There is now a general consensus among scientists on occurrences of more and intense climatic disasters, floods and droughts, everywhere in the future. To act sooner and smarter against these negative impacts, we must shift our focus in better understanding of the future climate change and possible implications of that to better manage our water resources. Certainly, there is a link between the future effects of climate change on water resources and trends of climatic variables. In this study, by using Mann-Kendall trend analysis method, it is concluded that from 1961 to 2010 only temperature has an upward trend, in all the seasons and yearly, in all the 16 studied stations from north, middle and south of Sweden. Furthermore, runoff simulated by HBV model shows increasing trend in summer and winter which is in partially agreement with the recorded one that discerns a growth in the mentioned seasons, as well as yearly. What is more, potential evapotranspiration estimated by FAO Penman-Monteith equation and actual one simulated by CoupModel reveal a rise in spring for the former and both spring and winter for the latter. Other meteorological variables do not show any significant trend, while intensive precipitation increased in winter and summer in the majority of the stations. Comparing the runoffs simulated by CoupModel and HBV model shows that HBV works better for three selected stations which can enforce the claim that HBV works better for smaller fields.

Inflow forecasting is important when planning the use of water in a hydropower plant. The process of making forecasts is characterized by using knowledge from previous events and occurrences to make predictions about the future. Traditionally, inflow is predicted using hydrological models. The model developed by the Hydrologiska Byråns Vattenbalansavdelning (HBV model) is one of the most widely used hydrological models around the world. Machine learning is emerging as a potential alternative to the current HBV models but needs to be evaluated. This thesis investigates machine learning for inflow forecasting as a mixed qualitative and quantitative case study. Interviews with experts in various backgrounds within hydropower illustrated the key issues and opportunities for inflow forecasting accuracy and laid the foundation for the machine learning model created. The thesis found that the noise in the realised inflow data was one of the main factors which affected the quality of the machine learning inflow forecasts. Other notable factors were the precipitation data from the three closest weather stations. The interviews suggested that the noise in the realised inflow data could be due to faulty measurements. The interviews also provided examples of additional data such as snow quantity measurements and ground moisture levels which could be included in a machine learning model to improve inflow forecast performance. One proposed application for the machine learning model was as a complementary tool to the current HBV model to assist in making manual adjustments to the forecasts when considered necessary. The machine learning model achieved an average Mean Absolute Error (MAE) of 1.39 compared to 1.73 for a baseline forecast for inflow to the Lake Kymmen river system 1-7 days ahead over the period 2015-2019. For inflow to the Lake Kymmen river system 8-14 days ahead the machine learning model achieved an average MAE of 1.68 compared to 2.45 for a baseline forecast. The current HBV model in place had a lower average MAE than the machine learning model over the available comparison period of January 2018. / Tillrinningsprognostisering är viktig vid planeringen av vattenanvändningen i ett vattenkraftverk. Prognostiseringsprocessen går ut på att använda tidigare kunskap för att kunna göra prediktioner om framtiden. Traditionellt sett har tillrinningsprognostisering gjorts med hjälp av hydrologiska modeller. Hydrologiska Byråns Vattenbalansavdelning-modellen (HBV-modellen) är en av de mest använda hydrologiska modellerna och används världen över. Maskininlärning växer för tillfället fram som ett potentiellt alternativ till de nuvarande HBV-modellerna men behöver utvärderas. Det här examensarbetet använder en blandad kvalitativ och kvantitativ metod för att utforska maskininlärning för tillrinningsprognostisering i en fallstudie. Intervjuer med experter med olika bakgrund inom vattenkraft påtalade nyckelfrågor och möjligheter för precisering av tillrinningsprognostisering och lade grunden för den maskininlärningsmodell som skapades. Den här studien fann att brus i realiserade tillrinningsdata var en av huvudfaktorerna som påverkade kvaliteten i tillrinningsprognoserna av maskininlärningsmodellen. Andra nämnvärda faktorer var nederbördsdata från de tre närmaste väderstationerna. Intervjuerna antydde att bruset i realiserade tillrinningsdatana kan bero på felaktiga mätvärden. Intervjuerna bidrog också med exempel på ytterligare data som kan inkluderas i en maskininlärningsmodell för att förbättra tillrinningsprognoserna, såsom mätningar av snömängd och markvattennivåer. En föreslagen användning för maskininlärningsmodellen var som ett kompletterande verktyg till den nuvarande HBV-modellen för att underlätta manuella justeringar av prognoserna när det bedöms nödvändigt. Maskininlärningsmodellen åstadkom ett genomsnittligt Mean Absolute Error (MAE) på 1,39 jämfört med 1,73 för en referensprognos för tillrinningen till Kymmens sjösystem 1–7 dagar fram i tiden under perioden 2015–2019. För tillrinningen till Kymmens sjösystem 8–14 dagar fram i tiden åstadkom maskininlärningsmodellen ett genomsnittligt MAE på 1,68 jämfört med 2,45 för en referensprognos. Den nuvarande HBV-modellen hade ett lägre genomsnittligt MAE jämfört med maskininlärningsmodellen under den tillgängliga jämförelseperioden januari 2018.

Snowmelt runoff in the mountainous eastern part of Turkey is of great importance as it constitutes 60-70% in volume of the total yearly runoff during spring and early summer months. Therefore, forecasting the amount and timing of snowmelt runoff especially in the Euphrates Basin, where large dams are located, is an important task in order to use the water resources of the country in an optimum manner. The HBV model, being one of the well-known conceptual hydrological models used more than 45 countries over the world, is applied for the first time in Turkey to a small basin of 242 km2 on the headwaters of Euphrates River for 2002-2004 water years. The input data are provided from the automatic snow-meteorological stations installed at various locations and altitudes in Upper Euphrates Basin operating in real-time. Since ground based observations can only represent a small part of the region of interest, spatially and temporally distributed snow cover data are acquired through the use of MODIS optical satellite. Automatic model parameter estimation methods, GML and SCE_UA, are utilized to calibrate the HBV model parameters with a multi-objective criteria using runoff as well as snow covered area to ensure the internal validity of the model and to generate a Pareto front. Model simulations show that the choice of study years and timing of satellite images affect the results and further suggest that more study catchments and years should be included to achieve more comprehensible conclusions. In the second part of the study, the calibrated HBV model is applied to forecast runoff with a 1-day lead time using gridded input data from numerical weather prediction models of ECMWF and MM5 for the 2004 snowmelt period. Promising results indicate the possible operational use of runoff forecasting using numerical weather prediction models in order to prevent or at least take precautions before flooding ahead of time.

I denna rapport undersöks hur mängden organiskt kol, TOC (Totalt organiskt kol), varierar i tid och rum i Mälarens avrinningsområde, samt vad det är som styr TOC-halten i Mälaren. Det är viktigt att förstå dynamiken hos TOC i Mälaren och i dess avrinningsområde eftersom ökat TOC i vattnet påverkar vattenkvaliteten och orsakar problem vid beredning av dricksvatten. TOC kan bland annat reagera med klor/UV-ljus och bilda cancerframkallande ämnen. Det kan också öka antal mikrober i vattnets distributionssystem. Arbetet omfattar analys av samband mellan elementen, transportberäkningar per ytenhet av elementen till Mälaren och en modelleringsansats för ett av avrinningsområdena. Rapporten innehåller även en jämförelse mellan de olika vattenföringsmodellerna samt uppmätt vattenföring för analys av eventuella systematiska skillnader mellan dessa som påverkar beräkningen av TOC och de andra elementens transport till Mälaren. Analysen av sambanden mellan variablerna TOC (mg/l), kaliumpermanganat förbrukning (KMnO4, mg/l), absorbans_F (F=filtrerad), järn (mg/l), mangan (mg/l) och SO4_IC (sulfat mätt med hjälp av jonkromatografi, mg/l), visade att vissa av dessa variabler är korrelerade med varandra. TOC mot KMnO4 och TOC mot absorbans_F hade de bästa anpassningarna med respektive R2- värden 0,65 och 0,59 och p-värden <0,001. Årsnederbörd är positivt korrelerad med TOC per ytenhet för Kolbäcksån med R2-värde 0,63 och p-värde <0,01, vilket innebär att sambandet är signifikant. Ökad årsnederbörd leder till ökad tillförsel av TOC till Mälaren. Det finns däremot inget signifikant samband mellan TOC-transport per ytenhet och årsmedeltemperatur. Arealflödesberäkningar tyder på att den största tillförseln av TOC- transport per ytenhet kommer från den nordöstra delen av Mälaren. Fyrisån står för den största tillförseln av TOC. Hydrologiska, kemiska och meteorologiska data inkluderades i modeller för att kunna skatta TOC-halten i Mälaren. Temperatur-, evapotranspirations- och nederbördsdata användes i en hydrologisk modell, HBV- modellen, för att simulera vattenföringen från avrinningsområdet. Sedan användes en processbaserad modell, INCA- C, som drivs av hydrologisk data och beräknade grundvattenbildning och markfuktighet för att simulera tidsmässiga mönster i TOC. Invariablerna till INCA-modellen, markfuktigheten och HER (grundvattenbildning), simulerades med hjälp av HBV- modellen. Dessa modeller tillämpades i Kolbäcksån (ett av Mälarens största avrinningsområden). Modelleringen av Kolbäcksåns TOC- halt resulterade i en modell som anpassade dynamiken mellan 1996 och 2009, men missar den mellan 2009 och juni 2010, med bäst anpassning mellan 2006 och 2008. R2- och NS värden som erhölls för modellen var 0,086 och -0,059. / In this report, it has been investigated how the amount of organic carbon, TOC, varies in time and space in the basin of Mälaren, and what controls the TOC content in the lake. It is important to understand the dynamics of the TOC in the lake and its catchment because increased TOC in the water affects water quality and causes problems in the preparation of drinking water. Particularly, it can react with chlorine / UV- light and form carcinogenic substances. It can also increase the number of microbes in water distribution systems. In addition the work includes analysis of the relation between water chemistry variables, annual fluxes calculations (g/m2/year) of element flows to the lake and a modeling approach to a watershed. Annual fluxes calculations (g/m2/year) indicate that the largest supply of TOC to the lake comes from the northeast of the lake. Fyrisån accounts for the largest input of TOC to the lake. The high TOC-flux is due to a small proportion of open water in the catchment. Hydrological, chemical and meteorological data have been included in models to estimate the TOC content in the Mälaren. Input data processing, especially precipitation data, has been an important part of the work as it affects the whole model. Temperature, evapotranspiration and precipitation data were used in a hydrological model, HBV model, to simulate the flow from the catchment area. Then a process-based model, INCA-C, operated by the hydrological data and soil moisture, has been used to simulate the temporal patterns in TOC. The input variables to INCA-C- model, soil moisture and HER (Hydrological effective rainfall), have been simulated using the HBV- model. Those models were applied in Kolbäcksån, one of the lake's largest catchments. The modeling of Kolbäcksån resulted in a model that captured the dynamics of a few periods of the whole time series. The modeling of Kolbäcksån TOC-concentration resulted in a model that captured the dynamics between 1996 and 2009, but misses it between 2009 and June 2010. R2 and NS values obtained for the model were 0.086 and -0.059, respectively.

The anthropogenic impact on earth’s systems has rapidly increased since the middle of the last century and today it is hard to find a stream that is not influenced by human activities. The understanding of causes to changes is an important knowledge for future water management and planning and of that reason climatic and anthropogenic impact on streamflow changes in Sweden were explored and quantified. In the first step trends and abrupt changes in annual streamflow were detected and verified with the non- parametric Mann-Kendall’s and Pettitt’s test, all performed as moving window tests. In the second step HBV, a climatic driven rainfall-runoff model, was used to attribute the causes of the detected changes. Detection and attribution of changes were performed on several catchments in order to investigate regional patterns. On one hand using smaller window sizes, period higher number of detected positive and negative trends were found. On the other hand bigger window sizes resulted in positive trends in more than half of the catchments and almost no negative trends. The detected changes were highly dependent on the investigated time frame, due to periodicity, e.g. natural variability in streamflow. In general the anthropogenic impact on streamflow changes was smaller than changes due to temperature and streamflow. In median anthropogenic impact could explain 7% of the total change. No regional differences were found which indicated that anthropogenic impact varies more between individual catchments than following a regional pattern. / Sedan mitten av förra århundradet har den antropogena påverkan på jordens system ökat kraftigt. Idag är det svårt att hitta ett vattendrag som inte är påverkat av mänsklig aktivitet. Att förstå orsakerna bakom förändringarna är en viktig kunskap för framtida vattenplanering och av denna anledning undersöktes och kvantiferades den antropogen och klimatpåverkan på flödesförändringar i svenska vattendrag. I arbetets första steg användes de Mann-Kendalls och Pettitts test för att lokalisera och verifiera förändringar i årligt vattenflöde. Alla test var icke parametriska och utfördes som ett glidande fönster. I nästa steg undersöktes orsakerna till förändringar med hjälp av HBV, en klimatdriven avrinningsmodell. Ett större antal avrinningsområden undersöktes för att upptäcka regionala mönster och skillnader. Perioder med omväxlande positiva och negativa trender upptäcktes med mindre fönsterstorlekar, medan större fönster hittade positiva trender i mer än hälften av områdena och knappt några negativa trender hittades. De detekterade förändringarna var på grund av periodicitet i årligt vattenflöde till stor grad beroende på det undersöka tidsintervallet. Generellt var den antropogena påverkan större påverkan från nederbörd och temperatur, med ett medianvärde där 7 % av den totala förändringen kunde förklaras med antropogen påverkan. Inga regionala skillnader i antropogen påverkan kunde identifieras vilket indikerar att den varierar mer mellan individuella områden än följer ett regionalt mönster.

The aim of this thesis was to test and evaluate whether parameter regionalization of a hydrological model can be used to model the impact of forest clearcutting on streamflow in Sweden. This is an important task to be able to perform water management and impact assessments adequately. The HBV conceptual rainfall-runoff model was applied for 218 Swedish catchments of different sizes that were spread across the country and covered a wide range of different forest cover percentages. The modelling approach included calibration of the model for each catchment using a genetic algorithm and then associating the resulting optimal parameter values with the percentage of forest cover. The obtained relationship between different model parameters and forest cover was validated with help of a paired catchment study site in northern Sweden where a clear cut was done in 2006: calibrated optimal parameter sets of pre- and post-clearcutting conditions were compared to parameter sets obtained from the Sweden-wide analysis. Correlations were found for about half of the fifteen hydrological model parameters, but the validation with the paired catchment study site could only partially confirm these obtained relationships. The results suggest that the adopted parameter regionalization approach is too basic. However, some of the results seem promising and emphasize the need for further research and development of the approach to provide a more reasonable method to model the impact of forest clearcutting on streamflow. / Det huvudsakliga målet med detta examensarbete var att testa och utvärdera om parameterregionalisering av en hydrologisk modell kan vara en lämplig metod för att modellera och kvantifiera påverkan från skogsavverkning på vattenbalansen i Sverige. Detta är en viktig uppgift för att kunna hantera våra vattenresurser och utföra konsekvensanalyser på ett tillfredsställande sätt. En konceptuell hydrologisk modell tillämpades på 218 avrinningsområden av olika storlekar och som var geografiskt utspridda i hela Sverige där även andelen skog i avrinningsområdena hade ett brett spektrum. Den använda modelleringsmetoden innefattade kalibrering av varje avrinningsområde genom att använda en genetisk algoritm, varefter de optimala parametervärdeana korrelerades mot andelen skog i avrinningsområdet. Idén med denna metod är att använda dessa potentiella samband för att justera modellparametrarna och därmed simulera en skogsavverkning. De erhållna sambanden mellan modellparametrarna och skogstäcket validerades med hjälp av data från en försöksstudie i norra Sverige där en skogsavverkning gjordes under 2006. Skillnaden mellan de bäst fungerande parametervärdena före och efter skogsavverkningen jämfördes med de tidigare sambanden från andra avrinningsområden i Sverige. Signifikant korrelation hittades för ungefär hälften av de 15 hydrologiska modellparametrarna, men valideringen mot den riktiga skogsavverkningen kunde bara delvis bekräfta de erhållna sambanden. Resultaten visar att detta sätt att använda parameterregionalisering antagligen är för grundläggande. Vissa resultat är ändå lovande och fortsatt forskning och utvidgning av metoden är nödvändig för att kunna tillhandahålla en rimlig metod för att kvantifiera en skogsavverknings effekter på vattenbalansen.