seminar oberflächenhydrologie - boku · 1 seminar oberflächenhydrologie lv-nr.: 816.305 modul...

1

SeminarOberflächenhydrologieLV-Nr.: 816.305

Modul Hydrologie und Wasserwirtschaftliche PlanungMag. KTWW (431) und Mag. WU (432)Gebundenes Wahlfach 2 SWS (3 ECTS)

Sommersemester 2008

4. Übungseinheit

Lehrveranstaltungsleiter:Hubert Holzmann

Email: [email protected]

Inhalt 4. Übungseinheit(1) Präsentation der Ergebnisse durch Studierendengruppen

(2) Methoden der Hochwasserprognose

(3) Fallbeispiel zur operationellen HQ-Prognose

2

Institut für Wasserwirtschaft, Hydrologieund Konstruktiven Wasserbau

Vorstand: Prof. H.P. Nachtnebel Universität für Bodenkultur Wien

Runoff forecasts and early warning systems

Ao.Univ.Prof. Dipl.Ing. Dr. Hubert Holzmann(Email: [email protected])

Risikomanagement und NaturgefahrenBOKU Kongress - Wien, November 2001


Situation

• Increasing Number of FloodsOder, Weichsel, Rhein, Donau, Traisen, Machland, Tessin, etc.

• Significant increasing Flood Losses

• Potential Causes- Cyclic behaviour of meteorological forces- Climatic Change- Decrease of retention areas- Increasing settlements and constructional activities - Inaccurate design of flood protection measures

3

Loss development of the last 50 years


Flood Damages

4

Flood Warning Principles

Upstream Gauge:- Flood Routing- Statistical Methods

Rainfall :- Rainfall-Runoff Modelling- Snow Melt Modelling- Flood Routing

Weather Forecasts:- Weather Models- Rainfall-Runoff Modelling- Snow Melt Modelling- Flood Routing

1h - days

1h - 12h

3h - 3 days

Time t

Runoff Q (m3/s)

Threshold


Statistical Methods:Predictors are upstream runoff data, rainfall, air temperature or soil moisture dataData are available online.

•(Multiple) Regression•Cross Correlation•Markov Processes•Bayesian Methods•Kalman Filter Techniques

Rainfall-Runoff Models:Rainfall data are used as online model input. The lead time corresponds to the runoff formation and translation time)

•Event based models•Continuous Models•Deterministic Models•Conceptual Models•Snowmelt and Snow accumulation Models

Meteorological Forecasts:Distribution of continental Air Temperature, Humidity and Air pressure.

•ECMWF (Reading)•ALADIN (LAM)•+ RR-Modelling


Forecast Methods

5

Schneeschmelze undSchneeakkumulation

Schneeakkumulation:

If Ti < O oC wobei Ti ... mittl. Tageslufttemperatur der Höhenstufe i(gemäß Temperaturgradient)

Durch die Schneeakkumulation reduziert sich der abflußwirksame Niederschlaggemäß dem flächengewichteten Anteil des Neuschnees.

Schneeschmelze:

If Ti > O oC qi = fak* Ti (Grad-Tag-verfahren)wobei qi den aktuellen, akkumulierten Schneespeicher nicht überschreitenkann.

.

bw1

Oberflächenabfluss f(bw, h1, k1)

NiederschlagSchneeschmelze

Zwischenabfluss f(bw1, h2, k2)

Versickerung f(bw1, h2, k3)

h1

h2

bw2Basisabfluss f(bw2, k4)

Oberflächenspeicher

Freies Bodenwasser

Pflanzenverfügbares Bodenwasser

Verdunstung

FK

PWP

Niederschlags-Abfluss Modell

Schneeakkumulation Tiroler Inn 1990 - 1991

Zeit (d)

Akk

. Sch

nee

in m

mW

aequ

.

0 200 400 600

010

020

030

040

050

0

Hoehenzone 0-500 m.ShHoehenzone 500-1000 m.ShHoehenzone 1000-1500 m.ShHoehenzone 1500-2000 m.ShHoehenzone 2000-2500 m.ShHoehenzone 2500-3000 m.Sh

Zeit (d)

Abflu

ss (

m3/

s)

0 20 40 60

02

46

810

Q beobachtetQ EchtzeitsimulationQ PrognoseQ zukuenftig

Snowmelt and Runoff

SchneeschmelzmodellSchneeakkumulation Tiroler Inn 1990 - 1991

Zeit (d)

Akk.

Sch

nee

in m

mW

aequ

.

0 200 400 600

010

020

030

040

050

0

Hoehenzone 0-500 m.ShHoehenzone 500-1000 m.ShHoehenzone 1000-1500 m.ShHoehenzone 1500-2000 m.ShHoehenzone 2000-2500 m.ShHoehenzone 2500-3000 m.Sh

bw1

Oberflächenabfluss f(bw, h1, k1)

NiederschlagSchneeschmelze

Zwischenabfluss f(bw1, h2, k2)

Versickerung f(bw1, h2, k3)

h1

h2

bw2Basisabfluss f(bw2, k4)

Oberflächenspeicher

Freies Bodenwasser

Pflanzenverfügbares Bodenwasser

Verdunstung

FK

PWP


Flood Warning Systems

•Lead time must be sufficient for protection measures- Reliable results achievable for bigger catchments with longer response time - For smaller catchments the combination with retention basins is recommended

•Protection Measures:Active Measures:- Mobile Flood Protection- (operable) retention basin- sand bags

Passive Measures:- Evacuation of victims- Polders (pumping)

The effectiveness increases with the length of the lead time !!!


6

Data Management

Real time observationRainfall, Temperature, Runoff (incl. Forecasts)

Data Transmission to computer centerRadio- and telephone transmission

Data ProcessingTime Series, Preprocessing, Regionalisation

Runoff ComputationModels

Transmission of results to the civil servicesActions and Master Plans due to runoff categories

Short term protection actionsMobile flood protectors, warnings, evacuations, etc.

Updating:Improving of forecasts by means of estimation error

No Flood

Flood


Conclusions

• Flood Warning Systems are important instruments of civil protection.

• Short term measures are efficiently applicable if- online data ,- efficient forecast models, - appropriate protection measures and- sufficient master plans are available.

• Permanent protection level (dams, runoff capacity) varies within30 and 100 years frequency. Additional warning systems decrease the remaining risk for big flood events.

• Flood warning systems do not substitute the necessity of a reliable environmental planning system with adopted land utilisation due to hazards and risks.

• Runoff forecasts can be used for other objectives (e.g. forecasts of hydro-electrical potential, river navigation, etc.)


7

HD Salzburg, 2. Okt. 2006

Department für Wasser, Atmosphäre und Umwelt

Inst. für Wasserwirtschaft, Hydrologie und Konstruktiven Wasserbau

Universität fürBodenkultur Wien

Hochwassermodellierung in kleinen Einzugsgebieten

Methodische AspekteHubert Holzmann

Email: [email protected])

Inhalt

• Veranlassung u. Hintergrund• Spezifika kleiner Einzugsgebiete• Methoden und Verfahren

- Statistische Verfahren- Einheitsganglinienverfahren- Unbeobachtete Einzugsgebiete

• Erste Ergebnisse• Allgemeine Erkenntnisse• Ausblick


8

Veranlassung u. Hintergrund

Vorstudie Hochwasserprognose für Nebeneinzugsgebiete


Auftraggeber: Amt der Niederösterr. LandesregierungHR. DI Labut

Auftragnehmer: SCIETECH FlussmanagementDI G. Reichel

ZAMG – WienDr. Th. Haiden

IWHW - BOKUProf. DI Dr. H. Holzmann

DELFT HydraulicsDr. D. Schwanenberg


Warum Hochwasserprognosen ?

- Regionale und überregionale Hochwässer in den letzten Jahren- Grenzen des Schutzwasserbaus- Reduktion des (Restrisikos) und der Vulnerabilität- Etablierung von Frühwarnsystemen- Rasche und direkte Information der Öffentlichkeit


9


Ausgangslage in Niederösterreich

- Haupt- und Nebeneinzugsgebiete- Unterschiedliche Gebietscharakteristik (Abflussregime, Besiedelung, Größe, etc.)

- Unterschiedliche Modellrealisierungen- Flächendeckende Vorhersage




10

Spezifika kleiner EZG

• Eingeschränkte Datenlage (N, Q, T)• Eingeschränkte fernübertragene Daten• Dominanz konvektiver NS-Ereignisse• Rasche Systemreaktion• Hohe zeitliche Auflösung der Daten erforderlich • Kurze Prognosefristen• Begrenzte räumliche Übertragbarkeit


Prognosekonzept


Niederschlag

Abfluss

Realtime Nowcast LA-Model (ALADIN)

11


8 10 2002 - 8 19 2002

Julian. Tag

Nie

ders

chla

g (m

m)

15562 15564 15566 15568 15570

02

46

810

Julian. Tag

Abf

luss

(m3/

s)

15562 15564 15566 15568 15570

020

4060

8010

0

Prognosekonzept


8 10 2002 - 8 19 2002

Julian. Tag

Nie

ders

chla

g (m

m)

15562 15564 15566 15568 15570

02

46

810

Julian. Tag

Abf

luss

(m3/

s)

15562 15564 15566 15568 15570

020

4060

8010

0

Prognosekonzept

12


8 10 2002 - 8 19 2002

Julian. Tag

Nie

ders

chla

g (m

m)

15562 15564 15566 15568 15570

02

46

810

Julian. Tag

Abf

luss

(m3/

s)

15562 15564 15566 15568 15570

020

4060

8010

0

Prognosekonzept

Erfordernisse und Erwartungen

Allgemein• Flächendeckendes Prognosesystem für ganz Niederösterreich bis 2013• Bereitstellung einer Hochwasserwarnung im Internet• Bereitstellung von Prognoseganglinien mit Konfidenzintervall und/oderBereitstellung von Warnstufen

• Automatischer Betrieb des Warnsystems

Für kleine Einzugsgebiete• Einfacher Methodenansatz zur einfachen Parameterisierung und

Datenhandhabung • Übertragbarkeit der Konzepte von beobachteten auf unbeobachtete EZG• Differenzierte Visualisierungsoptionen


13

Methoden


Angewendete Verfahren

- Statistische Verfahren- Einheitsganglinienverfahren- Unbeobachtete Einzugsgebiete

Methoden


Statistische Verfahren zur Hochwasserprognose

Zielgrößen: HQ-Scheitel

Auftrittszeitpunkt HQ-Scheitel

Prediktoren: Niederschlagssumme

Niederschlagsintensität

Monatszahl

Vorregenindex am Ereignisanfang

Vorregenindex Ereignismaximum

14

Hydr.-meteorol. Größen

Niederschlagssumme

NiederschlagsdauerNiederschlagsschwerpunkt

Systemzustand (Vorfeuchte)

8 10 2002 - 8 19 2002

Jul. Tag

Nie

ders

chla

g (m

m)

15562 15564 15566 15568 15570

02

46

810

Jul. Tag

Abf

luss

(m3/

s)

15562 15564 15566 15568 15570

020

4060

80

Abflussscheitel

Anstiegszeit

Translationszeit

EZG Charakteristik(Fläche, Fließlänge, Höhendifferenz)


Methoden


Fahrafeld / Triesting

beob. (m3/s)

sim

ulie

rt (m

3/s)

50 100 150

050

100

150 Param. qmax Korr.: 0.95

Hirtenberg / Triesting

beob. (m3/s)

sim

ulie

rt (m

3/s)

50 100 150 200 250

050

100

150

200

250

Param. qmax Korr.: 0.74

Gutenstein (Kirche) / Piesting

beob. (m3/s)

sim

ulie

rt (m

3/s)

5 10 15 20 25 30 35

010

2030 Param. qmax Korr.: 0.76

Woellersdorf (Hydro) / Piesting

beob. (m3/s)

sim

ulie

rt (m

3/s)

20 40 60 80 100

020

4060

8010

0


Ehrendorf / Lainsitz

beob. (m3/s)

sim

ulie

rt (m

3/s)

50 100 150

050

100

150


Gegenüberstellung beobachteter und berechneter HQ-Scheitelwerte (mittels statistischer Methode).

15

Methoden


Fahrafeld / Triesting

Zeit

Abflu

sssc

heite

l (m

3/s)

050

100

200

04/17/1994 04/17/1995 04/17/1996 04/17/1997 04/17/1998 04/17/1999 04/17/2000 04/17/2001 04/17/2002

Meldestufe 1

Meldestufe 2

Meldestufe 3

Meldestufe 4

Q beobachtetQ berechnet

-2 0 2

02

46

810

14

Fehler der Warnstufe / n = 19

Differenz in Meldestufe

Abso

l. H

aeuf

igke

it

Hirtenberg / Triesting

Zeit

Abflu

sssc

heite

l (m

3/s)

050

150

250

05/17/1991 05/17/1993 05/17/1995 05/17/1997 05/17/1999 05/17/2001

Meldestufe 1Meldestufe 2

Meldestufe 3

Meldestufe 4


-2 0 2

02

46

810

12



Abso

l. H

aeuf

igke

it

Gutenstein (Kirche) / Piesting

Zeit

Abflu

sssc

heite

l (m

3/s)

010

2030

4050

07/27/1991 07/27/1993 07/27/1995 07/27/1997 07/27/1999 07/27/2001 07/27/2003

Meldestufe 1Meldestufe 2

Meldestufe 3

Meldestufe 4


-2 0 2

02

46

810



Abso

l. H

aeuf

igke

it

Woellersdorf (Hydro) / Piesting

Zeit

Abflu

sssc

heite

l (m

3/s)

020

4060

8012

0

05/17/1991 05/17/1993 05/17/1995 05/17/1997 05/17/1999 05/17/2001 05/17/2003

Meldestufe 1

Meldestufe 2

Meldestufe 3

Meldestufe 4


-2 0 20

24

68

1012



Abso

l. H

aeuf

igke

it

Ehrendorf / Lainsitz

Zeit

Abflu

sssc

heite

l (m

3/s)

050

100

150

05/17/1991 05/17/1993 05/17/1995 05/17/1997 05/17/1999 05/17/2001

Meldestufe 1Meldestufe 2Meldestufe 3Meldestufe 4


-2 0 2

02

46

8



Abso

l. H

aeuf

igke

it

Methoden


Ergebnisse der Schätzung des HQ-Auftrittszeitpunktes

7.3721.679 Ehrendorf

6.8236.206 Wöllersdorf

4.9120.825 Gutenstein

12.9821.124 Hirtenberg

5.7214.133 Fahrafeld

Stabwg. (in hh)Mittlere Anstiegszeit (in hh)

Gebiet

16

Methoden


Statistische Verfahren - Zusammenfassung

Vorteile: •Geringer Modellierungsaufwand

•Effiziente Berechnungszeiten

Nachteile: •Verfügbarkeit von N und Q muss gegeben sein

•Keine Information über Ganglinienverlauf

•Keine direkte Übertragbarkeit auf andere EZG

Methoden


Einheitsganglinienverfahren zur Hochwasserprognose

Zielgrößen: Abflußganglinie (inkl. Scheitel u. Volumen)

Ausgangsdaten: Fließlänge

Höhendifferenz

Monatszahl

Niederschlagskennzahlen

17

Methods

Konzept kleiner Einzugsgebiete• Flächenaggregierte und ereignisbezogene Modellierung

• Dreiecksförmige Einheitsganglinie mit variabler Basis

• Dynamischer Abflussbeiwert

Methoden


Methoden


Effektivniederschlag

Zielgrößen: Anfangsverlust

Abflussbeiwert am Ereignisanfang

Abflussbeiwert am Ereignisende

Prediktoren: Vorregenindex

Monatszahl

Niederschlagskennzahlen

18

Methoden

Verlustrate und Effektivniederschlag

Zeit (h)

Nie

ders

chla

g (m

m)

0 10 20 30 40 50

0.0

0.2

0.4

0.6

0.8

1.0

Variable Abflussbeiwerte

Akkum. Niederschlag (mm)

Abf

luss

beiw

ert

0 5 10 15 20

0.0

0.2

0.4

0.6

0.8

1.0

variabler,linearer Abflussbeiwertlognormalverteilter Abflussbeiwert

Dynamischer Abflussbeiwert


MethodenKonstanter Abflussbeiwert

Rainfall and Excess

Julian day

Pre

cipi

tatio

n (m

m)

13700 13702 13704 13706 13708

02

46

8

UH-Discharge

Julian day

Dis

char

ge (m

3/s)

13700 13702 13704 13706 13708

020

4060 Init. Loss : 30Method : 2Lossrate / RR-Coeff 0.5 Stretch-Faktor 10


19

Linear variabler AbflussbeiwertRainfall and Excess

Julian day

Pre

cipi

tatio

n (m

m)

13700 13702 13704 13706 13708

02

46

8

UH-Discharge

Julian day

Dis

char

ge (m

3/s)

13700 13702 13704 13706 13708

020

4060 Init. Loss : 30

Method : 3Lossrate / RR-Coeff 0.1 0.75Stretch-Faktor 10


Methoden

Lognormalverteilter AbflussbeiwertRainfall and Excess

Julian day

Pre

cipi

tatio

n (m

m)

13700 13702 13704 13706 13708

02

46

8

UH-Discharge

Julian day

Dis

char

ge (m

3/s)

13700 13702 13704 13706 13708

020

4060 Init. Loss : 0Method : 4Lossrate / RR-Coeff 4.5 0.6Stretch-Faktor 10


Methoden

20

Methoden

A priori Parameterschätzung

UH-stretch Factor: stretch = f(nsum, nintens, month)Anfangsverlust: Initloss = f(apistart, month)Start-ABW: Lowpsi = f(Initloss, Upperpsi)End-ABW: Upperpsi = f(apistart, apipeak, nsum, nintens, month)

wherensum …total storm rainfall

nintens …rainfall intensitymonth …month (hydrological year)

apistart …antecedent precipitation index at start of stormapipeak …maximum antecedent precipitation index during storm


Kalibrierung

Ergebnisse


21

A priori Parameterschätzung

Ergebnisse


Methoden

A priori Parameterschätzung für unbeobachtete EZG

wherenintens …rainfall intensitymonth … month (hydrological year)

apistart … antecedent precipitation index at start of storm

9 - 12

5 - 8

1- 4

0 - 2 2 - 4 4 – 6

NIntens

small Mod. small

mean

mean Mod. big

Mod. big

big

Mod. small

mean

9 - 12

5 - 8

1- 4

0 - 3 4 - 6 7 – 9

APIStart

big Mod. big

mean

mean Mod. small

Mod. small

small

Mod. big

mean

mon

th

mon

th

Initial Loss: Upper Psi:

Stretch Factor:0 – 2 2 – 4 > 4

NIntens

big mean small


22

Rainfall and Excess

Julian day

Pre

cipi

tatio

n (m

m)

13442 13443 13444 13445 13446 13447

02

46

8

20.10.1996

UH-Discharge

Julian day

Dis

char

ge (m

3/s)

13442 13443 13444 13445 13446 13447

010

2030

Init. Loss : 3Method : 3Lossrate / RR-Coeff 0 0.6Stretch-Faktor 10Zielwert: 2.56

20.10.1996

HQ-1

HQ-30

HQ-5

Ergebnisse

A priori Parameterschätzung für unbeobachtete EZG


Forecast Model Rainfall and Excess

Julian day

Pre

cipi

tatio

n (m

m)

15234 15235 15236 15237 15238 15239

01

23

16.9.2001

UH-Discharge

Julian day

Dis

char

ge (m

3/s)

15234 15235 15236 15237 15238 15239

010

2030

4050

60

PrognoseTime to Peak 30.96 hh


23


Julian day

Pre

cipi

tatio

n (m

m)

15234 15235 15236 15237 15238 15239

01

23

16.9.2001

UH-Discharge

Julian day

Dis

char

ge (m

3/s)

15234 15235 15236 15237 15238 15239

010

2030

4050

60

PrognoseTime to Peak 24 hh



Julian day

Pre

cipi

tatio

n (m

m)

15234 15235 15236 15237 15238 15239

01

23

16.9.2001

UH-Discharge

Julian day

Dis

char

ge (m

3/s)

15234 15235 15236 15237 15238 15239

010

2030

4050

60



24


Julian day

Pre

cipi

tatio

n (m

m)

15234 15235 15236 15237 15238 15239

01

23

16.9.2001

UH-Discharge

Julian day

Dis

char

ge (m

3/s)

15234 15235 15236 15237 15238 15239

010

2030

4050

60



EnsemblemodellPrecipitation

Runoff

Realtime Nowcast LA-Model (ALADIN)


25

Methods

)(1i

nt

ti

int

ti

ii Pa

aARI ⋅⋅= ∑

∑

−

=−

=

(1)

were i … Time index (in days) a … coefficient (=0.88) P … Precipitation (plus snowmelt

… optional) in mm/d n … memory length in days (=28)

time

2 Parametersn ... Memory lengtha ... Recession coefficient

Antecedent Precipitation Index API

t

t-i

t-j

P1

P2


Methods


Gebietsniederschlag - Enns 1996

Tage

NS

(mm

)

0 100 200 300

020

40

Vorregenindex (inkl. Schneeschmelze) - Enns 1996

Tage

VRI (

mm

)

13200 13300 13400 13500

02

46

812

Abfluss - Enns 1996

Tage

Q (m

3/s)

13200 13300 13400 13500

050

015

00

Rainfall

API

Runoff


26

Niederschlag

Zeit

NS

(mm

)

14487 14488 14489 14490 14491 14492 14493

0.0

1.0

2.0

3.0

Vorregenindex

Zeit

VR

I (m

m)

14487 14488 14489 14490 14491 14492 14493

05

1015

20

VRI (Stundenbasis)VRI (Tagesbasis)

Abfluss

Zeit

Q (m

3/s)

14487 14488 14489 14490 14491 14492 14493

010

3050

Methods


Rainfall

API

Runoff


Schlussfolgerung

• Ereignisbezogene NA-Modelle eignen sich für die Abflussprognose.

• Eine Übertragberkeit auf unbeobachtete Einzugsgebiete ist z.T. möglich.

• Der ansteigende Ast der EGL kann gut über topographische Infos (z.B. DHM) abgeschätzt werden.

• Die Form der EGL kann in Abhängigkeit zu Ereignisparameter variiertwerden.

• Verlustraten und Abflussbeiwerte können zufriedenstellend durch Funktionen aus Zustandsparameter geschätzt werden.

• Bei unbeobachteten EZG ermöglichen “Soft-Rules” die Vorabschätzung der Abflussbeiwerte. Zur Klassifizierung sind jedoch benachbarte, beobachtete EZG notwendig.

• Quantitative Niederschlagsprognosen sind notwendig, das Ergebnis hängt stark von der Güte der N-Prognose ab.

• Das EGL-Verfahren ermöglicht auch die Verwendung von Ensemblevorhersagen und die Darstellung von Konfidenzbereichen.


27

Allgem. Anmerkungen

• EGL-Verfahren für kleine EZG (< 300 km2)

• Bei größeren Gebieten Routing-Prozesse berücksichtigen.

• Für alpine Gebiete Schneeschmelzmodul erforderlich.- verteilte Modellierung- Schnee- u. Gletscherschmelze- Strahlung u. Temperatur

•


seminar oberflächenhydrologie - boku · 1 seminar oberflächenhydrologie lv-nr.: 816.305 modul...

Documents