Flood prediction limitations in small watersheds with mountains terrain and high rainfall variability

Abstract

An evaluation of the interrelation between different up-scaling parameters and inputs were evaluated to quantify their influence on hydrologic predictability in complex terrain and small watersheds. An up-scaling experiment was performed, consisting of increasing the grid size to produce incrementally coarser resolution maps of each parameter, terrain and rainfall inputs. Each resolution was evaluated by an ensemble approach and generalized likelihood uncertainty estimation (GLUE) methodology using high resolution rain gauge network (rainfall resolution of 100 m) and fully distributed hydrologic model (10 meters). Each parameter perturbation, hydrologic model resolution, and rainfall resolution combination were modeled producing deterministic forecasts called “ensemble members”. Objective functions were used to evaluate the behavior of each ensemble with observed data using the variables time to peak, runoff depth and peak flow observations. Ensemble skill was evaluated using scalar measures of accuracy for continuous prediction as mean absolute errors (MAE), root mean square error (RMSE) and bias between the average ensembles to observation variable. Probabilistic distribution functions (PDF) were generated for each ensemble and prediction skill was measured by ranked probability score (RPS). Based on the analyses presented in this research, the recommended upscaled rainfall resolution, which will provide equivalent accuracy with the 100 m rainfall resolution, is 1000 m, and the recommended upscaled hydrologic model grid resolution, which will provide equivalent accuracy with the 10 m resolution, is 100 m.

Una evaluación de la interrelación entre distintos tipos de escalamiento de parámetros e insumos fueron evaluados para cuantificar su influencia en la predictibilidad hidrológica en un terreno complejo y pequeñas cuencas hidrográficas. Un experimento de aumento de escala se llevó a cabo, el cual consistió en aumentar el tamaño de la cuadrícula para producir mapas de resolución más gruesa en forma incremental de cada parámetro, modelo hidrológico y entrada de precipitaciones. Cada resolución fue evaluada por un enfoque de ensamblaje y la metodología de incertidumbre generalizada de estimación de la probabilidad (GLUE), utilizando una red de pluviómetros de alta resolución (100 m) y el modelo hidrológico totalmente distribuido (10 metros). Cada perturbación de parámetros del modelo y la combinación de lluvias y modelos hidrológicos a distintas resoluciones fueron modelados para producir pronósticos determinísticos llamados "miembros del ensamblaje". Las funciones objetivo se utilizaron para evaluar el comportamiento de cada ensamblaje con los datos observados y con variables como el tiempo al pico, profundidad de la escorrentía y las observaciones de flujo máximo. La habilidad del ensamblaje se evaluó con el uso de medidas escalares de precisión para la predicción continua, como media de los errores absolutos (MAE), error cuadrático medio (RMSE) y el sesgo entre los conjuntos de medios a la variable de observación. Funciones de distribución probabilísticas (PDF) se generaron para cada ensamblado y la capacidad de predicción se midió por puntuación de probabilidad clasificado (RPS). En base a los análisis presentados en esta investigación, la resolución de lluvia recomendada, que ofrecerá una precisión equivalente a la resolución de 100 metros, es de 1000 m, y la resolución recomendada para la rejilla del modelo hidrológico, que ofrecerá una precisión equivalente a la resolución de 10 m es 100m.