Mätsystem för förbättrade snö- och avrinningsprognoser David Gustafsson, Mark och vattenresursteknik KTH Jesper Ahlberg Angela Lundberg, LTU Nils Granlund Fredrik Wetterhall, SMHI Göran Lindström Förbättra avrinningsprognoser genom lämplig kombination av : Mark- och luftbaserade mättekniker för snöinformation Modellstruktur som utnyttjar snöinformation på bästa sätt Forskningsprojekt 2007-2009 (2009-2011) Samarbete mellan KTH LTU och SMHI Finansiering ELFORSK/HUVA, SVC, Kempestiftelsen, Vattenregleringsföretagen
Projektstruktur
Snöstation Korsvattnet Syfte information med hög tidsupplösning om snöns: Djup Densitet Vattenekvivalent Våthet Temperatur Reflektion (albedo) Hög tidsupplösning: Dynamiskt korrigera Modellinput (P, T, osv) Start snösmältning
Lågfrekvent impedanssensor Kopparkablar ingjutna i tunn PVC plast. Mäter impedans vid olika frekvenser i khz området uppskatta is och vattenhalt i snön Snowpower sensor cable Air Snow temperature Snowdepth Ground
Snökudde Trycksensor som mäter snötäckest vikt = vattenekvivalent
Mätresultat 2008 Korsvattnet Djup(m) Våthet (vol%) systematiskt fel Tillrinning Densitet (m (kg 3 sm -1 ) -3 ) 30 20 10 0 08-02-22 08-03-13 08-04-02 08-04-22 08-05-12 08-06-01 Snösmältning startar
Mätresultat 2008/2009 90 snowdepth_ cm manuella 80 70 60 50 40 30 20 10 0 2008-11-18 00:00 2008-11-28 00:00 2008-12-08 00:00 2008-12-18 00:00 2008-12-28 00:00 2009-01-07 00:00 2009-01-17 00:00 2009-01-27 00:00 2009-02-06 00:00 SWE mm Snökudde Korsvattnet 140 120 Snökudde Manuell 100 80 60 40 20 0 2008-11-18 00:00 2008-11-28 00:00 2008-12-08 00:00 2008-12-18 00:00 2008-12-28 00:00 2009-01-07 00:00 2009-01-17 00:00 2009-01-27 00:00 2009-02-06 00:00
Daglig uppdatering på webserver http://mds.sommer.at (mätsystemleverantör) http://www.lwr.kth.se/forskningsprojekt/snowhydr ology/huva (projekthemsida) Lösenord och användare kan fås på begäran davidg@kth.se
Radarmätningar Distribuerad information av snötäckets djup, densitet, vattenekvivalent vid snömax: Korsvattnet, Kultsjön Jämför skoterburet system med helikopterburet (RadarTeam)
Multi-offset markradar mätning snödjup, densitet, vatteninnehåll Common mid-point princip: Flera antennavstånd Djup- och densitet uppskattas direkt Horisontell (och vertikal) densitetsprofil (våthet uppskattas från dämpning)
Fältförsök Korsvattnet Jämtland, 2008 21 km radarmätningar distribuerade enligt: - vädersträck - höjd - ytans form (ås/dal) Korsvattnet, Jämtland: Tillrinningområde 84 km 2 Radarprofiler 21 km Manuella mätningar (10 st) Väderstation
Radar vs manuella mätningar Djup(m) Densitet (kg m -3 ) Massa (mm)
Terrängmodellering av snöfördelning Nederbördsfördelnings-funktion: P x,y = P flat * (0.649 + 1.479 * slope x,y 0.615 * curvature x,y + 0.14 * windaspect x,y )
Gemensam mätsträcka Helikopter-skoter Borgafjäll-Saxnäs (2008) tvåvägstid och snödjup inte alltid samma position men ibland
Gemensam mätsträcka Helikopter-skoter Borgafjäll-Saxnäs (2008) Densitet och vattenekvivalent Högre densitet i början och slutet av sträckan (lägre höjd + skotern följde skoterspåret mera)
Labförsök våthet i snön (Nils Granlund et al, submitted Hydr Proc, 2009) Vatten med olika salthalt adderades stegvis till en snövolym, med mätningar av radarvågens hastighet och dämpning genom snövolymen.
Samband våthet i snön och elektrisk konduktivitet 1) Salthalt kan försummas! 2) linjärt samband! 3) Frekvensberoende kan utnyttjas (Bradford, Harper, 2007)
Modellering Modellutveckling inom SMHIs nya system HYSS Testa olika modellstrukturer distributionsgrad, processrepresentation Testa olika uppdateringsmetoder Hur uppdatera hela modellen med begränsad data? Hur automatisera? Beakta osäkerheter i data Input Output Modellparametrar
Ensembel Kalman Filter Metoden Monte-Carlo -baserad sekventiell dataassimileringsteknik Monte-Carlo slumpmässiga störningar på input, output och parametrar (ensembel av simuleringar) Sekventiell uppdatering av modelltillstånd och parametrar frammåt i tiden (ej omkalibrering) Dataassimilering modellen uppdateras med hjälp av data
Snödjup Olden
Parametrar P Corr, T Diff
Tillrinning Landösjön
Slutsatser Markradar är en effektiv metod för distribuerade snömätningar Snöns våthet kan bestämmas med (frekvensberoende) dämpning av radarvågens amplitud Multikanalmetoden bäst för snödjup < antennlängd (problem i fjällen)
Slutsatser Stationära mätningar med hög tidsupplösning bra för identifiera start på snösmältning och korrigera nederbörd Kalman filter metoden lovande för assimilering av snödata i prognosmodellerna Återstår att testa olika snödata, olika modeller