Impact of hydrological model calibration on the uncertainty of hydrological projections

Abstract

Modelle sind ein wichtiges Werkzeug für das zukünftige Wasser Ressourcen Management. Durch sie ist es uns möglich, die Auswirkungen des Klimawandels abzuschätzen und Änderungen im Wasserkreislauf abzubilden. Eines der am meisten genutzten Arten von hydrologischen Modellen, das Niederschlags-Abfluss Modell, muss jedoch mit Hilfe von Beobachtungsdaten geeicht und validiert werden, bevor es für Vorhersagen genutzt werden kann. Diese Eichung ist eine von mehreren Quellen von Unsicherheiten von Klimasimulationen mit Niederschlags-Abfluss Modellen. Je höher diese Unsicherheiten werden, desto weniger effizient sind die Wassernutzungspläne für die Zukunft, welche auf den Modellen basieren. Die Forschungsziele dieser Diplomarbeit sind 1.) die vier verschiedenen Eichungsvarianten des konzeptionellen hydrologischen Modelles für verschiedene Eichungsperioden in Bezug auf Effektivität zu vergleichen, 2.) die Projektionen der durchschnittlichen jährlichen und saisonalen Abflussänderungen basierend auf sechs verschiedenen Klimaszenarien und vier sozioökonomischen Pfaden zu untersuchen, und 3.) die Unsicherheiten der hydrologischen Projektionen der jährlichen und saisonalen Abflüsse zu evaluieren. Um dies zu erreichen wird das Einzugsgebiet der Thaya verwendet, welches aus den südlichen Teilen Tschechiens und den nördlichen Teilen Österreichs besteht. Die verwendeten Eichungsvarianten sind ein Blockmodell, ein gegliedertes Modell, ein flächendetailliertes Modell und ein gegliedertes Modell mit zusätzlichen Schneedaten. Die drei erstgenannten Modellarten werden für die Perioden 1986–1995, 1991–2000 und 1996–2005 geeicht, das Schneemodell für 1996–2005 und 2001–2010. Die Validierung erfolgt in Periode 2011–2019 für die tschechischen Gebiete des Einzugsgebietes und 2011–2017 für die österreichischen Gebiete. Verwendet wurden die Klimamodelle CMCC-ESM2, EC-EARTH3, GFDL-ESM4, MPI-ESM1.2- HR, MRI-ESM2.0 und TaiESM1 und die sozioökonomischen Pfade SSP 126, SSP 245, SSP 370 and SSP 585 sowie Projektionen für das Jahr 2030. Obwohl die flächendetaillierten Modelle zu den besten Resultaten führen, zeigen alle Mo- delle gute Ergebnisse. Weiters können keine gebietsabhängigen Verhaltensmuster aufgrund der unterschiedlichen Höhenlagen für die benutzten Effizienzkennzahlen oder Eichungsparameter festgestellt werden. Die hydrologischen Projektionen für SSPs 245, 373 und 585 zeigen für die saisonalen Verände- rungen des Abflusses oft ähnliches Verhalten zueinander, während SSP 126 große Unterschiede aufweist. Das Klimamodell CMCC führt meist zu kleinen Verringerungen oder Vermehrungen der Abflüsse, während die anderen Klimamodelle zu signifikanten Verringerungen der saisonalen Abflüsse neigen. Die größten Verringerungen der Abflüsse finden üblicherweise von April bis Juni statt. Über die Unsicherheiten lässt sich sagen, dass die Unterschiede zwischen den Klimamodellen zu kleineren Unsicherheiten führen als die unterschiedlichen Eichungsvarianten. Es zeigt sich hier auch, dass die Eichungsvariante mit der besten Effizienz nicht unumgänglicherweise auch zu den kleinsten Unsicherheiten führt. Wenn man die saisonalen Veränderungen der Abflüsse betrachtet, sieht man, dass die kleinsten Unsicherheiten oft im Juni auftreten. Es können keine ähnlichen konsistenten Verhaltensmuster für die größten Unsicherheiten festgestellt werden. Es gibt auch keine unumstößlichen Hinweise, welcher der SSPs zu den größten Unsicherheiten führt. Für die jährlichen Veränderungen des Abflusses zeigen die unterschiedlichen Eichungsvarianten keine signifikanten Unterschiede für die verschiedenen SSPs und Klimamodelle.

Models are an important tool for the future water resource management. They allow us to gauge the impacts of climate change and depict changes in the water cycle. However, one of the most used types of hydrological models, the rainfall-runoff model, needs to be calibrated and validated via observational data before it can be used for predictions. This calibration is one of several sources of uncertainty for climate simulations with rainfall-runoff models. The higher the uncertainties, the less efficient are future water usage plans based on the models. The research objectives of this thesis are 1.) to compare the four different calibration variants of a conceptual hydrological model for several different calibration periods in terms of efficiency, 2.) to examine the projections of mean annual and seasonal discharge based on six different climate scenarios representing four shared socio economic pathways, and 3.) to evaluate the uncertainty of hydrological projections of annual and seasonal discharges. All this is done for the Thaya catchment, consisting of the southern parts of Czechia and northern parts of Austria. For the variants a lumped model, a semi-distributed model, a distributed model and a semi-distributed model with additional snow data are used. The first three types of models are calibrated for periods 1986–1995, 1991–2000 and 1996–2005, the snow model for 1996–2005 and 2001–2010. The validation period is 2011–2019 for the Czech subcatchments and 2011–2017 for the Austrian subcatchments. The applied climate models are CMCC-ESM2, EC-EARTH3, GFDL-ESM4, MPI-ESM1.2-HR, MRI-ESM2.0 and TaiESM1 with the shared economic pathways SSP 126, SSP 245, SSP 370 and SSP 585 and projections for the year 2030. While the distributed model performs the best for the calibration and validation, all calibration variants generally perform well. There are no spatial patterns in terms of altitude for the used efficiency values or for the calibrated parameters. As for the hydrological projections the SSPs 245, 370 and 585 often show similar patterns for seasonal change in discharge, while SSP 126 differs vastly. For the climate models, CMCC generally leads to either small decreases or increases, while all other models tend to bring about significant decreases in seasonal discharges. The highest declines in discharge usually are from April to June. As for the uncertainties, the differences in climate models lead to smaller uncertainties than the different calibration variants. Here it could also be seen that the calibration variant with the best effectiveness does not necessary lead to the smallest uncertainties. As for seasonal changes in discharge, the smallest uncertainties often times are in June. No such consistent pattern can be seen for the biggest uncertainty. There are no definitive findings about which SSP pathway leads to the biggest uncertainty. For the annual changes in discharge the different calibration variants show no significant differences for the various SSPs and climate models.