Forskare från Oregon State University har utvecklat en ny datormodell för att beräkna vatteninnehållet i snösäckar, tillhandahålla ett viktigt verktyg för vattenresursförvaltare och lavinprognoserare såväl som forskare.

"På många platser runt om i världen, snö är en kritisk komponent i den hydrologiska cykeln, ", sa OSU civilingenjör professor David Hill. "Direkt mätning av snö-vatten ekvivalent är svårt och dyrt och kan inte göras överallt. Men information om snödjup är mycket lättare att få, så vår modell, som mer exakt uppskattar snövattenekvivalenter från snödjup än tidigare modeller, är ett stort steg framåt. "

Resultaten, publiceras i Kryosfären , är relaterade till ett NASA-finansierat snödjupsprojekt som leds av Hill och även involverar Oregon State Ph.D. elev Ryan Crumley.

Projektet kallas Community Snow Observations och är en del av NASA:s Citizen Science for Earth Systems-program. Snöskor, skidåkare och användare av snömaskiner samlar in data för att använda i datormodellering av snövattenekvivalenter, eller SWE.

Community Snow Observations forskarteam startade i februari 2017. Leds av Hill, Gabe Wolken från University of Alaska Fairbanks och Anthony Arendt från University of Washington, projektet fokuserade ursprungligen på Alaskas snöpåsar. Forskare började sedan rekrytera medborgarforskare i Pacific Northwest. För närvarande, projektet har fler än 2, 000 deltagare.

University of Alaska Fairbanks har gått i spetsen för projektets offentliga engagemang, medan University of Washingtons huvudroll är att hantera data. Hill och Crumley är ansvariga för modelleringen.

Förutom snödjupsinformation som samlats in och laddats upp av fritidsaktivister som använder lavinsonder, stora mängder data är också tillgängliga tack vare LIDAR, en fjärranalysmetod som använder en pulsad laser för att kartlägga jordens topografi.

Den nya modellen som utvecklats av Community Snow Observations-teamet och samarbetspartners vid University of New Hampshire beräknar snövattenekvivalenter genom att ta hänsyn till snödjupet, tid på året, 30-års medelvärden (normaler) för vinter nederbörd, och säsongsmässiga skillnader mellan varma och kalla temperaturer.

"Genom att använda dessa klimatnormaler snarare än dagliga väderdata kan vår modell tillhandahålla SWE-uppskattningar för områden långt från någon väderstation, "Sa Hill.

Forskare validerade modellen mot en databas med mätningar av snökuddar - en snökudde mäter snövattenekvivalenter via trycket som utövas av snön ovanpå den - samt ett par stora oberoende datamängder, en från västra Nordamerika, den andra från nordöstra USA.

"Vi jämförde också modellen med tre andra modeller av varierande grad av komplexitet byggda i en mängd olika geografiska regioner, ", sade Hill. "Resultaten visar att vår modell presterade bättre än alla av dem mot valideringsdatauppsättningarna. Det är effektivt, lättanvända metoder för uppskattning mycket användbara för stora områden som saknar väderinstrument – ​​områden för vilka snödjupsdata är lätt tillgängliga och dagliga väderdata inte är det."