Antecedent Moisture Condition (Scs) Frequency Assessment: A Case Study in Southern Italy

Abstract

This paper reports on a procedure used to define the joint probability distribution of two hydrological variables describing a meteoric event: the maximum intensity of the rain and the accumulation in the antecedent five days. The main goal is to define the frequency of occurrence of the three antecedent moisture condition classes of the SCS-CN method connected to extreme intensity rain events, with reference to a very precise data set containing records with aggregation time of 10 min. In order to define the relation between the hydrological variables, the marginal distribution of the two variables was first identified and afterwards the global dependency structure was studied through the copula function.Afterwards, according to data collected from rain gauge stations located in the Campania region, in southern Italy, and selecting peak-intensity rain events higher than 20 mm h -1 , the evidence was that the AMCI class is the most frequent, rather than the AMCIII class (the frequency of which is never above 26% in the vegetal dormant season and 12% in the vegetal growing season).Such results lead to the conclusion that using the AMCIII class in design calculation, mainly in dry areas (like southern Italian regions), is not particularly suitable, while the use of AMCII is more advisable. RÉSUMÉCet article présente la procédure utilisée pour définir la distribution de la probabilité conjointe de deux variables hydrogéologiques qui décrivent un événement météorologique: l'intensité maximum de la pluie (i) et la pluie accumulée pendant les cinq jours précédents (cum 5). L'objectif principal est de définir la fréquence d'événements des trois classes de conditions d'humidité antécédentes en relation avec les événements pluvieux d'extrême intensité, en se référant à un jeu de données très précises agrégées au pas de temps de 10 minutes.A priori pour définir la relation entre les variables hydrogéologiques nous avons identifié la distribution marginale des deux variables puis étudié la structure de dépendance globale à travers la fonction copula.En accord avec une analyse de sensibilité développée en fixant une typologie, en utilisant une variable sol et faisant virier la classe AMC, il était possible d'établir que la classe AMCIII amène à des valeurs des volumes hydriques plutôt élevés (deux à trois fois plus par rapport à ceux fournis par l'AMCII).Ensuite, en accord avec les données recueillies par des stations pluviométriques dans la région de la Campanie, dans le sud de l'Italie et en sélectionnant les événements avec un pic supérieur à 20 mm h -1 , on est arrivé à la conclusion que la classe AMCI est la plus fréquente (aussi par rapport à la classe AMCIII dont la fréquence ne dépasse jamais les 26% de la période de repos végétatif ou les 12% en période de développement des végétaux).Ces résultats nous ont permis de conclure que l'utilisation de la classe AMCIII n'est pas tout à fait adaptée aux résultats attendus, surtout dans des endroits arides comme le sud de l'Italie. Pourtant on conseille l'utilisation de l'AM...

Comparison of Direct Outflow Calculated by Modified SCS-Cn Methods for Mountainous and Highland Catchments in Upper Vistula Basin, Poland and Lowland Catchment in South Carolina, Usa

“…As a result, in above described cases a much more underestimation of calculated values of direct event outflow can be expected for the mountainous Kamienica catchment and an overestimation for the lowland WS80 watershed. Similar observations have been reported in other recent studies by several authors [Wałęga et al 2011, de Paola et al 2013, Banasik et al 2014, Kowalik and Wałęga 2015. In this context, therefore, there is a need of finding alternative methods of direct outflow estimation, that provides results that are closest to the observed ones with a minimal error.…”

Estimation of CN Parameter for Small Agricultural Watersheds Using Asymptotic Functions

“…Moreover, in the original method, CN was determined based on maximum daily precipitation per year, and in our study this parameter was calculated using the rainfall causing direct runoff from the investigated watersheds. De Paola et al [30] suggest using the AMCIII class for flow predictions when designing "sensible' structural hydraulic measures (such as detention reservoirs or floodplain storage), while for non-structural measures (such as delineation of hazard maps) this assumption may be too severe and, therefore, it requires a precise evaluation of its occurrence frequency. To adapt the SCS method for use in mountain or highland watersheds, it has been proposed [4] to correct CNemp by a factor representing the watershed slope.…”

“…Currently, this method is included in widely used hydrological software, such as WinTR55, WinTR20, HEC-HMS, EPA-SWMM, SWAT, GLEAMS, EPIC, NLEAP, and AGNPS [30], and it is consequently applied in a large number of scientific studies. Isik et al [31] used a hybrid model based on Artificial Neural Networks (ANNs), and SCS-CN to predict the effect of changes in land use/cover on daily streamflow.…”

Process-based design flood estimation in ungauged basins by conditioning model parameters on regional hydrological signatures

“…Due to nonlinearity of the rainfall-abstraction-runoff modelling involved in the adopted hydrological model, the iso-frequency hypothesis cannot be, in general, considered valid, particularly because of the uncertainty related to antecedent moisture condition (de Paola et al 2013) and initial abstraction.…”