Räumlich und zeitlich aufgelöste Niederschlagsverteilung über dem EZG als Input für die hydrologische Modellierung
Zielsetzung:
Räumlich und zeitlich hoch aufgelöste Niederschlagsverteilungen über dem EZG können einen verbesserteb Input für die hydrasulische Abflussmodellierung liefern und somit Planung und Betrieb erheblich verbessern. Dafür wurden drei verschiedene Niederschlagsinputs validiert:
1. Methode: --> "1 Station"
Inputdaten: einzelne Zeitreihe der Station REH (MeteoSchweiz in ZH-Affoltern) mit Δt = 10 min.
--> Messung der Station REH wird gleichmässig über EZG angenommen (d.h. Blockniederschlag)
Vorteil: einfache, oft angewendete Methode
Nachteil: keine räumliche Differenzierung, schlecht bei grossen EZG und konvektiven Niederschlägen
2. Methode: --> "Radar"
Inputdaten: Radarbilder der MeteoSchweiz, Produkt «Precip» mit 1000 × 1000 m, Δt = 5 min.
--> räumliche Verteilung des Radarbildes (bzw. Niederschlagsintensität) wird als Inpout verwendet.
Vorteil: flächige Abdeckung des EZG, räumliche Muster des Niederschlags erkennbar
Nachteil: Radarbilder haben eine Vielzahl von Fehlerquellen und produzieren systematischen Bias
3. Methode: --> "Innovation"
Inputdaten: Zeitreihen von 47 Punktmessungen (im Raum ZH) und Radarbilder (MeteoSchweiz)
--> 4- stufiger workflow für Kombination der Bodenmessungen mit Radar, 1000 × 1000 m, Δt = 1 min.
Vorteil: hochaufgelöst in Zeit (Δt = 1 min.) und Raum (1000 × 1000 m) des Niederschlages
Nachteil: Daten von mehreren Betreiber nötig, hohes Preprocessing, Fachkompetenz
Methode der Evaluation:
Es wurde eine Kreuzvalidierung ("Leave-One-Out") des Niederschlages angewandt, um die Güte der drei verschiedenen Niederschlagsinputs zu bewerten. Dabei wurde der observierte Wert xobs mit dem modellierten Wert xmod verglichen und die entstehenden Fehler mit 5 Zielfunktionen evaluiert:
- Bias [in mm]: ... für die Beschreibung der systematischen Fehler
- PBIAS [in %]: ... als Beschreibung des prozentualen Bias (im Vgl. zur Realität)
- RMSE [in mm2]: ... für die Beschrfeibung der Streuung der Fehler
- COR [ - ]: ... der Pearson Korrelationskoeffizient als Mass des linearen Zusammenhanges
- NSE [ - ]: ... die Nash-Sutcliffe Efficiency, die als Mass für die Genauigkeit und Vorhersagekraft des Niderschlagsmodelles verwendet wird.
Ergebnisse:
Die Verwendung nur einer Station REH ("1 Station") oder nur des "Radar" führt zu erheblichen, systematischen Fehlern. Je nach Typ des Niederschlagsereignisses können diese sytematischen Fehler dan zwischen einer Unterschätzung von 7.6% bis zu einer Überschätzung von 32.3 % führen. Die beiden einfacheren Ansätze ("1Station" und "Radar") unter- oder überschätzen je nach Ereignisart und Niederschlagsverteilung in Raum und Zeit. Bei der Einzelstation gibt es sogar negative NSE-Werte (d.h. die Schätzung ist schlechter ist als der Mittelwert aller Beobachtungen). Dies tritt bei der Einzelstation in zwei von vier Ereignissen auf, beim Radar in keinem, was den Radar als robustere Alternative bestätigt.
Die Methode "Innovation" liefert bei allen vier Niederschlagsereignissen den kleinsten, systematischen Fehler, der nur max. 5.9% beträgt. Die weiteren Ergebnisse sind in den folgenden Tabellen aufgeführt.
Die Zusammenführung der Radardaten und Bodenstationen eliminiert den systematischen Fehler weitestgehend, unabhängig vom Ereignistyp. Die Methode wirkt in zwei Stufen: erstens Bias-Anpassung durch die Bodenstationen, zweitens Varianzreduktion durch die verbesserte räumliche Auflösung. Bei Events mit geringer räumlicher Variabilität dominiert der erste Effekt, bei konvektiven der zweite. Die Korrelation bleibt durchgehend über 0.79 und die NSE-Werte der «Innovation» (0.625–0.874) zeigen, dass die Methode über alle Ereignisse hinweg gute bis sehr gute Schätzungen liefert.
Fazit: Die Zusammenführung von vielen(!) Bodenmessungen und Radarbildern (MeteoSchweiz) kann den Fehler des Niederschlages deutlich verringern. Es ermöglicht somit einen umweltfreundlichern, weil angepassten, und kostengünstigen Betrieb des Entwässerungssystemes.
Zurück / weiter zu: