English version of this page

ESCYMO – Enhancing Snow CompetencY of Models and Operators

Klimaendringer har stor effekt på utbredelse og varighet av sesongbetont snødekke. Et mål i forskningsprosjektet ESCYMO er å utvikle nye modeller og forbedre undervisningen for å møte utfordringer med endringer i snøhydrologi og effekt på vannressurser og kraftproduksjon.

Følg oss på Facebook!

Om prosjektet

De forventede klimaendringer vil ha stor effekt på utbredelsen og varighet av det snødekket som varierer etter årstid/sesong. I snødominerte områder, som vi finner i Norge, kan dette medføre store samfunnsøkonomiske konsekvenser, for eksempel for infrastruktur, kraftproduksjon og turisme.

Modeller av snøhydrologi er viktige planleggingsverktøy, både i forhold til å varsle vannføring noen dager framover for å optimalisere kraftproduksjon eller flomvarsel, men også for å estimere langtidsutvikling av vannresurser for pågående klimaendringer.

Les mer: ESCYMO på engelske websider.

Mål

Hovedmålet for forskningsprosjektet ESCYMO er å utvikle kompetanse innenfor snøhydrologi for å sikre optimalt bruk av vannressurser i et endret klima. I tett samarbeid med industripartnere fra kraftsektoren, har prosjektkonsortiet identifisert følgende behov for å øke kompetanse innen snøhydrologi:

  1. Optimal bruk av vannressurser krever egnete beskrivelser av vintersnøens oppbygging og nedsmelting.
  2. I en tid preget av teknologiske endringer, trenger vannkraftindustrien hydrologer med adekvat kompetanse innen snøhydrologi.

ESCYMO stiler seg til disse behovene ved å utføre:

  • 1) forskning (øke kompetansen om metoder), og
  • 2) undervisning (øke kompetansen av brukere).

Mens prosessene rundt snøsmelting og deres sammenheng med meteorologien er tilstrekkelig forstått, så finns det kunnskapshull angående beskrivelse av den romlige fordelingen av snø innenfor et nedslagsfelt eller en større region. Det er derfor viktig å utvikle pålitelige metoder for å beskrive snøfordelingen i henholdt til terrenget og værforhold. Ny teknologi (GPS, geo-radar, droner) gjør det mulig med nye og omfattende målinger av snø og relaterte størrelser. Disse vil bli brukt til å identifisere relevante prosesser, til å utvikle effektive beregningsmetoder og til å analysere usikkerheter i hydrologisk modellering. Prosjektet vil utvikle nye metoder for å inkludere nye datatyper i hydrologiske modeller på en robust måte og samtidig analysere verdien av de spesifikke datasettene til å redusere modellusikkerhet.

I tillegg, vil ESCYMO ha en betydelig utdanningskomponent ved å utvikle nye undervisningsmoduler innen hydrologi (og relaterte emner) i studier innen geofag ved Universitetet i Oslo for å øke kompetansen av fremtidige hydrologer i forhold til snøprosesser og vurdering av relaterte usikkerheter.

Bakgrunn

ESCYMO er et kompetanseprosjekt med formål å bidra til næringsrettet forskerutdanning og langsiktig kompetanseoppbygging i norske forskningsmiljøer, innenfor fagtemaer med stor betydning for utviklingen av næringslivet i Norge.

Finansiering

Fult navn på forskningsprosjektet ESCYMO er Enhancing Snow CompetencY of Models and Operators.

Prosjektet er finansiert gjennom KLIMAFORSK-programmet fra Norges Forskningråd/NFR. Prosjektnummer ved NRF er 244024.

Prosjektet får også bidrag fra vannkraftindustrien gjennom de norske selskapene  i.e. Agder Energi ASE-CO Energi ASGlommens og Laagens BrukseierforeningHydro Energi AS og Statkraft AS.

Samarbeid

Ved siden av samarbeid med partnere fra norsk vannkraftindustri, er det et samarbeid med Globesar AS og SnowHow prosjektet.

Ressurser

ESCYMO utfører feltmålinger ved Finse Alpine Research Center, hvor det er etablert en betydelig infrastruktur med ulike sensorinstrumenter; Finse Eco-Hydrological Observatory (Finse EcHO) gjennom det tverrfagelige forskningsinisiativet LATICE. Mer informasjon, se lenker:

For utvikling av modeller i dette prosjektet brukes SHYFT.

Publikasjoner

  • John Burkhart; Felix Nikolaus Matt; Sigbjørn Helset; Yisak Sultan Abdella; Ola Skavhaug & Olga Silantyeva (2021). Shyft v4.8: A Framework for Uncertainty Assessment and Distributed Hydrologic Modelling for Operational Hydrology. Geoscientific Model Development.  ISSN 1991-959X.
  • Aynom Tesfay Teweldebrhan; John Burkhart; Thomas Schuler & Chong-Yu Xu (2019). Improving the Informational Value of MODIS Fractional Snow Cover Area Using Fuzzy Logic Based Ensemble Smoother Data Assimilation Frameworks. Remote Sensing.  ISSN 2072-4292.  11
  • Simon Filhol & Matthew Sturm (2019). The smoothing of landscapes during snowfall with no wind. Journal of Glaciology.  ISSN 0022-1430.  65, s 173- 187
  • Simon Filhol; Alexis Perret; Luc Maurice Ramuntcho Girod; Guillaume Sutter; Thomas Schuler & John Burkhart (2019). Time-lapse photogrammetry of distributed snow depth during snowmelt. Water Resources Research.  ISSN 0043-1397.  55, s 7916- 7926
  • Aynom Tesfay Teweldebrhan; John Burkhart & Thomas Schuler (2018). Parameter uncertainty analysis for an operational hydrological model using residual-based and limits of acceptability approaches. Hydrology and Earth System Sciences.  ISSN 1027-5606.  22, s 5021- 5039
  • Kjetil Schanke Aas; Kjersti Gisnås; Sebastian Westermann & Terje Koren Berntsen (2017). A Tiling Approach to Represent Subgrid Snow Variability in Coupled Land Surface–Atmosphere Models. Journal of Hydrometeorology.  ISSN 1525-755X.  18, s 49- 63
  • Kjersti Gisnås; Sebastian Westermann; Thomas Schuler; Kjetil Melvold & Bernd Etzelmüller (2016). Small-scale variation of snow in a regional permafrost model. The Cryosphere.  ISSN 1994-0416.  10, s 1201- 1215

Se alle arbeider i Cristin

  • Aynom Tesfay Teweldebrhan; John Burkhart & Thomas Schuler (2019). Balancing between type I and type II errors in testing hydrological models as hypotheses of catchment behaviour.
  • Aynom Tesfay Teweldebrhan; John Burkhart; Thomas Schuler & Chong-Yu Xu (2019). Fuzzy-logic based ensemble smoother data assimilation frameworks for improving the informational value of the assimilated data.
  • Simon Vincent P Filhol (2019). A Wireless Sensor Network: Status, development, and future.
  • Aynom Tesfay Teweldebrhan; John Burkhart; Thomas Schuler & Chong-Yu Xu (2019). Snow data assimilation into a hydrological model using fuzzy logic based ensemble smoothers.
  • Aynom Tesfay Teweldebrhan; John Burkhart; Thomas Schuler & Chong-Yu Xu (2019). Assimilation of MODIS fractional snow cover area into a hydrological model using fuzzy-logic based ensemble smoother data assimilation frameworks.
  • Aynom Tesfay Teweldebrhan; John Burkhart; Thomas Schuler & Morten Hjorth-Jensen (2019). Application of machine learning emulators in parameter identification for a distributed hydrological model.
  • Aynom Tesfay Teweldebrhan (2019). Ensemble-based uncertainty quantification and reduction in hydrological modelling and predictions. Series of dissertations submitted to the Faculty of Mathematics and Natural Sciences, University of Oslo.. 2191.
  • Aynom Tesfay Teweldebrhan; John Burkhart & Thomas Schuler (2018). Parameter uncertainty analysis for a distributed hydrological model.
  • Simon Filhol (2018). Snow distribution at Finse.
  • Simon Filhol (2018). Snow Science Activities and Instrumentation Development at Finse.
  • Simon Filhol; Schuler Thomas & John Burkhart (2017). The Morphological evolution of a wind-shaped snow surface during a storm event at Finse, NO.
  • Thomas Schuler; Aynom Tesfay Tweldebrahn; Simon Filhol & John Burkhart (2017). ESCYMO activities and linkage to SnowHow.
  • Simon Filhol; Norbert Pirk; Thomas Schuler & John Burkhart (2017). The morphological evolution of a wind-shaped snow surface during a storm event at Finse, Norway.
  • Simon Filhol; Thomas Schuler; John Burkhart; John Hulth & Sven Decker (2017). A network of instrumentation to keep track of snow distribution at Finse, Norway.
  • Aynom Tesfay Tweldebrahn; John Burkhart & Thomas Schuler (2017). Snow Distribution Modelling and Uncertainty Analysis using a Conceptual Hydrological Model.
  • Aynom Tesfay Tweldebrahn; John Burkhart & Thomas Schuler (2017). Parameterizing snow redistribution effect of topographic parameters in a conceptual hydrological model.
  • John Burkhart; Sven Decker; Simon Filhol; John Hulth; Atle Nesje; Thomas Schuler; Stefan Pieter Sobolowski & Lena M. Tallaksen (2017). Development of the Finse Alpine Research Station towards a platform for multi-disciplinary research on Land-Atmosphere Interaction in Cold Environments (LATICE).
  • Aynom Tesfay Teweldebrhan; John Burkhart & Thomas Schuler (2017). Parameterizing snow redistribution effect of topographic parameters in a conceptual hydrological model.
  • Aynom Tesfay Teweldebrhan; John Burkhart & Thomas Schuler (2017). Parameter identification for a Distributed hydrological model using the GLUE method.
  • Simon Filhol; Norbert Pirk; Thomas Schuler & John Burkhart (2017). The Evolution of a Snow Dune Field.
  • Thomas Schuler; Kristoffer Aalstad; Kjetil Schanke Aas; John Burkhart; Thorben Dunse; Simon Filhol; John Hulth; Torbjørn Ims Østby & Sebastian Westermann (2016). Towards real-time snow products for Svalbard.
  • Simon Filhol; John Burkhart; Thomas Schuler & John Hulth (2016). A distributed and real-time wireless network of weather stations for wind-blown snow at Finse, Norway.
  • Simon Filhol; John Burkhart; Thomas Schuler & John Hulth (2016). Weather stations for wind-blown snow at Finse, Norway: A distributed and real-time wireless network of.
  • Simon Filhol; John Burkhart; Thomas Schuler & John Hulth (2016). Capturing snow depth distribution with a low cost and wireless weather station network.
  • John Burkhart; Thomas Schuler; Lena M. Tallaksen; Simon Filhol; John Hulth & Sven Decker (2016). Snow model validation in Norway at the Land Atmosphere Interaction in Cold Environments (LATICE) Finse site.

Se alle arbeider i Cristin

Publisert 30. sep. 2016 16:34 - Sist endret 3. juni 2021 21:20