Grant: Idea to Innovation

L'équivalent en eau de la neige (EEN) est une composante essentielle de la gestion des ressources naturelles et de la sécurité publique. Son estimation précise permet une bonne connaissance du bilan hydrique, qui est d'une importance vitale dans de nombreux domaines (agriculture, inondations, hydroélectricité, etc.). Une bonne estimation de l'EEN nécessite une caractérisation précise de la structure du manteau neigeux (SCN). Cependant, les méthodes actuelles de surveillance de la SCN présentent certaines limites (invasives, coûteuses, difficiles à déployer et non autonomes). Il est donc temps de proposer des méthodes peu coûteuses, faciles à déployer, automatiques et non-invasives, permettant une modélisation précise de la couverture et de la densité de la neige. À cet égard, le prof. Karem Chokmani a développé une intelligence basée sur deux technologies différentes - optique et thermique - pour la modélisation de la neige. Les résultats préliminaires sont satisfaisants (R2 > 0,90 et Nash > 0,89). L'objectif est alors de développer deux sondes : 1) une sonde fixe, basée sur la technologie thermique, et 2) une sonde portable, basée sur la technologie optique. La sonde fixe sera connectée à distance à un serveur local, ce qui permettra de mesurer en temps réel le profil de la neige. La sonde portable aura une conception plus compacte et sera utilisée à la demande (n'importe où, n'importe quand), permettant une lecture instantanée du profil de la neige. Cependant, avant de pouvoir prototyper les sondes, il sera nécessaire de les valider dans les différents environnements pour lesquels elles seront utilisées, et de réajuster les paramètres des modèles, le cas échéant. La commercialisation de ces sondes permettrait aux gestionnaires des ressources en eau de disposer d'outils peu coûteux, faciles à déployer, automatiques et non-invasifs pour une modélisation précise de la SCN et de la densité de la neige.