Probability forecasts of daily areal precipitation for small river basins

Abstract

Langanhaltende großflächige Starkniederschläge führen in vielen Regionen der Welt immer wieder zu schweren Überschwemmungen und bedrohen so das Leben vieler Menschen. Zur Verringerung der Auswirkungen solcher Ereignisse werden Hochwasservorhersagesysteme entwickelt, die Warnungen an die Bevölkerung ausgegeben, falls lokale Schutzmaßnahmen überschritten werden könnten. Die Güte der Hochwasservorhersage wird im Wesentlichen von der Qualität der Niederschlagsvorhersage bestimmt, insbesondere für kleinräumige und schnell reagierende Flussgebiete. Leider weisen herkömmliche Verfahren zur Niederschlagsvorhersage gerade bei Extremereignissen große Schwächen auf. Häufig weichen die Vorhersagen deutlich von den Beobachtungen ab und die Unsicherheit der Vorhersage wird kaum berücksichtigt. Daher werden in dieser Arbeit innovative statistische Techniken zur probabilistischen Vorhersage vorgestellt, mit denen die Unsicherheit einer Niederschlagsvorhersage angemessen quantifiziert werden kann. Da der Gebietsniederschlag die wichtigste meteorologische Information für die Entwicklung eines Warnsystems für schnell reagierende Flussgebiete ist, werden die statistischen Techniken speziell für diese Größe getestet. Die Untersuchung wird für mehrere Flussgebiete in verschiedenen Regionen Deutschlands über einen Beobachtungszeitraum von 50 Jahren durchgeführt, um die Güte der Techniken für möglichst viele zeitlich unabhängige Niederschlagsextreme zu testen. Zusätzlich wird in dieser Arbeit ein Prototyp eines operationellen probabilistischen Niederschlagsvorhersagesystems vorgestellt, um die Fähigkeiten der hier verwendeten Techniken für Warnsituationen der realen Welt zu testen. Es wurde anschaulich dargestellt, dass die hier vorgestellten Techniken einen sehr hohen Nutzen für die operationelle Hochwasservorhersage haben können. Daher hofft der Autor dieser Arbeit, dass zukünftige Forschungsarbeiten die in dieser Studie vorgestellten Ideen und Verfahren aufgreifen und weiterentwickeln und dass die eine oder andere Methodik später in der hydrologischen Praxis ihren Platz findet.

Long-lasting large-area heavy precipitation causes in many regions of the world severe inundations that threatens the life of people. To reduce the impacts of such events, flood forecasting systems are developed to alert the population if local protection measures could be exceeded. The goodness of a flood forecast strongly depends on the quality of the precipitation forecast, in particular for small and fast reacting river basins. Unfortunately, common techniques used in weather forecasting are limited for the prediction of precipitation extremes. There are often large differences between the forecasts and the observations and the uncertainty of the precipitation forecast is not described in a suitable way. To overcome this problem, innovative statistical techniques are proposed in this study that can be used to determine the uncertainty of a precipitation forecast. Since the areal precipitation is the most important meteorological information for a flood forecasting system designed for fast reacting river basins, the techniques are primary tested for this key variable. The investigation is performed for several river basins located in different regions in Germany. The investigation period is more than 50 years to evaluate the performance of the proposed techniques for many time-independent precipitation extremes. Additionally, a prototype of an operational probabilistic precipitation forecast system is proposed to evaluate the proposed techniques for warning situations of the real world and that can be implemented at a flood forecasting center. It was demonstrated that the proposed techniques have a high value for operational flood forecasting. The author hopes that the investigation is able to highlight the basic principles and techniques in a suitable way so that future research activities can benefit from this investigation and that some ideas or techniques can also find their way into the hydrological practice.