Flood forecasting for fast responding catchments including uncertainty

• Antragsteller: Professor Dr.-Ing. Gerd H. Schmitz
• Fachliche Zuordnung: Hydrogeologie, Hydrologie, Limnologie, Siedlungswasserwirtschaft, Wasserchemie, Integrierte Wasserressourcen-Bewirtschaftung
• Förderung: Förderung von 2007 bis 2016
• Projektkennung: Deutsche Forschungsgemeinschaft (DFG) - Projektnummer 59676189

• Erstellungsjahr: 2013

Zusammenfassung der Projektergebnisse

Für eine frühe Warnung vor Sturzfluten in schnell reagierenden Einzugsgebieten werden in der Regel hydrologische Modelle benutzt. Die Modellierung und Simulation dieser, in Deutschland relativ seltenen Ereignisse, ist jedoch eine große Herausforderung, da Sturzfluten trotz begrenzter Datenverfügbarkeit präzise, zuverlässig und schnell vorhergesagt werden müssen. Da diese Phänomene vor allem in kleineren Einzugsgebieten mit hoher Abflussdynamik zu beobachten sind, stellt die simulationsbasierte Vorhersage von Sturzfluten hohe Anforderungen (1) an die Messung und die Vorhersage des Niederschlags, (2) an die Charakterisierung des Gebietszustandes, (3) an eine möglichst physikalisch-begründete Abbildung der Fließwege und -prozesse durch eine geeignete Modellstruktur in Niederschlags–Abflussmodellen sowie (4) an eine differenzierte Beschreibung der heterogenen Strukturkomponenten im Einzugsgebiet, die die hydraulischen Fließeigenschaften beeinflussen (wie z.B. Morphologie, Landnutzung, Boden und Geologie) und als Modellparameter benötigt werden. Das Hauptziel der Arbeit war daher die Entwicklung von geeigneten Methoden zur simulationsbasierte Vorhersage von Sturzfluten, die operativ einsetzbar sind und die auftretenden Unsicherheiten zuverlässig quantifizieren können. Am Anfang des Projektes stellten sich die folgenden Ausgangsfragen: (1) Wie lässt sich ein modulares Schema für Monte Carlo Simulationen aufbauen, dass die einzelnen Unsicherheitsquellen und ihre Abhängigkeiten berücksichtigt? (2) Wie können insbesondere die Unsicherheiten von Modellstruktur- und Modellparameterunsicherheit reduziert werden? (3) Wie wird eine schnelle Vorhersage von Sturzfluten, die Erwartungswerte und statistische Kennwerte mit der Zuverlässigkeit einer numerischen Monte Carlo Simulation ermittelt, technisch realisiert? Das Projekt konnte mit der Entwicklung von drei neuen Methoden zur simulationsbasierte Vorhersage von Sturzfluten beitragen. Mit MO-ROPE ist ein Parameterschätzverfahren entwickelt worden, dass sehr zuverlässig und relativ effizient optimale Modellparameter bestimmen kann. MO-ROPE erweitert die Idee der robusten Parameterschätzung für multi-kriterielle Anwendungen und erzielt einen beträchtlichen Effizienzgewinn bei der Berechnung robuster Modellparameter durch eine zielgerichtete evolutionäre Suchstrategie. Das zweite entwickelte Verfahren zur Integration der verschiedener Unsicherheitskomponenten beruht auf einem hierarchischen Schema, dass gezielt Monte Carlo Simulationen miteinander verknüpft. Die Integration der einzelnen Unsicherheitskomponenten zur Gesamtunsicherheit gelingt, weil die Unabhängigkeit einzelner Komponenten, wie des Niederschlages und der Modellparameter, angenommen wird. Die dritte Methode ermöglicht eine Echtzeitvorhersage von Sturzfluten einschließlich einzelner Unsicherheitskomponenten mit Ersatzmodellen, die auf Gauß-Prozessen (GP) basieren. Die entwickelten modulare Modellstrukturen mit GP-Netzwerken erlauben ”modulare Monte Carlo Simulationen” zur Unsicherheitsanalyse und gehen damit über vergleichbare Ansätze hinaus. Die Ergebnisse der numerischen Experimente im Rietholzbach-Einzugsgebiet zeigen, dass mit MO-ROPE die Unsicherheiten, die durch die Mehrdeutigkeit von Parametern entstehen, maßgeblich reduziert werden können. Für die GP-Ersatzmodelle konnte die Eignung zur operative Vorhersage im Rietholzbach- Einzugsgebiet nachgewiesen werden. Zu den offenen Fragen gehört in erster Linie die Verbesserung der Niederschlagsmessungen für die N–A-Modellierung und die Einbeziehung von neuesten Vorhersageverfahren in die Echtzeitvorhersage, da die Unsicherheiten der Niederschlagsmessung die Gesamtunsicherheit auch im untersuchten Einzugsgebiet deutlich dominieren. Weiterhin sind Entwicklungen erforderlich, die Modellstrukturunsicherheiten berücksichtigen und in das vorgestellte Verfahren zur Integration der verschiedener Unsicherheitskomponenten aufgenommen werden können.

Projektbezogene Publikationen (Auswahl)

• Comparative predictions of discharge from an artificial catchment (chicken creek) using sparse data. Hydrology and Earth System Sciences, 13(11):2069–2094, 2009
  H. M. Holländer, T. Blume, H. Bormann, W. Buytaert, G. B. Chirico, J. F. Exbrayat, D. Gustafsson, H. Hölzel, P. Kraft, and C. Stamm
  
• Parameterising hydrological models - comparing optimisation and robust parameter estimation. Journal of Hydrology, 404(3-4):323–331, 2011. ISSN 0022-1694
  J. Cullmann, T. Krausse, and P. Saile
  
• Robust multi-objective calibration strategies - possibilities for improving flood forecasting. Hydrology and Earth System Sciences, 16(10):3579–3606, 2012. ISSN 1027-5606
  T. Krausse, J. Cullmann, P. Saile, and G. H. Schmitz
  
• Towards a more representative parametrisation of hydrologic models via synthesizing the strengths of particle swarm optimisation and robust parameter estimation. Hydrology and Earth System Sciences, 16(2):603–629, 2012. ISSN 1027-5606
  T. Krausse and J. Cullmann
  
• Uncertainty quantification of rainfall runoff predictions using Gaussian process models. In A. Abbasi and N. Giesen, editors, EGU General Assembly Conference Abstracts, volume 14 of EGU General Assembly Conference Abstracts, page 10560, Apr. 2012
  N. Schütze and M. Brettschneider
  
• Impact of modellers’ decisions on hydrological a priori predictions. Hydrology and Earth System Sciences Discussions, 10:8875–8944, 2013
  H. M. Holländer, H. Bormann, T. Blume, W. Buytaert, G. B. Chirico, J. F. Exbrayat, D. Gustafsson, H. Hölzel, T. Krauße, P. Kraft, et al.