La neige qui tombe dans les montagnes n'est pas seulement bonne pour le ski, la raquette et des panoramas à couper le souffle. Le manteau neigeux qu'il crée finira par fondre et cette eau pourra être utilisée pour l'hydroélectricité, l'irrigation et l'eau potable.

Les chercheurs veulent prédire la quantité d'eau que nous obtiendrons plus tard dans l'année en fonction du manteau neigeux. Mais dans les régions forestières, les arbres impactent les calculs. Lorsque la neige qui tombe est interceptée par des arbres, elle n'atteint parfois jamais le sol, et les modèles actuels ont du mal à prédire ce qui va se passer.

Pour améliorer les modèles et étudier ce qui arrive à cette neige interceptée, des chercheurs de l'Université de Washington ont créé un projet de science citoyenne appelé Snow Spotter. Les participants ont visionné des photos accélérées du Colorado et de Washington et ont étiqueté les photos prises lorsque les arbres avaient de la neige dans leurs branches. Ces informations ont fourni le premier aperçu de la façon dont les interactions neige-arbre pourraient varier entre les climats et comment cela pourrait affecter les prévisions d'approvisionnement en eau en été.

L'équipe a publié ces résultats le 18 mai dans AGU Water Resources Research .

"Nous, en tant que skieurs ou passionnés de neige, savons que la neige du Colorado par rapport à Washington est vraiment différente. Mais, jusqu'à présent, il n'y a pas eu de moyen facile d'observer comment ces différences se jouent dans la canopée des arbres", a déclaré le chef de file. auteur Cassie Lumbrazo, doctorante à l'UW en génie civil et environnemental. "Ce projet fait appel à des volontaires pour obtenir des données concrètes sur ces différences. Un autre avantage est qu'il présente à nos volontaires le fonctionnement de la recherche et ce qu'est l'hydrologie de la neige."

Il existe trois scénarios possibles pour la neige qui a été prise par les arbres. Il pourrait tomber au sol sous forme de neige, ajoutant au manteau neigeux actuel. Elle pourrait être emportée par le vent et se transformer en vapeur d'eau, n'ajoutant donc rien au manteau neigeux. Ou la neige pourrait fondre et s'égoutter au sol, ce qui, selon les conditions, peut ou non ajouter à la quantité totale d'eau dans le manteau neigeux.

Un problème actuel avec les modèles mathématiques qui décrivent ces processus est que les chercheurs ne connaissent pas le moment - au cours d'une année, à quelle fréquence y a-t-il de la neige dans les arbres, et que se passe-t-il ? - et comment ce moment varie dans différents climats.

Mais les caméras accélérées peuvent enregistrer ce qui se passe dans des endroits éloignés en prenant des photos toutes les heures, tous les jours pendant des années, créant ainsi un énorme ensemble de données d'images.

C'est là qu'interviennent les scientifiques citoyens. Snow Spotter montre aux volontaires une photo, avec la question :"Y a-t-il de la neige dans les branches des arbres ?" Les volontaires sélectionnent ensuite "oui", "non", "pas sûr" ou "il fait noir" avant de passer à la photo suivante.

À l'aide de Snow Spotter, un total de 6 700 scientifiques citoyens ont numérisé 13 600 images provenant de plusieurs sites à travers l'ouest des États-Unis. L'équipe s'est concentrée sur quatre sites pour cette étude :Mount Hopper, Washington; Niwot Ridge, Colorado; et deux sites différents à Grand Mesa, Colorado.

"Quand le projet a commencé, je ne pense pas que quiconque savait vraiment à quel point il allait réussir", a déclaré Lumbrazo, qui effectue actuellement des recherches en Norvège dans le cadre du programme Valle Scholarship &Scandinavian Exchange. "Mais les scientifiques citoyens le traitaient si rapidement que nous manquions d'images à classer. Nous avons reçu des commentaires selon lesquels cette tâche est vraiment relaxante. Les scientifiques citoyens peuvent afficher ces photos dans l'application Zooniverse et ils peuvent simplement s'asseoir dessus. le canapé et cliquez très vite."

Chaque photo avait entre neuf et 15 volontaires différents pour la classer, et les volontaires étaient d'accord entre 95% et 98% du temps. À partir de là, les chercheurs ont pu reconstituer à quoi ressemblait la neige dans les arbres au cours de l'année pour chaque site.

"Nos données montrent physiquement la différence dans la neige", a déclaré Lumbrazo. "Vous pouvez voir comment la neige à Washington devient simplement cimentée dans la canopée et ne part jamais, c'est ce que vous ressentez lorsque vous skiez sur cette neige. Contrairement à la neige du Colorado où il tombe fréquemment, mais qui souffle. C'est sec. et poussiéreux."

Les chercheurs ont utilisé cet ensemble de données pour évaluer les modèles de neige actuels. Une limitation, cependant, est que pour le moment, l'équipe ne sait que quand la neige est présente dans les arbres. Cette méthode ne dit pas combien de neige il y a dans les arbres, un autre élément nécessaire pour rendre les modèles encore meilleurs.

"Mais une limitation qui n'existe pas est le nombre de scientifiques citoyens qui sont prêts à traiter ces images", a déclaré Lumbrazo. "Nous avons signé d'innombrables heures de bénévolat pour les étudiants, et ils finissent même par avoir de bonnes discussions sur certaines images et cela devient plus une conversation scientifique."

De plus, l'ensemble de données généré par ces volontaires pourrait être utilisé pour former un algorithme d'apprentissage automatique pour classer les images à l'avenir, a déclaré l'équipe.

Les chercheurs travaillent à étendre leur ensemble de données d'images pour inclure des photos du monde entier afin qu'ils puissent continuer à apprendre comment les différents climats et modèles de précipitations affectent le manteau neigeux, ce qui contribuera également à rendre les modèles plus précis.

Les co-auteurs supplémentaires sont Andrew Bennett et William "Ryan" Currier, qui ont tous deux terminé cette recherche en tant que doctorants en génie civil et environnemental de l'UW ; et Bart Nijssen et Jessica Lundquist, tous deux professeurs de génie civil et environnemental à l'UW. Snow Spotter a été créé par Max Mozer, qui a lancé ce projet en tant qu'étudiant de premier cycle de l'UW étudiant le génie civil et environnemental.