Adaptation and harmonization of multi-source satellite data for their assimilation in hydrological models as well as for the optimization of hydrological simulations

Abstract

Physically-based or process-based hydrologic models play a basic part in hydrologic assessments. Be that as it may, it has continuously been a challenge to appraise quantifiable physical parameters or unmeasurable theoretical parameters for these models to create satisfactory forecasts because of numerous distinctive sources of uncertainty (Cho et al. 2019; Cho and Liuzzo 2022). Data assimilation is when we take data from a system and use math or statistics to analyze it and provide them as input into models to improve their predictions. Recent advances in technologies and hydrology have contributed towards assimilation of multi-source data (in-situ, satellite-derived, historical information, etc) in order to improve hydrological models predictions (Cho and Liuzzo 2022). In recent years, improvements in remote sensing and earth-observation technologies have facilitated data provision for both small and large areas worldwide, contributing thus to the understanding and prediction of the land, atmosphere and ocean interactions. Furthermore, easy access to communication networks has allowed people to engage in scientific initiatives. For example, they can provide information and data as volunteers in citizen science programs. The main purpose of this Ph.D. thesis is to improve hydrological modeling predictions by assimilating data from multiple sources, to adapt and combine the use of different satellite data in hydrological models as well as to improve hydrological simulations. Initially, research, study and review on satellite-derived datasets related to hydrological modeling were held. Then, different types of hydrological modeling software were evaluated through their manuals, documentation and relevant publications. Thus, initially a simplified water budget calculation model was developed using the ERA5 dataset (Muñoz Sabater 2019; Gemitzi and Kofidou 2022). This helped us acquire information on whether simplified models can provide useful water budget information. Finally, the SWAT and SWAT-CUP was the hydrological modeling software selected within the frames of this thesis as it is a widely validated model. Streamflow, drought and flood predictions are of the main focus of this thesis. However, we argue that the same approach can be applied for modeling other hydrological processes, like e.g., sediment and contaminant transport in basins. Then, all necessary data and information were collected and processed in order to be ready for use in the SWAT model. This thesis assimilated river flow and downscaled satellite-based soil moisture (SM) estimates including Soil Moisture Active Passive (SMAP) in order to predict streamflow and soil moisture conditions. In this thesis, we successfully showed that assimilating satellite-based SM data into streamflow predictions improved the performance of hydrological modeling. The study area is a medium sized catchment of approximately 355 km2 in NE Greece, called Vosvozis River Basin (VRB). Flow and SM measurements were used simultaneously in model calibration and validation, proving that data assimilation improves discharge and SM forecasting. The model performance was estimated through Nash–Sutcliffe efficiency (NS) and coefficient of determination (R2). The results of the above study were compared with ground-based observations of river flow and SM sensors. Within the present thesis, the calibration period was that of 2019–2020, whereas 2021–2022 were used as the validation period. Three approaches were adopted, whereas in the first two approaches, SWAT was calibrated against daily averaged river flow and downscaled daily satellite-derived SM from SMAP mission respectively. In the third approach, SWAT was calibrated simultaneously against both daily averaged flow and SMAP SM parameters. It is worth mentioning that in the last case, i.e., with simultaneous calibration against SM and river flow, results indicated NS=0.57 and R2=0.66 and NS=0.54 and R2=0.64 for flow calibration and validation period respectively, while a considerable improvement was achieved for SM at subbasin level, with NS=0.85 and R2=0.91 and NS=0.79 and R2=0.84 for the calibration and validation period respectively. Furthermore, verifying results using ground SM observations provides a useful way to examine the model performance in terms of SM description, as it is done in the present work. Regarding the water budget of the study area, the basin annual average values during long-term period of simulation (including the 5 warm-up years) from January 1st, 2014 to December 31st, 2022, provided the following results 606.9 mm precipitation, 148.59 mm surface runoff Q, 417.2 mm evaporation and transpiration and 47.99 mm percolation to shallow aquifer. Many studies were made regarding calibration against river gauge and SM data. Compared to previous works, our results are analogous to that of de Andrade et al. 2019, in the Mundaú River Basin (4090.39 km2) in northeastern Brazil, where authors calibrated against both river gauge and SM data, highlighting the potential for improved model performance assimilating SM information, especially in cases where discharge data are scarce. To conclude, results of the present thesis indicated a satisfactory performance in all three cases, for flow conditions, while the third one, using both parameters, produced the best SM results, while preserving the successful simulation of river flow. This is especially important since SM is of major importance related to prevalence of extreme hydrological conditions like flood surges and droughts, while better representation of the SM regime may contribute to improved planning of anticipating measures.

Τα βασισμένα σε φυσικές διεργασίες υδρολογικά μοντέλα διαδραματίζουν βασικό ρόλο στον υδρολογικό προσδιορισμό. Ωστόσο, πάντα αποτελούσε πρόκληση η εκτίμηση των μετρήσιμων φυσικών παραμέτρων ή των μη ποσοτικοποιήσιμων θεωρητικών παραμέτρων για αυτά τα μοντέλα ώστε να παράγουν τελικά ικανοποιητικές προβλέψεις λόγω πολλών και διαφορετικών πηγών αστάθειας (Cho et al. 2019; Cho and Liuzzo 2022). Η αφομοίωση δεδομένων είναι η διαδικασία λήψης δεδομένων από ένα σύστημα και η χρήση μαθηματικών ή στατιστικών στοιχείων με στόχο την ανάλυσή τους. Στη συνέχεια, εισάγουμε αυτά τα δεδομένα σε μοντέλα με σκοπό την βελτίωσή τους για την καλύτερη πρόβλεψη γεγονότων. Πρόσφατα, οι νέες εξελίξεις στις τεχνολογίες της πληροφορικής, των τηλεπικοινωνιών και της τηλεπισκόπησης βελτίωσαν την χρησιμότητα και την αξιοπιστία των δεδομένων αυτών στην βελτίωση των υδρολογικών μοντέλων όσον αφορά την πραγματοποίηση προβλέψεων (Cho and Liuzzo 2022). Τα τελευταία χρόνια, οι βελτιώσεις στις τεχνολογίες της τηλεπισκόπησης και της γεωπαρατήρησης έχουν διευκολύνει τη δυνατότητα συλλογής δεδομένων τόσο από μικρές όσο και από μεγάλες περιοχές παγκοσμίως. Αυτό το γεγονός, μας βοηθάει να κατανοήσουμε και να προβλέψουμε πώς αλληλεπιδρούν το έδαφος, η ατμόσφαιρα και οι ωκεανοί της Γης. Επιπλέον, η εύκολη πρόσβαση στα δίκτυα επικοινωνίας επέτρεψε σε άτομα να συμμετέχουν σε επιστημονικά προγράμματα και πρωτοβουλίες. Για παράδειγμα, μπορούν να παρέχουν πληροφορίες και δεδομένα ως εθελοντές σε προγράμματα επιστήμης των πολιτών. Ο κύριος σκοπός αυτής της διδακτορικής διατριβής είναι να βελτιώσει τις προβλέψεις των υδρολογικών μοντέλων αφομοιώνοντας δεδομένα από πολλαπλές πηγές, να προσαρμόσει και να συνδυάσει τη χρήση διαφορετικών δορυφορικών δεδομένων σε υδρολογικά μοντέλα καθώς και να βελτιώσει τις υδρολογικές προσομοιώσεις. Αρχικά, πραγματοποιήθηκε έρευνα, μελέτη και ανασκόπηση σε διάφορα σύνολα δορυφορικών δεδομένων που σχετίζονται με την υδρολογική μοντελοποίηση. Μετά, υλοποιήθηκε ένα απλοποιημένο μοντέλο υπολογισμού του υδρολογικού ισοζυγίου με τη χρήση των δεδομένων ERA5 (Muñoz Sabater 2019; Gemitzi and Kofidou 2022). Αυτό μας βοήθησε να διερευνήσουμε το μέτρο αξιοπιστίας των απλών μοντέλων υδρολογικού ισοζυγίου σε σύγκριση με πιο περίπλοκα κατανεμημένα υδρολογικά μοντέλα. Στη συνέχεια, και αφού ερευνήθηκαν διάφορα κατανεμημένα μοντέλα υδρολογικής προσομοίωσης, το SWAT και το SWAT-CUP ήταν τα λογισμικά που επιλέχθηκαν στα πλαίσια αυτής της διατριβής. Οι προβλέψεις ροής και πλημμυρών αποτελούν το επίκεντρο αυτής της μελέτης. Στη συνέχεια, συλλέχθηκαν και υποβλήθηκαν σε επεξεργασία όλα τα απαραίτητα δεδομένα και πληροφορίες προκειμένου να είναι έτοιμα προς χρήση στα προαναφερθέντα λογισμικά. Αυτή η διατριβή αφομοίωσε τις μετρήσεις παροχής ποταμού και τις εκτιμήσεις της υποκλιμακωμένης δορυφορικής υγρασίας εδάφους (προερχόμενης από την δορυφορική αποστολή SMAP) προκειμένου να προβλέψει τις συνθήκες ροής και εδαφικής υγρασίας. Επίσης, στα πλαίσιά της, αποδείχτηκε επιτυχώς ότι η αφομοίωση των δορυφορικών δεδομένων εδαφικής υγρασίας σε προβλέψεις ροής βελτίωσε την απόδοση της υδρολογικής μοντελοποίησης. Η περιοχή μελέτης της παρούσας διατριβής αφορά μια λεκάνη απορροής μεσαίου μεγέθους (~ 355 km2) στη BA Ελλάδα, την Λεκάνη απορροής του ποταμού Βοσβόζη που στο παρόν κείμενο θα αναφέρεται ως Vosvozis River Basin (VRB). Οι μετρήσεις ροής και εδαφικής υγρασίας επιλέχθηκαν για διαδικασίες βαθμονόμησης και επικύρωσης των μεθόδων αφομοίωσης δεδομένων και των επιπτώσεων τους στην πρόβλεψη της ροής και των υπόλοιπων υδρολογικών παραμέτρων. Οι παραπάνω μετρήσεις εκτιμήθηκαν μέσω του συντελεστή απόδοσης Nash–Sutcliffe (NS) και του συντελεστή προσδιορισμού (R2). Τα αποτελέσματα της παραπάνω μελέτης συγκρίθηκαν με επίγειες παρατηρήσεις βροχόπτωσης και απορροής και αισθητήρες εδαφικής υγρασίας. Στο πλαίσιο της παρούσας μελέτης, η περίοδος βαθμονόμησης ήταν αυτή του 2019-2020, ενώ ως περίοδος επικύρωσης χρησιμοποιήθηκε το 2021-2022. Πραγματοποιήθηκαν τρεις προσεγγίσεις, ενώ στις δύο πρώτες προσεγγίσεις, το SWAT βαθμονομήθηκε έναντι της ημερήσιας μέσης ροής του ποταμού και της υποκλιμακωμένης ημερήσιας δορυφορικής εδαφικής υγρασίας προερχόμενη από την δορυφορική αποστολή SMAP αντίστοιχα. Στην τρίτη προσέγγιση, το SWAT βαθμονομήθηκε ταυτόχρονα με βάση τις παραμέτρους ημερήσιας μέσης ροής και δορυφορικής εδαφικής υγρασίας της αποστολής SMAP. Αξίζει να αναφερθεί ότι στην τελευταία περίπτωση όπου έγινε ταυτόχρονη βαθμονόμηση έναντι των παραμέτρων εδαφικής υγρασίας και της ροής ποταμού, τα αποτελέσματα έδειξαν NS=0,57 και R2=0,66 και NS=0,54 και R2=0,64 για την βαθμονόμηση και την επικύρωση της ροής αντίστοιχα, ενώ σημαντική βελτίωση επιτεύχθηκε για την παράμετρο της εδαφικής υγρασίας σε επίπεδο υπολεκάνης, με NS=0,85 και R2=0,91 και NS=0,79 και R2=0,84 για την περίοδο βαθμονόμησης και επικύρωσης αντίστοιχα. Η επαλήθευση των αποτελεσμάτων χρησιμοποιώντας παρατηρήσεις επίγειας εδαφικής υγρασίας παρέχει έναν χρήσιμο τρόπο εξέτασης της απόδοσης του μοντέλου στα πλαίσια περιγραφής της εδαφικής υγρασίας, όπως γίνεται στην παρούσα εργασία. Όσον αφορά το υδατικό ισοζύγιο της περιοχής μελέτης, οι μέσες ετήσιες τιμές για το σύνολο της λεκάνης κατά τη μακροπρόθεσμη περίοδο προσομοίωσης (συμπεριλαμβανομένων των 5 ετών προθέρμανσης), ήτοι από την 1η Ιανουαρίου 2014 έως την 31η Δεκεμβρίου 2022, έδειξε τα ακόλουθα αποτελέσματα: 606.9 mm βροχόπτωση, 148.59 mm επιφανειακή απορροή Q, 417.2 mm εξατμισοδιαπνοή και 47.99 mm διήθηση στον υδροφόρο ορίζοντα. Οι τιμές αυτές συγκρίθηκαν με αυτές που προέκυψαν από την εφαρμογή ενός απλού μοντέλου υδρολογικού ισοζυγίου με δεδομένα ERA5 και οι τιμές τους βρέθηκαν να είναι συγκρίσιμες. Με αυτό τον τρόπο φαίνεται ότι σε μηνιαίο βήμα και σε επίπεδο λεκάνης απορροής τα απλούστερα μοντέλα όπως αυτό που αναπτύξαμε με τα δεδομένα ERA5 αποδίδουν ικανοποιητικά. Όταν όμως πρόκειται για προβλέψεις σε ημερήσιο ή υποημερήσιο χρονικό βήμα και σε κατανεμημμένο ή ημι-κατανεμημένο επίπεδο, τότε πρέπει να αναζητήσουμε τη λύση σε πιο περίπλοκα υδρολογικά μοντέλα. Πολλές μελέτες διεξήχθησαν σχετικά με τη βαθμονόμηση των υδρολογικών μοντέλων σε σχέση με μετρητές παροχής και δεδομένων εδαφικής υγρασίας. Σε σύγκριση με προηγούμενες εργασίες, τα αποτελέσματά μας είναι ανάλογα με αυτά της μελέτης των de Andrade et al. 2019 που διεξήχθη για την λεκάνη απορροής του ποταμού Mundaú (4090,39 km2) στη βορειοανατολική Βραζιλία, όπου οι συγγραφείς βαθμονομήθηκαν τόσο με μετρητή παροχής όσο και με δεδομένα εδαφικής υγρασίας, υπογραμμίζοντας ταυτόχρονα τη δυνατότητα βελτιωμένης απόδοσης του μοντέλου αφομοιώνοντας πληροφορίες εδαφικής υγρασίας, ειδικά σε περιπτώσεις όπου τα δεδομένα εκκένωσης είναι σπάνια. Συμπερασματικά, τα αποτελέσματα της διατριβής αυτής, έδειξαν ικανοποιητική απόδοση και στις τρεις περιπτώσεις, για συνθήκες ροής, ενώ η τρίτη περίπτωση, όπου χρησιμοποιήθηκαν και οι δύο παράμετροι, παρήγαγε τα βέλτιστα αποτελέσματα εδαφικής υγρασίας, διατηρώντας παράλληλα την επιτυχή προσομοίωση της ροής του ποταμού. Αυτό είναι ιδιαίτερα σημαντικό, δεδομένου ότι η εδαφική υγρασία έχει μείζονα σημασία σε σχέση με την επικράτηση ακραίων υδρολογικών συνθηκών όπως πλημμύρες και ξηρασίες, ενώ μία καλύτερη εκπροσώπηση του καθεστώτος της εδαφικής υγρασίας μπορεί να συμβάλει στον καλύτερο σχεδιασμό των προβλεπόμενων μέτρων.