Jämförelse med etablerade metoder för regnmätning.
Studien är en första utvärdering i Sverige av X-bandsteknik som väderradar. Den visar hur flera X-bandsradaranläggningar kan samarbeta och hur regninformationen kan användas för avrinningssimulering. Tekniken öppnar nya utvecklingsmöjligheter för VA-branschen. Det gäller inte minst driften av ledningsnätet, väderstyrning av ledningsnät och reningsverk, samt utvecklingen av publika varningssystem.
Förändrat klimat med intensivare regn ger problem i form av översvämningar och bräddningar. Regn behöver mätas bättre. Den traditionella regnmätaren är en ganska noggrann metod för att mäta nederbörd i en punkt. Fördelen med radar är att den kan samla väderdata från ett stort område och använda data i realtid. Under 2018 genomfördes den första forskningsstudien med X-bandsradar (XR) inom VA-branschen i Sverige av VA SYD, LTH, Lunds universitet, Sweden Water Research och SMHI. Preliminära resultat presenterades bland annat i SVU-rapport 2019-3, Väderradarteknik inom VA-området – test av metodik. Där föreslogs det att en kombination av radarobservationer från ett nätverk av flera XR skulle vara en lösning på problemen när det gäller större fel och inkonsekventa resultat i regnuppskattningar från användning av enstaka XR.
I den här studien sammanlänkas alla XR-data i den överlappande zonen från två XR-anläggningar i Skåne. I projektet utvecklades två modeller för att beräkna regn, dels en empirisk linjär modell (REG), dels en helt datadriven modell som använder ett artificiellt neuralt nätverk (ANN). Beräknade regnvärden utvärderades på två sätt för att analysera X-bandsteknikens prestanda jämfört med andra mätmetoder för regn. Dels gjordes en direkt jämförelse mellan X-band och stationär regnmätning, dels en indirekt jämförelse mellan de olika regnmätarmetoderna som indata i en avrinningssimulering för två små urbana avrinningsområden, Ellinge och Lundåkra.
Resultaten från den direkta valideringen visade att XR kan användas för att beskriva regn i tid och rum på ett vederhäftigt sätt. Generellt sett förbättrades precisionen när överlappande observationer gjordes med två XR. Den enkla linjära beräkningsmodellen och den datadrivna modellen gav likartade resultat. En slutsats är att precisionen på regnprodukten kan förbättras genom att mer än en radarnivå används och genom att mätavståndet för XR ökas till 70 km. Resultaten från den indirekta valideringen visade potentialen av att använda regndata från ANN- och REG-modellerna. I Ellinge avrinningsområde gjordes simuleringar med en lokalt anpassad regnmodell som gav högre precision än simuleringar baserade på markbaserade regnmätare. I Lundåkra avrinningsområde användes en regnmodell som bara delvis var anpassad för det geografiska området, och det påverkade sannolikt resultatet. Där var precisionen vid simuleringarna mer likartad för de olika datakällorna.
I takt med att vi nu kan beskriva regn och dess rumsliga fördelning bättre måste också förståelsen utvecklas för hur avrinningsförloppet ska beskrivas. Exempel på områden som inte har beaktats på ett vederhäftigt sätt i studien är hur avrinningen påverkas av tillskottsvatten till ledningsnätet och av pumpar och magasin som skapar pulsliknande resultat som stör den statistiska analysen. Sammanfattningsvis visar studien att överlappande observationer som görs med två XR möjliggör ännu mer vederhäftiga uppskattningar av regn, och att det fortfarande finns potential att förbättra regndata för användning inom till exempel avrinningssimulering.
