I dag bruker vi data modeller og observasjoner for å overvåke og prognosere snøforhold. Modellene som anvendes er ofte av en regresjonstype, det vil si at vi har tilpasset funksjoner til observasjoner av nedbør, temperatur og snø. Slike modeller står i kontrast til mer fysisk baserte modeller hvor f.eks. smelting er beregnet ut i fra en energibalansebetrakting i stedet for en antatt proporsjonal sammenheng mellom antall plussgrader og mengde smeltet snø.
Grunnen til forskjellen i modelltilnærming er at de forsøker å beskrive snø på forskjellige romlige skalaer. Fysisk baserte modeller kan gi ganske gode beskrivelser for et punkt, gitt de riktige inputdata, mens regresjons modellen er ganske gode for å beskrive snø for større områder, for eksempel et nedbørsfelt. Det regresjonsmodeller ikke kan er å beskrive snø for forhold som ennå ikke er observert, under et endret klima. Det er heller ikke mulig å få korrigert modellen når vi har observasjoner som forteller oss at den går feil.
I SNOWHOW vil vi
- ta i bruk all mulig snø informasjon for å utvikle, oppdatere og evaluere operasjonelle snø modeller
- forsterke den fysiske realismen i operasjonelle modeller ved å ta det beste fra fysisk baserte- og areal modeller og
- gi anbefalinger for et optimalt observasjonsnett for snø, tilpasset den neste generasjonen snø modeller. Resultater fra SNOHOW vil være nyttig for vannkraftproduksjon, flomvarsling og snøskredvarsling.
Dette er et IPN-prosjekt (Innovasjonsprosjekt i næringslivet) som er delfinansiert fra Forskningsrådet
