Hendrick et al., 2023. Automated prediction of wet-snow avalanche activity in the Swiss Alps.
Ключевой вклад: Разработана модель машинного обучения (Random Forest), которая предсказывает вероятность схода мокрых лавин на 24 часа вперед. Модель обучалась на данных 124 станций за 20 лет и учитывает не только температуру воздуха, но и симуляцию состояния снежной толщи (содержание жидкой воды в верхних 15 см). Точность прогноза (f1-score) достигла 0.8, что значительно выше традиционных методов.
Для профессионала: Прогноз мокрых лавин традиционно считается самым сложным, так как температура воздуха — плохой советчик (она часто дает ложные тревоги). Эта работа доказывает, что ключевой фактор — «первое увлажнение» ранее сухих слабых слоев. Для гида это означает: следите не просто за жарой, а за тем, как глубоко вода проникла в доску. Если модель показывает критическое накопление влаги в верхнем слое, цикл мокрых лавин начнется неизбежно, даже если ночью был легкий минус.
Вклад в ОПАСОН: Работа стала научной базой для таблицы оценки проблемы «Мокрый снег» (WT). Она предоставила точные пороговые значения содержания жидкой воды (LWC) в снегу, которые в ОПАСОН привязаны к конкретным Уровням Нестабильности (от влажного снега до «снежной каши»).
В частности на ее основе был введен дестабилизирующий модификатр "Первое намокание", а также факт, что температура слабый предиктор в сравнении с непосредственной влажностью снега.