Komma, J. (2011). Process based flood forecasting: : Estimation methods and uncertainties [Dissertation, Technische Universität Wien]. reposiTUm. https://resolver.obvsg.at/urn:nbn:at:at-ubtuw:1-55682
Die Verfügbarkeit von genauen Hochwasservorhersagen, bis zu Prognosefristen von mehreren Tagen, wird in zunehmendem Maß auch für kleinere Einzugsgebiete ge-wünscht. Die Änderung des Anforderungsprofils macht die methodische Weiter¬entwicklung von Hochwasservorhersagesystemen zu einem wichtigen, interdiszi¬plinären Betätigungsfeld in der Hydrologie, Meteorologie und Fernerkundung. Ziel dieser Arbeit ist die Entwicklung und Analyse von Methoden zur Beschreibung bzw. Reduktion von Unsicherheiten bei der Messung und Modellierung der abflussrelevan-ten hydrometeorologischen Prozesse. Die Analysen in dieser Arbeit basieren auf Si-mulationen mit einem flächendetaillierten hydrologischen Niederschlags-Abfluss-Modell zur Beschreibung von Schneeakkumulation und -schmelze, des Bodenfeuch-tehaushaltes und des Abflusses am Hang und im Gerinne.<br />Der erste Teil der Arbeit beschäftigt sich mit der Quantifizierung der Größenordnung der Vorhersageunsicherheit durch die Verwendung von Ensembleprognosen, welche maßgebend durch die vorherrschenden meteorologischen und hydrologischen Randbedingungen bestimmt wird. Die Beurteilung der Prognosen erfolgt dabei durch die Analyse der Warncharakteristik, welche durch die Häufigkeit von Fehlwarnungen und zutreffenden Warnungen beschrieben wird. Die Ergebnisse dieser Arbeit zeigen, dass der abgeleitete Unsicherheitsbereich eine wertvolle Zusatzinformation für die Risikoabschätzung im Rahmen der Entscheidungsfindung beim Hochwassermana-gement darstellt.<br />Der zweite Teil der Arbeit beschäftigt sich mit der Reduktion von hydrologischen Un-sicherheiten durch die Einbeziehung von aktuell verfügbaren Abflussmessungen. Die Zielsetzung, den Prognosefehler so klein als möglich zu halten, kann durch die Ver-bindung der Modellergebnisse mit den Messdaten unter Abwägung der jeweils einge-tragenen Unsicherheiten erreicht werden. Diese Vorgangsweise wird als Modellnach-führung bezeichnet, und erfolgt in dieser Arbeit durch die Implementierung eines En-semble-Kalman-Filters in die Modellstruktur. Zusätzlich erfolgt, abhängig von der je-weils vorherrschenden hydrometeorologischen Situation, eine Korrektur der Abfluss-vorhersagen durch ein Fehlermodell auf der Basis der zeitlichen Korrelationen. Durch das Fehlermodell können die Unsicherheiten während der ersten Stunden der Prog-nosefrist deutlich reduziert werden. Die Wirkung des Ensemble-Kalman-Filters ist zwar geringer, erstreckt sich allerdings über die gesamte Vorhersagefrist.<br />Das Hauptaugenmerk im dritten Teil der Arbeit liegt auf der Beurteilung des Potenti-als der satellitenbasierten Messung von Bodenfeuchtemustern als zusätzliche Infor-mationsquelle bei der Identifikation einer realistischen Modellstruktur und geeigneter Parameter. Der Problematik von geringen Eindringtiefen bei der satellitenbasierten Bodenfeuchtemessung, wird durch wird die Erweiterung des bestehenden hydrologi-schen Modells um eine dünne, oberflächennahe Bodenschichte Rechnung getragen. Der Vergleich von modellierter Bodenfeuchte und Bodenfeuchte aus der Fernerkun-dung zeigt eine gute Übereinstimmung beider Methoden hinsichtlich der räumlichen und zeitlichen Bodenfeuchtedynamik. Weiters zeigen die Auswertungen, dass die Maskierung der Satellitenbodenfeuchte für Zeitpunkte mit Schneebedeckung oder gefrorenem Boden zu einer deutlichen Verbesserung der Übereinstimmung beider Methoden während der Wintermonate führt. Generell zeigen die Ergebnisse dieser Arbeit, dass die zusätzliche Verwendung von aktuellen Messdaten, in dieser Arbeit Abflussmessungen und Bodenfeuchtemuster aus der Fernerkundung, einen wertvollen Beitrag zur Reduktion von Unsicherheiten bei der hydrologischen Modellierung leistet. Damit werden operationelle Hochwas-servorhersagen auf eine solide methodische Basis gestellt, und die Anwendbarkeit für außerordentliche hydrometeorologische Situation erhöht.<br />
de
Flood forecasting is becoming increasingly important for small catchments where the forecast uncertainties tend to be larger than in large catchments. In addition, also the increase of the forecast lead time is associated with larger uncertainties. These is-sues make the development of flood forecasting systems an important interdiscipli-nary task in hydrology, meteorology and remote sensing. In this study, the aim is the development and the analysis of methods to describe and reduce uncertainties in measurement and modelling of hydrometeorological processes. The analyses are based on simulations with a distributed hydrological rainfall-runoff-model which de-scribes snow accumulation and melt, the changes in soil moisture and catchment and stream routing functions.<br />The quantification of the forecast uncertainty is in the focus of the first part of the stu-dy. The uncertainty is quantified using a set of equally probalbe forecasts (an en-semble) which are affected by the meteorological and hydrological boundary condi-tions. The assessment of the ensemble forecasts is based on the analysis of the fre-quency of false and correct alarms. The results indicate that the ensemble forecasts are a valuable and important source of information for flood forecasting. Even though the ensemble characteristics do not exactly match the forecast errors, they do pro-vide information about the expected forecast errors.<br />In the second part of the study the hydrological uncertainties are reduced by using online available runoff measurements. To increase forecast accuracy, two real-time updating procedures are used in this study. The first procedure assimilates runoff data to update the catchment soil moisture state based on Ensemble Kalman filter-ing. The second procedure consists of an additive error model that updates runoff directly. This error model exploits the autocorrelation of the forecast error and in-volves an exponential decay of the correction. The error model clearly reduces the forecast uncertainties in the first hours of the forecast lead time. The impact of the Ensemble Kalman filter is smaller, but it affects the entire forecast lead time.<br />Remotly sensed soil moisture data are used in the third part of the study as additional source of information to identify a realistic model structure and parameters. To ac-count for the shallow penetration depth of the remote sensing data the hydrological model is extended by a skin soil layer which represents only the first centimetres of the landsurface. A comparison of simulated soil moisture and soil moisture derived from remote sensing data shows excellent consistency between the spatial patterns of soil moisture. Analyses indicate that the masking of remote sensing data with in-formation about snow covered areas significantly improves the correlation between the simulated and remotely sensed soil moisture data.<br />The results of this study show that observed runoff data and remote sensing data are a valuable source of information to reduce uncertainties in hydrological modelling. They allow for a solid methodical basis of operational flood forecasts and guarantee the applicability of the flood forecasting system in extraordinary hydrometeorological situations.