Senaste nytt om urbana nederbördsdata och påverkan av klimatförändringar. Claes Hernebring DHI

Transkript

1 Senaste nytt om urbana nederbördsdata och påverkan av klimatförändringar Claes Hernebring DHI

2 Urbana högupplösta nederbördsdata Hur har det sett ut hittills Historik Är det möjligt att få till ett samlat nationellt grepp? Regnstatistik och klimatscenarier Projektioner in i framtiden

3 Historik Urbana högupplösta nederbördsdata Kommunala högupplösta regndata har haft stor betydelse för den svenska statistik för korttidsnederbörd (5 min 1 dygn) som vi tror oss känna idag. Se t.ex. SVU-rapporterna , , , och Svenskt Vatten P104. En inventering/enkät initierad av Svenskt Vatten visade att det potentiellt kan röra sig om kanske stationsplaceringar där högupplöst nederbörd registreras av olika parter (kommuner etc.). SMHI har dessutom drygt 100 automatstationer, där det skulle vara möjligt att sampla med hög upplösning. Sammanställning av enkätsvar från 79 kommuner/va-organisationer

4 Historik Urbana högupplösta nederbördsdata På initiativ av Svenskt Vatten togs kontakt med SMHI för att, liksom i Danmark DMI, finna en naturlig part att ta ansvar och förvalta data. Detta resulterade i ett förprojekt rapporterat i SVUrapport: C_DHI2014_ Belägenhet hos några nederbördsstationer i Göteborg

5 Historik Urbana högupplösta nederbördsdata Under hösten 2013 utformade och testade DHI och SMHI gemensamt förutsättningarna för ett system för högupplösta regndata, genom att i liten skala gå igenom nödvändiga moment för ett sådant system. Data från fem stationer, tre i Göteborg och två i Jönköping användes under testskedet. Testen gick ut på att utforma rutiner för följande moment: 1. Automatisk insamling av rådata till ett data-nav (under testskedet hos DHI) 2. Konvertering till dataformat anpassat för SMHIs insamlingssystem Nemo 3. Inrapportering till SMHIs insamlingssystem Nemo 4. Datautdrag från realtidslagringssystemet MORA 5. Konvertering tillbaka till ursprungligt rådataformat för kvalitetskontroller

6 Exempel på kvalitetskontroll för rådata->smhis databas->returinformation Jämförelse mellan originaldata (blå heldragen kurva) och returinformation från SMHIs MORA-databas konverterad till ursprungligt filformat och tidsangivelse (röda cirklar). Båda dataserierna redovisas som ackumulerade värden (mm). Rådata kommer från DHI:s station vid Drakegatan.

7 Vad hände sedan? Miljömålsberedningen (SOU 2014:50) föreslog regeringen/miljödepartementet att: Regleringsbrevet från miljödepartementet till SMHI 2015 nämner inget om detta men nu (januari 2015) kan man via SMHIs dataportal för öppna data ladda ner 15-minutersvärden för ett begränsat antal stationer och varierande tidperiod bakåt.

8

9 Exempel: Ett skyfall, Malmö REGNVOLYM REGISTRERAD I MALMÖ OCH BURLÖV kl. 04 kl. 10 den 31/ stationer (VA-Syd) blå markeringar SMHI Malmö A röd markering

10 Exempel: Ett skyfall, Malmö UTVÄRDERAD ÅTERKOMSTTID (ÅR) för regnet i Malmö och Burlöv kl. 04 kl. 10 den 31/ Återkomsttider för stationslägena är det maximala värdet för alla varaktigheter som utvärderats vid stationen. Mellan dessa har värden skapats genom avståndsviktad interpolation.

11 Exempel: Ett skyfall, Malmö Skyfallet i Malmö (blå kurva med cirkelsymboler) i relation till några andra kända skyfallsförlopp. Kurvor utan symboler är intensitet-varaktighets-samband enligt Dahlström Längs y-axeln är avsatt de maximala blockregnsvolymer som förekommit någon gång under regnet. För Malmös del har det maximala värdet för samtliga stationer plottats i diagrammet. Punktdata för Malmökurvan kan alltså komma från olika stationsplaceringar..

12 Malmö Foto: Erik Mårtensson, DHI

13 Köpenhamn Foto: Polfoto-Mogens Flindt/Scanpix

14 Malmöregnet är sönderdelat i SMHI:s dygnsstatistik Diagrammet visar kvartsnederbörd för SMHI Malmö A söndagen den 31 augusti Av praktiska skäl klassar SMHI ett nederbördsdygn som den mängd som fallit mellan klockan 07 (08 sommartid) och klockan 07 (08 sommartid) påföljande dygn. Detta innebär att regnet föll under två separata nederbördsdygn.

15 Framtida regnstatistik i Sverige Svenskt Vatten P110: Remissversion : en klimatfaktor på 1.25 bör användas för nederbörd med kortare varaktighet än en timme. SMHI-publikation KLIMATOLOGI nr 6, 2013 ger en bra sammanfattning av aktuellt kunskapsläge för svenska förhållanden. (En klimatfaktor på 1.25 är samma sak som att säga: Vi dimensionerar för 20-årsregn i stället för 10- årsregn med dagens regnstatistik ).

16 Tidigare projekt Regnintensitet i Europa med fokus på Sverige ett klimatförändringsperspektiv SVU-rapport Huvudpunkter Databas för regnstatistik Regnstatistik från Europa Historiska klimatprediktorer från Eobs-data Formel för regnstatistik Regionala klimatscenariodata (SMHI-RCA) Korrektion/biasjustering av scenarieresultat Framtida klimatperdiktorer/klimatförändringssignaler Tillämpningar för enstaka orter Klimatanaloger Urbanhydrologiska tillämpningar

17 Regnstatistik från Europa

18 Historiska klimatprediktorer från Eobs-data

19 Databas för regnstatistik Underlag för formelanpassning

20 Korrektion/biasjustering av scenarieresultat (RCM Regional klimatmodell) NEDERBÖRD Korrigeringen av nederbördsdata utförs säsongsvis i två steg: 1. Falskt duggregn avlägsnas från RCM-data, så att samma antal nederbördsdagar erhålls som i observerade data under kontrollperioden. 2. Återstående nederbörd justeras så att scenariodata för kontrollperioden matchar den observerade frekvensfördelningen. Erhållen korrektion tillämpas på scenariodata framåt i tiden TEMPERATUR Samma princip som vid korrektion av nederbördsdata tillämpas på temperaturdata, dvs. korrektionsfaktorer tas fram genom att jämföra RCM-data med observerade värden för en kontrollperiod. För temperaturdata, däremot, används en linjär regressionsmetod. Korrektionen utförs för varje kalendermånad, till skillnad från korrektionen av nederbörd som görs säsongsvis. Klimatförändringssignaler

21 Tillämpningar Klimatanaloger

22 Detta projekt (pågående ) Bygger på erfarenheter från förra projektet, samband som kan vaskas fram från regndatabasen, befintliga rutiner för exempelvis korrigering av scenariodata och databashantering. + Användarvänlig presentation och tillgänglighet av relevanta data. Regnintensitet i ett förändrat klimat i Sverige med data tillgängliga för användare Medforskare: Bengt Dahlström, Ombros f.d. SMHI Erik Kjellström, SMHI

23 Punkterna visar läget för centrum hos 50x50 km RCA-pixlar med urvalskriterier: inom polygonen Sverige + land-andel > st

24 Prototyp för datautdrag