Sett opp hydrologisk modell
Flomprognoser kan gi dere informasjon om hvor stor flomtoppen kan bli og når dere kan forvente den. På denne siden får dere vite mer om hva flomprognoser er, og hva de kan brukes til.
En hydrologisk modell bruker værprognoser til å gi dere flomprognoser i form av vannføring (m3/s). Ved å putte flomprognosene inn i en hydraulisk modell, blir vannføringen omgjort til vannstand, og dere får da en prognose for flomvannstander i en elvestrekning eller i en innsjø. På den måten kan dere vite hvilke områder som kan bli oversvømt. Se hele modellkjeden i figur 15.
Det krever hydrologisk og hydraulisk kompetanse for å sette opp, kjøre og tolke resultater fra henholdsvis en hydrologisk og hydraulisk modell.
Eksempel på behov for flomprognoser
Flomstad kommune har oversikt over flomutsatte områder, og har flomsonekart for de mest flomutsatte områdene. De opplever at de regionale flomvarslene de mottar fra NVE ikke er presise nok for deres lokale utfordringer. De har allerede satt opp en vannstandsstasjon, men når vannstanden i elva stiger er det ofte knapt med tid til å evakuere det flomutsatte ungdomssenteret. De ønsker derfor å vite mer om at de bedre kan planlegge evakuering og sikre at det ikke er aktiviteter i utsatt område.
Fra værprognose til flomprognoser
En hydrologisk modell brukes for å få flomprognoser i form av vannføring (m3/s). En hydrologisk modell er en forenklet beskrivelse av hvordan nedbør fordeles i et nedbørfelt, der nedbør og temperatur er de viktigste dataene som modellen behøver. Hvis det er kaldt vil nedbøren lagres som snø. Hvis det er varmere vil nedbøren falle som regn og eventuell snø vil smelte. Regn og smeltevann infiltrerer ned i bakken der noe fordamper og noe renner videre til bekker og elver.
For å kjøre en hydrologisk modell er det nødvendig med data for nedbør og temperatur, ofte basert på værprognoser, slik at modellen kan simulere hvordan vannføringen utvikler seg fremover i tid.
Hydrologiske modeller trenger observerte vannføringsdata fra vannføringsstasjoner
For å oppnå gode og pålitelige flomprognoser trenger modellen også observerte vannføringsdata (gjerne 10-20 år) fra vannføringsstasjoner, i tillegg til nedbør- og temperaturdata for samme periode. Disse brukes til å justere eller trene opp modellen slik at simulert vannføring samsvarer best mulig med observert vannføring. Når modellen gjengir de observerte dataene godt, sier vi at den er godt kalibrert. En godt kalibrert modell er en forutsetning for å kunne gi nyttige og troverdige flomprognoser.
For å avgjøre om en modell er godt kalibrert, er det viktig at modelløren kalibrerer for en tilstrekkelig lang tidsperiode, og evaluerer for en uavhengig tidsperiode (som ikke er benyttet til kalibrering). Modelløren bør kalibrere for mer enn én enkelt flomhendelse. Dersom det ikke har vært store flommer i tidsperioden med vannføringsdata, så vet vi ikke hvor godt modellen vil forutse de store flommene.
Mangler vannføringsdata?
Hvis det ikke finnes vannføringsdata for stedet kommunen ønsker en vannføringprognose kan modelløren vurdere å følge tilnærmingen:
- Kalibrere den hydrologiske modellen for et felt som ligner. Deretter skalere prognosert vannføring med hensyn til middelavrenning for å få riktig vannføring. Denne tilnærmingen er god hvis målestasjonen du benytter ligger enten i samme vassdrag eller har geografi og klima som ligner mye på nedbørfeltet du skal modellere.
- Kalibrere modellen for flere målestasjoner samtidig. Denne tilnærmingen er god hvis det er vanskelig å finne et målt nedbørfelt som ligner tilstrekkelig. Du kan da bruke to eller flere nedbørfelt (opp til ti) og kalibrere den hydrologiske modellen slik at den gir rimelig gode resultater for alle feltene samtidig.
- Kalibrere inn en modell slik at den kan bruke egenskaper til nedbørfeltet (areal, innsjøprosent osv.). Dette krever data fra mange målestasjoner (gjerne mer enn 100) og krever omfattende analyser. LSTM-modeller har denne muligheten. For DDD-modellen utviklet ved NVE er det utviklet ligninger som gjør at den kan benyttes i umålte felt: NVE Rapport 23/2026: Hydrological simulation for everywhere.
Merk at modeller som er kalibrert på disse måtene vil gi mindre presise prognoser, men du slipper å vente på å ha tilstrekkelig med data for å kalibrere den hydrologiske modellen.
Eksempel på gode og dårlige flomprognoser
En godt kalibrert hydrologisk modell er god til å reprodusere det vi har observert. Det betyr at modellen treffer godt både på størrelsen på flommen og tidspunktet for flommen, og vi kan forvente gode flomprognoser. En dårlig kalibrert modell kan simulere for høye eller lave flomtopper, eller simulere flommer hyppigere eller sjeldnere enn det som er observert. Det betyr at modellen også for værprognoser fremover i tid kan simulere høyere flomtopper og hyppigere flommer enn det som skjer. Vi kan forvente at en dårlig kalibrert modell også vil gi dårlige flomprognoser.
Maskinlæringsmodeller kan prestere like godt som hydrologiske modeller
I de siste årene er det utviklet hydrologiske modeller basert på maskinlæring, der spesielt modelltypen kjent som Long Short-Term Memory (LSTM) har vist seg å prestere minst like bra som tradisjonelle hydrologiske modeller. Denne type modeller benytter som regel nedbør og temperatur som inngangsdata, slik som de tradisjonelle hydrologiske modellene. En LSTM-modell presterer best når den kalibreres på vannføringsdata fra flest mulig nedbørfelt samtidig. Det kreves derfor mye data å få em godt kalibrert modell. Når en kalibrert modell skal lage en flomprognose, trenger den kun nedbør- og temperaturprognoser for nedbørfeltet av interesse. Hvis det kommer en flomhendelse som er større enn det modellen har blitt kalibrert for, kan denne type modeller beregne for lave flomtopper, og dermed gi for lave flomprognoser.