View Project

Norwegian AI Directory

ESCYMO - Enhancing Snow Competency of Models and Operators


Description:

De forventede klimaendringene vil påvirke omfanget og varigheten av det årlige snødekket. For snø-dominerte regioner, særlig i Norge, vil dette få betydelige samfunnsøkonomiske konsekvenser, for eksempel for infrastruktur, energiforsyning og turisme. ESCYMO er et kompetanseprosjekt innen snøhydrologi for å optimalisere bruken av vannressurser i et skiftende klima gjennom i) forskning (utvikling av snøkompetansen til modeller) og ii) utdanning (utvikling av operatørens kompetanse). Mens dynamikken i smelteprosessen og dens forhold til meteorologiske forhold er rimelig forstått, er det et kunnskapshull om den romlige fordelingen av snø i et nedslagsfelt. Mål: ESCYMO fokuserte derfor på: 1) Utvikling av metoder for å måle og simulere snøfordelingen. 2) Formidle resultatene til brukerne. Forskningsmetoder: I løpet av prosjektperioden 2015-2019 ble det lagt vekt på a) å samle inn og analysere feltdata i nærheten av den Alpine Forskningsstasjonen Finse, og b) modellutvikling og relatert usikkerhetsanalyse og c) utvikling av modellbaserte øvelser i snøhydrologiutdanning. a) I løpet av feltstudien målte prosjektet gjentatte ganger snøfordelingen i et område på 1 km2 med hjelp av bakkeradar, GPS, droner, samt en rekke automatiske kameraer. Denne kartleggingen ble utført hver måned i vintersesongene. Automatiske værstasjoner har samlet inn data om tidspunktet for snødeponering, enten ved snøfall, vinddrift eller i kombinasjon. Denne informasjonen brukes til å bedre forstå historien om snødeponering som ble studert i vertikal lagdeling av snøpakken. b) Prosjektet brukte en eksisterende hydrologisk modell og la til nye funksjoner for å beskrive ujevn romlig fordeling av snø på en beregningseffektiv måte. Denne modellen er deretter brukt videre til å bedømme verdien av ulike snødataprodukter for å forbedre den hydrologiske prognosen og for å redusere usikkerheten. Resultater: a) Datasettet ble brukt til å utlede enkle matematiske beskrivelser av romlig snøfordeling. I løpet av feltstudien ga prosjektet innovative bidrag relatert til måleteknikker for snøfordeling, som kombinerer nye måle- og beregningsmetoder. Prosjektets aktivitet innen ny feltinstrumentasjon banet veien for et nytt initiativ ved UIO (HIVE: https://www.mn.uio.no/geo/english/research/projects/hive/) som tar sikte på å lage teknologiske nyvinninger lett tilgjengelig for innsamlingen av forskningsdata. b) Ved hjelp av en hydrologisk modell ble det utført en beregningsintensiv analyse som demonstrerte den generelt store usikkerheten av snørelaterte parametere i slike modeller. Det ble videre undersøkt hvordan bruk av ytterligere snødata kunne redusere denne usikkerheten. Samlet sett ble det vist at tilleggsdata kan forbedre modellen, men dette avhenger også av formålet med modellen. Mens disse usikkerhetsbestemmelses- og reduksjonsmetodene er av interesse for operasjonell hydrologi (for eksempel for flomvarsling, vannkraftproduksjon planlegging osv.), har de også en høy beregningskostnad, noe som begrenser dens bruk i praksis. Maskinlæringsmetoder har vist en lovende vei for å redusere beregningskostnadene. De nyutviklede rutinene er implementert i en modell med åpent kildekode (SHYFT) og er derfor tilgjengelige både for industrielle brukere og for det vitenskapelige samfunnet. Dette muliggjør at fremtidige aktiviteter umiddelbart kan benytte seg av de oppnådde resultatene. Formidling: I tillegg til å publisere resultater i vitenskapelige tidsskrifter, har prosjektet formidlet resultatene til et bredere publikum på nettstedet https://www.mn.uio.no/geo/english/research/projects/escymo/. Videre har prosjektet bidratt til å overføre den tilegnede kunnskapen til det aktuelle brukerfellesskapet og neste generasjon hydrologer. a) I oktober 2017 ble det arrangert en internasjonal workshop på Finse, i samarbeid med det NFR-finansierte SNOWHOW-prosjektet (NFR-prosjekt nr. 244153). Arrangementet tiltrukket 33 deltakere fra universiteter, forskningsinstitutter og interessenter fra kraftindustrien, både nasjonalt og internasjonalt. Workshopen var svært vellykket med å tilby en etterspurt plattform for å diskutere aktuelle spørsmål om snøforskning på nedslagsfeltskalaen, hvor snø og dens fremtidige utvikling utfolder sin sosioøkonomiske relevans for vannkraft, geofare og turisme. b) ESCYMO har utviklet undervisningsenheter for å gjøre brukerne kjent med funksjonen til åpen kildekodemodell SHYFT i forskjellige konfigurasjoner. Disse enhetene inneholder både eksempler på datasett og et interaktivt brukergrensesnitt. De har blitt brukt i utdanning ved Institutt for geofag, UIO, nemlig i kursene GEO2330 - Hydrology og GEO4430 - Snow hydrology samt for opplæring av profesjonelle brukere av modellrammeverket. Resultatindikatorer: ESCYMO-prosjektet har produsert 9 vitenskapelige artikler, 29 vitenskapelige presentasjoner, 1 internasjonal workshop og 1 doktorgradsavhandling.


Project leader: Thomas Vikhamar Schuler

Started: 2015

Ends: 2020

Category: Universiteter

Sector: UoH-sektor

Budget: 6147989

Institution: UNIVERSITETET I OSLO

Address: NA