English version of this page

ESCYMO – Kompetanseutvikling innen snøhydrologi

Klimaendringer har stor effekt på utbredelse og varighet av sesongbetont snødekke. Et mål i 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 ESCYMO: De forventede klimaendringer vil ha stor effekt på utbredelse 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 om 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

Engelsk navn på forskningsprosjektet er ESCYMO er Enhancing Snow CompetencY of Models and Operators. Prosjektet er finansiert gjennom KLIMAFORSK-programmet av Norges Forskningråd/NFR. Prosjektnummer ved NFR 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.

Prosjektet startet opp i 2015, med varighet til 2020. 

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

  • Burkhart, John; Matt, Felix Nikolaus; Helset, Sigbjørn; Abdella, Yisak Sultan; Skavhaug, Ola & Silantyeva, Olga (2021). Shyft v4.8: A Framework for Uncertainty Assessment and Distributed Hydrologic Modelling for Operational Hydrology . Geoscientific Model Development. ISSN 1991-959X. 14(2), s. 821–842. doi: 10.5194/gmd-14-821-2021. Fulltekst i vitenarkiv
  • Teweldebrhan, Aynom Tesfay; Burkhart, John; Schuler, Thomas & Xu, Chong-Yu (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(1). doi: 10.3390/rs11010028. Fulltekst i vitenarkiv
  • Filhol, Simon & Sturm, Matthew (2019). The smoothing of landscapes during snowfall with no wind. Journal of Glaciology. ISSN 0022-1430. 65(250), s. 173–187. doi: 10.1017/jog.2018.104. Fulltekst i vitenarkiv
  • Filhol, Simon; Perret, Alexis; Girod, Luc Maurice Ramuntcho; Sutter, Guillaume; Schuler, Thomas & Burkhart, John (2019). Time-lapse photogrammetry of distributed snow depth during snowmelt. Water Resources Research. ISSN 0043-1397. 55(9), s. 7916–7926. doi: 10.1029/2018WR024530. Fulltekst i vitenarkiv
  • Teweldebrhan, Aynom Tesfay; Burkhart, John & Schuler, Thomas (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(9), s. 5021–5039. doi: 10.5194/hess-22-5021-2018. Fulltekst i vitenarkiv
  • Aas, Kjetil Schanke; Gisnås, Kjersti; Westermann, Sebastian & Berntsen, Terje Koren (2017). A Tiling Approach to Represent Subgrid Snow Variability in Coupled Land Surface–Atmosphere Models. Journal of Hydrometeorology. ISSN 1525-755X. 18(1), s. 49–63. doi: 10.1175/JHM-D-16-0026.1. Fulltekst i vitenarkiv
  • Gisnås, Kjersti; Westermann, Sebastian; Schuler, Thomas; Melvold, Kjetil & Etzelmüller, Bernd (2016). Small-scale variation of snow in a regional permafrost model. The Cryosphere. ISSN 1994-0416. 10(3), s. 1201–1215. doi: 10.5194/tc-10-1201-2016.

Se alle arbeider i Cristin

  • Teweldebrhan, Aynom Tesfay; Burkhart, John; Schuler, Thomas & Xu, Chong-Yu (2019). Assimilation of MODIS fractional snow cover area into a hydrological model using fuzzy-logic based ensemble smoother data assimilation frameworks.
  • Teweldebrhan, Aynom Tesfay; Burkhart, John; Schuler, Thomas & Xu, Chong-Yu (2019). Snow data assimilation into a hydrological model using fuzzy logic based ensemble smoothers.
  • Teweldebrhan, Aynom Tesfay; Burkhart, John; Schuler, Thomas & Hjorth-Jensen, Morten (2019). Application of machine learning emulators in parameter identification for a distributed hydrological model.
  • Teweldebrhan, Aynom Tesfay; Burkhart, John; Schuler, Thomas & Xu, Chong-Yu (2019). Fuzzy-logic based ensemble smoother data assimilation frameworks for improving the informational value of the assimilated data.
  • Teweldebrhan, Aynom Tesfay; Burkhart, John & Schuler, Thomas (2019). Balancing between type I and type II errors in testing hydrological models as hypotheses of catchment behaviour .
  • Filhol, Simon Vincent P (2019). A Wireless Sensor Network: Status, development, and future.
  • Filhol, Simon (2018). Snow distribution at Finse.
  • Filhol, Simon (2018). Snow Science Activities and Instrumentation Development at Finse.
  • Teweldebrhan, Aynom Tesfay; Burkhart, John & Schuler, Thomas (2018). Parameter uncertainty analysis for a distributed hydrological model.
  • Filhol, Simon; Schuler, Thomas; Burkhart, John; Hulth, John & Decker, Sven (2017). A network of instrumentation to keep track of snow distribution at Finse, Norway.
  • Tweldebrahn, Aynom Tesfay; Burkhart, John & Schuler, Thomas (2017). Parameterizing snow redistribution effect of topographic parameters in a conceptual hydrological model.
  • Schuler, Thomas; Tweldebrahn, Aynom Tesfay; Filhol, Simon & Burkhart, John (2017). ESCYMO activities and linkage to SnowHow.
  • Tweldebrahn, Aynom Tesfay; Burkhart, John & Schuler, Thomas (2017). Snow Distribution Modelling and Uncertainty Analysis using a Conceptual Hydrological Model.
  • Filhol, Simon; Pirk, Norbert; Schuler, Thomas & Burkhart, John (2017). The morphological evolution of a wind-shaped snow surface during a storm event at Finse, Norway.
  • Filhol, Simon; Thomas, Schuler & Burkhart, John (2017). The Morphological evolution of a wind-shaped snow surface during a storm event at Finse, NO.
  • Teweldebrhan, Aynom Tesfay; Burkhart, John & Schuler, Thomas (2017). Parameter identification for a Distributed hydrological model using the GLUE method.
  • Filhol, Simon; Pirk, Norbert; Schuler, Thomas & Burkhart, John (2017). The Evolution of a Snow Dune Field.
  • Teweldebrhan, Aynom Tesfay; Burkhart, John & Schuler, Thomas (2017). Parameterizing snow redistribution effect of topographic parameters in a conceptual hydrological model.
  • Burkhart, John; Decker, Sven; Filhol, Simon; Hulth, John; Nesje, Atle & Schuler, Thomas [Vis alle 8 forfattere av denne artikkelen] (2017). Development of the Finse Alpine Research Station towards a platform for multi-disciplinary research on Land-Atmosphere Interaction in Cold Environments (LATICE).
  • Filhol, Simon; Burkhart, John; Schuler, Thomas & Hulth, John (2016). Weather stations for wind-blown snow at Finse, Norway: A distributed and real-time wireless network of.
  • Schuler, Thomas; Aalstad, Kristoffer; Aas, Kjetil Schanke; Burkhart, John; Dunse, Thorben & Filhol, Simon [Vis alle 9 forfattere av denne artikkelen] (2016). Towards real-time snow products for Svalbard.
  • Filhol, Simon; Burkhart, John; Schuler, Thomas & Hulth, John (2016). A distributed and real-time wireless network of weather stations for wind-blown snow at Finse, Norway.
  • Filhol, Simon; Burkhart, John; Schuler, Thomas & Hulth, John (2016). Capturing snow depth distribution with a low cost and wireless weather station network.
  • Burkhart, John; Schuler, Thomas; Tallaksen, Lena M.; Filhol, Simon; Hulth, John & Decker, Sven (2016). Snow model validation in Norway at the Land Atmosphere Interaction in Cold Environments (LATICE) Finse site.
  • Teweldebrhan, Aynom Tesfay; Burkhart, John & Schuler, Thomas (2019). Ensemble-based uncertainty quantification and reduction in hydrological modelling and predictions. University of Oslo. ISSN 1501-7710.

Se alle arbeider i Cristin

Publisert 30. sep. 2016 16:34 - Sist endret 21. feb. 2022 11:29