Gebruik van afstandswaarnemingen in hydrologische modellen

Maat: px

Weergave met pagina beginnen:

Download "Gebruik van afstandswaarnemingen in hydrologische modellen"

Tessa ten Wolde
7 jaren geleden
Aantal bezoeken:

Hydrologie en Waterbeheer (LHWM) Universiteit Gent Hilde Vernieuwe,

1 Gebruik van afstandswaarnemingen in hydrologische modellen Niko Verhoest, Hans Lievens, Valentijn Pauwels Laboratorium voor Hydrologie en Waterbeheer (LHWM) Universiteit Gent Hilde Vernieuwe, Bernard De Baets Onderzoekseenheid Kennisgebaseerde Systemen (KERMIT) Universiteit Gent

2 Verbeteren van een hydrologisch modelvoorspelling door gebruik te maken van externe waarnemingen Hoe? Gebruik van Synthetic Aperture Radar voor het waarnemen van bodemvocht Data-assimilatietechnieken Echter Onzekerheid in bodemvochtwaarneming Mogelijk schaalprobleem tussen model en waarneming

3 Principe Radar stuurt een puls van microgolf energie uit en meet de teruggekaatste energie Teruggekaatste energie hangt af van: bodemvochtgehalte bodemruwheid lokale invalshoek frequentie en polarisatie van de microgolf Terugkaatsingsmodellen (backscattering models): Integral Equation Model (IEM, fysisch gebaseerd model) Oh model (semi-empirisch model) Geldig voor vlakke (vb. zaaibed) tot matig ruwe (vb. geëgde) bodems Geometric Optics Model Geldig voor medium ruwe en ruwe bodems

Bodemruwheidsparameters RMS hoogte (s) Standard afwijking van de bodemhoogtes Correlatielengte (l) Horizontale afstand waarover de correlatie tussen bodemhoogtes gelijk is

4 Bodemruwheidsparameters RMS hoogte (s) Standard afwijking van de bodemhoogtes Correlatielengte (l) Horizontale afstand waarover de correlatie tussen bodemhoogtes gelijk is aan 1/e Ruwheidsmetingen (Oh & IEM) Laser profilometer Pin profilometer Meshboard (4 m) (IEM) Exact kennis van bodemruwheid is cruciaal voor een accurate bodemvochtbepaling

5 Ruwheidsparameters ECHTER: Metingen vertonen een grote variabiliteit voor een bepaalde landbewerking Parameterwaarden vertonen grote fouten (voorbewerking van gemeten profielen, instrument nauwkeurigheid, ) Parameters vertonen schalingsproblemen (afhankelijkheid van profiellengte) Onmogelijk om ruwheid accuraat te meten en één specifieke waarde voor RMS hoogte en correlatielengte te bepalen voor een bepaald type ruwheid

6 Ruwheidsparameters Ruwheidsmetingen Bevat fouten en is gekenmerkt door onzekerheid Bepalen van ruwheidsparameterwaarden zoals vereist door het model Ruwheidsparameters calibreren Bepalen van een ruwheidsklasse per landbewerkingstype Toekennen van een possibiliteitsdistributie per landbewerkingstype

7 min max Ruwheidsklasses Gedefinieerd als: een minimale waarde waaronder we geen parameterwaarden verwachten een interval waarbinnen de ruwheidsparameters perfect mogelijk zijn een maximale waarde waarboven we geen parameterwaarden verwachten Possibiliteit 1 0 perfect mogelijk Ruwheidsparameter

8 Possibiliteit Possibiliteit Minimum Maximum Possibiliteit Bodemvochtbepaling 1 a 0 RMS Terugkaatsingscoëfficiënt Invalshoek Frequentie Polarisatie Autocorrelatie functie (Exponentieel) IEM -1 1 a 1 0 Correlatie lengte a 0 Bodemvochtgehalte

9 Possibiliteit Possibiliteit Minimum Maximum Possibiliteit Bodemvochtbepaling 1 a 0 RMS Terugkaatsingscoëfficiënt Invalshoek Frequentie Polarisatie Autocorrelatie functie (Exponentieel) IEM -1 1 a 1 0 Correlatie lengte a 0 Bodemvochtgehalte

2 0.25 0.3 0.35 0.4 0.45 moisture content [-] 1 0.8 o = -6.23 (db) 0.

10 possibility [-] possibility [-] Measured value Measured value Bodemvochtbepaling o = (db) moisture content [-] o = (db) moisture content [-]

11 possibility [-] possibility [-] Measured value Measured value Bodemvochtbepaling o = (db) SAR-gebaseerde bodemvochtwaarneming + onzekerheid (d.m.v. possibiliteitsdistributie) moisture content [-] o = (db) moisture content [-]

12 Assimilatietechnieken Direct insertion Beschouwt geen onzekerheid in de waarnemingen Newtonian nudging Beschouwt op simplistische wijze onzekerheid in de waarnemingen Kalman filter (meest gebruikte data-assimilatietechniek) Veronderstelt normaal verdeelde fouten in model en waarneming Variational data assimilation method Veronderstelt normaal verdeelde fout op modeltoestand Particle filter Laat niet-normaal verdeelde foutendistributies toe Maken gebruik van de probabilistische Regel van Bayes Fuzzy or possibilistic (Kalman) filter Laat toe om fuzzy lidmaatschapsfuncties of possibiliteitsdistributies te assimileren

13 Assimilatietechnieken Possibilistische onzekerheid transformeren naar probabilitische onzekerheid Via pignistische transformatie Gemiddelde en standaardafwijking Techniek ontwikkelen om possibilistische info te assimileren Schaling Assimilatieprocedure aanpassen om op verschillende schalen van waarneming en model toe te laten

14 Wat als SAR-gebaseerd bodemvochtwaarneming een andere (grovere) resolutie heeft dan hydrologisch model? Gebruik maken van schalingseigenschappen van bodemvocht Famiglietti et al., WRR, 44, W01423, 2008

15 Via GPR gelijkaardige analyse: Data verkregen van UCL (J. Minet, M. Vanclooster, S. Lambot)

16 Wat als SAR-gebaseerd bodemvochtwaarneming een andere (grovere) resolutie heeft dan hydrologisch model? Gebruik maken van schalingseigenschappen van bodemvocht Fitten van een functie:

17 Wat als SAR-gebaseerd bodemvochtwaarneming een andere (grovere) resolutie heeft dan hydrologisch model? Combineren van onzekere SAR gemiddeldes en schalingsmodel

18 Wat als SAR-gebaseerd bodemvochtwaarneming een andere (grovere) resolutie heeft dan hydrologisch model? Combineren van onzekere SAR gemiddeldes en schalingsmodel a-niveau

19 Wat als SAR-gebaseerd bodemvochtwaarneming een andere (grovere) resolutie heeft dan hydrologisch model? Combineren van onzekere SAR gemiddeldes en schalingsmodel

20 Wat als SAR-gebaseerd bodemvochtwaarneming een andere (grovere) resolutie heeft dan hydrologisch model? Combineren van onzekere SAR gemiddeldes en schalingsmodel Bundel van cumulatieve probabiliteitsdistributies a = 0.4 a = 1 a = 0.1 a= 0.1

21 Hoe gebruiken voor assimilatie in hydrologisch model? Aannames: 1. De SAR is in staat correcte schatting van het gemiddeld bodemvocht te maken, uitgedrukt volgens een possibiliteitsdistributiefunctie. m.a.w. de aangenomen possibiliteitsdistributies voor bodemruwheid zijn correct 2. De interpixel variabiliteit kan voldoende nauwkeurig gemodelleerd worden met het schalingsverband m.a.w. de verkregen bundel van cumulatieve probabiliteitsdistributies is correct 3. Het hydrologisch model is in staat het ruimtelijk patroon van bodemvocht correct te voorspellen m.a.w. in de assimilatie vertrouwen we de gemodelleerde bodemvochtgehaltes niet, maar wél het patroon

22 Hoe gebruiken voor assimilatie in hydrologisch model?

23 Hoe gebruiken voor assimilatie in hydrologisch model? Verschuiven en aanpassen van de empirische cumulatieve distributie waarbij: 1. Voldaan is aan het schalingsverband 2. Binnen het probabiliteitsinterval [0.15,0.85] de minimale possibiliteitswaarde wordt gemaximaliseerd

24 Hoe gebruiken voor assimilatie in hydrologisch model? a priori a posteriori

25 Hoe gebruiken voor assimilatie in hydrologisch model? a posteriori

Met behulp van radarwaarnemingen kunnen we bodemvochtinfo verkrijgen, al dan niet possibilistisch omschreven. Via data-assimilatie kunnen ruimtelijk verdeelde hydrologische modellen worden ge-updated.

26 Met behulp van radarwaarnemingen kunnen we bodemvochtinfo verkrijgen, al dan niet possibilistisch omschreven. Via data-assimilatie kunnen ruimtelijk verdeelde hydrologische modellen worden ge-updated. Combineren van onzekere ruwe schaal bodemvocht met het bodemvochtschalingsverband leidt tot een bundel van cumulatieve distributiefuncties voor bodemvocht. Preliminaire studie toont aan hoe dergelijke informatie met verschillende types van onzekerheid kan aangewend worden om een ruimtelijk verdeeld hydrologisch model te updaten.

Vergelijkbare documenten

POTENTIALS OF MICROWAVE REMOTE SENSING FOR REGIONAL WATER SYSTEMS

NCR Themadag: Remote Sensing toepassing in het waterbeheer 29 maart 2019, Rijkswaterstaat, Utrecht POTENTIALS OF MICROWAVE REMOTE SENSING FOR REGIONAL WATER SYSTEMS De potentie van microgolf remote sensing