Snow water equivalent variability in Finland based on snow course monitoring data

Thumbnail Image

Files

master_Rantalainen_Ella_2025.pdf (4.1 MB)

URL

Journal Title

Journal ISSN

Volume Title

School of Engineering | Master's thesis
Unless otherwise stated, all rights belong to the author. You may download, display and print this publication for Your own personal use. Commercial use is prohibited.

Authors

Date

2025-07-27

Department

Major/Subject

Mcode

Degree programme

Master's Programme in Water and Environmental Engineering

Language

en

Pages

59

Series

Abstract

This study analysed the spatial variability of snow water equivalent (SWE) in Finland and the sensitivity of the areal SWE to the snow course monitoring methodology over a 20-year period from autumn 2004 to spring 2024. A principal component analysis and a cluster analysis were performed to study SWE spatial variability. The effect of snow depth measurements and estimates of the fraction of snow-free area on the areal SWE was evaluated by calculating SWE using only snow weighting data and by calculating SWE with data from fewer measurement points. Another key aspect of the study was to examine the effect of land cover types on snow. Two main snow hydrology clusters were identified: Finland was divided into a Northern and a Southern cluster along the Oulu-Joensuu axis. These two main clusters were composed of eight sub-clusters. The clusters were most influenced by variability in measured SWE and snow depth, and their within-snow-course variation. The Northern clusters had on average higher measured SWE with lower within-snow-course variation than the Southern clusters. There were clear differences between the sub-clusters as well – e.g. the lowest snow density was found in the northmost region, the highest within-snow-course variation was found in eastern Finland especially around Northern Karelia, and the lowest SWE but the highest snow density was found in southwestern Finland. SWE within-snow-course variation was noticed to correlate with the land cover type distribution, with a more even distribution of land cover types associated with higher SWE variation. Pine and especially spruce dominant forests had on average lower SWE, while deciduous dominant forests, peatlands, open areas and forest openings had higher SWE compared to the areal SWE. On average, SWE measured in spruce dominant forests differed the most from the measurements in other land cover types. SWE measured solely from the snow weightings often differed considerably from the areal SWE. When the areal SWE was calculated using data from fewer measurement points, the difference from the original areal SWE increased the most when reducing the number of measurement points from 80 to 70, 50 to 40, and with fewer than 30 measurement points.

Tässä työssä tutkittiin lumen vesiarvon (SWE) spatiaalista vaihtelua Suomessa sekä alueellisen vesiarvon herkkyyttä lumilinjaseurantamenetelmälle hyödyntäen lumilinjadataa, joka kattaa 20 vuoden jakson syksystä 2004 kevääseen 2024. SWE:n spatiaalista vaihtelua tarkasteltiin pääkomponenttianalyysin ja klusterianalyysin avulla. Lumen syvyyden mittausten ja pälviprosentin arvioiden merkitystä alueelliseen vesiarvoon tutkittiin laskien lumen alueellinen vesiarvo käyttäen ainoastaan lumen punnitusdataa sekä laskemalla vesiarvo pienemmällä määrällä mittauspisteitä. Työn keskiössä oli myös arvioida maastotyyppien vaikutusta lumeen. Suomi jakautui Oulu-Joensuu-akselilla kahteen pääklusteriin, pohjoiseen ja eteläiseen klusteriin. Pääklusterit koostuivat kahdeksasta pienemmästä aliklusterista. Spatiaaliseen vaihteluun vaikutti eniten mitattu SWE ja lumen syvyys sekä näiden vaihtelu lumilinjojen sisällä. Pohjoisen klusterin alueella mitattu SWE ja lumen syvyys olivat keskimäärin korkeampia ja lumilinjojen sisäinen vaihtelu oli pienempää kuin eteläisen klusterin alueella. Aliklustereiden välillä oli myös selkeitä eroja – esimerkiksi tiheys oli pienin pohjoisimmalla Suomen alueella, lumilinjojen sisäinen vaihtelu oli suurinta Itä-Suomessa etenkin Pohjois-Karjalan alueella, ja SWE oli pienin mutta tiheys suurin Lounais-Suomessa. SWE:n lumilinjan sisäinen vaihtelu korreloi maastotyyppijakauman kanssa – vaihtelu oli keskimäärin suurempaa, kun maastotyyppien jakauma oli tasainen. SWE oli tyypillisesti alueen keskiarvoa matalampi mänty- ja etenkin kuusivaltaisissa metsissä, kun taas lehtipuuvaltaisissa metsissä, soilla, aukeilla ja metsänaukoissa SWE oli tyypillisesti alueen keskiarvoa korkeampi. Kuusivaltaiset metsät erosivat keskimäärin eniten muiden maastotyyppien lumen vesiarvoista. Pelkästään punnituksiin perustuva SWE erosi usein huomattavasti alueellisesta vesiarvosta. Kun alueellinen vesiarvo laskettiin käyttäen vain osaa mittauspisteitä, ero alkuperäiseen alueelliseen vesiarvoon kasvoi selvästi, erityisesti kun mittauspisteiden määrä väheni 80:stä 70:een, 50:stä 40:een sekä alle 30:een.

Description

Supervisor

Koivusalo, Harri

Thesis advisor

Anttila, Kati

Keywords

snow, snow water equivalent, snow course monitoring, snow hydrology, snow spatial variability, cluster analysis

Other note

Citation

Permanent link to this item

https://urn.fi/URN:NBN:fi:aalto-202508186240

Collections

[dipl] Insinööritieteiden korkeakoulu / ENG