Модель для прогнозирования горного снежного покрова дает более четкую картину весеннего стока и влияния изменения климата

Исследователи из Университета Саскачевана (University of Saskatchewan, USask) разработали новую модель, которая впервые с высокой точностью и детализацией успешно предсказывает состояние горного снежного покрова. Эта информация имеет критическое значение для управления водными ресурсами, сельского хозяйства, горнодобывающей промышленности, рекреации и прогнозирования наводнений по всему миру, поскольку снежный покров в горах является основным источником весеннего стока.

Более половины человечества зависит от стока талых вод с горных снежников для питья, выработки электроэнергии и орошения. Новая модель, работающая на суперкомпьютерах, позволяет водохозяйственным организациям лучше оценивать снеговые водные ресурсы. Например, объем снежника в Скалистых горах определяет гидроэнергетический потенциал плотины Гардинер и количество воды, доступной для ирригации в озере Дифенбейкер.

"Мы наконец можем прогнозировать формирование горного снежного покрова", — заявил Джон Помрой, профессор кафедры географии и планирования USask. Модель CHM обрабатывает детальные данные о распределении снега ветром и лавинами, затенении склонами, ветровом потоке над гребнями и растительности, а также прогнозы погоды. Результаты моделирования для участка в 1000 км² в долине Кананаскис близко совпали с данными LiDAR-измерений и спутниковыми снимками.

Модель масштабируема для больших территорий, таких как Североамериканские Кордильеры или Высокогорная Азия. "Это действительно важно для получения оценок объема снежного покрова в труднодоступных горных районах к концу зимы", — отметил разработчик модели Крис Марш. Интерес к использованию модели уже проявляют другие провинции и международные организации, включая ЮНЕСКО.

Валидация модели показала решающую важность учета таких процессов, как ветровое перераспределение снега и лавинообразование. "Вы видите огромное снижение производительности модели, что ясно иллюстрирует важность учета этих процессов", — пояснил ведущий автор работы Венсан Вионне. Разработка модели также является ответом на высокую стоимость традиционных методов мониторинга снега.