Operationelle Nutzung von Ensembles für Hochwasservorhersagen in der Schweiz

Transkript

1 Eidgenössisches Departement für Umwelt, Verkehr, Energie und Kommunikation UVEK Bundesamt für Umwelt BAFU Hydrologie Hydrologische Vorhersagen Operationelle Nutzung von Ensembles für Hochwasservorhersagen in der Schweiz BfG Kolloquium Unsicherheiten in der hydrologischen Vorhersage Koblenz, , Bundesamt für Umwelt, Schweiz

2 Übersicht Hydrologische Vorhersage in der Schweiz: Derzeitiger Stand, Planung Erfahrungen aus Map D-PHASE Ensemblevorhersagen im täglichen operationellen Einsatz Konsequenzen, Herausforderungen, offene Fragen 2

3 Hydrologische Vorhersagen in der Schweiz Kantonales / Nationales Vorhersagemodell Tessin 3

4 Verwendete hydrologische Modelle HBV 96 PREVAH WASIM LARSIM Aktuell: Integration höher aufgelöster und physikalisch basierter Rastermodelle Multimodell-Ansatz angestrebt zusätzlich Berücksichtigung kantonaler Vorhersagemodelle 4

5 Aktuelle Hydro-Modelle im Vorhersagebetrieb HBV PREVAH WaSiM WaSiM 5

6 Geplanter Modellausbau Aufbau hochauflösender hydrologischer Wasserhaushaltsmodelle für ganze Schweiz Aufbau und Integration der Raster-Modelle WaSiM und LARSIM Rekalibrierung nach Bedarf (z.b. mit neuen Datengrundlagen) WaSIM Phase 1 ( ) LARSIM Phase 1 (2013/14) WaSIM Phase 2 ( ) 6

7 Modellauflöung HBV-Modell 1 Teilgebiet PREVAH-Modell 8 Teilgebiete (incl. Reservoir Routing) 7

8 Modellauflöung mm Einzugsgebiet Emme Bsp. Snow Water Equivalent HBV WASIM 8

9 Verwendete numerische Wettermodelle EZMWF : ca. 16 x 16 km 2x täglich 00 / 12 UTC Vorhersage: h Alpengipfel: ~ 2500 m COSMO-2 : 2.2 x 2.2 km 8x täglich Vorhersage: + 33 h Alpengipfel: > 4000 m COSMO-7 : 6.6 x 6.6 km 3x täglich 00 / 06 / 12 UTC Vorhersage: +72 h Alpengipfel: > 3000 m 9

10 COSMO7 korrigiert - Auflösung, Parameter ausser Niederschlag = COSMO 7 - der 24h-Niederschlag wird für Vorhersageregionen vom Prognostiker angepasst, räumliche und zeitliche Verteilung innerhalb der 24h identisch mit COSMO7 10

11 Verwendete numerische Wettermodelle COSMO-LEPS : 16 member, 10x10 km 1x täglich Vorhersage: h 11

12 MAP D-Phase Forschungsprojekt Mesoscale Alpine Programme Demonstration of Probabilistic Hydrological and Atmospheric Simulation of Flood Events in the Alpine region Bedeutung MAP D-Phase für BAFU - Testen von neuen meteorologischen Modellen - Sammeln von Erfahrungen mit Ensemble Modellen (COSMO-LEPS) - Austausch mit End-Usern Anstoss zur Berechnung und Veröffentlichung von hydrologischen Ensemblevorhersagen 12

13 MAP D-Phase - Meteorologische Modelle COSMO7 : 6.6 x 6.6 km 2x täglich 00 / 12 UTC Vorhersagezeitraum: +72 h Alpengipfel: > 3000 m COSMO2 : 2.2 x 2.2 km 8x täglich Vorhersagezeitraum: + 30 h Alpengipfel: > 4000 m EZMWF : ca. 25 x 40 km 2x täglich 00 / 12 UTC Vorhersagezeitraum: h Alpengipfel: ~ 2500 m COSMO-LEPS : 10 x 10 km 1x täglich 12 UTC Vorhersagezeitraum: h Alpengipfel: ~ 3000 m SRNWP-PEPS : div. LM, einheitliches Gitter 4x täglich Vorhersagezeitraum: + 48 h 13

14 Analyse: Überblick Gütemasse Ansatz Methode Modelle Zeitperiode Analyse chained plots Analyse alle Vorhersagewerte (Ganglinien) Analyse 24-Stunden Maxima Analyse Einzelereignis (Hochwasser August 2007) Error Statistics/ Accuracy Statistics Correlation Statistics Categorical Forecasts Forecast Skill Conditional Measures Error Statistics/ Accuracy Statistics Categorical Forecasts Forecast Skill Conditional Measures Distribution Properties visuell, subjektiv Mean Absolute Error (mae) Mean Error (me) Nash-Sutcliffe (E) Correlation Coefficient (corrcoeff) Threat Score (TS) Miss Rate (M) False Alarme Ratio (FAR) Heidke Skill Score (HSS) Ranked Probability Skill Score (RPSS) Ranked Probability Score (RPS) ROC-Fläche (roc.area) Mean Absolute Error (mae) Nash-Sutcliffe (E) Frequency Bias (BIAS) Threat Score (TS) Miss Rate (M) False Alarme Ratio (FAR) Heidke Skill Score (HSS) Ranked Probability Skill Score (RPSS) Ranked Probability Score (RPS) ROC-Diagramm ROC-Fläche (roc.area) Attribute-Diagramm Rank-Histogramm Prozentuale Abweichung der vorhergesagten zur gemessenen Spitzenabflussmenge. Zeitliche Differenz (h) zwischen vorhergesagter und gemessener Spitzenabflussmenge. alle Modelle alle Modelle nur COSMO-LEPS alle Modelle nur COSMO-LEPS alle Modelle gesamte Periode (1.5 Jahre), einzelnes Ereignis gesamte Periode (1.5 Jahre) gesamte Periode (1.5 Jahre) einzelnes Ereignis 14

15 Von Meteo-Ensembles zu Hydro-Ensembles - Kleine Emme Littau mit COSMO-LEPS Spaghetti-Plot: 15

16 Von Meteo-Ensembles zu Hydro-Ensembles - Kleine Emme Littau mit COSMO-LEPS Wahrscheinlichkeits-Bänder: 16

17 Hydrologische Auswertung Meteorologische Modelle Kein Meteomodell generell besser im Ereignisfall jeweils abschätzen welches am besten ist COSMO-7/COSMO-7corr Unterschiede erkennbar, aber nicht eine Variante systematisch besser COSMO-2 Vorhersagen nur teilweise besser (24h-max) Unterschiede zwischen Stationen grösser als zw. Modellen Starke Abnahme der Güte der Abflussvorhersagen ab Tag 1 bis 2 (je nach Station) Teilweise sogar für Vorhersagezeitraum von wenigen Stunden schlechte Vorhersagen (Bsp. Gewitter, kleine Einzugsgebiete) An einige Stationen häufig verpasste Ereignisse, Fehlalarme Modelloutput durch Prognostiker kritisch beurteilen. Plausibilisierung wichtig, ergänzende Methoden notwendig 17

18 Case Study: Hochwasser August 08& Rhein - Basel (35921 km 2 ) Kleine Emme Littau (477 km 2 ) 18

19 Vorhersage vom 04. August, 05 UTC - 4 Tage 19

20 Vorhersage vom 05. August, 05 UTC - 3 Tage 20

21 Vorhersage vom 06. August, 05 UTC - 2 Tage Basel: Peak erstmals innerhalb Spread, Timing zu spät 21

22 Vorhersage vom 07. August, 05 UTC - 1 Tag Kleine Emme: Peak erstmals angedeutet 4 von 16 member über Warnlevel innerhalb des Vorhersagezeitraums = 25% Wahrscheinlichkeit? 22

23 Conclusion MAP D-Phase / COSMO-LEPS The concept of ensemble forecasts in general is very helpful in the operational forecasting service but its full potential is only available together with frequently updated high-resolution models Availability: Initialisation 12 UTC, available at FOEN approx. 14h later Feedback from the customers was surprisingly positive but there is a need for education and explanation Deterministic forecasts can be right or wrong with ensemble forecast: narrow the most probable range for the discharge in the future outliers occur rather often The best input for flood forecasting does not exist and using one model is not enough 23

24 Schlussfolgerungen und Konsequenzen Über viele Jahre konzentrierte sich die hydrologische Vorhersage im wesentlichen auf eine Verbreitung von direktem Modelloutput Endnutzer sind gewöhnt an die Betrachtung einer einzelnen Ganglinie Eine gute Wettervorhersage entsteht durch Interpretation und Wichtung verschiedener Modelle durch einen erfahrenen Experten das gleiche gilt für hydrologische Vorhersagen! Bisher gab es nur richtige oder falsche Prognosen Jetzt wird versucht einen Vorhersagewert einzugrenzen Ensemble-Vorhersagen sind komplexer aber ehrlicher Training von Kunden und Austausch von Erfahrung und Wissen zwischen Vorhersagezentrum und Nutzern essentiell 24

25 Schlussfolgerungen und Konsequenzen Herausforderung für die Vorhersage: Erstellung und Kommunikation möglichst verständlicher Produkte Anspruch an den Kunden: Bereitschaft, die Aussage von Ensemblevorhersagen zu interpretieren und zu nutzen (z.b. Kosten-Nutzen Analysen) Tägliche operationelle Veröffentlichung von Vorhersagen mit allen verfügbaren Meteo-Modellen (keine Aneinanderkettung verschiedener Meteo-Modelle) Enger Austausch mit vorhersagenden Meteorologen und Schneespezialisten sowie Interpretation durch Experten essentiell 25

26 Veröffentlichte Vorhersagen mit unterschiedlicher Vorhersagelänge auf verschiedenen Medien (behördenintern / extern) COSMO -2 8x tgl h COSMO -7 2x tgl. +72 h COSMO- LEPS 1x tgl h EZMWF 2x tgl h 26

27 Sonstige Herausforderungen an die Vorhersage (nicht nur) in der Schweiz Niederschlagsmenge und deren räumliche und zeitliche Verteilung < 2000 m: 500 km² / Station > 2000 m: 1400 km² / Station Einfluss von Schneefallgrenze und Schneeschmelze Seenregulierung, erfolgt durch Kantone (selten laut Reglement, begrenzt vorhersagbar) Kraftwerkssteuerungen (selten bekannt, kaum vorhersagbar) Q400 Q390 Q380 Q370 Q360 Q350 Q340 Q330 Q320 Q310 Q300 Q280 Q260 Q240 Q220 Q200 Q180 Q160 Q140 Q120 Q110 Q100 Q90 Q80 Q70 Q60 Q50 Q45 Q40 Q35 Q30 (R.P.N ) Thunerseeregulierung Reglementvorschlag März 80 (ohne Aarekorrektion) 27

28 Fazit Aus unserer Sicht geht die Nutzung von Ensemblevorhersagen in die richtige Richtung Nicht nur Inputdaten sollten variiert werden, sondern soweit möglich auch mehrere hydrologische Modelle und Ansätze Ensemblevorhersagen sollten nicht nur auf Basis variabler Inputdaten (Niederschlag, Temperatur, ) erstellt werden, sondern nach Möglichkeit auch mit unterschiedlichen hydrologischen Modellen und Ansätzen Gesucht: Operationell stabile Auswerteverfahren zur Abschätzung der Unsicherheit Notwendig: Vertretbare Rechenzeiten und leicht verständliche und interpretierbare Ergebnisse (für Fachleute und Laien!) Die Randbedingungen in der Schweiz machen eine zuverlässige Abschätzung der Vorhersageunsicherheit besonders schwierig 28

29 Nun, 3 ensemble member sagen ein grosses Hochwasser voraus, während. 29