Aktuelle und zukünftige Veränderungen der Schneeverhältnisse in extremen Regionen

Die UN-Aktionsdekade für Kryosphärenwissenschaften zielt darauf ab, Unsicherheiten hinsichtlich der Ursachen und den Auswirkungen von Veränderungen bei Schnee, Eis und Permafrost zu verringern. Schnee trägt maßgeblich zu diesen Unsicherheiten bei, da Schneeprozesse in Klimamodellen noch nicht vollständig verstanden und dargestellt werden können. SnowShifts zielt darauf ab, unser Verständnis des Schneevolumens und der Schneemasse, ihrer nichtlinearen Dynamik und Eigenschaften sowie insbesondere der Veränderungen des Schneeregimes innerhalb der Erd- und Klimasysteme erheblich zu verbessern. Dies soll durch eine neuartige Kombination aus In-situ- und Fernerkundungsbeobachtungen sowie durch die Entwicklung hochmoderner numerischer Modelle erreicht werden. Innovative Technologien wie photonenzählende satellitengestützte Laseraltimeter, bodengestützte Supraleitgravimeter sowie neuartige Ansätze zur Skalenüberbrückung und zum Downscaling von Satellitengravimetriedaten in extremen Regionen werden mit den neuesten Multisensor-Satellitendaten und Modellierungen kombiniert. Dies ermöglicht die Ermittlung von Schneevolumen, -masse, -ausdehnung und anderen Eigenschaften wie der Schneealbedo mit bisher unerreichter räumlicher und zeitlicher Auflösung. Die kombinierten Fortschritte in Beobachtung und Modellierung werden Trends und Veränderungen im Schneeklima definieren und beschreiben, die von den polaren Regionen bis hin zu den Hochgebirgsregionen der mittleren Breiten reichen. Dieses Projekt wird zukünftige Schneeszenarien für mindestens drei sozioökonomische Entwicklungspfade liefern, wodurch aktuelle globale und regionale Klimamodelle verfeinert und potenzielle Nichtlinearitäten bei Schneeveränderungen untersucht und definiert werden. SnowShifts wird nicht nur die Genauigkeit unserer neuen Modelle bei der Nachbildung von Schneemengen und -dynamiken demonstrieren, sondern auch umfangreiche Datensätze generieren, die den Schnee in abgelegenen und bisher wenig erforschten Regionen charakterisieren. Die neuen Darstellungen von Schneeprozessen werden ein wichtiges Ergebnis sein, das es der wissenschaftlichen Gemeinschaft ermöglicht, die gewonnenen Erkenntnisse in Klima- und Landoberflächenmodelle zu integrieren und rechnerisch aufwendige Modellkomponenten teilweise durch Emulatoren auf Basis von maschinellem Lernen zu ersetzen.