Dopo decenni di ricerche, un nuovo modello è stato sviluppato dai ricercatori dell'Università del Saskatchewan (USask) che per la prima volta hanno previsto con successo il manto nevoso di montagna con un alto grado di precisione e dettaglio:informazioni di importanza fondamentale per la gestione dell'acqua, agricoltura, estrazione, ricreazione, e previsione delle inondazioni in tutto il mondo. Il manto nevoso in montagna è il principale motore del deflusso primaverile.

"La neve nelle Montagne Rocciose canadesi rappresenta il 60% del flusso del fiume South Saskatchewan e tre quarti della provincia fa affidamento su di essa per l'acqua potabile, per l'irrigazione, per l'estrazione di potassio e altre industrie, " disse John Pomeroy, Canada Research Chair in Water Resources and Climate Change e professore presso il Dipartimento di Geografia e Pianificazione degli Stati Uniti. "I fiumi del Saskatchewan sono davvero la linfa vitale della provincia".

Secondo Pomeroy, più della metà dell'umanità si affida al deflusso della neve di montagna per bere, produzione di energia, e irrigazione.

"Possiamo finalmente prevedere lo sviluppo del manto nevoso in montagna, " ha detto Pomeroy. "Questo è un grande risultato, che consentono alle agenzie di gestione dell'acqua di valutare meglio le nostre risorse idriche di neve in montagna".

Per esempio, la quantità di manto nevoso nelle Montagne Rocciose ogni inverno determina la capacità idroelettrica della diga di Gardiner, e la quantità di acqua disponibile nel lago Diefenbaker per l'irrigazione.

Grandi dati

Esegui su supercomputer, il Canadian Hydrological Model (CHM) elabora dati dettagliati sulla distribuzione della neve per vento e valanghe, ombreggiato dalle montagne, il vento scorre sulle creste, e vegetazione, insieme alle previsioni del tempo, per generare una stima di dove e quanta neve si è accumulata in una determinata area.

Il team di USask ha utilizzato il proprio modello per prevedere la quantità di manto nevoso in un 1, Area di 000 chilometri quadrati della valle di Kananaskis meridionale, nelle Montagne Rocciose Canadesi. I loro risultati, pubblicato a metà febbraio sulla rivista La criosfera , erano una stretta corrispondenza con i dati sulla profondità della neve raccolti da un team di scienziati dell'Università della British Columbia utilizzando misurazioni laser LiDAR (rilevamento e raggio di luce) prese in aereo. I dati ad alta risoluzione del manto nevoso catturati dal satellite ed elaborati da un laboratorio dell'Università di Tolosa (Francia) hanno confermato i risultati.

La generazione di stime dell'accumulo di neve è attualmente un'operazione costosa, esercizio ad alta intensità di lavoro, affidandosi a squadre di periti della neve che si addentrano nell'entroterra con gli sci o in elicottero, quindi misurare manualmente la profondità e la densità della neve in località remote, tecniche utilizzate da oltre un secolo. A causa dei costi e dei tempi necessari, possono effettuare misurazioni solo in alcune località.

Il team di USask ha creato un sito web dimostrativo chiamato Snowcast che utilizza il loro modello per generare stime quasi in tempo reale del manto nevoso per una sezione della Bow Valley che inizia appena a ovest di Calgary e arriva fino a Lake Louise e Field.

Modello scalabile per grandi aree

Chris Marsh, un borsista post-dottorato USask che ha sviluppato il CHM come parte del suo dottorato di ricerca. con l'USask Global Institute for Water Security e il Dipartimento di geografia e pianificazione, è entusiasta della possibilità di ampliare il modello da un dominio di ricerca relativamente piccolo ad aree più grandi, come la Cordigliera nordamericana (la catena montuosa quasi continua che corre lungo il lato occidentale degli Stati Uniti e del Canada) o l'Asia di alta montagna (una regione montuosa che ospita la più grande collezione al mondo di ghiacciai e neve).

"Estensioni spaziali molto grandi sono ora risolvibili con un modello come questo, " ha detto Marsh. "È molto importante per essere in grado di fornire stime per la quantità di manto nevoso di fine inverno nelle zone di montagna di difficile accesso. Le simulazioni forniscono un pezzo mancante del puzzle per aiutare a quantificare la quantità di acqua nel manto nevoso di montagna".

Altre province stanno già mostrando interesse nell'utilizzo del modello per le previsioni idrologiche, disse Pomeroy, e recenti discussioni con l'UNESCO (United Nations Educational, Scientific and Cultural Organization) suggeriscono che esiste un interesse globale nello sfruttare il suo potere predittivo.

"Ciò consentirà una migliore gestione dell'acqua, che è certamente ciò che ogni agenzia di gestione dell'acqua nel mondo vuole in questo momento, con il nostro clima sempre più variabile, disse Pomeroy. "Stiamo assistendo a selvagge oscillazioni del tempo e in eventi estremi, come siccità e inondazioni. È una vera sfida per la gestione dell'acqua, per cercare di appianare questi estremi, per fornire rifornimenti costanti per tutti."

Sfide nella costruzione del modello

L'autore principale Vincent Vionnet, ora ricercatore presso Environment and Climate Change Canada, ha trascorso due anni con il programma Global Water Futures guidato da USask lavorando al progetto. Ha ideato il progetto per convalidare il modello, e una strategia per il difficile lavoro di incorporare il comportamento del vento di montagna nel CHM.

Come parte della loro convalida, il team è stato in grado di attivare e disattivare i diversi fattori fisici nel proprio modello, un processo chiamato falsificazione del modello, per determinare l'entità dell'influenza esercitata da ciascuno sull'accuratezza delle informazioni generate.

"Abbiamo spento la ridistribuzione del vento, abbiamo spento la valanga, " ha detto Vionnet. "Si vede un enorme calo delle prestazioni del modello che illustra chiaramente l'importanza di prendere in considerazione questi processi".

Sforzo costoso

La California spende 14 milioni di dollari per misurazioni aeree del manto nevoso nelle montagne della Sierra Nevada utilizzando la tecnologia LiDAR, secondo Pomeroy.

"Lo misurano in questo modo perché non possono modellarlo, " ha detto Pomeroy. "Lo facevamo nel 2007 nelle Montagne Rocciose, ma non possiamo permetterci di farlo (su base regolare). Dovevamo capire come calcolare il manto nevoso senza queste informazioni. A volte quando non hai la ricchezza, sei costretto a essere più intelligente."