an#aerocom# intercomparison#exercise ...2013/11/06  · an#aerocom# intercomparison#exercise#...

An  AeroCom  intercomparison  exercise  on  state-­‐of-­‐the-­‐art  organic  aerosol  global  modeling Kostas  Tsigaridis,  Nikos  Daskalakis,  Maria  Kanakidou  

+68  more  authors  from  44  ins<tu<ons  with  31  models  and  >1000  measurement  loca<ons  

AeroCom  aim • Document  global  organic  aerosol  modeling  • Quan<fy  robustness  of  model  parameteriza<ons  

• Why  models  differ  • Why  models  are  the  same  

• How  do  models  compare  with  measurements  • How  we  can  use  measurements  to  improve  models  

Modeling  aim We  need  a  finite  number  of  tracers  to  model:  

• Chemical/physical  proper<es  •  Size  distribu<on  • Op<cal  proper<es  (direct  effect)  • CCN  (indirect  effect)  

•  Time  evolu<on  

OA  within  AEROCOM

0%10%20%30%40%50%60%70%80%90%100%

ARQM

DLR

GISS

GOCA

RT KYU

LOA

LSCE

MATCH

MOZG

NMPI_H

AMPN

NL

TM5_B

UIO_C

TMUIO_G

CMUL

AQ UMI

Fraction  of  global  aerosol  composition

H2OPOMBCSO4SSDUST 0%

10%20%30%40%50%60%70%80%90%100%

ARQM

DLR

GISS

GOCA

RT KYU

LOA

LSCE

MATCH

MOZG

NMPI_H

AMPN

NL

TM5_B

UIO_C

TMUIO_G

CMUL

AQ UMI

Fraction  of  global  fine  dry  aerosol  composition

POMBCSO4

Modified  from  Textor  et  al.,  2006  

31  models

#  of  OA  tracers  :  1  -­‐  62  #  of  SOA  tracers:  1  -­‐  22  

Mod

els  

BCC  

CAM4-­‐Oslo  

CAM5-­‐MAM3  

CAnAM-­‐PAM  

ECHAM5-­‐SALSA  

ECMWF-­‐GEMS  

EMAC  

GEOS-­‐Chem  

GEOS-­‐Chem-­‐APM  

GISS-­‐CMU  (II’)  VBS  

TOMAS  

GISS  

modelE-­‐G  

modelE-­‐I  

MATRIX  

GLOMAP  bin  

mode  GMI  

GOCART  

HadGEM2  

IMAGES  

MPIHAM-­‐v2  

OsloCTM2  

SPRINTARS  

TM4-­‐ECPL  

C  

F  

FNP  TM5  

•  Year(s)  simulated:  Mostly  2006,  but  not  always  with  2006  emissions  and/or  meteorology.  •  Focus  on  surface  concentra<ons,  at  least  for  now.  •  Emissions  vary  greatly.  This  is  not  necessarily  bad.  •  OM/OC  is  1.4  for  most  models,  but  not  all.  

Models

Source  apporAonment

trSOC  

ntrSOC  

tPOC   mPOC  MSA  

POA:  tPOC  +  mPOC  SOA:  trSOC  +  ntrSOC  +  MSA  

Median  model

Budgets

Measurements

Finokalia,  Greece  (Koulouri  et  al.,  AE,  2008)  

%  

Finokalia,  Greece  (Pikridas  et  al.,  ACP,  2010)  

hip://<nyurl.com/ams-­‐database  

Most models have fixed OA/OC ratios, while few of them explicitly account for changes in OA/OC during oxidation and transport.

StaAsAcs  -­‐  urban

StaAsAcs  -­‐  remote

Source  apporAonment

trSOC  

ntrSOC  

tPOC   mPOC  MSA  

POA:  tPOC  +  mPOC  SOA:  trSOC  +  ntrSOC  +  MSA  

VerAcal  distribuAon

Conclusions •  Diversity  increased  since  AeroCom  phase  I.  

• Missing  OA  source  can  be  either  anthropogenic  or  biogenic.  

•  OA/OC  assump<on  affects  model  skill;  OA  appears  to  be  beier  compared  with  measurements.  

• More  data  are  needed,  spa<al  coverage  s<ll  poor.  

•  OA/OC  is  our  next  study.  

•  Sta<on-­‐by-­‐sta<on  comparison  has  a  lot  of  informa<on  that  waits  to  be  exploited.  The  same  is  true  for  the  ver<cal  distribu<on.