Après des décennies de recherche, un nouveau modèle a été développé par des chercheurs de l'Université de la Saskatchewan (USask) qui, pour la première fois, ont prédit avec succès le manteau neigeux des montagnes avec un degré élevé de précision et de détail—des informations d'une importance critique pour la gestion de l'eau, agriculture, exploitation minière, des loisirs, et la prévision des crues dans le monde. La couverture neigeuse en montagne est le principal moteur du ruissellement printanier.

« La neige dans les Rocheuses canadiennes représente 60 % du débit de la rivière Saskatchewan Sud et les trois quarts de la province en dépendent pour l'eau potable, pour l'arrosage, pour l'extraction de la potasse et d'autres industries, " dit John Pomeroy, Chaire de recherche du Canada sur les ressources en eau et les changements climatiques et professeur au département de géographie et d'urbanisme de l'USask. « Les rivières de la Saskatchewan sont vraiment l'élément vital de la province.

Selon Pomeroy, plus de la moitié de l'humanité dépend du ruissellement de la neige des montagnes pour boire, la production d'énergie, et l'arrosage.

"On peut enfin prévoir l'évolution du manteau neigeux en montagne, " a déclaré Pomeroy. " C'est une grande réussite, qui permettent aux agences de gestion de l'eau de mieux évaluer nos ressources en eau de neige en montagne.

Par exemple, la quantité de neige accumulée dans les Rocheuses chaque hiver détermine la capacité hydroélectrique du barrage Gardiner, et la quantité d'eau disponible dans le lac Diefenbaker pour l'irrigation.

Big Data

Fonctionne sur des supercalculateurs, le modèle hydrologique canadien (CHM) recense des données détaillées sur la répartition de la neige par le vent et les avalanches, ombragé par les montagnes, le vent passe sur les crêtes, et la végétation, avec les prévisions météo, pour générer une estimation de l'endroit et de la quantité de neige accumulée dans une zone donnée.

L'équipe d'USask a utilisé son modèle pour prédire la quantité de neige accumulée dans un 1, Zone de 000 kilomètres carrés du sud de la vallée de Kananaskis, dans les Rocheuses canadiennes. leurs résultats, publié mi-février dans la revue La cryosphère , correspondaient étroitement aux données d'épaisseur de neige recueillies par une équipe de scientifiques de l'Université de la Colombie-Britannique à l'aide de mesures laser LiDAR (détection et télémétrie par la lumière) prises par avion. Les données de couverture neigeuse à haute résolution capturées par satellite et traitées par un laboratoire de l'Université de Toulouse (France) ont confirmé les résultats.

La génération d'estimations de l'accumulation de neige est actuellement une opération coûteuse, exercice à forte intensité de main-d'œuvre, s'appuyer sur des équipes de géomètres qui partent en hors-piste à ski ou en hélicoptère, puis mesurant manuellement l'épaisseur et la densité de la neige dans des endroits éloignés, des techniques utilisées depuis plus d'un siècle. En raison du coût et du temps requis, ils ne peuvent prendre des mesures qu'à quelques endroits.

L'équipe d'USask a créé un site Web de démonstration appelé Snowcast qui utilise son modèle pour générer des estimations presque en temps réel du manteau neigeux pour une section de la vallée de la Bow commençant juste à l'ouest de Calgary et allant jusqu'à Lake Louise et Field.

Modèle évolutif sur de grandes surfaces

Chris Marsh, un boursier post-doctoral USask qui a développé le CHM dans le cadre de son doctorat. avec l'USask Global Institute for Water Security et le Department of Geography and Planning, est enthousiasmé par la possibilité d'étendre le modèle d'un domaine de recherche relativement petit à des domaines plus vastes, comme la Cordillère nord-américaine (la chaîne de montagnes presque continue qui longe la côte ouest des États-Unis et du Canada) ou l'Asie de haute montagne (une région montagneuse qui abrite la plus grande collection de glaciers et de neige au monde).

"De très grandes étendues spatiales sont maintenant résolubles avec un modèle comme celui-ci, " a déclaré Marsh. "C'est vraiment important pour pouvoir fournir des estimations de la quantité de neige de fin d'hiver dans les zones de montagne difficiles d'accès. Les simulations fournissent une pièce manquante du puzzle pour aider à quantifier la quantité d'eau dans la couverture neigeuse des montagnes."

D'autres provinces manifestent déjà leur intérêt à utiliser le modèle pour la prévision hydrologique, dit Pomeroy, et des discussions récentes avec l'UNESCO (Nations Unies pour l'éducation, Organisation scientifique et culturelle) suggèrent qu'il existe un intérêt mondial à exploiter son pouvoir prédictif.

« Cela permettra une meilleure gestion de l'eau, ce qui est certainement ce que chaque agence de gestion de l'eau dans le monde veut en ce moment, avec notre climat de plus en plus variable, dit Pomeroy. « Nous assistons à des fluctuations sauvages de la météo et des événements extrêmes, comme les sécheresses et les inondations. C'est un vrai défi pour la gestion de l'eau, pour essayer d'atténuer ces extrêmes, pour fournir des approvisionnements stables pour tout le monde."

Défis dans la construction du modèle

Auteur principal Vincent Vionnet, maintenant chercheur à Environnement et Changement climatique Canada, a passé deux ans avec le programme Global Water Futures dirigé par USask à travailler sur le projet. Il a proposé le design pour valider le modèle, et une stratégie pour le travail délicat d'intégration du comportement du vent en montagne dans le CHM.

Dans le cadre de leur validation, l'équipe a pu activer et désactiver les différents facteurs physiques de leur modèle - un processus appelé falsification du modèle - pour déterminer l'influence de chacun sur l'exactitude des informations générées.

"Nous avons désactivé la redistribution du vent, nous avons éteint l'avalanche, " a déclaré Vionnet. " Vous voyez une énorme diminution des performances du modèle qui illustre clairement l'importance de prendre en compte ces processus. "

Effort coûteux

La Californie dépense 14 millions de dollars pour effectuer des mesures aériennes du manteau neigeux dans les montagnes de la Sierra Nevada à l'aide de la technologie LiDAR, selon Pomeroy.

"Ils le mesurent de cette façon parce qu'ils ne peuvent pas le modéliser, " a déclaré Pomeroy. " Nous faisions cela en 2007 dans les Rocheuses, mais nous ne pouvons pas nous permettre de le faire (sur une base régulière). Nous avons dû trouver comment calculer le manteau neigeux sans cette information. Parfois, quand vous n'avez pas la richesse, vous êtes obligé d'être plus intelligent."