Model til forudsigelse af bjergsnepakning giver et klarere billede af forårets afstrømning, virkningerne af klimaændringer

Efter årtiers forskning, en ny model blev udviklet af University of Saskatchewan (USask) forskere, der for første gang med succes forudsagde bjergsnepakning med en høj grad af nøjagtighed og detaljer - information af afgørende betydning for vandforvaltning, landbrug, minedrift, rekreation, og oversvømmelsesprognoser på verdensplan. Snedækket i bjergene er den vigtigste drivkraft for forårets afstrømning.

"Sne i de canadiske klippebjerge tegner sig for 60% af strømmen af ​​South Saskatchewan-floden, og tre fjerdedele af provinsen er afhængig af den til drikkevand, til kunstvanding, til kaliminedrift og andre industrier, " sagde John Pomeroy, Canada Research Chair i Water Resources and Climate Change og professor i USask Department of Geography and Planning. "Floder i Saskatchewan er virkelig livsnerven i provinsen."

Ifølge Pomeroy, mere end halvdelen af ​​menneskeheden er afhængig af afstrømning fra bjergsne til at drikke, elproduktion, og kunstvanding.

"Vi kan endelig forudsige udviklingen af ​​bjergsnepakker, " sagde Pomeroy. "Dette er en stor præstation, som giver vandforvaltningsorganer mulighed for bedre at vurdere vores bjergsnevandsressourcer."

For eksempel, mængden af ​​snepakning i Rockies hver vinter bestemmer vandkraftkapaciteten ved Gardiner-dæmningen, og mængden af ​​vand til rådighed i Lake Diefenbaker til kunstvanding.

Big data

Kør på supercomputere, den canadiske hydrologiske model (CHM) samler detaljerede data om snefordeling ved vind og laviner, skygge af bjerge, vinden strømmer over højdedrag, og vegetation, sammen med vejrudsigter, at generere et skøn over hvor og hvor meget sne der er samlet i et givent område.

USask-teamet brugte deres model til at forudsige mængden af ​​snepakning i en 1, 000 kvadratkilometer område af den sydlige Kananaskis Valley, i de canadiske Rockies. Deres resultater, udgivet midt i februar i tidsskriftet Kryosfæren , var et tæt match med snedybdedata indsamlet af et team af forskere ved University of British Columbia ved hjælp af LiDAR (light detection and rangeing) lasermålinger taget med fly. Højopløselige snedækkedata fanget af satellit og behandlet af et laboratorium ved University of Toulouse (Frankrig) bekræftede resultaterne.

Det er i øjeblikket dyrt at generere skøn over sneophobning, arbejdskrævende træning, stole på hold af sneinspektører, der går ind i baglandet på ski eller med helikopter, derefter manuelt måle snedybde og tæthed på fjerntliggende steder - teknikker, der har været brugt i over et århundrede. På grund af omkostninger og tid involveret, de kan kun måle nogle få steder.

USask-teamet har oprettet et demonstrationswebsted kaldet Snowcast, som bruger deres model til at generere næsten realtidsestimat af snepakning for en del af Bow Valley, der starter lige vest for Calgary og løber op til Lake Louise og Field.

Model skalerbar til store områder

Chris Marsh, en USask post-doc-stipendiat, der udviklede CHM som en del af sin ph.d. med USask Global Institute for Water Security og Department of Geography and Planning, er begejstret for potentialet i at skalere modellen op fra et relativt lille forskningsdomæne til større områder, såsom den nordamerikanske Cordillera (den næsten sammenhængende bjergkæde, der løber langs den vestlige side af USA og Canada) eller High-mountain Asia (en bjergregion, der er hjemsted for verdens største samling af gletsjere og sne).

"Meget store rumlige udstrækninger kan nu løses med en model som denne, " sagde Marsh. "Det er virkelig vigtigt for at kunne give estimater for mængden af ​​slutningen af ​​vinterens snedække i svært tilgængelige bjergområder. Simuleringer giver en manglende brik i puslespillet for at hjælpe med at kvantificere mængden af ​​vand i bjergets snedække."

Andre provinser viser allerede interesse for at bruge modellen til hydrologisk prognose, sagde Pomeroy, og nylige drøftelser med UNESCO (United Nations Educational, Scientific and Cultural Organisation) tyder på, at der er global interesse i at udnytte dens forudsigelseskraft.

"Dette vil give mulighed for bedre vandforvaltning, hvilket bestemt er, hvad ethvert vandforvaltningsagentur i verden ønsker lige nu, med vores klima, der bliver mere varierende, sagde Pomeroy. "Vi ser vilde udsving i vejret og i ekstreme begivenheder, såsom tørke og oversvømmelser. Det er en reel udfordring for vandforvaltning, at forsøge at udjævne disse ekstremer, at sørge for konstante forsyninger til alle."

Udfordringer ved at bygge modellen

Hovedforfatter Vincent Vionnet, nu forsker hos Environment and Climate Change Canada, brugte to år med det USask-ledede Global Water Futures-program og arbejdede på projektet. Han kom med designet til at validere modellen, og en strategi for det vanskelige arbejde med at inkorporere bjergvindadfærd i CHM.

Som en del af deres validering, holdet var i stand til at slå de forskellige fysiske faktorer til og fra i deres model – en proces kaldet modelforfalskning – for at bestemme, hvor stor indflydelse hver enkelt havde på nøjagtigheden af ​​den genererede information.

"Vi har slået vindomfordelingen fra, vi slukkede for lavinen, " sagde Vionnet. "Du ser et enormt fald i modellens ydeevne, der tydeligt illustrerer vigtigheden af ​​at tage højde for disse processer."

En kostbar indsats

Californien bruger 14 millioner dollars på at tage luftmålinger af snepakning i Sierra Nevada-bjergene ved hjælp af LiDAR-teknologi, ifølge Pomeroy.

"De måler det på den måde, fordi de ikke kan modellere det, " sagde Pomeroy. "Det gjorde vi tilbage i 2007 i Rockies, men vi har ikke råd til at gøre det (regelmæssigt). Vi skulle finde ud af, hvordan vi beregnede snepakningen uden den information. Nogle gange, når du ikke har rigdommen, du er tvunget til at være klogere."