Distribuerade system för förbättrade snöoch avrinningsprognoser Integration i hydrologiska modeller Rapport 3, 2010

Storlek: px

Starta visningen från sidan:

Download "Distribuerade system för förbättrade snöoch avrinningsprognoser Integration i hydrologiska modeller Rapport 3, 2010"

Robert Håkansson
för 7 år sedan
Visningar:

Distribuerade system för förbättrade snöoch avrinningsprognoser Integration i hydrologiska modeller Rapport 3, 2010 Nils Granlund, LTU och Jesper

1 Distribuerade system för förbättrade snöoch avrinningsprognoser Integration i hydrologiska modeller Rapport 3, 2010 Nils Granlund, LTU och Jesper Ahlberg, KTH Angela Lundberg, LTU, David Gustafsson, KTH, Fredrik Wetterhall, SMHI och Göran Lindström, SMHI Finansiärer: SVC, HUVA & Kempestiftelsen

2 Varför ger snömätningar inte alltid bättre avrinningsprognoser? SM Evp UZ [mm] Inf [mm] Perc [mm] Q [mm] LZ [mm]

3 Modell Observationer Dataassimilering Förbättrade prognoser Med hjälp av snödata?

4 Osäkerhetsparadigmen Drivdata + Modell + Observation = Resultat

5 Data assimilation med Ensemble Kalman filter P t T t Beräkning av modelltillstånd vid tiden t, X fo X fo K cov X cov X fo fo covz t Observationer, z, av modelltillstånd vid t z t Uppdatering av modelltillstånd och parametrar vid t, Xup X up X up X fo K Z t X fo t=t+δt (Gustafsson et al, 2009; Ahlberg & Gustafsson, 2010, in prep)

6 Hur blir det i praktiken? Input Parameter(Modell) Observation Resultat

7 Korsvattnet, Jämtland ~20 km radarprofiler Automatiska Snömätningar Vid SMHI station Manuella 10 pkt

8 Distribuerad snöhydrologisk modell P P P Konceptuell avrinningsmodell Distribuerad snö och markmodell Flexibel struktur snow(i ) Ea wc(i ) soil(i ) uz q1 P E perc P E lz q2 q1+q2 slc3 slc1 slc2 maxbas

9 Assimilering av snödjup med olika observationsintervall Mätintervall 1 dag R Nash =0.99 R Nash =0.97

10 Assimilering av snödjup med olika observationsintervall Mätintervall 7 dagar R Nash =0.96 R Nash =0.96

11 Assimilering av snödjup med olika observationsintervall Mätintervall 14 dagar R Nash =0.92 R Nash =0.93

12 Assimilering av snödjup med olika observationsintervall Mätintervall 28 dagar R Nash =0.89 R Nash =0.87

13 Parameterskattning med EnKF

14 Assimilering av snö med/utan avrinning Utan Med avrinning

15 Slutsatser Modellering Ensemble Kalman filtermetoden är användbar för att ta till vara snödata i den hydrologiska modeleringen Osäkerheter i snödata, modell och inputvariabler hanteras på ett konsekvent sätt Snödjupsmätningar kan användas för förbättra modelleringen av snövattenekvivalenten

16 Framtidsplaner Känslighet i dataassimileringen för olika val av: Modellstruktur Snödata Rumslig representation Möjlighet att extrapolera till närliggande områden Betydelse för långtidsprognoser Licentiatavhandling Jesper Ahlberg, Maj 2010

17 Förbättring av SWE mätningar med markradar (GPR) (rumslig variation)

18 Mäta snöns vattenekvivalenten (SWE) med GPR Metod A: Vanligtvis uppskattas SWE direkt från tvåvägstiden SWE a twt b koefficienterna a och b beror på snödensiteten och måste kalibreras med manuella densitetsmätningar Metod B: Snödensiteten och SWE kan uppskattas från radarvågornas utbredningshatighet i snön mha en empirisk formel a) hastigheten bestäms från tvåvägstiden och snödjupet, eller b) både snödjupet och utbredningshastigheten uppskattas om ett radarsystem med flera kanaler används

19 Multi-Offset GPR Möjliggör att ha antennerna i en rad med fasta avstånd Då kan man samtidigt mäta flera radarpulser som färdas olika väg genom snötäcket Antennerna kan placeras så att alla uppmätta radarpulser får samma reflektionspunkt mot markytan

20 Beräkna snödjup och utbredningshastighet med en Common Mid-Point metod (CMP) v twt 1 2 l d 2 v twt 2 2 l d 2 där v och d är okända

21 Problem med att mäta SWE på blöt snö Den ovan nämnda metoden är bara giltig för torr snö Om vi tex har ett snötäcke med en densitet 300kg/m 3 och 5vol.% vatten, kommer SWE att överskattas med ca 20% (Lundberg and Thunehed 2000) 3 c v 2 3 snow ice 3 ice water 3 water air 3 air water 0, ice, ice snow

22 Målet är att förbättra SWE uppskattningarna med GPR genom att hitta en metod för att beräkna vattenhalten från befintlig radardata water?

23 Lösningsförslag Förutom att mäta tvåvägstiden kan också radarvågornas dämpning mätas Dämpningen beror på: Geometrisk spridning Scattering i snön (t.ex. från tunna islager) Transmission ner i marken Energi omvandling till värme Beror på snöns elektriska egenskaper (permittivitet och konduktivitet), vilka båda är beror på vattenhalten

24 Kräver: σ snow = f(θ water ) separera dämpningen från energiomvandling från förluster vid markreflektionen

25 Denna lösning kräver hitta sambandet mellan vattenhalten och snöns konduktivitet kunna separera dämpningen från värmeförluster från förluster i samband med markreflektionen

tagits fram med hjälp av ett flertal experiment som

26 Hitta sambandet mellan vattenhalt och snöns elektriska konduktivitet Ett linjärt samband har tagits fram med hjälp av ett flertal experiment som beskrivs i artikel I och II i min avhandling snow water 10

27 Pågående arbete: Att separera dämpningen från värmeförluster från förluster vid markreflektionen Vi föreslår Utnyttja Fresnells ekvation för vinkelberoende reflektionskoefficienter (infallsvinklarna är kända från CMP) Använd två olika infallsvinklar och två uppmätta amplituder för att lösa ett ekvationssystem för både den elektriska konduktiviteten i snön och reflektionskoefficienten i snö/mark-gränsskiktet

28 För- och nackdelar med denna metod + Endast två parametrar behöver mätas + Båda kan fås från en och samma CMP undersökning Men, denna metod ställer höga krav på noggrannheten i de uppmätta amplituderna Många beräkningssteg

29 Framtida arbete Bygga en modell för att kunna testa metodens känsligheten och för att göra feluppskattningar av metoden Testa metoden för att separera dämpningen från värmeförluster från förluster vid markreflektionen Jämföra våran metod med andra metoder för att bestämma vattenhalten

30 Granskade Publikationer Mätteknik Granlund N., Lundberg A., Feiccabrino J., and Gustafsson D Laboratory test of snow wetness influence on electrical conductivity measured with ground penetrating radar. Hydrology research, 40, (3), Granlund N., Gustafsson D., and Lundberg A Laboratory study of the influence of salinity on the relationship between electrical conductivity and wetness of snow. Accepted for publication in Hydrological Processes. Lundberg A., Granlund N., and Gustafsson D Review of operational and new ground-based snow measurement methods for Sweden, Norway and Finland. Accepted for publication in Hydrological Processes.

Relevanta dokument

Snövattenekvivalentuppskatning med markradar

Snövattenekvivalentuppskatning med markradar Nils Sundström, LTU Distribuerade system för förbättrade snöoch avrinningsprognoser minska volymfelet i avrinningsprognoser förbättra tidsbestämningen av den