Sirontaluento 12 Ilmakehä, aerosolit, pilvet. Keskiviikko , kello 10-12

Samankaltaiset tiedostot
Kehät ja väripilvet. Ilmiöistä ja synnystä

Kuva 1: Yksinkertainen siniaalto. Amplitudi kertoo heilahduksen laajuuden ja aallonpituus

Ilmakehän jäätävien olosuhteiden havainnointi maanpinnalta tehtävän kaukokartoituksen avulla

Pienhiukkaset: Uhka ihmisten terveydelle vai pelastus ilmastolle? FT Ilona Riipinen Nuorten Akatemiaklubi Suomalainen Tiedeakatemia

Aerosolimittauksia ceilometrillä.

Havaitsevan tähtitieteen pk I, 2012

Havaitsevan tähtitieteen peruskurssi I, yhteenveto

Havaitsevan tähtitieteen peruskurssi I, kevät Luento 2, : Ilmakehän vaikutus havaintoihin Luennoitsija: Jyri Näränen

Havaitsevan tähtitieteen peruskurssi I. Ilmakehän vaikutus havaintoihin. Jyri Lehtinen. kevät Helsingin yliopisto, Fysiikan laitos

FYSIIKAN LABORATORIOTYÖT 2 HILA JA PRISMA

MS-A0305 Differentiaali- ja integraalilaskenta 3 Luento 10: Stokesin lause

ELEC-A4130 Sähkö ja magnetismi (5 op)

Työ 2324B 4h. VALON KULKU AINEESSA

PRELIMINÄÄRIKOE PITKÄ MATEMATIIKKA

Polarisaatio. Timo Lehtola. 26. tammikuuta 2009

MATEMATIIKKA. Matematiikkaa pintakäsittelijöille PAOJ 3. Isto Jokinen 2013

Mikroskooppisten kohteiden

Matematiikan tukikurssi

Lataa Ilmakehän ilmiöt - Jari Luomanen. Lataa

Matematiikka ja teknologia, kevät 2011

Kuva 1. Valon polarisoituminen. P = polarisaattori, A = analysaattori (kierrettävä).

Tähtitieteessä SI-yksiköissä ilmaistut luvut ovat usein hyvin isoja ja epähavainnollisia. Esimerkiksi

KIINTEÄN AINEEN JA NESTEEN TILANYHTÄLÖT

MAA (4 OP) JOHDANTO VALOKUVAUKSEEN,FOTOGRAM- METRIAAN JA KAUKOKARTOITUKSEEN Kevät 2006

ELEC-A4130 Sähkö ja magnetismi (5 op)

RADIOTIETOLIIKENNEKANAVAT

Kannan vektorit siis virittävät aliavaruuden, ja lisäksi kanta on vapaa. Lauseesta 7.6 saadaan seuraava hyvin käyttökelpoinen tulos:

Havaitsevan tähtitieteen peruskurssi I. Datan käsittely. Jyri Lehtinen. kevät Helsingin yliopisto, Fysiikan laitos

YHDEN RAON DIFFRAKTIO. Laskuharjoitustehtävä harjoituksessa 11.

1 Tieteellinen esitystapa, yksiköt ja dimensiot

Havaitsevan tähtitieteen peruskurssi I

OPTIIKAN TYÖ. Fysiikka 1-2:n/Fysiikan peruskurssien harjoitustyöt (mukautettu lukion oppimäärään) Nimi: Päivämäärä: Assistentti:

3. Optiikka. 1. Geometrinen optiikka. 2. Aalto-optiikka. 3. Stokesin parametrit. 4. Perussuureita. 5. Kuvausvirheet. 6. Optiikan suunnittelu

Sovellettu todennäköisyyslaskenta B

d sinα Fysiikan laboratoriotyöohje Tietotekniikan koulutusohjelma OAMK Tekniikan yksikkö TYÖ 8: SPEKTROMETRITYÖ I Optinen hila

Havaitsevan tähtitieteen peruskurssi I, Havaintoaikahakemuksen valmistelu. Luento , V-M Pelkonen

7.4 Fotometria CCD kameralla

Lineaarikuvausten. Lineaarikuvaus. Lineaarikuvauksia. Ydin. Matriisin ydin. aiheita. Aiheet. Lineaarikuvaus. Lineaarikuvauksen matriisi

Sirontaluento 5 Säteilynkulkua. Keskiviikko , kello 10-12

LIITE 1 VIRHEEN ARVIOINNISTA

LIITE 1 VIRHEEN ARVIOINNISTA

Valon sironta - ilmiöt ja mallinnus. Jouni Mäkitalo Fysiikan seminaari 2014

Havaitsevan tähtitieteen peruskurssi I

Havaitsevan tähtitieteen peruskurssi I. Optiikka. Jyri Lehtinen. kevät Helsingin yliopisto, Fysiikan laitos

ELEC C4140 Kenttäteoria (syksy 2016)

Teoreettisia perusteita I

Mistä on kyse? Pilvien luokittelu satelliittikuvissa. Sisältö. Satelliittikartoitus. Rami Rautkorpi Satelliittikartoitus

Matemaatikot ja tilastotieteilijät

LIITE 1 VIRHEEN ARVIOINNISTA

2.1 Yhdenmuotoiset suorakulmaiset kolmiot

SISÄLTÖ Venymän käsite Liukuman käsite Venymä ja liukuma lujuusopin sovelluksissa

Likimääräisratkaisut ja regularisaatio

MS-A0501 Todennäköisyyslaskennan ja tilastotieteen peruskurssi

1. OHJAAMATON OPPIMINEN JA KLUSTEROINTI

Stanislav Rusak CASIMIRIN ILMIÖ

BM20A5800 Funktiot, lineaarialgebra ja vektorit Harjoitus 4, Syksy 2016

Kenguru Student (lukion 2. ja 3. vuosi) sivu 1 / 6

4 Matemaattinen induktio

= 3 = 1. Induktioaskel. Induktio-oletus: Tehtävän summakaava pätee jollakin luonnollisella luvulla n 1. Induktioväite: n+1

pitkittäisaineistoissa

Mittaustekniikka (3 op)

Kuten aaltoliikkeen heijastuminen, niin myös taittuminen voidaan selittää Huygensin periaatteen avulla.

Planck satelliitti. Mika Juvela, Helsingin yliopiston Observatorio

Matriisilaskenta Laskuharjoitus 5 - Ratkaisut / vko 41

Virtaus ruiskutusventtiilin reiästä

a) Piirrä hahmotelma varjostimelle muodostuvan diffraktiokuvion maksimeista 1, 2 ja 3.

ELEC C4140 Kenttäteoria (syksy 2015)

a) Mitkä reaaliluvut x toteuttavat yhtälön x 2 = 7? (1 p.) b) Mitkä reaaliluvut x toteuttavat yhtälön 5 4 x

Luento 8. Lämpökapasiteettimallit Dulong-Petit -laki Einsteinin hilalämpömalli Debyen ääniaaltomalli. Sähkönjohtavuus Druden malli

4. Funktion arvioimisesta eli approksimoimisesta

Tuulen viemää. Satelliitit ilmansaasteiden kulkeutumisen seurannassa. Anu-Maija Sundström

Antti Rasila. Kevät Matematiikan ja systeemianalyysin laitos Aalto-yliopisto. Antti Rasila (Aalto-yliopisto) MS-A0204 Kevät / 16

Tehtävä 1. Oletetaan että uv on neliö ja (u, v) = 1. Osoita, että kumpikin luvuista u ja v on. p 2j i. p j i

Matematiikan tukikurssi, kurssikerta 5

Siitepölykehät siitepölyjen valoilmiöt

Osallistumislomakkeen viimeinen palautuspäivä on maanantai

Osa IX. Z muunnos. Johdanto Diskreetit funktiot

Tekijä Pitkä Matematiikka 11 ratkaisut luku 2

Kvanttifysiikan perusteet 2017

Työn tavoitteita. 1 Teoriaa

Matematiikan tukikurssi

Vapaus. Määritelmä. jos c 1 v 1 + c 2 v c k v k = 0 joillakin c 1,..., c k R, niin c 1 = 0, c 2 = 0,..., c k = 0.

T Luonnollisen kielen tilastollinen käsittely Vastaukset 3, ti , 8:30-10:00 Kollokaatiot, Versio 1.1

Matematiikan tukikurssi

MS-A0207 Differentiaali- ja integraalilaskenta 2 Luento 5: Gradientti ja suunnattu derivaatta. Vektoriarvoiset funktiot. Taylor-approksimaatio.

Polaarisatelliittidataan perustuva lumentunnistusalgoritmi (valmiin työn esittely)

12.3 KAHDEN RAON DIFFRAKTIO. Yhden kapean raon aiheuttama amplitudi tarkastelupisteeseen P laskettiin integraalilla E = ò,

1 Aritmeettiset ja geometriset jonot

1. OHJAAMATON OPPIMINEN JA KLUSTEROINTI

Matematiikan tukikurssi

1 Tieteellinen esitystapa, yksiköt ja dimensiot

6. laskuharjoitusten vastaukset (viikot 10 11)

Sekalaiset tehtävät, 11. syyskuuta 2005, sivu 1 / 13. Tehtäviä

Lukujonot Z-muunnos Z-muunnoksen ominaisuuksia Z-käänteismuunnos Differenssiyhtälöt. Z-muunnos. 5. joulukuuta Z-muunnos

Matikkaa KA1-kurssilaisille, osa 3: suoran piirtäminen koordinaatistoon

Braggin ehdon mukaan hilatasojen etäisyys (111)-tasoille on

Diffraktio. Luku 36. PowerPoint Lectures for University Physics, Twelfth Edition Hugh D. Young and Roger A. Freedman. Lectures by James Pazun

The acquisition of science competencies using ICT real time experiments COMBLAB. Kasvihuoneongelma. Valon ja aineen vuorovaikutus. Liian tavallinen!

3.6 Su-estimaattorien asymptotiikka

ELEC C4140 Kenttäteoria (syksy 2016)

Transkriptio:

Sirontaluento 12 Ilmakehä, aerosolit, pilvet Keskiviikko 13.4.2011, kello 10-12

Sisältöä 1. ilmakehän sirottajat 2. aerosolit, kokojakauma, muodot, merkittävyys 3. pilvet, pisarat, vesi/jää, kidemuodot, pilvimuodot

Ilmakehän sirottajat Ilmakehässä valo siroaa kaasuista, Rayleigh sironta, aerosoleista, vesipisaroista ja jääkiteistä pilvissä. Lisäksi kaasut absorboivat valoa. Emissio jätetään kurssin ulkopuolelle.

Ilmastotekijät

Aerosolit Varsin tuntemattomia tekijöitä edelleen. Huomaa, että aerosolien suhteen talosta löytyy paljon suurempaakin viisautta. Tässä vain pöljä yleiskatsaus sironnan kannalta.

Aerosolin sirontaongelmaa Ovat jo merkittävä ilmastovaikuttaja. 10 20%. Kumpaankin suuntaan. Liikennehäiriö maalla, merellä ja ilmassa. Paitsi näkyvyys, joskus ihan fyysisestikin. Haittaa muuta kaukokartoitusta. Joskus terveyshaittakin.

Halutaan tutkia itse aerosoleja nähdä aerosolien ohitse arvioida ilmastovaikutuksia

Tärkeimmät lähteet: merisuolaa aavikkohiekkaa palamisjätettä Lisäksi siitepölyä, tulivuorituhkaa, ihmistuotetta, yms..

Kokojakaumia Aerosolit keasvavat ja kehittyvät eri prosesseilla tyypilliseen kovasti vaihtelevaan kokojakaumaan ylärajan antaa painovoima.

Sirottavuus Kun huomioidaan Rayleigh-sironnan x 6 riippuvuus ja geometrinen x 2 vastaava

, saadaan arvio, mitkä koot näkyvimpiä:

Muodot Tyypillisesti aerosolit ovat kaikenmuotoisia, usein ketjumaisia tai ryppäitä, kaukana pallosta. Ja nämäkin vain muutamia hyvin tai satunnaisesti valikoituja esimerkkejä. Oikeasti ei läheskään kaikkien aerosolien muodoista tai kostumuksesta tiedetä yhtään mitään. Koot ovat kuitenkin jo siinä luokassa, että muoto merkitsee.

Laskenta Pienimmät Rayleigh-Debye-Gans- approksimaatiolla. Submikroniluokkaan käytä DDA, tilavuusintegraali tai T-matrsiisimenetelmää. 10 mikronin luokkaan ei auta vielä paljoa mikään. Suuremmat sädeoptiikalla. Taitekertoimia tunnetaan huonosti, kun koostumuskin jää avoimeksi. Tarvittaessa pääkomponentin mukaan sekoitussääntöjä taitavasti käyttäen. Ehkä haarukoitava havaintoihin sopivaksi. Huomaa, että veden tiivistyminen ja haihtuminen muokkaa ratkaisevasti aerosoleja.

Mittauksia, nefelometri Pieniä aerosolihiukkasia on hyvin vaikea mitata yksittäin, tai edes mitenkään erottaa muusta taustasta, koska hankalasti pitkin taivasta ja kuitenkin paikallisesti pieninä pitoisuuksina. Nefelometrillä yritetään saada edes joku signaali kokonaisironnasta. (Ei-optiset mittalaitteet erikseen)

Kaukokartoitus Havaitseminen siis vaikeaa. Kaukokartoituksessa erityisesti erottaminen taustasta: Rayleigh sironta, pilvet, maa. Lidar: yritellään, heikko kaiku, vähän tietoja. Aallonpituusriippuvuus, [de]polarisaatio, paikkajakauma. Tutka menee läpi hujahtamalla. Kokeiluja ainakin suurempien hiukkasten havainnoimiseen. Satelliitit: laajakulmahavainnot, polarisaatio, aallonpituusriippuvuus. Tulokset vielä aika malliriippuvaisia, ja suuria eroja tekniikoiden välillä.

Mutta silti eroja malleissa ja havainnoissa

IPCC:n näkemys

Pilvet Peittävyys 60%. meret 65%, maa 52%. Kaikkein tärkein ilmastovaikuttaja. Suurin haitta kaukokartoitukselle. Erittäin vaihteleva.

Pilvityypit

Pisarajakaumat Vesipilvissä pisarakoko vaihtelee 1-100 µm välillä, tyypillisesti 10 20µm. Muodoista Timo N tietää enempi, mutta pääosin littanoita. Sileäpintaisina huomattavasti aerosoleja ja kiteitä helpommin laskettavia. Sisältää usein siemenaerosolin (miten usein, miten ison, pitääkö huomioida?). T-matriisimenetelmän versiot käytettyjä, ja geometriset.

Kiteet Jää, monenmoisia muotoja. tyypillistä suorat särmät, heksasymmetrinen perusmuoto ja tietyt kulmat. paitsi, että oikeasti ei ihan näin ihanteellisia. Sädeoptiikalla paljon lasketaan.

Pilvien kaukokartoituksesta, makro Pilvipeitto näkyy erittäin hyvin satelliittikuvista. Maanpäältä ja ilmasta myös helposti nähty. Pilvikorkeus alustavallatarkkuudella arvioitavissa havaitusta säteilylämpötilasta. Pilvigeometria paksuus, tiheys, muoto, sisärakenne jää yleensä aika arvoitukseksi. Lidarilla ja stereokuvauksella voisi paljonkin saada, mutta tähän asti havainnot jääneet puutteelliseksi, joko liian karkea resoluutio, liian laaja aikajänne tai suppea dynamiikka.

Pilvien kaukokartoituksesta, mikro Myös mikrofysiikka sula/jää, muoto, kokojakauma tunnetaan puutteellisesti. Lämpötilasta ja spektristä arvio olomuodolle (yli/alijäähtyminen huomioiden). Suuntajakaumasta sateenkaaret, halot, etusironta arvioita kide/pisaramuodolle. Suuntajakaumasta, absorptiospektristä, polarisaatiosta kokojakaumaa. (En kerro tästäkään enempää yksityiskohtia, koska minulle vähän vieras alue. Paljon hyvää lisätietoa ESA:n, NASA:n, ja useiden ilmatieteellisten laitosten sivuilla.)

Ilmakehä häiriönä Pitää erottaa maakohteen signaali ilmakehän signaalista. Pilvet peittää, varjostaa ja valaisee. Ainahan yritetään valita kirkkain päivä. Yleensä jo osapilviset datat hylätään, varsinkin automaattimenetelmissä. (Jo pieni parannus pilvien käsittelyssä kaksinkertaistaisi kaukokartoitusdatan arvon.) Valitaan läpinäkyvimmät aallonpituudet. Katsotaan kohtuullisen läheltä nadiiria. Arvioidaan/arvataan vesihöyrypitoisuudet, aerosolit, pilvet. Pääsääntöisesti liian vähällä tiedolla. Lumi maassa vs. pilvissä usein vaikea erottaa. Samaa valkeaa. Yläpilvet erottuu lämpötilasta, jos havaittu. Joskus voidaan tunnistaa muodoista tai varjoista, kun riittävä resoluutio.

Diffraktiosta Sähkömagneettiset sirontatekniikat laskee koko sironnan, mutta geometrisilta jää huomioimatta terävä etupiikki, jota diffraktioksi sanotaan. Emme käy diffraktioteoriaa tarkemmin läpi tässä, mutta esitämme muutaman periaatteen ja suuruusluokka-arvioita. Tarkemmin teoriaa löytyy Jacksonista ja monesta uudesta ja vanhasta oppikirjasta.

Babinetin periaate, reikä seinässä Ensimmäinen oletus diffraktioteorioissa on, että 3-ulotteinen sirottaja voidaan korvata 2-ulotteisella läpinäkymättömällä kiekolla. Toinen olettamus on, että riittää laskea komplementtinen kenttä kiekolle, eli korvataan kiekko seinällä, jossa on kiekonmuotoinen reikä. Nyt tarvitsee laskea vain diffraktio tästä reiästä. Sitten oletetaan, että tässä reiässä on tasan tuleva kenttä, ja reiän vieressä nolla. Tässä röyhkeästi rikotaan fysiikkaa ja matematiikkaa, mutta se toimii silti kohtuuhyvin, kun muistaa rajoitukset.

Kirchhoffin yhtälö ˆ E(r) = d 2 s[ik(n B(s))G(r s)+(n E(s)) G(r s)+(n E(s)) G(s missä n on pinnan etunormaali ja G(R) = e ikr /R, R = r s. Tästä nyt ei vielä nähdä paljoa mitään, mutta jos katsotaan pelkkää sähkökenttää vähän kauempana, ˆ E(r) = d 2 s(n E(s)) eikr R ja vielä approksimoidaan e ikr = e ikr k s+ 1 2kr [k2 s 2 (k s) 2 ]+..., niin voidaan laskea yhtä sun toista. Termit ovat suuruusluokkaa (kr), (kd), (kd)(d/r),.... Fraunhofer, Fresnel.

Laskenta Tuota yhtälöä voidaan numeerisesti laskea eri muotoisille sirottajille. esim. pallolle saadaan analyytisestikin J 1(ka sin θ) ka sin θ 2, mistä nähdään pääpiikin leveydeksi ka. Yleisemminkin pätee, että pääpiikki on leveyttä kb, missä b sirottajan dimensio diffraktion suunnassa.

Monidiffraktio Entä kun on monta sirottajaa? Yleensä kiinnostus laskentaan loppuu tässä. Onko kaikki diffraktiot riippumattomia vai kumuloituvia? Jokatapauksessa kaikki diffraktioteoriat romahtaa tiiviissä aineessa.