Olika uppdateringsmetoder för HBV-modellen har utvecklats och jämförts. Metoderna har utvärderats i simuleringsexperiment där modellkörningar med observerade data användes som meteorologisk prognos. De olika uppdateringsmetoder som testats är dels autoregressiva, dvs de bygger på en korrektion av uppmätt fel före prognosens början, dels sådana som bygger på en uppdatering av indata dvs nederbörd och temperatur och slutligen sådana där modellens tillståndsvariabler uppdateras. Resultaten visar att alla metoderna medför en förbättrad avrinningsprognos. Ingen av metoderna kan dock sägas vara den bästa vid alla tillfällen. AR-metoden gav bäst resultat vid högsta flöden, t ex i samband med snösmältning, medan uppdatering av modellens tillstånd gav något bättre resultat vid regnflöden. Om en modell skall användas för prognoser i samband med höga flöden är det viktigt att man redan vid kalibreringen tar hänsyn till detta och kalibrerar med hänsyn till just toppflöden, som annars systematiskt kommer att underskattas.
Effekten av en uppdatering avklingar jämförelsevis snabbt. Vid långtidsprognoser är det troligt att en kombination av nu testade metoder och uppdatering av t ex snömagasin och de faktorer som speciellt påverkar snösmältningen, dvs. temperatur och kanske t o m modellens graddagfaktor, skulle ge en bättre prognos.
Skicka e-post
Du kommer att skicka ett e-postmeddelande till Kundtjänst.