Modelování distribuce sněhové pokrývky

Pro predikci lavinového nebezpečí je nezbytná informace o stavu sněhové pokrývky. Protože z technických a možná i estetických důvodů (viz následující obrázek) není možné sněhovou pokrývku neustále na všech místech lavinových oblastí měřit, vstupují na scénu matematické modely.

měření sněhu

Sníh a jeho vývoj podléhá fyzikálním zákonům. Ty lze interpretovat matematickými rovnicemi a ve spojení s výpočetní technikou pak vybrané charakteristiky sněhu simulovat i v místech, kde o sněhu žádné naměřené informace nejsou. Podmínkou je dostupnost vybraných meteorologických a klimatických parametrů, které vývoj sněhu ovlivňují. Většina z nich je standardně měřena na meteorologických stanicích.

Z těch nejdůležitějších je to především úhrn srážek a teplota vzduchu. Dále například charakteristiky větru či oblačnosti. Vítr způsobuje nerovnoměrné usazování sněhu, informace o oblačnosti zpřesňuje simulaci vývoje tání na svazích s odlišnou orientací (rozdíl v dotaci slunečního záření). Z toho plyne, že charakteristiky sněhové pokrývky se mění nejen v čase, ale i v prostoru.

Aby bylo možné tyto rozdíly v modelech zohlednit, je nutné oblast, na které je vývoj sněhové pokrývky modelován, rozdělit sítí (gridem) na jednotlivé buňky a simulovat vývoj sněhu v každé buňce zvlášť (viz následující obrázek). Na otázku, jak velké by měly buňky být, neexistuje jednoznačná odpověď. Záleží na účelu simulace, velikosti oblasti i kapacitě výpočetní techniky. Pro predikci lavinového nebezpečí se ale plocha, reprezentovaná jednou buňkou, pohybuje do 100 m2. Tomuto rozlišení musí odpovídat i digitální model terénu, kterým je v modelu oblast reprezentována.

rozdělení oblasti gridem

Správnost simulace je potom nutné ověřit (validovat) na měřených datech. Ačkoliv se z výše uvedených důvodů nepředpokládá, že by mohlo toto ověření proběhnout pro každou buňku, musí model správně simulovat vybrané charakteristiky sněhu v místech, kde jsou přímo měřeny. Čím více těchto míst je a čím více se od sebe tato místa liší (v nadmořské výšce, orientaci svahů atd.), tím více lze simulaci v případě, že je mezi simulovanými a měřenými daty shoda, považovat za správnou pro celou oblast.

Je potřeba zdůraznit, že každá simulace s sebou přináší jistou chybu, ať už kvůli zjednodušenému výpočtu, nevhodné velikosti buněk či nedostatečně reprezentativním vstupním datům. Velkou výhodou ale zůstává možnost předpovědi či simulace extrémních situací. Záleží pouze na tom, jaká vstupní data budou použita.

A jak probíhá samotný výpočet v každé buňce?

Nejjednodušší modely využívají metodu teplotního indexu. Teplotní index definuje, o kolik vody se s každým kladným stupněm za jeden den sníží celková vodní hodnota sněhu. Výhodou takových modelů jsou minimální požadavky na vstupní data (stačí pouze průměrná denní teplota vzduchu), poskytují však velmi omezené možnosti simulace jiných parametrů než vodní hodnoty sněhu.

Druhou variantou jsou modely energetické bilance. Ty vycházejí z řešení rovnice, kde se celková energie dostupná pro tání sněhu skládá ze součtu více složek, jako je solární krátkovlnná radiace, atmosférická dlouhovlnná radiace, energie spojená s výparem a kondenzací, energie dodaná půdou a další. Je jasné, že takové modely jsou mnohem náročnější na vstupní data, výhodou však zůstává větší schopnost simulovat i jiné charakteristiky sněhu, jako je teplota či hustota sněhu.

Jením z hlavních výsledků projektu je distribuovaný model vývoje a tání sněhové pokrývky HBV EM 1.0, který je možné stáhnout z těchto webových stránek v sekci Publikované výstupy projektu.

Pozn.: V zimě 2016/2017 není sněhová pokrývka modelovaná.


Citace:

Lehning, M., Bartelt, P., Brown, R. L., Russi, T., Stöckli, U. and Zimmerli, M., 1999. Snowpack model calculations for avalanche warning based upon a new network of weather and snow stations. Cold Reg. Sci. Technol., 30(1-3): 145-157