Integrating Multiple Sources of Information for Improving Hydrological Modelling: an Ensemble Approach

در دسترس بودن داده‌های رصد زمین و پیش‌بینی عددی آب و هوا برای مدل‌سازی هیدرولوژیکی و مدیریت آب به‌طور قابل‌توجهی افزایش یافته است و شرایطی را ایجاد کرده است که امروزه، برای همان متغیر، تخمین‌هایی ممکن است از دو یا چند منبع اطلاعاتی در دسترس باشد. با این حال، در مدل‌سازی هیدرولوژیکی، معمولاً مجموعه خاصی از ویژگی‌های حوضه و داده‌های ورودی انتخاب می‌شود که احتمالاً سایر منابع داده مربوطه را نادیده می‌گیرد. بنابراین، در این پایان نامه، چارچوبی برای امکان استفاده مؤثر از منابع داده های متعدد در مدل سازی هیدرولوژیکی پیشنهاد شده است.

در این چارچوب، هر منبع داده موجود برای استخراج مقادیر پارامتر حوضه یا سری های زمانی ورودی استفاده می شود. بنابراین، هر ترکیب منحصربه‌فردی از منابع داده‌های ورودی و حوضه منجر به یک نتیجه شبیه‌سازی هیدرولوژیکی متفاوت می‌شود: یک عضو گروه جدید. اعضا با هم مجموعه ای از شبیه سازی های هیدرولوژیکی را تشکیل می دهند. با پیروی از این رویکرد، از تمام منابع داده موجود به طور موثر استفاده شده و اطلاعات آنها حفظ می شود. این چارچوب همچنین برای استفاده از روش‌های ادغام مدل داده‌های متعدد، به عنوان مثال. جذب داده ها هر روش ادغام جایگزین منجر به نتیجه شبیه سازی منحصر به فرد دیگری می شود.

نتایج مطالعه موردی برای یک مدل هیدرولوژیکی توزیع‌شده در Rijnland، هلند، نشان می‌دهد که این چارچوب می‌تواند به طور موثر اعمال شود، شبیه‌سازی تخلیه را بهبود بخشد، و تا حدی پارامترها و عدم قطعیت داده‌ها را در نظر بگیرد.

The availability of Earth observation and numerical weather prediction data for hydrological modelling and water management has increased significantly, creating a situation that today, for the same variable, estimates may be available from two or more sources of information. Yet, in hydrological modelling, usually, a particular set of catchment characteristics and input data is selected, possibly ignoring other relevant data sources. In this thesis, therefore, a framework is being proposed to enable effective use of multiple data sources in hydrological modelling.

In this framework, each available data source is used to derive catchment parameter values or input time series. Each unique combination of catchment and input data sources thus leads to a different hydrological simulation result: a new ensemble member. Together, the members form an ensemble of hydrological simulations. By following this approach, all available data sources are used effectively and their information is preserved. The framework also accommodates for applying multiple data-model integration methods, e.g. data assimilation. Each alternative integration method leads to yet another unique simulation result.

Case study results for a distributed hydrological model of Rijnland, the Netherlands, show that the framework can be applied effectively, improve discharge simulation, and partially account for parameter and data uncertainty.