La nieve que cae en las montañas es buena para algo más que esquiar, caminar con raquetas de nieve y disfrutar de impresionantes vistas. La capa de nieve que crea eventualmente se derretirá, y esa agua se puede usar para energía hidroeléctrica, riego y agua potable.

Los investigadores quieren predecir cuánta agua obtendremos más adelante en el año en función de la capa de nieve. Pero en regiones boscosas, los árboles impactan los cálculos. Cuando la nieve que cae es interceptada por los árboles, a veces nunca llega al suelo, y los modelos actuales tienen dificultades para predecir lo que sucederá.

Para mejorar los modelos e investigar qué sucede con esta nieve interceptada, los investigadores de la Universidad de Washington crearon un proyecto de ciencia ciudadana llamado Snow Spotter. Los participantes vieron fotos de lapso de tiempo de Colorado y Washington y etiquetaron las fotos tomadas cuando los árboles tenían nieve en sus ramas. Esta información proporcionó el primer vistazo de cómo las interacciones de los árboles de nieve podrían variar entre los climas y cómo eso podría afectar las predicciones de los suministros de agua de verano.

El equipo publicó estos hallazgos el 18 de mayo en AGU Water Resources Research .

"Nosotros, como esquiadores o entusiastas de la nieve, sabemos que la nieve en Colorado es muy diferente a la de Washington. Pero, hasta ahora, no ha habido una manera fácil de observar cómo se manifiestan estas diferencias en la copa de los árboles", dijo el líder. la autora Cassie Lumbrazo, estudiante de doctorado de la UW que estudia ingeniería civil y ambiental. "Este proyecto aprovecha a los voluntarios para obtener algunos datos concretos sobre esas diferencias. Otro beneficio es que presenta a nuestros voluntarios cómo funciona la investigación y qué es la hidrología de la nieve".

Hay tres escenarios posibles para la nieve atrapada por los árboles. Podría caer al suelo en forma de nieve, sumándose a la capa de nieve actual. Podría volar y convertirse en vapor de agua, por lo que no agregaría nada a la capa de nieve. O la nieve podría derretirse y gotear al suelo, lo que, dependiendo de las condiciones, puede o no sumarse a la cantidad total de agua en la capa de nieve.

Un problema actual con los modelos matemáticos que describen estos procesos es que los investigadores no conocen el tiempo (en el transcurso de un año, ¿con qué frecuencia hay nieve en los árboles y qué le sucede?) y cómo varía este tiempo en diferentes climas.

Pero las cámaras de lapso de tiempo pueden grabar lo que sucede en lugares remotos tomando fotos cada hora, todos los días durante años, creando un enorme conjunto de datos de imágenes.

Ahí es donde entran los científicos ciudadanos. Snow Spotter les muestra una foto a los voluntarios, con la pregunta:"¿Hay nieve en las ramas de los árboles?" Luego, los voluntarios seleccionan "sí", "no", "no estoy seguro" o "está oscuro" antes de pasar a la siguiente foto.

Con Snow Spotter, un total de 6700 científicos ciudadanos escanearon 13 600 imágenes de varios sitios en el oeste de los Estados Unidos. El equipo se centró en cuatro sitios para este estudio:Mount Hopper, Washington; Canto Niwot, Colorado; y dos sitios diferentes en Grand Mesa, Colorado.

"Cuando comenzó el proyecto, no creo que nadie supiera realmente qué tan exitoso iba a ser", dijo Lumbrazo, quien actualmente está investigando en Noruega como parte del Programa de Becas e Intercambio Escandinavo de Valle. "Pero los científicos ciudadanos lo procesaban tan rápido que seguíamos quedándonos sin imágenes para que la gente las clasificara. Recibimos comentarios de que esta tarea es realmente relajante. Los científicos ciudadanos pueden sacar estas fotos en la aplicación Zooniverse y simplemente sentarse en ellas". el sofá y haz clic muy rápido".

Cada foto tuvo entre nueve y 15 voluntarios diferentes para clasificarla, y los voluntarios estuvieron de acuerdo entre el 95% y el 98% de las veces. A partir de ahí, los investigadores pudieron reconstruir cómo se veía la nieve en los árboles a lo largo del año para cada sitio.

"Nuestros datos muestran físicamente la diferencia en la nieve", dijo Lumbrazo. "Puedes ver cómo la nieve en Washington simplemente se cementa en el dosel y nunca se va, que es lo que se siente cuando esquías en esa nieve. A diferencia de la nieve en Colorado, donde cae nieve con frecuencia, pero se la lleva el viento. Está seca y polvoriento."

Los investigadores utilizaron este conjunto de datos para evaluar los modelos de nieve actuales. Sin embargo, una limitación es que, en este momento, el equipo solo sabe cuándo hay nieve en los árboles. Este método no dice cuánta nieve hay en los árboles, otro componente necesario para hacer que los modelos sean aún mejores.

“Pero una limitación que no existe es la cantidad de científicos ciudadanos que estén dispuestos a procesar estas imágenes”, dijo Lumbrazo. "Hemos firmado innumerables horas de voluntariado para los estudiantes, e incluso terminan teniendo excelentes debates sobre ciertas imágenes y se convierte en una conversación más científica".

Además, el conjunto de datos generado por estos voluntarios podría usarse para entrenar un algoritmo de aprendizaje automático para clasificar imágenes en el futuro, dijo el equipo.

Los investigadores están trabajando para expandir su conjunto de datos de imágenes para incluir fotos de todo el mundo para que puedan seguir aprendiendo sobre cómo los diferentes climas y patrones de precipitación afectan la capa de nieve, lo que también ayudará a que los modelos sean más precisos.

Los coautores adicionales son Andrew Bennett y William "Ryan" Currier, quienes completaron esta investigación como estudiantes de doctorado en ingeniería civil y ambiental de la UW; y Bart Nijssen y Jessica Lundquist, ambos profesores de ingeniería civil y ambiental de la UW. Snow Spotter fue creado por Max Mozer, quien comenzó este proyecto como estudiante universitario de ingeniería civil y ambiental en la UW.