Drought Monitoring and Assessment Z. (Bob) Su Professor of Spatial - PowerPoint PPT Presentation

Drought Monitoring and Assessment Z. (Bob) Su Professor of Spatial Hydrology and Water Resources Management ITC, University of Twente The Netherlands z.su@utwente.nl www.itc.nl/wrs ICTP Third Workshop on Water Resources in Developing Countries, 30 April 2015

What ¡is ¡the ¡difference?

Learning ¡ ¡Obje jec5ves ¡ ¡ ¡ 1. ¡Understand ¡basic ¡ideas ¡for ¡es5ma5ng ¡water ¡availability ¡ 2. ¡Familiarize ¡with ¡data ¡products ¡for ¡deriving ¡different ¡ water ¡availability ¡terms ¡ 3. ¡Understand ¡the ¡possibili5es ¡and ¡limita5ons ¡for ¡ es5ma5ng ¡water ¡availability ¡using ¡different ¡approaches ¡ 4. ¡Familiarize ¡with ¡the ¡applica5ons

(O. ¡Heffernan) ¡

(O. ¡Heffernan) ¡

(O. ¡Heffernan) ¡

DROUGHT INDICES (LOTS OF THEM) • Percent ¡of ¡Normal ¡(PN) ¡ • Standard ¡Precipita9on ¡Index ¡(SPI) ¡ • Palmer ¡Drought ¡Severity ¡Index ¡(PDSI) ¡ • Crop ¡Moisture ¡Index ¡(CMI) ¡ • Surface ¡Water ¡Supply ¡Index ¡(SWSI) ¡ • Reclama9on ¡Drought ¡Index ¡(RDI) ¡ • Evapotranpira9on ¡Deficit ¡Index ¡(ETDI) ¡ Eden, ¡U. ¡(2012) ¡Drought ¡assessment ¡by ¡evapotranspira9on ¡mapping ¡ in ¡Twente, ¡the ¡Netherlands. ¡Enschede, ¡University ¡of ¡Twente ¡Faculty ¡ of ¡Geo-­‑Informa9on ¡and ¡Earth ¡Observa9on ¡(ITC), ¡2012. ¡ 7 ¡

Let there be light (NASA)

Water cycle and its link to climate (Su, et al., 2010, Treatise on Water Science)

Biochemical Processes - Terrestrial Water, Energy and Carbon Cycles Land-Atmosphere Interactions Thermal radiation S e n s i b l e H e a t (diffusion/convection) S o i l H e a t ( C o n d u c t i o n ) Latent Heat (Phase change) W a t e r & v a p o u r Precipitation Gases Wind Advection

What is Drought ? Transpiration limited by plant water Wet Condition: Maximum Transpiration Dry Condition: No transpiration availability in the root zone

Quantitative Approaches for Drought Monitoring and Prediction • Approach 1: Surface Energy Balance – To derive relative evaporation & relative soil moisture in the root zone from land surface energy balance – To define a quantitative drought severity index (DSI) for large scale drought monitoring • Approach 2: Soil Moisture Retrieval – To determine surface soil moisture – To assimilate surface SM into a hydrological model to derive root zone soil moisture • Approach 3: Total water budget

Drought Monitoring & Prediction Climate & Satellite Meteorological Information Data System Surface Energy Balance System Surface Soil Moisture (SEBS) Data Assimilation (to infer root zone water availability) Drought Information System (Drought Severity Distribution) Decision Makers Internet

From Energy Balance to Water Balance ( t ) ( t ) P I I E θ − θ = + + c − 2 1 0 0 E ~ E ~ θ θ wet wet dry dry E E θ − θ λ dry R = = = = Λ r E E θ − θ λ wet dry wet wet H H − DSI = 1 R wet − = H H − dry wet R: Relative Plant Available Soil Water Content DSI: Drought Severity Index (Su ¡et ¡al., ¡2003) ¡

Relationship of evaporative fraction to surface variables (albedo, fractional vegetation coverage and surface temperature) • The ¡rela9ve ¡evapora9on ¡is ¡given ¡as ¡ E ⎛ ⎞ θ − θ dry s ⎜ ⎟ Λ = = r ⎜ ⎟ E θ − θ ⎝ ⎠ wet wet dry E θ − θ dry Λ = ≅ r E θ − θ wet wet dry

Relationship of evaporative fraction to surface variables (albedo, fractional vegetation coverage and surface temperature) • The ¡rela9ve ¡evapora9on ¡is ¡given ¡as ¡ The ¡SEBS ¡algorithm ¡(Su, ¡2002) ¡

Relationship of evaporative fraction to surface variables (albedo, fractional vegetation coverage and surface temperature)

Relation of evaporative fraction to surface variables (an example)

Normalized temperature difference versus albedo

Normalized temperature difference versus albedo

Normalized ¡temperature ¡difference ¡versus ¡albedo

Comparison to Soil Moisture Measurements Relative evaporation vs relative soil moisture April 2000 April 2000 April 2000 Average Relative Soil Moisture Relative Soil Moisture (at10 Average 80 Avergae Relative Soil Moisture 70 up to depth of 50cm (%) SOIL 70 Relative Soil 70 60 Average MOISTURE up to 20 cm Depth (%) 60 Moisture up 60 Relative Soil (at10 cm 50 to Depth of cm depth) 50 Moisture up 50 depth) 50 cm 40 Predicted 40 to Depth of 40 6 Predicted 30 20 cm Average 30 Average 30 Predicted 20 Relative Soil Relative Soil 20 20 Average Moisture Moisture 10 10 Relative Soil 10 0 0 Moisture 0 0 20 40 60 0 10 20 30 40 50 0 10 20 30 40 50 Relative Evaporation (%) Relative Evaporation (%) Relative Evaporation (%) Time Series of Drought Severity Index

Tibetan Plateau observatory of plateau scale soil moisture and soil temperature (Tibet-Obs) (Su ¡et ¡al., ¡2011, ¡HESS) ¡ ESA Dragon programme EU FP7 CEOP-AEGIS project Su, Z., et al. 2011, Hydrol. Earth Syst. Sci. www.hydrol-earth-syst-sci.net/15/2303/2011/

Preliminary validation results Organic soils Mean sm at Maqu site (depth of 5 cm) Sandy loam soil VUA-NASA sm from AMSR-E data

Quan5fica5on ¡of ¡uncertain5es ¡in ¡global ¡products ¡ (Su, et al., 2011) (Su ¡et ¡al., ¡2011, ¡HESS) ¡

Maqu Maqu ¡ ¡SMST ¡ ¡Network ¡ ¡– ¡ – ¡valida5on ¡ ¡results

Ng Ngari ¡ ¡SMST ¡ ¡Network ¡ ¡– ¡ – ¡valida5on ¡ ¡results

How can we use this information for drought monitoring and prediction?

WACMOS.org

Changes ¡in ¡Water ¡Budget Rain ¡ Snow ¡ evapora9on ¡ ¡ ¡ Land ¡ ¡Surface ¡& ¡Water ¡Use ¡ Surface ¡Water ¡ Groundwater ¡ River ¡OuXlow ¡

Consistency ¡ ¡amo mong ¡ ¡diffferent ¡ ¡physically ¡ ¡interrelated ¡ ¡ va variables ¡ ¡ ¡ ¡ (Spa5al ¡W (Spa5al ¡Water ¡budg er ¡budget ¡o t ¡of ¡the ¡Y f ¡the ¡Yang angtz tze ¡Riv e ¡River ¡Basin) ¡ er ¡Basin) ¡ dS/dt ¡ 31

Never ¡ending ¡human ¡ac5vi5es

Yangtze ¡River ¡Basin • Upper ¡Yangtze ¡reach, ¡from ¡Tuotuohe, ¡to ¡Yichang. ¡ ¡ • Middle ¡reach ¡from ¡Yichang ¡to ¡Hukou. ¡ ¡ ¡ • Lower ¡reach ¡extends ¡from ¡Hukou ¡to ¡the ¡river ¡mouth ¡near ¡Shanghai. ¡ ¡ • Cuntan, ¡Yichang, ¡Hankou, ¡and ¡Datong ¡are ¡four ¡gauging ¡sta9ons ¡located ¡along ¡the ¡ mainstream ¡of ¡the ¡Yangtze. ¡ 33

Closure ¡of ¡Water ¡Cycle ¡over ¡a ¡river ¡basin ¡ Total ¡water ¡Storage(TWS) ¡ In-­‑situ ¡& ¡satellite ¡ ¡ Observa9ons ¡ Reanalysis ¡ Satellite ¡ Observa9ons ¡ 34 ¡

Seasonal ¡average ¡maps ¡of ¡sensible ¡heat ¡flux ¡(H) ¡ (a) ¡Mar-­‑May, ¡(b) ¡Jun-­‑Aug,(c) ¡Sep-­‑Nov, ¡(d) ¡Dec-­‑Feb

TWS ¡Anomaly ¡(Yichang) ¡ 36 ¡

Upper ¡reach ¡TWS ¡anomaly (ver: RL04 ssv201008) GRACE data (ver: RL05.DSTvSCS1401)

Cumula5ve ¡TWS ¡anomaly ¡at ¡Upper ¡Reach ¡(Yichang ¡sta5on) (ver: RL04 ssv201008) GRACE data (ver: RL05.DSTvSCS1401)

Continental scale simulations 1 Jan – 9 Dec 2009, grid resolution 25 KM Skin temperature Precipitation Latent heat flux (Evaporation/ (convective + non-convective) transpiration) Soil moisture of top layer Soil moisture of second layer

Climate ¡change ¡impacts ¡and ¡adapta5on ¡in ¡River ¡Basins wacmos.org 40

Example ¡of ¡the ¡Yellow ¡River ¡Basin ¡(upper ¡basin ¡vs ¡whole ¡basin) wacmos.org 41

Example ¡of ¡the ¡Yellow ¡River ¡Basin ¡(upper ¡basin ¡vs ¡whole ¡basin) GLDAS_TWSC2 = P - ET - R TWSC3 = TRMM_PC – GLDAS_ETC – In-situ_ RC (Anomaly) (anomaly of total water storage change) wacmos.org 42

How ¡shall ¡we ¡define ¡droughts? Dark ¡blue ¡is ¡less ¡than ¡one ¡standard ¡devia9on ¡from ¡the ¡mean. ¡For ¡the ¡ normal ¡distribu9on, ¡this ¡accounts ¡for ¡68.27% ¡of ¡the ¡set; ¡while ¡two ¡standard ¡ devia9ons ¡from ¡the ¡mean ¡(medium ¡and ¡dark ¡blue) ¡account ¡for ¡95.45%; ¡and ¡ three ¡standard ¡devia9ons ¡(light, ¡medium, ¡and ¡dark ¡blue) ¡account ¡for ¡99.73%. ¡ (vikipedia) ¡