Sett opp hydrologisk modell
Vannføringsprognoser kan gi kommunen informasjon om hvor stor flomtoppen kan bli og når kommunen kan forvente den. For å få vannføringsprognoser må det settes opp en hydrologisk modell for det punktet kommunen ønsker prognoser for. En hydrologisk modell bruker værprognoser (nedbør og temperatur) til å lage vannføringsprognoser.
Det krever hydrologisk kompetanse for å sette opp, kalibrere, kjøre og tolke resultater fra en hydrologisk modell.
Når kan det være behov for vannføringsprognoser?
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. Flomstad kommune 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 eksakt informasjon om tidspunkt for når flommen vil skje og hvor stor den ventes å bli, slik at de bedre kan planlegge evakuering ungdomssenteret og sikre at det ikke er aktiviteter i de flomutsatte områdene.
Kan kommunen bruke NVEs vannføringsprognoser?
NVE har vannføringsprognoser for 147 målestasjoner. Du kan lese mer om hvordan du kan finne disse i SeNorge under kapittel 3 - Tilgjengelig verktøy for å vurdere flomfare.
Hva er en hydrologisk modell?
En hydrologisk modell er en forenklet beskrivelse av hvordan vann beveger seg gjennom et nedbørfelt. Modellen bruker informasjon om for eksempel nedbør, temperatur, snø, fordampning og innsjøer for å beregne hvor mye vann som til slutt renner ut i en elv.
Nedbør og temperatur er de viktigste dataene til den hydrologiske modellen. Hvis det er kaldt vil nedbøren lagres som snø. Hvis det er varmt vil nedbøren falle som regn og eventuell snø vil smelte. Regn og smeltevann infiltrerer ned i bakken der noe vann fordamper og noe renner videre til bekker og elver.
For at en hydrologisk modell skal kunne simulere hvordan vannføringen utvikler seg frem over i tid (vannføringsprognoser) er den avhengig av gode værprognoser (nedbør og temperatur).
Maskinlæringsmodeller kan også gi vannføringsprognoser
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 en godt kalibrert modell.
Gir modellen gode eller dårlige vannføringsprognoser?
Når en hydrologisk modell er laget for et punkt i elva, er det viktig å vite at modellen simulerer en vannføring som stemmer med vannføringen som observeres ved samme punkt.
For å få til dette må modellen kjøres med historiske data for nedbør og temperatur, og sammenligne simulert vannføring mot observert vannføring fra vannføringsstasjonen. Den hydrologiske modellen blir da trent, eller kalibrert, slik at den simulerte vannføringen samsvarer best mulig med den observerte vannføringen.
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 vannføringsprognoser. 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 for eksempel kan simulere høyere flomtopper og hyppigere flommer enn det som skjer.
For å lage gode vannføringsprognoser med en hydrologisk modell må
- modellen være godt kalibrert.
- ha tilgang på observerte nedbør- og temperaturdata slik at modellen kan beregne den hydrologiske tilstanden i nedbørfeltet, altså hvor mye snø, mark -og grunnvann det er i nedbørfeltet akkurat nå.
- ha gode værprognoser for nedbør og temperatur.
Hvordan kalibrere den hydrologiske modellen?
For å avgjøre om en modell er godt kalibrert, er det viktig at det er brukt en tilstrekkelig lang tidsperiode med data under kalibreringen, og at modellen testes for en uavhengig tidsperiode (validering) som ikke er benyttet under kalibreringen.
Du bør helst ha mer enn 10 år med vannføringsdata, i tillegg til nedbør- og temperaturdata for samme tidsperiode. Nedbør og temperaturdata kan fås fra nasjonale datasett.
Det er viktig at testperioden inkluderer flere flommer slik at modellen får trent på å simulere ulike flommer. Dersom det ikke har vært store flommer i tidsperioden med vannføringsdata, så vet du heller ikke hvor godt modellen vil forutse de store flommene i fremtiden.
Mangler du vannføringsdata?
Hvis du ikke har tilgang observerte vannføringsdata for stedet kommunen ønsker vannføringsprognoser for, er det mulig å kalibrere modellen ved bruk av andre representative målestasjoner. Hydrologiske modeller som er kalibrert på en slik måte, vil gi mindre presise vannføringsprognoser, men du slipper å vente på å ha tilstrekkelig med vannføringsdata for å kalibrere den hydrologiske modellen.
Eksempel på usikkerhet i flomprognoser
Usikkerhet i værprognoser
Figuren viser værprognoser ti dager frem i tid for lufttemperaturen over London 26.juni 1995 øverst, og 26.juni 1994 nederst. Øverst er et eksempel på en stabil atmosfære hvor det er enkelt å varsle temperaturen fire til fem dager frem i tid. Det er liten spredning mellom de ulike værprognosene (ensemble). Mens situasjonen i 1994, nederst, er mer ustabil. Vi ser at det er stor forskjell mellom prognosene. Spesielt fra dag tre og fire, ser vi at det varierer fra 12 til 30 grader i den nederste figuren. I begge tilfellene er mørk blå linje det som faktisk ble målt i ettertid (fasiten). For dag tre ville det blitt varslet 25 grader (lys blå linje), mens det kun ble målt 15 grader. Det illustrerer at værprognosene kan være usikre, og at det igjen kan føre til usikre vannføringsprognoser.
Usikkerhet i vannføringsprognoser
For å beskrive usikkerheten i vannføringsprognosene kan man benytte et knippe værprognoser (ensemble) som beskriver flere mulige værutviklinger. Har man et knippe med 50 værprognoser vil man da få 50 ulike vannføringsprognoser. Basert på disse kan man man da beregne usikkerhet i flomstørrelser og sannsynlighet for skadeflom og sannsynligheten for hvilke områder som kan bli oversvømt, se figuren under.
