E!115410 Snow Water Equivalent forecasting service for the hydropower sector

Vannkraftdrift og -planlegging krever vannprognoser på korte (vanligvis timer til dager) og lange områder (en sesong fremover), som gir en rekke beslutninger fra produksjonsplanlegging til flomsikring. I snøutsatte fjellområder utgjør avsmelting en betydelig utfordring gitt usikkerhet knyttet til timing og volum av snøsmeltende vann. Å kvantifisere denne vannressursen er utfordrende på grunn av den svært varierende snømengden i det komplekse fjellterrenget. Denne usikkerheten fører til ineffektiv vannforvaltning, noe som forårsaker betydelige tap for vannkraftindustrien. Videre er det vanskelig å tilpasse mengden vann i reservoarene som medfører oversvømmelse som skaper flomødeleggelser og tapt produksjon for kraftindustrien (1). Videre forårsaker global oppvarming skift i nedbørsmønstre med tidligere snøsmelting (2). Disse endringene øker unøyaktighetene til hydrologiske modeller som er avhengige av historiske snøsmeltemønstre. Hovedmålet med dette SnoWE-prosjektet er å forbedre streamflow-prognoser betydelig basert på svært nøyaktige og eksplisitt informasjon om snøsmelting. Grunnlaget for disse forbedrede snøprognosene bygger på en sofistikert fysisk snømodell. Denne modellen er i sin tur drevet av numeriske værmeldinger, multi-satellitt observasjoner og in situ måling av snøpakken, for eksempel snødybde og SWE. Alle disse dataene leveres utfyllende av konsortiets partnere. Ved å forbedre prognoser optimaliserer vi effektiviteten til fornybar vannkraft, hensyntar klimaendringseffekter og reduserer flomrisiko. For å oppnå dette sentrale målet, er hovedkomponentene i SnoWE prosjektet: ? Nær sanntids snødekke, basert på bilder fra flere satellitter ? In-situ målinger på snødybde og SWE ved bruk av vår egen radarsensor (se vedlegg for flere detaljer) ? Numeriske værmeldinger for å drive snøbalansemodellen ? API for å gi automatisk tilgang til snøprognoseproduktene

-

Hydropower operation and planning requires streamflow forecasts at both short (typically, hours to days) and long ranges (a season ahead), which serves a variety of decisions from production planning to flood protection. In snow-prone mountain areas, snowmelt runoff poses a significant challenge given the uncertainties related to the timing and volume of snowmelt water. Quantifying this water resource is challenging due to the highly variable snowpack in the complex mountain terrain. This uncertainty leads to inefficient water management, which causes significant losses for the hydropower industry. Furthermore, floods regularly exceed reservoirs to capacities resulting in water spills and severe downstream damage (1). Furthermore, global warming causes shifts in precipitation patters with earlier snowmelt onsets (2). These changes further increase the inaccuracies of hydrological models that rely on historical snowmelt patterns. The main objective of this SnoWE project is to significantly improve streamflow forecasts based on highly accurate and spatially explicit snowmelt information. The foundation for these improved snow forecasts builds a sophisticated physical snow model. This model in turn is driven by numerical weather forecasts, multi-satellite observations and in-situ measurement on the snowpack, such as snow depth and SWE. All these input data are provided complementary by the consortium partners. By improving streamflow forecasts, we optimize the efficiency of renewable hydropower, mitigate climate change effects, and reduce flood risks. To achieve this key objective, the main components of this proposed SnoWE project comprise: • Near real-time snow cover extent based on multi-satellite imagery • In-situ measurements on snow depth and SWE using our own radar sensor (see Annex for more details) • Numerical weather forecasts to drive the snow balance model • API to provide automated access to the snow forecast products