Förbättrade hydrologiska långtidsprognoser för
ett förändrat klimat
Dagens System: klimatologisk ensemble
Historiska tidsserier
1992 1993 1994 1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 0
200 400 600
Tillrinning [m3/s]
19920 1993 1994 1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 200
400 600
Snö [mm]
1992 1993 1994 1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 -10
0 10 20
Volymfel(%)
1
0
R2
Model
Prognos
1961, 1962, 1963, 1964, 1965, 1966, 1967, 1968, 1969, 1970, 1971, 1972, 1973, 1974, 1975, 1976, 1977, 1978, 1979, 1980, 1981, 1982, 1983, 1984, 1985, 1986, 1987, 1988, 1989, 1990, 1991, 1992, 1993, 1994, 1995, 1996, 1997, 1998, 1999, 2000, 2001, 2002, 2003, 2004, 2005, 2006, 2007, 2008, 2009, 2010,
2011…
Klimatologisk ensemble: begränsningar
1988 1992 1996 2000 2004
-50 -40 -30 -20 -10 0 10 20 30 40 50
Volymfel (%)
Suorva Porjus Tjaktjajaure Parki Letsi Sädvajaure Överuman
Klimatologisk ensemble Säsongsprognos för ett normallt år
Inga markant förbättringar under de senaste två decennierna
Arheimer et al. 2010
Klimatologisk ensemble: begränsningar
historical rcp45 rcp85
0 20 40 60 80 100
-0.6 -0.4 -0.2 0 0.2 0.4 0.6 0.8
Vindel HadGEM2 rcp85 (standardized discharge)
Years
0 20 40 60 80 100
-0.8 -0.6 -0.4 -0.2 0 0.2 0.4 0.6
Vindel HadGEM2 rcp45 (standardized discharge)
Years
0 20 40 60 80 100 120 140
-1.5 -1 -0.5 0 0.5 1
Vindel HadGEM2 hist (standardized discharge)
Years
40 20 10 4 2
0 5 10 15 20 25
Vindel HadGEM2 historical
years
40 20 10 4 2
0 5 10 15 20 25
Vindel HadGEM2 rcp45
years
40 20 10 4 2
0 5 10 15 20 25
Vindel HadGEM2 rcp85
years
Klimatologisk ensemble: begränsningar
Vinter
Vår
Sommer
Höst
Klimatologisk ensemble: begränsningar
klimatologisk ensemble: begränsningar
Ett nytt system:
Användning av meteorologiska långtidsprognoser/klimatprognoser för förbättrad långtidsprognoser
Angrepp 1: Reducerad klimatologisk ensemble
Välj ut mest troliga historiska år baserat på senaste väderutvecklingen
Angrepp 2: Meteorologisk långtidsprognos
Används meteorologisk långtidsprognos från ECMWF som indata
Angrepp 3: Direkt Q-prognos via statistisk nedskalning
Statistiskt baserad prognos på total vårflodsvolym
Kombinera i ett multi-metod system
NAO, SCA, AO NAO, SCA, EA
NAO, SCA, EA
NAO, SCA, EA, POL NAO, EA
Ett nytt system: klustring
Ett nytt system: Reducerad historisk ensemble
Historiska tidsserier
1992 1993 1994 1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 0
200 400 600
Tillrinning [m3/s]
19920 1993 1994 1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 200
400 600
Snö [mm]
1992 1993 1994 1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 -10
0 10 20
Volymfel(%)
1
0
R2
Hydrologiskmodel
Prognos
1961, 1962, 1963, 1964, 1965, 1966, 1967, 1968, 1969, 1970, 1971, 1972, 1973, 1974, 1975, 1976, 1977, 1978, 1979, 1980, 1981, 1982, 1983, 1984, 1985, 1986, 1987, 1988, 1989, 1990, 1991, 1992, 1993, 1994, 1995, 1996, 1997, 1998, 1999, 2000, 2001, 2002, 2003, 2004, 2005, 2006, 2007, 2008,2009, 2010,
2011…
Teleconnection klimatindex
• NAO
• SCAND
• EA
Välj alla år med jämförbara TCI kombinationer
Köra HBV med reducerad klimatologisk ensemble
Reducerad ensemble: TCI metodik
Analoga
åren
HBV
VårflodsprognosMaj-Jun-Jul
Reducerad ensemble: CP metodik
Cirkulationsmönster
• Dagliga MSLP
• Era40 (1ºx1º) och Era-Interim (0.75ºx0.75º)
• Fuzzy-regelbaserad klassificering
Välja alla år med jämförbara cirkulationsmönster kombinationer
Köra HBV med reducerad ensemble
Analoga
åren
HBV
VårflodsprognosMaj-Jun-Jul
Ett nytt system: NWP prognos i HBV
numerisk prognosmodell
1992 1993 1994 1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 0
200 400 600
Tillrinning [m3/s]
19920 1993 1994 1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 200
400 600
Snö [mm]
1992 1993 1994 1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 -10
0 10 20
Volymfel(%)
1
0
R2
Hydrologisk modell
Prognos
~100 km
ECMWF forecasts in HBV: metodik
Vindelälven och Ljusnan
• Modellerna använder griddat data
Långtids prognoser ECMWF
• 41 ensembler
• Dagliga P och T (1ºx1º) → HBV grid format
Köra HBV med ECMWF ensembler
ECMWF ensembel
P och T
HBV
Spring flood volume forecast
Maj-Jun-Jul
NWP
1992 1993 1994 1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 0
200 400 600
Tillrinning [m3/s]
19920 1993 1994 1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 200
400 600
Snö [mm]
1992 1993 1994 1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 -10
0 10 20
Volymfel(%)
1
0
R2
Prognos
~100 km
SVD
Ett nytt system: Statistisk nedskalning
Vindeln
Ljusnan
Ångermanälven
SVD
Statistisk nedskalning: domän
•
GCM prognos för säsong jan-mar från atmosfärens tillstånd i december•
Globala Klimatmodeller (GCM)•
Météo - France•
ECMWF•
Atmosfäriska variabler•
Tryckfält•
Energiflux•
TemperturNWP prognos
jan-feb-mar
SVD
Vårflodsprognos Maj-Jun-JulStatistical downscaling: metodik
Pilotstudie: Studieområdet och data
Vindeln
Ljusnan
Ångermanälven
River Station Area
(km²) Mean Q
(m3*106) HBV R² RVE (%) Vindelälven Sorsele 6054 2302 0.89 3.2
Vindeln* 11846 3178 0.91 1.5 Ångerman-
älven Kultsjön 1705 883 0.82 3.6
Sollefteå* 30979 7896 0.92 1.7
Ljusnan Svegsjön 8484 1658 0.87 -0.6
Dönje* 14743 2312 0.85 0.5
*Basin outlet
Total data period: 1961-2010
Utvärdering gjord för vårflodssäsong 2000-2010, prognostillfällen 1/1, 1/3 och 1/5
0 5 10 15 20 25
Jan Mar May
Error (%)
Forecast date
Utvekling av prognosfel - V-älven
SOTA - IHMS Multi-Model
0 5 10 15 20 25
Jan Mar May
Error (%)
Forecast date
Utvekling av prognosfel - Å-älven
SOTA - IHMS Multi-Model
0 5 10 15 20 25 30 35
Jan Mar May
Error (%)
Forecast date
Utvekling av prognosfel - Ljusnan
SOTA - IHMS Multi-Model
Pilotstudie: Resultat
Det är idag (2014) svårt att göra vårflödesprognoser som totalt sett är markant bättre än dagens klimat-baserade från IHMS
För enskilda älvar och prognostillfällen kan en minsking av prognosfelet med upp till 30% erhållas genom analys av dominerande vädertyper eller statistisk
nedskalning
Med en kombinerad multi-modell kan en generell minskning av prognosfelet med
~10% uppnås
Metodiken är överförbar: Andra områden och modeller