Distribuerade system för förbättrade snö- och avrinningsprognoser : Integration i hydrologiska modeller - Delrapport 1

• Ambitionen med projektet är att minska volymfelet i avrinningsprognoser samt att förbättra tidsbestämningen av den första avrinningen och av flödespikarna i samband med snösmältning. Projektet fokuserar på att kombinera modell- och mättekniksutveckling för att utforska hur mo-dellstruktur och metod för att integrera mätinformation (dataassimilering) kan optimeras i förhållande till tillgängliga snödata. Syftet är att utveckla en operationellt användbar metod baserad på kostnads- och tidseffektiva mättekniker och modelleringsverktyg. Metoden skall anpassas för användning av både stora och små vattenreglerande företag, och den skall ge en betydande förbättring av prognoserna. I projektet testats och vidareutvecklas en rad mättekniker, som tex snökuddar, automatiska snödjups- och snödensitetssensorer, och mark-radartekniker. Radartekniken vidareutvecklas för bestämning av snötäckets djup, densitet och våthet genom att utnyttja informationen som fås från radarvågornas utbredningshastighet, av att ett flerkanalssystem används och från amplitudutsläckning. En ny snömodell har utvecklats för att kunna testa olika val av modellstruktur för processrepresentation och distribution i tid och rum. Modellen är programmerad som en subrutin till SMHI:s nya hydrologiska simulerings-system HYSS, men kan i princip kopplas till vilken hydrologisk modellplattform som helst. Kärnan i modellen är en modell av snö- och markskiktet, där snösmältning och avdunstning från marken kan beräknas antingen med graddagarsmetoden eller med energibalansmetoden. En enkel variant av HBV-modellens grundvatten- och sjörepresentation används för att simulera avrinningen. Den rumsliga distributionen av snö- och markmodellen kan väljas fritt. I projektet testas både distribuering i gridnät med olika upplösning, samt distribuering i klasser uppdelade enligt höjd, lutning, vädersträck och vegetation. En dataassimileringsrutin baserad på Ensemble Kalmanfilter (EnKF) har utvecklats för integrering av snöinformation i simuleringarna. EnKF metoden uppdaterar parametervärden och modelltillstånd, som funktion av kovariansen mellan modellfel och modelltillstånd, parametrar och inputvariabler. Exempel på sådana parametrar och variabler är graddagsfaktorn för smältning och snömängd. Kovariansmatrisen genereras genom slumpmässiga störningar på inputvariabler och parametrar. EnKF ger förutom en automatisk uppdatering och kalibrering även en uppskattning av osäkerheter i resultaten. Resultaten av simuleringarna med det nyutvecklade modellsystemet visar att dataassimilering med EnKF av distribuerade snödata kan förbättra avrinnings-prognoserna och uppskatta osäkerheter i resultaten. För enstaka år visades även att de markburna radarmätningarna av snömängden minskade osäkerheterna och förbättrade prognoserna mer än motsvarande manuella mätningar. En systematisk undersökning av förtjänsten av olika modell-strukturer och av rumslig distribuering i förhållande till datakvalitet och data-mängd återstår dock som en viktig uppgift för projektets avslutande hälft.

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)