Evaluering av ulike målfunksjoner med SWMM-modell for å beskrive ekstrem avrenning fra grønt tak ved ulike varigheter

Abstract

Som følge av klimaendringer har kraftige nedbørhendelser ført til større mengder med overvann

og økende belastning for lokale avløpssystemer. I tillegg har større andel med impermeable

overflater i urbane strøk ført til utfordringer med håndtering av ekstreme avrenninger. Et

populært tiltak som sammen med andre naturbaserte tiltak bidrar til å håndtere utfordringer

knyttet til dette er grønne tak.

Med tanke på dette er det vesentlig å utvikle hydrologiske modeller av grønne tak som beskriver

ekstreme avrenninger ved ulike varigheter. Ved utvikling av modeller for grønne tak er det

hensiktsmessig å simulere med kontinuerlige tidsserier for å ivareta initialbetingelser som blant

annet bestemmer avrenningsmengden fra grønne tak. Det å få modeller som beskriver ekstreme

avrenninger ved ulike varigheter er viktig med tanke på dimensjonering av grønne tak, samt

utvikling av QVF-statistikk. Hvorvidt modellen beskriver de ekstreme avrenningene kan blant

annet avhenge av målfunksjonen som benyttes.

Det overordnede målet med denne oppgaven er derfor å evaluere målfunksjonen ved utvikling av

en modell for grønt tak, som beskriver ekstreme avrenningshendelser ved ulike varigheter. For å

undersøke dette ble det utviklet en SWMM-model for ett av de fem grønne forsøkstakene ved

Nygårdstangen pumpestasjon i Bergen. Modellen ble simulert med kontinuerlige tidsserier, og

ble evaluert med tre målfunksjoner. Disse er standard KGE, en skalert KGE (KGES) der

variabiliteten vektlegges mer og en variant der standard KGE ble beregnet for avrenningsverdier

høyere enn en spesifisert terskel-verdi (90-persentilen) ved kalibrering. Målfunksjonene ble

evaluert for syv korte og tre lange ekstreme hendelser ved følgende varigheter: 5 minutter og 60

minutter, og 360 minutter og 1440 minutter.

Fra resultatene ble det oppdaget små forskjeller mellom målfunksjonene ved både korte og lange

hendelser. For begge tilfeller viste det seg at skalert-modell beskriver avrenningstoppene best.

Deretter gir referanse-modellen en grei beskrivelse av avrenningstoppene, mens terskel-modell

«scorer» lavest.

As a result of climate change, heavy precipitation events have led to increased volumes of

stormwater and greater stress on local drainage systems. Additionally, a higher proportion of

impermeable surfaces in urban areas has created challenges in managing extreme runoff. A

popular measure, which along with other nature-based solutions helps to address these

challenges, is green roofs.

Given this context, it is essential to develop hydrological models of green roofs that describe

extreme runoff for various durations. When developing models for green roofs, it is beneficial to

simulate with continuous time series to account for initial conditions that, among other things,

determine the runoff volume from green roofs. Obtaining models that describe extreme runoff

for different durations is important for the design of green roofs, as well as the development of

RDF-statistics. The ability of the model to describe extreme runoff may, among other factors,

depend on the objective function used.

The aim of this thesis is therefore to evaluate the objective function in the development of a

green roof model that describes extreme runoff events for various durations. To investigate this,

an SWMM-model was developed for one green roof in Bergen. The model was simulated with

continuous time series and evaluated with three objective functions. These are the standard KGE,

a scaled KGE (KGES) where variability is weighted more heavily, and a variant where the

standard KGE was calculated for runoff values higher than a specified threshold (90th percentile)

during calibration. The objective functions were evaluated for seven short and three long

extreme events with the following durations: 5 minutes and 60 minutes, and 360 minutes and

1440 minutes.

From the results, small differences were observed between the objective functions for both short

and long events. In both cases, the scaled model best described the runoff peaks. The reference

model provided a reasonable description of the runoff peaks, while the threshold model scored

the lowest.