Browsing by discipline "Meteorologia"

Tutkielman aiheena on verrata luonnon sateen pisarakokojakaumaa ja putoamisnopeusjakaumaa Vaisalan sadelaboratorion sadesimulaattorin tuottaman sateen pisarajakaumiin. Tarkoituksena on saada tietoa Vaisalan sadesimulaattorin tuottaman sateen ja luonnonsateen eroista. Tämän tutkimuksen aineisto perustuu aikaisempiin pisaratutkimuksiin ja tämän tutkimuksen aikaisiin pisaramittauksiin ulkona ja sadelaboratoriossa. Luonnon sateen eri intensiteeteistä mitattiin terminaalinopeus- ja pisarakokojakaumaa disdrometrillä ja punnitsevalla sademittarilla. Sadelaboratorion mittaukset terminaalinopeus- ja pisarakokojakaumista tehtiin optisella anturilla. Optisella anturilla saatiin arviot pisarakoolle sekä pisaroiden terminaalinopeuden että pisaroiden aiheuttaman optisen anturin jännitesignaalin vaimenemisen voimakkuuden kautta. Lisäksi sadelaboratoriossa mitattiin keinotekoisen sateen intensiteettejä vaa’alla, minkä avulla pyrittiin määrittämään kaikkia synoptisia intensiteettiluokkia vastaavat kierrosnopeudet sadesimulaattorille. Sadelaboratorion sade vastaa osittain luonnon sadetta. Luonnon sateen pisarat kuten myös sadesimulaattorin pisarat tippuvat pääosin teoriaa vastaavalla terminaalinopeudellaan. Jotkin pisarat kuitenkin tippuvat vastaavaa pisarakokoansa suuremmalla terminaalinopeudella, mikä voi johtua optisen anturin mittausteknisistä virheistä ja suurempien pisaroiden hajoamisesta pienemmiksi pisaroiksi ennen niiden havainnointia mittalaitteella. Pisarakokojakauma luonnon sateessa vaihtelee yleensä alle 1 mm pisaroista 5-6 mm pisaroihin. Sadelaboratorion pienin pisara 1,77±0,12 mm on siis melko suuri. Sadelaboratoriossa päästään kuitenkin pisarakokojakauman toiseen ääripäähän paremmin, pisarakoon ollessa mittaustavasta riippuen 5,29±0,86 mm tai 5,43±0,79 mm. Tutkimuksessa määritettiin myös sadesimulaattorilaitteiston kierrosnopeusluvut, jotta sillä voidaan mallintaa synoptisia intensiteettiluokituksia eri pisarakooilla.

While numerical weather forecasts have improved dramatically in recent decades, forecasting severe weather events remains a great challenge due to models being unable to resolve convection explicitly. Forecasters commonly utilize large-scale convective parameters derived from atmospheric soundings to assess whether the atmosphere has the potential to develop convective storms. These parameters are able to describe the environments in which thunderstorms occur but relate to actual thunderstorm events only probabilistically. Roine (2001) used atmospheric soundings and thunderstorm observations to assess which from a variety of stability indices were most successful in predicting thunderstorms in Finland, and found that Surface Lifted Index, CAPE and the Showalter index were most skillful based on the data set in question. This study aims to extend the assessment of thunderstorm predictors to atmospheric reanalyses, by utilising model pseudo-soundings. Reanalyses such as ERA-Interim use sophisticated data assimilation schemes to reconstruct past atmospheric conditions from historical observational data. In addition to a large sample size, this approach enables examining the use of other large-scale model parameters, which are hypothesized to be associated with convective initiation, as supplemental forecast parameters. Using lightning location data and ERA-Interim reanalysis fields for Finnish summers between 2002 and 2013, it is found that the Lifted Index (LI) based on the most unstable parcel in the lowest 300 hPa has the highest forecast skill among traditional stability indices. By combining this index with the dew point depression at 700 hPa and low-level vertical shear, its performance can be further slightly increased. Moreover, vertically integrated mass flux convergence between the surface and 500 hPa calculated from the ERA-I convergence seems to have high association with thunderstorm occurrence when used as a supplementary parameter. Finally, artificial neural networks (ANN) were developed for predicting thunderstorm occurrence, and their forecast skill compared to that of stability indices. The best ANN found, utilizing 11 parameters as input, clearly outperformed the best stability indices in a skill score test; achieving a True Skill Score of 0.69 compared to 0.61 with the most unstable Lifted Index. The results suggest that ANNs, due to their inherent nonlinearity, represent a promising tool for forecasting of deep, moist convection.

Islannissa purkautui Eyjafjallajökull-niminen tulivuori 14.4.2010. Purkauksen voimakkuus ja siitä syntynyt tuhkapilvi pysäytti lähes koko Euroopan lentoliikenteen Suomi mukaan lukien. Tässä pro gradu -tutkielmassa kerrotaan, miksi juuri Islannissa purkautui tulivuori, ja mitä vaikutuksia purkauksella oli. Tutkielma esittelee erilaisia menetelmiä havainnoida ja mallintaa tuhkan kulkeutumista. Tulkitsemalla ja yhdistämällä erilaisten mallien ja menetelmien tuloksia pyritään vastaamaan kysymykseen: oliko Suomessa tuhkaa vai ei? Tutkielma painottuu kaukokartoitusmittauksiin sekä satelliiteista että maanpinnalta. Satelliittiaineisto on peräisin Ilmatieteen laitoksen (IL) Lapin ilmatieteellisessä tutkimuskeskuksessa vastaanotettavista satelliiteista. Käytetyt satelliitti-instrumentit ovat MODIS (Moderate Resolution Imaging Spectroradiometer) ja OMI (Ozone Monitoring Instrument). Maanpinnalta tehdyt kaukokartoitushavainnot on tehty Brewer-spektrofotometrilla ja PFR-aurinkofotometrillä (Precision Filter Radiometer). PFR-mittauksia on sekä Sodankylästä että Jokioisista ja Brewer-mittauksia Sodankylästä. Kaukokartoitusaineiston lisäksi tutkielmassa käytetään kahta numeerista mallia: IL:n SILAMia (System for Integrated modeLling of Atmospheric coMposition) sekä UK Met Officen NAMEa (Numerical Atmospheric-dispersion Modelling Environment). Näiden lisäksi IL:n rikkidioksidimittausverkostoa käytetään sekä vertailussa satellittiaineiston kanssa että trajektorianalyysissä. Tutkielmassa käytettiin erilaisia lähestymistapoja tuhkan olemassaolon ja määrän selvittämiseen. Minkään yksittäisen mittauksen tai mallin perusteella ei kuitenkaan voida varmasti sanoa, oliko Suomessa vulkaanista tuhkaa vai ei keväällä 2010. Tätä voidaan pitää tutkielman tärkeimpänä johtopäätöksenä. Tulivuorten purkausten havainnoimisessa ja monitoroinnissa onkin tärkeää yhdistää erilaisten mittausten, ja mallien tuloksia ja tarkastella näitä suurena kokonaisuutena.

Eddy covariance (EC)-flux measurement technique is based on measurement of turbulent motions of air with accurate and fast measurement devices. For instance, in order to measure methane flux a fast methane gas analyser is needed which measures methane concentration at least ten times in a second in addition to a sonic anemometer, which measures the three wind components with the same sampling interval. Previously measurement of methane flux was almost impossible to carry out with EC-technique due to lack of fast enough gas analysers. However during the last decade new instruments have been developed and thus methane EC-flux measurements have become more common. Performance of four methane gas analysers suitable for eddy covariance measurements are assessed in this thesis. The assessment and comparison was performed by analysing EC-data obtained during summer 2010 (1.4.-26.10.) at Siikaneva fen. The four participating methane gas analysers are TGA-100A (Campbell Scientific Inc., USA), RMT-200 (Los Gatos Research, USA), G1301-f (Picarro Inc., USA) and Prototype-7700 (LI-COR Biosciences, USA). RMT-200 functioned most reliably throughout the measurement campaign and the corresponding methane flux data had the smallest random error. In addition, methane fluxes calculated from data obtained from G1301-f and RMT-200 agree remarkably well throughout the measurement campaign. The calculated cospectra and power spectra agree well with corresponding temperature spectra. Prototype-7700 functioned only slightly over one month in the beginning of the measurement campaign and thus its accuracy and long-term performance is difficult to assess.

Sään ennustamisessa tärkeä työväline on numeerinen säämalli, jossa ilmakehän tilan kuvaaminen perustuu niin sanottujen perusyhtälöiden ratkaisemiseen. Niiden avulla lasketaan tuulen nopeuden, ilmanpaineen, lämpötilan ja kosteuden muutokset pienin aika-askelin eteenpäin. Numeerinen säämalli tarvitsee lähtötiedokseen laadultaan hyviä havaintoja ilmakehän todellisesta tilasta. Joka vuorokausi kymmenet in-situ- ja kaukohavaintojärjestelmät tekevät havaintoja ilmakehästä sen pintakerroksesta ylärajaan asti. Pelkät havainnot eivät kuitenkaan riitä antamaan tarpeeksi tarkkoja lähtötietoja säämallille. Ongelman ratkaisu on data-assimilaatiojärjestelmä. Se yhdistää laatukontrollin läpikäyneen havaintotiedon ja mallitiedon, jota kutsutaan ennakkokentäksi, ja luo niiden avulla analyysin ilmakehän todellisesta tilasta. Havaintojärjestelmäkokeiden (OSE) avulla testataan havaintojärjestelmien vaikutuksia data-assimilaatiojärjestelmän tuottamien analyysien ja niistä tuotettujen sääennusteiden laatuun. OSE:n avulla selvitetään, kuinka hyvin saatavilla olevia havaintoja käytetään hyväksi, tai kannattaako jokin uusi havaintojärjestelmä ottaa mukaan operatiiviseen ennustusjärjestelmään. Tämän tutkielman aluksi tutustutaan lyhyesti numeerisiin säämalleihin, havaintojärjestelmiin ja dataassimilaatiojärjestelmiin, minkä jälkeen tehdään yleinen kirjallisuuskatsaus havaintojärjestelmäkokeiden suorittamisesta. Sen jälkeen keskitytään Doppler-säätutkan tuottamien tutkasäteen suuntaisten tuulen nopeushavaintojen hyödyntämiseen rajoitetun alueen HIRLAM-säämallissa, mitä on tutkittu viime vuosina Ilmatieteen laitoksessa (IL). Kaukohavaintojärjestelmien käyttö on lisääntynyt viime vuosien aikana kehittyneiden analyysimenetelmien ansiosta. Tavanomaisten in-situ- havaintojärjestelmien raju vähentäminen dataassimilaatiossa ei näytä kuitenkaan vielä olevan mahdollista. Kaukohavainnot ovat useiden OSE-kokeiden perusteella parantaneet analyysiä ja ennusteita erityisesti alueilla, joissa tavanomainen havaintoverkosto on harva. Tutkatuulihavaintojen on ajateltu tuovan parannuksia rajoitetun alueen säämalleihin, sillä niiden avulla saadaan tärkeää lisätietoa tuulen ageostrofisista ominaisuuksista. Sen johdosta pienen mittakaavan sääilmiöiden kuten meri- ja rinnetuulien ennustettavuuden toivotaan paranevan. IL:ssa on kehitetty tutkatuulihavaintojen käsittely- ja mallintamismenetelmiä, minkä jälkeen on suoritettu OSE Suomen tutkaverkoston tuulihavainnoilla aikavälille 1.-29.2.2008 HIRLAMin operatiiviselle 3D-VAR dataassimilaatiojärjestelmälle. Kyseisen OSE:n aineisto on saatu käyttöön tähän tutkielmaan. Kontrolliassimilaatiossa CON ovat mukana kaikki operatiiviset havaintojärjestelmät ja koeassimilaatioon RAD_ALL on syötetty myös tutkatuulihavainnot. Tässä tutkielmassa OSE:n tulokset todennetaan TEMP-tuulihavaintojen avulla tutkimalla ennakkokentän ja analyysin harhaa sekä satunnaisvirhettä. Tulosten perusteella tutkatuulihavainnot parantavat ennakkokenttää ja analyysiä erityisesti keskitroposfäärissä, mutta alatroposfäärissä vaikutus analyysiin on lähes neutraali. Koska tutkatuulihavainnot ulottuvat n. 4-6 km korkeuteen, ne eivät vaikuta ylätroposfäärin analyysiin. Tulokset eivät kuitenkaan ole tilastollisen testin perusteella tilastollisesti merkitseviä. Parhaimmillaan RAD_ALLassimilaation voidaan osoittaa olevan CON-assimilaatiota parempi 20% merkitsevyystasolla. Lopuksi suoritettu tapaustutkimus osoittaa, että tutkatuulihavaintojen vaikutus näkyy tuulen nopeuden analyysi-inkrementtikentässä sekä jossain määrin myös lyhyessä 12h pintapaine-ennusteessa Suomen alueella. Tapaustutkimuksen perusteella tutkatuulihavaintojen vaikutus analyysiin ja ennusteeseen näyttäisi olevan lähes neutraali. OSE:n toistaminen kesäkuukaudelle voisi olla hyödyllistä, koska talvella ei esiinny esimerkiksi merituulia. Tämän tutkielman tulosten perusteella tutkatuulihavaintojen käyttäminen HIRLAMin 3D-VAR assimilaatiojärjestelmässä on hyödyllistä.

The effect of increasing SSTs and roughness on the meridional moisture flux (MMF) and precipitationn of extratropical cyclones are studied with idealized baroclinic wave simulations. The main objective is to quantify MMF, precipitation and several other factors of extratropical cyclones as the SSTs and roughness length are increased. The simulations are done in idealized conditions with Weather Research and Forecasting (WRF) model where the surface is only water. The sensitivity studies are conducted by changing the sea surface temperature (SST) homogeneously throughout the domain and changing the surface roughness length which depends on the wind speed. Increasing SSTs caused MMF and precipitation to increase, as well as, e. g. latent heat flux (LHF) increased and minimum surface pressure decreased. On the other hand, increasing roughness length caused MMF and precipitation to decrease, additionally, LHF decreased and minimum surface pressure increased. The largest effect of SSTs and roughness had on the LHF and convective precipitation and the smallest on the minimum surface pressure.

Nykyinen ilmastonmuutos lämmittää maapallon ilmastoa. Lämpötilan muutos ei ole kaikkialla samansuuruinen, sillä kasvihuoneilmiön voimistuminen ja sen aiheuttamat ilmiöt vaikuttavat ilmastoon erilaisin tavoin. Tässä tutkimuksessa pyrittiin erottamaan ilmaston lämpeneminen ilmakehän kiertoliikkeen vaihtelun vaikutuksesta Suomen lämpötiloissa. Paikallisten lämpötilojen muutoksista ei näy suoraan, miten ilmakehän kiertoliikkeen ja ilmamassan reitin varrella olevien alueiden ilmaston muuttuminen vaikuttavat päivittäisiin lämpötiloihin. Yhteyttä selvitettiin Ilmatieteen laitoksen lämpötilojen vuorokausikeskiarvojen ja National Centers for Environmental Predictionin uusanalyysin geopotentiaalikorkeuskenttien avulla. Etelä- ja Pohjois-Suomesta valittiin tutkittaviksi alueet, jotka olivat kooltaan 100 km x 100 km. Trajektorilaskennalla selvitettiin ilman lähtöpiste kaksi vuorokautta ennen sen saapumista tutkimusalueelle, jolloin saatiin yhdistetyksi ilman lähtöalue ja tutkimusalueella havaittu lämpötila-anomalia. Vuosien 1961–2014 havainnoista saatiin näin lasketuksi kuhunkin lähdealueeseen liittyneet lämpötila-anomaliat, jokaiselle kuukaudelle erikseen. Vuosien 1961–1970 ja 2001–2014 välisistä eroista saatiin viitteitä mahdollisesta ilmaston muuttumisesta. Useimpina kuukausina ilma lähti jälkimmäisenä ajanjaksona useammin lämpimän ilman lähdealueilta ja alueilta, joilta lähtevä ilma on lämmennyt tutkimuksen aikana. Poikkeuksen tekevät maaliskuu, kesäkuu ja lokakuu, jolloin ilma lähtee aiempaa useammin kylmän ilman lähdealueilta tai alueilta, joilta lähti viileämpää ilmaa kuin aikaisemmin. Lähdealueiden vaihtelun aiheuttaman keskimääräisen lämpötila-anomalian ja tutkimusalueiden todellisen lämpötila-anomalian erosta laskettiin residuaalianomalia, joka kuvaa keskimääräistä ilmakehän kiertoliikkeestä riippumatonta lämpötila-anomaliaa. Residuaalianomalian nousu näkyy koko tutkitussa aikasarjassa sekä vuosittaisesta keskiarvosta että yksittäisistä vuodenajoista. Tämä viittaa kiertoliikkeestä riippumattomaan lämpenemiseen tutkimusalueilla ja lähtöalueilla sekä mahdollisesti myös ilman kulkureitin muutoksiin ja kulkureitin varrella olevien alueiden lämpötilanmuutoksiin.

Tutkimukseni tavoitteena oli selvittää, miten kasviperäisten hiukkasten määrä muuttuu Amazonilla ilmaston lämmetessä ja miten se vaikuttaa Amazonin ilmastoon. Hallitustenvälisen ilmastonmuutospaneelin (IPCC) mukaan merkittävimmät epävarmuudet ilmastonmuutoksessa liittyvät aerosoleihin, ja luonnolliset aerosolit aiheuttavat suuremman epävarmuuden ilmastoon kuin antropogeeniset aerosolit. Amazonin sademetsä on erityisen sopiva kasviperäisten hiukkasten tutkimiseen ja tutkimuskysymykseni kannalta kiinnostava, sillä etenkin sadekaudella valtaosa aerosoleista on kasviperäisiä. Tutkimusaineistona käytettiin satelliittien keräämiä havaintoja, joiden avulla määritettiin lämpötila (LST, engl. land surface temperature), aerosolien määrä ilmakehässä (AOD, engl. aerosol optical depth) sekä eri pienhiukkaslähteitä. Samat lähteet, jotka tuottavat pienhiukkasia ilmakehään, päästävät sinne myös hivenkaasuja. Erilaiset lähteet tuottavat erilaisia pienhiukkasia ja kaasuja, joten yhdistämällä havaintoja pienhiukkasista ja hivenkaasuista voidaan niiden lähteet selvittää luotettavammin. LST ja AOD määritettiin AATSR:n (Advanced Along-Track Scanning Radiometer) havaintojen avulla. Pienhiukkaslähteiden tunnistamiseen käytettiin OMI:n (Ozone Monitoring Instrument) keräämiä havaintoja typpidioksidista (NO2) ja formaldehydistä (HCHO) sekä AIRS:n (Atmospheric Infrared Sounder) havaintoja hiilimonoksidista (CO). Tulosteni mukaan pienhiukkasten määrä vaihtelee Amazonilla vuoden aikana varsin paljon: sadekaudella hiukkasten määrä on hyvin vähäinen, kun taas kuivalla kaudella määrä kasvaa moninkertaiseksi laajojen metsäpalojen seurauksena. Voisi olettaa, että lämpimämpinä aikoina myös metsäpalot lisääntyisivät, mutta tulosten mukaan palokaudella pienhiukkasten määrä pienenee lämpötilan noustessa. Suuri osa paloista on kuitenkin ihmisen sytyttämiä, joten myös ihmistoiminnalla on merkittävä vaikutus palokauden hiukkasiin. Hiilimonoksidia ja formaldehydiä muodostuu sadekaudella pääosin kasviperäisistä lähteistä, ja erityisesti hiilimonoksidin määrän havaittiin korreloivan positiivisesti lämpötilan kanssa, mikä viittaa kasviperäisten hiukkasten määrän kasvuun lämpötilan noustessa. Sadekaudella suurin osa hiukkasista on kasviperäisiä ja silloin AOD:n lämpötilariippuvuus on 0,008 ± 0,015 K-1, joten kasviperäisten hiukkasten suora säteilyvaikutus on siten –0,22 ± 0,40 Wm-2K-1 pilvettömälle taivaalla ja –0,08 ± 0,16 Wm-2K-1, kun pilvien osuus on 60 % koko taivaasta. Lämpötilan noustessa kasviperäiset hiukkaset siis todennäköisesti aiheuttavat negatiivisen säteilypakotteen ja siten hillitsevät ilmaston lämpenemistä. Toisaalta tulokseni kuitenkin osoittavat, että metsäpalot ovat hiukkasten merkittävin lähde Amazonilla, sillä metsäpalojen yhteydessä esiintyy merkittävästi luonnollista tasoa enemmän hiukkasia. Metsäpaloista syntyneet hiukkaset todennäköisesti määrittelevätkin AOD:n muutokset myös tulevaisuudessa.

The formation of snowfall is a consequence of interactions between physical processes and the size distribution of snow particles. In this study, 1-dimensional steady-state model in combination with weather radar observations was used to retrieve the vertical evolution of a snow particle size distribution. The snow growth model uses the zeroth, the first and the second mass moments of a particle size distribution for calculating the evolution of distribution parameters. The model includes physical snow growth processes, such as ice nucleation, water vapor deposition and aggregation. Other processes, such riming, breakup and ice multiplication were not considered in this study. Given the model setup, snowfall cases where either supercooled liquid water is absent or supercooled liquid drops are small enough that they don't collide with ice particles can be physically represented by the model developed in this study. To analyze the model performance and its ability to retrieve snow microphysical properties, two distinct snowfall cases, that took place on 26th and 30th December 2010, were selected. The December 30th case is a typical snowfall event and the model was able to reproduce particle size distributions and radar variables in December 30th case that agreed well with observations. Particular radar signatures that have recently attracted a lot of attention in the scientific literature took place during the December 26th case. It is believed that they are associated with enhanced vapor deposition and aggregation growth of ice particles. The case of 26th December could not be accurately modeled probably because of invalid steady state assumption or missing microphysical processes. The number concentration of small particles at the ground level is underestimated in model results. The model also cannot produce approximately exponential size distribution as was observed by ground instruments. The underestimated number of small particles refers that breakup of particles or ice multiplication could have a significant role in the evolution of size distribution. However, based on the model runs with different types of snow particles, the model produced high intensity snowfall when high number concentration of plate crystals existed, which could cause the above-mentioned signatures. So our study does corroborate results presented in literature, but may indicate that there is a missing snow growth process that is currently not considered. As a part of this study the currently available 2-moment model was extended to a 3-moment scheme. These two schemes were extensively tested and analyzed. Changes in size distribution shape due to aggregation and deposition is captured by the 3-moment scheme. In the 2-moment scheme shape of a particle distribution is constant. It was found that ice water content (IWC) and snowfall rate grow faster in the 3-moment model than in the 2-moment model. Fast increase in IWC due to ice particle growth by water vapor deposition leads to narrowing of a size distribution. In upper parts of clouds, the 3-moment scheme produces questionably narrow size distributions, which needs to be studied in the future.

Pohjoiset havumetsät muodostavat yhden maapallon suurimmista kasvillisuusvyöhykkeistä, sillä noin 15 % maapallon maa-alasta on pohjoisten havumetsien peitossa. Myös lähes kaikki Suomen metsät sijaitsevat tällä boreaalisella vyöhykkeellä. Kasvillisuudella on suuri vaikutus niin paikalliseen kuin maailmanlaajuiseenkin ilmastoon. Kasvillisuus muokkaa maanpinnan ominaisuuksia sekä ilmakehän ja kasvillisuuden välisiä prosesseja. Kasvillisuus pitkälti määrittää pinnan albedon sekä rosoisuuden. Lisäksi kasvillisuus vaikuttaa hiilen kiertoon, ekosysteemin vesitaseeseen sekä maanpinnan energiataseeseen. Näin ollen muutokset kasvillisuudessa ja maankäytössä muuttavat ilmastoa, mutta muuttuva ilmasto myös vaikuttaa kasvillisuuteen. Metsien vaikutusta ilmastoon on vaikea tutkia havaintojen avulla, siksi nykyään suurin osa tutkimuksesta tapahtuukin ilmastomallien ja niiden erilaisten maanpinta-parametrisaatioiden avulla. Pitämällä ilmasto vakiona ja muuttamalla maanpintaa sekä kasvillisuutta kuvaavia parametrejä, voidaan tutkia maankäytön ja kasvillisuuden vaikutuksia ilmastoon. Yksi tärkeimmistä kasvillisuutta kuvaavista parametreistä on lehtialaindeksi, joka kuvaa ekosysteemin lehtialan eli vihreän biomassan määrää. Lehtialalla on suuri merkitys ilmakehän ja kasvillisuuden välisiin vaihtoprosesseihin, kuten veden kiertoon ja hiilen assimilaatioon. Lisäksi lehtiala vaikuttaa maanpinnan energiataseeseen ja suureksi osaksi määrittää pinnan kokonaisalbedon. Lehtila vaikuttaa latvustoon tunkeutuvan säteilyn määrää ja samalla rajoittaa myös haihtuvan veden sekä sitoutuvan hiilen määrää. Lehtialan määrän muutokset vaikuttavat myös yhteyttävän solukon ja ilmarakojen määrään sekä haihduttavan pinta-alan suuruuteen. Lehtialaindeksin määrittäminen maastomittausten perusteella mallien käyttämille laajoille alueille on kuitenkin hankalaa. Lehtialan määrittäminen satelliittiaineistosta on kuitenkin mahdollista, mutta myös satelliittihavaintojen käyttö aiheuttaa omat haasteensa lehtialaindeksin määrittämiselle. Suurimmat ongelmat boreaalisella vyöhykkeellä aiheutuvat havupuiden neulasten muodosta, ryhmittyneisyydestä, harvapuustoisuudesta sekä aluskasvillisuuden runsaudesta. Työssä tutkittiin kasvillisuus-maanpintamalli JSBACH:in herkkyyttä erilaisille lehtialaindeksin parametrisaatioille. Tavoitteena oli arvioida erilaisten lehtialaindeksin parametrisaatioiden vaikutuksia hiilitaseeseen ja tiettyihin ilmastomuuttujiin. Tutkimus toteutettiin korvaamalla JSBACH:in alkuperäinen lehtialaindeksi uusilla tarkemmilla parametrisaatioilla. Tutkimusta varten tehtiin kaksi erilaista lehtialaindeksin parametrisaatiota käyttämällä hyväksi satelliittiaineistoja. Lisäksi käytettiin JSBACH:in alkuperäistä parametrisaatiota ja JSBACH:in fenologia-moduulia, joka kuvaa lehtialan kehitystä vuodenaikojen mukaan. Satelliittiaineistosta tuotettujen parametrisaatioiden lehtiala oli huomattavasti pienempi kuin alkuperäisen ja myös fenologia-moduulin tuottama lehtiala oli pienempi kuin alkuperäisen. Myös lehtialaindeksin vuodenaikaisvaihteluissa oli eroja eri parametrisaatioiden välillä. Tutkimuksessa tarkasteltiin erilaisten lehtialaindeksin parametrisaatioiden vaikutusta hiilen assimilaatioon eli GPP:hen, transpiraatioon sekä latentin ja havaittavan lämmön voihin. Tuloksista nähtiin, että erilaiset parametrisaatiot vaikuttivat JSBACH:in tuottamaan GPP:hen, transpiraatioon sekä havaittavan ja latentin lämmön voihin. Selkein vaikutus eri parametrisaatioilla oli kuitenkin GPP:hen. Pienemmät lehtialat tuottivat pienempiä GPP:n arvoja. Muiden muuttujien kohdalla verrannollisuus ei ollut yhtä selkeä.