Flash Flood Forecasting for Small Urban Watersheds in the Baltimore Metropolitan Region Periodical: Javier, Julie Rose N., James A. Smith, Katherine L.

Presentation on theme: "Flash Flood Forecasting for Small Urban Watersheds in the Baltimore Metropolitan Region Periodical: Javier, Julie Rose N., James A. Smith, Katherine L."— Presentation transcript:

1 Flash Flood Forecasting for Small Urban Watersheds in the Baltimore Metropolitan Region
Periodical: Javier, Julie Rose N., James A. Smith, Katherine L. Meierdiercks, Mary Lynn Baeck, and A. J. Miller, 2007,Weather and Forecating volume22 Adviser : 楊明仁 老師 Student : 方裕仁

2 Outline Introduction Data and basin description The Network Model
Results Summary and conclusions

3 Introduction 檢驗高解析度都卜勒雷達估計的降雨，搭 配分散式水文模式模擬都市集水區流量的 可行性。
透過模式對於都市區的流量預測，評估分 散式水文模式的適用性。 Gwynns Falls 流域位於馬里蘭州的Baltimore county ，此流域主要研究內部的生態系統 以及利用流量觀測網監測其變化。

4 Gwynns Fall

5 Data and basin description
Dead Run 為Gwynns Fall watershed of Baltimore County,Maryland 的其中一個 支流，模式中使用USGS（U.S Geological Survey）30m Dem (digital elevation model) ，流域面積為14.3km2 。 主要利用2003～2005年降雨事件於水文模 式作分析。 在Dead Run有17個雨量站，利用這些雨量 站對雷達估計降雨值作修正。 1.每個雨量站中會有兩個相隔1m的雨量記錄器，會利用手動的方式去讀取資料。

6 Data and basin description
Rain gauge 1.加入面積 2.17個雨量站點 3.6個流量站面積分別為dr1=1.2 ,dr2=1.8 ,dr3=4.9 ,dr4=6.1 ,dr5=1.9 ,Franklintown=14.3 4.1~5的站觀測間隔為1分鐘，Franklintown觀測間隔為5分鐘

7 Data and basin description
Event date Rainfall (mm) Runoff Infiltration Lag time (min) Runoff ratio 12 Jun2003 17 8 9 54 0.47 5 Nov 2003 23 15 61 0.65 7 Jul 2004 123 87 36 100 0.71 23 Jul 2004 26 6 20 45 0.23 27 Jul 2004 48 24 75 0.5 4 Aug 2004 3 14 50 0.18 11 Aug 2004 12 55 0.25 13 Aug 2004 2 0.75 18 Aug 2004 21 11 10 60 0.52 28 Jun 2005 83 0.48 1.Lag time:洪峰流量與最大降雨量的時間差 2.Runoff ratio:降雨以及出流量的比值

8 Data and basin description
雷達觀測資料利用KLWX at Sterling, VA (Virigina) Doppler Radar，其中時間解析 度為5～6分鐘，水平空間解析度為1km。經過 處理之後產生半徑70km的雷達回波圖，仰角 為0.5°PPI (Plane Position Indication) 的雷達資料。 1.流域距離雷達約西南方70km，s-beam 波長為10cm

9 Data and basin description
“conveation” Z-R relationship R(t,x)為降雨強度(mm/h) Z(t,x)為雷達回波(mm6/m3) a,b為常數，a= b=0.71 B為降雨強度修正係數 i為第i場降雨事件的編號 1.a= b=0.71

10 Data and basin description
Bias correction m為雨量站站數 Gij為第i事件第j測站的累積降雨 Ti為第i事件的降雨延時 j為測站編號，i為事件編號

11 Data and basin description
Event date Bias values 12 Jun2003 1.13 5 Nov 2003 1.15 7 Jul 2004 1.51 23 Jul 2004 1.19 27 Jul 2004 1.35 4 Aug 2004 2.77 11 Aug 2004 0.7 13 Aug 2004 1.68 18 Aug 2004 0.85 28 Jun 2005 1.2

12 Data and basin description
修正後的結果在10個降雨個案修正的範圍 大致上在0.7~2.77左右，其中有兩降雨個 案小於1，顯示這兩個個案雷達估計降雨的 結果高估實際觀測值。 雨量站觀測值可改善在集水區上雷達估計 降雨的平均累積降雨，而雷達觀測可以改 善空間及時間解析度的降雨強度。 降雨個案挑選三個暴雨事件，分別為 2004/7/7、2004/7/27~28、2005/6/28。 1.實際雨量觀測只有單點的觀測值缺乏空間上降雨分佈在加上觀測的間隔時間都為1小時，而使用雷達則就可以改善時間以及空間上得分佈情況，但雷達觀測從剛的修正值可以看到其雨量低估的情況，因此使用實際雨量觀測可改善此低估的情況。

13 Data and basin description

14 Data and basin description
1.雷達觀測站距離此流域有大約70km 因此根據觀測仰角0.5度作計算可得到在此流域所觀測的高度為大約0.6km，扣除海水面高程則在此流域觀測的高度為500m。

15 The Network Model The Network Model 是一個分散式水文 模式，適用在Dead Run的流量預測。
模式分隔渠道及地表地貌成一巢狀網格 。流量的表示如下： Q(t):在t時間的流量(m3h-1) A:流域範圍 M(t,x):逕流率(mh-1) d0、d1:地表長度以及渠道長度 v0、v1:漫地流流速以及渠道流速

16 The Network Model 模式中主要輸入的資料有空間降雨強度、 土壤水文參數、地表及渠道長度。
流量計算在入滲上使用Green-Ampt infiltration Model ，其中飽和水力傳導 係數則是經過特定區域的修正而得到的入 滲參數。 GIUH可以被解釋成出口處的集水區可能的密度

17 The Network Model 此研究中為了找出模式中相關參數如土壤 參數、渠道參數、地表參數。使用 2003/6/12以及2003/11/5兩個極端降雨事 件與模式的結果作校正。 參數設定：漫地流流速=0.0088m/s 渠道流流速=1.7m/s 飽和水力傳導係數=10mm/s 1.兩極端降雨事件主要降雨量延時時間只有短短的15分鐘，但在6/12最高下了60mm/hr，11/5則下了超過100mm/hr

18 The Network Model 2003/6/12 流量預測以及降雨量觀測值

19 The Network Model 2003/11/5 流量預測以及降雨量觀測值
1.兩極端降雨事件主要降雨量延時時間只有短短的15分鐘，但在6/12最高下了60mm/hr，11/5則下了超過100mm/hr

20 Result Peak magnitude (m3s-1km-2) Vol around the peak(mm)
Time to peak diff (min) Event date Obs Model Obs-model 12 Jun2003 1.3 1.4 4 1 5 Nov 2003 1.7 5 7 7 Jul 2004 17.2 16.8 47 55 48 23 Jul 2004 1.6 3 -4 27 Jul 2004 3.8 5.6 12 17 18 4 Aug 2004 0.7 2 11 Aug 2004 0.8 1.0 8 13 Aug 2004 1.2 -15 18 Aug 2004 28 Jun 2005 3.7 5.8 13 32

21 Sensitivity analysis

22 Result Comparison of the flood peak magnitudes
1.比較模擬值與觀測值的流量大小，對於初始土壤係數而言其相關係數最低為0.81最高到0.96。

23 Result Comparison of the volume around the peak
1.比較洪峰流量附近的降雨體積，同樣使用土壤含水量為0.25作分析，最低到0.9最高可到0.99。 2.由以上敏感度分析的結果可給予適當的土壤含水量條件來改善預測。

24 Result Difference in peak timing between observed and model discharge
2005/6/28 降雨事件 32min 2004/7/7 降雨事件 48min Difference in peak timing between observed and model discharge 2004/7/27 降雨事件 18min 1.比較觀測值與實際值的洪峰流量到達時間，最早是-11min 最晚是48min。 2.造成peak時間延遲的原因，是因為下水道流速不為一定值。 3.另外在計算上，作者假設其河道以及下水道的流速視為定值。 1.提出在山谷間橋樑迴水效應，對於較大的降雨事件會產生一定的影響。 2.以這三個case提前18～48分鐘。 3.因此對於流量反應，要修正水文模式參數以及取得更詳細的河谷資料 4.模式的誤差因為流域土壤的多向性以及當空間解析度小於10km2和時間解析度小於60min時降雨率的估計較為困難。

25 Single even analysis

26 Result 2004/8/18 降雨事件 1.較大的誤差在peak、降水體積、觀測站的觀測次數（time resolution）。
2.對於在此事件模擬叫好的結果主要是因為在DR3、DR4的誤差所互補的結果。

27 Result 2004/8/18 DR1 結果 1.模式高估，第一個peak低估、第二個peak高估

28 Result 2004/8/18 DR3 結果 1.模式都低估

29 Result 2004/8/18 DR4 結果 1.模式高估，且跟觀測值來比有延遲的現象。

30 Result 2005/6/28 DR3 結果

31 Result 2005/6/28 DR1 結果 1.因為此對於DR1的結果將原本雷達修正值從1.2修正成1.73

32 Gauge-radar scatter plot
Result Gauge-radar scatter plot 1.17個雨量站經過修正以及沒經過修正的雷達估計降雨結果

33 Summary and conclusions
使用分散式水文模式以及高解析度WSR-88D 氣象雷達估計降雨率可以改善都市區流域 流量估計。 橋樑以及橋樑的交界處是支配著在都市區 流域的水文模式流量結果之重要因素。 強降水結構對於都市區流域預測流量的正 確性是一個極限。 1.對於DEAD RUN 在未來希望模式能夠依靠修正雷達雨量值。 2.NETWORK中 GIUH改善降雨預測對於模式的計算影響。 3.水文模式的模擬並不能明確表示流量衰減。而洪峰流量以及逕流時間會產生較大較長的誤差 4.土壤含水量的設定上第一步驟是要取得隨季節變化的土壤含水量，第二步驟利用土壤含水量去計算以提供適用於URBAN basin的初始土壤條件。 5.

34 Summary and conclusions
物理機制以及模式內計算方式的改進有助 於流量在強降水的情況下準確的預測。 小於10km2流域因為雨量站的不足不集中、 土壤參數的變異性多而導致大的誤差。 降雨的誤差使得定量降水預報產生的流量 誤差，而經過校正後的雷達雨量估計值成 為一個不可或缺的因素。

35 Result 2004/8/18 DR2 結果