FORUM f ü r W i s s e n 2012

Alpine Schnee- und Wasserressourcen

gestern, heute, morgen FORUM

f ü r W i s s e n 2012

Eidg. Forschungsanstalt für Wald, Schnee und Landschaft WSL

WSL-Institut für Schnee- und Lawinenforschung SLF

Eidgenössische Forschungsanstalt WSL CH-8903 Birmensdorf

Alpine Schnee- und Wasserressourcen

gestern, heute, morgen FORUM

f ü r W i s s e n 2012

ISSN 1021-2256

Das Forum für Wissen ist eine Veranstaltung, die von der Eidg. Forschungsanstalt für Wald, Schnee und Landschaft WSL durchgeführt wird. Aktuelle Themen aus den Arbeitsgebieten der Forschungsanstalt werden vorgestellt und diskutiert. Ne- ben Referenten von der WSL können auswärtige Fachleute beigezogen werden.

Gleichzeitig zu jeder Veranstaltung «Forum für Wissen» erscheint eine auf das Thema bezogene Publikation.

Verantwortlich für die Herausgabe Prof. Dr. Konrad Steffen, Direktor WSL

Wir danken folgenden Personen, welche sich als Reviewer zur Verfügung stellten, für die kritische Durchsicht der Beiträge und die hilfreichen Kommentare:

Luzi Bernhard, Thomas Grünewald, Martin Heggli, Corina Lardelli, Martin Moritzi, Marco Pütz, Hansueli Rhyner, Bettina Schäfli, Anja Schilling, Edgar Schmucki, Flurina Schneider, Jan Seibert, Irmi Seidl, Manfred Stähli, Michaela Teich, Jens Turowski und Vanessa Wirz

Managing Editor Sandra Gurzeler Druck

Gonzen Druck AG, Bad Ragaz

Zitierung

Eidgenössische Forschungsanstalt WSL (Hrsg.) 2012: Alpine Schnee- und Wasser- ressourcen gestern, heute, morgen. Forum für Wissen 2012: 68 S.

ISSN 1021-2256

Bezugsadresse WSL Shop Zürcherstrasse 111 CH-8903 Birmensdorf http://www.wsl.ch/eshop/

© Eidgenössische Forschungsanstalt WSL Birmensdorf 2012

Forum für Wissen 2012 3

Vorwort

Die Schweiz wird häufig als Binnenland ohne Rohstoffe dargestellt. Dies ist falsch, das Alpenland Schweiz verfügt über den „Rohstoff“ Wasser, den es dank seiner Lage im Herzen Europas schon längst gewinnbringend einsetzt. Wasser findet sich hierzulande im Überfluss: Entweder in Form von Gletschern und schneebedeck- ten Bergen oder in über 1500 Seen, Flüssen und Bächen. Mengenmässig sind das sechs Prozent der Süsswasservorräte Europas, obwohl die Schweiz flächenmässig nur gerade vier Promille des Kontinents ausmacht. Dank diesem Wasserreichtum und der alpinen Lage am höchsten Punkt der kontinentalen Wasserscheide gilt die Schweiz zu Recht als Wasserschloss Europas. Der Schnee in den Bergen und die vielen alpinen Gewässer dienen einerseits der Wasser- und Elektrizitätswirtschaft, werden aber auch touristisch genutzt. Trotz des Wasserreichtums kann es so in ge- wissen Regionen und Zeiten zu Konflikten zwischen verschiedenen Nutzern oder zwischen Nutzern und Naturschutz kommen. Weil die alpinen Schnee- und Was- serressourcen auch durch die Klimaänderung beeinflusst werden, können neue Nutzungskonflikte entstehen oder bereits bestehende verschärft werden.

Hier setzt das diesjährige WSL Forum für Wissen «Alpine Schnee- und Wasser- ressourcen gestern, heute, morgen» an. Mit der Veranstaltung und dem vorliegen- den Tagungsband wollen wir einen Überblick über den aktuellen Stand der For- schung geben und einige Herausforderungen in der Praxis aufzeigen. Die ersten drei Beiträge beschäftigen sich mit der Quantifizierung der vergangenen und zu- künftigen Schnee- und Wasserressourcen auf verschiedenen Raum- und Zeitska- len. Die Beiträge 4 und 5 thematisieren die vielfältigen Aspekte der Nutzung der alpinen Schnee- und Wasserressourcen im Berggebiet, aber auch den Schutz vor deren Gefahren. Die Bedürfnisse und Herausforderungen von Wasserwirtschaft, Wintersport und Wasserkraft werden in den nächsten drei Beiträgen dargelegt.

Der letzte Beitrag schlägt eine Brücke zum aktuellen Nationalen Forschungs- programm «Nachhaltige Wassernutzung». Die Beiträge bieten somit eine gute Möglichkeit, sich umfassend über die Thematik der alpinen Schnee- und Wasser- ressourcen zu orientieren.

Alle Artikel wurden einem umfassenden Review unterzogen. Wir danken die- sen Gutachtern für ihre konstruktiven Kommentare und Verbesserungsvorschlä- ge. Vor allem aber danken wir den Autoren und Autorinnen für ihre Beiträge. Die WSL freut sich darauf, gemeinsam mit ihren Partnern das hier gezeigte Wissen weiter zu entwickeln und mögliche Lösungen bei Nutzungskonflikten aufzuzeigen.

Folgenden Personen sei an dieser Stelle herzlich für ihr Engagement bei der Ta- gungsvorbereitung und -durchführung gedankt:

Leitungsteam: Manfred Stähli, Michael Lehning, Tobias Jonas, Martine Rebetez Moderatoren: Peter Bebi, Sylvia Kruse, Christoph Hegg

Organistion und Sekretariat: Sandra Gurzeler, Susanne Raschle, Marion Berner

Birmensdorf und Davos, im Oktober 2012 Konrad Steffen, Direktor WSL Christoph Marty, Tagungsleiter

Forum für Wissen 2012 5

Inhalt Seite

Vorwort 3

Monitoring von Schneewasserressourcen in der Schweiz 7 Tobias Jonas

Kleinräumige Schneeverteilung und Einfluss der Topographie 13 Michael Lehning, Thomas Grünewald, Christoph Marty, Rebecca Mott

und Manfred Stähli

Vorhersage und Szenarien von Schnee- und Wasserressourcen im Alpenraum 19 Massimiliano Zappa, Luzi Bernhard, Felix Fundel und Stefanie Jörg-Hess Natürliche und technische Schneesicherheit in einer wärmeren Zukunft 29 Bruno Abegg

Wasserwirtschaft in Davos – eine kurze Bilanz ihrer Nachhaltigkeit 37 Veronika Stöckli

Herausforderungen und Ziele für die Schweizer Wasser wirtschaft 43 der Zukunft

Hugo Aschwanden

«Elmer hydro» – Systeme zur Beschneiung und Strom produktion 51 kombinieren

Samuel Hefti und Peter Gonsowski

Wasserkraft in Zukunft: Bedürfnisse und Heraus forderungen 57 am Beispiel Prättigau

Gian Paolo Lardi

Relevante Aspekte aus dem Nationalen Forschungs programm NFP 61 61

«Nachhaltige Wassernutzung»

Christian Leibundgut

Forum für Wissen 2012: 7–12 7

Monitoring von Schneewasserressourcen in der Schweiz

Tobias Jonas

WSL-Institut für Schnee und Lawinenforschung SLF, Flüelastrasse 11, CH-7260 Davos Dorf jonas@slf.ch

In weiten Teilen der Schweiz führt die vorübergehende Speicherung von Nieder- schlägen in Form von Schnee zu grossen saisonalen Unterschieden im Abfluss. In nival geprägten Einzugsgebieten beobachten wir die höchsten Abflussmengen in den Monaten Mai und Juni. Durch die Schneeschmelze bedingte erhöhte Abflüs- se sind ein wichtiger Aspekt bei der Hochwasservorhersage im Frühling und für die Regulierung von Gewässern und Speicherseen. Schnee ist auch ein wichtiger Faktor für die Wahrscheinlichkeit von extremen Abflussereignissen im Herbst und Frühwinter. Das WSL-Institut für Schnee und Lawinenforschung SLF betreibt seit 2009 den operationellen schneehydrologischen Dienst (OSHD) im Auftrag des Bundesamtes für Umwelt (BAFU). Der OSHD analysiert laufend die räumliche und zeitliche Verteilung von Schneewasserressourcen in der Schweiz und trägt damit zu einer verbesserten hydrologischen Vorhersage und einer vorausschau- enden Gewässerregulierung bei. Das Monitoring des OSHD stützt sich dabei auf eine Kombination von Schneemessdaten und Modellen. Darüber hinaus ermögli- chen die Modelle auch, Aussagen zu regionalen Schneeschmelzraten und den von Schneeschmelze betroffenen Flächenanteilen und Höhenstufen zu treffen. Die Daten des OSHD können mit den Prozessabläufen in operationellen hydrologi- schen Modellen verglichen und in diese assimiliert werden.

1 Die Bedeutung von Schnee in der Hydrologie

Die Topografie der Schweiz ist von den Alpen geprägt. Gut 50 Prozent der Landesfläche befindet sich über 1000 m ü.M., knapp 25 Prozent oberhalb von 2000 m ü.M. So erstaunt es nicht, dass ein erheblicher Teil des Jahresgesamt- niederschlags der Schweiz in Form von Schnee fällt.

In weiten Teilen des Mittellandes macht Schnee nur durchschnittlich fünf Prozent des Jahresniederschlags aus. Auf rund 1500 m ü.M. – also etwa in Davos, Andermatt, oder Zermatt – beträgt dieser Anteil bereits grob ein Drittel. Ab 2000 m fällt bereits min- destens die Hälfte des Jahresnieder- schlags als Schnee. Natürlich variieren diese Zahlen von Jahr zu Jahr und zum Teil auch regional. Dennoch ist sofort ersichtlich, dass die Bedeutung von Schnee für die Hydrologie stark von der Höhenverteilung des jeweiligen Einzugsgebietes abhängt.

Die Funktion des Schnees als Zwi- schenspeicher von Winterniederschlä- gen ist von grosser Bedeutung. Je nach

Verhältnissen schmilzt Neuschnee sofort beim Auftreffen auf den war- men Boden, beim ersten Sonnenschein nach wenigen Tagen, im darauffolgen- den Frühling, oder in glazial-geprägten Gebieten gar erst nach Jahren. Darüber hinaus beeinflusst das Vorhandensein

einer Schneedecke auch den Nieder- schlagsanteil, der durch Evaporation und Sublimation für die Abflussbil- dung verloren geht.

Diese Eigenschaften von Schnee führen zu einer saisonalen Abflussdy- namik, die je nach Höhenverteilung im Einzugsgebiet unterschiedlich aus- geprägt ist (Abb. 1). In nival gepräg- ten Einzugsgebieten beobachten wir die höchsten Abflussmengen in den Monaten Mai und Juni mit gut doppel- ten Mengen als im Jahresdurchschnitt.

Während in glazial geprägten Einzugs- gebieten die saisonalen Unterschiede durch die zusätzliche Gletscherschmel- ze noch grösser sind, sind die Abfluss- verhältnisse in tieferen Einzugsgebie- ten im Jahresverlauf ausgeglichener.

Die saisonalen Unterschiede beim Abfluss aus nival geprägten Einzugs- gebieten sind in vielerlei Hinsicht rele- vant. Zum einen sind die durch die Schneeschmelze bedingten erhöhten Abflüsse im Frühling ein wichtiger Fak- tor für hydrologische Vorhersagen. Im Mai 1999 beispielsweise führte eine

Abb. 1. Relative Abflussdynamik im Jahresverlauf für Einzugsgebiete mit unterschiedlicher Höhenlage. Der Pardé-Koeffizient ist der Quotient aus dem mittleren Monatsabfluss und dem mittleren Jahresabfluss. Grafik gemäss OcCC/ProClim (2007).

zugeordnet sind. Die Variabilität inner- halb dieser Region ist deutlich kleiner als für die ganze Schweiz. Auch ist der regionale Trend (Abb. 2b, rote Kurve) leicht verschieden vom globalen Trend (Abb. 2a, blaue Kurve).

Die Variabilität in der Verteilung von Schnee hat auch eine saisonale Kompo- nente. Um diese näher zu beleuchten, betrachten wir die Schneehöhe-Daten sämtlicher Stationen des Interkanto- nalen Mess- und Informationssystem IMIS im Verlaufe einer Wintersaison (Abb. 3). Die Daten zeigen den allen- falls nicht besonders intuitiven Befund, dass sich die hohe absolute Variabili- tät der Schneeverteilung – für welche die Standardabweichung der gemesse- nen Schneehöhen ein Mass ist – bereits während der Akkumulationsphase ausbildet, und nicht erst während der Schmelzphase.

Schneeverteilungsmuster variieren nicht nur saisonal sondern auch regi- onal und von Jahr zu Jahr. Abbildung 4 zeigt exemplarisch die Schneehöhen- verteilung in sechs aufeinanderfolgen- den Jahren relativ zum langjährigen Mittel der letzen 40 Jahre. Die Daten zeigen ein hohes Mass an Variabili- tät in der Schneehöhenverteilung. Je nach Niederschlags- und Temperatur- verhältnissen bestehen grosse Unter- schiede zwischen den Regionen (1972, 1973), und / oder zwischen den Jahren (1975, 1976). Vergleichende Aussagen zu variablen Schneehöhen wie jene in Abbildung 4 erfordern eine hohe Sta- tionsdichte in Verbindung mit langjäh- rigen Messreihen, was den enormen Wert eines langfristigen Managements der Messnetze für die Anwendung demonstrieren mag.

et al. 2009). Deshalb ist die Frage nach der Repräsentativität von Schneemes- sungen an Einzelstandorten grund- sätzlich komplex. Die Ursachen klein- räumiger Variabilität in der Verteilung von Schnee in alpiner Topografie sind Gegenstand des nachfolgenden Bei- trags von Lehning (in diesem Band).

Hier konzentrieren wir uns auf die Ver- teilung von Schnee in Raum und Zeit auf regionaler sowie auf saisonaler bis jährlicher Skala.

Es ist leicht nachvollziehbar, dass Schneemengen in der Regel eine klare Abhängigkeit von der Höhenlage auf- weisen. Allerdings ist dieser Höhen- trend oft mit einer grossen Streuung behaftet. Abbildung 2a zeigt Schnee- mengen in Abhängigkeit der Höhe für den 27.2.2011 auf der Basis von aus- gewählten Messdaten der Schnee- messnetze der MeteoSchweiz (grün), des Beobachtermessnetzes des SLF- Lawinenwarndienstes (rot) und des IMIS-Messnetzes (blau). Die farbli- che Aufteilung zeigt, dass die jewei- ligen Messnetze nur einen begrenz- ten Höhenbereich abdecken und dass innerhalb dieser Höhenbereiche jeweils nur eine schwache Korrelati- on zwischen den Schneemengen und der Höhe vorliegt. In der Gesamtschau zeigt sich aber ein klarer Höhentrend in der Schneeverteilung, was demonst- riert, wie wertvoll die Kombination von Daten verschiedener Messnetze ist.

Ein Teil der in Abbildung 2 ersicht- lichen Variabilität ist auf regionale Unterschiede zurückzuführen. Abbil- dung 2b zeigt Schneemengen in Abhän- gigkeit von der Höhe, wobei hier die rot hervorgehobenen Stationswerte der Region Prättigau und Umgebung Kombination von Schneeschmelze

und Niederschlägen zu zwei Hochwas- serereignissen, welche in der Schweiz direkte Kosten im Umfang von ca.

580 Mio. CHF verursachten (Bundes- amt für Wasser und Geologie 2000).

Zum anderen sind die zu erwartenden Schneeschmelzmengen für die Regu- lierung und Bewirtschaftung von Seen, Gewässern und Speicherreservoirs von Bedeutung.

Auch zu anderen Jahreszeiten kön- nen die Schneeverhältnisse entschei- dend sein, insbesondere bei Starknie- derschlagsereignissen mit variabler Schneefallgrenze oder bei bestehender Schneedecke vor einem Ereignisbe- ginn. Insofern ist Schnee auch ein wich- tiger Faktor für die Eintretenswahr- scheinlichkeit von extremen Abflus- sereignissen im Herbst und Frühwinter.

Schnee kann auch bei extrem niedrigen Abflüssen eine Rolle spielen, nament- lich wenn auf geringe Schneemengen im Winter warme und niederschlagsar- me Sommer folgen. Deshalb sind Win- terschneemengen auch ein wichtiges Element in der längerfristigen Vorher- sage von Trockenheit.

2 Die räumliche Verteilung von Schnee und deren zeitliche Entwicklung

Schnee weist in der Regel komplexe Verteilungsmuster in Raum und Zeit auf. Dies gilt zudem für verschiede- ne räumliche Skalen. Selbst innerhalb weniger Meter variieren die Schnee- mengen (gemessen in mm Wasseräqui- valent) um 15 bis 25 Prozent (Jonas

Abb. 2. Schneemengen (SWE) in Abhängigkeit von der Höhe über Meer für den 27.2.2011. a) Stationen nach Messnetzen separiert, Schnee- messnetze der MeteoSchweiz (grün), Beobachtermessnetze des SLF-Lawinenwarndienstes (rot) und das IMIS-Messnetz (blau). b) Sta- tionen aus der Region Prättigau und Umgebung (rot), alle anderen Daten (grün).

Forum für Wissen 2012 9

te nebst vielen anderen Parametern auch die Schneehöhe gemessen. Der überwiegende Anteil dieser Stationen geht auf das IMIS-Messnetz zurück.

Leider ist es bedeutend aufwändiger und schwieriger, automatische Messun- gen des Schneewasseräquivalents oder der Neuschneemengen zu realisieren (egLi et al. 2009). Deshalb gibt es bis- her nur vereinzelt Standorte, an denen diese Parameter automatisch erfasst werden. Allerdings betreibt das SLF für IMIS-Standorte das Schneedecken- modell Snowpack (Lehning et al. 2002), so dass eine Modellabschätzung dieser Parameter operationell zur Verfügung steht.

Zusätzlich zu den oben genannten automatischen Messungen führt eine Vielzahl von Beobachtern, zumeist täglich, manuelle Messungen durch.

Der SLF-Lawinenwarndienst betreibt gleich mehrere solche Beobachter- messnetze, die im Winter täglich Rück- meldungen geben. Die Beobachter lie- fern je nach Messnetz wertvolle Daten zu Schneehöhen, Neuschneehöhen, Schneelagengrenze, und Schneefall- grenze. Zudem wird an etwa 40 Stand- orten 14-tägig das Schneewasseräqui- valent gemessen. Schliesslich gibt es eine grosse Anzahl Beobachter, die im Rahmen der Niederschlagsmessungen der MeteoSchweiz täglich die Parame- ter Schneehöhe und Neuschneehöhe melden.

In der Gesamtschau aller Standorte, an denen Schneeparameter gemessen werden oder wurden (Abb. 5), ergibt sich eine beachtliche Dichte von Mess- stationen. Im Anbetracht der in Kapi- tel 2 beschriebenen hohen räumlichen Variabilität der Schneeverteilung ist aber auch eine hohe Informationsdich- te nötig, um Aussagen zu regionalen Verteilungsmustern machen zu kön- nen. Nur schon um regionale Höhen- trends wie in Abbildung 2b zu reprä- sentieren, benötigt es pro Region und Höhenstufe einige Messstationen.

Für das Monitoring von Schneewas- serressourcen ist weniger die Schnee- höhe oder die Neuschneehöhe, sondern vielmehr das Schneewasseräquivalent (SWE) oder das Neuschneewasser- äquivalent relevant. Trotz beeindru- ckender Messnetzdichte stehen nur die 14-tägigen SWE-Messungen an gut 40 Standorten zur Verfügung. Daher ist ein Monitoring von Schneewasserres- tung die Schmelzdynamik, so dass Auf-

und Abbau der Schneedecke im Wald anders ablaufen als im Freien. Einen detaillierteren Überblick über die The- matik findet sich in Jonas und essery

(2011).

3 Schneemessnetze in der Schweiz

Die Schweiz verfügt über ein dichtes Netz an Schneemessstationen. An über 100 automatischen Stationen wird heu- Neben den oben genannten Aspek-

ten, hat auch die Bodennutzung einen Einfluss auf die Schneehöhenvertei- lung. Als Beispiel sei hier der Ein- fluss von Wald auf die Akkumulation von Schneewasserressourcen erwähnt.

Einerseits bleibt ein bedeutender Teil des Schneefalls in den Baumkro- nen hängen, von wo er teilweise sub- limiert. In einem subalpinen Nadel- wald kommt auf diese Art etwa ein Drittel des Winterniederschlags nie am Boden an (Lopez-Moreno und stähLi 2008). Andererseits verändert der Baumbestand z.B. durch Abschat-

Abb. 3. Standardabweichung und Mittelwert der Schneehöhenverteilung, basierend auf täglichen Daten des Interkantonalen Mess- und Informationssystems IMIS für den Winter 2006/07 gemäss e^gLi und J^onas (2009). Daten der Akkumulationsphase (blauer Pfeil), zu Beginn der Schmelzperiode (roter Pfeil) und gegen Ende der Ausaperungsphase (grüner Pfeil).

Abb. 4. Schneehöhenverteilung jeweils am 15.3. der Jahre 1972 bis 1977, relativ zum Mittel- wert der letzten 40 Jahre am 15.3. Blaue Farben markieren Gebiete mit überdurchschnittli- chen, roten Farben mit unterdurchschnittlichen Schneemengen.

in der Regel keine meteorologischen Daten erhoben werden. Aus diesem Grund hat der OSHD eine Reihe von parametrischen Modellen entwickelt (Jonas et al. 2009; sturM et al. 2010), die es ermöglichen das SWE rein auf der Basis von Schneehöheinformatio- nen oder allenfalls mit Hilfe zusätzli- cher Temperaturdaten zu berechnen.

Je nach Datenverfügbarkeit lässt sich so das SWE mit Hilfe einfacher Dich- teabschätzungen oder mit komplexe- ren geschichteten Modellen berechnen (Abb. 7). Mit Hilfe dieser Modelle ver- fügen wir über tägliche SWE-Informa- tionen von über 200 Standorten in der Schweiz.

Der OSHD erstellt SWE-Karten in 1 km-Gitterauflösung mit Hilfe eines konzeptuellen Schneeschmelzmodells, welches Neuschneedaten primär aus den verfügbaren Daten der Schnee- messnetze ableitet. Als Basis für den Neuschneeinput dienen dabei Stations- daten, welche mit Hilfe eines speziell für Schneeverteilungen adaptierten Verfahrens räumlich interpoliert wer- den. Die so berechneten SWE-Karten werden in einem iterativen Prozess gegen verfügbare Messdaten und satel- litengestützten SCA-Karten validiert Schneemodelle mit verfügbaren Mess-

daten eine wichtige Bedeutung zu. Da Niederschlagsmessungen bei Schnee- fall die tatsächlichen Neuschneemen- gen häufig unterschätzen (egLi et al.

2009), können bei herkömmlichen hyd- rologischen Modellen gerade in der Schneeschmelzperiode kumulative Fehler in der Beurteilung der verfüg- baren Schneemengen auftreten – mit entsprechenden Konsequenzen bei der Abschätzung von Schmelzmengen. Das Monitoring des OSHD umgeht dieses Problem weitgehend durch den ständi- gen Modell-Abgleich mit Schneemess- daten und stellt somit eine wertvolle Ergänzung für niederschlagsbasierte hydrologische Modelle dar.

Eine wichtige methodische Basis für den OSHD sind Modelle, die es erlau- ben, die vielen täglichen Schneehöhen- informationen (HS) für das Monito- ring nutzbar zu machen. Dies erfordert die Umrechnung von HS in SWE. An den Standorten automatischer Mess- station sind zusätzliche meteorologi- sche Daten verfügbar, weshalb dort das SWE wie bereits erwähnt mit Hilfe physikalisch basierter Modelle berech- net werden kann. Anders verhält es sich an den Beobachterstandorten, wo sourcen nur auf Basis von SWE-Mess-

daten nicht sinnvoll. Vielmehr ist es notwendig, auch die Vielzahl der ver- fügbaren anderen Daten in Kombina- tion mit diversen Modellen nutzbar zu machen.

Auch Fernerkundungsdaten spie- len eine wichtige Rolle im Monitoring von Schneewasserressourcen. Opera- tionell verfügbar ist heute eine Reihe von Produkten zur Schneebedeckung (SCA). SCA-Produkte werden meist von Daten optischer Sensoren abge- leitet. Dafür sind wolkenlose Verhält- nisse nötig. Mit Komposittechniken und Modellen zur Überbrückung von Datenlücken lässt sich ein Teil dieses Problems überwinden, aber bei langan- haltender Bewölkung stehen derartige SCA-Produkte nicht zur Verfügung. Im Radarbereich ist die Wetterabhängig- keit wesentlich geringer, allerdings ist die Interpretation der Rohdaten meist um einiges komplexer als im optischen Bereich. Operationell verfügbare Fer- nerkundungsdaten zum SWE (www.

globsnow.info) erreichen heute eine räumliche Auflösung von 25 km und sind daher für Anwendungen in der Schweiz noch eher ungeeignet.

4 Operationelles Monitoring von Schneewasserressour- cen in der Schweiz

Das SLF betreibt seit 2009 einen opera- tionellen schneehydrologischen Dienst (OSHD) im Auftrag des Bundesamtes für Umwelt (BAFU). Der OSHD ana- lysiert laufend die räumliche und zeit- liche Verteilung von Schneewasserres- sourcen in der Schweiz und trägt damit zu einer verbesserten hydrologischen Vorhersage und zur vorausschauenden Gewässerregulierung bei (www.wsl.ch/

fe/gebirgshydrologie/schnee_hydro/

oshd). Der OSHD ist in die Vorher- sage- und Warntätigkeit der Fachstel- len des Bundes integriert, welche sich im Lenkungsausschuss Intervention Naturgefahren (LAINAT) koordinie- ren. Im Bereich Hydrologie arbeiten das BAFU, die Kantone, die Meteo- Schweiz und die WSL eng zusammen.

Das Monitoring des OSHD stützt sich auf eine Kombination von Schnee- messdaten und Modellen ab. Dabei kommt dem ständigen Abgleich der

Abb. 6. Schneebede- ckungskarten (SCA) auf Basis von NOAA- AVHRR Daten (mit etwa 1 km-Auflösung), aufbereitet durch die Uni Bern (h^üsLer

et al. 2012), stehen

heute dem SLF opera- tionell zur Verfügung.

Hier eine Karte vom 2.6.2012.

Abb. 5. Standorte an denen in den letzen zehn Jahren mindes- tens einmal pro Tag im Winter Schneemes- sungen durchgeführt wurden. Nicht an allen Standorten wird heu- te noch gemessen. Die Liste erhebt keinen Anspruch auf Voll- ständigkeit.

Forum für Wissen 2012 11

und verbessert. Durch eine Ankopp- lung an die meteorologische Vorher- sagen der COSMO-Modellgruppe (Consortium for Small-scale Mode- ling, www.cosmo-model.org) kann das Schneeschmelzmodel im Vorhersage- modus betrieben werden.

Um relative Vergleiche der aktuellen Situation zum langjährigen Mittel oder zu anderen Jahren darstellen zu kön- nen, wurden Kartenarchive mit tägli- chen SWE-Karten in Klimatologien zusammengefasst. So gibt es ein Kar- tenarchiv welches zwar nur die letzten 13 Jahre erfasst, dafür aber Daten des Ende der neunziger Jahre aufgebau- ten IMIS-Messnetzes integriert. Ande- rerseits gibt es eine über vierzigjährige Klimatologie auf der Basis von etwa 100 langjährigen Messreihen.

Die Produkte des OSHD (Abb. 8) werden in regelmässigen Bulletins zusammengefasst, welche dem BAFU und den Benutzern der Gemeinsamen Informationsplattform Naturgefahren GIN (www.gin-info.ch) zur Verfügung stehen. Neben den klassischen SWE- Monitoringprodukten (Abb. 8a und

Abb. 7. Berechnungen der Schneedichte mit zwei Modellen unterschiedlicher Komplexität und unterschiedlichen Erfordernissen in Bezug auf die Inputdaten. Die Berechnungen für den Stationsstandort Weissfluhjoch (Davos) beziehen sich auf die Wintersaison 2004/05, zunehmende Dichten von 100 bis 500 kg/m³ sind per Farbskala (blau-grün-gelb-rot) dar- gestellt. a) einfache Dichteparametrisierung als Funktion der Schneehöhe, Höhenlage, und Saison gemäss Jonas et al. (2009). b) komplexeres (noch unpubliziertes) Modell mit stratifi- zierter Dichte, welches auf täglichen Schneehöhe-Daten basiert, und zusätzlich Temperatur- und SWE-Daten zu assimilieren vermag.

Abb. 8. Beispielprodukte der schneehydrologischen Bulletins des OSHD. SWE Karte in 1 km Auflösung, a) absolut, Werte von 0 bis 500 mm sind per Farbskala (weiss-gelb-grün-blau) dargestellt, und b) relativ zur Mittelwert der letzen 13 Jahre, Werte von –150 bis +150 mm sind per Farbskala (blau-grün-rot) dargestellt, c) konzeptuelle Darstellung zur Identifizierung der Flächenanteile und Höhenstufen welche Schmelz- wasser beitragen, apere Fläche sind in grün, beitragende Flächen in rot/blau dargestellt, d) Karte zu Schneeschmelzraten, Werte von 0 bis 50 mm/Tag sind per Farbskala (weiss-orange-rot) dargestellt.

Jonas, t.; Marty, C.; Magnusson, J., 2009:

Estimating the snow water equivalent from snow depth measurements in the Swiss Alps. J. Hydrol. 378: 161–167.

Lehning, M.; BarteLt, p.; Brown, B.;

Fierz, C.; satyawaLi, p., 2002: A physical SNOWPACK model for the Swiss ava- lanche warning. Part II: Snow microstruc- ture. Cold Reg. Sci. Technol. 35: 147–167.

Lehning, M.; grünewaLd, t.; Marty, C.;

Mott, r.; stähLi, M., 2012: Kleinräu- mige Schneeverteilung und Einfluss der Topographie. Forum für Wissen 2012:

13–18.

Lopez-Moreno, J.i.; stähLi, M., 2008: Statis- tical analysis of the snow cover variability in a subalpine watershed: Assessing the role of topography and forest, interac- tions. J. Hydrol. 348: 379–394.

OcCC/ProClim (Hrsg.), 2007: Klimaände- rung und die Schweiz 2050. Auswirkun- gen auf Umwelt, Gesellschaft und Wirt- schaft.

sturM, M.; taras, B.; Liston, B.; derksen, C.; Jonas, t.; Lea, J., 2010: Estimating regional and global snow water resources using depth data and climate classes of snow. J. Hydrometrol. 11: 1380–1394.

zappa, M.; Bernhard, L.; FundeL, F.; Jörg- hess, s., 2012: Vorhersage und Szenari- en von Schnee- und Wasserressourcen im Alpenraum. Forum für Wissen 2012:

19–27.

5 Literatur

Bundesamt für Wasser und Geologie (Hrsg.), 2000: Hochwasser 1999 – Analy- se der Ereignisse, Studienbericht Nr. 10.

egLi, L.; Jonas, t., 2009: Hysteretic dyna- mics of seasonal snow depth distribution in the Swiss Alps. Geophys. Res. Lett. 36:

L02501.

egLi, L.; Jonas, t.; Meister, r., 2009: Com- parison of different automatic methods for estimating snow water equivalent.

Cold Reg. Sci. Technol. 57: 107–115.

hüsLer, F.; Jonas, t.; wunderLe, s.; aLB-

reCht, s., 2012: Validation of a modified snow cover retrieval algorithm from his- torical 1-km AVHRR data over the Euro- pean Alps. Remote Sens. Environ. 121:

497–515.

Jonas, t.; essery, r., 2011: Snow cover and snowmelt in forest regions. In: singh, V.p.;

singh, p.; haritashya, u.k. (eds) Ency- clopedia of snow, ice and claciers, Series Encyclopedia of Earth Sciences Series;

Dordrecht Heidelberg, Springer. 1033–

1036.

8b) erlauben die verwendeten Schnee- modelle weitere Aussagen, die in der operationellen hydrologischen Vorher- sage von Bedeutung sind. Einerseits ist es wichtig, Flächenanteile und Höhen- stufen zu bestimmen, die mit Schmelz- wasser zum Abfluss beitragen (Abb.

8c), andererseits können auch die ent- sprechenden Schmelzraten berech- net werden (Abb. 8d). Die Daten des OSHD können mit den Prozessabläu- fen in operationellen hydrologischen Modellen verglichen oder in diese assi- miliert werden (siehe Beitrag von zap-

pa et al. in diesem Band).

Der OSHD entwickelt die eingesetz- ten Methoden und Modelle laufend weiter. Aktuell arbeitet der OSHD an einer verbesserten Assimilation von Stationsdaten in die räumlich expli- ziten Schneeschmelzmodelle. Darü- ber hinaus wird die Differenzierung verschiedener Gelände- und Land- nutzungsklassen (z. B. Exposition und Waldflächen) weiterentwickelt.

Abstract

Monitoring of snow water resources in Switzerland

In Switzerland, snow is an important component of the hydrological cycle, with roughly 1/3 of the total annual precipitation being snow. Snow melt influences the seasonal discharge and may lead to spring floods, often in combination with other factors. Prior snow-melt related floods have raised the awareness to snow hydro- logy in general. This process led to an integration of snow water resources moni- toring into the federal flood forecast system. Since 2009, the SLF runs an opera- tional snow-hydrological service (OSHD) in cooperation with the Federal Office for the Environment (FOEN). The primary task of the OSHD is to monitor the spatio-temporal distribution of snow water resources in Switzerland. It thus con- tributes to enhanced flood forecasts and a sound management of lakes and reser- voirs. The OSHD monitoring system is primarily based on snow data from several monitoring networks and provides observed or measured information rather than modeled snow storage based on precipitation. The system is coupled to a snow melt model which provides snow water equivalent and melt rate maps at 1km resolution. Moreover, it allows for short-term predictions based on COSMO wea- ther forecast data.

Keywords: snow water resources, hydrology, monitoring, flood forecast, model

Forum für Wissen 2012: 13–18 13

Kleinräumige Schneeverteilung und Einfluss der Topographie

Michael Lehning^1,3, Thomas Grünewald¹, Christoph Marty¹, Rebecca Mott¹ und Manfred Stähli²

1 WSL-Institut für Schnee und Lawinenforschung SLF, Flüelastrasse 11, CH-7260 Davos Dorf

2 WSL Eidg. Forschungsanstalt für Wald, Schnee und Landschaft WSL, Zürcherstrasse 111, CH-8903 Birmensdorf

3 CRYOS, School of Architecture, Civil and Environmental Engineering, EPFL, Lausanne Es ist allgemein bekannt und gut dokumentiert, dass der Schnee sehr ungleich- mässig im Hochgebirge verteilt ist. Allerdings blieb es der modernen Forschung vorbehalten, die kleinräumige Verteilung von Schnee im Gebirge genauer zu verstehen. Neue Messmethoden wie Laserscanning, aber auch die Auswertung von Messdaten zahlreicher Hochgebirgsstationen im Schweizer Alpenraum hel- fen zusammen mit einer Modellierung der Schneeverteilung, die relative Bedeu- tung der Prozesse Niederschlagsbildung, Schneeablagerung, Schneeverfrachtung und Schneeschmelze auf die kleinräumige Schneeverteilung besser zu verstehen und systematisch zu beschreiben. Dieser Artikel fasst bisherige Erkenntnisse zur Schneeverteilung im Gebirge zusammen und zeigt auf, wo noch Lücken im Ver- ständnis existieren.

1 Einleitung

Dem aufmerksamen Beobachter kann es nicht entgehen, dass der Schnee im Hochgebirge sehr ungleichmässig ver- teilt ist. Steile Felswände sind oft nahe- zu schneefrei (wirz et al. 2011), wäh- rend der Wandfuss oder flache Alp- weiden oft überdurchschnittlich viel Schnee aufweisen (Lehning et al. 2011).

In einer Zeit, in der einerseits immer genauere Prognosen von Schnee- und Wasserresourcen verlangt werden, zum Beispiel für die Wasserkraftbewirt- schaftung oder um Bewässerungs- oder Beschneiungsprojekte zu planen (heF-

ti und gonsowski in diesem Band), und diese Resourcen sich andererseits im Zuge des Klimawandels schnell ändern (Marty 2008; BaVay et al. 2009; Marty

und BaVay 2012), ist ein vertieftes Ver- ständnis der kleinräumigen Schnee- verteilung wichtig. Die kleinräumige Schneeverteilung beeinflusst nämlich nicht nur den Anfall von Schmelzwas- ser (LuCe et al. 1998; stähLi et al. 2000;

CLark et al. 2011), die Lawinengefahr (sChweizer et al. 2003), oder die Vege- tation (wipF et al. 2009), sondern ist auch ein wichtiger Indikator, um Win- terniederschläge im Gebirge quantita- tiv zu erfassen (Mott et al. in review).

Im Folgenden werden Aspekte zum Höhengradienten, zu Geländeeffekten und zur Modellierung der Schneever- teilung erläutert.

2 Höhengradient der Schneehöhe

Die Schneehöhe nimmt im Allgemei- nen mit der Meereshöhe zu. Das hat zwei voneinander unabhängige Ursa- chen:

a In niedrigeren Höhen fällt wegen der wärmeren Temperaturen nur ein Teil des Winterniederschlages als Schnee.

b Generell nimmt der Gesamtnieder- schlag mit der Höhe zu.

400 350 300 250 200 150 100 50 0

Schneehöhe (cm)

3000 2500

2000 1500

1000 500

0 Höhe über Meer (m)

*MAG6BE*LUG*BAS*SBO

*OTL*GRO

*BUS*AIG*DEL*HLL

*GVE

*WYN*KLO*GUT*BIL*ALT*LUZ*VAD*KOP*NEU*SIO*PAY

*RAG*GLA 5LQ*TAE

*CHU*BER*SMA*COM*MER

*FAH*RUE

*EBK

*GRA 4VI 5IL 5TH*HAI

*LAG 3WA*STG

1LB 7BR 5KU 5TC

*EIN 2GU 5PU

*ELM6AM

*CHD

*PIO

7PV

*CDF*ENG*CHM

*ROB 2OG

*GST 5VZ 2GO

2SO 5KR 1GA

3MG1GS5DI 5KK

5RU 6CB

5VA5SI 1WE 2ST

*SCU 1LS 3BR 3FB

1MI 2ME

5CU 3UI

1AD 3SW

4UL

1LC 4OW

5BE 1SM 4BN 4MS6NT

7ST 5OB 5SE 2AN

4WI

5SP 5IN 4SM

7ZN 5FU 4FY1GT5SA

1JA

1MN 6BG

4GR 5DF 1GB4MO5DO

4ZE 3MB2GA 5HI

*GRC 5PL

*ZER

*SBE 1SH

2RI 6SB 1MR 5MA 7SC 4BP 3EL

7CA

7FA 7LD 7ZU 4CR

5ZV

7SD 7SN 5BI 2TR STH

4SF 6RI

*SIA 7MA 5AR

5IG

*EVO 1HB

7PO SHE

1PL 6RO

7MZ MTR 1GD 4OV 1GH

7BU FAE LAU

4LA

4SH ILI OTT

ELM

DTR GAD

4AO VLS 7AG

7DI FIR

GUT OBM

5JUELS KLO TIT

7MT HTR 4BD FIS MAELHO TAM

URS PUZTUM4RU

HTR OBW

4KU MEI

MUN CAM

CHATUJ CON

*BEH7BP

TUJ VAL

*GUE PAR

DAV LAG

BOG KLO

NEN CMA

DAV SCA

NAS OFE SCH

MES

LUM VDS

SPN

GOM

JUL OBW

PMA BED

BER

DAV GOM TAM

SAA TRU

EGH BEV BOR

SMN 5WJ

ATT DIA

ANV

ARO BER SPN

ANV 4EG ZNZ

7CO BOV KES LAG

VIN ZER

4FK

ARO STN

GOR

Abb. 1. Mittlere maximale Schneehöhe der Jahre 2001 bis 2012 an Messstationen der MeteoSchweiz (grün), des SLF (rot) und des kantonalen IMIS-Netzes (blau). Die schwarze Kurve ist ein Polynom 4. Grades, das durch die untersten Punkte gezwungen wurde.

zwischen den Abbildungen 1 und 2 macht klar, dass Flachfeldstationen den tatsächlichen Höhengradienten der Schneeverteilung im Hochgebir- ge nur unvollständig wiedergeben und dass Flachfeldmessungen die Schnee- höhen in grossen Höhen systematisch überschätzen dürften. Da es nützlich wäre, Schätzungen des Niederschlags- gradienten (zum Beispiel daLy et al.

2008) über die Schneehöhen an Flach- feldstationen zu validieren, ist es wich- tig, die Geländeeffekte zu berücksich- tigen, was wir im folgenden Abschnitt versuchen.

3 Einfluss des Geländes auf die Schneeverteilung Man kann davon ausgehen, dass eine Schneehöhenmessung auf einem Flach- feld, wie es typischerweise für solche Messungen benutzt wird, für eine grös- sere Umgebung repräsentativ ist, wenn die Messung in einer Tallage oder sogar im Flachland erfolgt. Das zeigt schon die geringe Variabilität der Schneehö- he für geringe Höhen in Abbildung 1.

Je weiter man aus dem Tal in die Gip- felregion vordringt, desto schwieriger ist es, einen geeigneten flachen Gelän- deabschnitt für eine Schneehöhenmes- sung zu finden. Zusätzlich werden vor- gebirge aus verschiedenen Gebirgen

Europas und Nordamerikas vorliegen.

Mit Hilfe des Laserscanners werden zwei detaillierte digitale Oberflächen – eines mit und eines ohne Schnee – auf- genommen und voneinander subtra- hiert. Das ergibt eine Schneehöhenkar- te, deren Genauigkeit zwischen 5 und 30 cm liegt (grünewaLd et al. 2010;

Banos et al. 2009; deBeer und poMe-

roy 2010). Abbildung 2 zeigt solche

«echten» Höhengradienten für kleine Einzugsgebiete zwischen 3 und 35 km² aus verschiedenen Gebirgen dieser Erde. Die Schneehöhe wurde immer nahe des Zeitpunkts der maxima- len Schneehöhe bestimmt. Im Gegen- satz zu Abbildung 1 liegen hier Daten der Schneehöhe in sehr hoher räumli- cher Auflösung (1 m) zu Grunde (sie- he auch Abschnitt 3). Die Daten bele- gen die Aussage, dass die Höhengradi- enten sehr variabel sind. Die meisten Gebiete zeigen, dass die Schneehöhe ab einer gewissen Meereshöhe wieder abnimmt, was bei den Flachfeldstatio- nen (Abb. 1) nicht so deutlich heraus- kommt. Das liegt in erster Linie daran, dass aufgrund des Einflusses des Win- des und teilweise auch durch Schnee- rutsche (Bernhardt und sChuLz 2010) die steilen Wandpartien, die hauptsäch- lich in den grösseren Höhen zu finden sind, weniger Schnee halten, als flache- re Geländeabschnitte. Der Vergleich Trägt man das zehnjährige Mittel der

maximalen Winterschneehöhe an allen zur Verfügung stehenden Messstandor- ten der Schweiz als Funktion der Mee- reshöhe auf (Abb. 1), so ist die Zunah- me der Schneehöhe gut erkennbar.

Der systematische Zusammenhang zwischen Schneehöhe und Meereshöhe ist für jede Gebirgsregion anders und kann deshalb nicht einfach als globa- ler Wert bestimmt werden (s.u.). Klar ist jedoch, dass die Niederschläge ab einer gewissen Höhe wieder abnehmen müssen, weil in sehr grossen Höhen die Dicke der Atmosphäre (etwa 10 km) nicht mehr ausreicht, um noch grosse Niederschläge zu produzieren. Aller- dings gibt es weltweit zu wenige Mess- daten, um gesicherte Aussagen über den Höhengradienten von Nieder- schlag und Schneehöhe für Höhen über rund 4500 m Meereshöhe zu tref- fen. Interessant ist, dass die mittlere Maximalschneehöhe einen ähnlichen Zusammenhang mit der Meereshöhe aufweist wie grosse Schneeniederschlä- ge (BLanChet et al. 2009).

Abbildung 1 zeigt, dass nicht nur die Schneehöhe zunimmt, sondern auch, dass die Unterschiede zwischen Statio- nen auf gleicher Höhe vor allem ober- halb 1000 m ü.M. stark ansteigt. Das heisst umgekehrt, dass eine einzelne Messung in Bezug auf die Schneehö- he in einem bestimmten Höhenbereich und für ein grösseres Gebiet nicht sehr aussagekräftig ist. Hier ist zu berück- sichtigen, dass die hohe Variabilität teilweise durch die unterschiedlichen Kleinklimazonen und Niederschlagsre- gimes der Schweizer Alpen bedingt ist.

Abbildung 1 fasst die Situation in der Schweiz zusammen, die durch den Auf- bau des IMIS-Netzwerks über die welt- weit dichteste Information aus diesem Höhenbereich verfügt. Betrachtet man die Situation global, besteht vor allem in hochalpinen Höhenlagen, wo am meisten Schnee liegt, die grösste Unsi- cherheit, wie viel Wasser tatsächlich als Schnee gespeichert ist. Die wichtigs- ten Faktoren, welche diese Variabili- tät hervorrufen, und die Schätzung der Gesamtschneemenge zu verbessern helfen, diskutieren wir im Abschnitt 3.

In den letzten Jahren hat sich die Technik der Lasermessung von Schneehöhen so weit etabliert, dass nun erste Datensätze der räumlichen Verteilung von Schneehöhen im Hoch-

Abb. 2. Höhengradienten der mittleren Schneehöhe bestimmt aus luftgestützten Lidar- Messungen für die Gebiete Wannengrat, CH (WAN), Piz Lagrev, CH (LAG), Val de Nuria, ES (Coma d’Eina (NUR Ein), Coma de l’Embut (NUR Emb), Coma de Noufonts (NUR Nouf), Arolla Gletscher, CH (ARO), Hintereisferner, AT (HEF), Marmot Creek, CA (MAR Mar) und Mount Skogan (MAR Sko).

Forum für Wissen 2012 15

gut beschrieben werden. HS (m) ist die gemittelte Schneehöhe im 400 m-Git- ter, h (m) ist die Meereshöhe und a (°) die Hangneigung. Das einfache Modell erklärt 64 Prozent der Schneehöhen- variabilität (r² = 0.64). Die modellierte Schneehöhenverteilung ist in Abbil- dung 4b dargestellt. Die Untersuchung aller zur Verfügung stehender Gebiete zeigt, dass die Parameter Höhe, Hang- neigung und noch «Lage zum Wind»

überall eine wichtige Rolle spielen, dass aber nicht einfach ein universel- les Modell gefunden werden kann, das die Verteilung in allen Gebieten gut erklärt. Trotzdem zeigt die Auswertung, ge von 400 m gemittelt. Diese Mitte-

lung ist nötig, weil Effekte der Hang- neigung oder der Exposition nicht auf der kleinen Skala von Metern auftre- ten. Durch die Mittelung von einzelnen Verfrachtungsformen (zum Beispiel Wechten) wird ein stärkerer systema- tischer Zusammenhang mit Geländeei- genschaften wie Rauigkeit oder Hang- neigung sichtbar (Lehning et al. 2011).

So kann die Schneeverteilung, wie sie in Abbildung 4a dargestellt ist, durch die multivariate lineare Regression (Gleichung 1)

handene flache Geländeteile oft durch da rüber liegende Hänge beeinflusst, wie wir in Abschnitt 4 noch ausführ- licher diskutieren werden. Schneehö- henmessungen im Gebirge sind nicht trivial und oft werden Messstandorte eingerichtet, bei denen die Repräsenta- tivität unbekannt ist (grünewaLd und Lehning 2011).

Ein eindrückliches Beispiel dafür ist die vergleichende Darstellung des Zeitverlaufs der mittleren Schneehö- he in einem Flachfeld, in einer fels- durchsetzten Bergflanke und einem grösseren Einzugsgebiet in Abbil- dung 3. Hier wurde für das Versuchs- gelände am Wannengrat oberhalb von Davos die Schneehöhe mit einem ter- restrischen Laserscanner ausgemessen und die felsdurchsetzte Bergflanke für eine separate Auswertung ausgeschie- den. So konnte die Entwicklung in den beiden Teilgebieten mit der Entwick- lung im Flachfeld des Versuchsgelän- des Weissfluhjoch verglichen werden.

Der Vergleich zeigt, dass das Flachfeld deutlich mehr Schnee aufweist, als das ganze Einzugsgebiet am Wannengrat und das wiederum deutlich mehr als die Felswand oberhalb der Latschüel- furgga (wirz et al. 2011).

Die räumlich verteilten Messungen erlauben es, den systematischen Ein- fluss des Geländes auf die Schneehöhe zu untersuchen. In Abbildung 4a sind die Lidar-Messungen, die ungefähr zum Zeitpunkt des jährlichen Schnee- maximums erfolgten, auf das Höhen- modell des Wannengrats aufgetragen.

Die Einzelmessungen sind jeweils über Gitterzellen mit einer Seitenlän-

HS= 2.52+2.05*10³h+3.04*10²m

° Abb. 3. Zeitverlauf der mittleren Schneehö-

he in der Felswand Chüpfenflue, dem Ein- zugsgebiet Wannengrat und der Flachfeld- station Weissfluhjoch (wirz et al. 2011).

Abb. 4. Gemessene Schneehöhe (Farbskala) für das Wannengrat-Gebiet dargestellt als mittlere Schneehöhe auf einem 400 -Gitter (4a). Modellierte Schneehöhe auf der Basis von Gleichung 1 (4b).

a

b

ge am Boden innerhalb kurzer Distanz einerseits wegen der Schneeablagerung auf den Bäumen (Interzeption; siehe BründL et al. 1999), wegen des loka- len Herunterfallens von interzeptier- tem Schnee (Deposition), sowie wegen des heterogenen Abschmelzens unter den Bäumen. Letzteres geschieht nicht nur infolge der Beschattung der Bäu- me, sondern auch wegen der Wärme- abstrahlung (Langwellenstrahlung) der Stämme und der niedrigen Vegetation.

Eine internationale Vergleichsstudie über mehr als 30 Wald-Schnee-Model- le hat eindrücklich aufgezeigt, dass viele numerische Modelle noch nicht genügend in der Lage sind, diese klein- räumigen Prozesse abzubilden (esse-

ry et al. 2009). Neue Messmethoden (Ground Penetrating Radar, Terrestrial Laser Scanning, Photographische Mes- sungen) werden in den nächsten Jahren ein differenziertes Bild dieser Schnee- deckenvariabilität im Wald aufzeigen und erste Erfolge zeigen sich bereits in der Modellierung der Schneevariabili- tät basierend auf einer genaueren Mes- sung der Vegetationsstruktur (MusseL-

Man et al. 2012).

5 Prozessorientierte

Modellierung der Schnee- verteilung

Die statistische Beschreibung der Schneehöhenverteilung nur als Funk- tion von Geländeparametern sollte genügen, um zum Beispiel für die hyd- rologische Modellierung einen geeig- neten Ausganszustand vor der Schnee- schmelze zu definieren. Wie allerdings oben schon angesprochen, ist die klein- räumige, hochvariable Schneever- teilung auf der Skala von Metern ein wichtiges Kennzeichen der hochalpi- nen Landschaft. Diese kleinräumige Verteilung entsteht durch die Prozesse (i) präferentielle Ablagerung des Nie- derschlags, (ii) Saltation, (iii) Suspensi- on und (iv) gravitative Umverlagerung (Lawinen) und führt z.B. dazu, dass in Leehängen oft deutlich mehr Schnee liegt als in Luvhängen und dass sich an Graten und Geländerücken Wech- ten ausbilden. Eine wichtige, neue- re Erkenntnis ist, dass ein mit einem meteorologischen Modell generiertes Windfeld (Mott und Lehning 2010;

40 Jahren die Schneedecke im Wald.

Messungen an etwa 15 Standorten zei- gen, dass der Unterschied zwischen der maximalen jährlichen Schnee- wassermenge im Wald und im Frei- land von Jahr zu Jahr sehr stark vari- ieren kann (stähLi und gustaFsson

2006). Im langjährigen Durschnitt ist sie im Wald ungefähr halb so gross wie im Freiland. In gewissen (schnee- armen) Jahren entspricht die maxima- le Schneewassermenge im Wald nur 20 bis 30 Prozent derjenigen im Freiland, in gewissen (schneereichen) Jahren bis zu 60 Prozent. Innerhalb eines Wald- bestands ändert sich die Schneemen- dass es möglich ist, den systematischen

Einfluss des Geländes auf die Schnee- verteilung mit einfachen Geländepara- metern zu beschreiben.

4 Kleinräumige Schnee - ver teilung im Wald

Die vielleicht grösste räumliche Varia- bilität auf kleiner Skala findet man in ganz oder teilweise bewaldeten Regi- onen (Abb. 5), beispielsweise den Vor- alpen. Im Alptal (Kanton Schwyz) untersucht die WSL schon seit über

Abb. 5. Schnee wird auf den Ästen der Bäume zwischengelagert. Eine heterogene Schnee- verteilung am Boden resultiert.

Forum für Wissen 2012 17

lösung von 5 m simuliert. Die Ausbil- dung von Wechten ist ebenso erkenn- bar wie grösserskalige Einheiten mit mehr oder weniger Schnee. Die model- lierte Schneeverteilung stimmt im All- gemeinen recht gut mit den Messdaten überein (s. auch Abb. 9 in Mott et al.

2010).

6 Schlussfolgerung und Ausblick

Schon eine Auswertung von Schnee- höhenmessungen an Flachfeldstatio- nen belegt, dass die im Hochgebirge tatsächlich vorhandene Schneemenge sehr schwierig abzuschätzen ist. Durch genaue, räumlich hochaufgelöste Mes- sungen der Schneeverteilung mittels Lidar kann ferner gezeigt werden, dass neben der Meereshöhe die Steilheit des Geländes einen entscheidenden Einfluss auf die mittlere Schneehöhe hat. Dabei liegt im steileren Gelände deutlich weniger Schnee und der sys- tematische Einfluss von Steilheit und Meereshöhe kann durch ein einfa- ches statistisches Modell beschrieben werden. Insgesamt ergibt sich, dass Flachfeldstationen dazu tendieren, die Gesamtschneemenge im Hochgebir- ge zu überschätzen und dass sie die Abnahme der Schneemenge in gros- sen Höhen, wo das Gelände ja meis- tens auch steiler ist, nicht wiedergeben können. Wie durch numerische Simu- lationen belegt werden kann, ist der Wind die treibende Kraft hinter der Schneeverteilung. Inwieweit sich Wind und gravitative Umlagerungen ergän- zen und wie viel Lawinen beitragen, ist noch nicht klar. Wie viel Schnee ins- gesamt aus grösseren Höhen in tiefere Lagen transportiert wird, muss eben- falls noch genauer untersucht werden.

Solche Untersuchungen sind nötig, um die Schneehöhenverteilung auch mit Bezug auf die Höhengradienten des Niederschlags beurteilen zu können.

Eine recht grosse Unsicherheit besteht bezüglich der Abschätzung der Ein- flusses von Wald und Strauchvegetati- on auf die Schneeverteilung. Mit neu- eren Messungen und Fortschritten in der Modellierung wird aber auch die- se Variabilität in naher Zukunft besser quantitativ erfassbar werden.

derschlag bevorzugt in Zonen niederer Windgeschwindigkeit ablagert (Leh-

ning et al. 2008), genügt schon eine grö- bere Auflösung von etwa 100 m. Mott

et al. (2010) konnten zeigen, dass die präferentielle Ablagerung einen wich- tigen Einfluss auf die Schneeverteilung hat. Abbildung 6 zeigt als Beispiel eine modellierte Schneeverteilung für das Wannengratgebiet. Windfeld, Transport und Ablagerung wurden mit einer Auf- dadiC et al. 2010) die Schneeablage-

rung sowohl auf der Skala von wenigen Metern als auch auf grösseren Skalen gut erklären kann. Um die Prozesse der eigentlichen Schneeverfrachtung, näm- lich Suspension und Saltation, abbilden zu können, ist eine Gitterpunktsauflö- sung der Modelle von mindestens 5 m notwendig (Mott und Lehning 2010).

Um die präferentielle Ablagerung zu erfassen, die beschreibt, dass sich Nie-

Abb. 6. Schneehöhenverteilung aus dem numerischen Modell Alpine3D für einen Teil des Wannengrat Gebietes für ein Niederschlagsereignis im November 2009 mit vorherrschen- der Windrichtung Nordwest. Die Gitterauflösung beträgt 5 m.

Mott, r.; sChirMer, M.; BaVay, M.; grüne-

waLd, t.; Lehning, M., 2010: Understan- ding snow-transport processes shaping the mountain snow-cover. Cryosphere 4, 4: 545–559.

Mott, r.; sCipion, d.e.; sChneeBeLi, M.;

dawes, n.; Berne, a.; Lehning, M., 2012:

The small-scale effect of airow dynamics on snow-fall patterns in mountainous ter- rain. J. Geophys. Res. in review.

MusseLMan, k.n.; MoLotCh, n.p.; Margu-

Lis, s.a.; Lehning, M., 2012: Improved snowmelt simulations with a big-leaf canopy model forced with photo-derived direct beam canopy transmissivity, Water Resour. Res. doi:10.1029/2012WR012285.

sChweizer, J.; JaMieson, J.B.; sChneeBeLi, M., 2003: Snow avalanche formation, Rev.

Geophys. 41: 1016, 25 PP., doi:10.1029/

2002RG000123

stähLi, M.; papritz, a.; waLdner, p.; Fors-

ter, F., 2000: Die Schneedeckenvertei- lung in einem voralpinen Einzugsgebiet und ihre Bedeutung für den Schnee- schmelzabfluss. Schweiz. Z. Forstwes. 151, 6: 192–197.

stähLi, M.; gustaFsson, d., 2006: Long- term investigations of the snow cover in a subalpine semi-forested catchment, Hyd- rol. Process. 20, 2: 411–428.

wipF, s.; stoeCkLi, V.; BeBi, p., 2009: Winter climate in alpine tundra: plant responses to changes in snow depth and snowmelt timing. Clim. Chang. 94, 1–2: 105–121.

wirz, V.; sChirMer, M.; gruBer, s.; Leh-

ning, M., 2011: Spatio-temporal measure- ments and analysis of snow depth in a rock face. Cryosphere 5, 4: 893–905.

wide snow amounts be estimated via sin- gle snow or precipitation stations. Ann.

Glaciol. 52, 58: 153–158.

grünewaLd, t.; sChirMer, M.; Mott, r.;

Lehning, M., 2010: Spatial and tempo- ral variability of snow depth and ablati- on rates in a small mountain catchment.

Cryosphere 4, 2: 215–225.

heFti, s.; gonsowski, p., 2012:«Elmer hyd- ro» – Systeme zur Beschneiung und Strom produktion kombinieren. Forum für Wissen 2012: 51–56.

Lehning, M.; grünewaLd, t.; sChirMer, M., 2011: Mountain snow distribution gover- ned by an altitudinal gradient and ter- rain roughness. Geophys. Res. Lett. 38, L19504, 5 PP. doi:10.1029/2011GL048927.

Lehning, M.; Löwe, h.; ryser, M.; rader-

sChaLL, n., 2008: Inhomogeneous preci- pitation distribution and snow transport in steep terrain. Water Resour. Res. 44, W07404, 19 PP., doi:10.1029/2007WR 006545 .

LuCe, C.h.; tarBoton, d.g.; CooLey, k.r., 1998: The influence of the spatial distribu- tion of snow on basin-averaged snowmelt.

Hydrol. Process. 12, 1011: 1671–1683.

Marty, C., 2008: Regime shift of snow days in Switzerland. Geophys. Res.

Lett. 35: L12501, 5 PP., doi:10.1029/2008 GL033998.

Marty, C.; BaVay, M., 2012: Schneegren- ze steigt um 500 Meter, Die Alpen, Juni 2012: 50–51.

Mott, r.; Lehning, M., 2010. Meteoro- logical modelling of very high reso- lution wind fields and snow depositi- on for mountains, J. Hydrometeorol.

DOI:10.1175/2010JHM1216.1.

7 Literatur

Banos, i.M.; garCia, a.r.; aLaVedra, J.M.i.; Figueras, p.o.i.; igLesias, J.p.; seL-

Les, C.g.; Figueras, p.M.i.; Lopez, J.t., 2009: Snowpack depth modelling and water availability from LIDAR measure- ments in eastern Pyrenees. Issw 09 Euro- pe: International Snow Science Work- shop, Proceedings. 202–206.

BaVay, M.; Lehning, M.; Jonas, t.;

Löwe, h., 2009: Simulations of future snow cover and discharge in Alpine headwater catchments. Hydrological Processes. 23, 1: 95–108.

Bernhardt, M.; sChuLz, k., 2010: SnowSli- de: A simple routine for calculating gra- vitational snow transport. Geophys. Res.

Lett. 37.

BLanChet, J.; Marty, C.; Lehning, M., 2009:

Extreme value statistics of snowfall in the Swiss Alpine region. Water Resour. Res.

45.

BründL, M.; BarteLt, p.; sChneeBeLi, M.;

FLühLer, h., 1999: Measuring branch defection of spruce branches caused by intercepted snow load, Hydrol. Process., 13, 14–15: 2357–2369.

CLark, M. p.; hendrikx, J.; sLater, a.g.;

kaVetski, d.; anderson, B.; CuLLen, n.;

kerr, J.t.; hreinsson, e.o.; woods, r.a., 2011: Representing spatial variability of snow water equivalent in hydrologic and land-surface models: A review. Water Resour. Res. 47.

dadiC, r.; Mott, r.; Lehning, M.; Bur-

Lando, p., 2010: Wind Influence on Snow Depth Distribution and Accumu- lation over Glaciers, J. Geophys. Res.

doi:10.1029/2009JF001261.

daLy, C.; haLBLeiB, M.; sMith, J.i.; giBson, w.p.; doggett, M.k.; tayLor, g.h.; Cur-

tis, J.; pasteris, p.p., 2008: Physiographi- cally sensitive mapping of climatological temperature and precipitation across the conterminous United States. Int. J. Clima- tol. 28, 15: 2031–2064.

deBeer, C.M.; poMeroy, J.w., 2010: Simu- lation of the snowmelt runoff contribu- ting area in a small alpine basin. Hydrol.

Earth Syst. Sci. 14, 7: 1205–1219.

essery, r.; rutter, n.; poMeroy, J.; Bax-

ter, r.; stahLi, M.; gustaFsson, d.; Barr, a.; BartLett, p.; eLder, k., 2009: Snow- MIP2 - An evaluation of forest snow pro- cess simulations: Bull. Am. Meteorol. Soc.

90, 8: 1120– 1134.

grünewaLd, t.; Lehning, M., 2011: Altitudi- nal dependency of snow amounts in two small alpine catchments: can catchment-

Abstract

Small-scale snow distribution and the influence of topography

The mountain snow distribution is known to be very heterogeneous. With new measurement technologies such as airborne laserscanning, the snowdepth dis- tribution can be measured accurately. The measurements show that the classical elevation gradient for snow as typically measured by flat-field stations does also exist in these datasets but is highly variable between sites and does not extend to very high elevations, which are dominated by steep terrain. The influence of the topographic parameters elevation and slope on the snowdepth distribution can be modelled statistically with good success on a scale of a few hundreds meters.

Physical modelling further allows to attribute the observed snow distribution to precipitation deposition and snow transport processes. Small-scale drift features such as cornices are caused by snow transport, while larger scale differences in mean snow depths are caused by preferential deposition of snow precipitation.

Wind dominates both processes and may also explain the decrease of snow depths in high elevations.

Keywords: Snow distribution, vertical gradient, precipitation, steep terrain, model- ling, Lidar measurements