Nuovi algoritmi per il manto nevoso, la temperatura e l'umidità
Una vasta parte dell'Europa dipende dallo scioglimento della neve come risorsa di acqua potabile. Oltre a svolgere un ruolo nel ciclo idrologico, la neve è anche un elemento importante nel sistema climatico della terra. Quindi conoscere meglio la neve ha un importante valore sociale. 'obiettivo del progetto ENVISNOW è stata la realizzazione dell'infrastruttura necessaria a monitorare i parametri relativi alla neve utilizzando i dati dell'osservazione della terra (OT) inviati dai satelliti. Nel caso specifico, l'Istituto norvegese di informatica (NR) ha definito dei nuovi algoritmi per fare delle stime dell'estensione frazionata del manto nevoso (FSCA), della temperatura superficiale della neve (STS) e dell'umidità della neve. I calcoli FSCA sono stati complessi a causa del fatto che la riflettanza spettrale può variare a seconda fattori numerosi e diversi, che comprendono: l'età del manto nevoso, il suo contenuto di impurità, l'elevazione del sole, l'angolo di visuale della strumentazione satellitare, ecc. L'istituto norvegese ha scelto di usare un modello metamorfosi e un modello impurità per ottenere uno spettro nevoso valido e uno spettro locale di landa spoglia. Nell'ultima fase è stato impiegato un algoritmo misto lineare spettrale di miscelazione per valutare l'FSCA. Nel caso della STS invece, l'attenuazione atmosferica altera la firma originale di radiazione di corpo nero. Per spiegare gli effetti della composizione atmosferica e della lunghezza del percorso, l'istituto NR ha messo alla prova un numero di algoritmi diversi e ha scelto l'algoritmo di Key come soluzione ottimale, soprattutto per le regioni polari. L'istituto ha adattato l'algoritmo di Key al sistema informativo integrato per la neve ENVISNOW e ha verificato le sue prestazioni con dati reali OT e di superficie. Le informazioni sull'umidità della neve forniscono conoscenze importanti sul processo di scioglimento della neve. L'istituto norvegese è riuscito a migliorare le previsioni relative all'umidità della neve combinando la misurazione delle dimensioni dei grani di neve (SGS) con le misurazioni STS. Una classe di umidità della neve viene determinata in base all'STS e all'evoluzione temporale dell'SGS. Così come per gli altri algoritmi nuovi, i risultati sono stati convalidati in una serie di diverse località. Il contributo fornito dall'istituto NR ad ENVISNOW costituisce un notevole passo avanti poiché ora è possibile valutare in modo preciso i parametri essenziali della neve durante tutta la stagione nevosa. L'istituto NR sta cercando di ottenere una licenza per i nuovi algoritmi.