Return to search

The Role of Uni- and Multivariate Bias Adjustment Methods for Future Hydrological Projections and Subsequent Decision-Making / Rollen av uni- och multivariata biasjusteringsmetoder för framtida hydrologiska projektioner och efterföljande beslutsfattande

Climate models are essential for generating future climate projections. However, due to simplifications, the models can produce systematic differences between output and reality, which is referred to as model bias. Bias adjustment methods aim to reduce this error, which is important for making future projections more reliable. Here, the suitability of four different bias adjustment methods was tested: distribution-based (Distribution Scaling (DS), Quantile Delta Mapping (QDM)) and non-distribution- based methods (Copula, Multivariate Bias Correction (MBCn)), of which each one univariate and one multivariate approach. The methods were assessed on climate future projections together with a non bias adjusted data set, focusing on their impacts on hydrological modelling simulations. For this, 16 hydrological signatures were analysed and categorized into: 1) water balance and flow dynamics, 2) seasonal behaviour of the flow, 3) low flow characteristics and 4) high flow characteristics. The assessment was carried out based on 50 catchments in Sweden, 10 climate models and one hydrological model. Most noticeable differences were observed between distribution-based and non-distribution-based methods, rather than between univariate and multivariate methods. Bias adjustment methods introduce half as much variation as climate models, catchments contribute substantially more to the projected signatures. Specific hydrological signatures differed regionally, such as changes in the average spring streamflow magnitude and greater bias adjustment variations in low- and high-flow frequencies, compared to varia- tions among catchments, suggesting a shift in the frequency of extreme streamflow events in the future. The choice of bias adjustment method impacted ’High flow characteristics’ the strongest. The Copula method deviated in the trend analysis by utilizing an existing trend. This research prompts further exploration of variation between current and projected future climate, or the inclusion of other variables that might impact projections, to determine the necessity of the methods. / Vi befinner oss i en tid av klimatförändringar. Det blir mer och mer synligt och klimatet kommer förändras i närtid och långt fram i tiden. Men hur exakt kommer det vara i slutet av detta århundrade? För att förutspå det, används klimatmodeller. Dock kan klimatmodeller bara ge en uppskattning om hur det kommer se ut, eftersom de måste förenkla jordsystem och klimat genom simplifieringar och antaganden, för att kunna beräkna projektionen. Det betyder att klimatprojektioner är ingen särskilt exakt förutsägelse. För att projicera framtidens vattenföring i en förändrande klimat, behöver an först modellera framtidens klimat och ut ur det modellera framtidens hydrologiska processer genom hydrologiska modeller. Kombinationer av flera modelltyper kallas modellkedja. För att projicera framtidens klimat, behövs en hel modell-kedja som består av klimatmodeller och hydrologiska modeller. Ju fler delar en modell-kedjan består av, desto osäkrare blir projektionen. Osäkerheten kallas systematiskt och slumpmässigt fel, kort bias. För att förbättra projektionen kan man inkluderar en så kallat bias korrektions metod, vars syfte är att minska biasen med en massa ekvationer och underliggande algoritmer. Det finns flera olika metoder, baserade på olika algoritmer, som beroende på algoritmernas innehåll är mer eller mindre komplicerad.  Jag undersökte i det här projektet, om det gör en skillnad, vilket bias korrektur metod man använder för att förbättra sitt klimat projektion. Det kan, t.ex. vara intressant att veta, när man måste bestämma sig mellan olika bias korrektur metoder som innehåller olika nivåer av komplexitet som användaren måste förstå sig på för att beräkna och korrigerar dataset som är utdatan från klimatmodellerna. För att testa det, tog jag ett existerande stort dataset (bestående av 4 olika bias korrektur metoder och ett dataset som inte var bias korrigerad, med 10 stycken klimatprojektioner för 50 avrinningsområden jämt utspridda över hela Sverige). För att kunna ge en omfattande överblick av framtidens klimat, beräknade jag flera, så kallade hydrologiska signaturer av vattenföringens karakteristik. De signaturer testades statistiskt för att visar avvikande och liknande betedde.  Metoder som korrigerar systematiskt fel betog sig ganska lika varandra, dock introducerades ungefär hälften så mycket variation som hos de 10 testade klimatmodeller, däremot introducerade de 50 flodbäcken mycket mer variation än bias korrektur metoderna, förutom vissa undantag. Jämförelsen föreslår en förändring i vårflöde och ett betydligt skifte i extremflöden i framtiden, jämfört med dagens flöde i älvarna. Det syns att det som blivit påverkat mest av från valet av bias korrektur metoder är kategorin "hög flod drag".  Det här projektet är bara en liten del av en större forskning, och det finns mycket kvar att studera. I framtidens forskning skulle det vara intressant att jämföra skillnaden mellan dagens avloppet och i framtiden och hur stor skillnaden är, jämfört med styrkan av variationen mellan de testade bias korrektur metoder. Därmed kunde man minska forskningsgapet ytterligare, och göra ett noggrant konstaterande i samband med olika bias korrektur metoder och om valets betydelse.

Identiferoai:union.ndltd.org:UPSALLA1/oai:DiVA.org:uu-523281
Date January 2024
CreatorsLiebenehm-Axmann, Anna Merle
PublisherUppsala universitet, Luft-, vatten- och landskapslära
Source SetsDiVA Archive at Upsalla University
LanguageEnglish
Detected LanguageSwedish
TypeStudent thesis, info:eu-repo/semantics/bachelorThesis, text
Formatapplication/pdf
Rightsinfo:eu-repo/semantics/openAccess
RelationExamensarbete vid Institutionen för geovetenskaper, 1650-6553 ; 623

Page generated in 0.0026 seconds