Neue Algorithmen für Schneebedeckung, Schneetemperatur und Feuchtigkeit des Schnees
Ein großer Teil Europas ist von der Schneeschmelze als Trinkwasserquelle abhängig. Zusätzlich zur Bedeutung im Wasserkreislauf ist Schnee auch eine wichtige Komponente im Klimasystem der Erde. Daher kann durch eine Erweiterung unseres Wissens über Schnee ein hoher gesellschaftlicher Nutzen erzielt werden. Das ENVISNOW-Projekt zielte darauf ab, die Infrastruktur zu entwickeln, die nötig ist, die Überwachung von Schneeparametern unter Ausnutzung von Daten aus der Erdbeobachtung zu verbessern. Das Norwegische Rechenzentrum (Norsk Regnesentral, NR) definierte neue Algorithmen, um Vorhersagen der Schneefraktion, der Oberflächentemperatur und der Feuchtigkeit des Schnees machen zu können. Berechnungen zur Schneefraktion werden durch die Tatsache erschwert, dass der spektrale Reflexionsgrad des Schnees von mehreren Faktoren abhängig ist. Dazu gehören: Das Alter der Schneedecke, der Anteil der Verunreinigungen, die Elevation der Sonne, der Betrachtungswinkel des Satelliten, usw. Die Lösung, die das NR präsentierte, umfasst ein Modell zur Metamorphose und eines zum Anteil der Verunreinigungen, um das Spektrum des Schnees und des Bodens korrekt abzubilden. Im letzten Schritt wurden Algorithmen zu linearen Mischungsansätzen verwendet, um die Schneefraktion abschätzen zu können. Bei der Messung der Oberflächentemperatur des Schnees kommt es zu Verfälschungen in der eigentlichen Schwarzkörperstrahlung des Schnees, hervorgerufen durch die abschwächende Wirkung der Atmosphäre. Um diesen Effekt der Atmosphäre und der Weglänge zu berücksichtigen, wurden vom NR eine Reihe von verschiedenen Algorithmen überprüft. Als beste Lösung, speziell für polare Regionen, wurde der Key-Algorithmus identifiziert. Das NR übernahm diesen Algorithmus in das integrierte Schnee-Informationssystem von ENVISNOW und überprüfte die Leistungsfähigkeit mit realen Daten aus der Erdbeobachtung und Oberflächendaten. Informationen über die Feuchtigkeit des Schnees erlauben wertvolle Einblicke in den Prozess der Schneeschmelze. Das NR konnte die Vorhersage der Feuchtigkeit des Schnees verbessern, indem es Messdaten zur Korngröße des Schnees mit Messdaten zur Oberflächentemperatur des Schnees kombinierte. Die Feuchtigkeit des Schnees kann basierend auf der Oberflächentemperatur und der Korngröße des Schnees bestimmt werden. Wie auch bei anderen neuen Algorithmen wurden die Ergebnisse an verschiedenen Orten verifiziert. Der Beitrag des NR zum ENVISNOW-Projekt stellt einen Quantensprung dar. Es ist jetzt möglich, wichtige Schneeparameter während der gesamten Schneesaison genau abzuschätzen. Das NR strebt die Lizenzierung dieser neuen Algorithmen an.
