Potentieel van Sentinel-3-gegevens over sneeuwbedekkingsfractie voor het verbeteren van hydrologische simulaties op regiovlak

Waarom sneeuw vanuit de ruimte ertoe doet

Voor veel gebieden, vooral bergachtige, is wintersneeuw een natuurlijk waterreservoir dat smeltwater langzaam afgeeft aan rivieren, putten, landbouw en ecosystemen. Voorspellen hoeveel water stroomafwaarts zal komen en wanneer, is cruciaal voor drinkwatervoorziening, waterkracht, overstromingsbescherming en droogteplanning. Deze studie onderzoekt of een nieuw type sneeuwkaart van Europa’s Sentinel-3-satellieten deze waterprognoses voor een heel land — Oostenrijk — kan verfijnen door niet alleen aan te geven waar sneeuw aanwezig is, maar ook welk deel van de grond daadwerkelijk bedekt is.

De winter vanaf de baan volgen

Traditionele sneeuwkaarten van satellieten versimpelen de werkelijkheid vaak tot “sneeuw” of “geen sneeuw.” Sentinel-3 biedt iets rijkers: een sneeuwbedekkingsfractie, dat wil zeggen het percentage van elke kaartpixel dat door sneeuw bedekt is. Om dit te maken registreren de satellietsensoren licht dat door het oppervlak wordt teruggekaatst in vele golflengten. Een methode genaamd spectrale unmixing scheidt het signaal vervolgens in bijdragen van besneeuwde en niet-besneeuwde oppervlakken zoals gras, steen of bodem. Omdat deze methode zich aanpast aan lokale lichtomstandigheden en terrein, is ze bijzonder nuttig in ruige berggebieden waar schaduwen en steile hellingen oudere sneeuwkaarttechnieken vaak verwarren.

Ruimtegegevens vergelijken met waarnemingen op de grond

Om te beoordelen hoe betrouwbaar deze nieuwe sneeuwkaarten zijn, vergeleken de onderzoekers ze met dagelijkse sneeuwdieptemetingen van 631 klimaatstations verspreid over Oostenrijks dalen en hellingen. Voor elke dag tussen 2017 en 2023 stelden ze een eenvoudige vraag: komen de metingen van het station en de satelliet overeen over de aanwezigheid van sneeuw? Over alle stations en jaren bedroeg de overeenstemming meer dan 95 procent, wat vergelijkbaar is met of beter dan veelgebruikte oudere producten zoals die van de MODIS-instrumenten. Fouten waren meestal kleine onderschattingen van sneeuwvrije condities op lagere hoogten in het midden van de winter, en nog kleiner op grote hoogte. Bewolking — altijd een uitdaging voor optische satellieten — was aanzienlijk maar toch merkbaar minder dan bij eerdere sneeuwproducten, vooral boven de Alpen in de winter.

Betere sneeuwkaarten invoeren in watermodellen

Het team richtte zich vervolgens op wat voor waterbeheerders het belangrijkst is: rivierafvoer. Ze gebruikten een goed gevestigde hydrologische modelcode die volgt hoe sneeuw, bodemvocht en grondwater samen afvoer genereren voor 188 stroomgebieden, variërend van vlakke laagvlakten tot steile alpenbekkens. Het model werd op twee manieren uitgevoerd. In de eerste variant stemden ze het alleen af op gemeten rivierafvoeren, zoals gebruikelijk. In de tweede variant stemden ze het af op zowel rivierafvoeren als de Sentinel-3 sneeuwbedekkingsfractie. Deze “meervoudige-doel” benadering probeert modelinstellingen te vinden die zowel reproduceren wat in de rivieren gebeurt als wat er op de hellingen plaatsvindt.

Wat verbeterde en waar

Het opnemen van satelliet-sneeuwinformatie maakte duidelijk dat het interne beeld van sneeuw in het model realistischer werd. Zowel in alpine als in laaglandbekkens sloten de sneeuwsimulaties veel beter aan bij de Sentinel-3-gegevens wanneer sneeuw tijdens de kalibratie werd gebruikt. In bijna alle alpine bekkens verbeterde het sneeuwgedrag, hoewel de verbeteringen in rivierafvoervoorspellingen bescheiden waren omdat het model daar al goed presteerde. Daarentegen kwam de grootste winst voor afvoervoorspellingen in lagere gebieden. Daar verbeterde het gebruik van de sneeuwbedekkingsfractie de afvoersimulaties in meer dan de helft van de bekkens, en het schoof ook sleutelparameters van het model — zoals die welke de snelheid van sneeuwsmelt en bodemwateropslag regelen — richting waarden die fysiek consistenter zijn.

Wat dit betekent voor toekomstig waterbeheer

Simpel gezegd toont de studie aan dat de nieuwe Sentinel-3-kaarten van sneeuwbedekkingsfractie nauwkeurig zijn en, gecombineerd met rivierafvoergegevens, watermodellen helpen een getrouwer beeld te schetsen van hoe sneeuw rivieren voedt — vooral in zachtere laaglandgebieden. Terwijl bergvoorspellingen al goed waren, verscherpten de satellietgegevens daar nog steeds de beschrijving van sneeuw en verminderden ze sommige langlopende kaartproblemen veroorzaakt door wolken en terreinsschaduwen. Nu het klimaat de neerslag- en smeltpatronen verandert, zal het hebben van betrouwbare, dagelijkse, continentbrede kijk op sneeuw vanuit de ruimte, direct gekoppeld aan riviermodellen, een belangrijk instrument zijn om overstromingen te anticiperen, reservoirs te beheren en watervoorraden veilig te stellen.

Bronvermelding: Tanhapour, M., Parajka, J., Schwaizer, G. et al. Potential of Sentinel-3 snow cover fraction data for improving hydrological simulations at the regional scale. Sci Rep 16, 10588 (2026). https://doi.org/10.1038/s41598-026-46403-2

Trefwoorden: satellietmonitoring van sneeuw, Sentinel-3, hydrologische modellering, smeltwatersafvoer, bekkens in Oostenrijk