De nouveaux algorithmes pour la couverture de neige, sa température et son degré d'humidité
Une grande partie de l'Europe dépend de la fonte des neiges pour son approvisionnement en eau potable. En plus de son rôle dans le cycle hydrologique, la neige est également un élément important du système climatique terrestre. En tant que telle, une importante valeur sociale peut être obtenue par l'approfondissement de nos connaissances de la neige. Le projet ENVISNOW vise à élaborer l'infrastructure nécessaire pour améliorer le suivi des paramètres neigeux en utilisant les données satellitaires d'observation de la Terre (OT). Plus précisément, l'institut norvégien de calcul (NR) a défini de nouveaux algorithmes pour estimer la fraction de neige sur la zone (FSCA), la température de surface de la neige (STS) et son degré d'humidité. Les calculs de FSCA sont rendus difficiles par le fait que la réflectance spectrale de la neige peut varier en fonction de plusieurs facteurs différents. Ces thèmes comprennent: l'âge du manteau neigeux, ses impuretés, l'élévation du soleil, l'angle de vue des instruments à bord du satellite, etc. La solution de l'institut norvégien de calcul a consisté à employer à la fois un modèle de métamorphose de la neige et un modèle d'impureté pour calculer un spectre valide de la neige et un spectre local du sol nu. Dans la dernière étape, un algorithme de mélange linéaire spectral est utilisé pour estimer la FSCA. En ce qui concerne la STS (température de la neige), l'atténuation atmosphérique modifie la signature originale de radiation de corps noir de la neige. Pour prendre en compte les effets de la composition de l'atmosphère et la longueur du chemin optique, l'institut norvégien de calcul a testé un certain nombre d'algorithmes différents. Ils ont identifié l'algorithme de Key comme la solution optimale, en particulier pour les régions polaires. L'institut a adapté l'algorithme de Key au système intégré d'information pour la neige de ENVISNOW et contrôlé ses performances avec de vrais données satellitaires d'observations de la terre et des données de surface. Des informations sur le degré d'humidité de la neige fournissent de précieux renseignements sur le processus de la fonte des neiges. L'institut a été en mesure d'améliorer les capacités de prévision du degré d'humidité de la neige en combinant les mesures de la taille de flocons (SGS) et les mesures de la température de surface (STS) de la neige. La classe du degré d'humidité de la neige est déterminée en fonction de la température de surface (STS) et l'évolution dans le temps de la taille des flocons (SGS). Comme pour les autres nouveaux algorithmes, les résultats ont été validés dans un certain nombre d'endroits différents. La contribution de l'institut au projet ENVISNOW représente un bond en avant car il est désormais possible de déterminer avec précision les paramètres essentiels de la neige tout au long de la saison de neige. L'institut cherche par conséquent à breveter ces nouveaux algorithmes.
