Spelling suggestions: "subject:"rainfallrunoff simulation"" "subject:"rainfallrunnofmode simulation""
1 |
Application of a Hydrological Model for Estimating Infiltration for Debris Flow Initiation: A Case Study from the Great Smoky Mountains National Park, TennesseeMandal, Arpita, Nandi, Arpita, Shakoor, Abdul, Keaton, Jeffrey 01 February 2022 (has links)
Debris flows occur frequently in remote areas of Great Smoky Mountains National Park, Tennessee. Rainfall gauges are not adequate for modeling infiltration required for triggering debris flows. Weather radar, providing frequently updated, continuous coverage, is a valuable tool for estimating rainfall intensity, duration, runoff, and infiltration. Daily rainfall from a sole gauge was compared with hourly rainfall from the Digital Precipitation Array weather radar product to model infiltration on August 5, 2012, the day before a debris flow was known to have occurred in the 91-km2West Prong Little Pigeon River watershed. Additionally, both gauge and radar data were used for rainfall-runoff-infiltration modeling for a 42-day period in July and August 2012. Runoff and infiltration were simulated using the conventional semi-distributed hydrological model HEC-HMS. A local bias correction of radar rainfall at the gauge location improved correlation between the radar rainfall and the gauge data. Peak daily rainfall for the August 5 storm was 93 mm (gauge) and 98 mm (radar), whereas average daily rainfall for the 42-day period was 10 mm and 7.75 mm, respectively. Over the study period, simulated daily infiltration declined from 28 mm to 0.5 mm for the gauge and from 15 mm to 0.14 mm for radar, indicating essentially saturated conditions on the day of the debris flow.
|
2 |
The hydrologic effects of climate change and urbanization in the Las Vegas Wash Watershed, NevadaYang, Heng January 2013 (has links)
No description available.
|
3 |
Analyzing Future Change of Frequency and Magnitude of Extreme Floods in River Basins in Taiwan by Using a Large Ensemble Climate Projection Dataset / 大規模アンサンブル気候予測データセットを用いた台湾の河川流域における極端洪水の頻度と強度の将来変化分析Chang, Juiche 25 March 2024 (has links)
京都大学 / 新制・課程博士 / 博士(工学) / 甲第25250号 / 工博第5209号 / 京都大学大学院工学研究科社会基盤工学専攻 / (主査)教授 立川 康人, 教授 角 哲也, 教授 森 信人 / 学位規則第4条第1項該当 / Doctor of Philosophy (Engineering) / Kyoto University / DFAM
|
4 |
Modélisation hydrologique distribuée des crues en région Cévennes-Vivarais : impact des incertitudes liées à l'estimation des précipitations et à la paramétrisation du modèle / Distributed hydrological modeling of floods in the Cévennes-Vivarais region : impact of uncertainties related to precipitation estimation and model parameterization / Modelización hidrológica distribuida de crecidas en la región del Cévennes-Vivarais : impacto de incertidumbres ligadas a la estimación de la precipitación y a la parametrización del modeloNavas Nunez, Rafael 06 October 2017 (has links)
Il est connu qu’avoir un système d’observation de la pluie de haute résolution spatio – temporelle est crucial pour obtenir de bons résultats dans la modélisation pluie – écoulement. Le radar est un outil qui donne des estimations quantitatives de precipitation avec une très bonne résolution. Lorsqu’il est fusionné avec un réseau des pluviomètres les avantages des deux systèmes sont obtenus. Cependant, les estimations fournies par le radar ont des incertitudes différentes à celles qui sont obtenus avec les pluviomètres. Dans le processus de calcul pluie – écoulement l'incertitude des précipitations interagit avec l'incertitude du modèle hydrologique. L’objectif de ce travail est d’étudier les méthodes utilisées pour quantifier l'incertitude dans l'estimation des précipitations par fusion radar – pluviomètres et de l'incertitude dans la modélisation hydrologique, afin de développer une méthodologie d'analyse de leurs contributions individuelles au traitement pluie - écoulement.Le travail est divisé en deux parties, la première cherche à évaluer: Comment peut-on quantifier l'incertitude de l'estimation des précipitations par radar? Pour répondre à la question, l'approche géostatistique par Krigeage avec Dérive Externe (KED) et Génération Stochastique de la précipitation a été utilisée, qui permet de modéliser la structure spatio – temporaire de l’erreur. La méthode a été appliquée dans la région des Cévennes - Vivarais (France), où il y a un système très dense d'observation. La deuxième partie explique: Comment pourrais être quantifiée l'incertitude de la simulation hydrologique qui provient de l'estimation de précipitation par radar et du processus de modélisation hydrologique? Dans ce point, l'outil de calcul hydrologique à Mesoéchelle (HCHM) a été développé, c’est un logiciel hydrologique distribuée et temps continu, basé sur le Numéro de Courbe et l’Hydrographe Unitaire. Il a été appliqué dans 20 résolutions spatio - temporelles allant de 10 à 300 km2 et 1 à 6 heures dans les bassins de l’Ardèche (~ 1971 km2) et le Gardon (1810 km2). Apres une analyse de sensibilité, le modèle a été simplifié avec 4 paramètres et l’incertitude de la chaîne de processus a été analysée: 1) Estimation de precipitation; 2) Modélisation hydrologique; et 3) Traitement pluie - écoulement, par l’utilisation du coefficient de variation de l'écoulement simulé.Il a été montré que KED est une méthode qui fournit l’écart type de l’estimation des précipitations, lequel peut être transformé dans une estimation stochastique de l’erreur locale. Dans la chaîne des processus: 1) L'incertitude dans l'estimation de précipitation augmente avec la réduction de l’échelle spatio – temporelle, et son effet est atténué par la modélisation hydrologique, vraisemblablement par les propriétés de stockage et de transport du bassin ; 2) L'incertitude de la modélisation hydrologique dépend de la simplification des processus hydrologiques et pas de la surface du bassin ; 3) L'incertitude dans le traitement pluie - écoulement est le résultat de la combinaison amplifiée des incertitudes de la précipitation et la modélisation hydrologique. / It is known that having a precipitation observation system at high space - time resolution is crucial to obtain good results in rainfall - runoff modeling. Radar is a tool that offers quantitative precipitation estimates with very good resolution. When it is merged with a rain gauge network the advantages of both systems are achieved. However, radars estimates have different uncertainties than those obtained with the rain gauge. In the modeling process, uncertainty of precipitation interacts with uncertainty of the hydrological model. The objective of this work is: To study methods used to quantify the uncertainty in radar – raingauge merge precipitation estimation and uncertainty in hydrological modeling, in order to develop a methodology for the analysis of their individual contributions in the uncertainty of rainfall - runoff estimation.The work is divided in two parts, the first one evaluates: How the uncertainty of radar precipitation estimation can be quantified? To address the question, the geostatistical approach by Kriging with External Drift (KED) and Stochastic Generation of Precipitation was used, which allows to model the spatio - temporal structure of errors. The method was applied in the Cévennes - Vivarais region (France), where there is a very rich observation system. The second part explains: How can it be quantified the uncertainty of the hydrological simulation coming from the radar precipitation estimates and hydrological modeling process? In this point, the hydrological mesoscale computation tool was developed; it is distributed hydrological software in time continuous, within the basis of the Curve Number and the Unit Hydrograph. It was applied in 20 spatio-temporal resolutions ranging from 10 to 300 km2 and 1 to 6 hours in the Ardèche (~ 1971 km2) and the Gardon (1810 km2) basins. After a sensitivity analysis, the model was simplified with 4 parameters and the uncertainty of the chain of process was analyzed: 1) Precipitation estimation; 2) Hydrological modeling; and 3) Rainfall - runoff estimation, by using the coefficient of variation of the simulated flow.It has been shown that KED is a method that provides the standard deviation of the precipitation estimation, which can be transformed into a stochastic estimation of the local error. In the chain of processes: 1) Uncertainty in precipitation estimation increases with decreasing spatio-temporal scale, and its effect is attenuated by hydrological modeling, probably due by storage and transport properties of the basin; 2) The uncertainty of hydrological modeling depends on the simplification of hydrological processes and not on the surface of the basin; 3) Uncertainty in rainfall - runoff treatment is the result of the amplified combination of precipitation and hydrologic modeling uncertainties.
|
Page generated in 0.073 seconds