Confirmam que a poeira depositada na neve derrete mais rápido e os modelos não detectam esse efeito!
Um estudo mostrou que a neve acumulada nas montanhas derrete mais rápido quando está coberta de poeira. Este problema está agora a forçar-nos a desenvolver uma evolução nos modelos de previsão de água.
Em locais assolados por secas periódicas, como o oeste dos Estados Unidos, a cobertura de neve nas montanhas é uma fonte essencial de água tanto para consumo como para produção agrícola. O ciclo anual começa com o degelo da primavera que nutre os rios enquanto as temperaturas se recuperam após o inverno.
Com variações mais pronunciadas de temperaturas e precipitações, modelos que preveem o comportamento da vazão dos rios são essenciais para o planejamento. Este exemplo se multiplica em diferentes lugares do planeta. Mas como indicado em EOS, os cientistas alertam que os atuais modelos de fusão ainda estão presos ao passado e que há partes do processo que não foram integradas.
McKenzie Skiles, pesquisadora de neve da Universidade de Utah, ressalta que “os modelos atuais são baseados em relações estatísticas que pressupõem que o futuro será como o passado." Na realidade, aponta para um mundo onde alguns aspectos das mudanças climáticas são cada vez mais perceptíveis no comportamento de variáveis como a temperatura e a precipitação.
A poeira na neve altera o equilíbrio energético
McKenzie Skiles liderou um estudo publicado na Environmental Research Letters que chama a atenção para uma variável especialmente crítica para que os modelos de previsão de neve se adaptem a um mundo em rápida evolução: que é o acúmulo de poeira no campo de neve. A poeira, sendo mais escura que a neve subjacente, absorve mais energia do Sol e acelera o derretimento.
O rápido derretimento da neve é um problema porque a neve acumulada nas montanhas e protege o solo do calor do Sol, disse Skiles à EOS. Quando a neve derrete rapidamente, o solo perde essa camada protetora e seca no início da temporada. Os pesquisadores trabalharam neste fenômeno em Utah em 2021 e 2022. Naquela época, os níveis de água no Grande Lago Salgado atingiram um nível recorde, impulsionados pelo aumento do consumo e pela seca prolongada. A poeira do leito exposto do lago caiu na neve das montanhas Wasatch adjacentes.
As observações mostraram que a poeira do Grande Lago Salgado acelerou o derretimento de Wasatch em 17 dias durante a estação de derretimento de 2022. Esses dados foram publicados em junho de 2023. “A paisagem é mais seca, então qualquer umidade adicional que chega é basicamente absorvida pela paisagem. de voltar ao Grande Lago Salgado", explicou Skiles. De alguma forma, a poeira na neve modifica o processo que, a longo prazo, seca ainda mais o ambiente.
Um loop que se alimenta
A verdade é que o processo é amplificado como um ciclo de feedback contínuo: com menos água fluindo para o lago, o leito seco se expande e mais poeira é varrida para a camada de neve Wasatch. O ciclo se repete continuamente.
Estes resultados apoiam numerosos estudos realizados entre 2010 e 2018 nas Montanhas Rochosas do Colorado. Nas montanhas de San Juan, as rajadas de poeira do planalto do Colorado aceleraram o derretimento da neve em 3 a 5 semanas e foram correlacionadas com erros de previsão do degelo.
Conhecendo este conjunto de parâmetros, os modelos têm que ser ajustados para melhor explicar a situação e superestimar os volumes de água disponíveis. Os investigadores salientam que, apesar do impacto significativo da poeira na taxa de derretimento da neve, muitos modelos de previsão de rios, incluindo os da NOAA, não o têm em consideração. Mas já está em curso trabalho neste sentido, pelo menos nos Estados Unidos, e é provável que isto se espalhe para outros países.
No Centro de Predicción Fluvial de la Cuenca del Colorado (CBRFC), os hidrólogos já estão atualizando modelos para mudar esta situação. Segundo John Lhotak, hidrólogo do CBRFC que não esteve envolvido no estudo de Utah, uma estratégia é aumentar a temperatura dos modelos, pois adicionar um pouco mais de calor simula o impacto da poeira. Essas calibrações são baseadas em dados históricos de eventos de poeira.