Calibration of the hydrological model using satellite data of soil moisture

Abstract

Aktuelle Fortschritte in der Fernerkundung von Bodenfeuchte haben zur Entwicklung von Satellitendaten geführt, die eine verbesserte Fähigkeit zur Kartierung von Bodenfeuchte unter Vegetation sowie höhere räumliche und zeitliche Auflösungen bieten. Diese Masterarbeit untersucht die Auswirkungen der Verwendung verschiedener Bodenfeuchteprodukte, die aus den kombinierten Sentinel-1- und ASCAT-Datensätzen (S1ASCAT) sowie dem Scatterometer Synthetic Aperture Radar (SCATSAR) abgeleitet sind, auf die mehrfache objektive Kalibrierung des Dual-Layer-,konzeptuellen, halbverteilten hydrologischen Modells mit 18 Parametern, das an der Technischen Universität Wien entwickelt wurde (TUW_dual-Modell). Die Studie vergleicht diesen Ansatz mit der traditionellen Kalibrierung, die nur auf Abfluss basiert. Die Kalibrierung des hydrologischen Modells bezieht Wurzelzonen-Bodenfeuchtedaten aus S1ASCAT- und SCATSAR ein und wurde für den Zeitraum von September 2014 bis Dezember 2020 durchgeführt. Das Modell wurde anschließend für den Zeitraum von September 2009 bis August 2014 validiert. Die Analyse umfasste196 Einzugsgebiete in verschiedenen klimatischen und geografischen Regionen Österreichs. Im Anschluss wurden die Einzugsgebiete in 131 Tiefland- und 65 Alpeneinzugsgebiete kategorisiert.Die Ergebnisse deuten darauf hin, dass die Assimilation von S1ASCAT-Daten in die Kalibrierungim Vergleich zur ausschließlichen Kalibrierung auf Basis von Abfluss zu einer signifikanten Steigerung der Bodenfeuchteeffizienz führte, wobei das Modell eine höhere Effizienz bei der Simulation von Bodenfeuchte in Tieflandgebieten als in alpinen Gebieten zeigte. Konkret wurden Verbesserungen in 98,4% der Tiefland- und 94,6% der Alpeneinzugsgebiete im Vergleich zur ausschließlichen Abflusskalibrierungsvariante beobachtet. Im Gegensatz dazu war die Leistung der SCATSAR-Datenvarianten während des Kalibrierungszeitraums deutlich niedriger, wobei Verbesserungen nur in 20,6% bis 27,8% der Tiefland- und 47,7% bis 54,5% der Alpeneinzugsgebiete festgestellt wurden.Im Validierungsprozess zeigte S1ASCAT eine konsistente Leistung in der Simulation von Bodenfeuchte, mit Verbesserungen in 91,3% der Tiefland- und 87,5% der Alpeneinzugsgebiete im Vergleich zur ausschließlichen Abflusskalibrierungsvariante. Die SCATSAR-Datenvarianten zeigten jedoch erneut eine bemerkenswert geringere Effizienz, mit Verbesserungen nur in 3,7% bis 9,3% der Tiefland- und in 13,6% bis 20,5% der Alpeneinzugsgebiete.Generell zeigte das Modell eine höhere Effizienz bei der Simulation von Abfluss in alpinen Einzugsgebieten als in Tieflandeinzugsgebieten. Diese Arbeit kommt jedoch zu dem Schluss,dass die Kalibrierung des Modells, unter Einbeziehung von S1ASCAT- und SCATSAR-Satelliten-Bodenfeuchtedaten, entweder zu keiner signifikanten Veränderung oder zu einem leichten Rückgang der Effizienz des Abflussmodells sowohl in Tiefland- als auch in Alpeneinzugsgebieten führte.

Recent advancements in soil moisture remote sensing have led to the development of satellite data sets with enhanced capability to map soil moisture beneath vegetation, as well as higher spatial and temporal resolutions. This master’s thesis investigates the effects of using different soil moisture products derived from the merged Sentinel-1 and ASCAT datasets (S1ASCAT), as well as the Scatterometer Synthetic Aperture Radar (SCATSAR) on multiple objective calibration of the dual-layer, conceptual, semi-distributed hydrological model with 18 parameters developed at Technical University of Vienna (TUW_dual model). The study compares this approach to the traditional calibration based only on runoff. The calibration of the hydrological model incorporates root zone soil moisture data from S1ASCAT and SCATSAR retrievals and was carried out for the period September 2014 to December 2020. The model was subsequently validated for the period September 2009 to August 2014. The analysis covered 196 catchments located in diverse climatic and geographical regions of Austria. Following this, the catchments were categorized into 131 Lowland and 65 Alpine catchments. The findings indicate that the assimilation of S1ASCAT data into the calibration, as opposed to relying only on runoff calibration, resulted in a significant increase in soil moisture efficiency, with the model demonstrating higher efficiency in simulating soil moisture in Lowlands than in Alpine. Specifically, improvements were observed in 98.4% of the Lowland and 94.6% of the Alpine catchments, compared to the runoff only calibration variant. In contrast, the performance of SCATSAR data variants was substantially lower during the calibration period, with improvements noted only in 20.6% to 27.8 % of the Lowland and 47.7% to 54.5% of the Alpine catchments. In the validation process, S1ASCAT demonstrated consistent performance in soil moisture simulation, showing improvements in 91.3% of the Lowland and 87.5% of the Alpine catchments, compared to the runoff only calibration variant. However, SCATSAR data variants once again showed notably lower efficiency, with improvements only in 3.7% to 9.3% of the Lowland and in 13.6% to 20.5% of the Alpine catchments. In general, the model demonstrated higher efficiency in simulating runoff in Alpine catchments than in Lowland catchments. However, this thesis concludes that the model calibration, incorpo- rating S1ASCAT and SCATSAR satellite soil moisture data, resulted in either no significant change or a slight decline in runoff model efficiency in both Lowland and Alpine catchments.