Distribuerade system för förbättrade snö- och avrinningsprognoser : Integration i hydrologiska modeller. Slutrapport

• Det övergripande målet med projektet har varit att minska totala volymfelet i prognoser för vårflödesavrinningen samt att förbättra tids- och volym-bestämningen av flödespikarna för dessa. Projektet har fokuserat på att kombinera utveckling av modell- och mätteknik för att studera hur modellstrukturer och metoder för att integrera mätinformation (data-assimilering) kan optimeras i förhållande till tillgänglig snöinformation. Ett syfte har också varit att de utvecklade metoderna skall vara operationellt användbara och baserade på kostnads- och tidseffektiva mättekniker och modelleringsverktyg, samtidigt som de skall ge en betydande förbättring av prognoserna. I projektet har en rad mättekniker testats och vidareutvecklas (tex snökuddar, automatiska sensorer för snödjup- och densitet, samt markradartekniker). Störst fokus har varit på vidareutveckling av radarteknik för linjemätning av snötäckets djup, densitet och fuktighet. För torr snö har djup och densitet uppskattats med hjälp av radarvågornas snöutbredningshastighet direkt från radardata med ett flerkanalradarsystem, [så kallad ”common-mid point” (CMP) metod)]. För blöt snö krävs förutom utbrednings-hastigheten också information om snöns fuktighet för korrigering av uppskattningen av snöns densitet. Inom projektet har därför en ny metod utvecklats för bestämning av snös fuktighet baserad på det faktum att utsläckningen av radarsignalens amplitud beror på snöns fuktighet. Två olika hydrologiska modeller har använts inom projektet: SMHI:s nya vattenbalans- och vattenkvalitetsmodell HYPE samt en egenutvecklad modell. Den senare modellen har utvecklats för att kunna jämföra tillrinnings-prognosernas känslighet för val av snömodellstruktur (representation av processer och distribution i tid och rum). Modellen består av en rumsligt distribuerad snömodell kopplad till en odistribuerad avrinningsmodell (en förenklad variant av HBV-modellen). Modellen utvecklades inom det hydrologiska modelleringssystemet HYSS utvecklat på SMHI, men kan i princip kopplas till vilken modellplattform som helst. Snö-smältningen kan beräknas antingen med temperatur- och strålnings-indexmetod eller med energibalansmetod. Den rumsliga distribueringen kan göras antingen med ett 2-dimensionellt nät eller genom uppdelning av avrinningsområdet i representativa enheter baserad på klassificering av topografi (höjd, lutning väderstreck) och vegetation. HYPE-modellen har för närvarande en enklare snömodell än den egenutvecklade modellen, men erbjuder istället hög rumslig uppdelning, öppen källkod (HYPE Open Source Community) och en enkel hantering av drivdata och modelluppsättningar för nya områden genom den operationella sverigeapplikationen (S-HYPE). HYPE-modellen har därför använts för att göra projektets modellutveckling lättare tillgänglig för andra. Den har också använts för att jämföra värdet av assimilering av snödata med värdet av val av prognosdata för nederbörd och temperatur. På sikt kan den egenutvecklade snömodellen göras tillgänglig som en valbar modul i HYPE. En dataassimileringsrutin baserad på Ensemble Kalmanfilter (EnKF) har utvecklats för integrering av snöinformation i simuleringarna och har implementerats som en modul i HYPE. Med EnKF metoden uppdateras modelltillstånd som funktion av kovariansen mellan modelltillstånd och modellfel. Uppdateringen sker sekventiellt, det vill säga under simuleringens gång vartefter nya observationer tillkommer. Kovariansen mellan modelltillstånd och modellfel uppskattas genom att skapa en ensemble av modeller med en viss spridning i modelltillstånden. Spridningen genereras genom att köra flera parallella modeller med slumpmässiga avvikelser i drivvariabler och parametervärden. En styrka med metoden är att osäkerheter i observationer, modellparametrar och indata kan uppskattas var för sig och användas för en automatisk uppdatering av modelltillstånden. Resterande spridning i den uppdaterade prognosen nyttjas för skattning av osäkerheten i resultaten. Beräkningsbördan ökar jämfört med en enskild simulering (ca 100 ensemblemedlemmar behövs), men jämfört med andra dataassimileringsmetoder är EnKF metoden mycket effektiv. De flesta hydrologiska modeller använder samma tröskeltemperatur för att skilja på regn och snö för alla nederbördstillfällen Förhållanden högre upp i atmosfären påverkar emellertid också hur stor andel av nederbörden som faller som snö respektive regn vid en viss markytetemperatur. Situationen i atmosfären beror i sin tur till stor del på vilken typ av front (gräns mellan luftmassor med olika temperatur) som producerar nederbörden. Vi har visat att man kan minska andelen felklassad nederbörd genom att identifiera vilken typ av front (varm- eller kall) som orsakar nederbörden vid ett specifikt tillfälle och anpassa tröskeltemperaturen efter fronttypen. Simuleringar med det nyutvecklade modellsystemet för testområdet Kultsjön i Västerbotten visar att assimilering med EnKF av distribuerade snödata förbättrade vårflodsprognoserna samtliga 4 år i delområdet Kultsjön och 3 av 4 år i delområdet Ransarn. Den relativa förbättringen var i medel 10-15 % beroende på vilka drivdata som användes. Störst förbättring av vårflodsprognosen, jämfört med den traditionella metoden med ensembler av historiska år, erhölls emellertid genom att använda säsongsprognoser från ECMWF (European Centre for Medium Range Weather Forecasts) som drivdata. Det var överraskande att dessa simuleringar gav bättre resultat än simuleringar med stationsmätningar. En möjlig förklaring kan vara att den interpolation av stationsdata som ligger till grund för SMHIs operationella drivdata (nederbörd och temperatur, PTHBV) kan ge både över- och underskattning av nederbörd i fjällområden beroende på om vädersystemen kommer från väster eller öster. Medelvolymfelet för Kultsjön förbättrades från 17 % till 8 % för de undersökta åren när en kombination av säsongsprognoser från ECMWF och assimilering av snöradardata användes istället för en deterministisk PTHBV-simulering. Den utvecklade dataassimileringstekniken har således visats sig vara ett effektivt sätt att automatiskt uppdatera modellerna inför vårflodsprognosen, och bör enkelt kunna anpassas för operationell användning. Det är också tydligt att assimilering av väderprognosdata från ECWMF gav en bättre prognos för Kultsjöns avrinningsområde än nuvarande PTHBV data. Mer arbete med att förstå hur osäkerheter och korrelationer i såväl snödata som modelldata krävs dock för att med säkerhet slå fast att målsättningarna i projektet har uppnåtts. Användningen av väderprognosdata som input i kombination med assimilering av snödata var mycket lovande och bör vidareutvecklas.

Ämnesord

NATURVETENSKAP  -- Geovetenskap och miljövetenskap -- Geokemi (hsv//swe)

NATURAL SCIENCES  -- Earth and Related Environmental Sciences -- Geochemistry (hsv//eng)

Nyckelord

Applied Geology

Tillämpad geologi

Publikations- och innehållstyp

vet (ämneskategori)

rap (ämneskategori)