HYPE-modellen utvecklades som ett hjälpmedel för att uppfylla målet om att alla svenska vattendrag ska ha uppnått åtminstone god ekologisk status år 2015, enligt EU:s ramdirektiv för vatten. I HYPE-modellen delas avrinningsområdet in i markklasser, som definieras utifrån kombinationen av jordart och markanvändning/marktäckeklass. I modellen finns det många parametrar. Vissa av dem är generella för ett större område eller kan hämtas ifrån tidigare forskning, medan andra måste kalibreras för varje avrinningsområde. De parametrar som kalibreras beror i de flesta fall antingen av jordart eller av markanvändning eller marktäckeklass. Syftet i den här undersökningen var att kalibrera HYPE-modellen för ett mindre avrinningsområde samt undersöka avrinningsvägar och utvärdera den utförda kalibreringen. Det undersökta avrinningsområdet kallas Krycklan och ligger i Vindeln kommun i Västerbottens län. Det är ett avrinningsområde som huvudsakligen består av skog, men även innehåller inslag av jordbruksmark och myrmark. Kalibreringen gjordes i två steg, först för ett mindre delavrinningsområde och sedan för hela avrinningsområdet. Två avrinningskalibreringar gjordes för det mindre delavrinningsområdet. Kalibrering A utfördes med ansatsen att få en så hög anpassning som möjligt, med utgångspunkt i det statistiska måttet NSE, vilket är kvadratsumman av residualerna dividerat i den totala kvadratsumman. Kalibrering B gjordes i samråd med SMHI om rimlig storlek på parametervärdena, men gav ett sämre värde på NSE. För hela avrinningsområdet utfördes endast en kalibrering. Ett försök till modellering av kväve- och fosforhalter i avrinnande vatten gjordes även. Resultatet visade att det gick att få en kalibrering av modellen att följa uppmätt flöde väl, även på mikroskala. Skillnaden mellan kalibrering A och kalibrering B var att den första bättre fångade uppmätta flödestoppar, men gav ett för högt basflöde. För både blöta och torra år gick det att få en hög anpassning, men kalibreringen fungerade generellt sätt bättre för blöta år. Det var betydligt svårare för modellen att fånga variationen i kväve- och fosforkoncentrationer, men samband mellan modell och mätvärdena kunde ändå ses. / The HYPE-model was developed as an aid of achieving the goal of all Swedish watercourses should have reached at least well ecological status by the year of 2015, according to the EU Water Framework Directive. In the HYPE model, the catchment is divided into soil classes which are a combination of soil and land use. In the model, there are many parameters. Some of them are general for a larger area or can be obtained from previous research, while others must be calibrated for each catchment. The parameters to be calibrated depend in the most cases either on soil or land uses. The aim of this study was to calibrate and evaluate the HYPE model for a small catchment. The investigated catchment is called Krycklan and is located in the municipality of Vindeln in the province Västerbotten. The catchment consists mostly of forest, but there are also some agriculture and mire. The calibration was made in two steps, first on a small sub-basin and then to the entire basin. Two runoff calibrations were made for the smaller sub-basin. Calibration A was performed with the approach to obtain as high fit as possible, on the basis of the statistical measure NSE, which is the quadrate of the residuals divided in the quadrate of the total quadrate sum. Calibration B was made after consultation with SMHI (The Swedish Meteorological and Hydrological Institute) of the adequate size of the parameter values. For the entire basin only one calibration was performed. An attempt at modelling of nitrogen and phosphorus concentration in runoff was also made. The results showed that it was possible to get the model to follow the measured flow well, even at the micro scale. The difference between calibration A and calibration B was that the first one was better to catch the measured flow peaks, but resulted in too high base flow. For both wet and dry years it was possible to obtain a high fit, but the model generally got better for the wet years. There was much more difficult for the model to capture variation in nitrogen and phosphorus, but the connection between the model and the measurements could still be seen.

SMHI:s hydrologiska prognos- och varningstjänst använder sig av meteorologiska ensembleprognoser som indata i hydrologiska modeller. De hydrologiskaensembleprognoserna tar därmed hänsyn till framtida osäkerhet i temperatur och nederbördoch används som underlag vid utfärdandet av risker och varningar för höga flöden. För närvarande beaktas dock inte osäkerheten i modellens starttillstånd, vilket består av de tillståndsvariabler i modellen som beskriver bland annat markvattenhalt och snötäcke. I dennastudie undersöktes hur starttillståndet i den hydrologiska modellen HYPE inverkar på prognoser i syfte att kvantifiera osäkerheten och på sikt möjliggöra säkrare prognoser.Studien hade tre mål: 1) Ta fram ett förslag på hur starttillståndet kan varieras för att ge en god uppskattning av prognososäkerheten relaterat till det hydrologiska starttillståndet. 2) Undersöka sambandet mellan starttillståndens spridning och det hydrologiska prognosfelet. 3) Analysera hur årstider, avrinningsområdens area, sjöprocent, skogsprocent och höjd över havet inverkar på prognososäkerheten. En central hypotes var att mindre skillnad mellan starttillståndets vattenföring och den observerade vattenföringen vid prognosstart resulterar i mer träffsäkra prognoser. Studien begränsades av att starttillstånden endast genererades med hjälp av störningar i drivdata.Indata till HYPE-modellen var femton temperatur- och nederbördsserier som manipulerats i syfte att skapa en ensemble av olika starttillstånd. Denna ensemble användes sedan för att göra vattenföringsprognoser med observerad temperatur och nederbörd som drivdata. Studien omfattade 76 avrinningsområden från hela Sverige med data för perioden 1999-2008. Prognoser utfördes varje dygn och ensemblespridningen utvärderades 2, 4 och 10 dygn in i prognosen. Samma utvärderingar utfördes även på autoregressiva prognoser, vilket innebär att modellerad rättas utefter observerad vattenföring.Resultaten indikerade ett samband mellan ensemblespridning och prognosfel, vilket innebär att spridning kan användas som ett mått på starttillståndets osäkerhet. Prognosfelet korrelerade positivt med skogsprocent och negativt med avrinningsområdenas area, sjöprocent och höjd över havet. Samma samband uppvisades mellan dessa områdesvariableroch spridning. Spridningen var störst på vintern och våren då normalisering skett med medelvattenföring över tio år, och under vår och sommar då normalisering skett med medelvattenföring per månad. Hypotesen att mindre skillnad mellan starttillståndets vattenföring och den observerade vattenföringen vid prognosstart resulterar i mer träffsäkraprognoser bekräftades av resultaten. Implementering av en ensemble av olika starttillstånd i operationella prognoser vid SMHIs hydrologiska prognos- och varningstjänst föreslås i syfte att kvantifiera osäkerheten och därigenom utöka bedömningsunderlaget vid utfärdande av risker och varningar. / The Hydrological Forecast and Warning Service of The Swedish Meteorological and Hydrological Institute (SMHI) use meteorological ensemble forecasts as input in hydrological models. The hydrological ensemble forecasts take the uncertainty of future temperature and precipitation into account and serve as the basis of issued risks and warnings of high flows. Currently not considered is the uncertainty of the initial state, which consists of state variables in the model describing for instance soil water content and snow pack. This study assessed the impact of the initial state on forecasts in the hydrological model HYPE aiming to quantify the uncertainty and eventually enable more accurate forecasts.There were three aims of this study : 1) Evaluate a suggestion about how the initial state can be varied to give a good estimation of forecast uncertainty related to the hydrological initial state. 2) Examine the relationship between the spread of initial states and the hydrological forecast error. 3) Analyze the impact of seasons, catchment area, lake percentage, forest percentage and elevation on forecast uncertainty. A central hypothesis was that a smaller difference between the discharge of the initial state and the observed discharge results in more accurate forecasts. A restriction of the study was that the initial states only could be generated by disturbances of forcing data in before the forecast.Input data to the HYPE model were fifteen temperature and precipitation series, manipulated to generate an ensemble of different initial states. This ensemble was then used to make discharge forecasts with observed temperature and precipitation as forcing data. The study was performed on 76 catchments all over Sweden with data from the time period 1999-2008. Forecasts were made every day and the ensemble spread was evaluated 2, 4 and 10 days into the forecast. Autoregressive forecasts where the modelled discharge is corrected after the observed discharge were executed and evaluated as well. The results indicated a relationship between ensemble spread and forecast error, which implies that the spread can be used as a measure of the uncertainty of the initial state. The forecast error and ensemble spread correlated positively to forest percentage and negatively to catchment area, lake percentage and elevation. The same trend was detected between spread and catchment characteristics. The spread was biggest in winter and spring when normalization was made with mean discharge for the ten-year period and in spring and summer when normalization was done with mean discharge per month. The hypothesis that a smaller difference between the discharge of the initial state and the observed discharge results in more accurate forecasts was confirmed by the results. An implementation of an ensemble of different initial states in operational forecasts at SMHI’s Hydrological Forecast and Warning Service is suggested in order to further quantify the uncertainty of hydrological forecasts, and thereby improve the basis of judgment when issuing risks and warnings.