Hvordan estimere vannføring i umålte vassdrag?

Transkript

1 Hvordan estimere vannføring i umålte vassdrag? Hege Hisdal, E. Langsholt & T.Skaugen NVE, Seksjon for hydrologisk modellering Bakgrunn Ulike modeller Et eksempel Konklusjon 1

2 Bakgrunn: Hva skal vannføringsestimatene brukes til? Kvantifisering av miljøtilstand Hydrologisk saksbehandling: vurdering av inngrep i vassdrag Dimensjonering av konstruksjoner i vassdrag Arealfordelt vannføring effekt av klimaendringer 2

3 Bakgrunn: Hva skal estimeres? Stort/lite vassdrag Midlere årsvannføring, sesongverdier eller ekstremer Døgnverdi eller momentanverdi Varighetskurve eller simulering av historisk tidsserie Absoluttverdi eller relativ verdi Årlig totalavløp fra Norges vassdrag i prosent av gjennomsnittet i perioden %

4 Internasjonalt forskningsinitiativ: PUB - Prediction in Ungauged Basins 4 IAHS initiativ siden 2002 Fokus på hydrologisk modellering, dvs nedbør-avløp modeller. Parametere i en god PUB modell kan estimeres ut i fra generelt tilgjengelig informasjon, og da ikke nødvendigvis fra tidsserier av vannføring. Vellykket PUB mhp vannføring betyr at det ikke behøves historiske vannføringsdata for å tilpasse nedbøravløp modell. Overordnet mål i NVE/Hs FoU-strategi: Å redusere usikkerheten i estimater av hydrologiske prosesser modellert fra begrenset informasjon (felt med ingen eller dårlige målinger).

5 Ulike modeller / metoder for PUB: 1. Hydrologiske modeller med regionale parametre 2. Ekstrapolering fra målt til umålt felt a) Skalering av data fra representativt målt felt b) Regresjon c) Interpolasjon 3. Nedskalering 4. (Fjernmåling brukes ikke for vannføring direkte) 5. (Nye modellkonsepter ikke i operativ bruk) 5

6 1. Hydrologiske modeller Eksempel: HBV Tidsoppløsning: daglig (operativt) Romlig oppløsning: nedbørfelt 10 høydesoner 5 vegetasjonssoner 1 x 1 km grid SNOW RESERVOIR RAIN SNOWMELT EVAPORATION PRECIPITATION TEMPERATURE INFILTRATION ROOT-ZONE 6 DISCHARGE ZONE vannføring (m3/s) DISCHARGE FROM MODEL

7 Eks. 1: Griddet HBV (GWB) med regionalt kalibrerte parametere 7

8 2. a) Skalering av data fra representativt målt felt Finner et målt felt i tilvarende klimasone, med liknende klima og feltegenskaper Skalerer måleserien med årsmiddelvannføringen (areal, isohydatkart) Egner seg til midlere størrelser, som tilsigsberegninger Større usikkerhet når det gjelder ekstremer: flom og tørke 8

9 2 b) Regional regresjon mellom lavvannskarakteristika og feltparametere CLF Q95 (summer) sommer, R2=0.86 Observed (ls -1 km -2 ) Q Estimated (ls -1 km -2 ) = 1.45 A E ( M + 0.1) ( S+ 0.1) Observed (ls -1 km -2 ) CLF (winter) Q95 vinter, R2= A Mean runoff (ls-1km-2) E River gradient (m/km) HMIN Min. altitude (moh) M Bog (%) S Bare rock (%) Estimated (ls -1 km -2 ) 9 Q = 1.47 A HMIN

10 2. c) Stokastisk interpolering av avløp Kovarians modell av lateral innstrømming som beskriver elvenettverket Interpolert avløp (gridceller på 5 km x 5 km) betinget på observert avløp i punkter 10 Gottschalk and Tveito, 1997

11 3. Skalering av spesifikk flom Ikke-lineær reduksjon av flomvannføringer med areal og avtakende gjentaksintervall romlig skala 11 Gjentaksintervall -1

12 Eks. 3: Maksimalt observerte flomverdier mm/døgn 60 Glommavassdraget Sideelver til Otta (noen hundre km2) Gudbrandsdalslågen (11000 km2) Glomma ved Elverum (15000 km 2) Glomma, nedre del (40000 km2) 12

13 Eksempel: Estimering av lavvann i umålte felt Skal estimere en vannføring som er så liten av den overskrides 95% av alle dager. Hvordan gjør vi det? 10% av middelvannføring (egentlig ingen modell) 1. Hydrologisk modell 2. a) Representativt felt b) Regresjon

14 Eksempel lavvann 10% av middelvannføringen Enkel å bruke Gir generelt for store estimater av alm.l.vf. i små felt Tar ikke hensyn til andre feltegenskaper enn middelavløp som påvirker alm.l.vf. % Alminnelig lavvannføring, prosentandel av middelvannføringen 1 Jostedalen Vindeelv, Valdres Akslen, Bøvra Sæternbekken Tora, Ottadalen Mossevassdraget Vosso Haugland, Jæren Manndalen, Troms Masi Trysil Tana 14

15 Eksempel lavvann Representativt felt Estimerer lavvannskarakteristika for en representativ stasjon og skalerer med hensyn på feltareal Lignende og gode sammenligningsfelter gir gjerne gode estimater Ofte vanskelig å finne representative felter Subjektiv metode; forskjellige saksbehandlere får ulike svar Relativt tidkrevende 15

16 Eksempel lavvann: Sammenlikning mellom HBV-modell og regresjon Regression Regresjon method, R2=0.87, bias=-0.09 HBV 1st calibration, vanlig R2=0.29, bias=1.21 HBV 2nd calibration, lavvann R2=0.59, bias=-0.05 Estimated clf (l/s/km2) Estimated clf (l/s/km2) Estimated clf (l/s/km2) Observed clf (l/s(km2) Observed clf (l/s(km2) Observed clf (l/s(km2) R2 = 0.87 R2 = 0.29 R2 = 0.59 Bias = Bias = 1.21 Bias =

17 Konklusjoner eksempel lavvann: 10% av middelvannføring kan ikke brukes Representativt felt: Kan gi gode resultater, men er en subjektiv metode HBV-modell (nedbør-avløp modell) overestimerer lavvannføringen Regresjon mot feltparametere gir stort sett bra resultater. Objektiv og enkel å bruke. NB Usikkerhet i testregionen er +/- 35%, betydelig større andre steder i Norge! 17

18 Konklusjoner Målinger er alltid bedre enn estimater ved hjelp av modell! Metoder for å beregne avløp i umålte felt er alltid basert på målinger av andre variable og/eller samme variabel andre steder Usikkerheten øker jo dårligere observasjonsgrunnlaget er Simulering av middelverdier har generelt mindre usikkerhet enn simulering av ekstremer. Bruk gjerne flere komparative metoder ved simulering av ekstremer (flom / lavvann). Vær obs på skalaeffekten! Stor nasjonal og internasjonal FoU-aktivitet: stort potensial i stadig mer tilgjengelig GIS-informasjon. 18

19 Takk for oppmerksomheten 19 PUB er viktig!