Increased temperatures, changed snow conditions, increasing demand for skiing and other winter sports lead to increased demand and production of artificial snow. Besides the positive aspects of artificial snow, it is important to understand potentially negative effects of artificial snow on the environment and vegetation. This study investigated the differences between artificial snow and natural snow in two adjacent ski slopes. This was done by measuring and comparing the snow depth, duration of the snow cover, snow density, and ground vegetation between the slopes. Snow depth and density showed differences between artificial snow and natural snow. The artificial snow cover stayed about 11 days longer than the natural snow. A few variations in the vegetation were also found; earlier flowering and more species and colors in the natural snow slope compared to in the slope using artificial snow. Therefore, it is clear that there is a difference between artificial snow and natural snow, and that this results in effects on the environment, but it is difficult to assess to what extent and how large the negative impact is. For more general conclusions, I think it is important to study the vegetation under artificial snow during a longer period and in several areas.

The aim of this project was to examine if a machine learning model could be used to predict snow density from six different weather parameters. These were artificially generated snow density, air temperature, ground temperature, relative humidity, windspeed and the snow depth change. The questions asked were what parameters correlates to the snow density, what model will perform best and could this approach be a better alternative to measure snow density manually. The research was performed in the application Regression Learner in MATLAB by testing five different premade machine learning models on a dataset. The premade models were, Linear Regression, GPR Matern 5/2, SVM Medium Gaussian, Wide Neural Network and Trilayered Neural Network. Also, the project includes data collection, data cleaning, data modification, data generation, training, testing, and evaluating the models. The results show that air temperature and windspeed overall are the most important parameters and the GPR Matern 5/2 and the Wide Neural Network had the highest performance. Lastly, it was concluded that the machine learning model could be a better alternative to measuring snow density with a real sensor. / Målet med detta arbete var att undersöka om en maskininlärningsmodell kunde användas för att förutse snödensitet utifrån sex olika väderparametrar. Dessa var artificiell genererad snödensitet, lufttemperatur, marktemperatur, relativ luftfuktighet, vindhastighet och snödjupsförändring. Frågeställningarna som skulle besvaras var vilka väderparametrar som korrelerar med snödensiteten, vilken eller vilka modeller som presterade bäst samt om maskininlärningsmodellen skulle kunna vara att bättre alternativ till att mäta snödensitet manuellt. Undersökningen utfördes i applikationen Regression Learner i MATLAB genom att testa fem olika förhandsgjorda modeller vilka var Linear Regression, GPR Matern 5/2, SVM Medium Gaussian, Wide neural network och Trilayered neural network. Projektet inkluderar även datainsamling, städning av data, datamodifiering, datagenerering, träning, testning och evaluering av modellerna. Resultaten visar att lufttemperaturen och vindhastigheten över lag är viktigast för modellerna och att GPR Matern 5/2 samt Wide neural network presterade bäst. Slutligen kunde man argumentera för att maskininlärningsmodellen är ett bättre alternativ till att mäta snödensitet manuellt.

La caractérisation de la neige est un enjeu important pour la gestion des ressources en eau et pour la prévision des risques d'avalanche. L'avènement des nouveaux satellites Radar de Synthèse d'Ouverture (RSO) bande X à haute résolution permet d'acquérir des données de résolution métrique avec une répétitivité journalière. Dans ce travail, un modèle de rétrodiffusion des ondes électromagnétiques de la neige sèche est adapté à la bande X et aux fréquences plus élevées. L'algorithme d'assimilation de données 3D-VAR est ensuite implémenté pour contraindre le modèle d'évolution de la neige SURFEX/Crocus à l'aide des observations satellitaires. Enfin, l'ensemble de ces traitements sont évalué à partir de données du satellite TerraSAR-X acquises sur le glacier d'Argentière dans la vallée de Chamonix. Cette première comparaison montre le fort potentiel de l'assimilation des données RSO bande X pour la caractérisation du manteau neigeux. / Characterization of snowpack structure is an important issue for the management of water resources and the prediction of avalanche risks. New Synthetic Aperture Radar (SAR) satellites in X-band at high-resolution allow us to acquire image data with metric resolution and daily observations. In this work, an electromagnetic backscattering model applicable for dry snow is adapted for X-band and higher frequencies. The 3D-VAR data assimilation algorithm is then implemented to constrain the evolution of the snow metamorphisme model SURFEX/Crocus using satellite observations. Finally, the algorithm is evaluated using image data acquired from TerraSAR-X satellite on the Argentiere glacier in the Chamonix Valley of the French Alps. This first comparison shows the high potential of the data assimilation assimilation method using X-band SAR data for characterization of the snowpack.

Tesis por compendio / [ES] El cambio climático indudablemente afectará los eventos de nieve ya que se espera que la temperatura y la precipitación cambien en el futuro. Las montañas españolas se ven especialmente afectadas por esta situación, ya que el almacenamiento de nieve se concentra en periodos muy concretos del año hidrológico y juega un papel muy importante en la gestión de los recursos hídricos. En este estudio se realiza en primer lugar un análisis del comportamiento de los fenómenos complejos relacionados con la nieve en las cuatro principales regiones montañosas de España en los próximos 50 años. El modelo hidrológico ASTER se aplica utilizando como insumo básico datos de temperatura y precipitación, estimados bajo un escenario de cambio climático. Los resultados muestran diferentes cambios en los caudales máximos y promedio esperados, dependiendo de la muy diferente magnitud y signo de los cambios en la precipitación. Puede producirse un aumento de los episodios de inundación como consecuencia de una compleja relación entre los cambios en las precipitaciones y un aumento de las intensidades máximas de deshielo que oscilan entre el 2,1% en los Pirineos y el 7,4% en la Cordillera Cantábrica. Sin embargo, los patrones comunes se muestran en una menor duración de las reservas de masa de nieve, que se espera que ocurra 45 días antes para la Cordillera Cantábrica, y alrededor de 30 días para el resto de las regiones montañosas estudiadas. Los cambios observados también conducen a una disminución preocupante del efecto regulador de los fenómenos relacionados con la nieve en los ríos españoles, con una disminución de la acumulación media de nieve que oscila entre un 28% para Pirineos y Sierra Nevada y un 42% para el Sistema Central y la Cordillera Cantábrica. Se espera una disminución del caudal medio, que fluctúe desde el 2,4% en los Pirineos hasta el 7,3% en la Cordillera Cantábrica, aumentando únicamente en el Sistema Central un 4,0%, siendo necesario desarrollar nuevas medidas de adaptación al cambio climático. Por otro lado, con el fin de lograr una mejor estimación del Equivalente de agua de nieve (SWE) utilizando una red meteorológica y de profundidad de nieve (SD) económica y extensa; y que mejore la calibración del modelo hidrológico ASTER, se proporcionan nuevos modelos de regresión de densidad de nieve (SDEN). A partir del gran banco de datos de densidad de nieve (SDEN) existente para los Pirineos españoles, siendo una de las zonas más importantes y mejor monitorizadas del mundo, se evalúan modelos de regresión lineal simple y múltiple que relacionan SDEN con la intra-dependencia del tiempo anual y otros factores como la precipitación acumulada estacional, las temperaturas promedio de 7 días, la profundidad de la nieve (SD) y la elevación. Los resultados mostraron tasas de densificación similares sin mostrar un patrón espacial. La tasa de densificación para el conjunto de muestras manuales se fijó en 1,2 x 10-3 kg/L/día, muy similar al conjunto de medidas automáticas. Los resultados aumentan el conocimiento sobre SDEN en los Pirineos, aunque hay que tener en cuenta la alta variabilidad espacial encontrada. Finalmente, se estudian los efectos que el cambio climático puede tener en las inundaciones para un caso de estudio de una cuenca nival de la Cordillera Cantábrica. Usando diferentes modelos climáticos, considerando un escenario de emisiones de gases de efecto invernadero comparativamente altas (RCP8.5), con datos diarios de temperatura y precipitación entre los años 2007-2070, y comparando los resultados en términos relativos, se estiman el caudal y la variación del riesgo de inundación debido al cambio climático. En el caso concreto de Reinosa, el modelo climático MRI-CGCM3 muestra que el cambio climático provocará un aumento significativo de habitantes potenciales afectados y daños económicos por riesgo de inundaciones. / [CA] El canvi climàtic afectarà indubtablement els esdeveniments de neu ja que s'espera que la temperatura i la precipitació canvien en el futur. Les muntanyes espanyoles estan especialment afectades per aquesta situació, ja que l'emmagatzematge de neu es concentra en períodes molt concrets de l'any hidrològic i juga un paper molt important en la gestió dels recursos hídrics. En aquest estudi es fa una anàlisi del comportament dels fenòmens complexos relacionats amb la neu a les quatre principals regions muntanyoses d'Espanya en els propers 50 anys. El model hidrològic ASTER s'aplica utilitzant com a insum bàsic dades de temperatura i precipitació, estimades sota un escenari de canvi climàtic. Els resultats mostren diferents canvis en els cabals màxims i la mitjana esperada, depenent de la molt diferent magnitud i signe dels canvis en la precipitació. Es pot produir un augment dels episodis d'inundació com a conseqüència d'una relació complexa entre els canvis en les precipitacions i un augment de les intensitats màximes de desglaç que oscil¿len entre el 2,1% als Pirineus i el 7,4% a la Serralada. Cantàbrica. Tot i això, els patrons comuns es mostren en una menor duració de les reserves de massa de neu, que s'espera que ocórreguen 45 dies abans per a la Serralada Cantàbrica, i al voltant de 30 dies per a la resta de les regions muntanyoses estudiades. Els canvis observats també condueixen a una disminució preocupant de l'efecte regulador dels fenòmens relacionats amb la neu als rius espanyols, amb una disminució de l'acumulació mitjana de neu que oscil¿la entre un 28% per als Pirineus i Sierra Nevada i un 42% per al Sistema Central i la Serralada Cantàbrica. S'espera una disminució del cabal mitjà, que fluctua des del 2,4% als Pirineus fins al 7,3% a la Serralada Cantàbrica, augmentant únicament al Sistema Central un 4,0%, i cal desenvolupar noves mesures d'adaptació al canvi climàtic. D'altra banda, per tal d'aconseguir una estimació millor de l'Equivalent d'aigua de neu (SWE) utilitzant una xarxa meteorològica i de profunditat de neu (SD) econòmica i extensa que condueix a millorar el calibratge del model hidrològic ASTER, es proporcionen nous models de regressió de densitat de neu (SDEN). A partir del banc de dades més significatiu de densitat de neu (SDEN) als Pirineus espanyols, i sent una de les zones més importants i millor monitorizades del mon per a mostrejos manuals in situ i mesures automàtiques, s'avaluen models de regressió lineal simple i múltiple que relacionen SDEN amb intra-dependència del temps anual i altres factors com la precipitació acumulada estacional, les temperatures mitjana de 7 dies, la profunditat de la neu (SD) i l'elevació. La precipitació estacional acumulada va presentar una influència més dominant que la precipitació diària, sent usualment el segon factor determinant de SDEN més dominant, seguit per la temperatura. Les temperatures mitjanes van mostrar el millor ajustament a SDEN. Els resultats van mostrar taxes de densificació similars, sense mostrar un patró espacial. La taxa de densificació per al conjunt de mostres manuals es va fixar en 1,2 x 10-3 kg/L/dia, molt semblant al conjunt de mesures automàtiques. Els resultats augmenten el coneixement sobre SDEN als Pirineus, encara que cal tindre en compte l'alta variabilitat espacial trobada. Finalment, s'estudien els efectes que el canvi climàtic pot tindre en les inundacions per a un cas d'estudi d'una conca nival de la Serralada Cantàbrica. Usant diferents models climàtics, considerant un escenari d'emissions de gasos d'efecte hivernacle comparativament altes (RCP8.5), amb dades diàries de temperatura i precipitació dels anys 2007-2070, i comparant els resultats en termes relatius, la taxa de flux i la variació del ri / [EN] Climate change undoubtedly will affect snow events as temperature and precipitation are expected to change in the future. Spanish mountains are especially affected by that situation since snow storage is there focused on very specific periods of the hydrological year and plays a very important role in the management of water resources. In this study, an analysis of the behaviour of the complex snow-related phenomena in the four main mountain regions of Spain in the next 50 years is conducted. The ASTER hydrological model is applied using temperature and precipitation data as basic input, estimated under a climate change scenario. Results show different changes in the maximum and average expected flows, depending on the very different magnitude and sign of changes in precipitation. An increase of flooding episodes may occur as a result of a complex relationship between changes in precipitation and an increase in maximum snowmelt intensities that range from 2.1% in the Pyrenees to 7.4% in the Cantabrian Mountains. However, common patterns are shown in a shorter duration of the snow bulk reserves, expected to occur 45 days earlier for the Cantabrian Mountains and about 30 days for the rest of the studied mountain regions. Changes observed also lead to a concerning decrease in the regulatory effect of the snow-related phenomena in the Spanish rivers, with a decrease in the average snow accumulation that ranges from about 28% for the Pyrenees and Sierra Nevada to 42% for the Central System and the Cantabrian Mountains. A decrease in average flow is expected, fluctuating from 2.4% in the Pyrenees to 7.3% in Cantabrian Mountains, only increasing in the Central System by 4.0%, making all necessary to develop new adaptation measures to climate change. To achieve a better estimation of Snow Water Equivalent (SWE) using an economical and extensive snow depth (SD) and meteorological network that leads to improving the calibration of ASTER hydrological model, new snow density (SDEN) regression models are given in this work. Based on the most significant dataset of snow density (SDEN) in the Spanish Pyrenees for on-site manual samples and automatic measurements, as one of the most important and best-monitored areas in the world, single and multiple linear regression models are evaluated that relate SDEN with intra-annual time dependence and other drivers such as the seasonal accumulated precipitation, 7-day average temperatures, snow depth (SD) and elevation. The seasonal accumulated precipitation presented a more dominant influence than daily precipitation, usually the second most dominant SDEN driver, followed by temperature. Average temperatures showed the best fitting to SDEN. The results showed similar densification rates without showing a spatial pattern. The densification rate for the set of manual samples was 1.2 x 10-3 kg/L/day, very similar to the set of automatic measurements. The results increase knowledge on SDEN in the Pyrenees, although the high spatial variability that has been found must be regarded. Finally, climate change's effects on floods are studied in a case study of a snow basin in the Cantabrian Mountains. Using different climate models, regarding a scenario of comparatively high greenhouse gas emissions (RCP8.5), with daily temperature and precipitation data from the years 2007-2070, and comparing results in relative terms, flow rate and flood risk variation due to climate change are estimated. In the specific case of Reinosa, the MRI-CGCM3 climate model shows that climate change will cause a significant increase of potentially affected inhabitants and economic damage due to flood risk / Lastrada Marcén, JE. (2022). Study of the Climate Change Effect on the Snow Water Resources in the Spanish Mountains [Tesis doctoral]. Universitat Politècnica de València. https://doi.org/10.4995/Thesis/10251/188951 / Compendio