Echtzeit Daten Assimilation für die hydrologische Modellierung und Hochwasservorhersage in ausgebauten Alpinen Einzugsgebieten

• Forschungsstelle: BFE
• Projektnummer: SI/501509
• Projekttitel Englisch: Real-time data assimilation for hydrological modelling and flood forecasting in equipped alpine catchments

Schlüsselwörter (Englisch)

Spatialization of precipitation, hydrological modelling, snow-melting modelling, data assimilation, flood forecasting

Kurzbeschreibung (Englisch)

Hydrological modelling in alpine environments is a big challenge. In the frame of the MINERVE project for flood forecasting and management in the Canton of Valais, this project has for objectives 1) an optimal use of available precipitation data, 2) improve the calibration of the hydrological model with a particular focus on snow-melting and finally 3) propose a real-time data assimilation scheme for available hydrometric data.

Kurzbeschreibung (Französisch)

La modélisation hydrologique en milieu alpin implique de nombreux défis. Dans le cadre du projet MINERVE, pour la prévision et la gestion des crues en Valais, cette étude a pour objectif 1) d’utiliser de manière optimale les données de précipitation disponibles, 2) améliorer le calage du modèle hydrologique et particulièrement de la fonte de la neige et finalement 3) assimiler en temps réel les données hydrométriques disponibles.

Schlussbericht (Deutsch)

Überschwemmungen verursachen ein Drittel der weltweiten Naturschadenskosten. Zum Schutz der Bevölkerung und der Infrastruktur nutzen Hochwasservorhersagesysteme Wettervorhersagen, um Überschwemmungen mehrere Tage vorauszusehen und deshalb mehr Vorlaufzeit für Schutzmassnahmen zu haben. Im Kanton Wallis ist seit 2013 ein Hochwasservorhersage- und Managementsystem in Betrieb, das aus dem 1999 gestarteten MINERVE Projekt resultiert. Das Ziel dieser Arbeit ist es, einige der Herausforderungen, die sich aus diesem System ergeben, anzugehen. Eine neue Methode der Bestimmung der räumlichen Verteilung von Niederschlag basierend auf Co- Kriging mit Regression von Regenmessungen und meteorologischen Radardaten wird vorgestellt. Zwei Messnetze, die mit Regenmessern unterschiedlicher Qualität ausgestattet sind, werden berücksichtigt. Der Vergleich der geschätzten Niederschlagsmengen mit anderen Interpolationsmethoden zeigt auf, dass die quantitative Niederschlagsschätzung (Quantitative precipitation estimates auf English (QPE)), die mit Co-Kriging mit Regression erhalten wurde, das beste Resultatüber das untersuchte Einzugsgebiet ergibt. Die Analyse zeigt, dass eine gute Aufbereitung der Radardaten erforderlich ist, insbesondere in Bezug auf Schattenbereiche aufgrund der komplexen Topographie. Die Integration des neuen QPE-Produkts in ein Schneemodell ergab eine deutliche Unterschätzung der Niederschlagsmengen. Es wird eine Methodik zur Korrektur der Unterschätzung des festen Niederschlags bei der Berechnung von QPE-Produkten vorgeschlagen. Vier verschiedene Produkte werden betrachtet: das operationelle QPE-Produkt von MeteoSchweiz CombiPrecip, das Co-Kriging mit Regression und zwei Varianten davon mit einem Korrekturfaktor von 1.2 und 1.3 für die Unterschätzung der festen Niederschläge. Das Schneemodell wird mit Satellitendaten aus dem MODIS-Spektroradiometer kalibriert und an 11 Messstationen mit dem Schneewasseräquivalent validiert. Die beste Leistung wird mit dem QPE-Produkt mit dem Korrekturfaktors1.2 erzielt. Um die hydrologische Leistung dieser QPE-Produkte zu beurteilen, werden drei Teilbecken des MINERVE-Systems mit 5 verschiedenen Niederschlagsdatensätzen als Input kalibriert. Die hydrologischen Modelle GSM und SOCONT werden für glaziale und nicht-glaziale Flächen verwendet. Eine zweiphasige Modellkalibrierung wurde untersucht, in der die Schneeschmelzfaktoren mit der MODIS-basierten Kalibriermethode geschätzt werden, bevor die anderen Parameter mit Hilfe von Abflussdaten kalibriert werden. Die Ergebnisse deuten darauf hin, dass bei guter Radarsicht das QPEProdukt mit einem Korrekturfaktor von 1.2 die besten Ergebnisse liefert. Für die beiden Einzugsgebiete mit geringerer Radarsichtbarkeit führt die Verwendung von Regenmessdaten zu gleichwertigen oder besseren Ergebnissen. Bei der aktuellen Implementierung hat die zweiphasige Kalibrierung die konventionelle Kalibrierung nicht verbessert. Schliesslich wird ein Ensemble Kalman-Filter (EnKF) implementiert, um die Ausgangsbedingungen für hydrologische Vorhersagen zu verbessern. Die Ergebnisse werden für zwei Starkniederschlagsereignisse mit dem Szenario ohne Aktualisierung und mit der aktuellen MINERVESystemdatenassimilation, in der die Bodensättigung mit der Abflussmengen über die letzten 24 Stunden aktualisiert wird, verglichen. Der Ensemble Kalman-Filter zeigt bei beiden Ereignissen eine gute Leistung, aber auch Schwierigkeiten bei niedrigen Durchflüssen, insbesondere bei Einfluss durch die Wasserkraft. Link zu der Dissertation : https://infoscience.epfl.ch/record/273163?ln=fr

Schlussbericht (Englisch)

Floods are responsible for one third of the economic losses induced by natural hazards throughout the world. To better protect the population and infrastructures, flood forecasting systems make us of weather forecasts to foresee floods several days in advance, providing more lead time for preventive measures. In the canton of Valais, an operational flood forecasting and management system is operational since 2013, as a result of the MINERVE project initiated in 1999. The present project aims at answering some of the challenges faced by this system. First, a new methodology for spatial interpolation of precipitation is implemented based on regression co-kriging using rain gauge and weather radar data. Two rain gauge networks equipped with instruments of different quality are considered. Compared to other precipitation interpolation methods, the quantitative precipitation estimates (QPE) obtained from the regression co-kriging provides the best performance over the studied area using cross-validation. The analysis highlights the need for further pre-processing of radar data, in particular to account for beam shielding by the complex topography. Integration of the above-mentioned QPE product in a snow model revealed a clear precipitation underestimation. A methodology to account for solid precipitation undercatch in QPE computation is therefore proposed. Four different QPE products are compared: the operational QPE product CombiPrecip of MeteoSwiss, the regression co-kriging QPE and two variants of it considering a correction factor of 1.2 and 1.3 for solid precipitation undercatch, applied before the interpolation. The snow model is calibrated using satellite-based data from the MODIS spectroradiometer and validated using snow water equivalent measurements from 11 snow monitoring sites. The best performance is obtained using the QPE product including a correction factor of 1.2. To evaluate the performance of the developed QPE products from a hydrological perspective, three sub-catchments of the MINERVE system were calibrated considering 5 different inputs. The GSM and SOCONT hydrological models are used to model respectively the glacial and non-glacial parts. A twophase calibration of the model is explored, applying the MODIS based calibration of snow-melt degree-day factors, before calibrating the other parameters using discharge data. Results suggest that the developed QPE product accounting for solid precipitation undercatch (factor 1.2) leads to the best performance over the catchment with a good radar visibility. In case of lower radar visibility, using station data provides equal or better performances. With the current implementation, the two-phase calibration did not allow to outperform the conventional calibration. Finally, an ensemble Kalman filter (EnKF) is implemented to improve initial conditions used for hydrological forecasts. Results are compared, for two high flow events, to the scenario without assimilation and to the simple assimilation scheme currently implemented in the MINERVE system, updating the soil saturation based on a discharge volume comparison over the preceding 24 hours. The Ensemble Kalman filter (EnKF) shows good performance during these events but also highlights difficulties over base flow, strengthened in presence of hydropower perturbations. Link to the thesis report: https://infoscience.epfl.ch/record/273163?ln=en

Schlussbericht (Französisch)

Les crues génèrent un tiers des coûts liés aux dommages naturels au niveau mondial. Afin de protéger la population et les infrastructures, des systèmes de prévisions de crues utilisent les prévisions météorologiques pour anticiper avec plusieurs jours les crues, offrant plus de temps pour se préparer. Dans le canton du Valais, un système de prévision et de gestion des crues est opérationnel depuis 2013, résultat du projet MINERVE initié en 1999. Le présent projet avait pour objectif de répondre à certains défis posés par ce système. Une nouvelle méthode de spatialisation des précipitations basée sur un co-krigeage avec régression de données de pluviomètres et de radar météorologique est présentée. Deux réseaux de mesure équipés de pluviomètres de qualité différente sont considérés. En comparant les précipitations estimées avec d’autres méthodes d’interpolation, l’évaluation quantitative des précipitations (EQP) obtenue avec le co-krigeage avec régression fournit la meilleure performance sur le bassin d’étude. L’analyse suggère le besoin de plus de prétraitement de la donnée radar, notamment en lien avec les zones d’ombre dû à la topographie complexe. L’intégration du nouveau produit d’EQP dans un modèle de neige a révélé une claire sous-estimation des précipitations. Une méthodologie est proposée afin de corriger la sous-estimation des précipitations solides dans le calcul de produits d’EQP. Quatre produits différents sont considérés : le produit d’EQP opérationnel CombiPrecip de MétéoSuisse, le co-krigeage avec régression et deux variantes de ce dernier incluant un facteur correcteur de 1.2 et 1.3 pour la sous-estimation des précipitations solides. Le modèle de neige est calé avec des données satellitaires du spectroradiomètre MODIS et validé avec l’équivalent en eau de la neige à 11 stations de mesure. La meilleure performance est obtenue avec le produit d’EQP incluant un facteur correcteur de 1.2. Pour évaluer d’un point de vue hydrologique la performance de ces produits d’EQP, trois sous-bassins du système MINERVE sont calés avec 5 jeux de données de précipitation différents en entrée. Les modèles hydrologiques GSM et SOCONT sont utilisés pour les parties glaciaires et non-glaciaires. Un calage du modèle en deux phases est exploré, en appliquant la méthode de calage des facteurs degré-jour de fonte nivale basée sur MODIS, avant de caler les autres paramètres à l’aide des données de débit. Les résultats suggèrent qu’en présence d’une bonne visibilité du radar, le produit d’EQP intégrant un facteur correcteur de 1.2 fournit les meilleurs résultats. Pour les deux bassins avec une moins bonne visibilité, l’utilisation de données de pluviomètres mène à des résultats équivalents ou meilleurs. Avec l’implémentation actuelle, le calage en deux phases n’a pas permis de surpasser le calage conventionnel. Finalement, un filtre de Kalman d’ensemble (EnKF) est implémenté pour améliorer les conditions initiales utilisées pour les prévisions hydrologiques. Les résultats sont comparés, pour deux événements de fortes précipitations, au scénario sans mise à jour et à l’assimilation de données a ctuelle du système MINERVE, mettant à jour la saturation du sol sur la base d’une comparaison desvolumes de débit sur les 24 dernières heures. Le filtre de Kalman d’ensemble (EnKF) montre de bonnes performances sur les 2 événements mais également des difficultés lors des faibles débits, notamment en présence de perturbations hydroélectriques. Lien vers le rapport de thèse : https://infoscience.epfl.ch/record/273163?ln=fr

Zugehörige Dokumente

• Rapport final [PDF] 7'378 kB