Open Access

Damaris Zulkarnaen, Jochen Seidel, Jan Bliefernicht, Norbert Demuth

• Zur Verbesserung von Hochwasservorhersagemodellen ist eine Analyse der gemessenen Abflüsse im Vergleich zu den dazugehörigen prognostizierten Werten unabdingbar, um eine Aussage über die Güte eines Modells zu treffen. Im Rahmen dieser Studie wurden erstmals Abflussvorhersagen einer Langzeitsimulation des Wasserhaushaltsmodells LARSIM (Large Area Runoff Simulation Model) von 1993 bis 2024 evaluiert. Als Modelleingangsdaten dienten beobachtete meteorologische Daten, die es ermöglichen, die Modellgüte unter Minimierung der Eingangsunsicherheit zu beurteilen. Ausgewertet wurden Mess- und Vorhersagedaten in stündlicher Auflösung für 13 Pegel des Nahe-Einzugsgebiets in Rheinland-Pfalz, deren Einzugsgebietsgröße von 46 bis 4.038 km² reichen. Zur Auswertung der Daten erfolgten eine Überführung der Abflussvorhersagen in mehrere Vorhersagereichweiten, 1 bis 48 h, und eine Evaluation mit gängigen hydrologischen Gütemaßen wie der Kling-Gupta-Effizienz (KGE). Zusätzlich wurde die „SeriesZur Verbesserung von Hochwasservorhersagemodellen ist eine Analyse der gemessenen Abflüsse im Vergleich zu den dazugehörigen prognostizierten Werten unabdingbar, um eine Aussage über die Güte eines Modells zu treffen. Im Rahmen dieser Studie wurden erstmals Abflussvorhersagen einer Langzeitsimulation des Wasserhaushaltsmodells LARSIM (Large Area Runoff Simulation Model) von 1993 bis 2024 evaluiert. Als Modelleingangsdaten dienten beobachtete meteorologische Daten, die es ermöglichen, die Modellgüte unter Minimierung der Eingangsunsicherheit zu beurteilen. Ausgewertet wurden Mess- und Vorhersagedaten in stündlicher Auflösung für 13 Pegel des Nahe-Einzugsgebiets in Rheinland-Pfalz, deren Einzugsgebietsgröße von 46 bis 4.038 km² reichen. Zur Auswertung der Daten erfolgten eine Überführung der Abflussvorhersagen in mehrere Vorhersagereichweiten, 1 bis 48 h, und eine Evaluation mit gängigen hydrologischen Gütemaßen wie der Kling-Gupta-Effizienz (KGE). Zusätzlich wurde die „Series Distance“ zur Bestimmung des Zeit- und Höhenversatzes zwischen gemessener und vorhergesagter Abflussganglinie angewandt. Die Ergebnisse zeigten, dass die Abflussvorhersagen insgesamt eine hohe Güte aufweisen, diese aber abhängig von Einzugsgebietsgröße, Vorhersagereichweite und Jahreszeit variiert und die Vorhersagen teilweise stark von den Beobachtungsdaten abweichen. Die Nash-Sutcliffe-Effizienz (NSE) verbesserte sich für Pegel mit Einzugsgebieten von über 1.000 km² im Vergleich zu den Einzugsgebieten kleiner als 100 km² von 0,89 auf 0,97. Im Mittel über alle Hochwasserereignisse und Pegel verringerte sich die KGE mit jeder Vorhersagereichweite um etwa 0,02, von 0,99 auf 0,81. Täglich gerechnete Vorhersagen zeigten über den gesamten Untersuchungszeitraum hinweg eine höhere Güte für Wintermonate, mit einer NSE von 0,94, im Vergleich zu Sommermonaten, in welchen die NSE bei 0,88 lag. Die Ereignisspitzen wurden bei Vorhersagereichweiten über 12 h bei allen Sommerereignissen unterschätzt, während im Winter nur kleine Abweichungen auftraten. Es war zudem eine Tendenz zum zu späten Vorhersagen der Hochwasserscheitel feststellbar.…
• To improve flood forecasting models, it is essential to assess the quality of a model by analysing the measured discharge against the corresponding predicted values. This study presents the first such analysis conducted by evaluating discharge hindcasts from a long-term LARSIM water balance model simulation, 1993 to 2024. Measured meteorological data were used as model input, which allows for evaluating the model’s performance while minimising input uncertainty. The analysis included forecasts for 13 gauges in the Nahe catchment in Rhineland-Palatinate, which were evaluated with the corresponding historical measurement time series, both in hourly resolution. The size of the individual catchment areas ranges from 46 to 4,038 km². To evaluate the data, the discharge forecasts were converted into multiple forecast lead times, 1 to 48 h, and evaluated with established skill scores such as the Kling-Gupta efficiency (KGE). Additionally, the series distance was used to determine theTo improve flood forecasting models, it is essential to assess the quality of a model by analysing the measured discharge against the corresponding predicted values. This study presents the first such analysis conducted by evaluating discharge hindcasts from a long-term LARSIM water balance model simulation, 1993 to 2024. Measured meteorological data were used as model input, which allows for evaluating the model’s performance while minimising input uncertainty. The analysis included forecasts for 13 gauges in the Nahe catchment in Rhineland-Palatinate, which were evaluated with the corresponding historical measurement time series, both in hourly resolution. The size of the individual catchment areas ranges from 46 to 4,038 km². To evaluate the data, the discharge forecasts were converted into multiple forecast lead times, 1 to 48 h, and evaluated with established skill scores such as the Kling-Gupta efficiency (KGE). Additionally, the series distance was used to determine the time and magnitude discrepancy between the measured and predicted hydrograph. The results indicate that while the discharge forecasts have a high quality overall, it varies depending on the catchment size, lead time and season. Additionally, in some instances the forecasts deviate substantially from the observed data. The Nash-Sutcliffe efficiency (NSE) improved from 0.89 to 0.97 for gauges with catchment areas larger than 1,000 km² in comparison to the ones with areas smaller than 100 km². The KGE decreased, averaged over all flood events and gauges, by approximately 0.02 per lead time, from 0.99 to 0.81. Throughout the study period, daily forecasts demonstrated greater quality for winters, with an NSE of 0.94, compared to summers, where the NSE was 0.88. The analysis of the flood peaks showed that these were consistently underestimated for summers for lead times > 12 h, while for winter only minor deviations occurred. It was further found that there is a tendency to predict flood peaks too late.…