Når fjellet varsler faren: slik bruker Norge maskinlæring mot snøskred

For dem som ferdes i norske fjell om vinteren, er snøskred en av de mest undervurderte farene. Men bak de daglige skredvarslene skjuler det seg et stille teknologisk maskineri av data, modeller og nå også maskinlæring. I denne artikkelen ser jeg nærmere på hvordan Norge bruker moderne teknologi til å forutsi hvor og når snøen kan løsne, og hvorfor dette arbeidet blir stadig viktigere for stadig flere mennesker.

Et land som lever tett på fjellet

Norge er formet av bratte fjell, dype daler og lange vintre, og det gjør skredfare til en del av hverdagen for mange. Veier, jernbanelinjer og hele bygder ligger i terreng der store snømasser kan komme i bevegelse. Å forstå når faren er størst handler derfor ikke bare om friluftsliv, men om trygghet for folk som bor og reiser i utsatte områder gjennom hele den mørke årstiden.

Varsom: hjernen bak skredvarslene

Selve navet i det norske systemet er tjenesten Varsom, som driftes av Norges vassdrags og energidirektorat. Arbeidet skjer i tett samarbeid med Meteorologisk institutt og Statens vegvesen, slik at værdata, snøkunnskap og veihensyn møtes på ett sted. Sammen produserer etatene daglige vurderinger av skredfaren, som gjøres fritt tilgjengelige for alle som trenger dem, enten de er på jobb eller på tur.

Fem faregrader og et samspill mellom etater

Skredvarslene bygger på en internasjonal skala med fem faregrader, fra lav til meget stor fare. Varslene er regionale og baserer seg på observasjoner i felt kombinert med værprognoser. I skredsesongen publiseres de før klokken 16 hver dag, fra 1. desember til 31. mai. Denne faste rytmen gir turgåere, brøytemannskaper og beredskapsfolk et forutsigbart grunnlag å planlegge etter.

Norge i en europeisk dugnad

Det norske arbeidet står ikke alene, men er en del av et større europeisk fellesskap. Norge er medlem av det europeiske samarbeidet for skredvarsling, og varslene følger felles internasjonale standarder. Det betyr at en faregrad i Norge i praksis betyr det samme som i Alpene, og at kunnskap og metoder deles på tvers av landegrensene. For et fjelland som vårt er slik samordning både praktisk og livsviktig.

Maskinlæring flytter inn i skredvarslingen

Det virkelig nye handler om hvordan kunstig intelligens gradvis tas i bruk for å styrke varslingen. I en fersk studie fra 2026 har forskerne Eiselt og Graversen trent maskinlæringsmodeller til å anslå hvor mange dager i en sesong skredfaren når grad tre eller høyere. Arbeidet er rettet mot Troms helt nord i landet, og viser hvordan enorme datamengder kan omsettes til konkrete anslag om faren.

Slik lærer modellen å se faren

Modellene som brukes er såkalte tilfeldige skoger, en form for maskinlæring som lærer av svært mange eksempler. De er trent på data fra vintrene 2016 og 2017 og fram til 2023 og 2024, og kombinerer de offisielle faregradene med værdata fra reanalysemodellen NORA3 og simuleringer fra snømodellen SNOWPACK. På den måten lærer datamaskinen sammenhengen mellom vær, snødekke og faktisk skredfare.

Tørr eller våt snø, det er hele forskjellen

En viktig styrke ved den nye tilnærmingen er at den skiller mellom ulike typer skred. Modellene behandler blant annet fokksnø, vedvarende svake lag i snødekket og våt snø hver for seg, i tillegg til den generelle faregraden. Dette er avgjørende, fordi et tørt fokksnøskred og et vått skred oppfører seg helt ulikt og krever forskjellige vurderinger både for varslerne og for dem som ferdes ute i terrenget.

Treffsikkerhet med tydelige nyanser

Resultatene viser at teknologien er lovende, men langt fra ufeilbarlig. For fokksnø traff modellen mellom 67 og 83 prosent av både skreddager og rolige dager. For våt snø var den svært god på å kjenne igjen trygge dager, med 91 prosent, men langt svakere på selve faredagene, med 58 prosent. Vanskeligst var vedvarende svake lag, der treffsikkerheten på faredager falt til rundt 37 prosent.

Regobs: når publikum blir sensorer

Teknologi handler ikke bare om tunge modeller, men også om folk i felt. Gjennom appen og systemet Regobs kan turgåere og fagfolk melde inn egne observasjoner av snø, skred og forhold, og samtidig hente varsler om skred, flom, jordskred og usikker is. Slik blir hver enkelt bruker en liten sensor i et stort nettverk, og varslerne får ferske øyne ute i terrenget som ingen modell alene kan erstatte.

Et klima som endrer skredbildet

Studien fra Troms peker også framover mot et klima i endring, og bildet er sammensatt. Under ulike utslippsscenarioer fram mot år 2100 ventes skredfaren generelt å avta, særlig for de tørre skredene. Samtidig kan faren for våte skred øke i høyden, mens den avtar lenger nede etter midten av århundret. En slik forskyvning kan utfordre dagens rutiner og tvinge fram nye måter å sikre folk og ferdsel på.

Teknologien erstatter ikke fjellvettet

Selv med all denne teknologien er det verdt å minne om at ingen modell kan garantere sikkerhet i fjellet. Et varsel er et anslag, ikke en fasit, og snøen kan alltid overraske. Maskinlæring og sensorer gir varslerne bedre verktøy og et bredere bilde, men den siste vurderingen ute i terrenget hviler fortsatt på menneskelig erfaring, sunn fornuft og respekt for naturens krefter.

Fra forskning til trygg hverdag

Det som fascinerer meg mest, er hvordan avansert teknologi her jobber i det stille for noe så jordnært som å komme trygt hjem fra en fjelltur. Skredvarsling er sjelden en overskrift, men den påvirker hverdagen til alle som bor langs utsatte veier eller elsker å gå på ski. Når data og maskinlæring møter erfarne varslere, blir resultatet en usynlig trygghet vi altfor lett tar for gitt.

Veien videre

Framover vil trolig enda mer data, kraftigere modeller og tettere samspill mellom mennesker og maskiner prege skredvarslingen. Målet er ikke å fjerne usikkerheten helt, for det lar seg ikke gjøre, men å krympe den nok til å redde liv. For et land som Norge, der fjellet både er kilde til glede og til fare, er dette en teknologi det er verdt å følge nøye med på i årene som kommer.