Ανάπτυξη μοντέλου υδρομετεωρολογικής πρόγνωσης στη χειμαρρική λεκάνη του Σαρανταπόταμου

Abstract

Η έρευνα σχετικά με την πλημμυρική πρόγνωση στην Ελλάδα είναι ιδιαίτερα περιορισμένη. Στις περισσότερες πλημμυρικές μελέτες χρησιμοποιούνται σχέσεις και μεθοδολογίες που έχουν αναπτυχθεί σε λεκάνες του εξωτερικού. Στην παρούσα εργασία επιχειρείται η προσέγγιση μιας μεθοδολογίας για την πρόγνωση πλημμύρας στη χειμαρρική λεκάνη του Σαρανταπόταμου, βασισμένη σε περιοχικές σχέσεις για τα ελληνικά δεδομένα. Συγκεκριμένα, αναπτύσσεται αρχικά μέσω του μοντέλου υδρολογικής προσομοίωσης ΥΔΡΟΓΕΙΟΣ, το οποίο έχει αναπτυχθεί από την ερευνητική ομάδα της Ιτιάς για τις ελληνικές λεκάνες απορροής, ένα βέλτιστο σετ φυσικά τεκμηριωμένων παραμέτρων για τη λεκάνη του Σαρανταπόταμου, με βάση την κατάλληλη σχηματοποίηση του επιφανειακού και υπόγειου συστήματός της. Το σετ αυτό προκύπτει μέσω βαθμονόμησης της λεκάνης του Σαρανταπόταμου, για δεδομένα βροχόπτωσης και απορροής από τους εγκατεστημένους μετεωρολογικούς και υδρομετρικούς σταθμούς για μια περίοδο 2,5 ετών και προσομοιώνει αποτελεσματικά τις παρατηρημένες χρονοσειρές απορροής και ειδικά τις μέγιστες τιμές τους. Στη συνέχεια, λαμβάνονται 8 σενάρια πρόγνωσης βροχόπτωσης από το Εθνικό Αστεροσκοπείο Αθηνών, για ένα επιλεγμένο επεισόδιο στη λεκάνη του Σαρανταπόταμου, τα οποία αναλύονται και συγκρίνονται με τις παρατηρημένες τιμές βροχόπτωσης για το ίδιο χρονικό διάστημα. Οι προγνώσεις βροχόπτωσης ανάγονται σε προγνώσεις για τη βροχόπτωση των μετεωρολογικών σταθμών (σημειακά), μέσω βελτιστοποίησης της συμμετοχής των γειτονικών στους σταθμούς διακριτών τους σημείων και σε προγνώσεις για τις υπολεκάνες (επιφανειακά), με μέσο όρο των προγνώσεων όλων των διακριτών σημείων που βρίσκονται εντός τους. Επιπλέον, παράγονται άλλα 7 σενάρια πρόγνωσης βροχόπτωσης για κάθε μεθοδολογία, μέσω διαδοχικών μέσων όρων των προηγούμενων προγνώσεων. Τέλος, τα σενάρια πρόγνωσης που προκύπτουν εισάγονται ως δεδομένα βροχόπτωσης στο μοντέλο ΥΔΡΟΓΕΙΟΣ, ώστε να παραχθούν οι χρονοσειρές απορροής με βάση τις προγνώσεις, οι οποίες συγκρίνονται μεταξύ τους και με τις παρατηρημένες τιμές, ώστε να υποδειχθεί η καταλληλότερη μεθοδολογία πρόγνωσης της απορροής και κατά συνέπεια και της πλημμύρας.

The research on flood forecasting in Greece is very limited. Μost flood studies use relationships and methodologies developed in basins abroad. This paper attempts to approximate a methodology to flood forecasting in Sarantapotamos ephemeral basin, based on regional relations for the greek meteorological and climatological conditions. Specifically, it is firstly developed by the hydrological simulation model HYROGEIOS, which is developed by the research group ITIA especially for Greek basins, an optimal set of physical-based parameters for the Sarantapotamos basin, using an appropriate shaping of surface and groundwater system of the basin. This set is obtained by calibrating the basin Sarantapotamos on rainfall and runoff data from installed meteorological and hydrometric stations for a period of 2.5 years, and simulates efficiently the observed runoff time series and especially their maximum values. Then, eight forecasting rainfall scenarios are obtained by the National Observatory of Athens, for a selected rain episode in the basin of Sarantapotamos, which are analyzed and compared with the observed values of rainfall for the same period. The scenarios create forecasts for the rainfall in the installed meteorological stations through optimization of the participation of the nearest to the stations grid points and also rainfall forecasts for sub-basins, using the average forecast of all grid points within their area. In addition, 7 further scenarios of rainfall forecasts are produced for each methodology, through successive averages of previous forecasts. Finally, the created forecasting scenarios are introduced as rainfall data to hydrological model HYDROGEIOS, to produce the runoff time series based forecasts, which are compared with the observed values in order to indicate the most appropriate methodology for runoff and consequently for flood forecasting.