WP 3: Fallstudier

I detta WP testas olika nederbördsprodukter (WP1 och 2) för olika typer av hydrologisk modellering och riskbedömning.

 

Planerade aktiviteter

Det finns ett antal potentiella användningsområden för högupplösta nederbördsprognoser och några exempel nämns i Figur 1. Detta projekt ska utföras i samarbete med ett antal användare som kan dra nytta av mera högupplösta meteorologiska och hydrologiska prognoser.

En målsättning är att konkret testa de framtagna nederbördsprognoserna i olika typer av hydrologisk modellering, men i vissa fall blir utvärderingen mera av kvalitativ karaktär genom diskussioner med avnämare kring den potentiella nyttan.

Fallstudierna har två huvudsakliga syften: (1) att bedöma mervärdet av de framtagna högupplösta prognoserna jämfört med dagens allmänt tillgängliga prognoser, (2) att styra utformningen av de slutliga prognoserna från WP2. Utvärderingen i fallstudierna lär huvudsakligen ske genom att använda hindcasts, d.v.s. gamla sparade prognoser, men även operationellt inriktade tester i realtid ska försöka utföras.

Följande tillämpningar är planerade att utvärderas:

• Slamströmmar i brant terräng: Intensiv nederbörd kan initiera slamströmmar ifall grundläggande förutsättningar vad gäller lutning, jordtyp och vattenmättnad är uppfyllda. Användningen av högupplösta nederbördsdata för riskbedömning ska utvärderas för Åre med omgivningar. I detta område har flera allvarliga slamströmmar utlösts under det senaste decenniet, vilka har orsakat stor skada på byggnader och infrastruktur. En kostnads-nytto analys av värdet av högupplösta prognoser ska genomföras.

• Hydrologi i små avrinningsområden: I små avrinningsområden, särskilt branta och/eller med tunna jordar, kan vattenflödet stiga snabbt efter intensiv nederbörd. En beskrivande hydrologisk modell måste därför ha hög upplösning i både tid och rum. I modellen S-HYPE är Sverige uppdelat i c:a 40 000 avrinningsområden vilket uppfyller kravet på rumslig upplösning. Tidssteget är emellertid 1 dygn vilket inte är tillräckligt för att beskriva de snabba flödesförloppen. I projektet ska S-HYPE anpassas, testas och utvärderas för körning på kortare tidssteg.

• Vattenkraftproduktion: Högupplösta prognoser är potentiellt användbara för reglering av kraftverksdammar, särskilt vid tiden för vårflodens start. Dessutom finns potentiell tillämpning för realtidsstyrning av flödeskraftverk med liten eller ingen dämningskapacitet. Bedömning av nyttan kommer främst att ske via diskussioner med företrädare för vattenkraftindustrin, t.ex. Elforsk/HUVA.

• Urban hydrologi: Högupplösta nederbördsprognoser är potentiellt användbara för realtidsstyrning av vattenvägar i urban miljö för att minska risker för översvämningar och andra problem. Projektet har inga resurser för utvärdering utan den avses utföras i en kopplad studie. Ett preliminärt studieobjekt är Mölndalsån för vilken SMHI har bidragit till att sätta upp en hydrologisk prognosmodell.

Utförd forskning och uppnådda resultat

Statens Geotekniska Institut (SGI) deltar i projektet med det ursprungliga syfte att optimera nyttan av SMHI:s varningssystem när det gäller att förebygga negativa konsekvenser av slamströmmar. En slamström är en snabb jordrörelse av jord och vatten som initieras av kraftigt regn och/eller kraftig snösmältning. Den startar ofta som ras eller skred och övergår till slamström när den når strömfåra (Fig 1).

MSB intensiv nederbördsprojektet
Fig 1. Bäckravin med spår av tidigare slamströmmar. Observera allt löst material på sidorna som kommer dras med vid nästa slamström och kan orsaka skador på bebyggelse nedströms. Foto: Mattias Andersson, SGI

Målsättningen var från början att utföra en kostnads- nyttoanalys för Åre by samt ge input till utformningen av varningssystemet baserat på resultatet av analysen. I ett första skede placerade SGI ut två nederbördsmätare i Åre.

Syftet med in-situ mätningar är att få ett grepp om hur nederbördsförhållandena är på plats, dvs om radarmätningarna som görs i Östersund är tillförlitliga när det gäller Åreskutan och vad effekten av höjdskillnaden är lokalt. En litteraturgenomgång har även gjorts för att få en bild av varningssystem i Europa.

Nederbördsmätningarna som gjorts under 2013 visar att den orografiska effekten (höjdeffekten) varierar stort mellan varje enskilt nederbördstillfälle men att ett medelvärde överensstämmer med det schablonvärde som normalt används i prognosarbetet, dvs ca 10%. En jämförelse mellan SMHI:s radarmätningar och SGI:s in-situ mätningar har ännu inte gjorts. In-situ mätningarna kommer även användas som input för att uppdatera en tidigare beräkning av vid vilka nederbördsmängder som en slamström troligen startar i Åre.

Litteraturgenomgången visar att varningssystem för slamströmmar fungerar mindre bra om de baseras endast på nederbörd eftersom markfuktighet och mängden avrinning också spelar stor roll. Om endast nederbördsmängd används som indikator så är risken för varning i onödan stor. Därför omformulerades SGIs roll i projektet till at inte göra en regelrätt kostnads-nyttoanalys utan istället studera hur man kan optimera nyttan av SMHIs varningssystem genom att undersöka hur räddningstjänsten i de kommuner som berörs av slamströmmar använder systemet.  Genom telefonintervjuer undersöks hur de används idag och hur varningssystemet eller informationen kan förbättras när det gäller att öka beredskapen för slamströmmar.

Preliminära körningar av S-HYPE med 1 timmes tidssteg för utvalt avrinningsområde har visat att det fungerar rent tekniskt och ger ett rimligt resultat men att bättre anpassning till observerade flöden bör kunna uppnås. En genomgång av alla modellens processbeskrivningar har genomförts för att identifiera vilka som påverkas av ett ändrat beräkningssteg och såldes kan kräva modifikationer. En lista på lämpliga områden för fortsatta tester och utveckling har tagits fram.

Operationalisering av S-HYPE på kort tidssteg kräver dels att alla erforderliga datakällor görs tillgängliga i SMHIs prognosmiljö. Radardata är i dagsläget inte tillgängligt och därför utvecklas stöd för detta inom projektet. Dessutom måste säkerställas att datorkapaciteten räcker till för att köra modellen högupplöst i realtid. Testkörningar med olika tidssteg genomförs för att uppskatta exekveringstider och lagringsbehov.