Bewertung der Auswirkungen der Unsicherheit der Bewertungskennlinie auf die Stromflussimulation im Einzugsgebiet Kulfo, Südäthiopien

ZUSAMMENFASSUNG Eine genaue Simulation des Stromflusses und das Verständnis der damit verbundenen Unsicherheit sind entscheidend für ein effektives Wassermanagement. Die Unsicherheit der Bewertungskennlinien, aus denen die Stromflussdaten abgeleitet werden, ist jedoch nach wie vor schlecht verstanden. Diese Studie zielt darauf ab, den Stromfluss unter Bedingungen der Unsicherheit der Bewertungskennlinien zu simulieren. Die Bootstrap-Resampling-Technik (BSRT) wurde verwendet, um die Bewertungskennlinie zu erstellen und die damit verbundene Unsicherheit zu schätzen. Darüber hinaus wurde sie mit eigenständigen und hybriden Modellen (GRU, Bi-LSTM und Conv1D-LSTM) integriert, um die Auswirkungen dieser Unsicherheit auf die Stromflussimulation zu bewerten. Verschiedene Verzögerungszeiten von Regenfall und Abfluss werden als Eingabe für DL-Stromflusssimulationsmodelle verwendet. Trotz der Komplexität hat das Conv1D-LSTM-Modell das Bi-LSTM-Modell nicht übertroffen. Es schneidet jedoch leicht besser als das GRU-Modell ab. Darüber hinaus wirkt sich die Unsicherheit der Bewertungskennlinie erheblich auf die Stromflussimulation aus, insbesondere in Hochwasserbereichen. Folglich führte die Unsicherheit im Zusammenhang mit den Bewertungskennlinien am Kulfo-Fluss zu einer Stromflussunsicherheit von etwa 17,8 m3 s−1, was 22 % des Spitzenabflusses entspricht. Die Leistung der DL-Modelle wurde mit verschiedenen Metriken (RMSE, MAE, NSE und R2) bewertet. Die Ergebnisse unterstreichen die Bedeutung der Berücksichtigung der Unsicherheit der Bewertungskennlinie in der Stromflussimulation zur Verbesserung der Wassermanagementpraktiken und zur Unterstützung fundierter Entscheidungen im Untersuchungsgebiet.