Imagine tomar fotografías de miles de copos de nieve desde tres ángulos diferentes con un instrumento especializado instalado a una altitud de 2, 500 metros. Luego imagina usar 3, 500 de estas imágenes para entrenar manualmente un algoritmo para reconocer seis clases diferentes de copos de nieve. Y, finalmente, Imagine usar este algoritmo para clasificar los copos de nieve en los millones de imágenes restantes en esas seis clases a una velocidad vertiginosa. Eso es exactamente lo que hicieron los investigadores del Laboratorio de Percepción Remota Ambiental (LTE) de la EPFL, en un proyecto encabezado por Alexis Berne. Su enfoque pionero apareció en el último número de Técnicas de medición atmosférica .

"La comunidad científica ha estado tratando de mejorar la medición y el pronóstico de la precipitación durante más de 50 años. Ahora tenemos un conocimiento bastante bueno de los mecanismos involucrados en la lluvia, "dice Berne." Pero la nieve es mucho más complicada. Muchos factores, como la forma, geometría y propiedades electromagnéticas de los copos de nieve individuales:afectan la forma en que los cristales de nieve reflejan las señales a los radares meteorológicos, haciendo nuestra tarea mucho más difícil. Y todavía no tenemos una buena comprensión del contenido de agua líquida equivalente de los copos de nieve. Nuestro objetivo con este estudio fue comprender mejor exactamente lo que cae cuando nieva, para que eventualmente podamos mejorar el pronóstico de nevadas a grandes altitudes ". Berne también ve otras aplicaciones para los hallazgos del equipo, como una estimación más precisa del equivalente de agua almacenada en la capa de nieve para riego y energía hidroeléctrica.

Identificar los copos de nieve y su grado de borde

Para alcanzar su meta, los investigadores adquirieron una cámara de copo de nieve de múltiples ángulos (MASC), un sofisticado instrumento compuesto por tres cámaras sincronizadas que toman simultáneamente imágenes de alta resolución (hasta 35 micrones) de los copos de nieve cuando pasan a través de un anillo metálico.

En colaboración con la Oficina Federal de Meteorología y Climatología MeteoSwiss y el Instituto de Investigación de Nieve y Avalanchas, instalaron el MASC en un sitio cerca de Davos, a una altitud de 2, 500 metros, donde tomó fotografías durante todo un invierno y en un sitio en la costa de la Antártida, donde tomó fotografías durante todo un verano austral. Luego ejecutaron su algoritmo para clasificar las imágenes del copo de nieve en seis clases principales basadas en la clasificación existente:cristales planos, cristales columnares, graupels, agregados, combinación de cristales en columna y planos, y pequeñas partículas.

Los investigadores utilizaron las imágenes tomadas por MASC para determinar también el grado de borde de cada copo de nieve en función de la rugosidad de su superficie (imagen 3). "Los copos de nieve cambian de forma a medida que caen por la atmósfera, especialmente a través de las nubes, "dice Berne." Algunos de ellos acumulan escarcha y se convierten en cristales de nieve más o menos bordeados [# 3-5 en la imagen], mientras que otros permanecen impecables y tienen un índice de borde muy bajo ". El borde es importante porque es el proceso que convierte las gotas de agua de las nubes en precipitación en forma de hielo; en otras palabras, nieve.

Comparación de copos de nieve alpinos y antárticos

El siguiente paso fue comparar los resultados obtenidos de las fotografías tomadas cerca de Davos en los Alpes suizos con las tomadas en Adélie Land en la costa de la Antártida. Eso reveló diferencias significativas en la frecuencia con la que aparecían todas las familias de copos de nieve. La mayoría de los copos de nieve en los Alpes son agregados (49%), seguido de pequeñas partículas y graupels. Sin embargo, en la Antártida, la mayoría eran partículas pequeñas (54%), seguido de agregados y graupels.

Según Berne, estas diferencias se pueden explicar. "Los feroces vientos antárticos erosionan continuamente la capa de nieve y dan como resultado la formación de pequeñas partículas de nieve. Además, Los copos de nieve antárticos tienen mucho menos borde que los copos de nieve alpinos porque el aire antártico es mucho más seco ". Otro de los hallazgos de los investigadores que quizás decepcionará a los puristas es que el tipo de copo de nieve 'dendrita estelar', el que normalmente asociamos con el 'ideal' 'copo de nieve - resultó ser poco común en ambos sitios, constituyendo solo el 10% de los copos de nieve en los Alpes y el 5% de los copos de nieve en la Antártida.

Enfoque multiinstrumental

Para abordar la complejidad de los múltiples procesos involucrados, los científicos generalmente se basan en varios instrumentos diferentes al realizar mediciones meteorológicas y pronósticos meteorológicos. Por lo tanto, los resultados obtenidos por el equipo de Berne proporcionarán aún más información cuando se combinen con otros instrumentos, como los radares meteorológicos, que recopilan datos sobre las nubes y la precipitación en todas las capas de la atmósfera.

Como parte del Experimento internacional de intercomparación de precipitaciones sólidas (SPICE), MeteoSwiss instaló un pluviómetro junto al MASC en el sitio de Davos. Los datos aún no se han analizado completamente, pero al comparar el tipo de copos de nieve fotografiados por el MASC con la cantidad de agua recolectada durante un período determinado, el equipo podrá probar varias hipótesis sobre el contenido de agua líquida de los copos de nieve, que sigue siendo un enigma para los científicos atmosféricos.

Una campaña de medición durante los Juegos Olímpicos de Invierno de 2018

Para reforzar sus hallazgos, El equipo de Berne necesita recopilar más datos. Enviaron su MASC de regreso a la Antártida para otra ronda de recolección de datos este año; Luego se dirigirá a las montañas de Corea del Sur en 2018 para los Juegos Olímpicos de Invierno que tendrán lugar en Pyeongchang. "Cuantos más datos tengamos, Cuanto más fiables sean nuestros cálculos, "dice Berne.

Este proyecto de investigación combina investigación fundamental y aplicada. Involucra a tres científicos:Alexis Berne y Christophe Praz del Laboratorio de Percepción Remota Ambiental de la EPFL e Yves-Alain Roulet de MeteoSwiss (la Oficina Federal de Meteorología y Climatología). MeteoSwiss ha estado trabajando con EPFL durante varios años para mejorar sus estimaciones de precipitación y su modelo numérico de predicción del tiempo.