Titelaufnahme

Titel
Bias correction of precipitation data for Western Canada / vorgelegt von Stephanie Saal
Verfasser/ VerfasserinSaal, Stephanie
Begutachter / BegutachterinSass, Oliver
Erschienen2015
Umfang92 Bl. : Zsfassungen (2 Bl.) ; graph. Darst., Kt
HochschulschriftGraz, Univ., Masterarb., 2015
Anmerkung
Zsfassungen in dt. und engl. Sprache
SpracheEnglisch
DokumenttypMasterarbeit
Schlagwörter (GND)Kanada <West> / Niederschlag / Kanada <West> / Niederschlag / Online-Ressource
URNurn:nbn:at:at-ubg:1-92181 Persistent Identifier (URN)
Zugriffsbeschränkung
 Das Werk ist frei verfügbar
Dateien
Bias correction of precipitation data for Western Canada [6.12 mb]
Links
Nachweis
Klassifikation
Zusammenfassung (Deutsch)

Präzise flächendeckende Niederschlagsdaten sind von entscheidender Wichtigkeit bei hydrologischen Modellierungen. In Gebieten mit einer komplexen Topographie und einem lückenhaften Netzwerk zur Niederschlagsmessung ist es oft schwierig, flächendeckende Niederschlagsdaten von ausreichender Qualität zu erzeugen. Dadurch sind Niederschlagsdaten fehlerbehaftet. Werden diese Fehler nicht korrigiert, übertragen sich diese auf die Ergebnisse hydrologischer Modellierungen. In dieser Arbeit wurden die Fehler auf Basis von Einzugsgebieten im Fraser River Basin (British Columbia) berechnet. Dazu wurde Abfluss von 38 Einzugsgebieten mittels eines einfachen Wasserhaushaltmodels simuliert und mit gemessenem Abfluss, welcher sich auf dieselben Gebietsgrenzen bezog, verglichen. Beobachteter Abfluss ist deutlich präziser als Niederschlag und ist deshalb gut geeignet um Korrekturfaktoren zu errechnen. Da die Schätzung der Evapotranspiration einen bedeutender Unsicherheitsfaktor bei diesem Ansatz darstellt, wurde Abfluss mit vier verschiedenen potentiellen Evapotranspirationsmethoden (PET) berechnet: der Hamon, Thornthwaite, Jensen-Haise und Hargreaves-Methode. Daraus resultiert eine Spannweite von Bias-Werten. Des Weiteren wurde die Konfidenz von negativen und positiven Fehlern berechnet. Dabei erfährt der Großteil des Einzugsgebiets eine Unterschätzung des Niederschlags. In den Regenschattenarealen des Gebiets wurde Niederschlag überschätzt. Die PET-Methoden stimmen zumeist in Bezug auf Über- bzw. Unterschätzung von Niederschlag überein. Der wichtigste Einflussfaktor ist die Lage eines Einzugsgebietes auf der Luv- oder der Leeseite einer Gebirgskette, welche unterschiedliche meteorologische Prozesse indizieren. Es wurden jährliche mittlere für alle Einzugsgebiete berechnet. Die Werte reichen von Unterschätzungen des Niederschlags um -57% bis zu Überschätzungen von 99%. Dies resultiert in Korrekturfaktoren zwischen 5,3 und 0,5.

Zusammenfassung (Englisch)

Accurate gridded precipitation data is of major importance in hydrologic modelling. In areaswith complex topography and a sparse network of precipitation stations, it can be difficult toobtain gridded data of sufficient quality. As a result, precipitation data is biased. If notcorrected, these biases translate into the results of hydrologic modelling. In this work, thesebiases were calculated on a watershed basis within the Fraser River Basin, BC. For that,runoff of 38 watersheds was simulated using a simple water balance model and thencompared to observed runoff at gauge stations, referring to the same watershedboundaries. Observed streamflow data is decently accurate and therefore suited to calculatecorrection factors. With this method, it was possible to account for the regional patterns andvariations within the complex Fraser River Basin.Since the estimation of evapotranspiration is a major uncertainty of this approach, runoffwas computed with four different potential evapotranspiration (PET) methods. The modeloriginally runs with the Hamon method. Additionally, the Thornthwaite, Jensen-Haise andHargreaves methods were implemented. The result is a range of bias. Further, theconfidence of the direction of bias (positive or negative bias/ over- or underestimation ofprecipitation) was calculated. Most parts of the basin suffer from an underestimation ofprecipitation data. In the rain shadow areas of the basin, precipitation is too high. Themethods mostly agree on under- and overestimation. In conclusion, the biggest influencingfactor on bias is weather a watershed is located on the windward or the leeward side of aMountain Range, indicating different meteorological processes.Mean biases based on the four methods were calculated for every watershed on an annualbasis. The biases range from under predictions of -57% to over predictions of 99%, resultingin correction factors between 0.5 and 5.3.