Sammanfattning
The ice break-up in Torneälv has caused a lot of problems in history. SMHI has reviewed the Swedish prediction model for ice break-up time and level of severity. The aim was to construct a physically explainable model that produces better result than previous methods and which relies on available data. The model for prediction of the time of ice break-up is based on a temperature index called TSD40 that counts the positive degree (Cº) sum. In addition, the results are corrected for the flow conditions at freeze-up. Thresholds and discriminant functions are used in the model and the ice break-ups is categorised in light, average and severe. The sum of minimum daily air temperatures for April, the ice thickness, the increase of water flow and the winter precipitation was found to be valuable parameters when predicting the severity. The model produces good results when using measured data, 87 percent correct predictions. Errors are more frequent when using modelled data, 77 percent correct predictions. The overall results show that the model is controlled, useable and considerably better than the previous model. The Finnish Environment Institute has contributed with valuable data and knowledge in the making of the model. Eftersom islossningen i Torneälven kan orsaka stora skador så finns behov av att veta när och hur svår islossningen blir. Detta är en utveckling av SMHI:s modell för att prognosera tid och karaktär på islossningarna i Torneälven. Målet var att göra en modell som ger bättre resultat än den gamla och som bygger på tillförlitliga och mätbara parametrar. Modellen för prognos av datum för islossning är baserad på ett temperaturindex som heter TSD40 och som summerar positiva graddagar. Regressionen med TSD40 kompletteras med en korrektion för flöde vid isläggning. Resultatet är prognoser med ett r2- värde (beskriver modellens träffsäkerhet) på 0,71 och medelfelet ca 2 dagar. Trösklar och diskriminantanalys har används i modellen för svårighetsgrad och islossningarna är kategoriserade i lätt, medel och svår. Summan av de dagliga minimitemperaturerna i april, istjocklek, flödesökning och vinternederbörd visade sig vara användbara parametrar när man ska prognosera svårighetsgrad. Resultaten när det gäller svårighetsgrad är bäst när man använder uppmätt data, 87 % korrekta prognoser. Om man istället använder indata skapat av prognoser går träffsäkerheten ned till 77 %. Sammanfattningsvis ger modellen goda tolkade resultat som är användbara och den är bättre än den gamla modellen. Finlands miljöcentral har bidragit med värdefulla data och kunskap i detta arbete.