Estimating the Effects of Climate Change on the Water Resources in the Upper Indus Basin (UIB)
| dc.contributor.corporatename | Kassel, Universität Kassel, Fachbereich Bauingenieur- und Umweltingenieurwesen | ger |
| dc.contributor.referee | Koch, Manfred (Prof. Dr.) | |
| dc.contributor.referee | Tahir, Adnan Ahmad (Prof. Dr.) | |
| dc.date.accessioned | 2018-12-10T12:03:51Z | |
| dc.date.available | 2018-12-10T12:03:51Z | |
| dc.date.issued | 2018 | |
| dc.format.extent | XIV, 212 Seiten | |
| dc.identifier | doi:10.17170/kobra-2018120951 | |
| dc.identifier.uri | http://hdl.handle.net/123456789/11012 | |
| dc.language.iso | eng | |
| dc.rights | Urheberrechtlich geschützt | |
| dc.rights.uri | https://rightsstatements.org/page/InC/1.0/ | |
| dc.subject | SWAT | eng |
| dc.subject | Hydrological Modelling | eng |
| dc.subject | Climate Change | eng |
| dc.subject | Upper Indus Basin (UIB) | eng |
| dc.subject | Informed Regionalization | eng |
| dc.subject.ddc | 620 | |
| dc.subject.swd | Klimaänderung | ger |
| dc.subject.swd | Wasserreserve | ger |
| dc.subject.swd | Wasserbilanz | ger |
| dc.subject.swd | Hydrologische Vorhersage | ger |
| dc.subject.swd | Fehlende Daten | ger |
| dc.title | Estimating the Effects of Climate Change on the Water Resources in the Upper Indus Basin (UIB) | eng |
| dc.type | Dissertation | |
| dc.type.version | publishedVersion | |
| dcterms.abstract | Water balance calculations and spatially distributed rainfall-runoff models require high-resolution climatic datasets as the primary input, however, in the Upper Indus basin (UIB), it is rare to find in-situ observational climate data which have spatial, altitudinal and temporal coverage, suitable enough for distributed hydrological investigations and so for the assessment of climate-change’s hydrological impacts. The average precipitation amounts over the UIB are unrealistically low to sustain the observed discharge at the basin outlet. This is mainly due to the presence of sparse observational networks, mostly comprised of valley-based, low-altitude gauge stations, incapable to capture the orographic effects in the mountainous UIB. The solution to these issues may be either the use of gridded data products or the generation of improved data sets utilizing state of the art of science and techniques. The first four (4) chapters of the present thesis are dedicated to address the issues of the poor quality of hydroclimate data in the UIB. The remaining two chapters (5 and 6) address the main aim of the study, i.e. the projections of future hydrological scenarios, and the preceding necessary activities, including calibration and validation of the SWAT hydrological model, as well as the selection, downscaling and bias correction of climate models’ projections. A brief account of each chapter is given in the following paragraphs: 1. This part of the present study aims to evaluate the capability of the “Tropical Rainfall Measurement Mission” (TRMM) “Multi-satellite Precipitation Analysis” (TMPA) to estimate appropriate precipitation rates in the Upper Indus basin (UIB) and to analyse the dependency of the estimates’ accuracies on the time scale. To that avail statistical analyses and comparison of the TMPA- products with gauge measurements in the UIB are carried out. The dependency of the TMPA estimates’ quality on the time scale is analysed by comparisons of monthly, seasonal and annual sums for the UIB. The results show considerable biases in the TMPA- (TRMM) precipitation estimates for the UIB, as well as high false alarms and miss ratios. The size of the correlation of the TMPA- estimates with ground-based gauge data increases considerably and almost in a linear fashion with increasing temporal aggregation, i.e. time scale. The BIAS is mostly positive for the summer season, while for the winter season it is predominantly negative, thereby showing a slight over-estimation of the precipitation in summer and under-estimation in winter. The results of the study suggest that, in spite of these discrepancies between TMPA- estimates and gauge data, the use of the former in hydrological watershed modelling, endeavoured in the subsequent chapters, may be a valuable alternative in data- scarce regions, like the UIB, but still must be taken with a grain of salt. 2. Six interpolation methods are employed in this study to improve the spatial interpolation of precipitation data in the Upper Indus Basin (UIB), including NN, IDW, OK), SK, KED and SKlm. Quantitative cross validation shows that out of these methods, SKlm performs better for data aggregates at monthly, seasonal and annual time scales, according to the values of several scoring indices, including r, MAE, RMSE, and NSE. The performance of the SKlm method is followed in decreasing order by SK, OK, KED, IDW and NN. According to the results of a qualitative cross validation analysis, based on six categorical indices for the daily interpolation estimates (Ac, FBI, POD, FAR, CSI and TSS), the estimates generated by SKlm, with an average rank of 1.83, are also better than those of the methods tested. The remaining methods follow the similar performance pattern as indicated by the quantitative indices. In conclusion, SKlm proves to be overall the best option for interpolating precipitation data in the UIB, by providing a comparatively better representation of the latter, both in terms of magnitudes as well as occurrences. 3. In this section of the current study a new approach for the interpolation and regionalization of observed precipitation series to a smaller spatial grind scale (0.125° by 0.125°) across the UIB, with appropriate adjustments for the orographic effect and changes in glacier storage , is evaluated and validated through reverse hydrology, guided by observed flows and available knowledge base. More specifically, the generated corrected precipitation data is validated by means of SWAT-modelled responses of the observed flows to the different input precipitation series (original and corrected ones). The results show that the SWAT- simulated flows using the corrected, regionalized precipitation series as input are much more in line with the observed flows than those using the uncorrected observed precipitation input for which significant underestimations are obtained. 4. The methodology used in the previous Chapter-3 is combined here with a few other methods to address another major issue prevalent in the UIB which is the non-existence of long-term climate records. To resolve this issue, precipitation time series are generated at virtual locations through temporal reconstruction of the precipitation series at those points where data was not recorded prior to the mid-nineties. The data generated at these virtual locations is corrected with the 12-years observed mean there, followed by regionalization of the precipitation series (Chapter-3) to a smaller scale across the basin. The precipitation data reconstructed in this way is validated again through evaluations of their SWAT-modelled streamflow responses. The results show that the daily simulated discharges obtained with the calibrated SWAT- model forced with the reconstructed precipitation are almost identical to those acquired when forcing the model with the reference precipitation. 5. This section of the study focusses on identifying a set of representative future climate projections for the UIB. Although a large number of GCM’s predictor sets are nowadays available in the CMIP5 archive, the issue of their reliability for specific regions must still be confronted. This situation along with other factors such as time, human resources or computational constraints, makes it imperative to sort out the most appropriate, single or small-ensemble set of GCMs for the assessment of climate change impacts in a region. Here a various approaches are adopted and applied for a step-wise shortlist and selection of appropriate climate models for the UIB for two representative concentration pathways (RCPs), RCP 4.5 and RCP 8.5, based on, a) range of projected mean changes, b) range of projected extreme changes, and c) skill in reproducing the past climate. Furthermore, because of higher uncertainties in climate projection for high mountainous regions, like the UIB, in addition to projections that provide the closest representation of the mean future climate change, all possible future extreme scenarios (wet-warm, wet-cold, dry-warm, dry-cold) are also considered. Based on this two-fold procedure a limited number of climate models is pre-selected, out of which the final selection is done by assigning ranks to the weighted score for each of the mentioned selection criteria. The dynamically downscaled climate projections from the Coordinated Regional Downscaling Experiment (CORDEX) available for the top-ranked GCMs are further statistically downscaled (bias-corrected) over the UIB, for subsequent use as climate drivers in the SWAT- model. 6. Projecting future hydrology for the mountainous, highly glaciated upper Indus basin (UIB) is a challenging task, because of uncertainties in the future climate projections and issues with the coverage and quality of available reference climatic data and hydrological modelling approaches. This part of the study attempts to address these issues by utilizing the semi-distributed hydrological model ‘SWAT’ with new climate datasets with better spatial and altitudinal representation (Chapter-4) as well as a wider range of future climate forcing from the CORDEX GCM/RCM-model set (Chapter-5), to assess different aspects of the future hydrology (mean flows, extremes and seasonal changes). Contour maps for the mean annual flow and actual evapotranspiration as a function of downscaled projected mean annual precipitation and temperatures are produced which can serve as a simple “hands-on” forecast tool of the future hydrology in the UIB. The overall results of these future hydrological projections show that almost all RCP- climate scenario/ GCM/RCM- model combinations lead to similar trends of changes in magnitudes, seasonal patterns and extremes of the UIB streamflows. In particular, all, but one scenario - that with a very high future temperature rise - indicate increases of the mean annual flow throughout the 21st century, wherefore, interestingly, these are stronger for the middle of the century (2041-2070) than at its end (2071-2100). The seasonal shifts as well as the extremes follow the same trend for all climate scenarios, such that an earlier arrival (in May-June instead of July-August) of high flows and increased spring and winter flows, whereas the upper flow extremes (peaks) are projected to drastically to increase by 50 to >100%, and this with decreased annual recurrence intervals, i.e. there will be a tremendously increased future flood hazard in the UIB. The future low flows projections also show more extreme values, with lower than nowadays-experienced minimal flows, occurring more frequently and with much longer annual total duration, as well, most likely due to increased future glacier melting. | eng |
| dcterms.abstract | Kurzfassung Wasserbilanzberechnungen und räumlich verteilte Niederschlag-Abfluss-Modelle erfordern eine hohe Auflösung klimatischer Datensätze als primären Input. Dies ist jedoch speziell im „Upper Indus Basin“ (UIB), selten der Fall, da dort vor Ort, Klimadaten mit genügender Raum- Zeit- und Höhenabdeckung für räumlich verteilte (distributed) hydrologische Untersuchungen zur der Bewertung des Einflusses des Klimawandels kaum zur Verfügung stehen. Die durchschnittlichen Niederschlagsmengen über das UIB sind unrealistisch niedrig, um die beobachteten Abflüsse am Ausgang des Einzugsgebietes aufrechtzuerhalten. Die ist hauptsächlich eine Folge des spärlichen Untersuchungsnetzwerks, das vorwiegend aus im Tal liegenden Messstationen mit geringer geographischer Höhe besteht, die die orografische Wirkung im bergigen UIB nicht korrekt darzustellen vermag. Die Lösung für diese Probleme kann entweder die Verwendung von Raster-Datenprodukten oder ein verbesserter Datensatz sein, der den neusten Stand der wissenschaftlichen Erkenntnisse und Techniken verwendet. Die ersten vier Kapitel der Arbeit widmen sich diesem Problem mit der Qualität der Eingabedaten. Die restlichen zwei Kapitel (fünf und sechs) befassen sich mit dem Hauptziel der Studie, d.h. die Vorhersage zukünftiger hydrologischer Szenarien, inklusive der dafür notwendigen Arbeiten, d.h. die Kalibrierung und Validierung des SWAT-Modells, sowie die Auswahl, Downscaling und Bias-Korrektur von Klimamodellprojektionen. Ausführlicher beinhalten die einzelnen Kapitel folgendes: 1. Dieser Teil der Studie hat zum Ziel, die Fähigkeit der “Tropical Rainfall Measurement Mission” (TRMM) “Multi-Satellite Precipitation Analysis” (TMPA) zur Schätzung geeigneter Niederschlagsraten im „Upper Indus Basin“ und die Abhängigkeit der Schätz- leistung von der Zeitskala zu analysieren. Zu diesem Zweck werden statistische Analysen und Vergleiche der TMPA-Produkte mit Messdaten im UIB durchgeführt. Die Abhängigkeit der TMPA-Schätzqualität von der Zeitskala wird durch Vergleiche der monatlichen, saisonalen und jährlichen Summen für das UIB analysiert. Die Ergebnisse zeigen erhebliche Fehler in den TMPA- (TRMM) Niederschlagsschätzungen für das UIB, sowie hohe ’Werte für ‚false alarm‘ und ‚miss ratios‘. Die Güte der Korrelation der TMPA-Schätzungen mit den Messdaten steigt beträchtlich und fast linear mit zunehmender zeitlicher Aggregation, d.h. der Zeitskala der Daten. Der BIAS ist überwiegend positiv im Sommer, während es für den Winter überwiegend negativ ist, d.h. es gibt im Sommer eine leichte Überschätzung und im Winter eine Unterschätzung. Die Ergebnisse der Studie legen nahe, dass trotz dieser Diskrepanzen zwischen TMPA- Schätzungen und Pegeldaten, die Nutzung ersterer in der in den folgenden Kapiteln vorgestellten Wassereinzugsgebiets –Modellierung für das UIB eine wertvolle Alternative in datenarmen Regionen sein kann, muss aber mit Vorsicht genossen werden. 2. Im Rahmen diese Teils der Studie werden sechs Interpolationsmethoden zur Verbesserung der räumlichen Interpolation der Niederschlagsdaten, einschließlich NN, IDW, OK, SK, KED und SKlm verwendet. Die quantitative Kreuzvalidierung zeigt, dass SKlm von diesen Methoden bessere Ergebnisse für Datenaggregate auf der Monats-, Saison- und Jahres- Skala im Hinblick auf die Indizes r, MAE, RMSE und NSE erbringt. Der SKlm-Methode folgen in absteigender Leistung SK, OK, KED, IDW und NN. Gemäß der qualitativen Kreuzvalidierungsergebnisse, die auf sechs kategorische Indizes für die tägliche Interpolation (Ac, FBI, POD, FAR, CSI und TSS) beruhen, sind die von SKLm erzeugten Schätzungen mit dem besten durchschnittlichen Rang von 1.83 ebenfalls besser als die der anderen Methoden. Die übrigen Methoden zeigen ebenfalls ähnliche Ergebnisse wie bei den quantitativen Indizes. Insgesamt erweist sich SKlm als eine bessere Option für die Interpolation von Niederschlagsdaten in der UIB, da sie eine vergleichend bessere Darstellung des Niederschlags sowohl in Bezug auf seine Stärke als auch seines Auftretens bietet. 3. In diesem Abschnitt der Studie wird ein neuer Ansatz zur Regionalisierung der Niederschlagsreihen auf ein kleineres räumliches Raster über das UIB (reguläres Raster mit 0,1° x 0,1° Auflösung) mit Anpassungen für den orografischen Effekt und Veränderungen des Gletscherspeichers mittels der Methode des „Reverse Hydrology“ evaluiert und validiert, untermauert von beobachteten Abflüssen und allgemeinem Wissen über das UIB. Die generierten Daten werden durch Auswertung der SWAT-Modellantwort gegen die beobachteten Abflüsse für die verschiedenen Inputniederschlagsreihen validiert. Die Ergebnisse zeigten, dass die durch den Regionalisierung-Prozess erzeugten Niederschlagsreihen in der SWAT-Modellsimulation weit besser als die nicht-korrigierten beobachteten Daten sind. 4. Die im vorherigen Kapitel 3 erwähnte Methodik wird mit einigen anderen Methoden kombiniert, um ein anderes Hauptproblem des UIB anzugehen, nämlich die fehlenden Langzeit-Klimadatensätze. Zu diesem Zweck werden Niederschlagszeitreihen an virtuellen Orten durch temporäre Rekonstruktion von Niederschlagsreihen an Orten zu erzeugen, an denen sie vor Mitte der neunziger Jahre nicht erfasst wurden. Die an diesen virtuellen Standorten generierten Daten werden dann mit während 12 Jahre-lang an diesen Orten beobachteten Daten korrigiert. Es folgt eine Regionalisierung der Niederschlagsreihe (Kapitel 3) auf einer kleineren Skala über das Einzugsgebiet. Die generierten Daten werden durch Auswertung der SWAT-Modelldaten gegen die beobachteten Abflüsse validiert. Die Ergebnisse zeigen, dass die die mit dem rekonstruierten Niederschlag erzwungenen SWAT- simulierten täglichen Abflüsse nahezu identisch sind mit denen, die beim Erzwingen des Modells mit dem Referenzniederschlag erhalten werden. 5. Dieser Abschnitt der Studie konzentriert sich auf die Ermittlung einer Reihe repräsentativer zukünftiger Klimaprojektionen für das UIB. Obwohl eine Vielzahl von GCM- Klima-Vorhersage-Datensätze heutzutage im CMIP5- Klima-Archiv verfügbar sind, muss das Problem ihrer Zuverlässigkeit für bestimmte Regionen immer noch angegangen werden. Aufgrund dieser Situation ist es unabdingbar, die am besten geeigneten einzelnen oder Kleingruppen von GCMs für die Bewertung der Auswirkungen des Klimawandels in einer Region zu bestimmen. Hier werden verschiedene Ansätze angenommen und angewendet, um eine schrittweise Auswahlliste und die Auswahl geeigneter Klimamodelle für das UIB für zwei repräsentative Konzentrationspfade (RCPs), RCP 4.5 und RCP 8.5, auf der Grundlage eines a) Bereichs projizierter Mittelwertänderungen, b) Umfang der projizierten extremen Veränderungen und c) Fähigkeit, das vergangene Klima zu reproduzieren, vorzunehmen. Wegen der höheren Unsicherheiten bei der Klimaprojektion für hochgebirgige Einzugsgebiete, wie das UIB, werden zusätzlich zu den Projektionen, die den mittleren zukünftigen Klimawandel am besten darstellen, alle möglichen zukünftigen Extremszenarien (nass-warm, nass-kalt, trocken-warm, trocken-kalt) werden ebenfalls berücksichtigt. Basierend auf diesem zweifachen Verfahren wird eine begrenzte Anzahl von Klimamodellen vorgewählt, aus denen die endgültige Auswahl erfolgt, indem der gewichteten Bewertung für jedes der genannten Auswahlkriterien ein Rang zugeordnet wird. Die „dynamisch downscaled“ Klimaprojektionen des koordinierten regionalen Downscaling-Experiments (CORDEX), die für die Top- GCMs verfügbar sind, werden über das UIB statistisch weiter „downscaled“ (Bias-korrigiert) und im folgenden Kapitel als Klimatreiber im SWAT-Modell verwendet. 6. Die Projektion der zukünftigen Hydrologie für das bergige, stark vergletscherte UIB ist aufgrund der Unsicherheiten in den zukünftigen Klimaprojektionen und Problemen mit der Abdeckung und Qualität der verfügbaren Referenzklimadaten und den hydrologischen Modellierungsansätzen eine herausfordernde Aufgabe. Dieser Teil der Studie versucht, diese Probleme zu lösen, indem das „semi-distributed“ hydrologische Modell 'SWAT' mit neuen Klimadatensätzen, die eine bessere horizontale und vertikale Auflösung (Kapitel 4) sowie ein breiteres Spektrum zukünftiger Klima-Vorhersagen aus dem CORDEX- GCM/RCM- Modellsatz (Kapitel 5) bieten, zur Beurteilung verschiedener Aspekte der zukünftigen Hydrologie (mittlere Flüsse, Extreme und saisonale Änderungen) verwendet. Es werden Isolinien-Darstellungen für den mittleren Jahresdurchfluss und die aktuelle Evapotranspiration als Funktion von „downscaled“ durchschnittlichen Jahresniederschlägen und -Temperaturen erzeugt, die als einfaches "praxisnahes" Prognoseinstrument für die zukünftige Hydrologie in der UIB dienen können. Die Ergebnisse der zukünftigen hydrologischen Projektionen zeigen, dass fast alle Kombinationen von RCP- Klimaszenario/ GCM/RCM- Modell zu ähnlichen Trends in Bezug auf Größenänderungen, saisonale Muster und Extreme des UIB-Abflusses führen. Insbesondere deuten alle, außer einem Szenario - das mit einem sehr hohen zukünftigen Temperaturanstieg - auf eine Steigerung des mittleren jährliche Abflusses im gesamten 21. Jahrhundert hin, wobei letzterer interessanterweise stärker in der Mitte (2041–2070) als am Ende (2071-2100) des Jahrhunderts ist. Die saisonalen Verschiebungen sowie die Extreme folgen für alle Klimaszenarien dem gleichen Trend, z. B. ein früheres Eintreten (im Mai-Juni statt Juli-August) von hohen Abflüssen und erhöhten Frühlings- und Winterflüssen, während die oberen Abfluss-Extreme (Peaks) drastisch um 50 bis > 100% ansteigen werden und dies bei geringeren jährlichen Wiederholungsintervallen, d.h. es wird ein zukünftig stark erhöhtes Hochwasserrisiko in der UIB bestehen. Für die zukünftigen extremen Niedrig-Abflüsse ist die Situation umgekehrt, wobei geringere als in der Gegenwart auftretende Abflüsse in Zukunft häufiger auftreten werden, das jedoch mit einer geringeren Gesamtdauer aufgrund einer zunehmenden zukünftigen Gletscherschmelze. | ger |
| dcterms.accessRights | open access | |
| dcterms.creator | Khan, Asim Jahangir | |
| dcterms.dateAccepted | 2018-08-29 |