Modeling particle growth by condensation and deposition in turbulent mixed-phase cloud volumes

Chmury wielofazowe mają istotny udział w bilansie promieniowania Ziemi oraz w globalnym cyklu hydrologicznym, jednak ich rozwój na poziomie mikrofizycznym stanowi główne źródło niepewności w modelowaniu procesów atmosferycznych. Trudność wynika głównie z oddziaływania pomiędzy fluktuacjami turbulentnymi a procesami przemian fazowych o charakterze nieliniowym, takimi jak mechanizm Wegenera–Bergerona–Findeisena (WBF), które w modelach wielkoskalowych są zazwyczaj parametryzowane przy założeniu jednorodności przestrzennej. Wyniki licznych badań numerycznych i eksperymentalnych wskazują, że pomijanie fluktuacji o skalach mniejszych niż rozmiar siatki prowadzi do błędów systematycznych, w szczególności do sztucznie przyspieszonego zaniku przechłodzonej wody w wyniku procesu WBF. Jednocześnie pomiary dostarczają licznych obserwacji sprzecznych z powyższymi założeniami ukazując istnienie długo utrzymujących się chmur wielofazowych bogatych w wodę w stanie ciekłym.

W niniejszej rozprawie opracowano i zastosowano stochastyczny model parcelowy typu Lagrange’a, mający na celu zbadanie ograniczeń założenia o uśrednionym polu oraz ilościową ocenę wpływu turbulencji na mikrofizykę wielofazową. W tym podejściu pojedyncze krople wody i kryształy lodu są osadzone w modelowanym środowisku turbulentnym, które opisano jako połączenie gaussowskich, stochastycznych fluktuacji prędkości oraz deterministycznego modelu mieszania. W celu wiernego odwzorowania niejednorodności charakterystycznych dla środowiska turbulentnego, każdy element chmury zachowuje własną, niezależną historię fluktuacji prędkości i oddziałuje – poprzez wzrost na skutek kondensacji oraz parowanie utrzymując jednocześnie mikrofizyczne sprzężenie – przede wszystkim ze swoim najbliższym otoczeniem. Właściwości termodynamiczne i mikrofizyczne tych elementów podlegają przekształceniom zgodnym z podstawowymi prawami zachowania. Interakcje pomiędzy różnymi elementami są realizowane za pomocą modelowanego mechanizmu mieszania, opisanego pojedynczą skalą czasową, dobraną w oparciu o prawa skalowania obowiązujące w zakresie bezwładnościowym turbulencji

Opracowany model stanowi pomost pomiędzy nadmiernie uproszczonymi schematami zbiorczymi, a kosztownymi obliczeniowo symulacjami bezpośrednimi (DNS), oferując narzędzie do modelowania chmur o umiarkowanej złożoności. Dzięki jawnemu odwzorowaniu zjawisk o skali mniejszej niż rozmiar siatki podejście stochastyczne pozwala zaobserwować zjawiska, których tradycyjne, jednorodne modele parcelowe nie są w stanie odtworzyć, takie jak wydłużona obecność przechłodzonej wody w stanie ciekłym, zmodyfikowane tempo wzrostu i aktywacji kryształów lodu, a także odmienna dynamika przesycenia. Choć wyniki te zostały uzyskane w ramach uproszczonego schematu, wykazują one odporność na zmiany warunków początkowych i intensywności turbulencji, co sugeruje, że turbulencja w mniejszej, nie modelowanej skali może odgrywać istotną rolę w rozwoju stanu mikrofizycznego chmur wielofazowych.

Uzyskane rezultaty otwierają nowe możliwości rozwoju modelu oraz jego integracji z wielkoskalowymi schematami. Zaproponowane podejście umożliwia zastąpienie obecnego modelu mieszania turbulentnego bardziej zaawansowanymi rozwiązaniami, przy jednoczesnym zachowaniu niezmienionej struktury pozostałych elementów modelu. Najważniejszą cechą opracowanej metody jest jej zdolność do uchwycenia wpływu fluktuacji na procesy przemian fazowych, co czyni ją obiecującym narzędziem do parametryzacji w skalach mniejszych niż rozmiar siatki w symulacjach metodą dużych wirów (LES) gdzie odwzorowanie mikrofizyki wielofazowej pozostaje jednym z głównych źródeł niepewności. W tym kontekście model przedstawiony w niniejszej pracy stanowi zarówno fizycznie ugruntowane, jak i obliczeniowo efektywne podejście, które może znacząco poprawić wierność odwzorowania modeli chmurowych w szerokim zakresie skal.

Mixed-phase clouds play a central role in the Earth’s radiation budget and hydrological cycle, yet their microphysical evolution remains one of the largest sources of uncertainty in atmospheric modelling. A key difficulty arises from the interaction of turbulent fluctuations with nonlinear phase-change processes, such as the Wegener–Bergeron–Findeisen (WBF) mechanism, which are typically parameterised in large-scale models under the assumption of spatial homogeneity. A series of numerical and experimental studies suggest that neglecting subgrid fluctuations can lead to systematic biases, most notably an artificially rapid depletion of supercooled liquid water by the WBF process. At the same time, cloud measurement campaigns provide abundant observations of long-lived mixed-phase clouds that are rich in liquid water content.

This thesis develops and applies a stochastic Lagrangian parcel model to investigate the limitations of the mean-field assumption and to quantify the impact of turbulence on mixed-phase microphysics. In this framework, individual cloud droplets and ice crystals are embedded in a modelled turbulent environment, represented by Gaussian stochastic velocity fluctuations combined with a deterministic mixing model. For the purpose of representing the intrinsic heterogeneities of turbulent environments, each cloud particle carries forward its own independent history of velocity fluctuations, and is assumed to interact -- growing by condensation and evaporating, while providing microphysical feedback -- primarily with its immediate vicinity, with their thermodynamic and microphysical properties evolving according to fundamental conservation laws. Interactions with other particles are mediated through a modelled mixing mechanism characterised by a single timescale, tuned in accordance with inertial-range turbulence scaling laws.

Our model bridges the gap between overly simplified bulk schemes and computationally prohibitive direct numerical simulations, providing a framework of intermediate complexity within the cloud model hierarchy. By explicitly resolving subgrid-scale variability, the stochastic approach reveals extended persistence of liquid water, modified growth rates and activation of ice crystals, and a distinct supersaturation dynamics that traditional homogeneous parcel models are unable to reproduce. Although observed in an idealised framework, these effects prove robust across a range of initial conditions and turbulence intensities, indicating that unresolved-scale turbulence might play an important role in the development of the microphysical state in mixed-phase clouds.

These results open clear opportunities for further model refinement and integration into larger-scale frameworks. Our approach allows for the replacement of the turbulent mixing model by more elaborate ones, while keeping the rest of the formulation unchanged. Most importantly, its ability to capture the impact of fluctuations on phase-change processes makes it a promising candidate for subgrid parameterisation in large-eddy simulations, where the representation of mixed-phase microphysics remains a major source of uncertainty. In this role, the present work provides both a physically grounded and computationally tractable route toward improving the fidelity of cloud models across scales.