Hydrological consequences of land use/land cover and climatic changes in mesoscale catchments

Abstract

Eine Vielzahl von hydrologischen Untersuchungen weist nach, dass die beobachteten Veränderungen verschiedener Merkmale des Wasserkreislaufs von der geographischen Lage und dem Maßstab, in dem die Untersuchungen durchgeführt wurden, abhängen. Im allgemeinen wird der Wasserkreislauf in einem Wassereinzugsgebiet durch klimatische Änderungen und/oder Änderungen der Bodenbedeckung bzw. Flächennutzung beeinflusst. Die Ermittlung der genauen Gründe der beobachteten Schwankungen des Wasserkreislaufs einer mittleren räumlichen Maßstabsebene ist eine besondere Herausforderung, weil zum einen ein Mangel an Informationen über die räumliche Verteilung der relevanten erklärenden Variablen besteht, und zum anderen die räumliche Heterogenität von Parametern unbekannt ist. Das Ziel der vorliegenden Untersuchung ist es, ein allgemein anwendbares Verfahren zu entwickeln, das es erlaubt, die beobachteten zeitlichen Schwankungen der Abflussmerkmale eines Wassereinzugsgebietes in zwei unabhängige Komponenten aufzuspalten. Die eine Komponente wird ausschließlich durch klimatische Schwankungen erklärt, während die zweite Komponente lediglich durch Änderungen der Flächennutzung bzw. Bodenbedeckung beeinflusst wird. Um diese Aufspaltung zu erreichen, wird folgender Algorithmus vorgeschlagen: Von einem Satz von Variablen ausgehend werden zunächst für jedes der gegebenen Abflussmerkmale so viele nicht-linearen Modelle kalibriert und auf ihre Anpassungsgüte hin bewertet, wie es Kombinationen dieser Variablen gibt. Anschließend wird die Robustheit jedes Modells durch ein Kreuz-Validierungsverfahren geschätzt, und schließlich wird die statistische Signifikanz jeder erklärenden Variablen mit Hilfe eines Permutations-Tests ermittelt. Die Optimierung der Parameter jedes Modells wird mit Hilfe eines Generalized Reduced Gradient Algorithmus durchgeführt. Abschließend wird mit Hilfe eines Algorithmus das robusteste Modell ausgewählt, welches die folgenden drei Bedingungen simultan am besten erfüllt: Erstens soll es die geringst mögliche Zahl von Variablen verwenden, aber den größtmöglichen Erklärungsbeitrag für die Schwankungen der Stichprobe liefern. Zweitens soll es von Ausreißern möglichst wenig beeinflusst werden und drittens sollen alle verwendeten Variablen auf einem 5%igen Niveau statistisch signifikant sein. Anschließend werden die so kalibrierten Modelle mit einem stochastischen Flächennutzungsmodell verknüpft, um die hydrologischen Wirkungen von Änderungen der Flächennutzung bzw. Bodenbedeckung und der klimatischen Änderungen in einem Einzugsgebiet mittlerer Größe zu simulieren. Die Größenordndung dieser Wirkungen wird mit einem probabilistischen Verfahren mit Hilfe einer sequentiellen Monte-Carlo-Simulation geschätzt. Die Simulation geht von vier unterschiedlichen Szenarien aus, die die wahrscheinlichen Entwicklungen der makro-klimatischen und der sozio-ökonomischen Bedingungen im Untersuchungsraum darstellen. Die vorgestellte Methodik wurde in einem rund 4000 km2 großen Einzugsgebiet des Oberen Neckars entwickelt und getestet. Eine Übertragung auf andere Einzugsgebiete ist möglich.

Many hydrologic studies reported in the literature indicate that observed changes of various characteristics of the water cycle largely depend on the geographic location and the scale at which such a study is carried out. In general, the water cycle of a given basin may be modified due to climatic and/or land use/cover changes. Identifying, however, the causes of the observed variability at the mesoscale is a challenging task because of the lack of data describing the spatial distribution of relevant explanatory variables and the unknown spatial heterogeneity of parameter values. This study proposes a general method that attempts to split the observed variability of a given characteristic of a basin’s runoff along the time axis into two independent components, one that is only explained by climatic fluctuations, and a second one that is exclusively explained by land cover changes. The proposed algorithm works as follows. Given a set of explanatory variables, it initially calibrates and assesses the goodness of the fit of as many non-linear models as feasible combinations of these variables exist, then, it estimates the robustness of every model using a cross-validation technique, and finally, it assesses the statistical significance of each explanatory variable employing a permutation test. The optimisation of the parameters of each model is carried out by a generalized reduced gradient algorithm. Finally, the algorithm selects the most robust model as that which best accomplishes simultaneously the following criteria: 1) it should have the least number of variables but explain as much as possible the variance of the sample; 2) it should be robust to outliers (i.e. the minimum cross-validation statistic); and 3) all its variables should be significant at 5% level. Lastly, those hydrological models calibrated for a given set of runoff characteristics were linked with a stochastic land use/cover change model in order to simulate the effects of the hydrological consequences of land use/cover and climatic changes in a mesoscale catchment. The magnitude of these effects was assessed in a probabilistic way by a sequential Monte-Carlo simulation provided four different scenarios which take into account likely developments of macro-climatic and socio-economic conditions relevant for a given study area. The proposed methodology was developed and tested in the upper catchment of the Neckar River covering an area of about 4000 km2; however, its application in other catchments is possible.