Für zahlreiche wasserwirtschaftliche Fragestellungen ist der Einsatz von hydrologischen Modellen erforderlich. Dazu zählen Hochwasservorhersage, Ermittlung von Bemessungshochwässern, Abschätzung der verfügbaren Wasserressourcen und Untersuchungen des Einflusses anthropogener Eingriffe auf das Abflussregime. Detaillierte Modelle erlauben es, die ablaufenden Prozesse räumlich differenziert abzubilden.<br />Die Struktur und die Parameter des Modells werden in der Regel aus der Systemantwort, den Abflussdaten, erschlossen, d. h. identifiziert. Dies wird jedoch durch die Komplexität des Systems erschwert. Die vorliegende Arbeit stellt eine Methode zur Identifikation von Struktur und Parametern detaillierter Niederschlag-Abflussmodelle vor. Die Idee ist dabei, durch eine Kombination unterschiedlicher Datenquellen mit jeweils unterschiedlicher Aussagekraft die Bandbreite der gesuchten Parameterwerte und Strukturgleichungen einzuengen. Dadurch wird die Extrapolierbarkeit auf große Ereignisse verbessert. Die Umsetzung dieses Konzeptes wird am Beispiel der Modellkomponenten des Hochwasservorhersagesystems am Kamp beschrieben. Die erste Modellkomponente beschreibt die Abflussbildung und Abflusskonzentration im Gebiet. Für diese Komponente wird ein kontinuierliches Modell herangezogen, das auf Rasterbasis die Bodenfeuchte bilanziert. In Kapitel 2 wird eine systematische Vorgangsweise der Identifikation der Parameter für jedes Rasterelement vorgestellt, die aus den folgenden fünf Schritten besteht: Setzen von a priori Parameterwerten; Feinabstimmung der räumlichen Muster durch spektrale Entmischung; Parametereichung (Feinabstimmung); Feinabstimmung der Modellstruktur; Plausibilitätskontrolle der simulierten räumlichen Muster. Die zweite Komponente beschreibt den Wellenablauf in den Flussstrecken, welche die Teilgebiete verbinden. Die Schwierigkeit liegt hier darin, dass es sich um kleine Gebiete handelt, bei denen die seitlichen Zuflüsse groß sein können im Vergleich zum Durchfluss im Hauptgerinne, wodurch die Wellenformen beeinflusst werden. Für eine derartige Situation stellt Kapitel 3 eine Methode zur Bestimmung der Parameter des Wellenablaufmodells vor, die ebenfalls aus fünf Schritten besteht:<br />Setzen von a priori Parameterwerten aus einer Analyse der topographischen Verhältnisse, Luftbildern und Wasseranschlaglinien; Analyse von Abflussdaten; Aneichung des Wellenablaufmodells an die Ergebnisse detaillierter hydrodynamischer Modelle; Kombination der Informationen zur Erfassung der Nichtlinearität im Wellenablauf; Feinabstimmung der Parameter unter Einbeziehung eines Niederschlag-Abflussmodells. In Kapitel 4 wird das Gesamtmodell im Zuge des Identifikationsprozesses plausibilisiert. Im Vordergrund steht dabei nicht eine bestmögliche Anpassung der Simulation an die Beobachtung, sondern das Verständnis der ablaufenden Prozesse und Mechanismen.<br />Aufbauend auf dem ?Dominant Processes Concept? werden drei Ereignistypen unterschieden: Schneebeeinflusste Ereignisse, konvektive Ereignisse und advektive Ereignisse. Zusätzlich wird eine saisonale Analyse durchgeführt. Diese differenzierte Betrachtung erleichtert die Identifikation und Plausibilisierung des Modells. Das fünfte Kapitel befasst sich mit dem Fall, bei dem sich eine wasserwirtschaftliche Speicherkette im Flussgebiet befindet. Das Einzugsgebiet liefert den Input in die Speicherkette, und umgekehrt liefert die Speicherkette einen Input in andere Teilgebiete, die durch das hydrologische Modell beschrieben werden. Kapitel 5 stellt eine Methode vor, das hydrologische Verhalten der Speicherkette zu beschreiben. Der Ansatz ist als regelbasiertes Simulationsmodell formuliert, um auch nicht quantitativ vorliegende Informationen einzubeziehen. Die Berechnung der zukünftigen Steuerung der Verschlussorgane (Turbinen, Hochwasserentlastung) erfolgt nach Regeln, die unter Einbeziehung des Betreibers in einem iterativen Prozess entwickelt wurden. In den Regeln sind die Bewirtschaftungsziele des Betreibers aus der bisherigen Praxis implizit enthalten.
de
Hydrological models are needed for numerous applications in water resources management. These include flood forecasting, estimation of design discharges, assessment of available water resources, and analysis of the impact of anthropogenic activities on the runoff regime.<br />Distributed models represent the relevant hydrological processes in a spatially explicit way. The structure and the parameters of such models are usually back calculated or identified from the observed system response which are the streamflow hydrographs. However, this process is complicated by the complexity of such systems. This thesis presents a method of identifying the structure and the parameters of distributed rainfall runoff models. The idea is to reduce the uncertainty of the estimated parameters and model equations by combining various sources of information that differ in terms of their information content. This procedure enhances the capability of the model to extrapolate to extreme events. The proposed concept is illustrated by the example of the model components of the flood forecasting system at the Kamp river in Austria.<br />The first model component represents runoff generation and runoff concentration at the catchment scale. A continuous model is used that accounts for soil moisture on a grid basis. Chapter 2 proposes a structured approach of identifying the parameters of each grid element.<br />The approach consists of five steps: Setting a priori parameters; fine tuning the spatial patterns by spectral unmixing; parameter calibration (fine tuning); fine tuning the model structure; plausibility check of simulated spatial patterns. The second component represents runoff routing in the streams that connect the sub-catchments. The difficulty is that these are small catchments where lateral inflows can be large relative to the discharge in the main stream, so may significantly affect the shape of the hydrographs. For this type of problem, chapter 3 proposes an approach of identifying the parameters of the routing model that, again, consists of five steps: Setting a priori parameters based on topography, aerial photographs, flood marks and field surveys; analysing runoff data; calibrating the routing model to the results of hydrodynamic models; combining these pieces of information to allow for non-linearities in the routing process; fine tuning of the parameters to events where lateral inflows are estimated by the rainfall runoff model.<br />Chapter 4 consists of a plausibility check of the entire model as part of the identification process. The focus is on understanding the processes and mechanisms that are operative in the catchment under certain conditions rather than on fitting the model to the observation data. Based on the "dominant process concept" three types of events are examined: snow melt induced events, convective events, and advective events. In addition, the model simulations are analysed on a seasonal scale. This stratification facilitates the identification and plausibility check of the model. The fifth chapter is concerned with the case of reservoirs in the catchment. The upstream catchment provides the input to the reservoirs and, conversely, the reservoirs provide input to the downstream parts of the catchment as represented by the hydrological model. Chapter 5 proposes a method that represents the hydrological characteristics of the reservoir system. It is formulated as a rule based simulation model which facilitates the representation of non-quantitative information. The future operation of turbines and spillway gates is simulated based on a set of rules which have been developed in an iterative way in collaboration with the reservoir operator. The rules embody the main objectives of reservoir operation.<br />