Utvärdering av automatiska snödjupsmätningar med en SR50A Sonic Ranging Sensor

Storlek: px
Starta visningen från sidan:

Download "Utvärdering av automatiska snödjupsmätningar med en SR50A Sonic Ranging Sensor"

Transkript

1 Examensarbete vid Institutionen för geovetenskaper ISSN Nr 190 Utvärdering av automatiska snödjupsmätningar med en SR50A Sonic Ranging Sensor Nicole Carpman

2 Copyright Nicole Carpman och institutionen för geovetenskaper, Luft, vatten och landskapslära, Uppsala universitet. Tryckt hos Institutionen för geovetenskaper Geotryckeriet, Uppsala Universitet, Uppsala, 2010

3 Referat Utvärdering av automatiska snödjupsmätningar med en SR50A Sonic Ranging Sensor Nicole Carpman I Sverige utförs dagligen observationer av snöns djup och utbredning under snösäsongen. Observationerna används till exempel för att årsvis avgöra maximalt snödjup, snötäckets första och sista dag samt antal dygn med snötäcke på olika platser. Traditionellt utförs snödjupsmätningar manuellt med en enkel mätpinne, men med ny teknik kommer nya möjligheter. Med en ultraljudssnömätare kan automatiserade snödjupsmätningar utföras med bättre upplösning i både tiden och rummet vilket därmed ger bättre uppfattning av snöns tillväxt, hopsjunkning samt smältning och innebär att alla signifikanta förändringar i snötäcket garanterat kommer observeras. I denna utvärdering har en jämförelse gjorts av manuella och automatiska snödjupsmätningar utförda parallellt på samma plats men med olika frekvens. Instrumentet som utvärderats är en SR50A Sonic Ranging Sensor uppmonterad vid Institutionen för geovetenskapers mätstation vid Uppsala universitet. Vid mätstationen görs även manuella snödjupsmätningar en gång per dag. De automatiska snödjupsmätningarna genomförs varje minut och medelvärdesbildas över ett 10 minuters intervall. Utvärderingen visar att de båda metodernas mätresultat stämmer mycket väl överrens förutom en mer eller mindre systematisk skillnad. I medeltal ger Sonic Ranging Sensorn 1,6 cm större snödjup, något som till största del kommer av en osäkerhet vid kalibreringen av instrumentet. Resultaten visar tydligt på en bättre upplösning hos de automatiska mätningarna men att de manuella mätningarna ändå fått med de stora förändringarna av snötäcket vad gäller tillväxt, minskning samt max och mindjup. Rådata från Sonic Ranging Sensorn visade på större och mindre fluktuationer som berodde på osäkra mätningar. Kvaliteten på mätningarna har avgjorts antingen med instrumentets inbyggda kvalitetsnummer eller utifrån max och minvärden på snödjupet tagna under varje 10 minuters intervall. De faktorer som försämrade kvaliteten i mätningarna var först och främst snöfall, men även regndroppar eller snö som drev på grund av vinden gav försämrad kvalitet. Instrumentets känslighet för temperaturdifferensen i skiktet precis ovanför snöytan har också utvärderats vilket visade att de temperaturmätningar som görs i nuläget på 1,5 m höjd ger tillräckligt bra mätresultat. Det skilde endast 0,14 cm i medeltal om temperaturdifferensen togs med i beräkningarna av snödjupet. Förutom en systematisk skillnad visade sig drivbildning inom mätområdet vara den faktor som gav störst skillnad mellan manuella och automatiska snödjupsmätningar. För att avgöra hur representativa snödjupsmätningarna vid mätstationen är i jämförelse med närområdet och därmed också eliminera påverkan av drivbildning genomfördes ytterligare manuella mätningar av snödjupet på ett homogent fält i närheten. Resultaten visar att de manuella mätningarna vid mätstationen ger ett för området representativt snödjup. Nyckelord: Snödjup, automatiska snödjupsmätningar, ultraljud, Sonic Ranging Sensor II

4 Abstract Evaluation of automatic snow depth measurements with a SR50A Sonic Ranging Sensor Nicole Carpman During the snow season, daily observations of snow depth and distribution are performed all around Sweden. The observations are for example used to yearly determine maximum snow depth, first and last day of snow coverage and number of days with snow coverage in different areas. Manual snow depth measurements are traditionally performed with a simple measurement stick but with new technology new possibilities arise. With an ultrasonic snow depth sensor, automatic snow depth measurements can be performed with much better resolution in both time and space, thus give a more detailed picture of the growth, compaction and melting of the snow coverage. There is also no risk to miss out on any important changes in the snow coverage. In this evaluation, a comparison has been made between manual and automatic snow depth measurements performed parallel on the same place but with different frequency. The instrument that has been evaluated is a SR50A Sonic Ranging Sensor mounted at a measuring station near the Department of Earth Sciences, Uppsala University. At the measuring station manual snow depth measurements are made once a day. The automatic snow depth measurements are made every minute and an average is taken over a 10 minute interval. The evaluation shows that the measuring results of both techniques follow each other very well except for a more or less systematic difference. The Sonic Ranging Sensor gives in average 1.6 cm larger snow depth which mostly is due to in uncertainty in the calibration of the instrument. The results clearly show a better resolution in the automatic snow depth measurements, although the manual measurements still show all significant changes of the snow coverage when it comes to growth, compaction, maximum and minimum depth. Raw data from the Sonic Ranging Sensor showed some large amplitude and small amplitude fluctuations that were implemented by uncertainty in the measurements. The quality of the measurements have been determined either with the built in quality number of the instrument or from maximum and minimum snow depth measurements during each 10 minute interval. The factors that reduced the quality of the measurements was mainly snow fall, but also rain drops or drifting snow reduced the quality. The sensitivity of the instrument due to the temperature difference in the layer just above the snow surface was also evaluated, showing that the temperature measurements that currently are performed at 1.5 m height give good enough measuring results. The difference was only 0.14 cm in average if the temperature difference was taken into account when calculating the snow depth. Except for a systematic difference, drifting snow inside the measuring area was the factor giving largest difference between manual and automatic snow depth measurements. To determine how representative the snow coverage at the measuring station is compared to the local area, extra manual measurements were performed at a field near the station. The result shows that the measuring station has a representative snow depth. Key words: Automatic snow depth measurements, ultra sound, Sonic Ranging Sensor III

5 Innehållsförteckning REFERAT... II ABSTRACT... III 1 INLEDNING OCH BAKGRUND SNÖDJUPSMÄTNINGAR MED OLIKA METODER SNÖDJUPSMÄTNINGAR I ALLMÄNHET MANUELLA SNÖDJUPSMÄTNINGAR AUTOMATISKA SNÖDJUPSMÄTNINGAR Instrument: SR50A Sonic Ranging Sensor Kvalitet och noggrannhet JÄMFÖRELSE MELLAN MANUELLA OCH AUTOMATISKA SNÖDJUPSMÄTNINGAR UTFÖRANDE PLATS OCH UTFÖRANDE AV MANUELLA SNÖDJUPSMÄTNINGAR Mätstationens representativitet PLATS OCH UTFÖRANDE AV AUTOMATISKA MÄTNINGAR Montering och mätområde Insamling av data METOD RESULTAT FEBRUARI MARS Vädrets inverkan på Sonic Ranging Sensorns snödjupsmätningar, februari mars Jämförelse mellan automatiska och manuella snödjupsmätningar, februari mars Temperaturens påverkan på de automatiska snödjupsmätningarna VINTERN 2009/ Sonic Ranging Sensorns mätresultat vid barmark, november december Vädrets inverkan på Sonic Ranging Sensorns snödjupsmätningar vid barmark Sonic Ranging Sensorns mätresultat vid snötäcke, december 2009 februari Vädrets inverkan på Sonic Ranging Sensorns snödjupsmätningar vid snötäcke Jämförelse mellan automatiska och manuella snödjupsmätningar, vintern 2009/ REPRESENTATIVITET De manuella snödjupsmätningarnas representativitet DISKUSSION OCH SLUTSATSER SNÖDJUPSMÄTNINGAR VID SNÖTÄCKE SNÖDJUPSMÄTNINGAR VID BARMARK JÄMFÖRELSE MELLAN MANUELLA OCH AUTOMATISKA SNÖDJUPSMÄTNINGAR MÄTSTATIONENS REPRESENTATIVITET SLUTSATSER REFERENSER APPENDIX A. MANUELLA OBSERVATIONER... I 8 APPENDIX B. DATA FRÅN YTTERLIGARE MANUELLA SNÖOBSERVATIONER... VI 9 APPENDIX C. VINDHASTIGHETER OCH VINDRIKTNINGAR... IX 10 APPENDIX D. SNÖDJUPSMÄTNINGAR VID OCH SKISS ÖVER MÄTSTATIONEN... X

6

7 1 Inledning och bakgrund Runt om i Sverige utförs dagligen observationer av allt från temperaturer, nederbörd och fuktighet till salthalter och strålning. Dessa observationer innefattar såväl atmosfären som sjöar, hav och land. Data samlas in av Sveriges Meteorologiska och Hydrologiska Institut (SMHI) som sammanställer observationerna och använder dem som underlag exempelvis i prognoser, i modeller för klimatscenarier och utredningar med mera som sedan används som underlag för myndigheter, organisationer, forskare, politiker eller privatpersoner. En av parametrarna som dagligen observeras under vintersäsongen är snödjupet. Detta görs vid samtliga manuella väderstationer i Sverige, med vissa undantag. Observationerna används för att ge information om snötäckets djup, varaktighet och utbredning. Intressanta aspekter är första och sista dag med snötäcke, antal dygn med snötäcke samt maximala snödjupet. Förekomsten av snö och vatteninnehållet i snön har stor betydelse för många delar av samhället, några exempel är: vinterväghållningen där det är viktigt att ha tillgång till uppdaterade observationer om hur mycket nysnö som fallit och dimensionering av hustak där en uppfattning av vilken mängd snö som kan förväntas på platsen är viktig. Vid Institutionen för geovetenskaper vid Uppsala universitet utförs dagligen manuella observationer av nederbörd, nederbördsslag, snödjup och andel snötäcke. Snödjupet mäts traditionellt med en enkel mätpinne vid institutionens mätstation. Sedan februari 2009 har institutionen även en automatisk snödjupsmätare, en SR50A Sonic Ranging Sensor från Campbell Scientific Inc. Det är ett instrument som med hjälp av ultraljud mäter avståndet till snöytan och på så sätt beräknar snödjupet. Mätningarna sker en gång per minut och ett medelvärde bildas sedan över ett 10 minuters intervall. Syftet med denna undersökning är i huvudsak att utvärdera hur väl snödjupsmätningar med en ultraljudsmätare stämmer överens med traditionellt utförda snödjupsmätningar med mätpinne. Intresse ligger också i att undersöka hur mycket extra information som fås av att utföra mer frekventa mätningar i jämförelse med de mätningar som utförs endast en gång per dag. Både de manuella och de automatiska mätningarna utförs vid endast en mätpunkt. Det är därför intressant att vidare undersöka hur representativa dessa mätpunkter är vid jämförelse med närområdet. Som en utvärdering av själva instrumentet har eventuella felkällor undersökts, främst på grund av olika väderförhållanden. Data från två skilda tidsserier har använts där snödjupet uppmätts parallellt både automatiskt med en Sonic Ranging Sensor (SR sensor) och manuellt med en fast mätpinne. Enligt en tidigare utvärdering av SR sensorer (Brazenec, 2005) visade sig störningar i instrumenten till största del bero på olika väderpåverkningar så som snö med låg densitet, snödrev, höga vindhastigheter, intensiva snöfall och extrema temperaturer varför fokus lades på att utvärdera olika väderförhållandens påverkan på mätresultatens noggrannhet. Mätresultaten från de två metoderna jämfördes kvantitativt genom att beräkna den absoluta differensen, medelvärdet av differensen samt standaravvikelsen från detta medelvärde. För att avgöra hur representativt det manuellt uppmätta snödjupet vid mätstationen är i jämförelse med snöns fördelning i närområdet så har här ytterligare mätningar genomförts på ett större homogent fält i närheten under en kortare period. 1

8 2 Snödjupsmätningar med olika metoder 2.1 Snödjupsmätningar i allmänhet Sedan början av 1900 talet har snödjupet mätts på ett stort antal platser i Sverige (Nord & Teasler, 1973). Att mäta snödjup är en till synes enkel uppgift, men det finns vissa aspekter att ta hänsyn till och en djupare förståelse för snöns fysikaliska egenskaper är värdefull vid analys av ett snötäcke. Ett snötäcke växer nästan uteslutande på grund av fallande nederbörd eller drivbildning. Kondensation av fuktig luft på dess yta kan anses försumbar (Nord & Teasler, 1973). Beroende på temperaturen kan nederbörden falla som regn eller snö i olika former. De fallande iskristallerna kan vara små och lätta eller sammanslagna till stora, tyngre snöflingor vilket påverkar hur snön fördelar sig på marken. Små lätta snöflingor har till exempel större tendens att bilda drivor. Minskning av snötäcket sker i huvudsak på grund av att snön sjunker ihop, blåser bort eller smälter. Hopsjunkning sker snabbt i ett nybildat snötäcke på grund av att snöns fysikaliska egenskaper ändras. Små iskristaller omvandlas till större på grund av avdunstning och sublimation mellan de olika kristallerna. Detta resulterar i att snötäckets struktur förändras och blir mer kompakt vilket gör att snötäcket snabbt sjunker ihop. (Nord & Teasler, 1973). Även snötäckets egen tyngd påverkar hopsjunkningen. Vidare kan snödrev ha stor inverkan på snöns fördelning över ett område. Vanligast är att snön lägger sig i drivor på grund av höga vindhastigheter vid snötillfället, men snödrev förekommer även av befintliga snötäcken. För torr, lös snö uppkommer snödrev från och med vindhastigheter på 4 4,5 m/s medan tröskelvärdet för hårt vindpackad snö är ca 10 m/s (Nord & Teasler, 1973). 2.2 Manuella snödjupsmätningar Snödjup mäts traditionellt med en smal mätpinne graderad i hela centimetrar och avläses på en centimeter när (SMHI, 1979). Helst bör minst fem olika mätpunkter med några meters mellanrum inom ett område av 20 x 20 m användas för att få ett, för området, representativt värde på snödjupet. Snödjupet rapporteras sedan som medelvärdet av de fem mätpunkterna. Snödjupsmätningar utförs dagligen kl 07 (kl 10 för vissa stationer) från och med första snöfallet på hösten. Mätplatsen väljs på en yta där snötäcket av erfarenhet fördelar sig jämt. Platser där snön blåser bort eller där drivbildning är vanlig bör undvikas. Enligt nationella föreskrifter (SMHI, 1979) skall förutom snötäckets djup även en beskrivning av hur stor del av marken som är snötäckt rapporteras. Detta görs utifrån en fyragradig skala enligt Tabell 1. Tabell 1. Markytans tillstånd S SB BS B marken helt eller nästan helt snötäckt marken mer än till hälften men inte helt snötäckt marken mer än till häften men inte helt bar marken helt eller nästan helt bar Endast då marken är mer än till hälften täckt med snö (S eller SB) rapporteras snödjup. Detta innebär att om snön har smält bort i mer än hälften av det omkringliggande området, till exempel på grund av en större uppvärmning eller mer vind, men själva mätplatsen fortfarande har ett snötäcke kvar, så noteras inte snödjupet och de manuella data förlorar information om snösmältningsförloppet på mätplatsen. 2

9 För att undvika mätfel är det viktigt för en fast mätpinne att kalibreringen till nollnivån vid markytan är noggrann. För en lös mätpinne som sticks ner i snön är det viktigt att se till att den når ända ner till markytan. De vanligaste orsakerna till mätfel vid en fast mätpinne är smältning precis invid pinnen eller drivbildning på mätplatsen. 2.3 Automatiska snödjupsmätningar Ett annat sätt att mäta snödjup är att använda sig av automatiserade avståndsmätningar där man utnyttjar snöytans förmåga att reflektera ljud. På så sätt kan mätningar genomföras på ett kostnadsoch tidseffektivt sätt med stor noggrannhet och hög tidsupplösning Instrument: SR50A Sonic Ranging Sensor Den automatiska snödjupsmätare som undersökts är en SR50A Sonic Ranging Sensor från Campbell Scientific, Inc. Det är ett instrument som genom att sända ut korta pulser av ultraljud och sedan registrera ekot mäter avståndet till ett objekt eller en yta, till exempel en snö eller vattenyta (Campbell Scientific Inc., ). Sonic Ranging Sensorn är specialutformad för att mäta snödjup och har därför hög noggrannhet för alla typer av snö, allt från våt, tung snö till nyfallen pudersnö med hög förmåga att absorbera ljud. Den är byggd av tåligt aluminium vilket gör att den klarar hårt väder. De känsliga inre delarna skyddas från kondenserad fukt med hjälp av ett torkmedel. Tillverkaren rekommenderar att dessa inre delar av instrumentet 1 bör bytas vart 3:e år. Om Sonic Ranging Sensorn brukas i ett fuktigt klimat bör de bytas varje år. Torkmedlet använder kiselsyragel som en indikator på om fukt har tagit sig in i instrumentet. Blå färg innebär att torkmedlet fortfarande fungerar, rosa färg indikerar att torkmedlet behöver bytas. Sensorn är både en sändare och mottagare av ultraljud. Enligt instruktionsmanualen (Campbell Scientific Inc., ) sänder den ut ultraljud med frekvensen 50 khz som träffar objektets yta där ljudpulsen absorberas och reflekteras. Ytans egenskaper avgör hur stor del av ljudpulsen som reflekteras. En fast yta reflekterar större del av ljudet medan en porös yta till största del absorberar ljudet. Det reflekterade ekot tas emot av sensorn och tiden det tagit för ljudet att färdas från sändaren och tillbaka registreras. Ljudets hastighet i luft varierar med luftens temperatur varför en korrektion av ljudets hastighet behöver göras för att få korrekta mätvärden. Som standardinställningen för SR50A så är den omgivande temperaturen 0 C vilket ger en ljudhastighet av 331,4 m/s (Campbell Scientific Inc., ). Tillsammans med sensorn behövs därför en extern temperaturgivare som vid varje mätning anger den faktiska lufttemperaturen. Det temperaturkompenserade, verkliga snödjupet fås av Ekvation 1, (1) där = Sonic Ranging Sensorns uppmätta snödjup i cm, 0 = uppmätt snödjup i cm vid 0 C, T = externt uppmätt lufttemperatur i Kelvin (Campbell Scientific Inc., ) Kvalitet och noggrannhet Enligt instrumentspecifikationen tar det ca 1 sekund för en SR50A Sonic Ranging Sensor att genomföra en snödjupsmätning och skicka utdata. Upplösningen i snödjupsmätningarna är 0,025 cm och noggrannheten anges till ±1 cm. 1 Översättning: The transducer housing assembly (Campbell Scientific Inc., ) 3

10 Förutom att mäta snödjup utför Sonic Ranging Sensorn även en kvalitetskoll på mätningarna. Instrumentet använder en algoritm för att säkerställa pålitligheten i mätningarna och ge användaren en indikation på kvaliteten. Instrumentet sänder enligt Brazenec (2005) ut ett flertal ljudpulser vid varje snödjupsmätning och kontrollerar så att det inte skiljer mer än 1 cm mellan de olika mätresultaten. Kvaliteten anges med ett kvalitetsnummer k som kan anta värden mellan 0 och 600, där höga nummer innebär stor osäkerhet i mätningen medan mindre nummer anger god kvalitet, 0 innebär att mätningen inte kunnat utföras (se Tabell 2). Om osäkerheten är alltför stor kan snödjupsmätningen ratas. När en mätning ratas ger instrumentet kvalitetsnumret 0 samtidigt som snödjupet sätts till 999. Tabell 2. Definition av intervallen för Sonic Ranging Sensorns kvalitetsnummer k. 0 ingen mätning har kunnat utföras bra kvalitet på mätningen en viss osäkerhet finns i mätningen stor osäkerhet i mätningen De orsaker som Campbell Scientific, Inc. ( ) anger påverkar kvaliteten på mätningarna är: Sensorn är inte vinkelrät mot objektets yta Objektet är litet och reflekterar lite ljud Objektets yta är skrovligt eller ojämnt Objektet har dålig förmåga att reflektera ljud, till exempel snö med extremt låg densitet Även vid snöfall förväntas kvalitetsnumret öka, speciellt om snön har låg densitet då ljudsignalen lätt sprids (Campbell Scientific, Inc ). Orsaker till att mätdata anses osäker kan vara att den reflekterade ljudpulsen har blivit försvagad på sin väg tillbaka till mottagaren. Exempelvis om ljudet sprids mycket vid reflektionen på ytan eller om snöns egenskaper gör så att den absorberar väldigt stor del av ljudet. Brazenec (2005) uppger tillfällen med starka vindar och snöfall som den största källan till osäkerhet. Förklaringen som anges är att ljudpulserna då har svårt att tränga igenom snöflingorna, detta i kombination med en försvagning av ekot i och med att ljudet sprids åt olika håll, resulterar i att instrumentet inte korrekt klarar av att mäta avståndet till själva snöytan. Andra orsaker till att mätdata anses osäker kan vara om något objekt inom mätområdet rör på sig med mer än 4 cm/s, till exempel om ett djur rör sig inom sensorns mätradie (Campbell Scientific Inc., ). 2.4 Jämförelse mellan manuella och automatiska snödjupsmätningar Det finns både för och nackdelar med att använda sig av automatiska snödjupsmätningar istället för traditionellt utförda manuella mätningar. Fördelen med att använda automatiska snödjupsmätningar är att tidsupplösningen kan göras högre, på så sätt fås en mycket mer detaljerad bild av snödjupets variation. När nederbörd faller så ökar snödjupet för att sedan snabbt börja sjunka ihop. Denna tillväxt och hopsjunkning kan detekteras i mycket större detalj vid mer frekventa mätningar. Om endast en mätning per dag genomförs finns också en stor risk att dygnets maximala eller minimala snödjup missas. Det man vinner med att använda manuella observationer utförda av en erfaren observatör, är den rumsliga uppfattningen av snötäcket. Sonic Ranging Sensorn mäter endast på en mindre yta medan en observatör kan ta hänsyn till snödjupet på en större yta för att få ett mer representativt värde. 4

11 Detta är speciellt viktigt vid drivbildning då vindens riktning och hastighet samt instrumentets placering avgör om snön under sensorn är tjockare eller tunnare än det allmänna snötäcket runtomkring. Även i senare skeden av snösäsongen, när smältningen påbörjas, ger de manuella observationerna större förståelse för snöläget i området medan de automatiska snödjupsmätningarna ger en mer detaljerad bild av snösmältningsförloppet precis vid mätplatsen. Om då endast automatiska mätningar finns tillgängliga så finns risken att en missvisande bild ges av snödjupet. Om snön på mätplatsen smälter långsammare än i resten av området skulle en längre snösäsong rapporteras av den automatiska snödjupsmätaren i jämförelse med vad manuella observationer skulle ha rapporterat, eller vise versa om snön på mätplatsen smälter snabbare. Valet av metod skulle alltså kunna påverka en klimatologisk analys av snösäsongens varaktighet. 3 Utförande Nedan följer en närmare genomgång av utförandet av de manuella och de automatiska snödjupsmätningarna samt en beskrivning av metoden som ligger till grund för undersökningen och jämförelsen mellan dem. De data som undersöktes kommer från i huvudsak två olika tidsserier där manuella och automatiska snödjupsmätningarna är utförda parallellt. Tidsserierna innefattar februari mars 2009 samt november 2009 februari Utöver dessa ingick även en kortare serie data med ytterligare manuella snödjupsmätningar som utfördes parallellt med övriga mätningar mellan 29 januari och 15 februari Plats och utförande av manuella snödjupsmätningar De manuella observationerna kommer från mätstationen vid Institutionen för geovetenskaper, Uppsala universitet, som är ett inhägnat område där endast behöriga personer har tillträde. De använder sig av en i marken fastsatt centimetertjock metallstång graderad med hela centimetrar för att manuellt mäta snödjupet (Figur 1). Metallstången placeras i marken inför varje snösäsong och mätnoggrannheten kan uppskattas till ±1 cm. Eftersom endast en mätpunkt används gör observatören vid avläsning en visuell interpolering inom den närmaste kvadratmetern för att minimera mätfel och få ett mer representativt mätvärde av snödjupet på platsen. Förutom snödjup observeras även andelen snötäcke i området samt vilken slags nederbörd som fallit det senaste dygnet. Observationerna genomfördes på morgonen varje vardag (måndag fredag). Tidpunkten för observationerna har varierat och vissa dagar har inte någon tidpunkt angetts vid rapporteringen (se Appendix A). Dagar då ingen observation genomförts samt under helger har snödjupet interpolerats linjärt mellan de två närliggande mätningarna Mätstationens representativitet De ytterligare manuella snödjupsmätningarna utfördes på en öppen yta i närheten av den ordinarie mätstationen med en tunn linjal av plast (se Figur 2). Linjalen var 50 cm lång och graderad i millimeter. Den stacks ner genom snötäcket vid flera olika mätpunkter och mätningarna rapporterades med 1 centimeters noggrannhet. Observationerna antecknades tillsammans med en allmän observation om snöfall, eventuell nysnö, vindförhållanden samt snöytans struktur (se Appendix B). 5

12 Figur 1. Metallstång graderad i centimeter för manuella snödjupsmätningar vid Uppsala universitet. Figur centimeter lång linjal i plast graderad i millimeter för ytterligare snödjupsmätningar på ett större homogent område. 200 m Figur 3. Karta över närområdet vid de två olika mätplatserna i Uppsala (efter UNT/Akademiska hus, 2010). Mätplatsen som valdes var ett större homogent fält i närheten av den ordinarie mätstationen som kan anses representativ för hur snö normalt fördelar sig då den är öppen med bara enstaka träd, till viss del skyddad av omgivande bebyggelse (se Figur 3). Ytan är platt förutom två konstgjorda kullar ca 3 m höga och 30 m långa (Figur 4). Den exakta platsen för mätningarna var på en yta av 20 x 35 meter som innefattade både den platta delen av området samt en av de avlånga kullarna. Mätpunkterna placerades i fem räta rader (rad A E) dels på kullens krön (rad E) dels parallellt med kullen (rad D), samt vinkelrätt bort från kullen (rad A C). Radernas orientering samt placeringen av de två kullarna ses i Figur 4. På varje rad 6

13 har snödjupet mätts på 4 6 punkter. Avståndet mellan dem stegades upp med 5 6 steg mellan varje mätpunkt vilket motsvarar ungefär 5 6 meter. Genom att använda många mätpunkter kunde den rumsliga variationen i snödjup över en relativt homogen yta undersökas. Det stora mätområdet gjorde också att olika vindriktningars påverkan på snöns fördelning kunde studeras. Mätpunkterna på Kulle 1 avsågs kunna ge en bild av vindens påverkan och snödrevets omfattning. Figur 4. Skiss över mätområdet för de ytterligare manuella snödjupsmätningarna. På varje rad (A E) har 4 6 mätningar gjorts med ca 5 m mellanrum. 3.2 Plats och utförande av automatiska mätningar De automatiska snödjupsmätningarna utfördes av på samma mätstation som de manuella observationerna utfördes och markeras på kartan i Figur 3. Underlaget består av gräs som kan bli decimeterhögt och tovigt till sin karaktär. Data finns från och med februari 2009 då instrumentet monterades upp Montering och mätområde En Sonic Ranging Sensor bör monteras vinkelrätt mot marken på en höjd av 0,5 till 10 m från den yta som skall undersökas för att mätningarna ska genomföras korrekt och hänsyn bör därför tas till hur djup snö som förväntas på platsen (Campbell Scientific Inc., ). Avståndet måste vara minst 50 cm men bör heller inte vara alltför långt ifrån ytan då det absoluta felet i snödjupsmätningen ökar med avståndet. 7

14 Sensorns mätområde är en cirkulär yta rakt nedanför instrumentet definierad som basytan i en kon (se Figur 5). Höjden till instrumentet avgör ytans storlek enligt Ekvation 2. Ljudpulsen har en bredd av cirka 30 grader vilket innebär att radien respektive arean ges av Ekvation 2 a) respektive b) tan (2 a) (2 b) där r = radien, h =höjden till sensorn och A = arean på cirkeln. För att få korrekta mätresultat bör inga störande föremål befinna sig inom instrumentets mätområde varför det är viktigt att placera instrumentet över en tillräckligt stor, plan yta. Detta för att SR sensorn mäter avståndet till det föremål som är på kortast avstånd från sändaren. Vid montering av SR sensorn är det ytterst viktigt att kalibrera den så att nollnivån är väl definierad. Snödjupet är direkt beroende av hur väl marknivån är definierad. Vid monteringstillfället av SR sensorn vid mätstationen (februari 2009) fanns det redan en viss mängd snö på marken. Avståndet mellan instrumentet och snöytan mättes därför upp med 1 cm noggrannhet och användes som underlag för kalibreringen. En kontroll av kalibreringens noggrannhet gjordes genom att jämföra med det manuellt uppmätta snödjupet vid mätpinnen. Instrumentet placerades 1,6 meter över marken på en stång monterad horisontellt på en mast, se Figur 5. Avståndet från masten gjordes tillräckligt långt för att sensorns ljudstråle inte skulle störas av några objekt. Enligt Ekvation 2 ger en placering av instrumentet på 1,6 meters höjd ett mätområde med diametern 86 cm och därmed arean 0,58 m 2 vid markytan. Enligt definition minskar mätområdet när snödjupet ökar eftersom snöytan då kommer närmare instrumentet. Vid mätstationen utförs även automatiska observationer av flera andra meteorologiska parametrar. Luftens temperatur uppmäts med en resistansgivare av platina som är väl ventilerad och strålningsskyddad med en noggrannhet på 0,01 C. Den är placerad på 1,5 m höjd på masten, i nära anslutning till SR sensorn. Mark eller snöytans temperatur registreras med en Infra Red Remote Temperature Sensor som mäter ytans långvågiga IR strålning med noggrannheten 0,2 C inom dess mätområde 25 C till +60 C (Campbell Scientific Inc., 2008). Instrumentet är riktat för att mäta temperaturen rakt nedanför SR sensorn (se Figur 5). Vindhastigheten mäts med en propelleranemometer placerad på institutionsbyggnadens tak. Den registrerar vindriktningen samt medelvinden och maximala byvinden under 10 minuters intervall med en noggrannhet av 0,3 m/s (Young, 2008). Figur 5 visar placeringen av SR sensorn på mätstationens område samt illustrerar den utsända ljudpulsens räckvidd. Figuren visar även den manuella mätpinnen placerad strax bakom SR sensorn. På mitten av Figur 5 ses även IR strålningstemperaturmätaren monterad på den horisontella stången och till vänster ses skåpet där en datalogger är placerad som tar emot data från de olika instrumenten(se nedan för närmare beskrivning). 8

15 IR temperatur mätare Sonic Ranging Sensor Figur 5. Foto från 28 januari som visar Sonic Ranging sensorns placering vid Institutionen för geovetenskapers mätstation vid Uppsala universitet. Den från Sonic Ranging sensorn utsända ljudpulsens räckvidd har markerats i bilden. På bilden ses också den metallstång som används för manuella snödjupsmätningar (Figur 1) samt, monterad på stången, temperaturgivaren för ytans strålningstemperatur. Instrumenten är placerade på 1,6 m höjd från markytan. Vid fototillfället var snödjupet 36 cm Insamling av data Utdata från Sonic Ranging Sensorn sparas i en Campbell CR10X datalogger som kommunicerar med instrumentet med hjälp av SDI 12 (Serial Digital Interface). Noggrannheten i data från loggern valdes till 0,5 cm vilket anses tillräckligt eftersom mätosäkerheten på snödjup uppskattas till ± 1 cm. Enligt instrumentspecifikationen tar det ca 1 sekund för en SR sensor att genomföra en snödjupsmätning och skicka utdata. SR sensorn har i loggern programmerats till att mäta en gång per minut. För varje mätning skickas,, den externt uppmätta temperaturen på 1,5 m höjd, till loggern där den används för att genomföra temperaturkompensationen (Ekvation 1). Vidare beräknas snödjupet utifrån den uppmätta höjden från markytan till instrumentet genom att subtrahera höjden till instrumentet (1,6 m). Det verkliga snödjupet, sparas tillsammans med data för att avgöra kvaliteten i mätningarna. SR sensorn genomför 1440 mätningar per dag. Dessa mätningar medelvärdesbildas i intervall om 10 minuter vilket ger 144 mätvärden per dag. Under den första tidsserien (februari mars 2009) sparades SR sensorns inbyggda kvalitetsnummer k som och under varje 10 minuters intervall, tillsammans med medelvärdet av snödjupsmätningarna. Under den andra tidsperioden (november 2009 februari 2010) sparades istället max och minvärdet av snödjupsmätningarna ( och ) under varje 10 minuters intervall tillsammans med medelvärdet av snödjupsmätningarna. Vid de tillfällen då ett mätvärde har ratats och SR sensorn har angett snödjupet till ±999 så upptäcker loggern detta orimliga värde och ger ±6999 som utdata för snödjupet, vilket gör det enkelt att detektera dessa felaktiga mätningar vid bearbetning av data. Även övriga meteorologiska parametrar, beskrivna ovan, sparas som 10 minuters medelvärden i dataloggern tillsammans med datum och tidpunkt för mätningens genomförande. 9

16 3.4 Metod Vid jämförelse mellan de manuella och automatiska snödjupsmätningarna har endast manuella observationer då observatören rapporterat snötäcket till S eller SB använts (se Appendix A). Det vill säga tillfällen då snötäcket täcker mer än 50 % av marken i området och snödjupet på mätplatsen faktiskt har observerats. Vidare har endast mätningar från vardagar då observatören varit på plats vid mätstationen tagits med i jämförelsen. För att kunna visualisera snödjupets variation med tiden har manuella data kompletterats med att sätta icke angivna tidpunkter till 9:00 SNT, vilket är ett medelvärde av tidpunkten för övriga observationer. Dessa punkter har däremot inte använts vid den kvantitativa jämförelsen mellan manuella och automatiska snödjupsmätningar, detta för att säkerställa ett mer korrekt resultat. För att vidare möjliggöra jämförelse med automatiska mätningar så ändrades samtliga klockslag för de manuella mätningarna till närmaste föregående hela 10 tal så att de matchar 10 minuters medelvärdena från de automatiska mätningarna. För att kvantitativt kunna jämföra de båda serierna har de dagliga manuella snödjupsobservationerna kombinerats med motsvarande automatiska snödjupsobservationer vid samma dag och tidpunkt. Från dessa värdepar beräknades därefter den absoluta differensen i snödjup, medelvärdet av differensen samt standardavvikelsen från detta medelvärde. Fördelningen av absoluta differensen har åskådliggjorts i histogram. Även för de ytterligare manuella snödjupsmätningarna har aritmetiska medelvärden av snödjupet bildats utifrån olika antal mätpunkter. Resultaten har sedan jämförts med de ordinarie manuella snödjupsmätningarna för att avgöra hur representativt snötäcket vid den ordinarie mätstationen är i jämförelse med närområdet. Kvaliteten på de automatiska snödjupsmätningarna avgjordes med hjälp av Sonic Ranging Sensorns kvalitetsnummer k, för perioden februari mars Då inget kvalitetsnummer sparats, november 2009 februari 2010, användes skillnaden mellan snödjupets max och minvärde under varje 10 minuters intervall ( ) som en indikation på osäkerheten i mätningarna. För att kunna utvärdera hur väl en automatisk snödjupsmätare av denna typ fungerar vid olika vädersituationer så har väderanalyser efterkonstruerats för att försöka hitta samband mellan störningar i mätdata från SR sensorn och särskilda vädersituationer. Analyserna grundar sig på endast en sparsam mängd observationer och bör därför inte ses som helt exakta. Observationsmaterialet kommer dels från den automatiska väderstationen vid Uppsala universitet dels från de dagligen utförda manuella observationerna, dels från SMHI:s månadsrapporter över väderläget från samma tidsperiod. De parametrar som studerades var nederbörd, nederbördsslag, medelvind, byvind, luftens och ytans temperatur samt temperaturdifferensen mellan snötäckets yta och instrumentet. Enligt tillverkaren (Campbell Scientific Inc., ) förväntas osäkerheten i SR sensorns mätresultat öka vid snöfall varför fokus har lagts på nederbördsområden. Vindhastigheter och riktningar ger information om risken för drivbildning eller snödrev. Temperaturen vid tiden för osäkra observationer ger information om vilken sorts nederbörd man kan vänta sig. Vid temperaturer runt nollstrecket förväntas snöflingorna vara stora jämfört med snöflingorna när temperaturen är flera minusgrader, då de har en annan struktur och faller tätare men är mindre. Vid snötäcke uppstår en kraftig temperaturgradient i skiktet närmast ytan. Detta innebär att ljudpulsen färdas genom ett lager luft med väldigt skiftande temperatur, något som påverkar ljudets hastighet. Eventuell 10

17 påverkan på snödjupsmätningarna från denna förändring av ljudhastigheten undersöks i närmare detalj utifrån data från mars Resultat De data som undersökts kommer från två skilda tidsserier där manuella och automatiska snödjupsmätningar är utförda parallellt. Tidsserierna innefattar februari mars 2009 samt november 2009 februari I data finns de flesta vindriktningarna representerade, liksom olika former av nederbörd så som regn, snöblandat regn samt snöfall med både små och stora snöflingor. Undersökningar av mätningar vid barmark respektive snötäcke har också kunnat genomföras. Resultaten från jämförelsen mellan de två metoderna är uppdelade efter vilken av de två tidsserierna som har använts. Utöver de två huvudsakliga dataserierna presenteras resultaten från de ytterligare manuella snödjupsmätningarna som används till att avgöra representativiteten separat. Vid analys av Sonic Ranging Sensorns snödjupsmätningar genomfördes viss databearbetning för att få tillförlitliga data set. I SR sensorns utdata återfanns ett antal spikar, där instrumentet gett ±999 vilket resulterat i att dataloggern gett ±6999 som utdata, samt en mängd mindre fluktuationer som kom av osäkra mätningar En manuell kontroll av mätresultatet visade att de små variationerna oftast var försumbara, översteg sällan 3 cm på 10 minuter. Antal stora spikar och signifikanta fluktuationer utgjorde sammanlagt endast 0,23 % av data vid snötäcke, beräknat över båda tidsserierna, dessa spikar samt osäkra mätningar felflaggades och mätvärdet togs bort och ersatts av värdet i närmast föregående tidssteg. 4.1 Februari mars 2009 Snödjupets variation med tiden under perioden 3 februari 31 mars 2009 visas som rådata i Figur 6. Linjen anger de automatiska observationerna från SR sensorn och består av 10 minuters medelvärden. Stjärnorna, sammanbundna med en linje, anger de dagliga manuella observationerna där varje stjärna representerar en observation. Snödjupet uppmätt med SR sensorn visar ett antal spikar som kommer av olika störningar i mätningarna. Det finns även ett antal mindre fluktuationer i snödjupet som kommer av observationer där höga kvalitetsnummer vittnar om att osäkerheten varit stor vid mätningens genomförande. Figur 6. Snödjup i februari mars Jämförelse mellan manuella och automatiska snödjupsmätningar uppmätta parallellt Kvalitetsnummer från den aktuella perioden ses i Figur 7a. På y axeln har den undre gränsen markerats för mätningar med bra kvalitet ( ), viss osäkerhet ( ) respektive stor osäkerhet (k max = ). Tillfällen då ingen mätning har kunnat genomföras ( 0) markeras med stjärna. 11

18 Vid databearbetning felflaggades alla spikar samt alla observationer där värdet på kvalitetsnumret översteg 300 eller var 0. I och med den stora mängden kvalitetsinformation var antal felflaggade observationer i data från februari mars relativt stort, 151 av sammanlagt 8117 observationer felflaggades, viket motsvarar 1,9 % av mätvärdena under perioden, men antal större spikar var endast 11 st vilket motsvarar 0,14 % av data. Dessa felflaggade värden togs bort och ersattes med värdet i närmaste föregående tidssteg. I Figur 7b ses de manuella snödjupsmätningarna tillsammans med de automatiska snödjupsmätningarna där de felflaggade mätpunkterna ersatts (markerade med kvadrater i figuren). Figur 7c visar nederbördsmängden uppmätt av den automatiska nederbördsmätaren. Figur 8 visar uppmätta temperaturer under perioden; ytans strålningstemperatur, luftens temperatur på 1,5 m höjd samt differensen mellan dem,. Jämförelse av Figur 7 a c visar på en tydlig korrelation mellan höga värden på kvalitetsnumret, felaktiga värden från SR sensorn och tillfällen med nederbörd. Särskilt vid snöfall har SR sensorns snödjupsmätningar störts i hög grad. Detta ses tydligt vid de tillfällen när snödjupet ökat snabbt på grund av ett snöoväder, till exempel 23 februari, 3 mars och 9 11 mars. Vad gäller vindhastigheterna så har inga mönster kunnat urskönjas. Detta beror troligen på att vindhastigheterna i februari mars 2009 endast varit måttliga med friska byvindar under vissa perioder (se Appendix C) Vädrets inverkan på Sonic Ranging Sensorns snödjupsmätningar, februari mars 2009 Den 4 februari drog mild fuktig luft in över Sverige söder ifrån och gav, i samband med ett flertal nederbördsområden snöfall på sina håll, ibland med inslag av regn (SMHI, 2009 d). I Uppsala föll 5 cm nysnö på två dagar. SR sensorns mätningar stördes av denna nederbörd nästan hela dagen den 5 februari och 17 mätpunkter felflaggades. Med temperaturer strax under nollstrecket kan man anta att snöflingorna den här dagen var stora och reflekterade stora delar av ljudpulserna från instrumentet. Kvalitetsnummer, felflaggade snödjupsmätningar och temperaturer ses i Figur 7 a c och Figur 8. Mellan den 6 21 februari genomfördes snödjupsmätningar med bra kvalitet. Temperaturen var lägre under denna period ligger gott och väl under 0 grader, i medeltal 5 C (se Figur 8). Enligt Figur 7 b ökar snödjupet långsamt under denna period och enligt de manuella observationerna föll en viss mängd snö varje dag trots att den automatiska regnmätaren inte registrerat någon nederbörd. Dessa lätta snöfall har alltså inte stört SR sensorn. Den 22 februari rörde sig ett nederbördsområde in över Uppland (SMHI, 2009 d) som gav 10 cm nysnö och återigen stördes de automatiska snödjupsmätningarna kraftigt under ett halvt dygn vilket medför att 39 mätpunkter med mindre fluktuationer och höga kvalitetsnummer felflaggades, se Figur 7 b) och c). Vid de tillfällen som felflaggats med kvalitetsnummer 0 på eftermiddagen den 24 februari har även fel detekterats i flera andra instrument på mätstationen vilket vittnar om något tekniskt fel i instrumenten. Dessa fel bör därför inte tas med i analysen av SR sensorn. På kvällen den 2 mars snöade det ganska intensivt från ett passerande nederbördsområde. Snödjupet ökade med 9 cm. Temperaturen låg runt nollstrecket så snön var antagligen blöt och i stora flingor. Detta snöfall gav störningar i mätningarna från SR sensorn vid nio stycken 10 minuters intervall mellan kl 20:00 och 23:00. Under hela dygnet 3 mars återfinns höga kvalitetsnummer och störningar i snödjupsmätningarna. 12

19 a) b) b) Figur 7 a c. Jämförelse mellan olika parametrar för att visa på felkällor i Sonic Ranging Sensorns snödjupsmätningar från februari mars 2009 (a) Kvalitetsnummer k från Sonic Ranging Sensorn. De undre nivåerna för de olika intervallen är markerade (för detaljer se Tabell 2) (b) Snödjup, jämförelse mellan manuella och automatiska observationer. Felflaggade och borttagna punkter i automatiska data har markerats med svarta kvadrater. (c) Nederbördsmängd. Figur 8. Temperaturer under perioden februari mars Luftens temperatur på 1,5 m höjd,, ytans strålningstemperatur samt differensen mellan dem,. 13

20 Även den 4 och 5 mars registrerades nederbörd av automatstationen. Temperaturen låg mellan 1 och 4 plusgrader vilket gav nederbörd i form av regn enligt förmiddagsobservationen kl 10. Denna nederbörd gav inga störningar i kvalitetsnumret och man kan dra slutsatsen att regndroppar ger obetydlig störning i jämförelse med den stora störning som snöflingor bidrar till. På eftermiddagen och kvällen den 8 mars föll 2,2 mm nederbörd från ett nederbördsområde som rörde sig in från Atlanten i samband med ett lågtrycksområde (SMHI, 2009 c) med temperaturer på 0,5 1,5 C. SR sensorn stördes inte i detta fall så troligen föll nederbörden i form av regn. Nästa dag, på förmiddagen den 9 mars, observerades snöblandat regn, vilket gav SR sensorn störningar i en timme mellan kl 8 9. Den 10 mars gav ett lågtryck beläget öster om Sverige snöfall över Upplandskusten (SMHI, 2009 c). Vid mätstationen registrerades ihållande nederbörd i form av snö hela morgonen och förmiddagen som resulterade i en ökning av snödjupet med 10 cm. Temperaturen i luften var ca 0,6 C medan snöytan var kallare med 5 C. Därefter registrerade den automatiska nederbördsmätare bara små mängder nederbörd ungefär en gång i timmen men snötäcket steg under den följande dagen och nådde maximal höjd den 11 mars vilket skulle kunna innebära att det varit snöfall men att snön hunnit smälta och avdunsta innan den registrerats av automatstationen. Kvalitetsnumrena från SR sensorn var höga under denna period vilket indikerar att snön gav problem för signalen att reflekteras tillbaka till sensorn på ett korrekt sätt, se Figur 7a den 11 mars. Fortsatt snöfall under kvällen den 11 mars gav rejäla störningar. Sammanlagt felflaggades 47 mätpunkter. Snödjupet nådde maximalt 20 cm enligt SR sensorn medan de manuella observationerna angav 23 cm. Därefter sjönk snötäcket snabbt ihop. Resterande del av månaden hade SR sensorn endast problem vid ett fåtal tillfällen, trots att nederbörd registrerades under perioden. Den 13 mars noterades viss osäkerhet i mätningarna på förmiddagen. Temperaturen steg över 0 grader och vinden ökade något (upp emot 8 m/s i byarna). Den manuella observationen visade på lätt snöfall vilken antagligen är orsaken till de vidare störningarna, men nederbörden var så liten att den inte påverkade snödjupet och snötäcket sjönk fortfarande ihop. Under ett dygn mellan den mars visar kvalitetsnumrena på vissa störningar i mätningarna (k>210). En liten mängd nederbörd registrerades men den föll i form av regn och det mesta hade hunnit avdunsta. Vindarna var till en början väldigt svaga (0 1,5 m/s) men ökade till 7 m/s i byarna under dagen den 16 mars. Vattendroppar som blåste under sensorn skulle kunna förklara störningarna. Snöbyar den 24 mars samt snöblandat regn i samband med höga vindhastigheter på natten till den 28 mars gav förhöjda kvalitetsnummer med viss osäkerhet i SR sensorns mätningar. Från och med den 28 mars angav observatören snötäcket till mindre än 50 % i det närliggande området och rapporterade därför snödjupet till 0 cm medan SR sensorn fortsatte mäta det verkliga snödjupets minskning i ytterligare 3 dygn. I samband med ökande temperatur smälte den kvarvarande snön bort helt på 3 dygn och SR sensorns snödjupsmätningar landade på 1,2 cm i medeltal vid barmark Jämförelse mellan automatiska och manuella snödjupsmätningar, februari mars 2009 Vid jämförelse mellan de manuella och de automatiska snödjupsmätningarna (Figur 9) ses att de olika metodernas mätresultat är väl korrelerade men att en viss systematisk skillnad förekommer 14

21 mellan mätningarna. Korrelationen mellan de två mätserierna är 0,97 vilket innebär att snödjupsmätningarna från de båda mätmetoderna följer varandra mycket väl. Snödjupsmätningarna har kombinerats i tiden för att kunna utföra en kvantitativ jämförelse mellan dem, sammanlagt ger det 38 par mätdata under perioden 2 februari 27 mars. I Figur 9 är de utvalda mätpunkterna i SR sensorns data markerade med ringar. Den absoluta differensen i snödjup mellan de manuella snödjupsobservationerna och motsvarande automatiska observationer ( ) visas med ett stapeldiagram i Figur 10. Ur diagrammet kan utläsas att de automatiska snödjupsmätningarna vid alla tillfällen utom ett ger ett mindre snödjup än vad de manuella mätningarna ger. Differensen ligger inom intervallet 4,9 1,9. Efter medelvärdesbildning av differensen över hela perioden (2 februari 27 mars) ses att de automatiska snödjupsmätningarna ligger i medeltal 2,0 ± 1,1 cm lägre än de manuella mätningarna. Histogrammet i Figur 11 visar fördelningen av differensen mellan snödjupet uppmätt manuellt med mätpinnen och automatiskt med SR sensorn. Differenserna i snödjupet är uppdelade i grupper om hela centimetrar. 79 % av de automatiska snödjupsmätningarna (30 av 38 punkter) skiljer sig med 3 1 från de manuella. Flest mätningar ligger inom 2 1. Figur 9. Snödjupet från februari mars 2009 uppmätt manuellt och automatiskt. Cirklar visar de 38 mätpar som har använts vid jämförelse mellan automatiska och manuella observationer. Figur 10. Skillnad i snödjup mellan manuella och automatiska observationer under perioden februari mars Figur 11. Fördelning av skillnaden i snödjup av de automatiska observationerna jämfört med de manuella under perioden februari mars

22 4.1.3 Temperaturens påverkan på de automatiska snödjupsmätningarna Det beräknade snödjupet från Sonic Ranging Sensorn beror av den externt uppmätta lufttemperaturen enligt Ekvation 1. Ljudpulserna från SR sensorn färdas genom luften från 1,6 meters höjd till snötäckets yta och tillbaka. Som tidigare förklarats förändras ljudets hastighet i luften med luftens temperatur (kapitel 2.3.1) och luftens temperatur förändras med höjden över marken. Speciellt när markytan är snötäckt så kan stora temperaturdifferenser uppstå (som ses i Figur 12). Figur 12 visar luftens temperatur på 1,5 m höjd, ytans strålningstemperatur samt differensen mellan dem, under mars Ett positivt värde på temperaturdifferensen innebär att ytan är kallare än luften. Ur Figur 12 ses att ytans temperatur på grund av snöns stora utstrålning alltid är lägre än luftens temperatur. Temperaturdifferensen under perioden varierar inom intervallet 19,1 C T 4,2 C med ett medelvärde av 7,8 C. Vid beräkning av snödjup från SR sensorn (Ekvation 1) har den externt uppmätta temperaturen på 1,5 m höjd använts enligt Ekvation 1a vid temperaturkompensationen,,, (1a) där, avser den uppmätta temperaturen i Kelvin på 1,5 meters höjd. Efter omskrivning av Ekvation 1a och insättning av den uppmätta temperaturen, samt SR sensorns utdata, från mars 2009 fås SR sensorns rådata ur Ekvation 3. Utifrån dessa framtagna rådata kan sedan en ny temperaturkompensation göras genom insättning av temperaturdifferensen mellan ytan och instrumentet för att få fram det teoretiskt beräknade snödjupet, utifrån Ekvation 4.,., (3),,, (4) Skillnaden mellan orginalsnödjupet och det teoretiskt uträknade snödjupet, 1,5,, beräknades för 7 olika temperaturdifferenser. Det innebär alltså att för orginaldata är 0. De 7 temperaturdifferenserna valdes inom intervallet 20 C T 0,5 C för att motsvara de uppmätta differenserna under perioden. Resultatet ses i Figur 13 där de exakta värdena på kan läsas i figurens teckenförklaring. Man ser utifrån figuren att den maximala snödjupsskillnaden endast är 0,8 cm och inträffar vid ett fåtal tillfällen då temperaturdifferensen i skiktet mellan instrumentet och snöytan är 20 C. Ett annat sätt att åskådliggöra den inverkan som temperaturdifferensen har på snödjupsmätningarna från SR sensorn är att använda den uppmätta temperaturdifferensen mellan instrumentet och snöytan i varje punkt, som ses i Figur 12, genom insättning i Ekvation 4 därvid beräkna snödjupet,. Det ger resultat enligt Figur 14. Den maximala snödjupsdifferens efter temperaturdifferenskompensationen blir då 0,49 cm under perioden och i medeltal endast 0,14 cm (se Tabell 3). Ett mer korrekt sätt att behandla temperaturdifferensen i skiktet mellan instrumentet och snötäckets yta är att göra ett medelvärde av temperaturen mellan de två nivåerna, /2, då fås 16

23 en maximal snödjupsdifferens på 0,22 cm under perioden och i medeltal endast 0,07 cm differens som visas i Figur 14. Figur 12. Temperaturer i mars Luftens temperatur från en resistanstermometer på 1,5 m höjd,, ytans strålningstemperatur samt differensen mellan dem,. Figur 13. Differensen i snödjup under mars 2009 genererad av en teoretisk ändring av den uppmätta temperaturen på 1.5 m med, där varierar mellan 1 C och 20 C. Figur 14. Skillnaden i beräknat snödjup från Sonic Ranging Sensorn efter temperaturkorrektion med, samt /. Medelvärdet av snödjupsdifferensen över hela perioden anges inom parantes. 17

24 Tabell 3. Data från mars Max, min och medelvärden av temperaturen på 1,5 m höjd, strålningstemperaturen på ytan, differensen mellan temperaturerna samt differensen i snödjup på grund av temperaturdifferensen mellan luften och ytan. Temperatur 1,5 m ( C) Strålningstemperatur på ytan ( C) Temperaturdifferens T 1.5m T IR ( C) Snödjups differens d SRS (T 1,5m ) d SRS (T 1,5m +ΔT) (cm) Max 9,6 2,2 19,1 0,49 Min 14,3 31,9 4,2 0,01 Medel 0,4 7,5 7,8 0,14 Standardavvikelse 3,2 4,8 4.2 Vintern 2009/2010 Från perioden november 2009 till februari 2010 finns data både från en period med barmark samt en längre period med snötäcke. Vid barmark kan därför svårigheterna med att nollnivåkalibrera och göra korrekta mätningar med en Sonic Ranging Sensor utvärderas. Från data med snötäcke kan känsligheten för störningar hos SR sensorn vid snöfall, snödrev och drivbildning undersökas. Vid bearbetning av data från november 2009 februari 2010 felflaggades stora fluktuationer där SR sensorn angett snödjupet till över 60 cm eller under 5 cm medan de mindre fluktuationerna behölls för att inte mista information (se nedan). De mätpunkter där snödjupet hade negativa värden (mellan 0 cm och 5 cm) behölls för att visa på instrumentets nollnivåkalibrering samt den osäkerhet som finns i SR sensorn vid barmark Sonic Ranging Sensorns mätresultat vid barmark, november december 2009 Den första månaden av vintersäsongen 2009/2010, 1 november till 13 december, hade genomgående barmark med enstaka snöfall där snön endast låg kvar någon dag. Trots att det var barmark så uppmätte SR sensorn ett fiktivt snödjup på upp emot 5 cm vid flera tillfällen som ses i Figur 15. Förutom ett antal spikar så uppmättes även långvariga mindre fluktuationer i avståndet mellan marken och instrumentet. Dessa spikar och mindre fluktuationer åskådliggörs i Figur 15 i form av det uppmätta snödjupets max och minvärde under varje 10 minuters period. Figuren visar även det manuellt uppmätta snödjupet samt det medelvärdet av det snödjup som uppmätts av SRsensorn. För åskådlighetens skull är y axelns skala vald för att kunna jämföras med resterande snödjupsmätningar från vinter 2009/2010. Antal spikar under perioden var 25 st av totalt 5945 observationer, motsvarande 0,42 % av data. I 22, % av data fanns mindre fluktuationer men 18,9 % av dessa var små med = 1 cm, vilket motsvarar instrumentets mätosäkerhet. Vid Institutionen för geovetenskapers mätstation i Uppsala består underlaget av gräs som blir decimeterhögt och tovigt om det inte hålls efter. Under senhösten hade gräset växt till sig och var 5 cm högt, 10 cm på sina platser, med följden att en trolig orsak till fluktuationerna i uppmätt snödjup är de utslag som grässtråna på mätplatsen gav upphov till, speciellt i samband med nederbörd då en tendens till ökat utslag i mätresultaten från SR sensorn uppvisas. 18

25 Vädrets inverkan på Sonic Ranging Sensorns snödjupsmätningar vid barmark November 2009 var en relativt mild period med en medeltemperatur på 4,8 C (Institutionen för geovetenskaper, 2009) vilket resulterade i att den mesta nederbörden under perioden föll i form av regn. Temperaturer och nederbördsmängd under perioden kan studeras i Figur 16 och Figur 17. Den 1 2 november gav ett lågtryck, som rörde sig från Norska havet in över landet (SMHI, 2009 d) små regnmängder i Uppsala. I samband med detta uppmättes en förändring av avståndet från SRsensorn till marken med upp emot 5 cm under en period av ca 17 timmar (Figur 15), många av mätningarna fluktuerade med ±1 cm. En förklaring till detta kan vara att tillförseln av fukt i marken tillsammans med den milda temperaturen (4 6 C, Figur 17) får gräset att suga åt sig vattnet och därmed resa sig vilket medför att den känsliga SR sensorn, som mäter avståndet till det föremål som befinner sig närmast sensorn, ger ett utslag. Den 4 5 november inträffar 16 spikar under en period med måttliga byvindar där de manuella observationerna tyder på viss förekomst av snöfall. Även om ingen nederbörd registrerats av den automatiska nederbördsmätaren så har SR sensorn haft svårt att genomföra mätningar. Även fluktuationerna i avståndsmätningarna runt den 5 6 november kan förklaras med nederbörd (jämför Figur 15 och Figur 16). I detta fall gav kalla sydostvindar (SMHI, 2009 d) nederbörd med snö eller snöblandat regn, men plusgrader fick snön att smälta utan att något ordentligt snötäcke bildades, dock gav SR sensorn utslag som antingen berodde på snö vid mätplatsen eller att grässtråna reste sig. Den 8 november uppvisar SR sensorn ett fiktivt snödjup på upp emot 8 cm men dessa mätningar uppvisar fluktuationer i min och maxdjupet på upp 1 5 cm under 10 minuters intervallen och var alltså ganska osäkra. En liten mängd duggregn föll i samband med dessa mätningar. Sedan sjönk temperaturen och nederbörden observerades vara snöblandat regn eller snö den november. Marken vid mätplatsen täcktes delvis med snö och observatören rapporterade BS, men snön smälte snabbt i och med att mild fuktig luft strömmade upp över landet och temperaturen steg igen. Även den 14 mars berörde ett regnområde östra Svealand (SMHI, 2009 b) och SR sensorn gav ett kortvarigt utslag med en avståndsändring på upp emot 6 cm. Vid den här tiden, mitten av november, vidtogs åtgärder för att minska fluktuationerna i SRsensorns mätningar och gräset trimmades ner, vilket resulterade i att resten av perioden gav ett mycket jämnare resultat, även om vissa små fluktuationer på ±1 cm fortfarande förekommer. Nu när gräset var kortare så underskattades höjden till SR sensorn istället. Avståndet till marken är längre än det vid kalibreringen angivna 1,6 m vilket medför att avståndsmätningarnas värden blir negativa. 19

26 Figur 15. Mätdata från Sonic Ranging Sensorn under en period av barmark, november december Osäkerheten i snödjupsmätningarna åskådliggörs i form av det uppmätta snödjupets max och minvärde under varje 10 minuters period. Figur 16. Nederbördsmängd observerad av den automatiska nederbördsmätaren i november december Figur 17. Temperaturer i november december Luftens temperatur från en resistanstermometer på 1,5 m höjd,, ytans strålningstemperatur samt differensen mellan dem, Sonic Ranging Sensorns mätresultat vid snötäcke, december 2009 februari 2010 Under vinter 2009/2010 hade Uppsala ett fullständigt snötäcke (S) från och med den 14 december fram till denna undersöknings slut 1 mars I Figur 18 redovisas det uppmätta snödjupet under perioden dels från de manuella mätningarna (stjärnor sammanbundna med linje) dels från de automatiska mätningarna (linje). Under perioden detekterades ett antal spikar, där absolutbeloppet av snödjupet översteg 60 cm och en mängd mindre fluktuationer som ses i Figur 18 som max och mindjup under varje 10 minuters period. 20

27 Figur 18. Snödjup under snösäsongen december 2009 februari Osäkerheten i snödjupsmätningarna åskådliggörs i form av medelvärdet samt avvikelsen från detta (max och mindjup) under varje 10 minuters period. Från denna period finns inte något kvalitetsnummer från SR sensorn sparat utan en kvalitetskontroll av snödjupsmätningarna har gjorts som tidigare med utgångspunkt i variationen mellan max och minvärdet av snödjupet under varje 10 minuters intervall (Figur 18). Spikarna togs bort genom att ersätta med mätvärdet i föregående tidssteg. Antal korrigerade mätpunkter var 21 st av sammanlagt observationer vilket motsvarar 0,19 % av data under den snötäckta perioden. De korrigerade mätpunkterna är markerade med kvadrater i Figur 19. Antal mätpunkter med mindre fluktuationer utgjorde 23 % av data men den allra största delen (20,9 % av alla data) var fluktuationer på endast 1 cm. Resterande fluktuationer uppgick till maximalt 4 5 cm. En utvärdering av väderläget under perioden visar att de största störningarna i mätningarna från SR sensorn inträffade under perioder med snöfall. Som jämförelse ses nederbördsmängden under perioden som ett stapeldiagram i Figur 20. Ytans och luftens temperaturer kan studeras i Figur 21 tillsammans med differensen, mellan dem Vädrets inverkan på Sonic Ranging Sensorns snödjupsmätningar vid snötäcke Snösäsongen 2009 startade i mitten av december. En högtrycksrygg växte in över landet den december och fick sitt centrum över Nordsjön vilket medförde att kall luft drogs in över landet från norra Finland och gav nederbörd (SMHI, 2009 a). Den 13 december föll snöblandat regn som sen övergick till snö när temperaturen sjönk. Temperaturer under 0 C i samband med ett snöfallsområde som rörde sig västerifrån gav snö i Norrland och Svealand, vilket för Uppsala innebar 20 cm nysnö den december. SR sensorn visar här på stora störningar i uppmätt snödjup vid 4 tillfällen den 14 december som är svåra att förklara eftersom mätpunkterna däremellan inte visar på några störningar alls. När sedan snötäcket började öka på grund av snöns ackumulation följde en period av mindre fluktuationer där mätvärdena fluktuerade med 2 6 cm under perioder av 10 minuter, antagligen som en följd av att snöflingorna störde reflektionen av ljudpulserna. Vidare ses att under hela perioden fanns en viss osäkerhet i mätningarna med fluktuationer på omkring ±1 cm men det var framförallt vid nederbördstillfällen som dessa fluktuationer blev påtagliga. Exempel på detta ses vid den 20 och 21 december när 1 dm snö föll och max och minvärdena fluktuerade med upp emot 6 cm på 10 minuter (Figur 19). Ett annat tydligt exempel är vid passagen av ett snöfallsområde från öster (SMHI, 2009 a) som gav ökande snödjup mellan 31/12 och 2/1 och fluktuationer i mätningarna med 2 5 cm. 21

28 Figur 19. Snödjupets variation under perioden december 2009 till februari Manuella och automatiska observationer samt de felflaggade observationerna markerade med rutor. Figur 20. Nederbördsmängd i 10 minuters intervall observerad av automatstationen under perioden november 2009 februari Figur 21. Temperaturer under perioden december 2009 februari Lufttemperatur på 1,5 m höjd (,, ytans strålningstemperatur ( ) samt differensen mellan dem (, ). Den 5 januari 2010 inträffar 6 stycken spikar i SR sensorns snödjupsmätning som är svåra att förklara. Det är möjligt att dessa störningar i mätningarna beror på snöfall. De manuella observationerna tyder på lätt snöfall även om den automatiska nederbördsmätaren inte har gett något utslag och snödjupet inte har ökat. En annan förklaring skulle kunna vara att måttliga byvindar (4 5 m/s) fått snön att blåsa omkring och störa mätningarna. Något som kan uppmärksammas är att temperaturdifferensen mellan snötäckets yta och luftens temperatur på 1,5 meters höjd var ovanligt stor den dagen, över 20 grader (Figur 21), vilket skulle kunna påverka ljudhastigheten och därmed snödjupsmätningen. Men det bör också uppmärksammas att dessa temperaturer ligger utanför IRtemperatur mätarens mätområde. Sedan följde en längre period mellan 6 januari och 16 februari karakteriserad av endast mindre fluktuationer i snödjupsmätningarna (Figur 19) och slutsatsen måste dras att dessa mätningar haft relativt bra noggrannhet trots en mängd snöfallstillfällen. Till exempel föll 4 cm nysnö den 7 januari, 22

29 temperaturen låg runt 17 C och SR sensorn gav bara små fluktuationer i snödjupsmätningarna liksom den 18 januari när ytterligare 5 cm nysnö föll i samband med mulet väder, svaga sydliga vindarna (SMHI, 2010 b) och temperaturer på 5 C i Uppsala. Den 27 januari letade sig ett rejält snöfallsområde in över landet från nordväst som förutom att ge stora mängder snö innebar kraftiga vindar. I Uppsala föll 16 cm nysnö, temperaturen var ca 5 C och de sydliga vindarna hade hastigheter på 5 10 m/s. Trots det rejäla snöovädret hade SR sensorn inga störningar i mätningarna. Man kan däremot se att kurvorna från de manuella och automatiska snödjupsmätningarna byter plats på grund av den omfattande drivbildningen (se Figur 19 mellan 27 januari 17 februari). Vid nästa stora snöoväder den 17 februari stöter SR sensorn däremot på problem med 11 nya spikar samt mindre fluktuationer i snödjupsmätningarna på upp emot 3 cm som följd. I Uppsala började snön falla på natten den 19 februari och fram till natten den 21 februari föll 15 cm nysnö. Temperaturen låg på 10 C 15 C. Vindarna var nordostliga med hastigheter på 6 8 m/s vilket skapade rejäl drivbildning runt SR sensorns mätområde vilket fick kurvorna från de manuella och automatiska snödjupsmätningarna att byta plats ännu en gång (se Figur 19, 21 januari) Jämförelse mellan automatiska och manuella snödjupsmätningar, vintern 2009/2010 Jämförelsen mellan de manuella och automatiska snödjupsmätningarna under den snötäckta perioden 13 december 2009 till 1 mars 2010 redovisas i Figur 22. Korrelationen mellan Sonic Ranging Sensorns snödjupsmätningar och de manuella snödjupsmätningarna är 0,99 vilket är en mycket stark korrelation. För att kvantitativt jämföra de två parallellt utförda snödjupsmätningarna kombinerades de manuella och de automatiska observationerna. Då återstod 51 värdepar för den aktuella tidsserien. De utvalda observationerna ses i Figur 22 markerade med ringar i automatiska data. Differensen mellan dessa värdepar,, ses som stapeldiagram i Figur 23 där negativa värden innebär att SR sensorns snödjup var mindre än snödjupet från de manuella observationerna. Snödjupsdifferensen under hela perioden varierar inom intervallet 4,0 3,0. I medeltal över hela tidsserien ligger SR sensorns snödjupsmätningar 1,4 ± 1,4 cm lägre än de manuella snödjupsmätningarna. Snödjupsdifferensen är fördelad enligt histogrammet i Figur 24 där man ser att de automatiska snödjupsmätningarna underskattar snödjupet i jämförelse med de manuella i 45 fall av 51. Flest mätningar ligger inom 3 2. Ur Figur 23 ses även att i den första delen av tidsserien (14 december januari 2010, markerad med streckad linje) så ligger SR sensorns uppmätta snödjup genomgående lägre än de manuella observationerna. I medeltal 2,0 cm lägre med en standardavvikelse av ±0,8 cm. Genom att studera de aktuella vindriktningarna vid nederbördstillfällena under perioden kan en tendens i differensen mellan mätmetoderna urskiljas. När vinden under snöfallen är riktad från sydost så tycks differensen minska och SR sensorn ger ett större snödjup än de manuella mätningarna. Detta ses i Figur 22 vid det första snöfallet 14 december samt vid det kraftiga snöfallet 27 januari. Särskilt tydligt ses förändringen i snödjupsfördelning mellan de två metoderna i den mellersta delen av tidsserien (Figur 23), då vindarna var sydliga vid det kraftiga snöfallet den 27 januari. Snödjupsmätningarna uppvisar under denna period väldigt stor likhet mellan manuella och automatiska mätningar, medeldifferensen är endast +0,3 cm med en standardavvikelse av ±1 cm. I den sista delen av tidsserien, från och med 22 februari 2010, ändrar mätresultaten ännu en gång karaktär. Snöfallet den 21 februari som ger 15 cm nysnö i samband med nordostliga vindar ger en markant skillnad mellan de manuella och de automatiska snödjupsmätningarna. Medeldifferensen är 23

30 nu 3 cm. Kompletterande mätningar runt om vid mätstationen visar att snödjupet kan skilja så mycket som upp till 6 cm på några meters avstånd (se Appendix D). Snötäcket vid mätstationen uppvisar en stor variation i snödjup med en synlig nedbuktning i närheten av SR sensorns mätområde samt en markant drivbildning i ett stråk från den manuella mätpinnen och in under SR sensorn. Figur 22. Snödjupets variation i december 2009 februari Manuella snödjupsmätningar jämfört med automatiska. Ringarna anger de utvalda automatiska snödjupsmätningar som har kombinerats i tiden med de manuella mätningarna. Figur 23. Skillnad i snödjup mellan manuella och automatiska observationer,, under den snötäckta perioden 13 december mars Negativa värden innebär att Sonic Ranging Sensorn har uppmätt ett mindre snödjup än de manuella mätningarna. Streckade linjer markerar indelning av tidsserien för att visa på olika karaktär hos differensen mellan mätmetodernas resultat. Figur 24. Histogram över fördelningen av snödjupsdifferensen under den snötäckta perioden 13 december mars Representativitet Under en kortare period mellan den 29 januari till 12 februari 2010 utfördes ytterligare manuella mätningar av snödjupet på ett större homogent fält i närheten av Institutionen för geovetenskaper vid Uppsala universitet, platsen är markerad i Figur 3. Dessa snödjupsmätningar jämfördes med de ordinarie manuella snödjupsmätningarna vid Institutionen för geovetenskapers mätstation. 24

31 Vid snödjupsmätningarnas genomförande upptäcktes vissa svårigheter. En svårighet med att mäta snödjup med en tunn linjal var att säkerställa att linjalen mätte ända ned till markytan. Under ett djupt lager mer nyfallen lössnö fanns nämligen ett hårdpackat lager skare som kunde misstas för markytan. En annan svårighet var att utföra mätningarna på samma punkter varje dag då de inte markerades upp. Fältet är en allmän plats vilket innebär att människor och djur kunde röra sig över mätområdet och lämna spår efter sig i snön, på så sätt förstördes vissa mätpunkter. Vidare hade nyfallen snö, eller äldre snö som drivit på grund av vinden, vid några tillfällen jämnat ut mätområdet helt så att det blev svårt att hitta tillbaka till tidigare mätpunkter. Inte heller fotspår från människor och djur syntes efter sådana snödrev så det går inte att säkerställa att vissa av mätpunkterna inte hamnade i något av dessa spår när de stegades upp på nytt De manuella snödjupsmätningarnas representativitet Snödjupsmätningarna genomfördes med en enkel mätsticka i 5 räta rader om 5 6 mätpunkter i varje rad. Mätningarna visar att även på en öppen yta skiljer snödjupet med upp emot 6 cm på en sträcka av 20 m (se Appendix B). Från dessa har medelvärden av snödjupet bildats, ett medelvärde för varje rad. Medelvärde har också tagits för alla aktuella mätningar i raderna A, B och C tillsammans samt ett enskilt medelvärde från de fyra hörnen på fältet som visas i Figur 4. Vissa av mätpunkterna på fältet förstördes av att människor korsat fältet vilket i rad A samt rad B resulterade i 5 respektive 4 mätpunkter (se Appendix B). I de data som redovisas nedan har medelvärden bildats av maximalt antal tillgängliga punkter i varje rad där hela mätserien finns representerad för att på så sätt bilda det mest korrekta medelvärdet. Resultatet av de ytterligare manuella snödjupsmätningarna ses i Figur 25, där man också kan jämföra med det manuella snödjupet markerat med röda stjärnor. En kvantitativ jämförelse över differensen mellan de olika mätraderna och den ordinarie observationen vid mätstationen ses i Figur 26. Snöns fördelning inför mätprojektets början styrdes mycket av det kraftiga snöfallet den 27 januari då snödjupet ökade med 20 cm på 20 timmar (se Figur 22). Vindarna var till en början sydliga, med vindhastigheter på 4 6 m/s i medelvind med friska byvindar på 8 10 m/s, för att sedan vrida mot sydost samtidigt som de mojnade. Detta medförde att drivbildningen vid Kulle 1 (se Figur 4) var ganska omfattande med stor förflyttning av snön på kullens topp och tjocka drivor på läsidan (i nordväst). Vid ett tillfälle, med friska vindar och kraftigt snödrev, observerades en minskning av snödjupet på rad E uppe på Kulle 1 med 2 3 cm på 30 minuter. Den ojämna fördelningen av snön syns tydligt vid jämförelse mellan mätningarna på den platta delen av fältet och mätningarna på kullens krön (rad E), i medeltal skiljde det cm på grund av vindens påverkan (visas ej). Även på vindsidan ses genomgående ett större snödjup där vindarna drivit snön upp mot kullens brant (rad D, Figur 25). Under mätprojektets inledande dagar var vädret lugnt och kallt, därefter steg temperaturen och vindhastigheterna ökade den 3 och 4 februari. På morgonen den 3 blåste det 4 5 m/s i medeltal och 6 10 m/s i byarna, vindriktningen var ostsydostlig. Detta gav upphov till ett påtagligt snödrev. Den 3 februari fanns ca 5 cm lössnö i spåren sedan morgonen innan och den 4 hade alla gamla spår täckts igen efter nattens snöfall och måttligt starka vindbyar samtidigt som mer snö föll vilket registreras som en ökning av snödjupet på vissa av raderna (Figur 25). En granskning av uppställningen visar att Rad C, som är placerad nästan mitt på fältet, får en större snödjupsökning än resterande rader den 4 februari, endast mätningen från mätstationen uppvisar samma ökning. Samtidigt minskar snödjupet på rad B, vilket visar på att de ostsydostliga vindarna fått snön att blåsa undan och ackumuleras mer mot fältets mitt (se Figur 4 och Figur 25). 25

32 Vid en kvantitativ jämförelse av skillnaden i snödjup mellan de 4 respektive mätraderna (rad A D), samt kombinationer av dem, och den ordinarie observationen vid mätstationen ser man att minst snödjup har genomgående rad A med i medeltal 1,5 cm mindre snö än de manuella mätningarna. Rad A ligger lite mer skyddad, inramad av två låga kullar, där vinden då har stor betydelse för hur snön ackumuleras. Allra bäst överensstämmelse med de ordinarie snödjupsmätningarna har rad B, i mitten av mätområdet, det skiljer i medeltal 0,2 cm. De data som innehåller flest mätpunkter (Rad A, B och C tillsammans) och därmed bäst representerar fältet har tillsammans ett medelvärde av snödjupsdifferensen på endast 0,44 cm vilket faller inom mätosäkerheten för snödjupsmätningar. Figur 25. Jämförelse av snödjupet för olika rader på fältet samt snödjupet vid mätstationen. Medelvärde av alla mätpunkter i varje rad. Observationer utförda januari februari Figur 26. Differensen mellan de manuella snödjupsmätningarna vid mätstationen och de ytterligare manuella mätningarna på ett homogent fält i närheten. Medelvärdet av differensen över hela perioden anges inom parantes i teckenförklaringen. Observationer utförda januari februari Diskussion och slutsatser 5.1 Snödjupsmätningar vid snötäcke Jämförelsen mellan manuella snödjupsmätningar med en mätpinne och automatiska snödjupsmätningar med en SR50A Sonic Ranging Sensor visar att de båda metodernas mätresultat följer varandra mycket väl (se Figur 9 och Figur 22). Korrelation är 0,97 under februari mars 2009 respektive 0,99 under december 2009 februari Snödjupet skiljer sig i genomsnitt med 1,6 sett över båda tidsserierna, men fluktuationer i differensen förekommer inom intervallet 4,9 1,9 (Figur 10 och Figur 23). Orsaken till skillnaden kan till stor del komma av fel vid kalibreringen. Snödjupet är direkt beroende av hur väl nollnivån är definierad då avståndet från instrumentet till markytan används för att beräkna snödjupet. Redan vid monteringstillfället uppvisas en skillnad mellan mätningarna på 1,8 cm (se 4 februari 2009 Figur 10). En möjlig orsak till denna felaktiga kalibrering är att snötäcket på mätplatsen faktiskt uppvisade en tendens till drivbildning. Möjligen är det en sådan ojämn fördelning 26

33 av snön på mätplatsen som gett upphov till den systematiska skillnaden mellan mätmetoderna. En markant drivbildning kunde nämligen tydligt ses under SR sensorn vid flera andra tillfällen under mätningarnas genomförande. Speciellt vid snöfall i samband med nordliga vindar ökade skillnaden mellan de två metodernas mätresultat medan tvärt om minskade skillnaden vid vindar från sydost (jämför Figur 22 med Figur 23 och Appendix C). Vid mätplatsen finns bebyggelse i riktningarna sydsydväst till nordnordväst som skulle kunna påverka snöfördelningen på platsen vid vindar från dessa riktningar. Inom själva mätstationens område finns även en mängd andra instrument så som en väderbur, nederbördsmätare och masten som SR sensorn är monterad på. Dessa olika föremål ger ofrånkomligt en påverkan på vindens strömning på platsen som också inverkar på snöns fördelning och medför att snödjupet inte blir helt homogent. Vid höga vindhastigheter i kombination med lätt pudersnö kan också drivbildning ha en avgörande roll på snödjupsmätningarna då mätningarna endast utförs på en liten yta. Kompletterande mätningar runt om vid mätstationen under januari februari 2010 visar att snödjupet kan skilja så mycket som upp till 6 cm på några meters avstånd (Appendix D). Snötäcket vid mätstationen uppvisar en stor variation i snödjup med en synlig nedbuktning i närheten av SRsensorns mätområde samt en markant drivbildning i ett stråk från den manuella mätpinnen och in under SR sensorn från och med 22 februari Snödjupsmätningarna från SR sensorn uppvisar en mängd spikar där instrumentet inte kunnat utföra någon kvalitativ mätning och därför gett ±999 som utdata (Figur 18). Antalet stora spikar var litet i förhållande till antal utförda mätningar, endast 0,23 %. Enligt en utvärdering av Brazenec (2005) som använde sig av många fler mätningar rapporterades stora spikar i endast 0,04 % av fallen. Förutom stora spikar uppvisar instrumentet mindre fluktuationer. Data från februari mars 2009 innehöll en stor mängd information om kvaliteten i och med SRsensorns inbyggda kvalitetsnummer, detta resulterade i att 1,9 % av data felflaggades för höga kvalitetsnummer ( 300), men endast 0,14 % av data innehöll större spikar ( ). I data från 13 december februari 2010 återfinns stora spikar (med 5 60 ) i 0,19 % av data och mindre fluktuationer mellan maximalt och minimalt uppmätt snödjup ( ) i 23 % av data. Den allra största delen (20,9 % av alla data) var fluktuationer på 1 cm men i några fall har fluktuationer på upp emot 4 5 cm uppmätts. Dessa mindre fluktuationer är svåra att ge någon specifik förklaring på utan är en del av mätosäkerheten i instrumentet. Detta indikerar att Campbell Scientific s Sonic Ranging Sensor fungerar mycket bra för snödjupsmätningar. I en tidigare studie visade sig de flesta störningarna i SR sensorer bero på olika väderpåverkningar så som snö med låg densitet, snödrev, höga vindhastigheter, intensiva snöfall och extrema temperaturer, resterande störningar var svåra att förklara som något annat än tekniska problem i instrumentet (Brazenec, 2005), något som även stämmer in på de mätningar som ingick i denna undersökning. En jämförelse av Figur 7 a c visar på en tydlig korrelation mellan höga värden på kvalitetsnumret, felaktiga värden från SR sensorn och tillfällen med nederbörd. Analys av väderläget under mätningarnas visade att framför allt snöfall gav de största störningarna i instrumentet. Särskilt när temperaturen var runt 0 C och stora snöflingor förväntades så var osäkerheten stor i snödjupsmätningarna, något som antagligen beror på den stora absorptionen och spridningen av ljudpulserna när de träffar snöflingorna. Snöfall vid väldigt låga temperaturer gav endast mindre fluktuationer i mätresultaten (se t.ex februari i Figur 7a c) medan regndroppar inte verkade ge några störningar alls (se t.ex december 2009 i Figur 19 21). 27

34 Vindhastigheterna under de båda mätserierna var för det mesta svaga till måttliga, även om vissa dagar hade friska vindbyar (se Appendix C), men något mönster mellan höga vinhastigheter och störningar i SR sensorn har inte kunnat urskönjas. Däremot har höga vindhastigheter och vindbyar skapat drivbildning vid flera tillfällen vilket påverkade fördelningen av snön. Några extrema temperaturer har inte uppmätts under någon av tidsserierna vilket förklarar varför temperaturerna heller inte visat sig ha någon nämnvärd påverkan. Vid ett par tillfällen i februari och mars 2009 uppmättes temperaturer under 10 C (Figur 8) och under perioden december 2009 till februari 2010 uppmättes även temperaturer under 20 C vid ett par tillfällen (Figur 21), men ingen av dessa har varit ensamt bidragande till några störningar i SR sensorn. SR sensorn visade sig heller inte vara känslig för den stora temperaturdifferens som uppstår mellan instrumentet på 1,6 m höjd och snötäckets yta. Detta undersöktes genom att addera en temperaturdifferens, vid temperaturkorrektionen av snödjupet enligt Ekvation 4, både med teoretiska värden och med uppmätta värden. En teoretisk temperaturdifferens på 20 ger som mest en snödjupsdifferens på 0,8 (Figur 13), den uppmätta temperaturdifferensen i mars 2009,, gav en medelsnödjupsdifferens på 0,14 medan användande av medelvärdet av temperaturdifferensen i skiktet, /2, gav 0,07 (se Figur 14). Temperaturdifferensen i skiktet mellan instrumentet och markytan kan alltså anses försumbar för mätresultaten och slutsatsen kan dras att SR sensorn ger bra mätresultat utifrån temperaturmätningar på 1,5 meters höjd. 5.2 Snödjupsmätningar vid barmark Under perioden 1 november till 12 december 2009 hade Uppsala barmark, endast vid några få tillfällen observerades lätt snöfall som smälte innan något snötäcke hann bildas. Barmarksperioden gav upphov till 25 stora spikar motsvarande 0,42 % av mätdata samt mindre fluktuationer i 22,0 % av alla mätdata. 18,9 % av data bestod av = 1 cm fluktuation inom 10 minuters intervall, ett fåtal mätningar uppvisade fluktuationer på upp emot 7 8 cm. Spikar och fluktuationer visas i Figur 15. Sonic Ranging Sensorn mätte avståndet till markytan bestående av ganska högt och tovigt gräs. Detta medförde att ett fiktivt snödjup på upp emot 5 cm uppmättes vid flera tillfällen (se Figur 15). En analys av väderläget visade att speciellt i samband med nederbörd (regn) uppmättes förändringar i avståndet mellan instrumentet och marken. En förklaring till detta kan vara att tillförseln av fukt i marken tillsammans med den milda temperaturen (4 6 C) får gräset att suga åt sig vattnet och därmed resa sig vilket medför att den känsliga SR sensorn, som mäter avståndet till det föremål som befinner sig närmast sensorn, ger ett utslag. Man kan argumentera för att regn som landar på grässtråna borde tynga ner gräset istället, men då krävs det antagligen ganska stora mängder nederbörd eller väldigt intensivt regn. Snöflingor som landar på grässtråna skulle också kunna tynga ner gräset till en början innan tillräckligt många snöflingor ackumuleras så att ett snötäcke börjar bildas. I den senare delen av perioden åtgärdades problemet med det fiktiva snödjupet genom att gräset trimmades ner vilket resulterade i små fluktuationer på ±1 cm. Möjligen ses här en tendens till att kalibreringen av instrumentet är felaktig. Vid väldigt många tillfällen visar avståndsmätningen 1 vilket inte borde vara möjligt varför jag har argument för att kalibreringen bör justeras med +1 cm för att bättre stämma överrens med de manuella snödjupsmätningarna. 28

35 5.3 Jämförelse mellan manuella och automatiska snödjupsmätningar Fördelen med att använda automatiska snödjupsmätningar istället för manuella är att den kortare tidsupplösningen vid användning av en SR sensor ger en mycket mer detaljerad bild av snödjupets variation, till exempel kan exakta tidpunkter för snöns tillväxt och hopsjunkning samt smältning utläsas (se Figur 6 och Figur 18). Även dygnets maximala och minimala snödjup kan mätas mer noggrant. Resultaten från denna undersökning visar ändå att de manuella observationerna ger en bra bild av snötäckets variation i stort och även att största och minsta snödjupen i de flesta fallen verkar ha detekterats, men de automatiska snödjupsmätningarna bidrar med en mycket mer noggrann beskrivning av karaktären på snödjupsförändringen. Det de extra manuella observationerna har bidragit med är den rumsliga uppfattningen av snötäcket, något som varit till stor hjälp för att förklara skillnaderna i mätresultat vid drivbildning. Ett exempel på detta ses i Figur 18 mellan 27 januari 16 februari 2010 då snötäcket på mätplatsen ändrade karaktär. Även i senare skeden av snösäsongen, när smältningen påbörjas, ger de manuella observationerna större förståelse för snöläget i området, observatören rapporterar hur stor del av marken i närområdet som är snötäckt enligt Tabell 1, medan de automatiska snödjupsmätningarna ger en mer detaljerad bild av snösmältningsförloppet precis vid mätplatsen (se Figur 6 från och med 28 mars 2009). Endast automatiska mätningar skulle i detta fall ha rapporterat snötäckets varaktighet till 3 dagar längre än ett manuellt observerat snötäcke. Ur klimatologisk synvinkel bör detta undersökas i närmare detalj för varje enskild snömätningsplats innan en övergång från manuella till automatiska snödjupsmätningar kan genomföras. 5.4 Mätstationens representativitet Fluktuationerna i snödjupsdifferensen mellan de två metodernas snödjupsmätningar tycks, förutom ett möjligt kalibreringsfel, till största del bero på att drivbildning får snön att fördela sig ojämnt vid mätplatsen. Detta gör att man kan ifrågasätta hur representativa snödjupsmätningar vid endast en mätpunkt är. Enligt SMHI:s Handbok för väderobservatörer (SMHI, 1979) bör mätningar av snödjup utföras vid minst fem mätpunkter med några meters mellanrum. Vid uppsättning av en ny mätplats för snödjup bör en undersökning av närområdets snöfördelning genomföras för att utvärdera hur representativ den nya platsen är. Helst under en längre period för att få med ett helt spektra av vindhastigheter och vindriktningar då dessa visat sig ha en stor inverkan på snödjupets fördelning. Utvärdering av representativiteten av snödjupsmätningarna vid Institutionen för geovetenskapers mätstation vid Uppsala universitet visade att mätstationen ger för området representativa snödjupsmätningar. En jämförelse med ett stort antal mätpunkter på ett homogent fält i närheten visar att differensen mellan mätstationens manuellt uppmätta snödjup och ett medelvärde av alla mätpunkter i rad A, B och C i medeltal endast är 0,5 cm (se Figur 26) vilket faller inom mätosäkerheten för manuella snödjupsmätningar. Slutsatsen kan därmed dras att de manuella snödjupsmätningarna vid Institutionens för geovetenskapers mätstation stämmer väl överrens med det allmänna snödjupet i närområdet. 5.5 Slutsatser En viss systematisk skillnad tycks förekommer mellan de manuella och automatiska snödjupsmätningarna som beror av ett kalibreringsfel på ca +1 cm vid monteringen av SR sensorn. En mer noggrann kalibrering till nollnivån bör därför utföras. En korrigering av kalibreringen med +1 cm skulle medföra att mätfelet mellan de manuella och de automatiska snödjupsmätningarna skulle 29

36 minska och hamna inom intervallet av mätosäkerheten ±1 cm som finns vid manuell avläsningen av snödjupet med en mätpinne. Vidare bör gräset på mätplatsen hållas väl nedtrimmat i början av vintersäsongen för att minimera mätfelen i SR sensorn när sedan snön faller på marken. En annan möjlighet för att uppmäta mer korrekt snödjup är att använda någon form av platta under SR sensorn för att enkelt och säkert kunna kalibrera instrumentet och inte störas av gräset i mätområdet. En sådan platta skulle dock kunna störa värmetransporten mellan markytan och luften och på så sätt ge en annorlunda snöackumulation och snösmältning vilket skulle resultera i missvisande snödjupsmätningar. Sonic Ranging Sensorns inbyggda kvalitetsnummer ger en väldigt bra uppfattning om vilka mätningar som inneburit en viss eller stor osäkerhet och är därför en mycket bra indikator på mätningarnas kvalitet. Kvalitetsnumret bör därför alltid sparas tillsammans med snödjupsmätningarna. Vad gäller representativiteten av de automatiska snödjupsmätningarna skulle ett större mätområde troligen ge en bättre representativitet för mätområdets snödjup. Det innebär att SRsensorn skulle behöva monteras högre upp. Instrumentet, som mäter avståndet till den högsta punkten i området, skulle då uppmäta all eventuell drivbildning så det kan diskuteras om detta är bättre eller sämre. Ett längre avstånd mellan instrumentet och ytan skulle också innebära en risk för att det absoluta felet ökar något. Något som inte undersöktes i vidare detalj var hur snötäcket vid mätplatsen beter sig vid snöns ackumulation i början av snösäsongen samt hur smältningsförloppet ser ut i jämförelse med närområdet. Detta är av stor vikt om en övergång från manuella snödjupsobservationer till automatiska ska kunna ske utan att resultera i missvisande snödjupsmätningar. 30

37 6 Referenser Alexandersson, H & Bergström, H. (2008). Klimatologisk statistik med övningsuppgifter. Uppsala Campbell Scientific Inc. (2008). The IR100 & Ir120 Infra red Remote Temperature Sensors. ftp://ftp.campbellsci.com/pub/csl/outgoing/uk/leaflets/ir100_oct08.pdf [ ] Campbell Scientific Inc. ( ). Instruction Manual SR50A Sonic Ranging Sensor. Tillgänglig på internet: [ ] Institutionen för geovetenskaper, Uppsala universitet. (2009). Månadsrapport från Uppsala: Väderobservationer vid Geocentrum Uppsala, 2009 NOVEMBER. [ ] Nord, M & Taesler, R. (1973). Snötäckets densitet och massa i Sverige. Stockholm. (Statens institut för byggforskning). Rapport R21:1973 R. M. Young Company. (2008). Wind Monitor. [ ] SMHI. (2010 a). Februari 2010 Snö, snö och åter snö sno sno och ater sno [ ] SMHI. (2010 b). Januari 2010 Vinter med besked vinter med besked [ ] SMHI. (2010 c). Januari 2010 Vattenföring, snötillgång och grundvatten vattenforing snotillgang och grundvatten [ ] SMHI. (2009 a). December 2009 En vit jul. vader sverige/december 2009 en vit jul [ ] SMHI. (2009 b). November 2009 Många nyanser av grått. vader/manadens vader sverige/februari 2009 kallastepa 15 ar i norrland [ ] SMHI. (2009 c). Mars 2009 En blandning av vår och vinter. vader/manadens vader sverige/mars 2009 enblandning av var och vinter [ ] SMHI. (2009 d). Februari 2009 Kallaste på 15 år i Norrland. vader/manadens vader sverige/februari 2009 kallastepa 15 ar i norrland [ ] SMHI. (1979). Handbok för väderobservatörer, instruktion för tjänstens tekniska bedrivande nr 3. Norrköping. 31

38 7 Appendix A. Manuella observationer Tabell 4. Manuella observationer februari mars 2009 vid Institutionen för geovetenskaper, Uppsala universitet. 888 innebär att ingen mätning genomförts. År Mån Dag Tim Min Ndb Ndb tot Snödjup (cm) Aut st Snötäcke Ndb slag S ,1 S S S ,5 0,3 6 0 S snö ,4 1,2 8 3 S snö , S blandat , S snö ,8 3, S snö S ,3 0,2 11 0,2 S snö , S snö S S S S snö ,2 0, S snö S snö S S snö ,1 S ,2 15 5,9 S snö ,8 7, S snö S snö S ,1 3, S regn ,6 0, S snö ,1 15 0,1 S snö ,0 888,0 15 0,0 S snö ,0 0,0 15 5,4 S ,6 6,6 24 0,0 S snö ,2 0,0 15 0,3 S ,5 0,5 14 0,9 S regn ,0 1,0 13 0,0 S snö ,0 888,0 12 0,0 S ,0 888,0 12 2,2 S ,9 2,9 12 0,0 S blandat ,0 1,6 15 4,7 S snö ,3 7,2 23 1,3 S snö ,3 0, S snö i

39 År Mån Dag Tim Min Ndb Ndb tot Snödjup (cm) Aut st Snötäcke Ndb slag ,1 0,0 21 0,0 S snö ,7 1,7 16 1,2 S snö ,0 0,1 15 0,0 S snö ,0 0,0 14 0,3 S regn ,4 0,4 13 0,0 S regn ,0 0,0 12 0,0 S ,0 0, S ,0 0,0 8 0,0 S is skur ,0 0,0 8 0,0 SB ,0 0,0 8 0,1 SB snö ,4 0,4 9 0,0 SB by snö ,0 0,0 9 0,2 SB by snö ,7 0,7 10 0,0 SB ,0 0,0 9 0,0 BS ,0 0,0 9 0,7 BS blandat ,0 1,6 0 0,0 BS regn ,0 0,0 0 0,0 BS ,6 0,0 0 0,0 BS ,0 0,0 0 0,1 BS Tabell 5. Manuella observationer från november 2009 vid Institutionen för geovetenskaper, Uppsala universitet. År Mån Dag Tim Min Ndb Ndb tot Snödjup (cm) Aut st Snötäcke Ndb slag B regn B regn B B B snö B blandat B regn B regn B duggregn B B regn B blandat BS snö B B regn B regn B duggregn B regn B regn B regn B regn B ii

40 Tabell 6. Manuella observationer från december 2009 vid Institutionen för geovetenskaper, Uppsala universitet. År Mån Dag Tim Min Ndb Ndb tot Snödjup (cm) Aut st Snötäcke Ndb slag B regn B blandat B B regn B regn B regn B regn B regn B regn B regn B duggregn B regn B blandat B snö S snö S snö S S snö S S snö S by snö S snö S snö S S S snö S snö S snö S blandat S S snö iii

41 Tabell 7. Manuella observationer från januari 2010 vid Institutionen för geovetenskaper, Uppsala universitet. År Mån Dag Tim Min Ndb Ndb tot Snödjup (cm) Aut st Snötäcke Ndb slag S snö S snö S S snö S snö S S snö S snö S snö S S S S S S snö S snö S snö S S snö S snö S S S S S S S S snö S snö S snö S snö iv

42 Tabell 8. Manuella observationer från februari 2010 vid Institutionen för geovetenskaper, Uppsala universitet. År Mån Dag Tim Min Ndb Ndb tot Snödjup (cm) Aut st Snötäcke Ndb slag S snöby S snö S snö S snö S snö S S S S S snö S snö S S S S S S snö S snö S snö S snö S snö S S snö S snö S snö S snö S snö S snö v

43 8 Appendix B. Data från ytterligare manuella snöobservationer Tabell 9. Data från ytterligare manuella snöobservationer på ett homogent fält i närheten av Institutionen för geovetenskapers mätstation, Uppsala universitet. Definition av radernas orientering ses i Figur innebär att ingen mätning genomförts. Datum och tid rad E Rad A Rad B År Mån Dag Tim Min ett tre fem sju nio A1 A2 A3 A4 A5 A6 B1 B2 B3 B4 B5 B ,5 13, , , ,5 13,5 12,5 11, , , ,5 24,5 22,5 17,5 36, ,5 34,5 32,5 31,5 30, , , , ,5 34, ,5 18,5 19, , , ,5 32, , ,5 33, ,5 20,5 18,5 22,5 19, ,5 32,5 35, , ,5 36,5 33, , , , , vi

44 Tabell 10. Data från ytterligare manuella snöobservationer på ett homogent fält i närheten av Institutionen för geovetenskapers mätstation, Uppsala universitet. Definition av radernas orientering ses i Figur innebär att ingen mätning genomförts. Datum och tid Rad C rad D År Mån Dag Tim Min C1 C2 C3 C4 C5 C6 A1 D2 B1 D3 C , ,5 19, , , ,5 36, , , , ,5 34,5 33,5 35, , ,5 35, , , , , vii

45 Tabell 11. Manuella väderobservationer från januari februari 2010 vid Institutionen för geovetenskaper, Uppsala universitet. År Mån Dag Tim Min Observation cm nysnö, sydlig vind, snödrev Lugnt, fint Svag nordlig vind, snöar isstjärnor Snön rejält packad, hård skare! Svag nordlig vind, isstjärnor i luften, cm nysnö cm pudersnö, lugnt Ingen nysnö, lugnt cm lössnö i spåren pga vind Snön igår/inatt har täckt alla gamla spår, troligen pga vind. Snöfall, vind. Gjorde nya spår och platser. Skaren har tinat Lugnt, ingen nysnö Svag vind, solsken, ingen nysnö Lugnt, solsken, ingen nysnö. Snökristaller på ytan Lugnt, vindstill, molnigt cm nysnö. Lugnt Vind viii

46 9 Appendix C. Vindhastigheter och vindriktningar Figur 27. Vindhastigheter i februari mars Maximala byvinden samt medelvärdet under varje 10 minuters intervall. Figur 28. Vindriktningar i februari mars Öster: 90 grader, söder: 180 grader, väster: 270 grader, norr: 0/360 grader. Figur 29. Vindhastigheter i november 2009 februari Maximala byvinden samt medelvärdet under varje 10 minuters intervall. Figur 30. Vindriktningar i november 2009 februari Öster: 90 grader, söder: 180 grader, väster: 270 grader, norr: 0/360 grader. ix

Källa: SNA, Klimat, sjöar och vattendrag

Källa: SNA, Klimat, sjöar och vattendrag Varje vinter faller snö över Sverige och bäddar in landet i ett täcke av snö. I södra Sverige omväxlar i regel köldperioder med snö med milda perioder när snön smälter, medan man i norr får ett mer sammanhängande

Läs mer

Klimatscenarier för Sverige beräkningar från SMHI

Klimatscenarier för Sverige beräkningar från SMHI Klimat- och miljöeffekters påverkan på kulturhistoriskt värdefull bebyggelse Delrapport 1 Klimatscenarier för Sverige beräkningar från SMHI Klimatscenarier för Sverige beräkningar från SMHI 2 För att öka

Läs mer

Meteorologi. Läran om vädret

Meteorologi. Läran om vädret Meteorologi Läran om vädret Repetition Repetition Vad händer på partikelnivå? Meteorologi Meteorolog Är en person som arbetar med vädret SMHI Sveriges meteorologiska och hydrologiska institut Ligger i

Läs mer

SMHIs nederbördsmätning

SMHIs nederbördsmätning Mallversion 1.0 2009-09-23 2011-04-01 SMHIs nederbördsmätning Jonas German jonas.german@smhi.se 011-495 8596 Vårt uppdrag Statlig myndighet under Miljödepartementet Experter inom meteorologi, hydrologi,

Läs mer

Sammanfattning till Extremregn i nuvarande och framtida klimat

Sammanfattning till Extremregn i nuvarande och framtida klimat Sammanfattning till Extremregn i nuvarande och framtida klimat SAMMANFATTNING till Klimatologirapport nr 47, 2017, Extremregn i nuvarande och framtida klimat Tre huvudsakliga resultat från rapporten är:

Läs mer

Potentialbedömning av marin strömkraft i Finnhamn

Potentialbedömning av marin strömkraft i Finnhamn Potentialbedömning av marin strömkraft i Finnhamn Fältmätningar och resultat Nicole Carpman, Uppsala universitet, Innehållsförteckning Bakgrund 3 Instrument 3 Metod 3 Tvärsnittsmätningar 3 Långtidsmätningar

Läs mer

Elin Sjökvist och Gustav Strandberg. Att beräkna framtidens klimat

Elin Sjökvist och Gustav Strandberg. Att beräkna framtidens klimat Elin Sjökvist och Gustav Strandberg Att beräkna framtidens klimat Koldioxidkoncentration Idag 400 ppm Tusentals år sedan Temperaturökningen fram till idag Källa: NOAA Vad är ett klimatscenario? Koncentrationsscenario

Läs mer

Göran Lindström & Joel Dahné. Snödjupsmätningar för uppdatering av prognosmodeller

Göran Lindström & Joel Dahné. Snödjupsmätningar för uppdatering av prognosmodeller Snödjupsmätningar för uppdatering av prognosmodeller Snödjupsmätningar för uppdatering av prognosmodeller Syfte Att utveckla och utvärdera en metodik för uppdatering av en hydrologisk modell med hjälp

Läs mer

BILAGA IX.1 Utvärdering av HIPRAD mot lokala stationer i Stockholm och Malmö

BILAGA IX.1 Utvärdering av HIPRAD mot lokala stationer i Stockholm och Malmö BILAGA IX Utvärdering av HIPRAD samt möjligheter till rumsliga analyser I denna bilaga redovisas först en detaljerad utvärdering av HIPRAD mot mätningar från lokala stationsnätverk i Stockholm och Skåne.

Läs mer

ISIS2 Satellit- och meteorologibaserad undersökning av snö för rennäringens behov

ISIS2 Satellit- och meteorologibaserad undersökning av snö för rennäringens behov ISIS2 Satellit- och meteorologibaserad undersökning av snö för rennäringens behov Cecilia Johansson and Eirik Malnes Fjärranalysdagarna, 10-11 mars 2009 Projektet ISIS2 Ökad kunskap om snö genom att kombinera

Läs mer

Kundts rör - ljudhastigheten i luft

Kundts rör - ljudhastigheten i luft Kundts rör - ljudhastigheten i luft Laboration 4, FyL VT00 Sten Hellman FyL 3 00-03-1 Laborationen utförd 00-03-0 i par med Sune Svensson Assisten: Jörgen Sjölin 1. Inledning Syftet med försöket är att

Läs mer

Vägverkets ersättningsmodell för vinterväghållning. Allmänt 81 VINTERVÄGHÅLLNING

Vägverkets ersättningsmodell för vinterväghållning. Allmänt 81 VINTERVÄGHÅLLNING 81 VINTERVÄGHÅLLNING Allmänt Vägverkets ersättningsmodell för att reglera kostnader för vinterväghållning mellan beställare och utförare är uppbyggd av två delmodeller. En delmodell som beskriver vädret

Läs mer

Finns det över huvud taget anledning att förvänta sig något speciellt? Finns det en generell fördelning som beskriver en mätning?

Finns det över huvud taget anledning att förvänta sig något speciellt? Finns det en generell fördelning som beskriver en mätning? När vi nu lärt oss olika sätt att karaktärisera en fördelning av mätvärden, kan vi börja fundera över vad vi förväntar oss t ex för fördelningen av mätdata när vi mätte längden av en parkeringsficka. Finns

Läs mer

Klimat, observationer och framtidsscenarier - medelvärden för länet. Västmanlands län. Sammanställt

Klimat, observationer och framtidsscenarier - medelvärden för länet. Västmanlands län. Sammanställt Klimat, observationer och framtidsscenarier - medelvärden för länet Västmanlands län Sammanställt 2010-12-07 Data för länet Observationsdata Dagliga observationsdata från SMHIs väderstationer har interpolerats

Läs mer

Värme, kyla och väder. Åk

Värme, kyla och väder. Åk Värme, kyla och väder Åk 4 2017 Viktiga begrepp att kunna: Solen Energi Ljus Värme Växelvarm Jämnvarm Lagrad solenergi Värme genom ledning Värme genom strålning Värme genom strömning Ledare Isolator Spara

Läs mer

Klimatsimuleringar. Torben Königk, Rossby Centre/ SMHI

Klimatsimuleringar. Torben Königk, Rossby Centre/ SMHI Klimatsimuleringar Torben Königk, Rossby Centre/ SMHI Översikt Vad är klimat? Hur skiljer sig klimatmodeller från vädermodeller? Hav- och havsis processer Vad är klimatscenarier? Vad är klimatprognoser?

Läs mer

SVENSK STANDARD SS-ISO 8756

SVENSK STANDARD SS-ISO 8756 Handläggande organ Fastställd Utgåva Sida Allmänna Standardiseringsgruppen, STG 1997-12-30 1 1 (9) SIS FASTSTÄLLER OCH UTGER SVENSK STANDARD SAMT SÄLJER NATIONELLA, EUROPEISKA OCH INTERNATIONELLA STANDARDPUBLIKATIONER

Läs mer

Elin Sjökvist och Gustav Strandberg. Att beräkna framtidens klimat

Elin Sjökvist och Gustav Strandberg. Att beräkna framtidens klimat Elin Sjökvist och Gustav Strandberg Att beräkna framtidens klimat Koldioxidkoncentration Idag 400 ppm Tusentals år sedan Temperaturökningen fram till idag Källa: NOAA Vad är ett klimatscenario? Koncentrationsscenario

Läs mer

Klimatstudie för ny bebyggelse i Kungsängen

Klimatstudie för ny bebyggelse i Kungsängen Rapport Författare: Uppdragsgivare: Rapport nr 70 David Segersson Upplands-Bro kommun Granskare: Granskningsdatum: Dnr: Version: 2004/1848/203 2 Klimatstudie för ny bebyggelse i Kungsängen David Segersson

Läs mer

Experimentella metoder 2014, Räkneövning 1

Experimentella metoder 2014, Räkneövning 1 Experimentella metoder 04, Räkneövning Problem : Tio mätningar av en resistans gav följande resultat: Mätning no. Resistans (Ω) Mätning no Resistans (Ω) 0.3 6 0.0 00.5 7 99.98 3 00.0 8 99.80 4 99.95 9

Läs mer

Luftkvaliteten och vädret i Göteborgsområdet, november 2014... 1 Luftföroreningar... 1 Vädret... 1 Var mäter vi och vad mäter vi?...

Luftkvaliteten och vädret i Göteborgsområdet, november 2014... 1 Luftföroreningar... 1 Vädret... 1 Var mäter vi och vad mäter vi?... November 2014 Innehållsförteckning Luftkvaliteten och vädret i Göteborgsområdet, november 2014... 1 Luftföroreningar... 1 Vädret... 1 Var mäter vi och vad mäter vi?... 1 Årets överskridande av miljökvalitetsnormer...

Läs mer

Jämförelser av halter PM10 och NO2 vid Kungsgatan 42 och Kungsgatan 67 i Uppsala

Jämförelser av halter PM10 och NO2 vid Kungsgatan 42 och Kungsgatan 67 i Uppsala Jämförelser av halter PM10 och NO2 vid Kungsgatan 42 och Kungsgatan 67 i Uppsala Mätningar under februari-april år 2017 Magnus Brydolf och Billy Sjövall Utförd på uppdrag av Uppsala kommun [Skriv här]

Läs mer

Nederbörd. VVRA05 Vatten 1 Feb 2019 Erik Nilsson, TVRL

Nederbörd. VVRA05 Vatten 1 Feb 2019 Erik Nilsson, TVRL Nederbörd VVRA05 Vatten 1 Feb 2019 Erik Nilsson, TVRL Innehåll Uppkomst Olika typer av nederbörd Nederbörd och vattenbalans Variation i tid och rum Mätningar och analys Uppkomst Uppkomst - Kondensering

Läs mer

Vilket väder vi har med tonvikt på nederbörd

Vilket väder vi har med tonvikt på nederbörd Vilket väder vi har med tonvikt på nederbörd Mycket nederbördsrikt väderår 2012 2012 var ett av de nederbördsrikaste åren som vi noterat i Sverige. Ända sedan i april har det varit en nästan ändlös rad

Läs mer

Väder och vinterväghållning på Trafikverket Pertti Kuusisto Nationell samordnare VViS

Väder och vinterväghållning på Trafikverket Pertti Kuusisto Nationell samordnare VViS TMALL 0141 Presentation v 1.0 Väder och vinterväghållning på Trafikverket Pertti Kuusisto Nationell samordnare VViS Idag startar vintersäsongen! Vädersituationer Mätvärden Prognoser Tjänster Vinterväghållning

Läs mer

Klimatscenarier och klimatprognoser. Torben Königk, Rossby Centre/ SMHI

Klimatscenarier och klimatprognoser. Torben Königk, Rossby Centre/ SMHI Klimatscenarier och klimatprognoser Torben Königk, Rossby Centre/ SMHI Översikt Vad är klimat? Hur skiljer sig klimatmodeller från vädermodeller? Vad är klimatscenarier? Vad är klimatprognoser? Definition

Läs mer

Analys av samvariationen mellan faktorer som påverkar vattennivåerna i Karlstad

Analys av samvariationen mellan faktorer som påverkar vattennivåerna i Karlstad Rapport Nr. 54 Analys av samvariationen mellan faktorer som påverkar vattennivåerna i Karlstad Sten Bergström, Johan Andréasson Pärmbild. Bilden av Karlstad från luften är tagen 2003 av Lars Furuholm (lars.furuholm@lansstyrelsen.se).

Läs mer

Inför inspektionen boka följande instrument :

Inför inspektionen boka följande instrument : Ytterligare information om utredning vid klagomål finns att läsa om i Temperatur inomhus. Denna finns för nedladdning på: https://www.folkhalsomyndigheten.se/pagefiles/12940/temperatur-inomhus.pdf Inför

Läs mer

Värme och väder. Prov v.49 7A onsdag, 7B onsdag, 7C tisdag, 7D torsdag

Värme och väder. Prov v.49 7A onsdag, 7B onsdag, 7C tisdag, 7D torsdag Värme och väder. Prov v.49 7A onsdag, 7B onsdag, 7C tisdag, 7D torsdag Värme år 7 I detta område kommer vi att arbeta med följande centrala innehåll: Väderfenomen och deras orsaker. Hur fysikaliska begrepp

Läs mer

DIGITALA PROJEKT Väderstation

DIGITALA PROJEKT Väderstation DIGITALA PROJEKT Väderstation Christian Lindquist, E03 Leonardo Bello, E03 Abstract Almost everybody has some kind of temperature measurement device in their home. The latest in this industry are more

Läs mer

Cargolog Impact Recorder System

Cargolog Impact Recorder System Cargolog Impact Recorder System MOBITRON Mobitron AB Box 241 561 23 Huskvarna, Sweden Tel +46 (0)36 512 25 Fax +46 (0)36 511 25 Att mäta är att veta Vi hjälper dig och dina kunder minska skador och underhållskostnader

Läs mer

SwemaAir 5 Bruksanvisning vers 1.01 MB

SwemaAir 5 Bruksanvisning vers 1.01 MB SwemaAir 5 Bruksanvisning vers 1.01 MB20140904 OBS! Innan du börjar mäta med ditt nya instrument läs kapitel 6. Grundinställningar (Set). Vid leverans är k2-faktor aktiv. SWEMA AB Pepparvägen 27 123 56

Läs mer

Mätning av fokallängd hos okänd lins

Mätning av fokallängd hos okänd lins Mätning av fokallängd hos okänd lins Syfte Labbens syfte är i första hand att lära sig hantera mätfel och uppnå god noggrannhet, även med systematiska fel. I andra hand är syftet att hantera linser och

Läs mer

FÄLTMÄTINSTRUKTION KLIMATANALYSATOR 1213

FÄLTMÄTINSTRUKTION KLIMATANALYSATOR 1213 1(11) Klimatanalysator 1213 Fältmätinstruktionen följer B&K:s manual 1. Inledning Klimatanalysator 1213 mäter: - Lufttemperatur - Lufthastighet - Yttemperatur - Planstrålningstemperatur - Temperaturasymmetri

Läs mer

Ersättningsmodell för vinterväghållning

Ersättningsmodell för vinterväghållning VTI notat 30 2002 VTI notat 30-2002 Ersättningsmodell för vinterväghållning baserad på väderdata från VViS Författare FoU-enhet Projektnummer 80537 Projektnamn Uppdragsgivare Distribution Staffan Möller

Läs mer

Rapport från refraktions- och reflektionsseismiska mätningar i. området Färgaren 3, Kristianstad

Rapport från refraktions- och reflektionsseismiska mätningar i. området Färgaren 3, Kristianstad Rapport från refraktions- och reflektionsseismiska mätningar i området Färgaren 3, Kristianstad Emil Lundberg, Bojan Brodic, Alireza Malehmir Uppsala Universitet 2014-06-04 1 Innehållsförteckning 2 1.

Läs mer

Luftkvaliteten och vädret i Göteborgsområdet, juli 2014... 1 Luftföroreningar... 1 Vädret... 1 Var mäter vi och vad mäter vi?... 1

Luftkvaliteten och vädret i Göteborgsområdet, juli 2014... 1 Luftföroreningar... 1 Vädret... 1 Var mäter vi och vad mäter vi?... 1 Juli 2014 Innehållsförteckning Luftkvaliteten och vädret i Göteborgsområdet, juli 2014... 1 Luftföroreningar... 1 Vädret... 1 Var mäter vi och vad mäter vi?... 1 Årets överskridande av miljökvalitetsnormer...

Läs mer

SwemaMan 7 Bruksanvisning vers 1.00 MB20140521

SwemaMan 7 Bruksanvisning vers 1.00 MB20140521 SwemaMan 7 Bruksanvisning vers 1.00 MB20140521 OBS! Innan du börjar mäta med ditt nya instrument läs kapitel 6. Grundinställningar (Set). Vid leverans är k2-faktor aktiv. SWEMA AB Pepparvägen 27 123 56

Läs mer

STORSEMINARIET 3. Amplitud. frekvens. frekvens uppgift 9.4 (cylindriskt rör)

STORSEMINARIET 3. Amplitud. frekvens. frekvens uppgift 9.4 (cylindriskt rör) STORSEMINARIET 1 uppgift SS1.1 A 320 g block oscillates with an amplitude of 15 cm at the end of a spring, k =6Nm -1.Attimet = 0, the displacement x = 7.5 cm and the velocity is positive, v > 0. Write

Läs mer

Innehåll. Bestämning av ojämnheter VV Publ. nr 2001:29 och tvärfall med rätskiva VVMB 107

Innehåll. Bestämning av ojämnheter VV Publ. nr 2001:29 och tvärfall med rätskiva VVMB 107 Bestämning av ojämnheter VV Publ. nr 2001:29 1 Innehåll 1 Orientering... 3 2 Sammanfattning... 3 3 Utrustning... 3 4 Utförande... 4 4.1 Fördelning av stickprovets kontrollpunkter... 4 4.2 Utsättning av

Läs mer

Luftkvaliteten och vädret i Göteborgsområdet, mars 2015... 1 Luftföroreningar... 1 Vädret... 1 Var mäter vi och vad mäter vi?... 1

Luftkvaliteten och vädret i Göteborgsområdet, mars 2015... 1 Luftföroreningar... 1 Vädret... 1 Var mäter vi och vad mäter vi?... 1 Mars 2015 Innehållsförteckning Luftkvaliteten och vädret i Göteborgsområdet, mars 2015... 1 Luftföroreningar... 1 Vädret... 1 Var mäter vi och vad mäter vi?... 1 Årets överskridande av miljökvalitetsnormer...

Läs mer

2004-11-14. Manual för RN - 20. www.radonelektronik.se

2004-11-14. Manual för RN - 20. www.radonelektronik.se 2004-11-14 Manual för RN - 20 www.radonelektronik.se Display för direktavläsning av radonhalt Blinkande indikering för pågående mätning. Blinkar rött vid fel eller vid störning! Beskrivning Radonmätaren

Läs mer

Luftkvaliteten och vädret i Göteborgsområdet, februari Luftföroreningar... 1 Vädret... 1 Var mäter vi och vad mäter vi?...

Luftkvaliteten och vädret i Göteborgsområdet, februari Luftföroreningar... 1 Vädret... 1 Var mäter vi och vad mäter vi?... Februari 2014 Innehållsförteckning Luftkvaliteten och vädret i Göteborgsområdet, februari 2014... 1 Luftföroreningar... 1 Vädret... 1 Var mäter vi och vad mäter vi?... 1 Årets överskridande av miljökvalitetsnormer...

Läs mer

Vetenskaplig metod och statistik

Vetenskaplig metod och statistik Vetenskaplig metod och statistik Innehåll Vetenskaplighet Hur ska man lägga upp ett experiment? Hur hanterar man felkällor? Hur ska man tolka resultatet från experimentet? Experimentlogg Att fundera på

Läs mer

AnnaKarin H Sjölén, Arkitekt SA Sjölén & Hansson Arkitekter. REVIDERAD (2) BULLERUTREDNING 2010-09-27 Sida 1 (5)

AnnaKarin H Sjölén, Arkitekt SA Sjölén & Hansson Arkitekter. REVIDERAD (2) BULLERUTREDNING 2010-09-27 Sida 1 (5) Sida 1 (5) AnnaKarin H Sjölén, Arkitekt SA Sjölén & Hansson Arkitekter Bullerberäkningar, Kviström planområde Underlag för detaljplan för bostadsområde, på fastigheten Kviström 1:17 m.fl. tas fram av arkitekterna

Läs mer

HANDLÄGGARE DATUM REVIDERAD RAPPORTNUMMER Olivier Fégeant :1

HANDLÄGGARE DATUM REVIDERAD RAPPORTNUMMER Olivier Fégeant :1 AKUSTIK HANDLÄGGARE DATUM REVIDERAD RAPPORTNUMMER Olivier Fégeant 29-7-9 --- 6129934617:1 Beställare: Att: Infra City AB Arne Månsson Objekt: Infra City Öst, Upplands Väsby Uppdrag: Utredning av buller

Läs mer

Klimatet i Skandinavien

Klimatet i Skandinavien Meteorologi Lars Elgeskog SMHI Klimatet i Skandinavien Grundläggande meteorologi Nederbörd och nederbördsprognoser Lite väderexempel. Våtast: 1500-2500 mm/år < 500 mm/år Våtast: 1500-2500 mm/år Torrast:

Läs mer

Per-Olof Sjölander Vägverket Driftledare Dalarna

Per-Olof Sjölander Vägverket Driftledare Dalarna Per-Olof Sjölander Vägverket Driftledare Dalarna Projektidé Projektmålet är att utvärdera om informationsöverföringen från bil kombinerat med väderdata kan utgöra ett underlag för att öka trafiksäkerheten

Läs mer

1. Introduktion Instruktionen utgörs av Radian Innovas handledning för ML-1.

1. Introduktion Instruktionen utgörs av Radian Innovas handledning för ML-1. 1(6) 1. Introduktion Instruktionen utgörs av Radian Innovas handledning för ML-1. 1.1 Allmänt ML-1 1. 2. 3. Strömbrytare, av/på Anslutning för datorkommunikation Manöverknappar ML-1 startar alltid i klockläge.

Läs mer

Beräkningsmodell i VädErsKombi, version 1.00

Beräkningsmodell i VädErsKombi, version 1.00 VTI notat 38 2003 VTI notat 38-2003 Beräkningsmodell i VädErsKombi, version 1.00 Detaljerad beskrivning med kommentarer Författare FoU-enhet Staffan Möller Drift och underhåll Projektnummer 80558 Projektnamn

Läs mer

Kan hagel bli hur stora som helst?

Kan hagel bli hur stora som helst? Lennart.wern@smhi.se 2010-03-12 Kan hagel bli hur stora som helst? Det dök upp ett ärende här på vår avdelning "Information och Statistik" på SMHI angående ett hagel som skulle ha vägt 600 gram och fallit

Läs mer

THALASSOS C o m p u t a t i o n s. Översiktlig beräkning av vattenutbytet i Valdemarsviken med hjälp av salthaltsdata.

THALASSOS C o m p u t a t i o n s. Översiktlig beräkning av vattenutbytet i Valdemarsviken med hjälp av salthaltsdata. THALASSOS C o m p u t a t i o n s Översiktlig beräkning av vattenutbytet i Valdemarsviken med hjälp av salthaltsdata. Jonny Svensson Innehållsförteckning sidan Sammanfattning 3 Bakgrund 3 Metodik 3 Resultat

Läs mer

Bestämning av friktion

Bestämning av friktion Publikation 1987:142 Bestämning av friktion Metodbeskrivning 82:1983 1. ORIENTERING... 3 2. SAMMANFATTNING... 3 3. UTRUSTNING... 3 4.MÄTNING... 3 4.1 Alternativ l. Friktionspendel TRRL (figur 1)... 4 4.2

Läs mer

Luftkvaliteten och vädret i Göteborgsområdet, mars 2014... 1 Luftföroreningar... 1 Vädret... 1 Var mäter vi och vad mäter vi?... 1

Luftkvaliteten och vädret i Göteborgsområdet, mars 2014... 1 Luftföroreningar... 1 Vädret... 1 Var mäter vi och vad mäter vi?... 1 Mars 2014 Innehållsförteckning Luftkvaliteten och vädret i Göteborgsområdet, mars 2014... 1 Luftföroreningar... 1 Vädret... 1 Var mäter vi och vad mäter vi?... 1 Årets överskridande av miljökvalitetsnormer...

Läs mer

Luftkvaliteten och vädret i Göteborgsområdet, augusti Luftföroreningar... 1 Vädret... 1 Var mäter vi och vad mäter vi?...

Luftkvaliteten och vädret i Göteborgsområdet, augusti Luftföroreningar... 1 Vädret... 1 Var mäter vi och vad mäter vi?... Augusti 2014 Innehållsförteckning Luftkvaliteten och vädret i Göteborgsområdet, augusti 2014... 1 Luftföroreningar... 1 Vädret... 1 Var mäter vi och vad mäter vi?... 1 Årets överskridande av miljökvalitetsnormer...

Läs mer

Del av Torp 2:80- bostäder vid Torpskolan (bostäder och centrumverksamhet)

Del av Torp 2:80- bostäder vid Torpskolan (bostäder och centrumverksamhet) RAPPORT 1 (7) Handläggare Erik Olsson Tel +46 10 505 84 10 Mobil +46 70 184 74 10 Fax +46 10 505 30 09 erik.o.olsson@afconsult.com Datum 2014-02-26 Lerums kommun Sektor samhällsbyggnad Planenheten 443

Läs mer

Referenstermometer K20REF

Referenstermometer K20REF Tack för Ert val av COMARK referenstermometer modell KM20REF. Termometern är speciellt framtagen för att enkelt och snabbt kalibrera (kontrollmäta) vanliga brukstermometrar. KM20REF har en fast monterad

Läs mer

PROJEKTRAPPORT Ekhagen 2:1, Jönköping Mätning av ljudnivåer från industriområde. Rapport doc Antal sidor: 8 Bilagor:

PROJEKTRAPPORT Ekhagen 2:1, Jönköping Mätning av ljudnivåer från industriområde. Rapport doc Antal sidor: 8 Bilagor: PROJEKTRAPPORT 12361 Ekhagen 2:1, Jönköping Mätning av ljudnivåer från industriområde Rapport 12361-17100200.doc Antal sidor: 8 Bilagor: Uppdragsansvarig Torbjörn Appelberg Kvalitetsgranskare Magnus Ingvarsson

Läs mer

OBS: Alla mätningar och beräknade värden ska anges i SI-enheter med korrekt antal värdesiffror. Felanalys behövs endast om det anges i texten.

OBS: Alla mätningar och beräknade värden ska anges i SI-enheter med korrekt antal värdesiffror. Felanalys behövs endast om det anges i texten. Speed of light OBS: Alla mätningar och beräknade värden ska anges i SI-enheter med korrekt antal värdesiffror. Felanalys behövs endast om det anges i texten. 1.0 Inledning Experiment med en laseravståndsmätare

Läs mer

Luftkvaliteten och vädret i Göteborgsområdet, juni 2015... 1 Luftföroreningar... 1 Vädret... 1 Var mäter vi och vad mäter vi?... 1

Luftkvaliteten och vädret i Göteborgsområdet, juni 2015... 1 Luftföroreningar... 1 Vädret... 1 Var mäter vi och vad mäter vi?... 1 Juni 2015 Innehållsförteckning Luftkvaliteten och vädret i Göteborgsområdet, juni 2015... 1 Luftföroreningar... 1 Vädret... 1 Var mäter vi och vad mäter vi?... 1 Årets överskridande av miljökvalitetsnormer...

Läs mer

MätKart Kvalitet i mätning med God mätsed

MätKart Kvalitet i mätning med God mätsed MätKart 2017 Kvalitet i mätning med God mätsed Trimble Optical, Scanning and Imaging Trimble: Robert Jung, Teknisk produkt chef Trimble AB, Danderyd Dåtid och Nutid.. Principen har inte ändrats nämnvärt

Läs mer

Simulering av möjliga klimatförändringar

Simulering av möjliga klimatförändringar Simulering av möjliga klimatförändringar Torben Königk, Rossby Centre/SMHI Bakgrund, observationer IPCC AR4, globala scenarier Regionala scenarier IPCC AR5 Bakgrund Observationer visar en tydlig uppvärmning

Läs mer

Sedimentation och trålning i Kosterhavet (UTKAST!)

Sedimentation och trålning i Kosterhavet (UTKAST!) Sedimentation och trålning i Kosterhavet (UTKAST!) Torsten Linders, Per Nilsson, Mattias Sköld, Gustav Edlund 22 november 2013 Figur 1: Kosterhavet med nationalparken (grön linje) och trålskyddsområdet

Läs mer

Forskningsmetodik 2006 lektion 2

Forskningsmetodik 2006 lektion 2 Forskningsmetodik 6 lektion Per Olof Hulth hulth@physto.se Slumpmässiga och systematiska mätfel Man skiljer på två typer av fel (osäkerheter) vid mätningar:.slumpmässiga fel Positiva fel lika vanliga som

Läs mer

2 Väder. Weather. Väder Statistisk årsbok 2012. 22 Statistiska centralbyrån

2 Väder. Weather. Väder Statistisk årsbok 2012. 22 Statistiska centralbyrån Väder Weather Väder Statistisk årsbok 2012 2 Väder Weather Sida Page 2.1 Väder...23 Weather 2.2 Rekord i väder...24 Weather records 2.3 Klimat i förändring...25 A changing climate 2.4 Årsmedeltemperaturen

Läs mer

Mekanisk liggkomfort hos sängar/madrasser

Mekanisk liggkomfort hos sängar/madrasser Mekanisk liggkomfort Man hör ofta att en säng är skön att ligga i - att den ger god komfort. Med detta underförstås, att sängen är mjuk och att den därmed har förmåga att fördela kroppstyngden så, att

Läs mer

miljöassistans Bullerutredning Högsbo 5:17 Xtera Fastighetsfövaltning AB Göteborg Beräknad ljudutbredning i närområdet Innehåll

miljöassistans Bullerutredning Högsbo 5:17 Xtera Fastighetsfövaltning AB Göteborg Beräknad ljudutbredning i närområdet Innehåll miljöassistans Xtera Fastighetsfövaltning AB Göteborg Bullerutredning Beräknad ljudutbredning i närområdet Innehåll 1. Uppdraget 2. Omgivningen 3. Geografisk avgränsning 4. Allmänt om buller 5. Beräkningsmodellen

Läs mer

Luftkvalitet i Göteborgsområdet. Månadsrapport Oktober 2018

Luftkvalitet i Göteborgsområdet. Månadsrapport Oktober 2018 Luftkvalitet i Göteborgsområdet Månadsrapport Oktober 18 Innehållsförteckning Luftkvalitet i Göteborgsområdet... 1 Sammanfattning av luftkvalitet och väder i Göteborgsområdet oktober 18... 1 Vad mäter

Läs mer

Detaljplan för skola, kontor och bostad, Stenung 106:7, 3:84 och 105:7. Vibrationsmätningar från trafik

Detaljplan för skola, kontor och bostad, Stenung 106:7, 3:84 och 105:7. Vibrationsmätningar från trafik RAPPORT 1 (8) Handläggare Johan Hässel Tel +46 (0)10 505 84 27 Mobil +46 (0)70 184 74 27 Fax +46 31 74 74 74 johan.hassel@afconsult.com Datum 2012-05-10 Sweco Architects AB Magnus Larsson Gullbergs Strandgata

Läs mer

Ersättningsmodell för vinterväghållning baserad på väderdata från VViS och MESAN, VädErsKombi

Ersättningsmodell för vinterväghållning baserad på väderdata från VViS och MESAN, VädErsKombi VTI notat 39 2003 VTI notat 39-2003 Ersättningsmodell för vinterväghållning baserad på väderdata från VViS och MESAN, VädErsKombi Författare FoU-enhet Staffan Möller Drift och underhåll Projektnummer 80558

Läs mer

Stockholm Stads vinterunderhåll analys av kostnader och nederbörd

Stockholm Stads vinterunderhåll analys av kostnader och nederbörd Trafikkontoret Bilaga 7 Sida 1 (13) Stockholm Stads vinterunderhåll analys av kostnader och nederbörd Inledning Stockholms vinterväder skiftar i temperatur och snömängd mellan olika år, vilket har medfört

Läs mer

En enkel segelflygprognos

En enkel segelflygprognos En enkel segelflygprognos Charlotte Pöntynen Boström 25 oktober 2010 Innehåll 1 Väderläge 2 2 Luftmassa 3 2.1 Radar............................... 4 2.2 Satellit............................... 4 2.3 Tempogram............................

Läs mer

Bullermätning Koppersvägen, Stenungsund

Bullermätning Koppersvägen, Stenungsund Author Inger Wangson Phone +46 10 505 84 40 Mobile +46701847440 E-mail inger.wangson@afconsult.com Recipient Stenungsundshem AB Kenneth Funeskog Date 2015-06-25 rev.1 2015-09-15 707880 Bullermätning Koppersvägen,

Läs mer

RAPPORT Ljudmätning vid skjutning med 24 grams hagelpatroner

RAPPORT Ljudmätning vid skjutning med 24 grams hagelpatroner RAPPORT Ljudmätning vid skjutning med 24 grams hagelpatroner 2008-04-30 Kund Naturvårdsverket Ebbe Adolfsson 106 48 Stockholm Konsult Box 92093 120 07 Stockholm Besök: Lumaparksvägen 7 Tel: +46 8 688 60

Läs mer

Ballistisk pendel laboration Mekanik II

Ballistisk pendel laboration Mekanik II Ballistisk pendel laboration Mekanik II Utförs av: William Sjöström 19940404 6956 Philip Sandell 19950512 3456 Uppsala 2015 05 09 Sammanfattning Ett sätt att mäta en gevärkulas hastighet är att låta den

Läs mer

Dimensionerande nederbörd igår, idag och imorgon Jonas German, SMHI

Dimensionerande nederbörd igår, idag och imorgon Jonas German, SMHI Dimensionerande nederbörd igår, idag och imorgon Jonas German, SMHI Mallversion 1.0 2009-09-23 Hydraulisk dimensionering, enligt Vägverket och Svenskt Vatten 2 Beräkning av dimensionerande flöden För större

Läs mer

Upp gifter. c. Hjälp Bengt att förklara varför det uppstår en stående våg.

Upp gifter. c. Hjälp Bengt att förklara varför det uppstår en stående våg. 1. Bengt ska just demonstrera stående vågor för sin bror genom att skaka en slinkyfjäder. Han lägger fjädern på golvet och ber sin bror hålla i andra änden. Sen spänner han fjädern genom att backa lite

Läs mer

Ultraljudsfysik. Falun

Ultraljudsfysik. Falun Ultraljudsfysik Falun 161108 Historik Det första försöken att använda ultraljud inom medicin gjordes på 1940- och 1950-talet. 1953 lyckades två kardiolger i Lund (Edler och Hertz) med hjälp av en lånad

Läs mer

Utvärdering av flygfotograferingen inom delmomentet Utbredning av snabbväxande makroalger i Bohuskustens

Utvärdering av flygfotograferingen inom delmomentet Utbredning av snabbväxande makroalger i Bohuskustens Utvärdering av flygfotograferingen inom delmomentet Utbredning av snabbväxande makroalger i Bohuskustens Jimmy Ahlsén & Marina Magnusson Marine Monitoring AB 1 Titel Utvärdering av flygfotograferingen

Läs mer

Marknära ozon i Asa Årsrapport 2012

Marknära ozon i Asa Årsrapport 2012 Marknära ozon i Asa Årsrapport 212 Asa den 22 april 213 Ola Langvall Introduktion Året 212 är sjätte året med marknära ozonmätningar i Asa, sedan vi fick uppdraget av luftvårdsförbunden i Jönköpings och

Läs mer

FMSF55: Matematisk statistik för C och M OH-bilder på föreläsning 5, a 2 e x2 /a 2, x > 0 där a antas vara 0.6.

FMSF55: Matematisk statistik för C och M OH-bilder på föreläsning 5, a 2 e x2 /a 2, x > 0 där a antas vara 0.6. Lunds tekniska högskola Matematikcentrum Matematisk statistik FMSF55: Matematisk statistik för C och M OH-bilder på föreläsning 5, 28-4-6 EXEMPEL (max och min): Ett instrument består av tre komponenter.

Läs mer

version januari 2019 Manual SMHI klimatdata

version januari 2019 Manual SMHI klimatdata version januari 2019 Manual SMHI klimatdata Ägare Sametinget Ansvariga personer Anne Walkeapää Bengt Näsholm Leif Jougda Stefan Sandström Förslag och synpunkter skickas till Sametinget Anne Walkeapää anne.walkeapaa@sametinget.se

Läs mer

Värme och väder. Solen värmer och skapar väder

Värme och väder. Solen värmer och skapar väder Värme och väder Solen värmer och skapar väder Värmeenergi Värme är en form av energi Värme är ett mått på hur mycket atomerna rör på sig. Ju varmare det är desto mer rör de sig. Värme får material att

Läs mer

UHI-mätningar i Göteborg

UHI-mätningar i Göteborg UHI-mätningar i Göteborg Av Kajsa Olandersson En rapport i kursen Miljökunskap klass NV3 Läsåret 12/13 Handledare Rutger Staaf Sammanfattning Mätningar gjordes för att undersöka om skillnader i temperaturen

Läs mer

NpMa2b vt Provet består av tre skriftliga delprov (Delprov B, C och D). Tillsammans kan de ge 57 poäng varav 20 E-, 19 C- och 18 A-poäng.

NpMa2b vt Provet består av tre skriftliga delprov (Delprov B, C och D). Tillsammans kan de ge 57 poäng varav 20 E-, 19 C- och 18 A-poäng. Delprov B Delprov C Provtid Hjälpmedel Uppgift -9. Endast svar krävs. Uppgift 0-7. Fullständiga lösningar krävs. 0 minuter för Delprov B och Delprov C tillsammans. Formelblad och linjal. Kravgränser Provet

Läs mer

Ljudmätningar examensarbete

Ljudmätningar examensarbete Ljudmätningar examensarbete Stor-Rotliden Paul Appelqvist Senior Specialist ÅF Ljud & Vibrationer 2012-11-30 1 Bakgrund Examensarbete på ÅF i sammarbete med Vattenfall Vindkraft AB och KTH/MWL. Syfte Att

Läs mer

11 RUTIN FÖR RF-BESTÄMNING I BORRHÅL VAISALA HMP40S

11 RUTIN FÖR RF-BESTÄMNING I BORRHÅL VAISALA HMP40S 11 RUTIN FÖR RF-BESTÄMNING I BORRHÅL VAISALA HMP40S Denna givare bygger på en kapacitiv mätprincip. RF-sensorn, Humicap, är tillverkad av ett hygroskopiskt material. Kapacitansen ökar med ökande fuktinnehåll.

Läs mer

Kort om mätosäkerhet

Kort om mätosäkerhet Kort om mätosäkerhet Henrik Åkerstedt 14 oktober 2014 Introduktion När man gör en mätning, oavsett hur noggrann man är, så får man inte exakt rätt värde. Alla mätningar har en viss osäkerhet. Detta kan

Läs mer

Geofysisk undersökning inom fastigheten Ibis 6, Oskarshamn.

Geofysisk undersökning inom fastigheten Ibis 6, Oskarshamn. 2016-04-06 inom fastigheten Ibis 6, Oskarshamn. Inledning och syfte har genomfört, på uppdrag av, en geofysisk undersökning inom fastigheten Ibis 6. Fastigheten är belägen på Norra Strandgatan 7 i Oskarshamn,

Läs mer

Växthuseffekten och klimatförändringar

Växthuseffekten och klimatförändringar Växthuseffekten och klimatförändringar Växthuseffekten växthuseffekten, drivhuseffekten, den värmande inverkan som atmosfären utövar på jordytan. Växthuseffekten är ett naturligt fenomen som finns på alla

Läs mer

FÄLTMÄTINSTRUKTION TSI VELOCICALC

FÄLTMÄTINSTRUKTION TSI VELOCICALC 1(10) Introduktion VelociCal-mätarna är utrustade med ett antal olika funktioner för mätning av lufthastighet, temperatur, tryck, luftfuktighet, daggpunkt och flöde. Fältmätinstruktionen följer Mätforums

Läs mer

LJ-Teknik Bildskärpa

LJ-Teknik Bildskärpa Bildskärpa - Skärpedjup och fokus - Egen kontroll och fokusjustering - Extern kalibrering Bildskärpa, skärpedjup och fokus Brännpunkt och fokus Medan brännpunkt är en entydig term inom optiken, kan fokus

Läs mer

Alice och världens väder

Alice och världens väder Handledning för pedagoger AV-nummer: 100701tv 1 5 programlängd: 10 min Åtta program om väder á 10 minuter för skolår 0-3 Den animerade figuren Alice bor på en planet där det inte finns något väder överhuvudtaget.

Läs mer

Publikation 1994:40 Mätning av tvärfall med mätbil

Publikation 1994:40 Mätning av tvärfall med mätbil Publikation 1994:40 Mätning av tvärfall med mätbil Metodbeskrivning 109:1994 1. Orientering... 3 2. Sammanfattning... 3 3. Begrepp... 3 3.1 Benämningar... 3 4. Utrustning... 4 4.1 Mätfordon... 4 4.2 Utrustning

Läs mer

Sammanfattning av luftkvalitet och väder i Göteborgsområdet juni Var mäter vi? Luftföroreningar juni Samlad bedömning...

Sammanfattning av luftkvalitet och väder i Göteborgsområdet juni Var mäter vi? Luftföroreningar juni Samlad bedömning... Juni 217 Innehållsförteckning Sammanfattning av luftkvalitet och väder i Göteborgsområdet juni 217... 1 Vad mäter vi?... 1 Var mäter vi?... 1 Luftföroreningar... 1 Vädret... 1 Luftföroreningar juni 217...

Läs mer

Sandra Andersson Avdelningen för Information och Statistik. Sveriges klimat, igår och idag

Sandra Andersson Avdelningen för Information och Statistik. Sveriges klimat, igår och idag Sandra Andersson Avdelningen för Information och Statistik Sveriges klimat, igår och idag Årsmedeltemperatur och Årsnederbörd 1961-1990 2 Normalperioder Världens meteorologer enades i början av 1900-talet

Läs mer

Tätheten mellan molekylerna är störst vid fast form och minst vid gasform.

Tätheten mellan molekylerna är störst vid fast form och minst vid gasform. HÄLLEBERGSSKOLAN VÄRME OCH VÄDER Björne Torstenson Anteckningar sid 1 TEMPERATUR / VÄRME ÄR RÖRELSE sid 44-45 Vattnet vätska: Blir det varmare rör sig vattenmolekylerna mer och vätskan utvidgar sig. Vattnet

Läs mer

Observera att uppgifterna inte är ordnade efter svårighetsgrad!

Observera att uppgifterna inte är ordnade efter svårighetsgrad! TENTAMEN I FYSIK FÖR V1, 14 DECEMBER 2010 Skrivtid: 14.00-19.00 Hjälpmedel: Formelblad och räknare. Börja varje ny uppgift på nytt blad. Lösningarna ska vara väl motiverade och försedda med svar. Kladdblad

Läs mer

Väderstation på Ven -en projektbeskrivning

Väderstation på Ven -en projektbeskrivning Väderstation på Ven -en projektbeskrivning 20/1 2004 Tycho Brahe och hans assistenter förde under åren på Ven en meteorologisk dagbok över vädret med syftet att hitta samband mellan himlakropparnas rörelser

Läs mer

Aborter i Sverige 2008 januari juni

Aborter i Sverige 2008 januari juni HÄLSA OCH SJUKDOMAR 2008:9 Aborter i Sverige 2008 januari juni Preliminär sammanställning SVERIGES OFFICIELLA STATISTIK Statistik Hälsa och Sjukdomar Aborter i Sverige 2008 januari juni Preliminär sammanställning

Läs mer