Metodkonferensen Norrköping, 13-9-27 Osäkerheter i hydrologiska modeller
Principen för ensemble-prognoser En deterministisk prognos (kontroll) Små störningar i starttillståndet kan ge olika utvecklingar 5 alternativa utvecklingar (ensemblemedlemmar) Halva upplösningen Alla utfall anses lika sannolika (även kontrollen) Temperatur EPS-medlemmar Kontroll Utfall Temperatur PDF(t) PDF() Tid
EPS Meteogram för Norrköping Från 3 maj 5
HBV-modellen (född 1972) Räknar om till vattenföring (dämpning)
Flödet år i Arvika enligt HBVmodellen
HYPE-modellen (född 5) Hydrological Predictions for the Environment Simulerar dagliga flöden och omsättning av vatten, kväve, fosfor och TOC Ämnena följer vattnets flödesvägar Grundvattenytan en funktion av vattenhalten i marken Anpassad för storskaliga tillämpningar Parametrarna knutna till jordart, markanvändning och ev. region, kalibreras
Exempel på HYPE-simulering Kalixälven, Räktjärv (NSEW=93%) och Räktfors (NSEQ=94%) NSE = Nash-Sutcliffe Efficiency, Förklarad andel av variansen, = 1 felet
Uppdatering i HBV-modellen Temp, TPrec Indata, I Snö Avdunstning Markfuktighet UZ, State Parametrar ( ) Tillstånd S=f(l, ) UZ Avrinning Dämpning LZ AR Utdata, Q=f(,S)
Exempel på HBV-simulering Uppdatering med AR-metoden
Utvärdering av hydrologiska prognoser uppdaterade med AR-metoden Q, % Avvikelse 25 15 5 Dag Dag 1 Dag 2 Dag 3 Dag 4 Dag 5 Dag 6 Dag 7 Götaland, 15 dec 3-14 mar 4
HYPE-noggrannhet NSE, dygnsskala, Area> km2
Stora,Q Medel,Q Små,Q Stora,QR Medel,QR Små,QR Nash-Sutcliffe Efficiency NSE för Q S-HYPE och S-HYPE12.9.8.7.6.56.69 NSE.66.78 1..9.8.7 NSE, mean Totalt 2 stations S-HYPE S-HYPE12.5.4. 12.6.5.4..... MEAN MEDIAN.. Kal. 1999-8 1991- Kal. 1999-8 Resten = validering
S-HYPE12 vid Sph NSE, generalisering till hela landet, mått på osäkerheten
Q (m 3 /s) P (mm) T (C) EPSprognoser med HBV Alla 5 medlemmarna simuleras 4 P 6-aug 7-aug 8-aug 9-aug -aug 11-aug 12-aug 13-aug 14-aug Prognosdygn 15 5 T 6-aug 7-aug 8-aug 9-aug -aug 11-aug 12-aug 13-aug 14-aug Prognosdygn HBV-modellen Q 6-aug 7-aug 8-aug 9-aug -aug 11-aug 12-aug 13-aug 14-aug Prognosdygn
Q (m 3 /s) Q (m 3 /s) Q (m 3 /s) a (dygn 1) Exempel på EPS 1, 2, & 3 dygn framåt 5-aug 6-aug 7-aug 8-aug 9-aug -aug 11-aug 12-aug 13-aug 14-aug b (dygn 2) 5-aug 6-aug 7-aug 8-aug 9-aug -aug 11-aug 12-aug 13-aug 14-aug c (dygn 3) 5-aug 6-aug 7-aug 8-aug 9-aug -aug 11-aug 12-aug 13-aug 14-aug
Vattenföring (m 3 /s) EPS-simuleringar med HBV-modellen Hydrologiska ensembleprognoser 2% 25% 5% 75% 98% 1 2 3 4 5 6 7 8 9 tid t Uppmätt Operativ EPS-median EPS-kvartil EPS-min/max Testprognoser för vattenföring i Kultsjön utfärdade -8-5
Uppskattning av total osäkerhet (Vems är felet?) Osäkerhet i meteorologiska Osäkerhet prognosdelen i den meteorologiska (t.ex. prognosen långtidsprognos) + Osäkerhet i hydrologiska modellen
Tillrinning (m 3 /s) Exempel Kultsjön, sommaren Prognoser gjorda två dygn tidigare Uppmätt Beräknat Spridningen mellan EPS-medlermmarna Uppskattad total spridning 84 88 812 816 Uppmätta data 84 88 812 816 Tvådygnsprognoser ( resp. 9%) 84 88 812 816 Tvådygnsprognoser ( resp. 9%)
P [mm] Q [m3/s] P [mm] Q [m3/s] P [mm] Q [m 3 /s] Prognoser, nederbörd och vattenföring Prognoslängd: 1 dygn 35 7 25 6 5 15 4 5 1-jan 4-jan 7-jan -jan 13-jan 16-jan 19-jan Datum 1-jan 4-jan 7-jan -jan 13-jan 16-jan 19-jan Datum Prognoslängd: 2 dygn 35 7 25 15 5 6 5 4 1-jan 4-jan 7-jan -jan 13-jan 16-jan 19-jan Datum 1-jan 4-jan 7-jan -jan 13-jan 16-jan 19-jan Datum Prognoslängd: 5 dygn 35 7 25 6 5 15 5 1-jan 4-jan 7-jan -jan 13-jan 16-jan 19-jan Datum 4 1-jan 4-jan 7-jan -jan 13-jan 16-jan 19-jan Datum
Varningstjänstens indikatorområden - bla. för utvärdering av EPS
RMAE (%) Spred-Skill utvärdering 45 områden: Stor spridning Osäker prognos 8 6 4 Dygn 1 Dygn 3 Dygn 5 Dygn 7 Dygn 9 M.låg Låg Medel Hög M.hög Spridning
Frekvens (%) Frekvens (%) Sannolikhetsutvärdering Exempel på Talagrand-diagram 5 dygn framåt a b 25 25 15 15 5 5 <min min- 25% 25%- 5% 5%- 75% 75%- max >max <min min- 25% 25%- 5% 5%- 75% 75%- max >max Hammarby Teoretisk Ersbo Teoretisk
Q (m3/s) Ökad spridning genom empiriska korrektioner av percentilerna (kalibrering) 4 C max 98% 5% 2% C min 4-aug 5-aug 6-aug 7-aug 8-aug 9-aug -aug 11-aug 12-aug 13-aug 14-aug OBS EPS-median EPS-min/max Korr. EPS-min/max
Exempel på Talagrand-diagram före och efter korrektion av percentiler 4 Dygn 1 - original 4 Dygn 5 - original 4 Dygn 9 - original <min min- 25% 25%- 5% 5%- 75% 75%- max >max <min min- 25% 25%- 5% 5%- 75% 75%- max >max <min min- 25% 25%- 5% 5%- 75% 75%- max >max 4 Dygn 1 - korrigerad 4 Dygn 5 - korrigerad 4 Dygn 9 - korrigerad <min min- 25% 25%- 5% 5%- 75% 75%- max >max <min min- 25% 25%- 5% 5%- 75% 75%- max >max <min min- 25% 25%- 5% 5%- 75% 75%- max >max
Operationellt system för EPS vid SMHI, sedan juli 4 Aegir Databases Preparation HBV model Post calculations Product generation WebHypro FTP-sites Other users Access database
Kategoriska och EPS-prognoser i Web-HyPro Exempel 6-3-24
Sannolikhetsprognoser (smhi.se) Exempel 8-1-17
Sammanfattning och slutsatser Hydrologiska ensembleprognoser sedan 4. EPS-medianen stämmer ungefär lika bra som den kategoriska, och är mer stabil från dag till dag. EPS ger ett mervärde spridningen är ett mått på noggrannheten i prognosen. Ungefär lika stora andelar av osäkerheten i hydrologiska prognoser från väderprognosen som från den hydrologiska modellen. Personlig uppfattning: Hellre förbättra metoderna än att fördjupa oss i osäkerhetsteorier. Nästa modell är den bästa!