Tilbake til søkeresultatene

KLIMAFORSK-Stort program klima

Better SNOW models for Natural hazards and HydropOWer applications

Alternativ tittel: Bedre snømodeller for naturfarer og vannkraftproduksjon (SNOWHOW)

Tildelt: kr 4,8 mill.

Snøforhold er en viktig faktor klimatisk, for dyr og planter og for samfunnet. I Norge faller en tredjedel av nedbøren som snø, og den er viktig av økonomiske årsaker (vannkraft), for samfunnets infrastruktur (transport, dimensjonering av bygninger, dammer broer, etc) og ikke minst for fritidsaktiviteter (skigåing, hytteliv og andre utendørsaktiviteter). I dag bruker vi data modeller og observasjoner for å overvåke og prognosere snøforhold. Modellene som anvendes er ofte av en regresjonstype, det vil si at vi har tilpasset funksjoner til observasjoner av nedbør, temperatur og snø. Slike modeller står i kontrast til mer fysisk baserte modeller hvor f.eks. smelting er beregnet ut i fra en energibalansebetrakting i stedet for en antatt proporsjonal sammenheng mellom antall plussgrader og mengde smeltet snø. Grunnen til forskjellen i modelltilnærming er at de forsøker å beskrive snø på forskjellig romlig skala. Fysisk baserte modeller kan gi ganske gode beskrivelser for et punkt, gitt de riktige inngangsdata, mens regresjons modellen har vist sin styrke i å beskrive snø for større områder, for eksempel et nedbørsfelt. Regresjonsmodeller er, derimot ikke gode på å beskrive snø for forhold de ikke er tilpasset for, som eksempel under et endret klima. Det er heller ikke mulig å få korrigert modellen når vi har observasjoner som forteller oss at den går feil. I SNOWHOW vil NVE, MET og SINTEF, sammen med partnere fra vannkraftindustrien (Glommen og Laagens brukseierforening, Hydro Energi, E-CO Energi og Trønderenergi), 1) ta i bruk snøinformasjon som snødyp, snøens vannekvivalent og snødekket areal målt fra satellitt for å utvikle, oppdatere og evaluere operasjonelle snømodeller 2) forsterke den fysiske realismen i operasjonelle modeller ved å ta det beste fra fysisk baserte- og regresjonsmodeller og 3) lage nye scenarier (2071-2100) for snøforhold i Norge. Resultater fra SNOWHOW vil være nyttig for vannkraftproduksjon, flomvarsling og snøskredvarsling. I løpet av prosjektet ble det klart at modellutviklingen og modellsammenlikningen krevde mye ressurser. Siden dette var de mest sentrale elementene i SNOWHOW ble det besluttet å fokusere ressursene mot dette på bekostning av arbeidet med metoder for fjernmålte data og etablering av nye datasett. Vi har valgt ut fjellområder i midt- og sør Norge for å kjøre og sammenlikne forskjellige snømodeller (Crocus, DDD_CX, DDD_EB og seNorge). Vi har kjørt modellene på timesoppløsning for perioden 1.9.2013-31.8.2016 med like nedbør og temperaturdata fra MET og sammenliknet modellenes simulering av snøparametere som snøens vannekvivalent, snødekningsgrad, smelterater og energibalanseelementer. Resultatet fra eksperimentet er publisert i Skaugen et al. (2018). Vi har utviklet og publisert en ny metode for å estimere snøfordelingen i et nedbørsfelt (Skaugen og Weltzien, 2016). Denne metoden har sine parametere estimert fra nedbørens romlige variabilitet og er således fysisk forankret. Metoden er implementert i DDD_CX og DDD_EB. Vi har utviklet og publisert en metode for å oppdatere seNorge modellen fra observerte snødekke fra satellittbilder (Saloranta, 2016). Den SINTEF utviklede GamSnow modellen har fått utviklet en ny rutine for snøalbedo med mer fysisk realisme og færre frie parametere (Kolberg, 2018). GamSnow ble ikke klar i tide til å bli en del av modellsammenlikningsstudiet beskrevet ovenfor. I SNOWHOW er det for første gang gjort et forsøk på å kjøre snømodellen Crocus regionalt både med observert input (interpolert meteorologisk grid) og med input fra atmosfæremodell. Resultatene av dette studiet viser at observert input gir vesentlig bedre resultater, og antyder at Crocus som varslingsmodell for snø (for snøskred- og flomvarsling) med input fra atmosfæremodell trenger videre utvikling. Resultatene er publisert i Luijting et al. (2018). Den beste modellen fra sammenlikningsstudiet, seNorge, har blitt anvendt for å analysere snøforhold i Norge for et endret klima og resultatene er beskrevet i Saloranta og Andersen (2018). Modellensemblet varierer i grad av fysisk/empirisk beskrivelse av prosesser og behov for kalibrering. Analyser av modellkjøringene viser at empirisk modell for smeltealgoritme, kalibrert mot snøobservasjoner og ikke mot vannføringsobservasjoner, gir gode resultater, mens empirisk modell kalibrert mot vannføring kan gi svært varierende resultater og er derfor ikke å anbefale. Modeller med fysisk basert smeltealgoritme (energibalanse) gir også konsistente og gode resultater. Disse resultatene antyder at SNOWHOW primærmål, å utvikle effektive og mer fysisk baserte snømodeller som kan anvendes for et endret klima og for umålte felter er langt på vei oppfylt. Vi har avholdt to interne workshops hvor planene for SNOWHOW ble konkretisert og våre partnere fra vannkraftindustrien ble oppdatert. SNOWHOW har, sammen med prosjektet ESCYMO, arrangert en vellykket internasjonal workshop på Finse, 10-12 oktober 2017, med 33 deltakere fra 10 forskjellige land.

Operational models of snow processes have evolved differently in hydrology and meteorology. Models for meteorology and avalanche warning have detailed physically based process representations, while models for hydrology have converged towards simplified and heavily calibrated snow parameterisations. The latter has shown to work well under stationary weather regimes, but will fail under conditions, for which they are not calibrated, i.e under a changed climate. Many experiments have failed to prove that physically based snow models are superior to simpler parameterisations. A challenge is that detailed models tend to be sensitive to poorly known quantities. Further, assumptions which hold for a well-controlled experimental site, are often weakly justified for large, heterogeneous areas. Finally, hydrologic validation relies on statistics from runoff series, which are low in information content compared to the complex processes upstream. This project aims at improve the physical realism in snow models, making them reliable for operational simulation of multiple hydrology- and snow characteristics, (runoff, snow water equivalent, snow covered area, snow surface temperature and snow albedo) at multiple spatio-temporal scales. This will be achieved by 1) including all available sources of snow information in developing, evaluating and updating operational snow models, 2) reducing the dependence on calibration parameters by striving for an optimal blending between physically based point models and parameterized area-extensive models and 3) providing a guide to future observation networks better suited to a new generation snow models. The results of the project will lead to improved flood forecasting, weather forecasting, input to hydropower scheduling, and avalanche risk assessment and will further increase knowledge of seasonal snow dynamics among scientists and water managers.

Publikasjoner hentet fra Cristin

Ingen publikasjoner funnet

Ingen publikasjoner funnet

Ingen publikasjoner funnet

Ingen publikasjoner funnet

Budsjettformål:

KLIMAFORSK-Stort program klima