Informing water reservoir operations with climate teleconnections

Increasingly uncertain hydrologic regimes combined with more frequent and intense extreme events are challenging water systems management worldwide, emphasizing the need of accurate medium- to long-term predictions to timely prompt anticipatory operations. Despite modern forecasts being skilful over short lead time, predictability generally tends to decrease on longer lead times. Global climate teleconnection, such as El Niño Southern Oscillation (ENSO) and the North Atlantic Oscillation (NAO), may contribute in extending forecast lead times. However, ENSO teleconnection is well defined in some locations, such as Australia or Chile, while there is no consensus on how it can be detected and used in other regions, like Europe or Africa. The same is true for NAO teleconnection. In this work, we employ the Niño Index Phase Analysis, to capture the state of two large scale climate signals, i.e. ENSO and NAO, and we use these teleconnections to forecast hydroclimatic variables on a seasonal time scale. For each phase of the considered climate signals, our approach identifies relevant anomalies in Sea Surface Temperature that influence the local hydrologic conditions, which are first aggregated via Principal Component Analysis and then used as inputs in a multivariate forecast model of seasonal precipitation. The resulting seasonal meteorological forecasts , are then transformed into daily streamflow predictions, by means of a time scaling procedure (k Nearest-Neighbour) combined with an hydrological model (HBV). Lastly, the streamflow forecasts are used as additional inputs for informing the water system operations. The value of the addicted information is then evaluated as the gain in the system performance obtained with the more informed operations. The potential of this framework is demonstrated through an application to the Lake Como system, a regulated lake in northern Italy which is mainly operated for flood control and irrigation supply. The results for each step are overall good, with a final performance improvement of 48% when the lake is simulated under the comparing the Informed Operating Policy with respect to the baseline solution.

La crescente incertezza dei regimi idrologici, combinata con la maggiore frequenza di eventi estremi sta accrescendo la difficoltá nella gestione dei sistemi idrici nel mondo, evidenziando la necessitá di previsioni accurate di medio lungo periodo per ottimizzare le operazioni. Nonostante siano performanti nel breve periodo, gli attuali modelli previsionali tendono a perdere accuratezza su orizzonti previsionali piú lunghi. Teleconnessioni climatiche globali, quali El Niño Southern Oscillation (ENSO) e la North Atlantic Oscillation (NAO) possono contribuire all’estensione dei periodi di previsione. Tuttavia, gli effetti di ENSO sono definiti solo in poche aree, come Australia e USA, mentre quelli in altre, quali l’Europa, sono meno conosciuti. Lo stesso si puó dire per gli effetti associati al NAO. In questo lavoro, usiamo la Niño Index Phase Analysis, per comprendere lo stato di ENSO e NAO, e sfruttiamo tali teleconnesioni per prevedere variabili idro-climatiche su un periodo stagionale. Per ogni fase di ciascun segnale, l’approccio identifica anomalie di temperature al livello del mare rilevanti che influenzino le condizioni della variabile idrologica locale. Esse vengono prima aggregate attraverso l’analisi delle componenti principali e poi usate come input per un modello di previsione multivariato per fornire previsioni stagionali di precipitazione. Quest’ultime sono poi trasformate in portate giornaliere, con prima una procedura di scomposizione temporale (k Nearest-Neighbour) combinate con un modello idrologico (HBV). Da ultimo, le previsioni di portata sono usate come informazione aggiuntiva nella gestione del sistema. Il valore di tale informazione viene calcolato in termini di miglioramento nelle performance del sistema quando questo viene gestito utilizzando le previsioni di portata. Il potenziale della procedura é dimostrato applicandola sul sistema del Lago di Como, un lago regolato nel nord Italia, operato prevalentemente per controllare le piene e per l’irrigazione. I risultati sono stati soddisfacenti con un miglioramento complessivo della gestione tradizionale del sistema pari al 48% quando si utilizza una gestione piú informata.