Workshop nazionale sull idrologiaoperativa operativa Roma, 9 10 luglio 2015 Ricerca finalizzata: l approfondimento della dll conoscenza e lo sviluppo dell innovazione per i servizi di idrologia operativa I modelli di preannuncio nell idrologia operativa Introduzione: Fbi Fabio Castelli Interventi programmati: Giovanna Capparelli Simone Gabellani Marco Mancini Stefano Orlandini
10 4 Picco di piena 10 3 Open loop Assim. at rain start Assim. at rising limb Incisa Valle Montevarchi Subbiano Fornacina 2 ul Dicomano Poggio a Caiano S.Piero a Ponti Castelfiorentino Prato Ponte Scandicci Ferrovia FI-Roma 10 2 Pontelungo Turbone Tavarnuzze S. Fucecchio Giovanni valle alla Vena valle Montelupo Signa Nave di Rosano Pred. Stia Molino Bucine d'era 10 1 Strada in Chianti 10 1 10 2 10 3 10 4 Obs. Pisa, febbraio 2014
L incertezza nel preannuncio: riduzione e gestione Le richieste operative Migliore utilizzo del monitoraggio per ridurre l incertezza Più infromazione per la gestione dell incertezza in fase di decisione Utilizzabilità per il cntrollo/ prevsione di diversi rischi ambientali: Frane Qualità dei corpi idrici I temi di ricerca Completezza idraulica Assimilazione dati in tempo reale Propagazione dell incertezza Previsioni probabilistiche Previsioni multi model Stimatori bayesiani Modelli in cascata Modelli integrati
Completezza idraulica Miglioramenteo dei modelli nella capacità di simulare le specificità idrauliche del bacino, possibilmente in maniera adattiva/interattiva (scarichi dighe, casse d espansione e scolmatori, crolli arginali, allagamenti) Latenza di tali informazioni adatta al tempo reale?
Assimilazione dati in tempo reale Assimilazione di prodotti satellitari (indici di umidità del suolo) p ( ) E dati idrometrici
Assimilazione dati in tempo reale Synthetic experiments of nudging of ASCAT soil moisture index in a semi distributed model Brocca et al., HESS, 2015
Assimilazione dati in tempo reale EnKF assimilation of AMSR, ASCAT, SMOS soil moisture indexes in Lumped and Semidistributed models Alvarez Garreton et al., HESS, 2015
Assimilazione dati in tempo reale Variational assimilation, with an adjoint, of satellite LST and multiple streamflow data in a fully distributed model Castelli et al., IUGG, 2015
SMAP Soil Moisture products masks on Arno basin 3km 9km x 10 6 x 10 6 4.88 4.88 4.86 4.86 VWC < 5 kg/m 2 StDev(Slope) < 4% 4.84 4.82 4.8 4.84 4.82 4.8 478 4.78 478 4.78 4.76 4.88 4.76 1.6 1.62 1.64 1.66 1.68 1.7 1.72 1.74 1.76 x 10 6 1.6 1.62 1.64 1.66 1.68 1.7 1.72 1.74 1.76 x 10 6 x10 6 x10 6 4.88 4.86 4.86 4.84 VWC < 5 kg/m 2 4.82 StDev(Slope) < 7% 4.8 4.84 4.82 4.8 4.78 4.78 4.76 4.76 1.6 1.62 1.64 1.66 1.68 1.7 1.72 1.74 1.76 x 10 6 1.6 1.62 1.64 1.66 1.68 1.7 1.72 1.74 1.76 x 10 6
10 0 10-1 Sample PDF 10-2 10-3 10-4 10-5 0 500 1000 1500 2000 Streamflow [m 3 /s] Strongly non gaussian likelyhood and multiplicative measurement errors Assimilate and analyze the logarithm low [m 3 /s] Streamf Domeneghetti et al., Hydrol. Earth Syst. Sci., 16, 2012 10-1 Sample PDF 10-2 10-3 10-4 10-5 10-1 10 0 10 1 10 2 Log 10 (Streamflow [m 3 /s])
Assimilazione dati in tempo reale Assimilazione di prodotti satellitari (indici di umidità del suolo) E dati idrometrici Dati: errori compatibili con la richiesta riduzione dell incertezza? Modelli: qualità sufficiente i perché valga l ipotesi i meteorologica a migliore analisi corrisponde migliore pevisione? Tecniche: a che punto la transizione operativa delle tecniche oggettive? Metodi Montecarlo (particle, EnKF ), praticabilità per modelli operativi distribuiti? Variazionali, formulabilità del modello auto aggiunto? aggiunto?
Propagazione dell incertezza From a poor man (and naked) ensemble
Propagazione dell incertezza through reacher multi model ensembles Davolio et al., HESS, 2013
Propagazione dell incertezza to fully dressed probabilistic predictions. Prediction uncertainty with formal multi model conditional processor Coccia & TdiiHESS Todini, HESS, 2011
Operational probabilistic forecast Laiolo et al., Hyd.Proc., 2014 Niente di meglio di bande grige o colori a caso?
Le richieste operative Migliore utilizzo del monitoraggio per ridurre l incertezza Più infromazione per la gestione dell incertezza in fase di decisione Utilizzabilità per il cntrollo/ prevsione di diversi rischi ambientali: Frane Qualità dei corpi idrici I temi di ricerca Completezza idraulica Assimilazione dati in tempo reale Propagazione dell incertezza Previsioni probabilistiche Previsioni multi model Stimatori bayesiani Modelli in cascata Modelli integrati Esperimenti diconfronto su bacini/casi qualificati* *parte della dicussione
1 0.1 0.01 0.001 10 MOBIDIC no-kinetics MOBIDIC 1 order kinetics ARPAT data C [g/m 3 ] 01/01/2004 31/01/2004 01/03/2004 31/03/2004 30/04/2004 30/05/2004 29/06/2004 29/07/2004 28/08/2004 27/09/2004 27/10/2004 26/11/2004 26/12/2004 25/01/2005 24/02/2005 26/03/2005 25/04/2005 25/05/2005 24/06/2005 24/07/2005 23/08/2005 22/09/2005 22/10/2005 21/11/2005 21/12/2005 20/01/2006 19/02/2006 21/03/2006 20/04/2006 20/05/2006 19/06/2006 19/07/2006 18/08/2006 17/09/2006 17/10/2006 16/11/2006 16/12/2006 15/01/2007