The effect of different rainfall information on uncertainty in urban runoff modelling

Abstract

Srážko-odtokové modelování je užitečná technika používaná v hydrologii urbanizovaných povodí. Pro tuto techniku je klíčové disponovat spolehlivými informacemi o srážkách. Mikrovlnné spoje představují nový zdroj srážkových dat. Tento nový zdroj jsme srovnávali s jinými, konvenčnějšími, zdroji srážkových dat pomocí analýzy nejistot. Tomuto předcházelo rešeršování metod pro určování nejistot předpovědí modelů. Provedli jsme citlivostní analýzu za účelem zjištění vlivu parametrů použitého deterministického hydrologického modelu na jeho výstupy. Na základě tohoto jsme daný model zjednodušili tím, že jsme dva analyzované parametry položili rovné konstantě. Na našem modelu jsme využili metodu, která na kalibraci modelů a zjišťování souvisejících nejistot statisticky popisuje vychýlení (bias) modelu s využitím bayesovské inference. Tuto metodu jsme použili pro dešťová data ze tří různých zdrojů v oblasti zkoumaného povodí: z mikrovlnných spojů, ze všech dostupných srážkoměrů a z jediného srážkoměru. Výsledky analýzy nejistot, pro tyto tři možnosti, jsme následně porovnali. Při použití všech srážkoměrů jsme dosáhli nejlepších (nejspolehlivějších a nejméně nejistých) výsledků. Použití dat z mikrovlnných spojů způsobilo podhodnocování dešťových událostí s nízkými intenzitami a nadhodnocování vrcholových průtoků dynamičtějších událostí, což vyústilo do vyšších hodnot nejistot. Co se týče načasování vrcholů, přinášejí data z mikrovlnných spojů poměrně dobré výsledky, zvláště při srovnání s daty z jediného srážkoměru. Na základě provedeného mikrovlnná data považujeme za slibný zdroj srážkových dat a povzbuzujeme další výzkum na toto téma.

Runoff modelling is a helpful technique used in urban hydrology. It is crucial to work with reliable rainfall information when performing urban runoff modelling. Microwave links (MWLs) represent a new source of rainfall data. We compare this novel source with other, more conventional rainfall data sources by the means of uncertainty analysis. We explore various methods used to estimate the model prediction uncertainty. Sensitivity analysis is performed to evaluate the effect of deterministic hydrological model parameters on the model outputs. Based on this, we simplify the model by keeping two of the analysed parameters constant. We employ a method using Bayesian inference to calibrate our model and to estimate the uncertainty by statistically describing model bias. We use this method with rainfall data from three different sources in the examined catchment area: MWLs, multiple (all available) rain gauges and a single rain gauge. Results of the uncertainty analysis for these three options are then compared. Using all the rain gauges in the area yields the best (most reliable and least uncertain) results. When using the data from MWLs, the model underestimates rain events with low rain rates and overestimates discharge peaks of dynamic events, causing relatively high uncertainty. When the timing of the peaks is concerned, performance of the MWL data is relatively good, especially when compared with the data from a single rain gauge. Based on the results of the performed analyses, we see the microwave links as a promising rainfall data source and encourage further research on this topic.