Investigating meteorological and snowpack drivers for glide-snow avalanching

Gleitschneelawinen können Infrastrukturen und Wälder beschädigen und zu Todesfällen führen. Die Vorhersage von Gleitschneelawinen ist nach wie vor eine Herausforderung. Dies ist vor allem auf begrenztes Wissen über die treibenden physikalischen Prozesse zurückzuführen, da Gleitschnee-lawinen bisher nur wenig wissenschaftliche Aufmerksamkeit erhalten haben. Das Ziel dieser Arbeit ist es, mithilfe eines einzigartigen Datensatzes von Gleitschneelawinen Beziehungen zwischen meteorologischen und Schneedeckenparametern und der Gleitschneelawinenaktivität herzustellen, um letztendlich deren Vorhersage zu verbessern. Wir verwendeten das mehrschichtige Schneedeckenmodell SNOWPACK, um Daten über die Schneedeckeneigenschaften in einem Testgebiet zu erhalten, welches durch eine hohe Gleitschneelawinenaktivität gekennzeichnet ist. Mehr als 800 Gleitschneelawinen wurden zwischen 2008 und 2022 mit Zeitrafferaufnahmen dokumentiert und mit den Schneedeckensimulationen verknüpft. Die Ergebnisse von SNOWPACK stimmten gut mit den meteorologischen Bedingungen und der Schneedecke überein, welche während der Wintersaison 2021/2022 am Untersuchungsort beobachtet wurden. Anschließend haben wir die Gleitschneelawinen in zwei Gruppen unterteilt, in «warm-temperature events» und «cold-temperature events», da wir davon ausgehen, dass diese durch unterschiedliche Prozesse gekennzeichnet sind. Dazu entwickelten wir einen neuen Schwellenwert, basierend auf dem Flüssigwassergehalt in der Schneedecke, und untersuchten, ob unterschiedliche meteorologische und Schneedeckenfaktoren für jeden Ereignistyp identifiziert werden können. Vier verschiedene Vergleichsansätze zwischen «cold-temperature» Tagen, «warm-temperature» Tagen, Ereignistagen und ereignislosen Tagen ermöglichten es uns, ein besseres Verständnis der potenziellen Treiber für jeden Prozess zu gewinnen. Für jeden Ansatz bestimmten wir die zehn wichtigsten Parameter, indem wir eine univariate Merkmalsauswahl basierend auf ANOVA f-Tests durchf
Glide-snow avalanches can damage infrastructure and forests and result in fatalities. Forecasting glide-snow avalanches remains a very challenging task. This is largely due to our limited knowledge of the driving physical processes, as glide-snow avalanches have received limited scientific attention. The goal of this work is to use a unique dataset of glide-snow avalanches to establish relationships between meteorological and snowpack parameters and glide-snow avalanche activity to ultimately improve forecasting. We applied the multi-layer snow-cover model SNOWPACK to obtain data on snow properties at a field site characterized by a high frequency of glide-snow avalanches. More than 800 glide-snow avalanches were documented using time-lapse photography between 2008 and 2022 and linked to the snow cover simulations. SNOWPACK output was in good agreement with meteorological and snowpack conditions recorded at the study site during the 2021/2022 winter season. We then separated the glide-snow avalanches into two groups, warm- and cold-temperature events, because we expect these are driven by different processes. To do so, we developed a new threshold based on liquid water content in the snowpack, and investigated whether different meteorological and snowpack drivers could be identified for each type of event. Four different comparison approaches between cold-temperature days, warm-temperature days, event days, and non-event days allowed us to gain a better understanding of potential drivers for each process. For each approach, we determined the top ten most important features performing a univariate feature selection using ANOVA f-tests. For warm-temperature events, we found liquid water induced by surface melting at the base of the snowpack. A modeled ground heat flux at the snow-soil interface close to zero as well as a higher total amount of water in the snowpack were indicative for event days. Cold-temperature events were characterized by very little water in the s
Masterarbeit Universität Innsbruck 2022