< Terug naar vorige pagina
Project
Uncertainty Quantification and Reduction for River Flood Forecasting (Kwantificatie en reductie van onzekerheden bij rivieroverstromingsvoorspellingen)
Overstromingen behoren tot de meest verwoestende natuurfenomenen. Ze maken jaarlijks wereldwijd duizenden slachtoffers en zorgen voor miljoeneneuros aan schade. Structurele maatregelen zoals bergingsbekkens, dijken en gecontroleerde overstromingsgebieden helpen om de overstromingsrisicos te beperken. Ze kunnen echter onmogelijk elk overstromingsrisico weg nemen. Bovendien zet de toenemende urbanisatie en de klimaatverandering de rivieren extra onder druk. Naast het nemen van structurele maatregelen is het daarom belangrijk om tijdig te kunnen anticiperen op mogelijke overstromingen. Dit kan met behulp van overstromingsvoorspellingssystemen. Deze systemen maken gebruik van neerslagmetingen en voorspellingenom via hydrologische en hydrodynamische modellen waterstanden en debieten langs de waterlopen te voorspellen. De toepasbaarheid van deze systemen is nauw verbonden met hun nauwkeurigheid. Zowel de invoer als de modellen zelf bevatten onzekerheden. Dit doctoraatsonderzoek legde zich toe op het bestuderen van deze onzekerheden bij de overstromingsvoorspellingvoor rivieren. Het onderzoek had drie deeldoelstellingen, met name (1) kwantificering van de onzekerheden bij overstromingsvoorspellingen, (2) gebruik van deze kwantificering om de totale onzekerheid te verminderen door meest efficiënte verbeteracties en (3) communicatie en visualisatievan deze onzekerheden aan verschillende typen eindgebruikers.
Om de totale onzekerheid van de overstromingsvoorspellingen te begroten werd een niet-parametrische data-gebaseerde methode ontwikkeld. Deze methode houdt rekening met het heteroscedastisch gedrag van de voorspellingsfouten en kan toegepast worden op zowel waterstands- als debietvoorspellingen. De methode heeft een zeer korte rekentijd, wat cruciaal is voor het gebruik in een operationele context.
Dezelfde methode werd daarna als basis gebruikt voor het kwantificeren van de verschillende bronnen van onzekerheid en hun bijdrage tot de totale onzekerheid. Door hersimulatie van historische voorspellingen waarbij telkens één welbepaalde bron van onzekerheid wordt uitgesloten (door bijvoorbeeld gebruikte maken van metingen in plaats van voorspellingen) werd de totale hydrologische voorspelonzekerheid opgesplitst in zijn verschillende bronnen,gebruik makend van variantiedecompositie. Deze resultaten lieten toe omzeer gerichte verbeteringsacties te identificeren om de totale voorspellingsonzekerheid te reduceren.
Een verbeteringsactie die uitgebreid werd bestudeerd is de meer geavanceerde kalibratie van de hydrologische modelcomponenten, waarbij ook wordt rekening gehouden met het extrapolatiegedrag van het hydrologisch model. Het gedrag van hydrologische modellen voor extreme situaties, die buiten het bereik liggen van eerder opgetreden historische gebeurtenissen, is moeilijk te evalueren en daardoor ook zeer onzeker. Om dit probleem aan te pakken werd een methode ontwikkeld die gebaseerd is op het data-gebaseerd identificeren van de relatie tussen de verandering in neerslagintensiteit en de verandering in piekafvoer. Er kan worden aangetoond dat door deze relatie te valideren enin rekening te brengen tijdens de kalibratie van het hydrologisch model, men meer betrouwbare modelresultaten kan bekomen.
Een grote bron van onzekerheid bij overstromingsvoorspellingen zijn de neerslagvoorspellingen. Om deze onzekerheid en de invloed ervan te berekenen is een methode toegepast op basis van Monte-Carlo simulaties. Tevens is vergelijking gemaakt met de klassieke huidige aanpak om de onzekerheid van de neerslagvoorspellingen te schatten op basis van ensemble neerslagvoorspellingen. Deze ensemble-methode is gebaseerd op het perturberen van de initiële condities van het numerieke weervoorspellingsmodel waardoor meerdere neerslagvoorspellingen worden gegenereerd. Er is aangetoond dat de spreiding in neerslagvoorspellingsresultaten gegenereerd door de ensemble-methode slechts een gedeelte van de totale neerslagvoorspellingsonzekerheid omvat, dus voor een vertekening in de schatting van de neerslagvoorspellingsonzekerheid zorgt.
Hoe goed de voorspellingenmodellen ook worden er zal altijd een bepaalde onzekerheid blijven bestaan. Daarom wordtin dit werk ook aandacht geschonken aan het visualiseren van deze onzekerheid en de communicatie ervan. Verschillende soorten van onzekerheidscommunicatie worden vergeleken met telkens ook aandacht voor het publiek waarvoor ze bedoeld zijn. Verder werden verschillende tools ontwikkeld om te helpen bij het waarschuwings- en beslissingsproces. Zo werd een tool ontwikkeld die de overschrijdingskans van een vooraf gedefinieerde rivierdebietsdrempel kwantificeert op basis van een data-gebaseerde schatting van het bodemvochtgehalte en de neerslag. Deze tool is geschikt als voorwaarschuwingssysteem.
Om de totale onzekerheid van de overstromingsvoorspellingen te begroten werd een niet-parametrische data-gebaseerde methode ontwikkeld. Deze methode houdt rekening met het heteroscedastisch gedrag van de voorspellingsfouten en kan toegepast worden op zowel waterstands- als debietvoorspellingen. De methode heeft een zeer korte rekentijd, wat cruciaal is voor het gebruik in een operationele context.
Dezelfde methode werd daarna als basis gebruikt voor het kwantificeren van de verschillende bronnen van onzekerheid en hun bijdrage tot de totale onzekerheid. Door hersimulatie van historische voorspellingen waarbij telkens één welbepaalde bron van onzekerheid wordt uitgesloten (door bijvoorbeeld gebruikte maken van metingen in plaats van voorspellingen) werd de totale hydrologische voorspelonzekerheid opgesplitst in zijn verschillende bronnen,gebruik makend van variantiedecompositie. Deze resultaten lieten toe omzeer gerichte verbeteringsacties te identificeren om de totale voorspellingsonzekerheid te reduceren.
Een verbeteringsactie die uitgebreid werd bestudeerd is de meer geavanceerde kalibratie van de hydrologische modelcomponenten, waarbij ook wordt rekening gehouden met het extrapolatiegedrag van het hydrologisch model. Het gedrag van hydrologische modellen voor extreme situaties, die buiten het bereik liggen van eerder opgetreden historische gebeurtenissen, is moeilijk te evalueren en daardoor ook zeer onzeker. Om dit probleem aan te pakken werd een methode ontwikkeld die gebaseerd is op het data-gebaseerd identificeren van de relatie tussen de verandering in neerslagintensiteit en de verandering in piekafvoer. Er kan worden aangetoond dat door deze relatie te valideren enin rekening te brengen tijdens de kalibratie van het hydrologisch model, men meer betrouwbare modelresultaten kan bekomen.
Een grote bron van onzekerheid bij overstromingsvoorspellingen zijn de neerslagvoorspellingen. Om deze onzekerheid en de invloed ervan te berekenen is een methode toegepast op basis van Monte-Carlo simulaties. Tevens is vergelijking gemaakt met de klassieke huidige aanpak om de onzekerheid van de neerslagvoorspellingen te schatten op basis van ensemble neerslagvoorspellingen. Deze ensemble-methode is gebaseerd op het perturberen van de initiële condities van het numerieke weervoorspellingsmodel waardoor meerdere neerslagvoorspellingen worden gegenereerd. Er is aangetoond dat de spreiding in neerslagvoorspellingsresultaten gegenereerd door de ensemble-methode slechts een gedeelte van de totale neerslagvoorspellingsonzekerheid omvat, dus voor een vertekening in de schatting van de neerslagvoorspellingsonzekerheid zorgt.
Hoe goed de voorspellingenmodellen ook worden er zal altijd een bepaalde onzekerheid blijven bestaan. Daarom wordtin dit werk ook aandacht geschonken aan het visualiseren van deze onzekerheid en de communicatie ervan. Verschillende soorten van onzekerheidscommunicatie worden vergeleken met telkens ook aandacht voor het publiek waarvoor ze bedoeld zijn. Verder werden verschillende tools ontwikkeld om te helpen bij het waarschuwings- en beslissingsproces. Zo werd een tool ontwikkeld die de overschrijdingskans van een vooraf gedefinieerde rivierdebietsdrempel kwantificeert op basis van een data-gebaseerde schatting van het bodemvochtgehalte en de neerslag. Deze tool is geschikt als voorwaarschuwingssysteem.
Datum:6 sep 2011 → 17 feb 2014
Trefwoorden:Hydrology, River flooding, River hydraulics, Modelling, Uncertainty analysis
Disciplines:Bouwkunde en constructietechnologie, Aardbevingsengineering, Geotechnische en omgevingsingenieurswetenschappen, Waterbouwkunde, Windtechnologie, Fysische geografie en omgevingsgeowetenschappen
Project type:PhD project