1 344 -26,2 -22,4 -20,4 -19,6 -16,9 -11,2 2 -28 -22,2 -19,6 -19,3 -16,4 -9,5 1 295 -26,2 -21,9 -19,5 -19,1 -16,4 -11,2 3 -30,4 -23,4 -18,7 -19,2 -14,4 -9,3 1 55 -17,4 -15,1 -13,7 -13,9 -12,4 -11,2 4 -16,8 -14,8 -13,2 -13,4 -12,1 -11,1 2 316 -28 -22,2 -18,7 -18,6 -15,5 -8,4 3 -30,4 -22,9 -17,7 -18,7 -13,8 -9,3 2 93 -19,5 -15,7 -13,5 -13,4 -10,5 -8,4 4 -18,9 -15 -12,8 -13,4 -11,8 -8,7 3 76 -16,2 -13,6 -12,1 -12,4 -11,1 -9,3 4 -18,9 -15,2 -13,4 -13,8 -12 -10,7 q [g/kg] 1 344 0,34 0,48 0,57 0,64 0,78 1,21 2 0,29 0,5 0,6 0,6 0,8 1,39 1 295 0,34 0,51 0,61 0,67 0,81 1,21 3 0,23 0,43 0,67 0,69 0,93 1,34 1 55 0,79 0,88 0,99 1 1,12 1,21 4 0,84 0,93 1,05 1,03 1,13 1,19 2 306 0,29 0,5 0,66 0,69 0,85 1,39 3 0,23 0,44 0,73 0,71 0,96 1,36 2 93 0,66 0,86 1,07 1,09 1,32 1,67 4 0,66 0,9 1,07 1,05 1,15 1,65 3 66 0,89 1,05 1,2 1,14 1,21 1,36 4 0,66 0,87 0,99 0,98 1,11 1,19 ff [m/s] 1 344 0,1 2,2 3,2 3,5 4,9 6,9 2 0,2 1,6 2,5 2,7 3,8 6 1 295 0,1 2,1 2,9 3,2 4,6 6,6 3 0,4 1,6 2,1 2,7 3,6 7,6 1 55 0,6 1,5 2,6 2,6 3,5 4,9 4 1 1,9 3 3,1 4,3 5,3 2 356 0,2 1,6 2,6 3,2 4,1 9,1 3 0,4 1,7 2,6 3,3 4,4 8,2 2 93 0,2 3 3,9 4,2 6 9,1 4 1 2,5 4,2 4,2 5,8 8,4 3 93 0,4 2,3 5,2 4,4 6 8,1 4 1 2,5 4,2 4,2 5,8 8,4

94 Anhang E Tabellen

Tabelle E.1, Fortsetzung p [hPa] 1 344 1015 1022 1025 1024 1027 1033 2 1015 1022 1025 1024 1027 1032 1 295 1016 1023 1025 1026 1029 1033 3 1018 1023 1025 1026 1028 1032 1 55 1016 1020 1022 1022 1025 1025 4 1016 1020 1022 1022 1024 1025 2 356 1014 1021 1024 1024 1027 1032 3 1016 1021 1025 1024 1027 1032 2 93 1014 1015 1018 1019 1022 1025 4 1013 1014 1018 1019 1023 1025 3 93 1016 1017 1018 1019 1021 1023 4 1013 1014 1018 1019 1023 1025 2 Q0 [W/m ] 1 259 -58,8 -46,4 -27,7 -18,7 5,7 46,6 2 -55,3 -42,9 -20,4 -8,8 24,7 94,9 1 210 -58,8 -46,5 -28 -19,1 4 46,6 3 -52,7 -40,3 -15,4 -10,4 18,2 63,7 1 55 -58,8 -33,7 -24 -21,1 -7,8 37,9 4 -53,5 -37,3 -19,8 -14 10,4 40,5 2 316 -55,3 -44,1 -19,1 -7,2 27,4 94,9 3 -52,7 -40,2 -12,2 -10,1 16 79,9 2 93 -51 -34 -6,2 2 36,9 94,9 4 -53,5 -38 -17,5 -13,4 9,3 40,5 3 76 -52,7 -7,9 3,3 6,6 29,2 79,9 4 -53,5 -38,9 -19,9 -13,3 10,9 40,5

Tabelle E.2: Korrelationskoeffizienten nach Pearson zwischen den Variablen der In-situ-Daten von jeweils zwei AWS. Die positiven Trends von Lufttemperatur und spezifischer Luftfeuchte wurden vor der Korrelationsberechnung eliminiert. Variable AWS 1 AWS 2 AWS 3 AWS 4 T AWS 1 1 0,81 0,7 0,62 AWS 2 0,81 1 0,7 0,65 AWS 3 0,7 0,7 1 0,49 AWS 4 0,62 0,65 0,49 1 q AWS 1 1 0,8 0,66 0,58 AWS 2 0,8 1 0,67 0,72 AWS 3 0,66 0,67 1 0,35 AWS 4 0,58 0,72 0,35 1 ff AWS 1 1 0,57 -0,08 0,56 AWS 2 0,57 1 0,85 0,94 AWS 3 -0,08 0,85 1 0,75 AWS 4 0,56 0,94 0,75 1 p AWS 1 1 0,99 0,95 0,99 AWS 2 0,99 1 0,98 1 AWS 3 0,95 0,98 1 0,99 AWS 4 0,99 1 0,99 1 Q0 AWS 1 1 0,87 0,8 0,81 AWS 2 0,87 1 0,91 0,91 AWS 3 0,8 0,91 1 0,82 AWS 4 0,81 0,91 0,82 1

95 Anhang E Tabellen

Tabelle E.3: Extremwerte, Quantile und Arithmetisches Mittel der Unterschiede der stündlich gemittelten In- situ-Daten von jeweils zwei AWS. Variable AWS Anzahl Minimum 1. Quantil Median Mittel 3. Quantil Maximum der Werte T [°C] 2 - 1 344 -4,9 -0,9 0,6 0,3 1,7 5,7 1 - 3 295 -5,9 -2,4 0,6 0,2 2,3 6,9 1 - 4 55 -4,8 -1,2 0,2 -0,6 0,5 1 2 - 3 316 -8,2 -2,1 0 0 2,2 5,9 2 - 4 93 -4,2 -1,6 0,8 0,1 1,8 2,9 3 - 4 76 -1,6 0 1 1,4 2,1 7,3 q [g/kg] 2 - 1 344 -0,33 -0,04 0,04 0,02 0,09 0,27 1 - 3 295 -0,42 -0,19 0,03 -0,02 0,12 0,28 1 - 4 55 -0,33 -0,07 0,01 -0,03 0,05 0,12 2 - 3 306 -0,51 -0,16 0,01 -0,03 0,12 0,23 2 - 4 93 -0,3 -0,09 0,08 0,03 0,15 0,28 3 - 4 66 -0,11 0,03 0,12 0,16 0,22 0,59 ff [m/s] 2 - 1 344 -4,4 -1,5 -0,8 -0,8 -0,1 2,9 1 - 3 295 -5,1 -0,9 0,7 0,5 2,5 4,8 1 - 4 55 -3,3 -1,5 -0,5 -0,5 0 2,3 2 - 3 356 -3,2 -0,8 0,1 -0,1 0,9 3 2 - 4 93 -1,4 -0,4 0 0,1 0,5 1,6 3 - 4 93 -2,7 -0,9 -0,1 0,3 1,4 3,3 dd [°] 2, 1 344 0 9 25 45 54 176 1, 3 295 0 14 39 53 72 179 1, 4 55 32 122 166 146 174 180 2, 3 356 0 8 15 22 23 180 2, 4 93 0 10 17 28 24 174 3, 4 93 0 6 11 22 22 139 p [hPa] 2 - 1 344 -1 0 0 0 0 2 1 - 3 295 -3 -1 0 0 1 3 1 - 4 55 -1 0 0 0 0 1 2 - 3 356 -2 -1 0 0 0 2 2 - 4 93 -1 0 0 0 1 1 3 - 4 93 -2 -1 0 0 2 3 2 Q0 [W/m ] 2 - 1 259 -29,6 -0,7 6 9,9 15,6 104,9 1 - 3 210 -83,1 -14,6 -6,3 -8,7 2,3 32,5 1 - 4 55 -49,4 -14,7 -3,8 -7,1 5,7 14,1 2 - 3 316 -47,1 -6,4 1,8 2,9 13,9 54,4 2 - 4 93 -11,9 0,3 10,4 15,4 23,3 83,5 3 - 4 76 -18,4 4,4 21 20 38,1 48,6

96

Danksagung

Zunächst möchte ich Herrn Prof. Dr. Günther Heinemann und Herrn Dr. David Schröder für die Betreuung und Unterstützung dieser Arbeit sehr herzlich danken. Aus zahlreichen Gesprächen mit ihnen erhielt die Arbeit wesentliche Impulse und Verbesserungen. Mein Dank gilt ferner Herrn Prof. Dr. Joachim Hill für die Erstellung des zweiten Gutachtens.

Herrn Prof. Dr. Günther Heinemann danke ich des Weiteren für die Förderung meiner Begeisterung an der Polarforschung. Er ermöglichte mir die Teilnahme an der deutsch- russischen Expedition TRANSDRIFT XIII-2 in die Laptev-See im April und Mai 2008 und stellte mich als wissenschaftliche Hilfskraft im Teilprojekt Laptev-See ein. Ein besonderer Dank gebührt Herrn Dr. David Schröder für die Umsetzung des FESOM auf die Laptev-See, seinen vielseitigen fachlichen Rat und seine konstruktiven Hinweise, die wesentlicher Anstoß in wichtigen Etappen der Arbeit waren.

Allen Mitarbeitern des Faches Umweltmeteorologie danke ich für die kollegiale Zusammenarbeit, stete Hilfsbereitschaft, technische Unterstützung und das gute Arbeitsklima. Neben Herrn Prof. Dr. Günther Heinemann und Herrn Dr. David Schröder möchte ich mich vor allem bei Herrn Prof. Dr. Alfred Helbig bedanken. Er hat mir während der Expedition TRANSDRIFT XIII-2 unterstützend zur Seite gestanden und Erfahrungen an mich weitergegeben. Zudem danke ich dem Techniker Herrn Uwe Baltes, der mir bei der Installation der Messgeräte geholfen hat. Des Weiteren möchte ich Diplom-Umweltwissenschaftler Herrn Jochen Stadler für die Vermittlung seiner Kenntnisse über die Handhabung des FESOM danken. Herrn Dr. Sascha Willmes gilt ein großer Dank für die Verarbeitung und Visualisierung von MODIS- und AMSR-Daten und für seine hilfreichen Ratschläge. Ferner danke ich Diplom- Umweltwissenschaftlerin Frau Susanne Adams. Sie hat mir ihre aus MODIS-Daten abgeleitete Lage der Festeiskante zur Verfügung gestellt. Ebenfalls möchte ich mich bei Diplom-Umweltwissenschaftler Herrn Lars Ebner, der mir das während meiner Arbeit viel genutzte Analyse- und Darstellungsprogramm GrADS näher gebracht hat, bedanken. Außerdem bedanke ich mich bei dem Studenten der Angewandten Umweltwissenschaften Herrn Daniel Kramer für die Auswertung von langjährigen NCEP-Reanalysen der Laptev- See. Frau Anne Menkhaus danke ich für die organisatorischen Umsetzungen.

Auf diesem Wege möchte ich auch allen Teilnehmern der Expedition TRANSDRIFT XIII-2 für die lehrreiche und unvergessliche Zeit im arktischen Russland danken. Neben Herrn Prof. Dr. Alfred Helbig gilt der Projektleiterin Frau Dr. Heidemarie Kassens vom IFM-GEOMAR ein besonderer Dank.

Zur Durchführung der Forschungsarbeit wurden Daten verschiedener Institutionen verwendet. Die GME-Analysen stammen vom DWD in Offenbach, die NCEP-Reanalysen von der Physical Science Division der NOAA in Boulder (Colorado, USA), die aus Simulationen mit den Modellen GME und COSMO des DWD zustande gekommenen so genannten COSMO- Daten von dem Fach Umweltmeteorologie an der Universität Trier, die ozeanischen Temperatur- und Salzgehalt-Daten aus dem World Ocean Atlas 2001 des NODC der NOAA, die aus den AMSR-Daten erzeugten Meereiskonzentrationen vom Institut für Meereiskunde der Universität Hamburg, die MODIS-Daten von dem LAADS der NASA in Washington D. C. (USA) und die von Diplom-Ingenieur Herrn Thomas Krumpen vom AWI in Bremerhaven bearbeiteten ASAR-Daten von der ESA in Paris.

97 Danksagung

Das Meereis-Ozean-Modell FESOM wurde von Herrn Dr. Ralph Timmermann vom AWI in Bremerhaven zur Verfügung gestellt. Bei Fragestellungen zum Modell konnte er zurate gezogen werden.

Zuletzt möchte ich mich ganz herzlich bei meinen Eltern und beiden Brüdern bedanken. Ihre Unterstützung war mir sehr hilfreich.

98

Hiermit erkläre ich, dass ich die Diplomarbeit selbständig verfasst und keine anderen als die angegebenen Quellen und Hilfsmittel benutzt und die aus fremden Quellen direkt oder indirekt übernommenen Gedanken als solche kenntlich gemacht habe. Die Diplomarbeit habe ich bisher keinem anderen Prüfungsamt in gleicher oder vergleichbarer Form vorgelegt. Sie wurde bisher auch nicht veröffentlicht.

Ort, Datum Unterschrift