Betere voorspellingen van sneeuw en gletsjers dankzij slimmere rekenmethode

Hoeveel sneeuw ligt er nu eigenlijk in de Alpen, en hoeveel daarvan smelt straks als rivierwater? Die vraag is belangrijker dan ze klinkt. Drinkwater, landbouw en waterkracht hangen in grote delen van de wereld af van sneeuw en ijs die geleidelijk smelten. Toch is het verrassend lastig om precies te berekenen hoeveel sneeuw en ijs er op een bepaald moment ligt. Een internationaal onderzoeksteam presenteert nu een nieuwe rekenmethode die dat een stuk nauwkeuriger doet.

Wetenschappers gebruiken voor dit soort berekeningen wat ze een "reanalyse" noemen: ze combineren metingen (bijvoorbeeld satellietbeelden van sneeuwbedekking, of metingen van de hoeveelheid water die in sneeuw zit) met rekenmodellen, om zo het verloop van sneeuw en ijs door de tijd zo goed mogelijk te reconstrueren. Het probleem is dat metingen vaak schaars zijn en ruis bevatten, dus niet helemaal betrouwbaar zijn.

Tot nu toe deden onderzoekers dit op twee manieren, en beide hebben nadelen. De eerste manier behandelt elk jaar apart, zonder kennis uit andere jaren te gebruiken. Bij weinig of onnauwkeurige metingen werkt dat slecht: het model valt dan terug op aannames die nooit goed zijn gecontroleerd. De tweede manier gooit juist alle jaren op één hoop en zoekt één vaste set aan patronen die voor alle jaren moet gelden. Daardoor gaat belangrijke informatie verloren over hoe sneeuw en ijs van jaar tot jaar verschillen.

De nieuwe methode, die de onderzoekers "klimaat-geïnformeerde reanalyse" noemen, zoekt een middenweg. Het model leert zowel van het specifieke jaar als van de bredere, langjarige patronen op een locatie, en combineert die twee slim met elkaar. Dit heet in de statistiek "partiële pooling": gegevens worden deels gedeeld tussen jaren, maar niet volledig samengevoegd.

Het team testte de methode op acht gebieden, van de Zwitserse Alpen tot het hoge noorden van het Noordpoolgebied. Ze gebruikten daarbij drie soorten metingen: de hoeveelheid water die in sneeuw zit, satellietbeelden van sneeuwbedekking, en de massa van gletsjers. De nieuwe aanpak presteerde in bijna alle gevallen beter dan de twee bestaande methodes. Gemeten met een statistische maatstaf voor voorspelkwaliteit (de "continuous ranked probability score") leverde de nieuwe methode een verbetering op van 51% ten opzichte van de uitgangssituatie. Ter vergelijking: de jaar-voor-jaar-methode kwam tot 38% verbetering, en de methode met vaste patronen voor alle jaren tot 19%.

Een extra voordeel: de nieuwe rekenmethode is ook veel sneller. Vergeleken met een gangbare, zeer nauwkeurige maar trage rekentechniek (een soort computersimulatie die normaal gesproken enorm veel rekenkracht kost) bespaart de nieuwe aanpak meerdere ordegroottes aan rekentijd, terwijl de nauwkeurigheid gelijk blijft of zelfs verbetert.

Voor waterbeheerders en klimaatonderzoekers is dit vooral praktisch nieuws: betere schattingen van sneeuw en ijs betekenen betrouwbaardere voorspellingen van beschikbaar water, bijvoorbeeld voor drinkwatervoorziening of waterkrachtcentrales in bergachtige gebieden.

Bron: Climate-informed cryospheric reanalysis via hierarchical Bayesian data assimilation