| Summary: | Snøskred er en utbredt naturfare i bratt terreng og utgjør en alvorlig trussel for både mennesker og infrastruktur. Formålet med snøskredvarsling er å forhindre ulykker i forbindelse med snøskred, og blir i økende grad basert på detaljert numerisk modellering av snøens lagdeling. Denne studien har undersøkt om numerisk snødekkemodellering basert på data fra numeriske værprognoser og observerte snøprofiler kan bistå i snøskredvarsling. For å besvare dette, undersøkes følgende tre forskningsspørsmål: 1) I hvilken grad gir meteorologiske data fra værmodellen AROME-Artic brukbare data for numerisk snødekkemodellering? 2) Hvor nøyaktig kan snødekkemodellen SNOWPACK med værprognoser fra AROME-Artic og manuelt observert snøprofil forutsi utviklingen av snødekke? 3) I hvilket omfang vil resultater fra SNOWPACK-modellen basert på input fra AROME-Artic og manuelt observert snøprofil være nyttig for snøskredvarsling? De tre spørsmålene ble besvart ved først å evaluere data fra AROME-Artic i forskjellige rutenettpunkter ved Longyearbyen, Svalbard. Det rutenettpunktet med minst avvik i forhold til observerte værdata ble valgt til SNOWPACK-modellen. En modellkjede bestående av AROME-Artic og SNOWPACK ble deretter kjørt over fire modellperioder og sammenlignet mot manuelt observert snøprofiler. Kvaliteten på resultatene fra modellkjeden ble evaluert ved hjelp av en sammenligningsalgoritme. Algoritmen målte den simulerte snøprofilen mot en manuelt observert valideringsprofil. Resultatene fra testperioden viser at AROME-Artic kan levere data av høy kvalitet for snødekkemodellering. Modellkjeden bestående av AROME-Artic og SNOWPACK kan nøyaktig forutsi utviklingen av snødekket, og gi verdifulle data for snøskredvarsling. I løpet av feltperioden på 14 dager beregnet modellkjeden de aktuelle skredproblemene, noe som igjen viser den operative nytten av modellkjeden. Modellkjeden har svakheter som bør tas hensyn til. Konverteringen av rutenettdata fra AROME-Artic til punktdata bør utføres med stor nøyaktighet, da modellkjeden viste ...
|
|---|