Combining smart model diagnostics and effective data collection for snow catchments [Elektronische Ressource] / Dominik Reusser

Dominik E. Reusser

Informations

• Publié par: universitat_potsdam
• Publié le: 01 janvier 2011
• Nombre de lectures: 9
• Langue: English
• Poids de l'ouvrage: 11 Mo

Extrait

Combiningsmartmodeldiagnosticsandeffectivedata
collectionforsnowcatchments
DominikReusser











































Published online at the
Institutional Repository of the University of Potsdam:
URL http://opus.kobv.de/ubp/volltexte/2011/5257/
URN urn:nbn:de:kobv:517-opus-52574
http://nbn-resolving.de/urn:nbn:de:kobv:517-opus-52574 A dissertation submitted to the Faculty of Mathematics and Natural Sciences at the
University of Potsdam, Germany
for the degree of Doctor of Natural Sciences (Dr. rer. nat.) in Hydrology
Submitted 06.10.2010
Defended 31.03.2011
Published 31.05.2011
Referees
Prof. Dr. Erwin Zehe University of Potsdam, Institute of Geoecology
Prof. Dr. Bruno Merz University of of
Prof. Dr. Hoshin Gupta The University of Arizona, Department of Hydrology and Water ResourcesContents
Abstract 9
German abstract 11
1 Introduction 13
1.1 Flood prediction as iterative learning process . . . . . . . . . . . . . . . . . . . . . . 13
1.2 Model diagnostic . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
1.3 Snow hydrology . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
1.3.1 Relevant processes for snow patterns . . . . . . . . . . . . . . . . . . . . . . 19
1.3.2 Measurement of spatio-temporal variability . . . . . . . . . . . . . . . . . . . 22
1.3.3 Snow modelling . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
1.3.4 strategy . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24
1.4 Research area . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
1.5 Knowledge management in science . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
1.6 Overview and guiding questions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27
2 Time series of grouped errors (TIGER) 29
2.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30
2.2 Methods . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32
2.2.1 Performance measures . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32
2.2.2 Synthetic errors . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 35
2.2.3 Data reduction with SOM . . . . . . . . . . . . . . . . . . . . . . . . . . . . 35
2.2.4 Identification of regions of the SOM . . . . . . . . . . . . . . . . . . . . . . . 37
2.3 Study areas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37
2.3.1 The Weisseritz catchment . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37
2.3.2 The Malalcahuello . . . . . . . . . . . . . . . . . . . . . . . . . . 39
2.4 Hydrological models . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 39
2.4.1 WaSiM-ETH . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 39
2.4.2 Catflow . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 41
2.5 Weisseritz case study – results . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 41
2.5.1 Performance measures . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 41
2.5.2 Synthetic errors . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 41
2.5.3 Data reduction with SOM . . . . . . . . . . . . . . . . . . . . . . . . . . . . 42
56 Contents
2.5.4 Identification of regions of the SOM . . . . . . . . . . . . . . . . . . . . . . . 43
2.5.5 Sensitivity for the size of the moving window and the size of the SOM . . . . . 50
2.6 Malalcahuello case study – results . . . . . . . . . . . . . . . . . . . . . . . . . . . . 51
2.6.1 Performance measures and synthetic errors . . . . . . . . . . . . . . . . . . . 51
2.6.2 SOM and fuzzy clustering . . . . . . . . . . . . . . . . . . . . . . . . . . . . 51
2.7 Discussion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 52
2.8 Conclusions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 53
3 Temporal dynamics of model parameter sensitivity (TEDPAS) 55
3.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 56
3.1.1 Sensitivity analysis for temporal dynamics . . . . . . . . . . . . . . . . . . . 56
3.1.2vity methods . . . . . . . . . . . . . . . . . . . . . . . . . . . 56
3.1.3 Advantages of FAST . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 60
3.2 Methods and Study Area . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 61
3.2.1 Fourier Amplitude Sensitivity Test . . . . . . . . . . . . . . . . . . . . . . . . 61
3.2.2 eFAST . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 63
3.2.3 Sobol’s method . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 64
3.2.4 Study regions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 64
3.2.5 Hydrological models . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 64
3.3 Results . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 66
3.3.1 Comparison of Sensitivity analysis methods with Topmodel . . . . . . . . . . 66
3.3.2 FAST WaSiM-ETH . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 69
3.4 Discussion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 69
3.4.1 Comparing Sensitivity Methods for Topmodel . . . . . . . . . . . . . . . . . . 69
3.4.2 TEDPAS of Topmodel . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 72
3.4.3 TEDPAS of WaSiM-ETH . . . . . . . . . . . . . . . . . . . . . . . . . . . . 72
3.5 Conclusions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 73
3.6 Acknowledgments . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 74
4 Inferring model structural deficits 75
4.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 76
4.2 Methods and Study Area . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 77
4.2.1 Weisseritz catchment . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 77
4.2.2 Hydrological model WaSiM-ETH . . . . . . . . . . . . . . . . . . . . . . . . 78
4.2.3 Parameter sensitivity (TEDPAS) . . . . . . . . . . . . . . . . . . . . . . . . . 79
4.2.4 Model performance (TIGER) . . . . . . . . . . . . . . . . . . . . . . . . . . 79
4.3 Results . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 84
4.3.1 Analysis of parameter sensitivity (TEDPAS) . . . . . . . . . . . . . . . . . . 84
4.3.2 of model performance (TIGER) . . . . . . . . . . . . . . . . . . . . 84
4.3.3 Combined analysis of model performance and parameter sensitivity . . . . . . 88
4.4 Discussion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 88
4.4.1 Parameter sensitivity (TEDPAS) . . . . . . . . . . . . . . . . . . . . . . . . . 88
4.4.2 Model performance (TIGER) . . . . . . . . . . . . . . . . . . . . . . . . . . 92
4.4.3 Combination of model performance and parameter sensitivity . . . . . . . . . 92Contents 7
4.5 Conclusions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 93
4.6 Acknowledgments . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 95
5 Snow height from temperatures 97
5.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 98
5.2 Methods . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 99
5.2.1 Measurement locations and experimental design . . . . . . . . . . . . . . . . 99
5.2.2 Snow height estimation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 101
5.2.3 Cold content of snow cover . . . . . . . . . . . . . . . . . . . . . . . . . . . . 102
5.3 Results . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 103
5.3.1 Measurements at the reference station . . . . . . . . . . . . . . . . . . . . . . 103
5.3.2 Height estimation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 104
5.3.3 Cold content of the snow cover . . . . . . . . . . . . . . . . . . . . . . . . . . 106
5.4 Discussion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 106
5.4.1 Temperature measurements . . . . . . . . . . . . . . . . . . . . . . . . . . . 106
5.4.2 Snow height estimation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 108
5.4.3 Cold content of the snow cover . . . . . . . . . . . . . . . . . . . . . . . . . . 108
5.4.4 Improving the approach . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 109
5.5 Conclusions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 109
6 Spatial distribution of snow 115
6.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 116
6.2 Methods . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 117
6.2.1 Study area . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 117
6.2.2 Field measurements . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .