p Após décadas de pesquisa, um novo modelo foi desenvolvido por pesquisadores da Universidade de Saskatchewan (USask) que, pela primeira vez, previu com sucesso a neve acumulada nas montanhas com um alto grau de precisão e detalhes - informações de importância crítica para o gerenciamento da água, agricultura, mineração, lazer, e previsão de enchentes em todo o mundo. A cobertura de neve nas montanhas é a principal causa do escoamento da primavera. p "A neve nas Montanhas Rochosas canadenses é responsável por 60% do fluxo do rio South Saskatchewan e três quartos da província dependem dela para água potável, para irrigação, para mineração de potássio e outras indústrias, "disse John Pomeroy, Presidente de Pesquisa do Canadá em Recursos Hídricos e Mudanças Climáticas e professor do Departamento de Geografia e Planejamento da USask. "Os rios em Saskatchewan são realmente a força vital da província."

p De acordo com Pomeroy, mais da metade da humanidade depende do escoamento da neve da montanha para beber, Geração de energia, e irrigação.

p "Podemos finalmente prever o desenvolvimento de uma camada de neve nas montanhas, "disse Pomeroy." Esta é uma grande conquista, que permitem às agências de gestão de recursos hídricos avaliar melhor nossos recursos hídricos de neve nas montanhas. "

p Por exemplo, a quantidade de neve acumulada nas Montanhas Rochosas a cada inverno determina a capacidade hidrelétrica na Barragem Gardiner, e a quantidade de água disponível no Lago Diefenbaker para irrigação.

p Big data

p Executar em supercomputadores, o Modelo Hidrológico Canadense (CHM) analisa dados detalhados sobre a distribuição de neve pelo vento e avalanches, sombreado por montanhas, fluxo de vento sobre cristas, e vegetação, junto com as previsões do tempo, para gerar uma estimativa de onde e quanta neve se acumulou em uma determinada área.

p A equipe da USask usou seu modelo para prever a quantidade de neve acumulada em um 1, Área de 000 quilômetros quadrados do vale de Kananaskis ao sul, nas Montanhas Rochosas canadenses. Seus resultados, publicado em meados de fevereiro no jornal A criosfera , foram semelhantes aos dados de profundidade da neve coletados por uma equipe de cientistas da Universidade de British Columbia usando medições de laser LiDAR (detecção e alcance de luz) feitas por avião. Dados de alta resolução da cobertura de neve capturados por satélite e processados ​​por um laboratório da Universidade de Toulouse (França) confirmaram os resultados.

p Gerar estimativas de acumulação de neve é ​​atualmente caro, exercício de trabalho intensivo, contando com equipes de inspetores de neve indo para o interior de esquis ou de helicóptero, em seguida, medir manualmente a profundidade e a densidade da neve em locais remotos - técnicas usadas há mais de um século. Por causa do custo e do tempo envolvido, eles só podem fazer medições em alguns locais.

p A equipe da USask criou um site de demonstração chamado Snowcast, que usa seu modelo para gerar estimativas em tempo quase real da camada de neve para uma seção do Bow Valley começando a oeste de Calgary e seguindo até Lake Louise e Field.

p Modelo escalável para grandes áreas

p Chris Marsh, um pós-doutorado da USask que desenvolveu o CHM como parte de seu doutorado. com o Instituto Global USask para Segurança Hídrica e Departamento de Geografia e Planejamento, está animado com o potencial de escalar o modelo de um domínio de pesquisa relativamente pequeno para áreas maiores, como a Cordilheira da América do Norte (a cadeia montanhosa quase contínua ao longo do lado ocidental dos Estados Unidos e Canadá) ou da Alta Montanha da Ásia (uma região montanhosa que abriga a maior coleção de geleiras e neve do mundo).

p "Extensões espaciais muito grandes agora podem ser resolvidas com um modelo como este, "disse Marsh." É realmente importante para ser capaz de fornecer estimativas para a quantidade de cobertura de neve no final do inverno em áreas montanhosas de difícil acesso. As simulações fornecem uma peça que faltava no quebra-cabeça para ajudar a quantificar a quantidade de água na cobertura de neve da montanha. "

p Outras províncias já demonstram interesse em usar o modelo de previsão hidrológica, disse Pomeroy, e discussões recentes com a UNESCO (Organização das Nações Unidas para a Educação, Organização Científica e Cultural) sugerem que há interesse global em aproveitar seu poder preditivo.

p “Isso permitirá uma melhor gestão da água, que é certamente o que todas as agências de gestão de recursos hídricos do mundo desejam agora, com nosso clima se tornando mais variável, disse Pomeroy. "Estamos vendo grandes oscilações no clima e em eventos extremos, como secas e inundações. É um verdadeiro desafio para a gestão da água, para tentar suavizar esses extremos, para fornecer suprimentos estáveis ​​para todos. "

p Desafios na construção do modelo

p Autor principal Vincent Vionnet, agora um cientista pesquisador do Meio Ambiente e Mudanças Climáticas do Canadá, passou dois anos com o programa Global Water Futures liderado pela USask, trabalhando no projeto. Ele criou o design para validar o modelo, e uma estratégia para o trabalho complicado de incorporar o comportamento do vento da montanha no CHM.

p Como parte de sua validação, a equipe foi capaz de ativar e desativar os diferentes fatores físicos em seu modelo - um processo denominado falsificação de modelo - para determinar o tamanho da influência de cada um na precisão das informações geradas.

p "Desligamos a redistribuição do vento, desligamos o avalanching, ", disse Vionnet." Você vê uma queda enorme no desempenho do modelo, o que ilustra claramente a importância de levar em consideração esses processos. "

p Esforço caro

p A Califórnia gasta US $ 14 milhões em medições aéreas da camada de neve nas montanhas de Sierra Nevada usando a tecnologia LiDAR, de acordo com Pomeroy.

p "Eles medem dessa forma porque não podem modelá-lo, "disse Pomeroy." Estávamos fazendo isso em 2007 nas Montanhas Rochosas, mas não podemos fazer isso (em uma base regular). Tivemos que descobrir como calcular a camada de neve sem essa informação. Às vezes, quando você não tem riqueza, você é forçado a ser mais inteligente. "