Bedre bruk av kvantitative værvarsler Metoder for korrigering av kjente systematiske feil i inngangsdata til hydrologiske modeller, samt estimering av usikkerheter knyttet til slike data. Kartlegging av feil i nedbørvarsler Redusere vilkårligheten i HBV-kalibrering Estimering av høydegradient, eller alternativer Estimering av vektfaktorer ved interpolering fra flere stasjoner Riktigere beskrivelse av fordampning i HBV-modellen Bruk av værradardata som inngangsdata 1
2 Assimilering av tilgjengelig informasjon 48 / 72 h varsel 168 / 240 h varsel Ensembleprognoser Tilsigsprognose Værradar Målte data
Usikkerhet i punkt-nedbørmålinger Variasjonskoeffisient multipliseres med korrigert nedbør: sd[p] = Pc * cv Var[P] = sd[p] 2 Korrigering Vind Vind Eksp Eksp Eksp Eksp Eksp Time Døgn kl. 1 kl. 2 kl. 3 kl. 4 kl. 5 Sommer 0.06 0.03 0.05 0.07 0.09 0.12 0.18 Vinter 0.08 0.03 0.09 0.23 0.32 0.40 0.51 Fast relativ usikkerhet betyr at standardavvik, og i enda større grad varians, øker med nedbøren. 3
Kriging og stasjonsutvelging Fra Hardangervidda 0.003 0.11 0.06 Vil interpolere fra seks naboer De seks nærmeste har stor innbyrdes kovarians, felles informasjon gjentas. Kriging korrigerer for kovarians. 0.27 0.53 0.03 Trinn 1 beregner vekter med flere (12) naboer Trinn 2 beregner vekter for de seks beste, ikke nærmeste. Avviser evt. negative vekter, og reskalerer til sum = 1 4
Parvise høydegradienter Avstand < 100 km Høydeforskjell > 200 m Korrelasjon > 0.6 Antall par 1220 Forventning 3.56 SE [middel] 0.29 Standard avvik 9.98 50 25 0-25 Gradient vs korrelasjon [ % / 100 m ] -50 0.60 0.70 0.80 0.90 1.00 5
Regionalt mønster i høydegradient? En betydelig del av variasjonen følger regionale mønstre. Stedvis finnes sterk variasjon i gradient over korte avstander. Enkelte tydelige utslag kan henge på en eller noen få stasjoner 6
7 Prosesser i fordampningsmodellen EFM Nedbør Kortbølga stråling Fordamping Vind Intersepsjon Transpirasjon Langbølga stråling Luftfuktighet Gjennomfall Infiltrasjon Jordfuktighet Vannopptak (Avhengig av jordfuktighet)
Evaluering av nedbørradar Evaluering mot stasjonsverdiar av nedbør Evaluering mot interpolerte kart Eksempel på integrering av radar med punktverdiar Avslutningsmøte i Bedre bruk av kvantitative prognoser Heimdal 19. sept. 2008 8
Avslutningsmøte i Bedre bruk av kvantitative prognoser Heimdal 19. sept. 2008 9 1 Korrelasjon vs avstand til radar, Rissa Korrelasjon met.no Korrelasjon 0.8 0.6 0.4 0.2 GLB NTE TEV Korrelasjon mellom radardata og punktmålinger avtar med avstand 0 0 50000 100000 150000 200000 250000 300000-0.2 avstand [m] 2.50 Relativt forhold radar/obs vs avstand, Rissa Absoluttverdi Variasjon i skaleringsfaktor øker med avstand. I områder uten målinger kan skaleringsfaktoren gi svært skeive estimat Rel. forhold obs/radar GLB 2.00 NTE TEV 1.50 1.00 0.50 0.00 0 50000 100000 150000 200000 250000 Avstand [m]
Avslutningsmøte i Bedre bruk av kvantitative prognoser Heimdal 19. sept. 2008 10 Evaluering mot interpolerte kart: korrelasjon
Integrering av radar- og punktverdiar Bayesiansk metode basert på blokk-kriging og Kalmanfilter interpolering av punktnedbør til gridruter på 1x1 km bestemme variansen til radar- og punktnedbøren kombinere gridestimat basert på radar og punktmålingar ved bruk av Kalman gain Eksempel fra Rissa-radaren Avslutningsmøte i Bedre bruk av kvantitative prognoser Heimdal 19. sept. 2008 11
Avslutningsmøte i Bedre bruk av kvantitative prognoser Heimdal 19. sept. 2008 12 semivariance 60 50 40 30 20 10 semivariance 10 8 6 4 2 2e+04 4e+04 6e+04 8e+04 distance 2e+04 4e+04 6e+04 8e+04 distance
Avslutningsmøte i Bedre bruk av kvantitative prognoser Heimdal 19. sept. 2008 13 a) b) c) mm a) b) c) mm
a) b) Estimeringsvarians 30 jan og 29 mars 2006, basert på a) b) a) Blokk-kriging av punktnedbør b) Radarnedbør betinga på punktobs. 14
Konklusjoner og anbefalinger Vindkorrigering av stasjonsnedbør er en nødvendighet! Eventuell høydegradient må bestemmes lokalt Geostatistisk interpolering fra tettere stasjonsnett gir grunnlag for estimering av vekter for primærstasjoner Enkel Fordampnings-Modell (EFM) er fysisk basert, lite avhengig av kalibrering, og utnytter både GIS-data og meteorologiske målinger Værradar gir lovende resultater, men trenger bedre feilmodell. Assimilering av radar- og punktnedbørmålinger gir sterkt redusert usikkerhet når småskala-variasjonen er stor. De fleste rutinene som er utviklet, er gjort tilgjengelige for brukere i demo-programvare levert fra prosjektet, også prognose-evaluering 15