Na tientallen jaren van onderzoek, er is een nieuw model ontwikkeld door onderzoekers van de Universiteit van Saskatchewan (USask) die voor het eerst met succes sneeuwlagen in de bergen voorspelden met een hoge mate van nauwkeurigheid en detail - informatie die van cruciaal belang is voor waterbeheer, landbouw, mijnbouw, recreatie, en overstromingsvoorspellingen wereldwijd. Sneeuwbedekking in de bergen is de belangrijkste oorzaak van afvoer in het voorjaar.

"Sneeuw in de Canadese Rockies is goed voor 60% van de stroom van de South Saskatchewan River en driekwart van de provincie is ervan afhankelijk voor drinkwater, voor irrigatie, voor kalimijnen en andere industrieën, " zei John Pomeroy, Canada Research Chair in Water Resources and Climate Change en professor aan de USask Department of Geography and Planning. "De rivieren in Saskatchewan zijn echt de levensader van de provincie."

Volgens Pomeroy, meer dan de helft van de mensheid vertrouwt op de afvoer van bergsneeuw om te drinken, stroomopwekking, en irrigatie.

"We kunnen eindelijk de ontwikkeling van een sneeuwlaag in de bergen voorspellen, " zei Pomeroy. "Dit is een grote prestatie, waardoor waterbeheerbureaus onze bergsneeuwwaterbronnen beter kunnen beoordelen."

Bijvoorbeeld, de hoeveelheid sneeuw in de Rockies elke winter bepaalt de hydro-elektrische capaciteit bij de Gardiner Dam, en de hoeveelheid water die beschikbaar is in het Diefenbakermeer voor irrigatie.

Grote gegevens

Draaien op supercomputers, het Canadian Hydrological Model (CHM) kraakt gedetailleerde gegevens over sneeuwverdeling door wind en lawines, schaduw door bergen, windstroom over richels, en vegetatie, samen met weersvoorspellingen, om een ​​schatting te maken van waar en hoeveel sneeuw zich in een bepaald gebied heeft opgehoopt.

Het USask-team gebruikte hun model om de hoeveelheid sneeuw in een 1 te voorspellen. 000 vierkante kilometer gebied van de zuidelijke Kananaskis-vallei, in de Canadese Rockies. hun resultaten, medio februari gepubliceerd in het tijdschrift De cryosfeer , waren een goede match met sneeuwdieptegegevens verzameld door een team van wetenschappers van de Universiteit van British Columbia met behulp van LiDAR-lasermetingen (lichtdetectie en -bereik) die per vliegtuig zijn genomen. Hoge resolutie sneeuwbedekkingsgegevens, vastgelegd door satelliet en verwerkt door een laboratorium van de Universiteit van Toulouse (Frankrijk), bevestigden de resultaten.

Het genereren van schattingen van sneeuwophoping is momenteel een kostbare, arbeidsintensieve oefening, vertrouwen op teams van sneeuwexperts die het achterland in gaan op ski's of per helikopter, vervolgens handmatig de sneeuwdiepte en -dichtheid op afgelegen locaties meten - technieken die al meer dan een eeuw worden gebruikt. Vanwege de kosten en de tijd die ermee gemoeid zijn, ze kunnen maar op een paar plaatsen metingen doen.

Het USask-team heeft een demonstratiewebsite gemaakt, Snowcast genaamd, die hun model gebruikt om bijna realtime schattingen van de sneeuwlaag te genereren voor een deel van de Bow Valley dat net ten westen van Calgary begint en tot aan Lake Louise en Field loopt.

Model schaalbaar tot grote gebieden

Chris Marsh, een USask-postdoctoraal onderzoeker die het CHM ontwikkelde als onderdeel van zijn Ph.D. met het USask Global Institute for Water Security en Department of Geography and Planning, is enthousiast over het potentieel om het model op te schalen van een relatief klein onderzoeksdomein naar grotere gebieden, zoals de Noord-Amerikaanse Cordillera (de bijna ononderbroken bergketen die langs de westkant van de Verenigde Staten en Canada loopt) of Hooggebergte Azië (een berggebied met 's werelds grootste verzameling gletsjers en sneeuw).

"Zeer grote ruimtelijke uitgestrektheden zijn nu oplosbaar met een model als dit, " zei Marsh. "Het is heel belangrijk om schattingen te kunnen geven van de hoeveelheid sneeuw aan het einde van de winter in moeilijk bereikbare berggebieden. Simulaties bieden een ontbrekend stukje van de puzzel om de hoeveelheid water in de sneeuwbedekking in de bergen te helpen kwantificeren."

Andere provincies tonen al interesse om het model te gebruiken voor hydrologische voorspellingen, zei Pomeroy, en recente gesprekken met UNESCO (United Nations Educational, Wetenschappelijke en Culturele Organisatie) suggereren dat er wereldwijde interesse is om zijn voorspellende kracht te benutten.

"Dit zorgt voor een beter waterbeheer, dat is zeker wat elk waterbeheerbureau ter wereld op dit moment wil, nu ons klimaat veranderlijker wordt, zei Pomeroy. "We zien wilde schommelingen in het weer en bij extreme gebeurtenissen, zoals droogte en overstromingen. Het is een echte uitdaging voor het waterbeheer, om te proberen deze uitersten glad te strijken, om een ​​constante voorziening voor iedereen te bieden."

Uitdagingen bij het bouwen van het model

Hoofdauteur Vincent Vionnet, nu een onderzoekswetenschapper bij Environment and Climate Change Canada, bracht twee jaar door met het door USask geleide Global Water Futures-programma om aan het project te werken. Hij bedacht het ontwerp om het model te valideren, en een strategie voor het lastige werk om het gedrag van de bergwind in de CHM op te nemen.

Als onderdeel van hun validatie, het team was in staat om de verschillende fysieke factoren in hun model aan en uit te zetten - een proces dat modelvervalsing wordt genoemd - om te bepalen hoe groot hun invloed was op de nauwkeurigheid van de gegenereerde informatie.

"We hebben de herverdeling van de wind uitgeschakeld, we hebben de lawine uitgeschakeld, " zei Vionnet. "Je ziet een enorme afname in de prestaties van het model, wat duidelijk het belang illustreert om rekening te houden met deze processen."

Kostbare inspanning

Californië besteedt $ 14 miljoen aan luchtmetingen van sneeuwlagen in de bergen van de Sierra Nevada met behulp van LiDAR-technologie, volgens Pomeroy.

"Ze meten het op die manier omdat ze het niet kunnen modelleren, "zei Pomeroy. "Dat deden we in 2007 in de Rockies, maar we kunnen het ons niet veroorloven om het (regelmatig) te doen. We moesten uitzoeken hoe we de sneeuwlaag konden berekenen zonder die informatie. Soms als je de rijkdom niet hebt, je wordt gedwongen slimmer te zijn."