Después de décadas de investigación, Los investigadores de la Universidad de Saskatchewan (USask) desarrollaron un nuevo modelo que, por primera vez, predijo con éxito la capa de nieve de las montañas con un alto grado de precisión y detalle:información de importancia crítica para la gestión del agua, agricultura, minería, recreación, y pronóstico de inundaciones en todo el mundo. La capa de nieve en las montañas es el principal impulsor de la escorrentía primaveral.

"La nieve en las Montañas Rocosas canadienses representa el 60% del caudal del río South Saskatchewan y tres cuartas partes de la provincia dependen de ella para obtener agua potable, para riego, para la minería de potasa y otras industrias, "dijo John Pomeroy, Cátedra de Investigación de Canadá en Recursos Hídricos y Cambio Climático y profesora en el Departamento de Geografía y Planificación de EE. UU. "Los ríos de Saskatchewan son realmente el alma de la provincia".

Según Pomeroy, más de la mitad de la humanidad depende de la escorrentía de la nieve de las montañas para beber, generación de energía, y riego.

"Finalmente podemos predecir el desarrollo de la capa de nieve de las montañas, ", dijo Pomeroy." Este es un gran logro, que permiten a las agencias de gestión del agua evaluar mejor nuestros recursos hídricos de nieve en las montañas ".

Por ejemplo, la cantidad de nieve acumulada en las Montañas Rocosas cada invierno determina la capacidad hidroeléctrica en la presa Gardiner, y la cantidad de agua disponible en el lago Diefenbaker para riego.

Big data

Ejecutar en supercomputadoras, el modelo hidrológico canadiense (CHM) analiza datos detallados sobre la distribución de la nieve por viento y avalanchas, sombreado por montañas, el viento fluye sobre las crestas, y vegetación, junto con las previsiones meteorológicas, para generar una estimación de dónde y cuánta nieve se ha acumulado en un área determinada.

El equipo de USask usó su modelo para predecir la cantidad de nieve acumulada en un 1, 000 kilómetros cuadrados de área del sur del valle de Kananaskis, en las Montañas Rocosas canadienses. Sus resultados, publicado a mediados de febrero en la revista La criosfera , coincidieron estrechamente con los datos de profundidad de la nieve recopilados por un equipo de científicos de la Universidad de Columbia Británica utilizando mediciones láser LiDAR (detección de luz y rango) tomadas por avión. Los datos de la capa de nieve de alta resolución capturados por satélite y procesados ​​por un laboratorio de la Universidad de Toulouse (Francia) confirmaron los resultados.

Generar estimaciones de la acumulación de nieve es actualmente una tarea costosa, ejercicio intensivo en mano de obra, confiando en equipos de topógrafos de nieve que van al campo en esquís o en helicóptero, luego midiendo manualmente la profundidad y densidad de la nieve en lugares remotos, técnicas que se han utilizado durante más de un siglo. Debido al costo y al tiempo involucrados, solo pueden tomar medidas en algunos lugares.

El equipo de USask ha creado un sitio web de demostración llamado Snowcast que utiliza su modelo para generar estimaciones casi en tiempo real de la capa de nieve para una sección del Bow Valley que comienza justo al oeste de Calgary y llega hasta Lake Louise y Field.

Modelo escalable a grandes áreas

Chris Marsh, un becario postdoctoral de USask que desarrolló el CHM como parte de su Ph.D. con el USask Global Institute for Water Security y el Departamento de Geografía y Planificación, está entusiasmado con el potencial de escalar el modelo de un dominio de investigación relativamente pequeño a áreas más grandes, como la Cordillera de América del Norte (la cadena montañosa casi continua que corre a lo largo del lado occidental de los Estados Unidos y Canadá) o Asia de alta montaña (una región montañosa que alberga la mayor colección de glaciares y nieve del mundo).

"Las extensiones espaciales muy grandes ahora se pueden resolver con un modelo como este, ", dijo Marsh." Es realmente importante para poder proporcionar estimaciones de la cantidad de capa de nieve al final del invierno en áreas montañosas de difícil acceso. Las simulaciones proporcionan una pieza faltante del rompecabezas para ayudar a cuantificar la cantidad de agua en la capa de nieve de las montañas ".

Otras provincias ya están mostrando interés en utilizar el modelo de predicción hidrológica, dijo Pomeroy, y discusiones recientes con la UNESCO (Naciones Unidas para la Educación, Scientific and Cultural Organization) sugieren que existe un interés global en aprovechar su poder predictivo.

"Esto permitirá una mejor gestión del agua, que es sin duda lo que todas las agencias de gestión del agua en el mundo quieren en este momento, con nuestro clima cada vez más variable, dijo Pomeroy. "Estamos viendo cambios bruscos en el clima y en eventos extremos, como sequías e inundaciones. Es un verdadero desafío para la gestión del agua, para tratar de suavizar estos extremos, para proporcionar suministros constantes para todos ".

Desafíos en la construcción del modelo

Vincent Vionnet, autor principal ahora científico investigador de Environment and Climate Change Canada, Pasó dos años con el programa Global Water Futures dirigido por EE. UU. trabajando en el proyecto. Se le ocurrió el diseño para validar el modelo, y una estrategia para el complicado trabajo de incorporar el comportamiento del viento de montaña en el CHM.

Como parte de su validación, el equipo pudo activar y desactivar los diferentes factores físicos en su modelo, un proceso llamado falsificación del modelo, para determinar qué influencia tenía cada uno en la precisión de la información generada.

"Apagamos la redistribución del viento, apagamos la avalancha, ", dijo Vionnet." Se ve una enorme disminución en el rendimiento del modelo que ilustra claramente la importancia de tener en cuenta estos procesos ".

Esfuerzo costoso

California gasta $ 14 millones en mediciones aéreas de la capa de nieve en las montañas de Sierra Nevada utilizando tecnología LiDAR, según Pomeroy.

"Lo miden de esa manera porque no pueden modelarlo, ", dijo Pomeroy." Lo estábamos haciendo en 2007 en las Montañas Rocosas, pero no podemos permitirnos hacerlo (de forma regular). Tuvimos que averiguar cómo calcular la capa de nieve sin esa información. A veces, cuando no tienes la riqueza, estás obligado a ser más inteligente ".