Nuevos algoritmos de la cubierta, la temperatura y la humedad de la nieve
Una gran parte de Europa depende de la nieve derretida como fuente de agua potable. Además de su papel en el ciclo hidrológico, la nieve también es un componente importante del sistema climático de la Tierra. Como tal, al mejorar nuestros conocimientos sobre la nieve se puede conseguir un importante valor social. El proyecto ENVISNOW se propuso desarrollar la infraestructura necesaria para mejorar el control de los parámetros de la nieve utilizando los datos de observación de la Tierra (OT) proporcionados por satélites. En concreto, el Instituto Noruego de Computación (NR) definió nuevos algoritmos a fin de producir estimaciones de la zona fraccional cubierta de nieve (FSCA), la temperatura de superficie de la nieve (STS) y la humedad de la nieve. Los cálculos de FSCA resultan complicados, porque la reflectancia espectral de la nieve puede variar dependiendo de diversos factores diferentes: Son los siguientes: la antigüedad de la masa de nieve, su contenido de impurezas, la elevación del sol, el ángulo de visión de los instrumentos del satélite, etc. La solución de NR fue emplear un modelo de metamorfosis y un modelo de impurezas para generar un espectro de nieve válido y un espectro de suelo desnudo local. En la fase final, se usó un algoritmo mixto lineal y espectral para calcular la zona fraccional cubierta de nieve. Con respecto a la temperatura de superficie de la nieve, la atenuación atmosférica modifica la firma de radiación de cuerpo negro original de la nieve. A fin de tener en cuenta las consecuencias de la composición atmosférica y de la longitud del recorrido, NR probó diferentes algoritmos. Determinaron que el algoritmo de Key es la solución óptima, en particular para las regiones polares. NR adaptó el algoritmo de Key al sistema de información sobre nieve integrado de ENVISNOW y comprobó su rendimiento con datos reales de observación de la Tierra y de superficie. La información sobre la humedad de la nieve proporciona datos valiosos del proceso de fusión de la nieve. NR fue capaz de mejorar las capacidades de predicción de humedad de la nieve combinando mediciones del tamaño de la partícula de nieve (SGS) con mediciones de la temperatura de superficie de la nieve. Se determina una clase de humedad de la nieve sobre la base de la temperatura de superficie y la evolución temporal del tamaño de la partícula de nieve. En cuanto a los demás algoritmos nuevos, los resultados fueron validados en diferentes localizaciones. La contribución de NR a ENVISNOW representa un salto cualitativo hacia adelante, dado que ahora es posible calcular de manera precisa parámetros esenciales de la nieve a lo largo de toda la temporada de nieve. NR busca licencias para los nuevos algoritmos.
