Sensitivity of permafrost [Elektronische Ressource] / put forward by Sebastian Westermann

Sujets

• Physik

Informations

• Publié par: ruprecht-karls-universitat_heidelberg
• Publié le: 01 janvier 2010
• Nombre de lectures: 18
• Langue: Deutsch
• Poids de l'ouvrage: 5 Mo

Extrait

Dissertation
submitted to the
Combined Faculties for the Natural Sciences
and for Mathematics
of the Ruperto-Carola University of Heidelberg,
Germany
for the degree of
Doctor of Natural Sciences
Put forward by
Diplom-Physiker Sebastian Westermann
born in Freiburg i.Br.
Oral examination: 14 October 2010Sensitivity of permafrost
Referees: Prof. Dr. Kurt Roth
Prof. Dr. Ulrich PlattZusammenfassung
Permafrostbo¨den in der Arktis unterliegen im Zuge des Klimawandels einer
Reihe von Vera¨nderungen, was den Aufbau eines weltweiten Monitoring-Pro-
gramms zwingend notwendig macht. In dieser Arbeit wird ein Energiebilanz-
Modell fu¨r einen Permafrost-Standort auf Svalbard in Norwegen entwickelt,
das in Analogie zu Klimamodellen die einzelnen Komponenten der Energiebi-
lanz an der Ober߬ache und die Bodentemperaturen berechnet. Dazu wurde
die Ober߬achenenergiebilanz, bestehend aus den Strahlungskomponenten, dem
fu¨hlbaren und latenten W¨armestrom sowie dem Bodenw¨armestrom, fu¨r die
Dauer eines Jahres gemessen, was bisher fu¨r arktische Landgebiete noch nicht
durchgefu¨hrt wurde. Messungen der Oberfl¨achentemperatur mit einer Ther-
malkamera zeigen eine deutliche ra¨umliche Variabilit¨at dieser wichtigen Vari-
ablen, die sich im Rahmen des Energiebilanz-Modells reproduzieren la¨sst. Auch
die Auswirkung der in Messungen dokumentierten starken Heterogenita¨t der
Schneeho¨hen auf die Bodentemperaturen kann mit dem entwickelten Energiebi-
lanzmodell simuliert werden. Des weiteren werden Bodenmessungen der Ober-
fl¨achentemperatur mit Satellitendaten verglichen, wobei sich insbesondere w¨ah-
rend des Winters deutlich zu kalte Temperaturen in der Satellitenmessung er-
geben. Abschließend werden verschiedene M¨oglichkeiten diskutiert, wie die en-
twickelten Konzepte fu¨r ein Permafrost-Monitoring-Programm genutzt werden
ko¨nnten. Hierbei zeichnen sich Energiebilanzmodelle vor allem durch ihre enge
AnlehnunganvorhandeneKlimamodellesowiedieFlexibilita¨taus,verschiedene
Satellitendaten als Trainingsdatens¨atze zur Parametersch¨atzung einbeziehen zu
ko¨nnen.
Abstract
Arctic permafrost may be adversely affected by climate change in a number of
ways, so that establishing a world-wide monitoring program seems imperative.
This thesis evaluates possibilities for permafrost monitoring at the example of a
permafrost site on Svalbard, Norway. An energy balance model for permafrost
temperaturesisdevelopedthatevaluatesthedifferentcomponentsofthesurface
energybudgetinanalogytoclimatemodels. Thesurfaceenergybudget,consist-
ingofradiationcomponents,sensibleandlatentheatfluxesaswellastheground
heat flux, is measured over the course of one year, which has not been accom-
plished for arctic land areas so far. A considerable small-scale heterogeneity of
the summer surface temperature is observed in long-term measurements with a
thermal imaging system, which can be reproduced in the energy balance model.
The model can also simulate the impact of different snow depths on the soil
temperature, that has been documented in field measurements. Furthermore,
time series of terrestrial surface temperature measurements are compared to
satellite-borne measurements, for which a significant cold-bias is observed dur-
ing winter. Finally, different possibilities for a world-wide monitoring scheme
are assessed. Energy budget models can incorporate different satellite data sets
as training data sets for parameter estimation, so that they may constitute an
alternative to purely satellite-based schemes.
iiiContents
1 Introduction 1
1.1 Permafrost–anessentialclimatevariableinthe“GlobalClimate
Observing System” . . . . . . . . . . . . . . . . . . . . . . . . . . 1
1.2 State of the art in permafrost monitoring . . . . . . . . . . . . . 4
1.3 Modeling the future state of permafrost . . . . . . . . . . . . . . 6
1.4 Outline . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
2 Theory 11
2.1 The surface energy budget . . . . . . . . . . . . . . . . . . . . . . 11
2.2 Ground thermal regime . . . . . . . . . . . . . . . . . . . . . . . 14
2.2.1 Conductive heat transfer. . . . . . . . . . . . . . . . . . . 14
2.2.2 Extension to variable soil water content . . . . . . . . . . 16
2.2.3 Special cases . . . . . . . . . . . . . . . . . . . . . . . . . 19
2.2.4 The de Vries model for the thermal conductivity . . . . . 21
2.3 Measurements of ground heat flux . . . . . . . . . . . . . . . . . 23
2.3.1 Calorimetric method . . . . . . . . . . . . . . . . . . . . . 23
2.3.2 Conductive method . . . . . . . . . . . . . . . . . . . . . 24
2.4 Boundary Layer Physics . . . . . . . . . . . . . . . . . . . . . . . 26
2.4.1 Basic equations . . . . . . . . . . . . . . . . . . . . . . . . 26
2.4.2 Reynolds decomposition . . . . . . . . . . . . . . . . . . . 28
2.4.3 The simplified mean equations for the Prandtl layer . . . 29
2.4.4 Turbulent kinetic energy (TKE) . . . . . . . . . . . . . . 32
2.4.5 Atmospheric stability parameters . . . . . . . . . . . . . . 34
2.4.6 Monin-Obukhov similarity theory for the Prandtl layer . . 35
2.4.7 A coupled model for energy exchange at the surface . . . 37
2.5 Measuring turbulent fluxes with eddy covariance . . . . . . . . . 39
2.5.1 Eddy covariance system . . . . . . . . . . . . . . . . . . . 39
2.5.2 Calculation of covariances . . . . . . . . . . . . . . . . . . 41
2.6 Radiative transfer in the atmosphere . . . . . . . . . . . . . . . . 45
2.7 Radiometric correction of surface temperature measurements . . 47
iiiCONTENTS
3 Field measurements on Svalbard 53
˚3.1 Ny-Alesund and the Bayelva study area . . . . . . . . . . . . . . 53
3.1.1 Climatic conditions in NW Svalbard . . . . . . . . . . . . 53
3.1.2 The study period . . . . . . . . . . . . . . . . . . . . . . . 56
3.1.3 The Bayelva study area . . . . . . . . . . . . . . . . . . . 58
3.2 Installations and measurements . . . . . . . . . . . . . . . . . . . 58
3.2.1 Orthofoto and Digital Elevation Model . . . . . . . . . . . 58
3.2.2 Bayelva station . . . . . . . . . . . . . . . . . . . . . . . . 58
3.2.3 Soil temperature profiles . . . . . . . . . . . . . . . . . . . 59
3.2.4 The eddy covariance system . . . . . . . . . . . . . . . . . 59
˚3.2.5 Ancillary measurements in the village of Ny-Alesund . . . 60
3.2.6 Thermal imaging system . . . . . . . . . . . . . . . . . . . 60
3.3 Satellite and reanalysis data . . . . . . . . . . . . . . . . . . . . . 63
3.3.1 MODIS LST data . . . . . . . . . . . . . . . . . . . . . . 63
3.3.2 ERA-40 and ERA-interim reanalysis . . . . . . . . . . . . 65
4 Results 67
4.1 The data set on the surface energy budget . . . . . . . . . . . . . 67
4.1.1 Radiation . . . . . . . . . . . . . . . . . . . . . . . . . . . 67
4.1.2 Turbulent fluxes . . . . . . . . . . . . . . . . . . . . . . . 68
4.1.3 Ground and snow heat fluxes . . . . . . . . . . . . . . . . 70
4.1.4 Melt energy of the snow . . . . . . . . . . . . . . . . . . . 73
4.2 The annual surface energy budget of the study area . . . . . . . 74
4.2.1 Summer (1 July 2008–31 August 2008) . . . . . . . . . . . 74
4.2.2 Fall (1 September 2008–30 September 2008) . . . . . . . . 76
4.2.3 Dark winter (1 October 2008–15 March 2009) . . . . . . . 79
4.2.4 Light winter (15 March 2008–15 April 2008) . . . . . . . . 82
4.2.5 Pre-melt period (16 April 2008–31 May 2008) . . . . . . . 82
4.2.6 Snow melt (1 June 2008–30 June 2008) . . . . . . . . . . 84
4.2.7 The annual budget . . . . . . . . . . . . . . . . . . . . . . 88
4.2.8 Concluding remarks on the energy balance closure . . . . 88
4.3 Spatial variability of the surface temperature . . . . . . . . . . . 92
4.3.1 Spatial variability in single scenes. . . . . . . . . . . . . . 92
4.3.2 Small-scale heterogeneity of the
surface energy budget . . . . . . . . . . . . . . . . . . . . 95
4.3.3 Weekly averages of surface temperature . . . . . . . . . . 98
4.3.4 The surface temperature during the summer season . . . 101
4.4 Spatial and temporal variability of soil temperatures . . . . . . . 103
4.5 Performance of MODIS LST for the study area . . . . . . . . . . 108
4.5.1 Summer surface temperatures . . . . . . . . . . . . . . . . 108
4.5.2 The surface temperature during winter . . . . . . . . . . . 111
4.5.3 MODIS LST - a solution for permafrost monitoring? . . . 114
4.6 A surface energy budget model for permafrost temperatures . . . 117
4.6.1 The SEB model. . . . . . . . . . . . . . . . . . . . . . . . 117
4.6.2 First model results . . . . . . . . . . . . . . . . . . . . . . 121
4.6.3 Soil temperatures . . . . . . . . . . . . . . . . . . . . . . . 129
iv5 Discussion 133
5.1 Monitoring of process variables under arctic conditions . . . . . . 133
5.1.1 Radiation . . . . . . . . . . . . . . . . . . . . . . . . . . . 133
5.1.2 Turbulent fluxes . . . . . . . . . . . . . . . . . . . . . . . 134
5.1.3 Ground heat flux and soil temperatures . . . . . . . . . . 136
5.1.4 Depth and properties of the snow pack . . . . . . . . . . . 138
5.2 Remote sensing techniques
for large-scale monitoring . . . . . . . . . . . . . . . . . . . . . . 139
5.3 Permafrost monitoring and modeling . . . . . . . . . . . . . . . . 142
5.3.1 Data fusion to incorporate satellite data and ground ob-
servat