| Summary: | Résumé : Depuis les années 1990, environ 12 personnes par année sont tuées des suites d’une avalanche, ce qui en fait maintenant la principale cause de décès liés aux catastrophes hivernales au Canada (Stethem, 2003). Comme l'intérêt pour les activités de plein air telles que la randonnée, la motoneige et le ski de randonnée dans les régions éloignées augmente, l’amélioration de la prévision des avalanches à l'échelle régionale est nécessaire afin d’assurer la sécurité des usagers de l’arrière-pays. La logistique et les mesures de sécurité étant importantes lors de déplacements dans l’arrière-pays, les observations du couvert neigeux (observations d'avalanches, profils stratigraphiques et tests de stabilité) en terrain avalancheux ne sont pas toujours possibles pour les praticiens et prévisionnistes du milieu. Une alternative intéressante est d'analyser le manteau neigeux à distance en utilisant les sorties de modèles physiques de simulation du couvert neigeux. SNOWPACK, un modèle développé par l'Institut WSL sur la neige et les avalanches (SLF) en Suisse, est actuellement utilisé de manière opérationnelle pour la prévision d'avalanches et la recherche dans les Alpes suisses. Le projet vise à adapter SNOWPACK aux différentes conditions météorologiques dans les montagnes canadiennes (climat parfois côtier, transitionnel ou continental) et à l’utiliser dans le contexte de gestion de la prévention d’avalanches d’Avalanche Canada afin d’améliorer les prévisions à l’échelle régionale de la stabilité du couvert neigeux. Ce mémoire présente les traitements et analyses qui ont été menés pour évaluer le potentiel d'utilisation du modèle SNOWPACK forcé à la fois avec des données météorologiques in-situ et des données météorologiques de réanalyses. La validation des données de réanalyses avec les données in-situ pour les hivers de 2013-2014 et de 2014-2015 montre que le modèle météorologique GEM-LAM (Global Environmental Multiscale Limited Area Model) du Centre Météorologique Canadien (CMC) est le plus précis pour les trois contextes climatiques du projet. Un biais sur les données de précipitation proportionnel à l’intensité de celles-ci a toutefois également été identifié. Les sorties des simulations forcées avec GEM-LAM sont les plus proches des mesures observées sur le terrain en ce qui a trait aux indices de densité et de température relative moyenne, montrant des R² supérieurs et des valeurs de RMSE plus faibles. Finalement, l’analyse qualitative de la présence de couches faibles persistantes à l'aide de la plate-forme InfoEX d’Avalanche Canada montre un accord entre les dates de formation de croûte de regel et de givre de surface et les sorties du modèle SNOWPACK, confirmant son potentiel pour une adaptation canadienne. === Abstract : Since the 1990s, approximately 12 people per year are killed on average by avalanches, which are now the primary cause of death related to winter disasters in Canada (Stethem, 2003). As interest in outdoor activities, such as hiking, sledding and ski touring, in remote areas is increasing, there is a strong need for improved avalanche forecasting at the regional scale. Due to important logistical and safety matters, avalanche terrain measurements are not always possible for practitioners/forecasters (avalanche observations, snowpack profiles and stability tests). An interesting alternative is to analyze the snowpack without these challenges by using multilayered snow model outputs. SNOWPACK, a model developed by the WSL Institute for Snow and Avalanche Research (SLF) in Switzerland, is currently used operationally for avalanche prediction and research (Lehning, 1999) in the Swiss Alps. This projects aims to improve largescale
predictions of snow stability and avalanches in a Canadian context using SNOWPACK.
Thus, this documents presents the analyses that have been conducted to assess the potential of using SNOWPACK driven with both in-situ and forecasted meteorological data. A comparison of meteorological data from in-situ and predicted datasets for the winters of 2013-2014 and 2014-2015 shows that the GEM-LAM model is the most accurate for the three climatic contexts in this project, but also showed a precipitation bias proportional to its intensity/rate. Snow simulations forced with GEM-LAM are the closest to field measurements, showing a higher R² and lower RMSE values. Finally, predictions of persistent weak layers have also been validated using the InfoEx platform from Avalanche Canada. Crust and surface hoar formation dates simulated by SNOWPACK agree with the information reported in InfoEx highlighting the potential for a Canadian implementation.
|
|---|
