ENGLISH

Climate Surface Interaction

Es ist schwer, auch nur einen Tag nicht an Niederschlag zu denken. Während es dabei im Allgemeinen um die banale Frage geht, ob man einen Regenschirm mitnehmen muss oder nicht, gefährdet Niederschlagsmangel die Existenz der Landökosysteme. Im Gegensatz zu den Lebewesen und Lebensräumen im Meer kann die terrestrische Biosphäre nicht auf ein unbegrenztes Reservoir an Wassermolekülen zurückgreifen, die für wichtige Prozesse benötigt werden. Der langfristige Mittelwert der räumlichen Verteilung des Niederschlags wird oft als gegeben angesehen. Aber mit der Erderwärmung bedrohen Veränderungen der Niederschlagsmuster die Ökosysteme. Um solche Veränderungen zu verstehen, muss man auch verstehen, welche Prozesse grundlegende Merkmale der Niederschlagsverteilung festsetzen. Das ist das Hauptziel der Gruppe. Der Schwerpunkt liegt hierbei auf der Frage, welche Rolle die Wechselwirkungen zwischen konvektiven Stürmen (z. B. Gewittern) und der darunterliegenden Oberfläche, sei es Land oder Ozean, spielen. Uns interessiert insbesondere: die Rolle der Landoberfläche bei der Festlegung der mittleren Niederschlagsmenge über Land und die Rolle der Wechselwirkungen zwischen Ozean und Atmosphäre bei der Bildung tropischer Regenbänder.

Weltkarte: Beobachteter Niederschlag
Abbildung 1: Beobachteter Niederschlag

Obwohl es sichtbare Beispiele für den Einfluss der Landoberfläche auf den Niederschlag gibt, wie z. B. die Verstärkung des Niederschlags über Gebirgsregionen, ist die Stärke der Kopplung zwischen konvektiven Stürmen und der darunterliegenden Oberfläche de facto unbekannt. Stellen Sie sich vor, ein Landwirt bewässert sein Feld und ein paar Stunden später zieht ein schweres Gewitter auf. Ist das Gewitter eine Folge der Bewässerung? Oder war es reiner Zufall? Oder hat die Bewässerung das Gewitter vielleicht stärker werden lassen, als es sonst gewesen wäre? Können sich diese lokalen Wechselwirkungen zwischen der Oberfläche und der Atmosphäre auf die großräumige Verteilung der Niederschläge auswirken, und zwar sowohl in Bezug auf die Lage und Form der tropischen Regenbänder als auch auf die Niederschlagsmenge, die auf das Land fällt?

Zur Beantwortung solcher Fragen werden häufig Klimamodelle herangezogen, aber herkömmliche Klimamodelle scheinen in diesem Zusammenhang nicht zweckmäßig zu sein. Auf der globalen Skala verwenden Klimamodelle einen typischen Gitterabstand von O (100 km). Da die meisten Konvektionswolken kleiner sind, können sie durch die Lösung der zugrundeliegenden strömungsdynamischen Gleichungen an jedem Gitterpunkt nicht direkt dargestellt werden. Stattdessen müssen sie mit Hilfe einer Reihe vereinfachter Faustregeln, der sogenannten Parametrisierung, „abgeschätzt“ werden. Die Stärke der Kopplung zwischen konvektiven Stürmen und der darunterliegenden Oberfläche wird letztlich durch die Gestaltung solcher Parametrisierungen und nicht durch die zugrundeliegenden physikalischen Prozesse bestimmt. Auf kleinere geographische Domänen können Modelle mit Gitterabständen im Kilometermaßstab verwendet werden, die es ermöglichen, konvektive Stürme durch explizite Lösung der zugrundeliegenden strömungsdynamischen Gleichungen zu simulieren. Allerdings verhindern die benötigten festgelegten Bedingungen am Rand des simulierten Gebietes eine Wechselwirkung mit Skalen, die grösser als das Gebiet selbst sind.  Dies kann zur falschen Lösung innerhalb des Gebiets führen und zu falschen Rückschlüssen hinsichtlich der Wechselwirkung zwischen Oberfläche und Stürmen führen.

Angesichts unserer Interessen ist es für unsere Forschung von entscheidender Bedeutung, konvektive Stürme explizit auf globaler Skala und Oberflächen dynamisch darstellen zu können. Wir nehmen daher im institutsinternen Sapphire-Projekt, bei der Entwicklung eines gekoppelten konvektionsauflösenden Erdsystemmodells, das mit einem Gitterabstand von O (1 km) auf dekadischen Zeitskalen arbeitet, und bei der Entwicklung der ICON-Large-Eddy-Version (ICON-LEM) eine führende Rolle ein. Unser Interesse daran, wie Oberflächen konvektive Stürme beeinflussen, erstreckt sich natürlich auch auf die Dynamik dieser Oberflächen, sowohl auf das Land als auch auf den Ozean. Diese sogenannte Brute-Force-Modellierungsstrategie, bei der aufgrund der Anzahl benötigter Gitterpunkte die stärksten Rechner benutzt werden müssen, wird mit eher konzeptioneller Arbeit verbunden. Ein Beispiel dafür ist die Anwendung von konvektionsauflösenden Simulationen mit Strahlungs-Konvektions-Gleichgewicht (radiative convective equilibrium, RCE) auf Klimaprobleme. Das Strahlungs-Konvektions-Gleichgewicht beschreibt ein Konzept der Atmosphäre, das auf der Idee beruht, dass in der Atmosphäre in großem Maßstab ein Gleichgewicht zwischen der Destabilisierung der Atmosphäre durch Strahlung und ihrer Stabilisierung durch Konvektion besteht. Es ist ein nützliches Konzept, um die Wechselwirkungen zwischen konvektiven Stürmen, der Oberfläche und der daraus resultierenden räumlichen Verteilung des Niederschlags zu untersuchen. Erkenntnisse aus unseren konzeptionellen Arbeiten und unseren Modellierungsarbeiten werden auch benutzt, um entsprechende Feldkampagnen zu planen und zu gestalten, wie z. B. FESSTVaL in Deutschland oder einer Reihe von Schiffskampagnen (z.B. EUREC4A), die im tropischen Atlantik stattfinden.

Weltkarte: Monatlicher mittlerer Niederschlag aus einer gekoppelten globalen Simulation mit einem Gitterabstand von 5 km.
Abbildung 2: Monatlicher mittlerer Niederschlag aus einer gekoppelten globalen Simulation mit einem Gitterabstand von 5 km.

Weiterführende Links:

Ergebnisse frühere Forschungsinteressen:

Im Folgenden finden Sie eine Zusammenfassung einiger unserer Ergebnisse im Zusammenhang mit unseren früheren Forschungsinteressen an der Organisation von Konvektion sowie mit unseren langjährigen Forschungsinteressen zu den Wechselwirkungen zwischen Land und Atmosphäre.

Organisation der Konvektion

Es ist bekannt, dass die Konvektion dazu neigt, sich zu organisieren und zu größeren Ansammlungen zusammenzuballen, was auf Satellitenbildern deutlich zu erkennen ist. Selbst unter rein einheitlichen Bedingungen, wie bei Untersuchungen zum Strahlungs-Konvektions-Gleichgewicht, organisiert sich die Konvektion oft spontan (Abb. 3). Dieser Prozess wird als konvektive Selbstaggregation bezeichnet. Unsere Forschung zur Organisation der Konvektion zielte darauf ab, die Mechanismen der Selbstaggregation besser zu verstehen und die Bedeutung der Konvektionsorganisation für das Klima zu untersuchen. Das Strahlungs-Konvektions-Gleichgewicht hilft uns, Mechanismen auszumachen, die die räumliche Verteilung der Konvektion in der realen Welt steuern können. Dadurch erhalten wir Hypothesen, die anhand von Beobachtungen oder komplexeren Simulationen überprüft werden können. Im Gegensatz zu den meisten anderen Studien über die Selbstaggregation der Konvektion haben wir das Strahlungs-Konvektions-Gleichgewicht auf weniger idealisierte untere Randbedingungen angewandt. Wir haben z. B. die Uneinheitlichkeiten (Heterogenitäten) der Meeresoberflächentemperatur [1], eine dynamische Landoberfläche [2] oder Inseln [3] mit einbezogen.

Entwicklung der Konvektion in einem Monat: Die Organisation nimmt zu im Laufe der Zeit.
Abbildung 3: Die Entwicklung der Konvektion im Laufe der Zeit. Jedes Bild zeigt einen Tag, und die Farbe gibt an, wie oft die Konvektion an einem Gitterpunkt ausgelöst wird. Im letzten Bild wird der Tagesmittelwert des horizontalen Windes aus der untersten atmosphärischen Schicht hinzugefügt. Die Destabilisierung der Atmosphäre durch Strahlung führt zu einer zufälligen Auslösung der Konvektion zu Beginn der Simulation. Mit der Zeit entwickelt sich eine flache Zirkulation von der nicht-konvektiven zur konvektiven Region. Die flache Zirkulation führt zu einer Ausdehnung der nicht-konvektiven Region, die in der Abbildung an der Ausdehnung der weißen Löcher zu erkennen ist, eine Zirkulation, die die Konvektion zur Organisation zwingt. Aus Hohenegger et al. (2016).

Unsere Forschung zeigt, dass die Konvektion grundsätzlich danach strebt, sich zu organisieren. Die daraus resultierende räumliche Verteilung wird dynamisch durch flache Zirkulationen in der planetarischen Grenzschicht, dem untersten Teil der Atmosphäre, bestimmt. Diese Zirkulationen werden durch räumliche Uneinheitlichkeiten in der Grenzschicht ausgelöst (Abb. 4), die zu räumlichen Schwankungen der Dichte führen. Sie verhalten sich wie Dichteströmungen, bei denen sich die dichtere Flüssigkeit in die weniger dichte bewegt. Die Uneinheitlichkeiten der Grenzschicht werden durch folgende Faktoren erzeugt:

  • die Konvektion selbst; sowohl durch Cold Pools, d. h. kleinräumige Gebiete kalter Luft, die durch Verdunstungsabkühlung unterhalb regnender Wolken entstehen und sich rasch am Boden ausbreiten, als auch durch Unregelmäßigkeiten in der Strahlungswärme, die zwischen konvektiven und nicht-konvektiven Regionen entstehen
  • die darunterliegende Oberfläche; durch räumliche Schwankungen der Meeresoberflächentemperatur oder der Bodenfeuchte
Schematische Darstellung einer flachen Zirkulation.
Abbildung 4: Schematische Darstellung einer flachen Zirkulation. Flache Zirkulationen sind in der Grenzschicht eingeschlossen und werden durch Schwankungen der Dichte erzeugt, die aus Schwankungen der Erwärmung in der Grenzschicht entstehen. Die dichtere Luft dringt in die leichtere Luft ein und zwingt diese zum Aufsteigen, was die Auslösung von Konvektion am Rand der flachen Zirkulation begünstigt. Credit: C. Hohenegger

Die Zirkulationen stehen bei der räumlichen Verteilung der Konvektion im Wettbewerb miteinander. Dabei gewinnt jene Zirkulation die Oberhand, die den größten Dichteunterschied zwischen den beiden Fluiden aufweist. Um diesen Prozess zu verstehen, kann ein einheitliches Programmiergerüst der Dichtestromtheorie angewendet werden (siehe [1,2,4]). Dies hat zur Folge, dass die Konvektion über dem Ozean besser organisiert ist als über dem Land und dass stark dynamische Oberflächen eine gleichmäßigere Verteilung des Niederschlags bewirken [2]. Wir vermuten zudem, dass Unterschiede in der Strahlungserwärmung zwischen äquatorialen und subtropischen Regionen zu einer Verkleinerung der tropischen Regenzone führen [1], und dass Regenbänder über dem Land breiter sind als über dem Ozean [2]. Das ist eine beobachtete, aber noch nicht erklärte Tatsache.

In der theoretischen Welt des Strahlungs-Konvektions-Gleichgewichts ist die Organisation für das Klima wichtig, da sie eine Voraussetzung für ein stabiles Klima ist [5]. Die Veränderung dieser Organisation durch die Erwärmung erklärt zusammen mit den Veränderungen des Anteils der flachen Wolken — d. h. des Prozentsatzes jeder Gitterbox in einem Klimamodell, der mit Wolken bedeckt ist — auch mehr als 70 % der Variabilität in der geschätzten Klimasensitivität zwischen Klimamodellen [6].

In der realen Welt ist die Organisation für das Klima von Bedeutung, da der großräumige Organisationsgrad der tropischen Regenzone mit dem Grad der Trockenheit in den Subtropen zusammenhängt [7], wie aus den Ergebnissen der Studien zum Strahlungs-Konvektions-Gleichgewicht zu erwarten war. Überraschenderweise spielt die mesoskalige Organisation für die tropischen Niederschlagsmengen jedoch keine Rolle [8]. Selbst grob aufgelöste Simulationen mit expliziter Konvektion, mit einer Auflösung von bis zu 80 km, können immer noch viele grundlegende statistische Daten des Klimasystems erfassen [9].

Die Selbstaggregation der Konvektion passiert auf grossen Skalen, wie z. B. in den tropischen Regenbändern, die sich über Tausende von Kilometern erstrecken. Jedoch organisieren sich einzelne konvektive Zellen von einigen Kilometern Größe auch, und dies geschieht durch die Bildung von Cold Pools. Es wird angenommen, dass die Cold Pools eine Schlüsselrolle für die Lebensdauer der Konvektion spielen. Aber das meiste, das wir über sie wissen, stammt aus Modellsimulationen, bei denen die Eigenschaften der Cold Pools von den verwendeten Modellparametrisierungen abhängen. Um diese Lücke zu schließen, haben wir ein Feldexperiment namens FESSTVaL entwickelt und durchgeführt, das ein dichtes Netz von Oberflächenbeobachtungen nutzt und uns zum ersten Mal einen Einblick in die innere Struktur von Cold Pools ermöglichte (Abb. 5).

Lufttemperaturstörung in der Umgebung von Hamburg
Abbildung 5: Erstes Erfassen der inneren Struktur eines Cold Pools durch Messung der Lufttemperaturstörung mit einem dichten Netz selbstgebauter Instrumente, die im Sommer 2020 in der Umgebung von Hamburg eingesetzt wurden. Der Cold Pool ist an der mit ihm verbundenen starken Abkühlung und dem divergierenden Windfeld an seinem Rand zu erkennen. Formal ist er durch eine Temperaturstörung kleiner als -2 K definiert. Aus Kirsch et al: Illuminating the structure of convective cold pools with a dense station network, Earth Syst. Sci. Data, https://doi.org/10.5194/essd-2021-424, 2022. CC BY 4.0

Wechselwirkungen zwischen Land und Atmosphäre

Dass die Landoberfläche den Niederschlag beeinflussen kann, wird schon lange vermutet. S. Aughey äußerte 1880 die Idee, dass die Bodenfeuchte die Niederschlagsmenge beeinflussen kann. Und schon 1686 erkannte Halley, dass die stärkere Erwärmung der kontinentalen Landmassen den Monsun verursacht. Die Bedeutung der Landoberfläche für die Lebensdauer, die Verteilung und die klimatischen Eigenschaften konvektiver Niederschläge ist jedoch nach wie vor umstritten. Dies ist insbesondere auf die Verwendung ungeeigneter Modellierungswerkzeuge zurückzuführen, die eine positive Rückkopplung zwischen der Landoberfläche und der Konvektion überbetonen können [10]. Mit unserer Forschung zu Wechselwirkungen zwischen Land und Atmosphäre wollten wir untersuchen, ob die Landoberfläche oder die Konvektion selbst Aspekte der Niederschlagsverteilung über dem Land bestimmt. Zu diesem Zweck nutzte unsere Gruppe Modelle, die keine Parametrisierung der Konvektion benötigen.

Wir konnten durch unsere Forschung zeigen, dass die Landoberfläche eine Schlüsseleigenschaft hat: Sie kann austrocknen. Im Gegensatz zum Ozean führt dies auf längeren Zeitskalen zu einer gleichmäßigeren Niederschlagsverteilung über Land (Abb. 6) [2]. Außerdem führt diese Schlüsseleigenschaft in den Tropen, durch das Vorhandensein von Inseln, zu einer leichten Abkühlung der troposphärischen Temperatur [3]. Neben der Fähigkeit des Landes auszutrocknen, können auch räumliche Uneinheitlichkeiten der Oberfläche, z. B. aufgrund unterschiedlicher Landbedeckungsarten, die tägliche Konvektionsbildung beeinflussen. Dies geschieht durch die Erzeugung von mesoskaligen Zirkulationen, die durch die Oberflächenheterogenität verursacht werden. Dies ist bekannt, aber nur wenige Studien haben die Rückkopplung der Konvektion auf die Zirkulation, die durch die Oberflächen verursacht wird, untersucht. Unsere Untersuchungen zeigen, dass die Konvektion, sobald sie sich an der Vorderseite der von der Oberfläche verursachten Zirkulation entwickelt, die Wirkung der anfänglichen Oberflächenheterogenität überdeckt. Sie bestimmt dann auch vollständig die endgültigen Eigenschaften der Zirkulation, wie z. B. ihre Ausbreitungsgeschwindigkeit. Dies ist zum Teil auf die Entstehung von Cold Pools zurückzuführen [11]. Das bedeutet, dass sich Verzerrungen bei der Darstellung der Konvektion auf die Eigenschaften einer von der Oberfläche verursachten Zirkulation bemerkbar machen [12]. Mit anderen Worten: Die Verwendung einer Parametrisierung der Konvektion verhindert eine korrekte Wechselwirkung zwischen Heterogenitäten der Landoberfläche und der Konvektion. Eine weitere Folge ist, dass die Änderungsrate des Niederschlags mit der Bodenfeuchte über einer heterogenen Oberfläche nicht von der Bodenfeuchte selbst abhängt [13].

Schematische Darstellung der Anziehung des Regens durch trockene Regionen.
Abbildung 6: Wie trockene Regionen den Regen aus feuchten Regionen über Land abziehen.
Die Austrocknung des Bodens in der trockenen Region und die damit verbundene starke Erwärmung erzeugt eine flache Zirkulation. Spätestens wenn der Boden vollständig austrocknet, wird diese Zirkulation stärker als die Hintergrundzirkulation und verlagert die Konvektion von der feuchten Region in die trockene Region. Dieser Prozess wiederholt sich mit der Zeit und führt zu einer Homogenisierung des Niederschlagsfeldes über dem Land.

Wir konnten zeigen, dass Simulationen, die konvektive Stürme durch eine Auflösung auf Kilometerskala explizit auflösen können, und Simulationen, die konvektive Stürme parametrisieren müssen, unterschiedliche Arten von Wechselwirkungen zwischen der Landoberfläche und der Konvektion aufweisen. Bei Simulationen mit parametrisierter Konvektion wird die Reaktionsstärke des Niederschlags auf eine Änderung der Evapotranspiration (Gesamtverdunstung) meist durch die Gestaltung der konvektiven Parametrisierung festgelegt. In solchen Simulationen führt ein Anstieg der Bodenfeuchte zu einem Anstieg der Niederschläge, was eine positive Rückkopplung zwischen Bodenfeuchte und Niederschlag aufrechterhält. Im Gegensatz dazu führt ein Anstieg der Bodenfeuchte in konvektionsauflösenden Simulationen zu einem Rückgang der Niederschläge, was auf eine wesentlich geringere Bedeutung der Bodenfeuchte für die Atmosphäre schließen lässt [10]. Parametrisierungen der Konvektion verhindern zudem durch ihre zu frühe Bildung von Konvektion und zu starker induzierter Zirkulation die Auslösung von Zirkulationen, die durch Heterogenitäten der Landoberfläche, wie z. B. Meeresbrisen, hervorgerufen werden [12]. Schließlich halten Parametrisierungen der Konvektion durch ihren konstanten Nieselregen die Böden feucht. Im Gegensatz dazu erzeugen konvektionsauflösende Simulationen vereinzelte konvektive Stürme, die dazu führen, dass eine erhebliche Menge des Niederschlags vom Boden abfließt und nicht versickert. Somit führen sie zu einer geringeren Wasserauffüllung des Bodens. Diese kleinräumige Interaktion zwischen Konvektion und Boden hat eine großräumige Auswirkung und führt zur unterschiedlicher Ausbreitung des Monsuns in Simulationen mit expliziter oder parametrisierter Konvektion [14].

[1] Müller, S. K. M. and C. Hohenegger, 2020:  Self-aggregation of convection in spatially-varying sea surface temperatures. J. Adv. Mod. Earth Systems, 12, e2019MS001698, doi:10.1029/2019MS001698.

[2] Hohenegger C. and B. Stevens, 2018: The role of the permanent wilting point in controlling the spatial distribution of precipitation. Proc. Natl. Acad. Sci., 115, 5692-5697, doi:10.1073/pnas.1718842115

[3] Leutwyler, D. and C. Hohenegger, 2021: Weak cooling of the troposphere by tropical islands in simulations of the radiative-convective equilibrium. Quart. J. Roy. Meteor. Soc., 147, 1788-1800, doi: 10.1002/qj.3995.

[4] Windmiller, J. and C. Hohenegger, 2019: Convection on the edge. J. Adv. Mod. Earth Systems, 11, 3959-3972, doi:10.1029/2019MS001820.

[5] Hohenegger C. and B. Stevens, 2016: Coupled radiative convective equilibrium simulations with explicit and parameterized convection. J. Adv. Mod. Earth Systems, 8, 1468-1482, doi: 10.1002/2016MS000666.

[6] Becker, T. and A. Wing, 2020: Understanding the extreme spread in climate sensitivity within the radiative-convective equilibrium model intercomparison project. J. Adv. Mod. Earth Systems, 12, e2020MS002165, doi:10.1029/2020MS002165.

[7] Hohenegger, C. and C. Jakob, 2020: A relationship between ITCZ organization and subtropical humidity. Geophys. Res. Let., 47, e2020GL088515, doi:10.1029/2020GL088515.

[8] Brueck, M., C. Hohenegger and B. Stevens, 2020: Mesoscale marine precipitation varies independently from the spatial arrangement from its convective cells. Quart. J. Roy. Meteor. Soc.,146, 1391-1402, doi:10.1002/qj.3742.

[9] Hohenegger, C., L. Kornblueh, D. Klocke, T. Becker, G. Cioni, J. F. Engels, U. Schulzweida and B. Stevens, 2020: Climate statistics in global simulations of the atmosphere, from 80 to 2.5 km grid spacing. J. Meteorol. Society Japan, 98, 73-91, doi:10.2151/jmsj.2020-005.

[10] Hohenegger C., P. Brockhaus, C. S. Bretherton, and C. Schär, 2009: The soil-moisture precipitation feedback in simulations with explicit and parameterized convection. J. Climate, 22, 5003-5020, doi: 10.1175/2009JCLI2604.1

[11] Rieck M., C. Hohenegger and P. Gentine, 2015: The effect of moist convection on thermally induced mesoscale circulations. Quart. J. Roy. Meteor. Soc., 141, 2418-2428, doi:10.1002/qj.2532

[12] Hohenegger C., L. Schlemmer and L. Silvers, 2015: Coupling of convection and circulation at various resolutions. Tellus A, 67, 26678, doi:10.3402/tellusa.v67.26678

[13] Cioni G. and C. Hohenegger, 2018: A simplified model of precipitation enhancement over a heterogeneous surface. Hydrol. Earth Syst. Sci., 22, 3197-3212,doi:10.5194/hess-22-3197-2018

[14] Jungandreas, L., C. Hohenegger and M. Claussen, 2021: Influence of the representation of convection on the mid-Holocene West African Monsoon. Clim. Past, 17, 1665-1684, doi:10.5194/cp-2020-162.

Gruppenmitglieder und Publikationen

Name
Email
Position
Telefon
Raum
Fiévet, Romain
Research Scientist
+49 176 143 921 25
B 415
Hohenegger, Cathy
Gruppenleiter*in
+49 40 41173-302
B 411
Lee, Junhong
Wissenschaftler*in
+49 40 41173-354
B 406
Praturi, Divya Sri
Wissenschaftler*in
+49 40 41173-424
B 417
Schmidt, Luca
Doktorand*in
+49 40 41173-388
B 419
Segura Cajachagua, Hans Mikhail
Wissenschaftler*in
+49 40 41173-207
B 430
Winkler, Marius
Doktorand*in
+49 40 41173-207
B 430
Yoon, Arim
Doktorand*in
+49 40 41173-386
B 429
  • Lee, J. & Hohenegger, C. (2024). Weaker land-atmosphere coupling in storm-resolving simulation. Proceedings of the National Academy of Sciences, 121: e2314265121. doi:10.1073/pnas.231426512 [publisher-version]
  • Lee, J. & Hohenegger, Cathy (Climate Surface Interaction, Department Climate Physics, MPI for Meteorology, Max Planck Society), . (2024). Weaker land–atmosphere coupling in global storm-resolvingsimulation. PNAS, 121: 2314265121. doi:10.1073/pnas.2314265121 [publisher-version]
  • Yoon, A., Kim, J., Lee, J., Min Sung, H., Hong, J.-W., Min, S.-K., Lee, J. & Hong, J. (2024). Factor analysis of recent major heatwaves in East Asia. Geoscience Frontiers, 15: 101730. doi:10.1016/j.gsf.2023.101730 [publisher-version]
  • Hohenegger, C., Ament, F., Beyrich, F., Löhnert, U., Rust, H., Bange, J., Böck, T., Böttcher, C., Boventer, J., Burgemeister, F., Clemens, M., Detring, C., Detring, I., Dewani, N., Bastak-Duran, I., Fiedler, S., Göber, M., van Heerwaarden, C., Heusinkveld, B., Kirsch, B., Klocke, D., Knist, C., Lange, I., Lauermann, F., Lehmann, V., Lehmke, J., Leinweber, R., Lundgren, K., Masbou, M., Mauder, M., Mol, W., Nevermann, H., Nomokonova, T., Päschke, E., Platis, A., Reichardt, J., Rochette, L., Sakradzija, M., Schlemmer, L., Schmidli, J., Shokri, N., Sobottke, V., Speidel, J., Steinheuer, J., Turner, D., Vogelmann, H., Wedemeyer, C., Weide-Luiz, E., Wiesner, S., Wildmann, N., Wolz, K. & Wetz, T. (2023). FESSTVaL: The Field Experiment on Submesoscale Spatio-Temporal Variability in Lindenberg. Bulletin of the American Meteorological Society, 104, E1875-E1892. doi:10.1175/BAMS-D-21-0330.1 [publisher-version]
  • Hohenegger, C., Korn, P., Linardakis, L., Redler, R., Schnur, R., Adamidis, P., Bao, J., Bastin, S., Behravesh, M., Bergemann, M., Biercamp, J., Bockelmann, H., Brokopf, R., Brüggemann, N., Casaroli, L., Chegini, F., Datseris, G., Esch, M., George, G., Giorgetta, M., Gutjahr, O., Haak, H., Hanke, M., Ilyina, T., Jahns, T., Jungclaus, J., Kern, M., Klocke, D., Kluft, L., Kölling, T., Kornblueh, L., Kosukhin, S., Kroll, C., Lee, J., Mauritsen, T., Mehlmann, C., Mieslinger, T., Naumann, A., Paccini, L., Peinado, A., Praturi, D., Putrasahan, D., Rast, S., Riddick, T., Roeber, N., Schmidt, H., Schulzweida, U., Schütte, F., Segura, H., Shevchenko, R., Singh, V., Specht, M., Stephan, C., von Storch, J., Vogel, R., Wengel, C., Winkler, M., Ziemen, F., Marotzke, J. & Stevens, B. (2023). ICON-Sapphire: simulating the components of the Earth System and their interactions at kilometer and subkilometer scales. Geoscientific Model Development, 16, 779-811. doi:10.5194/gmd-16-779-2023 [publisher-version]
  • Jungandreas, L., Hohenegger, C. & Claussen, M. (2023). How does the explicit treatment of convection alters the precipitation-soil hydrology interaction in the mid-Holocene African humid period?. Climate of the Past, 19, 637-664. doi:10.5194/cp-19-637-2023 [publisher-version]
  • Keil, P., Schmidt, H., Stevens, B., Byrne, M., Segura, H. & Putrasahan, D. (2023). Tropical tropospheric warming pattern explained by shifts in convective heating in the Matsuno-Gill Model. Quarterly Journal of the Royal Meteorological Society, 149, 2678-2695. doi:10.1002/qj.4526 [publisher-version]
  • Kirsch, B., Hohenegger, C. & Ament, F. (2023). Morphology and growth of convective cold pools observed by a dense station network in Germany. Quarterly Journal of the Royal Meteorological Society: early view. doi:10.1002/qj.4626
  • Lee, H., Ganbat, G., Jin, H.-G., Seo, J., Moon, S., Bok, H. & Baik, J.-J. (2023). Effects of Lake Baikal on summertime precipitation climatology over the lake surface. Geophysical Research Letters, 50: e2023GL103426. doi:10.1029/2023GL103426 [publisher-version]
  • Lee, J., Lee, H.-J., Kim, K.-B., Shin, H., Lim, J.-M., Hong, J. & Lim, K.-S. (2023). Height correction method based on the Monin–Obukhov similarity theory for better prediction of near-surface wind fields. Atmospheric Research, 292: 106882. doi:10.1016/j.atmosres.2023.106882
  • Schmidt, L. & Hohenegger, C. (2023). Constraints on the ratio between tropical land and ocean precipitation derived from a conceptual water balance model. Journal of Hydrometeorology, 24, 1103-1117. doi:10.1175/JHM-D-22-0162.1 [code][publisher-version]
  • Dauhut, T. & Hohenegger, C. (2022). The contribution of convection to the stratospheric water vapor: the first budget using a Global-Storm-Resolving Model. Journal of Geophysical Research: Atmospheres, 127: e2021JD036295. doi:10.1029/2021JD036295 [publisher-version]
  • Hohenegger, C. & Stevens, B. (2022). Tropical continents rainier than expected from geometrical constraints. AGU Advances, 3: e2021AV000636. doi:10.1029/2021AV000636 [supplementary-material][publisher-version]
  • Kirsch , B., Hohenegger, C., Klocke, D., Senke, R., Offermann, M. & Ament, F. (2022). Sub-mesoscale observations of convective cold pools with a dense station network in Hamburg, Germany. Earth System Science Data, 14, 3531-3548. doi:10.5194/essd-14-3531-2022 [publisher-version]
  • Lee, J., Hohenegger, C., Chlond, A. & Schnur, R. (2022). The climatic role of interactive leaf phenology in the vegetation-atmosphere system of radiative-convective equilibrium storm-resolving simulations. Tellus, Series B - Chemical and Physical Meteorology, 74, 164-175. doi:10.16993/tellusb.26 [publisher-version]
  • Mauritsen, T., Redler, R., Esch, M., Stevens, B., Hohenegger, C., Klocke, D., Brokopf, R., Haak, H., Linardakis, L., Röber, N. & Schnur, R. (2022). Early development and tuning of a global coupled cloud resolving model, and its fast response to increasing CO2. Tellus Series A: Dynamic Meteorology and Oceanography, 74, 346-363 . doi:10.16993/tellusa.54 [publisher-version]
  • Muller, C., Yang, D., Craig, G., Cronin, T., Fildier, B., Haerter, J., Hohenegger, C., Mapes, B., Randall, D., Shamekh, S. & Sherwood, S. (2022). Spontaneous aggregation of convective storms. Annual Review of Fluid Mechanics, 54, 133-157. doi:10.1146/annurev-fluid-022421-011319
  • Paccini Pena, L. (2022). Sensitivity of resolved convection to ocean and land surfaces in the Tropical Atlantic and Amazon Basin. Phd Thesis, Hamburg: Universität Hamburg. Berichte zur Erdsystemforschung, 250. doi:10.17617/2.3367420 [publisher-version]
  • Segura, H., Hohenegger, C., Wengel , C. & Stevens, B. (2022). Learning by doing: seasonal and diurnal features of tropical precipitation in a global-coupled storm-resolving model. Geophysical Research Letters, 49: e2022GL101796. doi:10.1029/2022GL101796 [supplementary-material][publisher-version]
  • Shin, J., Ahn, J., Chowdhry Beeman, J., Lee, H.-G., Seo, J. & Brook, E. (2022). Millennial variations in atmospheric CO2 during the early Holocene (11.7-7.4 ka). Climate of the Past, 18, 2063-2075. doi:10.5194/cp-18-2063-2022 [publisher-version][supplementary-material]
  • Ban, N., Caillaud, C., Coppola, E., Pichelli, E., Sobolowski, S., Adinolfi, M., Ahrens, B., Alias, A., Anders, I., Bastin, S., Belušić, D., Berthou, S., Brisson, E., Cardoso, R., Chan, S., Christensen, O., Fernández, J., Fita, L., Frisius, T., Gašparac, G., Giorgi, F., Goergen, K., Haugen, J., Hodnebrog, Ø., Kartsios, S., Katragkou, E., Kendon, E., Keuler, K., Lavin-Gullon, A., Lenderink, G., Leutwyler, D., Lorenz, T., Maraun, D., Mercogliano, P., Milovac, J., Panitz, H.-J., Raffa, M., Remedio, A., Schär, C., Soares, P., Srnec, L., Steensen, B., Stocchi, P., Tölle, M., Truhetz, H., Vergara-Temprado, J., de Vries, H., Warrach-Sagi, K., Wulfmeyer, V. & Zander, M. (2021). The first multi-model ensemble of regional climate simulations at kilometer-scale resolution. Part I: Evaluation of precipitation. Climate Dynamics, 57, 275-302. doi:10.1007/s00382-021-05708-w [publisher-version]
  • Bao , J. & Windmiller, J. (2021). Impact of microphysics on tropical precipitation extremes in a global storm-resolving model. Geophysical Research Letters, 48: e2021GL094206. doi:10.1029/2021GL094206 [publisher-version][supplementary-material]
  • Becker, T. & Hohenegger, C. (2021). Entrainment and its dependency on environmental conditions and convective organization in convection-permitting simulations. Monthly Weather Review, 121, 537-550 . doi:10.1175/MWR-D-20-0229.1 [supplementary-material][publisher-version]
  • Dion, I.-A., Dallet, C., Ricaud, P., Carminati, F., Dauhut, T. & Haynes, P. (2021). Ice injected into the tropopause by deep convection - Part 2: Over the Maritime Continent. Atmospheric Chemistry and Physics, 21, 2191-2210. doi:10.5194/acp-21-2191-2021 [publisher-version]
  • Judt, F., Klocke, D., Rios-Berrios, R., Vanniere, B., Ziemen, F., Auger, L., Biercamp, J., Bretherton, C., Chen, X., Düben, P., Hohenegger, C., Khairoutdinov, M., Kodama, C., Kornblueh, L., Lin, S.-J., Nakano, M., Neumann, P., Putman, W., Röber, N., Roberts, M., Satoh, M., Shibuya, R., Stevens, B., Vidale, P., Wedi, N. & Zhou, L. (2021). Tropical cyclones in global storm-resolving models. Journal of the Meteorological Society of Japan, 99, 579-602. doi:10.2151/jmsj.2021-029 [publisher-version]
  • Jung, H., Naumann, A. & Stevens, B. (2021). Convective self-aggregation in a mean flow. Atmospheric Chemistry and Physics, 21, 10337-10345. doi:10.5194/acp-21-10337-2021 [publisher-version]
  • Jungandreas, L., Hohenegger, C. & Claussen, M. (2021). Influence of the representation of convection on the mid-Holocene West African Monsoon. Climate of the Past, 17, 1665-1684. doi:10.5194/cp-17-1665-2021 [supplementary-material][publisher-version]
  • Kim, S.-M., Koo, J.-H., Lee, H., Mok, J., Choi, M., Go, S., Lee, S., Cho, Y., Hong, J., Seo, S., Lee, J., Hong, J.-W. & Kim, J. (2021). Comparison of pm2.5 in Seoul, Korea estimated from the various ground-based and satellite aod. Applied Sciences (Switzerland), 11. doi:10.3390/app112210755 [publisher-version]
  • Kirsch, B., Ament, F. & Hohenegger, C. (2021). Convective cold pools in long-term boundary layer mast observations. Monthly Weather Review, 149, 811-820. doi:10.1175/MWR-D-20-0197.1 [publisher-version]
  • Leutwyler, D., Imamovic, A. & Schär, C. (2021). The continental-scale soil-moisture precipitation feedback in Europe with parameterized and explicit convection. Journal of Climate, 34, 5303-5320. doi:10.1175/JCLI-D-20-0415.1 [supplementary-material][publisher-version]
  • Leutwyler, D. & Hohenegger, C. (2021). Weak cooling of the troposphere by tropical islands in simulations of the radiative-convective equilibrium. Quarterly Journal of the Royal Meteorological Society, 147, 1788-1800. doi:10.1002/qj.3995 [supplementary-material][publisher-version]
  • Moon, S., Baik, J.-J. & Seo, J. (2021). Chaos synchronization in generalized Lorenz systems and an application to image encryption. Communications in Nonlinear Science and Numerical Simulation, 96: 105708. doi:10.1016/j.cnsns.2021.105708 [publisher-version]
  • Moon, S., Baik, J.-J., Seo, J. & Han, B.-S. (2021). Effects of density affecting scalar on the onset of chaos in a simplified model of thermal convection: a nonlinear dynamical perspective. The European Physical Journal Plus, 136: 92. doi:10.1140/epjp/s13360-020-01047-7
  • Paccini, L., Hohenegger, C. & Stevens, B. (2021). Explicit versus parameterized convection in response to the Atlantic Meridional Mode. Journal of Climate, 34, 3343-3354. doi:10.1175/JCLI-D-20-0224.1 [supplementary-material][publisher-version]
  • Park, J., Moon, S., Seo, J. & Baik, J.-J. (2021). Systematic comparison between the generalized Lorenz equations and DNS in the two-dimensional Rayleigh–Bénard convection. Chaos, 31: 073119. doi:10.1063/5.0051482 [publisher-version]
  • Radtke, J., Mauritsen, T. & Hohenegger, C. (2021). Shallow cumulus cloud feedback in large eddy simulations - Bridging the gap to storm resolving models. Atmospheric Chemistry and Physics, 21, 3278-3288. doi:10.5194/acp-21-3275-2021 [publisher-version]
  • Ricchi, A., Bonaldo, D., Cioni, G., Carniel, S. & Miglietta, M. (2021). Simulation of a flash-flood event over the Adriatic Sea with a high-resolution atmosphere–ocean–wave coupled system. Scientific Reports, 11: 9388. doi:10.1038/s41598-021-88476-1 [publisher-version]
  • Rochetin, N., Hohenegger, C., Touzé-Peiffer, L. & Villefranque, N. (2021). A physically based definition of convectively generated density currents: detection and characterization in convection-permitting simulations. Journal of Advances in Modeling Earth Systems, 13: e2020MS002402. doi:10.1029/2020MS002402 [publisher-version]
  • Roh, W., Satoh, M. & Hohenegger, C. (2021). Intercomparison of cloud properties in DYAMOND simulations over the Atlantic Ocean. Journal of the Meteorological Society of Japan, 99, 1439-1451. doi:10.2151/jmsj.2021-070 [publisher-version]
  • Stephan, C., Schnitt, S., Schulz, H., Bellenger, H., de Szoeke, S., Acquistapace, C., Baier , K., Dauhut, T., Laxenaire, R., Morfa Avalos, Y., Person, R., Meléndez, E., Bagheri, G., Böck, T., Daley, A., Güttler, J., Helfer, K., Los, S., Neuberger, A., Röttenbacher, J., Raeke, A., Ringel, M., Ritschel, M., Sadoulet, P., Schirmacher, I., Stolla, M., Wright, E., Charpentier, B., Doerenbecher, A., Wilson, R., Jansen, F., Kinne, S., Reverdin, G., Speich, S., Bony, S. & Stevens, B. (2021). Ship- and island-based atmospheric soundings from the 2020 EUREC4A field campaign. Earth System Science Data, 13, 491-514. doi:10.5194/essd-13-491-2021 [publisher-version]
  • Stevens, B., Bony, S., Farrell, D., Ament, F., Blyth, A., Fairall, C., Karstensen, J., Quinn, P., Speich, S., Acquistapace, C., Aemisegger, F., Albright, A., Bellenger, H., Bodenschatz, E., Caesar, K.-A., Chewitt-Lucas, R., de Boer, G., Delanoë, J., Denby, L., Ewald, F., Fildier, B., Forde, M., George, G., Gross, S., Hagen, M., Hausold, A., Heywood, K., Hirsch, L., Jacob, M., Jansen, F., Kinne, S., Klocke, D., Kölling, T., Konow, H., Lothon, M., Mohr, W., Naumann, A., Nuijens, L., Olivier, L., Pincus, R., Pöhlker, M., Reverdin, G., Roberts, G., Schnitt, S., Schulz, H., Siebesma, A., Stephan, C., Sullivan, P., Touzé-Peiffer, L., Vial, J., Vogel, R., Zuidema, P., Alexander, N., Alves, L., Arixi, S., Asmath, H., Bagheri, G., Baier , K., Bailey, A., Baranowski, D., Baron, A., Barrau, S., Barrett, P., Batier, F., Behrendt, A., Bendinger, A., Beucher, F., Bigorre, S., Blades, E., Blossey, P., Bock, O., Böing, S., Bosser, P., Bourras, D., Bouruet-Aubertot, P., Bower, K., Branellec, P., Branger, H., Brennek, M., Brewer, A., Brilouet, P.-E., Brügmann, B., Buehler, S., Burke, E., Burton, R., Calmer, R., Canonici, J.-C., Carton, X., Cato, G., Charles, J., Chazette, P., Chen, Y., Chilinski, M., Choularton, T., Chuang, P., Clarke, S., Coe, H., Cornet, C., Coutris, P., Couvreux, F., Crewell, S., Cronin, T., Cui, Z., Cuypers, Y., Daley, A., Damerell, G., Dauhut, T., Deneke, H., Desbios, J.-P., Dörner, S., Donner, S., Douet, V., Drushka, K., Dütsch, M., Ehrlich, A., Emanuel, K., Emmanouilidis, A., Etienne, J.-C., Etienne-Leblanc, S., Faure, G., Feingold, G., Ferrero, L., Fix, A., Flamant, C., Flatau, P., Foltz, G., Forster, L., Furtuna, I., Gadian, A., Galewsky, J., Gallagher, M., Gallimore, P., Gaston, C., Gentemann, C., Geyskens, N., Giez, A., Gollop, J., Gouirand, I., Gourbeyre, C., de Graaf, D., de Groot, G., Grosz, R., Güttler, J., Gutleben, M., Hall, K., Harris, G., Helfer, K., Henze, D., Herbert, C., Holanda, B., Ibanez-Landeta, A., Intrieri, J., Iyer, S., Julien, F., Kalesse, H., Kazil, J., Kellman, A., Kidane, A., Kirchner, U., Klingebiel, M., Körner, M., Kremper, L., Kretzschmar, J., Krüger, O., Kumala, W., Kurz, A., L'Hégaret, P., Labaste, M., Lachlan-Cope, T., Laing, A., Landschützer, P., Lang, T., Lange, D., Lange, I., Laplace, C., Lavik, G., Laxenaire, R., Le Bihan, C., Leandro, M., Lefevre, N., Lena, M., Lenschow, D., Li, Q., Lloyd, G., Los, S., Losi, N., Lovell, O., Luneau, C., Makuch, P., Malinowski, S., Manta, G., Marinou, E., Marsden, N., Masson, S., Maury, N., Mayer, B., Mayers-Als, M., Mazel, C., McGeary, W., McWilliams, J., Mech, M., Mehlmann, M., Meroni, A., Mieslinger, T., Minikin, A., Minnett, P., Möller, G., Morfa Avalos, Y., Muller, C., Musat, I., Napoli, A., Neuberger, A., Noisel, C., Noone, D., Nordsiek, F., Nowak, J., Oswald, L., Parker, D., Peck, C., Person, R., Philippi, M., Plueddemann, A., Pöhlker, C., Pörtge, V., Pöschl, U., Pologne, L., Posyniak, M., Prange, M., Meléndez, E., Radtke, J., Ramage, K., Reimann, J., Renault, L., Reus, K., Reyes, A., Ribbe, J., Ringel, M., Ritschel, M., Rocha, C., Rochetin, N., Röttenbacher, J., Rollo, C., Royer, H., Sadoulet, P., Saffin, L., Sandiford, S., Sandu, I., Schäfer, M., Schemann, V., Schirmacher, I., Schlenczek, O., Schmidt, J., Schröder, M., Schwarzenboeck, A., Sealy, A., Senff, C., Serikov, I., Shohan, S., Siddle, E., Smirnov, A., Späth, F., Spooner, B., Stolla, M., Szkółka, W., de Szoeke, S., Tarot, S., Tetoni, E., Thompson, E., Thomson, J., Tomassini, L., Totems, J., Ubele, A., Villiger, L., von Arx, J., Wagner, T., Walther, A., Webber, B., Wendisch, M., Whitehall, S., Wiltshire, A., Wing, A., Wirth, M., Wiskandt, J., Wolf, K., Worbes, L., Wright, E., Wulfmeyer, V., Young, S., Zhang, C., Zhang, D., Ziemen, F., Zinner, T. & Zöger, M. (2021). EUREC4A. Earth System Science Data, 13, 4067-4119. doi:10.5194/essd-13-4067-2021 [publisher-version]
  • Becker, T. & Wing, A. (2020). Understanding the extreme spread in climate sensitivity within the Radiative-Convective Equilibrium Model Intercomparison Project. Journal of Advances in Modeling Earth Systems, 12: e2020MS002165. doi:10.1029/2020MS002165 [supplementary-material][publisher-version]
  • Beucler*, T., Leutwyler*, D. & Windmiller*, J. (2020). Quantifying convective aggregation using the tropical moist margin's length. Journal of Advances in Modeling Earth Systems, 12: e2020MS002092. doi:10.1029/2020MS002092 [publisher-version]
  • Brueck, M., Hohenegger, C. & Stevens, B. (2020). Mesoscale marine tropical precipitation varies independently from the spatial arrangement of its convective cells. Quarterly Journal of the Royal Meteorological Society, 146, 1391-1402. doi:10.1002/qj.3742 [publisher-version]
  • Costa-Suros, M., Sourdeval, O., Acquistapace, C., Baars, H., Henken, C., Genz, C., Hesemann, J., Jimenez, C., Koenig, M., Kretzschmar, J., Madenach, N., Meyer I, C., Schroedner, R., Seifert, P., Senf, F., Brueck, M., Cioni, G., Engels, J., Fieg, K., Gorges, K., Heinze, R., Siligam, P., Burkhardt, U., Crewell, S., Hoose, C., Seifert, A., Tegen, I. & Quaas, J. (2020). Detection and attribution of aerosol-cloud interactions in large-domain large-eddy simulations with the ICOsahedral Non-hydrostatic model. Atmospheric Chemistry and Physics, 20, 5657-5678. doi:10.5194/acp-20-5657-2020 [publisher-version]
  • Dagan, G., Stier, P., Christensen, M., Cioni, G., Klocke, D. & Seifert, A. (2020). Atmospheric energy budget response to idealized aerosol perturbation in tropical cloud systems. Atmospheric Chemistry and Physics, 20, 4523-4544. doi:10.5194/acp-20-4523-2020 [publisher-version][supplementary-material]
  • Dauhut, T., Noel, V. & Dion, I.-A. (2020). Diurnal cycle of clouds extending above the tropical tropopause observed by spaceborne lidar. Atmospheric Chemistry and Physics, 20, 3921-3929. doi:10.5194/acp-20-3921-2020 [supplementary-material][publisher-version]
  • Drotos, G., Becker, T., Mauritsen, T. & Stevens, B. (2020). Global variability in radiative-convective equilibrium with a slab ocean under a wide range of CO2 concentrations. Tellus Series A-Dynamic Meteorology and Oceanography, 72, 1-19. doi:10.1080/16000870.2019.1699387 [publisher-version][supplementary-material]
  • Fiedler, S., Crueger, T., D'Agostino, R., Peters, K., Becker, T., Leutwyler, D., Paccini, L., Burdanowitz, J., Buehler, S., Uribe, A., Dauhut, T., Dommenget, D., Fraedrich, K., Jungandreas, L., Maher, N., Naumann, A., Rugenstein, M., Sakradzija, M., Schmidt, H., Sielmann, F., Stephan, C., Timmreck, C., Zhu , X. & Stevens, B. (2020). Simulated tropical precipitation assessed across three major phases of the Coupled Model Intercomparison Project (CMIP). Monthly Weather Review, 148, 3653-3680. doi:10.1175/MWR-D-19-0404.1 [publisher-version][supplementary-material]
  • Hirt, M., Craig, G., Schäfer, S., Savre, J. & Heinze, R. (2020). Cold pool driven convective initiation: using causal graph analysis to determine what convection permitting models are missing. Quarterly Journal of the Royal Meteorological Society, 146, 2205-2227. doi:10.1002/qj.3788 [publisher-version]
  • Hohenegger, C., Kornblueh, L., Klocke, D., Becker, T., Cioni, G., Engels , J., Schulzweida, U. & Stevens, B. (2020). Climate statistics in global simulations of the atmosphere from 80 to 2.5 km grid spacing. Journal of the Meteorological Society of Japan, 98(Spec. Ed. on DYAMOND, 2020), 73-91. doi:10.2151/jmsj.2020-005 [supplementary-material][publisher-version]
  • Hohenegger, C. & Jakob, C. (2020). A relationship between ITCZ organization and subtropical humidity. Geophysical Research Letters, 47: e2020GL088515. doi:10.1029/2020GL088515 [publisher-version][supplementary-material]
  • Hohenegger, C. & Schär, C. (2020). Clouds and land. In Clouds and climate: Climate science's greatest challenge (pp.329-355). Cambridge: Cambridge University Press.
  • Hohenegger, C. & Klocke, D. (2020). Stürmische Zeiten für die Klimaforschung: Neue globale sturmauflösende Klimamodelle. Physik in unserer Zeit, 51, 228-235. doi:10.1002/piuz.202001580 [publisher-version]
  • Lee, J., Hong, J., Noh, Y. & Jiménez, P. (2020). Implementation of a roughness sublayer parameterization in the Weather Research and Forecasting model (WRF version 3.7.1) and its evaluation for regional climate simulations. Geoscientific Model Development, 13, 521-536. doi:10.5194/gmd-13-521-2020 [publisher-version][supplementary-material]
  • Lee, J., Seo, J., Baik, J.-J., Park, S.-B. & Han, B.-S. (2020). A numerical study of windstorms in the Lee of the Taebaek mountains, South Korea: Characteristics and generation mechanisms. Atmosphere, 11: 431. doi:10.3390/ATMOS11040431 [publisher-version]
  • Moon, S., Seo, J. & Baik, J.-J. (2020). High-dimensional generalizations of the Lorenz system and implications for predictability. Physica Scripta, 95: 085209. doi:10.1088/1402-4896/ab9d3e
  • Moseley, C., Pscheidt, I., Cioni, G. & Heinze, R. (2020). Impact of resolution on large-eddy simulation of midlatitude summertime convection. Atmospheric Chemistry and Physics, 20, 2891-2910. doi:10.5194/acp-20-2891-2020 [publisher-version][supplementary-material]
  • Müller, S. & Hohenegger, C. (2020). Self-aggregation of convection in spatially-varying sea surface temperatures. Journal of Advances in Modeling Earth Systems, 12: e2019MS001698. doi:10.1029/2019MS001698 [publisher-version]
  • Röber, N., Böttinger, M., Ziemen, F., Esch, M., Hohenegger, C., Redler, R., Stevens, B., Mauritsen, T., Migliore, M. & Brownlee, C. (2020). DYAMOND++: A high resolution climate model setup. Zenodo. doi:10.5281/zenodo.4299847 [any-fulltext]
  • Sakradzija, M., Senf, F., Scheck, L., Ahlgrimm, M. & Klocke, D. (2020). Local impact of stochastic shallow convection on clouds and precipitation in the tropical Atlantic. Monthly Weather Review, 148, 5041-5062. doi:10.1175/MWR-D-20-0107.1 [supplementary-material][publisher-version]
  • Sakradzija, M. & Klingebiel, M. (2020). Comparing ground-based observations and a large-eddy simulation of shallow cumuli by isolating the main controlling factors of the mass flux distribution. Quarterly Journal of the Royal Meteorological Society, 146, 254-266. doi:10.1002/qj.3671 [supplementary-material][publisher-version]
  • Schär, C., Fuhrer, O., Arteaga, A., Ban, N., Charpilloz, C., Di Girolamo, S., Hentgen, L., Hoefler, T., Lapillonne, X., Leutwyler, D., Osterried, K., Panosetti, D., Rüdisühli, S., Schlemmer, L., Schulthess, T., Sprenger, M., Ubbiali, S. & Wernli, H. (2020). Kilometer-scale climate models: Prospects and challenges. Bulletin of the American Meteorological Society, 101, E567-E587. doi:10.1175/BAMS-D-18-0167.1 [publisher-version]
  • Stevens, B., Acquistapace, C., Hansen, A., Heinze, R., Klinger, C., Klocke, D., Schubotz, W., Windmiller, J., Adamidis, P., Arka, I., Barlakas, V., Biercamp, J., Brueck, M., Brune, S., Buehler, S., Burkhardt, U., Cioni, G., Costa-Surós, M., Crewell, S., Crueger, T., Deneke, H., Friederichs, P., Henken, C., Hohenegger, C., Jacob, M., Jakub, F., Kalthoff, N., Köhler, M., van Laar, T., Li, P., Lohnert, U., Macke, A., Madenach, N., Mayer, B., Nam, C., Naumann, A., Peters, K., Poll, S., Quaas, J., Röber, N., Rochetin, N., Rybka, H., Scheck, L., Schemann, V., Schnitt, S., Seifert, A., Senf, F., Shapkalijevski, M., Simmer, C., Singh, S., Sourdeval, O., Spickermann, D., Strandgren, J., Tessiot, O., Vercauteren, N., Vial, J., Voigt, A. & Zängl, G. (2020). The added value of large-eddy and storm-resolving models for simulating clouds and precipitation. Journal of the Meteorological Society of Japan, 98, 395-435. doi:10.2151/jmsj.2020-021 [publisher-version]
  • Stevens, B., Bony, S., Brogniez, H., Hentgen, L., Hohenegger, C., Kiemle, C., L'Ecuyer, T., Naumann, A., Schulz, H., Siebesma, P., Vial , J., Winker, D. & Zuidema, P. (2020). Sugar, gravel, fish, and flowers: Mesoscale cloud patterns in the tradewinds. Quarterly Journal of the Royal Meteorological Society, 146, 141-152. doi:10.1002/qj.3662 [publisher-version][supplementary-material]
  • Wing, A., Stauffer, C., Becker, T., Reed, K., Ahn, M., Arnold, N., Bony, S., Branson, M., Bryan, G., Chaboureau, J., de Roode, S., Gayatri, K., Hohenegger, C., Hu, I., Jansson, F., Jones, T., Khairoutdinov, M., Kim, D., Martin, Z., Matsugishi, S., Medeiros, B., Miura, H., Moon, Y., Müller , S., Ohno, T., Popp, M., Prabhakaran, T., Randall, D., Rios‐Berrios, R., Rochetin, N., Roehrig, R., Romps, D., Jr., J., Satoh, M., Silvers, L., Singh, M., Stevens, B., Tomassini, L., van Heerwaarden, C., Wang, S. & Zhao, M. (2020). Clouds and convective self-aggregation in a multi-model ensemble of radiative-convective equilibrium simulations. Journal of Advances in Modeling Earth Systems: e2020MS002138. doi:10.1029/2020MS002138 [publisher-version]
  • Zheng, Y., Sakradzija, M., Lee, S.-S. & Li, Z. (2020). Theoretical understanding of the linear relationship between convective updrafts and cloud-base height for shallow cumulus clouds. Part II: Continental conditions. Journal of the Atmospheric Sciences, 77, 1313-1328. doi:10.1175/JAS-D-19-0301.1 [publisher-version]
  • Klingebiel, M., Ghate, V., Naumann, A., Ditas, F., Pöhlker, M., Pöhlker, C., Kandler, K., Konow, H. & Stevens, B. (2019). Remote sensing of sea salt aerosol below trade wind clouds. Journal of the Atmospheric Sciences, 76, 1189-1202. doi:10.1175/JAS-D-18-0139.1 [publisher-version]
  • Mauritsen, T., Bader, J., Becker, T., Behrens, J., Bittner, M., Brokopf, R., Brovkin, V., Claussen, M., Crueger, T., Esch, M., Fast, I., Fiedler, S., Popke, D., Gayler, V., Giorgetta, M., Goll, D., Haak, H., Hagemann, S., Hedemann, C., Hohenegger, C., Ilyina, T., Jahns, T., Jiménez de la Cuesta Otero, D., Jungclaus, J., Kleinen, T., Kloster, S., Kracher, D., Kinne, S., Kleberg, D., Lasslop, G., Kornblueh, L., Marotzke, J., Matei, D., Meraner, K., Mikolajewicz, U., Modali, K., Möbis, B., Müller, W., Nabel, J., Nam, C., Notz, D., Nyawira, S., Paulsen, H., Peters, K., Pincus, R., Pohlmann, H., Pongratz, J., Popp, M., Raddatz, T., Rast, S., Redler, R., Reick, C., Rohrschneider, T., Schemann, V., Schmidt, H., Schnur, R., Schulzweida, U., Six, K., Stein, L., Stemmler, I., Stevens, B., von Storch, J.-S., Tian, F., Voigt, A., de Vrese, P., Wieners, K.-H., Wilkenskjeld, S., Roeckner, E. & Winkler, A. (2019). Developments in the MPI-M Earth System Model version 1.2 (MPI-ESM1.2) and its response to increasing CO2. Journal of Advances in Modeling Earth Systems, 11, 998-1038. doi:10.1029/2018MS001400 [publisher-version]
  • Mieslinger, T., Horváth, Á., Buehler, S. & Sakradzija, M. (2019). The dependence of shallow cumulus macrophysical properties on large-scale meteorology as observed in ASTER imagery. Journal of Geophysical Research: Atmospheres. doi:10.1029/2019JD030768 [publisher-version]
  • Naumann, A., Stevens, B. & Hohenegger, C. (2019). A moist conceptual model for the boundary layer structure and radiatively driven shallow circulations in the trades. Journal of the Atmospheric Sciences, 76, 1289-1306. doi:10.1175/JAS-D-18-0226.1 [supplementary-material][publisher-version]
  • Neumann, P., Dueben, P., Adamidis, P., Bauer, P., Brueck, M., Kornblueh, L., Klocke, D., Stevens, B., Wedi, N. & Biercamp, J. (2019). Assessing the scales in numerical weather and climate predictions: Will Exascale be the rescue?. Philosophical Transactions of the Royal Society A, 377: 201848. doi:10.1098/rsta.2018.0148 [publisher-version]
  • Peters, K., Hohenegger, C. & Klocke, D. (2019). Different representation of mesoscale convective systems in convection-permitting and convection-parameterizing NWP models and its implications for large-scale forecast evolution. Atmosphere, 10: 503. doi:10.3390/atmos10090503 [publisher-version]
  • Pscheidt, I., Senf, F., Heinze, R., Deneke, H., Trömel, S. & Hohenegger, C. (2019). How organized is deep convection over Germany?. Quarterly Journal of the Royal Meteorological Society, 145, 2366-2384. doi:10.1002/qj.3552 [publisher-version]
  • Retsch, M., Mauritsen, T. & Hohenegger, C. (2019). Climate change feedbacks in aquaplanet experiments with explicit and parametrized convection for horizontal resolutions of 2,525 up to 5 km. Journal of Advances in Modeling Earth Systems, 11, 2070-2088. doi:10.1029/2019MS001677 [publisher-version]
  • Ricchi, A., Miglietta, M., Bonaldo, D., Cioni, G., Rizza, U. & Carniel, S. (2019). Multi-physics ensemble versus atmosphere-ocean coupled model simulations for a tropical-like cyclone in the Mediterranean Sea. Atmosphere, 10: 202. doi:10.3390/atmos10040202 [publisher-version]
  • Ruppert, J. & Klocke, D. (2019). The two diurnal modes of tropical upward motion. Geophysical Research Letters, 46, 2911-2921. doi:10.1029/2018GL081806 [supplementary-material][publisher-version][supplementary-material][supplementary-material]
  • Ruppert, J. & O'Neill, M. (2019). Diurnal cloud and circulation changes in simulated tropical cyclones. Geophysical Research Letters, 46, 502-511. doi:10.1029/2018GL081302 [publisher-version]
  • Senf, F., Brueck, M. & Klocke, D. (2019). Pair correlations and spatial statistics of deep convection over the Tropical Atlantic. Journal of the Atmospheric Sciences, 76, 3211-3228. doi:10.1175/JAS-D-18-0326.1 [publisher-version]
  • Stevens, B., Drotos, G., Becker, T. & Mauritsen, T. (2019). Tropics as tempest. In Vuruputur, V., Sukhatme, J., Murtugudde, R. & Roca, R. (Eds.), Tropical Extremes: Natural Variability and Trends (pp.299-310). Amsterdam : Elsevier. doi:10.1016/B978-0-12-809248-4.00009-1
  • Stevens, B., Ament, F., Bony, S., Crewell, S., Ewald, F., Gross, S., Hansen, A., Hirsch, L., Jacob, M., Kölling, T., Konow, H., Mayer, B., Wendisch, M., Wirth, M., Wolf, K., Bakan, S., Bauer-Pfundstein, M., Brueck, M., Delanoë, J., Ehrlich, A., Farrell, D., Forde, M., Gödde, F., Grob, H., Hagen, M., Jäkel, E., Jansen, F., Klepp, C., Klingebiel, M., Mech, M., Peters, G., Rapp, M., Wing, A. & Zinner, T. (2019). A high-altitude long-range aircraft configured as a cloud observatory – the NARVAL expeditions. Bulletin of the American Meteorological Society, 100, 1061-1077. doi:10.1175/BAMS-D-18-0198.1 [publisher-version]
  • Vial, J., Vogel , R., Bony, S., Stevens, B., Winker, D., Cai, X., Hohenegger, C., Naumann, A. & Brogniez, H. (2019). A new look at the daily cycle of trade wind cumuli. Journal of Advances in Modeling Earth Systems, 11, 3148-3166. doi:10.1029/2019MS001746 [supplementary-material][publisher-version]
  • Windmiller, J. & Craig, G. (2019). Universality in the spatial evolution of self-aggregation of tropical convection. Journal of the Atmospheric Sciences, 76, 1677-1696. doi:10.1175/JAS-D-18-0129.1 [publisher-version][supplementary-material]
  • Windmiller, J. & Hohenegger, C. (2019). Convection on the edge. Journal of Advances in Modeling Earth Systems, 11, 3959-3972. doi:10.1029/2019MS001820 [supplementary-material][publisher-version]
  • Becker, T., Bretherton, C., Hohenegger, C. & Stevens, B. (2018). Estimating bulk entrainment with unaggregated and aggregated convection. Geophysical Research Letters, 45, 455-462. doi:10.1002/2017GL076640 [publisher-version]
  • Ciesielski, P., Johnson, R., Schubert, W. & Ruppert, J. (2018). Diurnal cycle of the ITCZ in DYNAMO. Journal of Climate, 31, 4543-4562. doi:10.1175/JCLI-D-17-0670.1 [publisher-version]
  • Cioni, G. (2018). Large-eddy simulations of land-atmosphere interactions and mid-latitude storms: from conceptual models to realistic cases. Phd Thesis, Hamburg: Universität Hamburg. Berichte zur Erdsystemforschung, 206. doi:10.17617/2.2627741 [publisher-version]
  • Cioni, G. & Hohenegger, C. (2018). A simplified model of precipitation enhancement over a heterogeneous surface. Hydrology and Earth System Sciences, 22, 3197-3212. doi:10.5194/hess-22-3197-2018 [publisher-version]
  • Cioni, G., Cerrai, D. & Klocke, D. (2018). Investigating the predictability of a Mediterranean tropical-like cyclone using a storm-resolving model. Quarterly Journal of the Royal Meteorological Society, 144, 1598-1610. doi:10.1002/qj.3322
  • Crueger, T., Giorgetta, M., Brokopf, R., Esch, M., Fiedler, S., Hohenegger, C., Kornblueh, L., Mauritsen, T., Nam, C., Naumann, A., Peters, K., Rast, S., Roeckner, E., Schmidt, H., Sakradzija, M., Vial, J., Vogel, R. & Stevens, B. (2018). ICON-A: the atmospheric component of the ICON Earth System Model. Part II: Model evaluation. Journal of Advances in Modeling Earth Systems, 10, 1638-1662. doi:10.1029/2017MS001233 [publisher-version]
  • Giorgetta, M., Brokopf, R., Crueger, T., Esch, M., Fiedler, S., Helmert, J., Hohenegger, C., Kornblueh, L., Köhler, M., Manzini, E., Mauritsen, T., Nam, C., Raddatz, T., Rast, S., Reinert, D., Sakradzija, M., Schmidt, H., Schneck, R., Schnur, R., Silvers, L., Wan, H., Zängl, G. & Stevens, B. (2018). ICON-A: the atmospheric component of the ICON Earth System Model. Part I: Model description. Journal of Advances in Modeling Earth Systems, 10, 1613-1637. doi:10.1029/2017MS001242 [publisher-version]
  • Gryspeerdt, E., Quaas, J., Goren, T., Klocke, D. & Brueck, M. (2018). An automated cirrus classification. Atmospheric Chemistry and Physics, 18, 6157-6169. doi:10.5194/acp-18-6157-2018 [publisher-version]
  • Hohenegger, C. & Stevens, B. (2018). The role of the permanent wilting point in controlling the spatial distribution of precipitation. Proceedings of the National Academy of Sciences of the United States of America, 115, 5692-5697. doi:10.1073/pnas.1718842115 [supplementary-material][publisher-version][supplementary-material]
  • Hohenegger, C., Stevens, B., Kornblueh, L., Brueck, M. & Röber, N. (2018). Wenn globale Klimamodelle einen Elefanten von einer großen Maus unterscheiden können. Jahrbuch / Max-Planck-Gesellschaft, 2018. [any-fulltext]
  • Mikolajewicz, U., Ziemen, F., Cioni, G., Claussen, M., Fraedrich, K., Heidkamp, M., Hohenegger, C., Jiménez de la Cuesta, D., Kapsch, M.-L., Lemburg, A., Mauritsen, T., Meraner, K., Röber, N., Schmidt, H., Six, K., Stemmler, I., Tamarin-Brodsky, T., Winkler, A., Zhu, X. & Stevens, B. (2018). The climate of a retrograde rotating earth. Earth System Dynamics, 9, 1191-1215. doi:10.5194/esd-9-1191-2018 [publisher-version]
  • Petrova, I., van Heerwaarden, C., Hohenegger, C. & Guichard, F. (2018). Regional co-variability of spatial and temporal soil moisture - precipitation coupling in North Africa: an observational perspective. Hydrology and Earth System Sciences, 22, 3275-3294. doi:10.5194/hess-22-3275-2018 [publisher-version]
  • Ruppert, J. & Hohenegger, C. (2018). Diurnal circulation adjustment and organized deep convection. Journal of Climate, 31, 4899-4916. doi:10.1175/JCLI-D-17-0693.1 [supplementary-material][publisher-version]
  • Sakradzija, M. & Klocke, D. (2018). Physically constrained stochastic shallow convection in realistic kilometer-scale simulations. Journal of Advances in Modeling Earth Systems, 10, 2755-2776. doi:10.1029/2018MS001358 [publisher-version]
  • Senf, F., Klocke, D. & Brueck, M. (2018). Size-resolved evaluation of simulated deep tropical convection. Monthly Weather Review, 146, 2161-2182. doi:10.1175/MWR-D-17-0378.1 [publisher-version]
  • Becker, T., Stevens, B. & Hohenegger, C. (2017). Imprint of the convective parameterization and sea-surface temperature on large-scale convective self-aggregation. Journal of Advances in Modeling Earth Systems, 9, 1488-1505. doi:10.1002/2016MS000865 [publisher-version]
  • Bellon , G., Reitebuch, O. & Naumann, A. (2017). Shallow circulations: relevance and strategies for satellite observation. Surveys in Geophysics, 38(SI), 1509-1528. doi:10.1007/s10712-017-9442-2
  • Berner, J., Achatz, U., Batte, L., Bengtsson, L., De La Camara, A., Christensen, H., Colangeli, M., Coleman, D., Crommelin, D., Dolaptchiev, S., Franzke, C., Friederichs, P., Imkeller, P., Järvinen, H., Juricke, S., Kitsios, V., Lott, F., Lucarini, V., Mahajan, S., Palmer, T., Penland, C., Sakradzija, M., von Storch, J.-S., Weisheimer, A., Weniger, M., Williams, P. & Yano, J.-I. (2017). Stochastic parameterization: Towards a new view of weather and climate models. Bulletin of the American Meteorological Society, 98, 565-587. doi:10.1175/BAMS-D-15-00268.1 [publisher-version]
  • Bony, S., Stevens, B., Ament, F., Crewell, S., Delanoe, J., Farrell, D., Flamant, C., Gross, S., Hirsch, L., Mayer, B., Nuijens, L., Ruppert, J., Sandu, I., Siebesma, P., Speich, S., Szczap, F., Vogel, R., Wendisch, M. & Wirth, M. (2017). EUREC4A: a field campaign to elucidate the couplings between clouds, convection and circulation. Surveys in Geophysics, 38(SI), 1529-1568. doi:10.1007/s10712-017-9428-0 [publisher-version]
  • Cherian, R., Quaas, J., Salzmann, M. & Tomassini, L. (2017). Black carbon indirect radiative effects in a climate model. Tellus B: Chemical and Physical Meteorology, 69: 1369342. doi:10.1080/16000889.2017.1369342 [supplementary-material][publisher-version]
  • Cioni, G. & Hohenegger, C. (2017). Effect of soil moisture on diurnal convection and precipitation in large-eddy simulations. Journal of Hydrometeorology, 18, 1885-1903. doi:10.1175/JHM-D-16-0241.1 [publisher-version]
  • Heinze, R., Dipankar, A., Henken, C., Moseley, C., Sourdeval, O., Trömel, S., Xie, X., Adamidis, P., Ament, F., Baars, H., Barthlott, C., Behrendt, A., Blahak, U., Bley, S., Brdar, S., Brueck, M., Crewell, S., Deneke, H., Girolamo, P., Evaristo, R., Fischer, J., Frank, C., Friederichs, P., Göcke, T., Gorges, K., Hande, L., Hanke, M., Hansen, A., Hege, H.-C., Hoose, C., Jahns, T., Kalthoff, N., Klocke, D., Kneifel, S., Knippertz, P., Kuhn, A., van Laar, T., Macke, A., Maurer, V., Mayer, B., Meyer, C., Muppa, S., Neggers, R., Orlandi, E., Pantillon, F., Pospichal, B., Röber , N., Scheck, L., Seifert, A., Seifert, P., Senf, F., Siligam, P., Simmer, C., Steinke, S., Stevens, B., Wapler, K., Weniger, M., Wulfmeyer, V., Zängl, G., Zhang, D. & Quaas, J. (2017). Large-eddy simulations over Germany using ICON: A comprehensive evaluation. Quarterly Journal of the Royal Meteorological Society, 143, 69-100. doi:10.1002/qj.2947 [publisher-version]
  • Heinze, R., Moseley, C., Böske, C., Muppa, S., Maurer, V., Raasch, S. & Stevens, B. (2017). Evaluation of large-eddy simulations forced with mesoscale model output for a multi-week period during a measurement campaign. Atmospheric Chemistry and Physics, 17, 7083-7109. doi:10.5194/acp-17-7083-2017 [publisher-version]
  • Klocke, D., Brueck, M., Hohenegger, C. & Stevens, B. (2017). Rediscovering the doldrums in cloud resolving simulations of the Tropical Atlantic. Nature Geoscience, 10, 891-896. doi:10.1038/s41561-017-0005-4
  • Macke, A., Seifert, P., Baars, H., Barthlott, C., Beekmans, C., Behrendt, A., Bohn, B., Brueck, M., Bühl, J., Crewell, S., Damian, T., Deneke, H., Düsing, S., Foth, A., Di Girolamo, P., Hammann, E., Heinze, R., Hirsikko, A., Kalisch, J., Kalthoff, N., Kinne, S., Kohler, M., Löhnert, U., Lakshmi Madhavan, B., Maurer, V., Kumar Muppa, S., Schween, J., Serikov, I., Siebert, H., Simmer, C., Späth, F., Steinke, S., Träumner, K., Trömel, S., Wehner, B., Wieser, A., Wulfmeyer, V. & Xie, X. (2017). The HD(CP)2 Observational Prototype Experiment (HOPE) - An overview. Atmospheric Chemistry and Physics, 17, 4887-4914. doi:10.5194/acp-17-4887-2017 [supplementary-material][publisher-version]
  • Naumann, A., Stevens, B., Hohenegger, C. & Mellado, J.-P. (2017). A conceptual model of a shallow circulation induced by prescribed low-level radiative cooling. Journal of the Atmospheric Sciences, 74, 3129-3144. doi:10.1175/JAS-D-17-0030.1 [publisher-version]
  • Peters, K., Crueger, T., Jakob , C. & Moebis, B. (2017). Improved MJO-simulation in ECHAM6.3 by coupling a stochastic multicloud model to the convection scheme. Journal of Advances in Modeling Earth Systems, 9, 193-219. doi:10.1002/2016MS000809 [publisher-version]
  • Peters, K. & Hohenegger, C. (2017). On the dependence of squall-line characteristics on surface conditions. Journal of the Atmospheric Sciences, 74, 2211-2228. doi:10.1175/JAS-D-16-0290.1 [publisher-version]
  • Rauser, F., Alqadi, M., Arowolo, S., Baker, N., Behrens, E., Bedard, J., Dogulul, N., Domingues, L., Frassoni, A., Keller, J., Kirkpatrick, S., Langendijk, G., Mohammad, S., Misafa, M., Naumann, A., Osmon, N., Reed, K., Rothmüller, M., Schemann, V., Singh, A., Sonntag, S., Tummon, F., Victor, D., Villafverte, M., Walawender, J. & Zaroug, M. (2017). Earth system science frontiers - an early career perspective. Bulletin of the American Meteorological Society, 98, 1119-1127. doi:10.1175/BAMS-D-16-0025.1 [publisher-version]
  • Retsch, M., Hohenegger, C. & Stevens, B. (2017). Vertical resolution refinement in an aqua-planet and its effect on the ITCZ. Journal of Advances in Modeling Earth Systems, 9, 2425-2436 . doi:10.1002/2017MS001010 [supplementary-material][publisher-version]
  • Sakradzija, M. & Hohenegger, C. (2017). What determines the distribution of ahallow convective mass flux through cloud base?. Journal of the Atmospheric Sciences, 74, 2615-2632. doi:10.1175/JAS-D-16-0326.1 [publisher-version]
  • Siongco, A., Hohenegger, C. & Stevens, B. (2017). Sensitivity of the summertime tropical Atlantic precipitation distribution to convective parameterization and model resolution in ECHAM6. Journal of Geophysical Research-Atmospheres, 122, 2579-2594. doi:10.1002/2016JD026093 [publisher-version]
  • Bhattacharya, R. & Stevens, B. (2016). A two Turbulence Kinetic Energy model as a scale-adaptive approach to modeling the planetary boundary layer. Journal of Advances in Modeling Earth Systems, 8, 224-243. doi:10.1002/2015MS000548 [publisher-version]
  • Bony, S., Stevens, B., Coppin, D., Becker, T., Reed, K., Voigt, A. & Medeiros, B. (2016). Thermodynamic control of anvil cloud amount. Proceedings of the National Academy of Sciences of the United States of America, 113, 8927-8932 . doi:10.1073/pnas.1601472113 [publisher-version][publisher-version]
  • Cioni, G., Malguzzi, P. & Buzzi, A. (2016). Thermal structure and dynamical precursor of a Mediterranean tropical-like cyclone. Quarterly Journal of the Royal Meteorological Society, 142, 1757-1766. doi:10.1002/qj.2773
  • Heinze, R., Mironov, D. & Raasch, S. (2016). Analysis of pressure-strain and pressure gradient-scalar covariances in cloud-topped boundary layers: A large-eddy simulation study. Journal of Advances in Modeling Earth Systems, 8, 3-30. doi:10.1002/2015MS000508 [supplementary-material][publisher-version]
  • Hohenegger, C. & Stevens, B. (2016). Coupled radiative convective equilibrium simulations with explicit and parameterized convection. Journal of Advances in Modeling Earth Systems, 8, 1468-1482. doi:10.1002/2016MS000666 [publisher-version]
  • Milinski, S., Bader, J., Haak, H., Siongco, A. & Jungclaus, J. (2016). High atmospheric horizontal resolution eliminates the wind-driven coastal warm bias in the southeastern tropical Atlantic. Geophysical Research Letters, 43, 10,455 -10,462. doi:10.1002/2016GL070530 [publisher-version]
  • Moseley, C., Hohenegger, C., Berg, P. & Haerter, J. (2016). Intensification of convective extremes driven by cloud–cloud interaction. Nature Geoscience, 9, 748-752. doi:10.1038/ngeo2789
  • Naumann, A. & Seifert, A. (2016). Recirculation and growth of raindrops in simulated shallow cumulus. Journal of Advances in Modeling Earth Systems, 8, 520-537. doi:10.1002/2016MS000631 [publisher-version][supplementary-material]
  • Naumann, A. & Seifert, A. (2016). Evolution of the shape of the raindrop size distribution in simulated shallow cumulus. Journal of the Atmospheric Sciences, 73, 2279-2297. doi:10.1175/JAS-D-15-0263.1 [publisher-version]
  • Ruppert, J. & Johnson, R. (2016). On the cumulus diurnal cycle over the tropical warm pool. Journal of Advances in Modeling Earth Systems, 8, 669-690. doi:10.1002/2015MS000610 [publisher-version]
  • Ruppert, J. (2016). Diurnal timescale feedbacks in the tropical cumulus regime. Journal of Advances in Modeling Earth Systems, 8, 1483-1500. doi:10.1002/2016MS000713 [publisher-version]
  • Sakradzija, M., Seifert, A. & Dipankar, A. (2016). A stochastic scale-aware parameterization of shallow cumulus convection across the convective gray zone. Journal of Advances in Modeling Earth Systems, 8, 786-812. doi:10.1002/2016MS000634 [publisher-version]
  • Schlemmer, L. & Hohenegger, C. (2016). Modifications of the atmospheric moisture field as a result of cold-pool dynamics. Quarterly Journal of the Royal Meteorological Society, 142, 30-42. doi:10.1002/qj.2625
  • Simmer, C., Adrian, G., Jones, S., Wirth, V., Göber, M., Hohenegger, C., Janjic´, T., Keller, J., Ohlwein, C., Seifert, A., Trömel, S., Ulbrich, T., Wapler, K., Weissmann, M., Keller, J., Masbou, M., Meilinger, S., Riß, N., Schomburg, A., Vormann, A. & Weingärtner, C. (2016). HErZ - The German Hans-Ertel Centre for Weather Research. Bulletin of the American Meteorological Society, 97, 1057-1068. doi:10.1175/BAMS-D-13-00227.1 [publisher-version]
  • Siongco, A. (2016). Drivers of precipitation biases in the tropical Atlantic sector. Phd Thesis, Hamburg: Universität Hamburg. Berichte zur Erdsystemforschung, 181. doi:10.17617/2.2321074 [publisher-version]
  • Chen , R. & Tomassini, L. (2015). The role of moisture in summertime low-level jet formation and associated rainfall over the East Asian monsoon region. Journal of the Atmospheric Sciences, 72, 3871-3890. doi:10.1175/JAS-D-15-0064.1 [publisher-version]
  • Hohenegger, C., Schlemmer, L. & Silvers, L. (2015). Coupling of convection and circulation at various resolutions. Tellus Series A-Dynamic Meteorology and Oceanography, 67: 26678. doi:10.3402/tellusa.v67.26678 [publisher-version]
  • Naumann, A. (2015). Cloud structures and rain formation in the atmospheric boundary layer. Phd Thesis, Hamburg: Universität Hamburg. Berichte zur Erdsystemforschung, 170. doi:10.17617/2.2166985 [publisher-version]
  • Naumann, A. & Seifert, A. (2015). A Lagrangian drop model to study warm rain microphysical processes in a shallow cumulus. Journal of Advances in Modeling Earth Systems, 7, 1136-1154. doi:10.1002/2015MS000456 [publisher-version]
  • Rieck, M., Hohenegger, C. & Gentine, P. (2015). The effect of moist convection on thermally induced mesoscale circulations. Quarterly Journal of the Royal Meteorological Society, 141, 2418-2428. doi:10.1002/qj.2532
  • Rieck, M. (2015). The role of heterogeneities and land-atmosphere interactions in the development of moist convection. Phd Thesis, Hamburg: Universität Hamburg. Berichte zur Erdsystemforschung, 167. doi:10.17617/2.2095640 [publisher-version]
  • Rosch, J., Heus, T., Brueck, M., Salzmann, M., Mülmenstädt, J., Schlemmer, L. & Quaas, J. (2015). Analysis of diagnostic climate model cloud parametrizations using large-eddy simulations. Quarterly Journal of the Royal Meteorological Society, 141, 2199-2205. doi:10.1002/qj.2515
  • Sakradzija, M. (2015). A stochastic parameterization of shallow cumulus convection for high-resolution numerical weather and climate models. Phd Thesis, Hamburg: Universität Hamburg. Berichte zur Erdsystemforschung, 171. doi:10.17617/2.2183346 [publisher-version]
  • Sakradzija, M., Seifert, A. & Heus, T. (2015). Fluctuations in a quasi-stationary shallow cumulus cloud ensemble. Nonlinear Processes in Geophysics, 22, 65-85. doi:10.5194/npg-22-65-2015 [publisher-version]
  • Sant, V., Posselt, R. & Lohmann, U. (2015). Prognostic precipitation with three liquid water classes in the ECHAM5-HAM GCM. Atmospheric Chemistry and Physics, 15, 8717-8738. doi:10.5194/acp-15-8717-2015 [publisher-version]
  • Siongco, A., Hohenegger, C. & Stevens, B. (2015). The Atlantic ITCZ bias in CMIP5 models. Climate Dynamics, 45, 1169-1180. doi:10.1007/s00382-014-2366-3 [publisher-version]
  • Tomassini, L., Voigt, A. & Stevens, B. (2015). On the connection between tropical circulation, convective mixing, and climate sensitivity. Quarterly Journal of the Royal Meteorological Society, 141, 1404 -1416. doi:10.1002/qj.2450 [pre-print]
  • Bhattacharya, R. (2014). A two turbulence kinetic energy model for the scale adaptive treatment of the planetary boundary layer. Phd Thesis, Hamburg: Universität Hamburg. Berichte zur Erdsystemforschung, 154. doi:10.17617/2.2043342 [publisher-version]
  • Froidevaux, P., Schlemmer, L., Schmidli, J., Langhans, W. & Schaer, C. (2014). Influence of the background wind on the local soil moisture-precipitation feedback. Journal of the Atmospheric Sciences, 71, 782-799. doi:10.1175/JAS-D-13-0180.1 [publisher-version]
  • Rieck, M., Hohenegger, C. & van Heerwaarden, C. (2014). The influence of land surface heterogeneities on cloud size development. Monthly Weather Review, 142, 3830-3846. doi:10.1175/MWR-D-13-00354.1 [publisher-version]
  • Schemann, V. (2014). Towards a scale aware cloud process parameterization for global climate models. Phd Thesis, Hamburg: Universität Hamburg. Berichte zur Erdsystemforschung, 145. doi:10.17617/2.1932864 [publisher-version]
  • Schlemmer, L. & Hohenegger, C. (2014). The formation of wider and deeper clouds as a result of cold-pool dynamics. Journal of the Atmospheric Sciences, 71, 2842-2858. doi:10.1175/JAS-D-13-0170.1 [publisher-version]
  • Weissmann, M., Gober, M., Hohenegger, C., Janjic, T., Keller, J., Ohlwein, C., Seifert, A., Tromel, S., Ulbrich, T., Wapler, K., Bollmeyer, C. & Deneke, H. (2014). Initial phase of the Hans-Ertel Centre for Weather Research - A virtual centre at the interface of basic and applied weather and climate research. Meteorologische Zeitschrift, 23, 193-208. doi:10.1127/0941-2948/2014/0558 [publisher-version]
  • Abma, D., Heus, T. & Mellado, J.-P. (2013). Direct numerical simulations of evaporative cooling at the lateral boundary of shallow cumulus clouds. Journal of the Atmospheric Sciences, 70, 2088-2102. doi:10.1175/JAS-D-12-0230.1 [publisher-version]
  • Blossey, P., Bretherton, C., Zhang, M., Cheng, A., Endo, S., Heus, T., Liu, Y., Lock, A., De Roode, S. & Xu, K.-M. (2013). Marine low cloud sensitivity to an idealized climate change: The CGILS les intercomparison. Journal of Advances in Modeling Earth Systems, 5, 234-258. doi:10.1002/jame.20025 [publisher-version]
  • Crueger, T., Hohenegger, C. & May, W. (2013). Tropical precipitation and convection changes in the Max Planck Institute Earth system model (MPI-ESM) in response to CO2 forcing. Journal of Advances in Modeling Earth Systems, 5, 85-97. doi:10.1002/jame.20012 [publisher-version]
  • De Rooy, W., Bechtold, P., Fröhlich, K., Hohenegger, C., Jonker, H., Mironov, D., Pier Siebesma, A., Teixeira, J. & Yano, J.-I. (2013). Entrainment and detrainment in cumulus convection: An overview. Quarterly Journal of the Royal Meteorological Society, 139, 1-19 . doi:10.1002/qj.1959
  • Giorgetta, M., Roeckner, E., Mauritsen, T., Bader, J., Crueger, T., Esch, M., Rast, S., Kornblueh, L., Schmidt, H., Kinne, S., Hohenegger, C., Möbis, B., Krismer, T., Wieners, K.-H. & Stevens, B. (2013). The atmospheric general circulation model ECHAM6 - Model description. Berichte zur Erdsystemforschung / Max-Planck-Institut für Meteorologie, 135. [publisher-version]
  • Heus, T. & Seifert, A. (2013). Automated tracking of shallow cumulus clouds in large domain, long duration Large Eddy Simulations. Geoscientific Model Development, 6, 1261-1273. doi:10.5194/gmd-6-1261-2013 [publisher-version]
  • Hohenegger, C. & Stevens, B. (2013). Preconditioning deep convection with cumulus congestus. Journal of the Atmospheric Sciences, 70, 448-464. doi:10.1175/JAS-D-12-089.1 [publisher-version]
  • Hohenegger, C. & Stevens, B. (2013). Controls on and impacts of the diurnal cycle of deep convection. Journal of Advances in Modeling Earth Systems, 5, 801-815. doi:10.1002/2012MS000216 [publisher-version]
  • Naumann, A., Seifert, A. & Mellado, J.-P. (2013). A refined statistical cloud closure using double-Gaussian probability density functions. Geoscientific Model Development, 6, 1641-1657. doi:10.5194/gmd-6-1641-2013 [publisher-version]
  • Schemann, V., Stevens, B., Gruetzun, V. & Quaas, J. (2013). Scale dependency of total water variance and its implication for cloud parameterizations. Journal of the Atmospheric Sciences, 70, 3615-3630. doi:10.1175/JAS-D-13-09.1 [publisher-version]
  • Seifert, A. & Heus, T. (2013). Large-eddy simulation of organized precipitating trade wind cumulus clouds. Atmospheric Chemistry and Physics, 13, 5631-5645. doi:10.5194/acp-13-5631-2013 [publisher-version][supplementary-material]
  • Zhang, M., Bretherton, C., Blossey, P., Austin, P., Bacmeister, J., Bony, S., Brient, F., Cheedela, S.-K., Cheng, A., Genio, A., Roode, S., Endo, S., Franklin, C., Golaz, J.-C., Hannay, C., Heus, T., Isotta, F., Dufresne, J.-L., Kang, I.-S., Kawai, H., Köhler, M., Larson, V., Liu, Y., Lock, A., Lohmann, U., Khairoutdinov, M., Molod, A., Neggers, R., Rasch, P., Sandu, I., Senkbeil, R., Siebesma, A., Drian, C.-L., Stevens, B., Suarez, M., Xu, K.-M., von Salzen, K., Webb, M., Wolf, A. & Zhao, M. (2013). CGILS: Results from the first phase of an international project to understand the physical mechanisms of low cloud feedbacks in single column models. Journal of Advances in Modeling Earth Systems, 5, 826-842. doi:10.1002/2013MS000246 [publisher-version]
  • Lieber, M., Grützun, V., Wolke, R., Müller, M. & Nagel, W. (2012). Highly scalable dynamic load balancing in the atmospheric modeling system COSMO-SPECS+FD4. In Applied Parallel and Scientific Computing : 10th International Conference, PARA 2010, Reykjavík, Iceland, June 6-9, 2010, Revised Selected Papers, Part I (pp.131-141). Berlin: Springer.
  • Naumann, A., Notz, D., Havik, L. & Sirevaag, A. (2012). Laboratory study of initial sea-ice growth: properties of grease ice and nilas. Cryosphere, 6, 729-741 . doi:10.5194/tc-6-729-2012 [publisher-version]
  • Neggers, R., Siebesma, A. & Heus, T. (2012). Continous single-column model evaluation at a permanent meteorological supersite. Bulletin of the American Meteorological Society, 93, 1389-1400. doi:10.1175/BAMS-D-11-00162.1 [publisher-version]
  • Rieck, M., Nuijens, L. & Stevens, B. (2012). Marine boundary layer cloud feedbacks in a constant relative humidity atmosphere. Journal of the Atmospheric Sciences, 69, 2538-2550. doi:10.1175/JAS-D-11-0203.1
  • Schlemmer, L., Hohenegger, C., Schmidli, J. & Schär, C. (2012). Diurnal equilibrium convection and land surface-atmosphere interactions in an idealized cloud-resolving model. Quarterly Journal of the Royal Meteorological Society, 138, 1526-1539. doi:10.1002/qj.1892
  • Hohenegger, C. & Bretherton, C. (2011). Simulating deep convection with a shallow convection scheme. Atmospheric Chemistry and Physics, 11, 10389-10406. doi:10.5194/acp-11-10389-2011 [publisher-version][any-fulltext]
  • Neggers, R., Heus, T. & Siebesma, A. (2011). Overlap statistics of cumuliform boundary-layer cloud fields in large-eddy simulations. Journal of Geophysical Research-Atmospheres, 116: D21202. doi:10.1029/2011JD015650
  • Heus, T., van Heerwaarden, C., Jonker, H., Pier Siebesma, A., Axelsen, S., van den Dries, K., Geoffroy, O., Moene, A., Pino, D., de Roode, S. & Vilà-Guerau de Arellano, J. (2010). Formulation of the Dutch Atmospheric Large-Eddy Simulation (DALES) and overview of its applications. Geoscientific Model Development, 3, 415-444. doi:10.5194/gmd-3-415-2010 [publisher-version]

Kontakt

Dr. Cathy Hohenegger

Gruppenleiterin
Tel: +49 (0)40 41173-302
cathy.hohenegger@we dont want spammpimet.mpg.de

Weitere Themen

FESSTVaL

FESSTVaL: ein Festival von fast 300 Instrumenten, die zusammenkommen, um einen Blick auf die Entstehung von Gewittern in den mittleren Breiten zu werfen.

Mehr erfahren

Fesstval, Sensor und Fesstval Flagge mit Logo, wolkiger Horizont im Hintergrund
Beobachtungen Klimaphysik Veröffentlichung Wolken

Wenn Gewitter die Augen der Wissenschaftler*innen zum Leuchten bringen: erste Ergebnisse der FESSTVaL-Messkampagne

In einer kürzlich veröffentlichten Studie berichtet Dr. Cathy Hohenegger, Gruppenleiterin in der Abteilung Klimaphysik, über das „Field Experiment on…

Satellitenbild der Erde mit Wolkenwirbel
Beobachtungen Klimaphysik Wolken

Wivern Earth Explorer Kandidat geht in die nächste Runde

Die Satellitenmission Wivern wurde von der Europäischen Weltraumorganisation ESA als eine von zwei Kandidaten für die elfte europäische…