Uusi tiesäämalli huomioi ilmastonmuutoksen
Teknologia 16.08. 08:24

Uusi tiesäämalli huomioi ilmastonmuutoksen

Ilmatieteen laitos kehitti ennakoivan tiesäämallin ensimmäisenä maailmassa.

16.08.2019
Teksti Esko Lukkari

Ilmatieteen laitos on kehittänyt uudenlaisen tiesäämallin, johon voidaan yhdistää ennakoivasti ilmastonmuutoksen vaikutukset.

Mallin avulla ilmastonmuutoksen vaikutuksia tiesäähän on mahdollista arvioida entistä paremmin. Tieliikennesektori hyötyy tarkemmista sää- ja ilmastotiedoista etenkin pohjoisilla leveysasteilla.

Etenkin Suomen liukkaat lumiset tai jäiset tienpinnat kasvattavat onnettomuusriskiä, joten on tärkeää arvioida, kuinka usein tällaisia olosuhteita esiintyy tulevaisuudessa.

Ilmatieteen laitos tiedotti innovaatiostaan 13.8.

”Tiesäämallin ja alueellisen ilmastomallin yhdistelmällä liukkaiden tienpintojen esiintyvyyttä voidaan tutkia yhä yksityiskohtaisemmin”, sanoo tiedotteessa Ilmatieteen laitoksen tutkija Erika Toivonen.

Aikaisemmissa tutkimuksissa tiesäätä on arvioitu epäsuorasti lähinnä lämpötilan ja sateen muutokset huomioiden. Alueellisella ilmastomallilla voidaan tuottaa tietoa sekä nykyisestä että tulevaisuuden ilmastosta ja hyödyntää sitä tiesäässä.

Simuloi tienpinnan muutoksia

Tiesäämalli tuottaa tietoa muun muassa tienpinnan lämpötilasta ja tienpinnan luokasta, eli siitä, onko pinta esimerkiksi kuiva, luminen tai jäinen. Lisäksi se kertoo tiellä olevista vesi-, lumi- ja jäävarastoista. Tutkimuksessa huomattiin, että tiesäämalli simuloi luotettavasti tienpinnan lämpötilat sekä nolla-asteen ylitykset ja alitukset.

”Tutkimustulos oli toivottu, sillä tienpinta on usein liukkaimmillaan nolla-asteen tuntumassa”, sanoo Toivonen.

Tiesäämalli yliarvioi hieman lumisten ja jäisten tienpintaluokkien esiintymistä. Tämä selittyy todennäköisimmin sillä, ettei tiesäämallissa huomioida teiden talvihoitoa, kuten lumen aurausta tai liukkauden torjuntaa. Toisaalta tulevaisuuden tiesäätä arvioitaessa teiden talvihoitotoimenpiteiden puuttuminen mallista on eduksi, koska malli on näin ollen ihanteellinen suhteellisten muutosten tutkimiseen.

JAA