Ανδρέας Ευστρατιάδης

Επίκουρος Καθηγητής, Πολιτικός Μηχανικός, MSc., Δρ. Μηχανικός
A.Efstratiadis@itia.ntua.gr
+30-2107722861

Συμμετοχή σε ερευνητικά έργα

Συμμετοχή ως επιστημονικός υπεύθυνος

  1. Εκσυγχρονισμός της διαχείρισης του συστήματος των υδατικών πόρων ύδρευσης της Αθήνας – Αναθεώρηση

Συμμετοχή ως κύριος ερευνητής

  1. Δίκτυο Ανοιχτής Πληροφορίας Υδροσυστημάτων (OpenHi.net)
  2. Μη γραμμικές μέθοδοι σε πολυκριτηριακά προβλήματα βελτιστοποίησης υδατικών πόρων

Συμμετοχή ως ερευνητής

  1. ΔΕΥΚΑΛΙΩΝ – Εκτίμηση πλημμυρικών ροών στην Ελλάδα σε συνθήκες υδροκλιματικής μεταβλητότητας: Ανάπτυξη φυσικά εδραιωμένου εννοιολογικού-πιθανοτικού πλαισίου και υπολογιστικών εργαλείων
  2. EU COST Action ES0901: Ευρωπαϊκές διαδικασίες για την εκτίμηση της συχνότητας πλημμυρών (FloodFreq)
  3. Συντήρηση, αναβάθμιση και επέκταση του Συστήματος Υποστήριξης Αποφάσεων για την διαχείριση του υδροδοτικού συστήματος της ΕΥΔΑΠ
  4. Ανάπτυξη βάσης δεδομένων και εφαρμογών λογισμικού σε διαδικτυακό περιβάλλον για την «Εθνική Τράπεζα Υδρολογικής και Μετεωρολογικής Πληροφορίας»
  5. OpenMI Life
  6. Κοστολόγηση αδιύλιστου νερού για την ύδρευση της Αθήνας
  7. Παρατήρηση και μοντελοποίηση της κεραυνικής δραστηριότητας στις καταιγίδες για χρήση στη βραχυπρόθεσμη πρόγνωση των πλημμυρών
  8. Εκτίμηση και πρόγνωση του πλημμυρικού κινδύνου με τη χρήση υδρολογικών μοντέλων και πιθανοτικών μεθόδων
  9. Υποστήριξη της κατάρτισης Εθνικού Προγράμματος Διαχείρισης και Προστασίας των Υδατικών Πόρων
  10. Διερεύνηση σεναρίων διαχείρισης του ταμιευτήρα Σμοκόβου
  11. Ολοκληρωμένη Διαχείριση Υδατικών Συστημάτων σε Σύζευξη με Εξελιγμένο Υπολογιστικό Σύστημα (ΟΔΥΣΣΕΥΣ)
  12. Εκσυγχρονισμός της εποπτείας και διαχείρισης του συστήματος των υδατικών πόρων ύδρευσης της Αθήνας
  13. Διερεύνηση των δυνατοτήτων διαχείρισης και προστασίας της ποιότητας της Λίμνης Πλαστήρα
  14. Εκτίμηση και Διαχείριση των Υδατικών Πόρων της Στερεάς Ελλάδας - Φάση 3

Συμμετοχή σε τεχνολογικές μελέτες

  1. Σχέδιο Διαχείρισης Κινδύνων Πλημμύρας των Λεκανών Απορροής Ποταμών του Υδατικού Διαμερίσματος Ανατολικής Πελοποννήσου (GR03)
  2. Consultancy Services for Conceptual Design, Preparation of Bidding Documents, Assistance during the Selection of Contractor & Monitoring/Supervision of Construction, Instalation, Operation & Maintainance for Traffic Control (CTC) for Greater Gaborone City
  3. Σχέδιο Διαχείρισης Κινδύνων Πλημμύρας των Λεκανών Απορροής Ποταμών του Υδατικού Διαμερίσματος Κρήτης (GR13)
  4. Παροχή Συμβουλευτικών Υπηρεσιών για την Κατάρτιση του 2ου Σχεδίου Διαχείρισης Λεκάνης Απορροής Ποταμού της Κύπρου για την Εφαρμογή της Οδηγίας 2000/60/ΕΚ και για την Κατάρτιση του Σχεδίου Διαχείρισης Κινδύνων Πλημμύρας για την Εφαρμογή της Οδηγίας 2007/60
  5. Σχέδιο Διαχείρισης Κινδύνων Πλημμύρας των Λεκανών Απορροής Ποταμών του Υδατικού Διαμερίσματος Δυτικής Πελοποννήσου (GR01)
  6. Έργα Ορεινής Υδρονομίας Ρεμάτων Ορεινών Λεκανών Απορροής Αλμωπίας
  7. Σχέδιο Διαχείρισης Κινδύνων Πλημμύρας των Λεκανών Απορροής Ποταμών του Υδατικού Διαμερίσματος Βόρειας Πελοποννήσου (GR02)
  8. Προμελέτη φράγματος Αλμωπαίου
  9. Υδρολογική μελέτη περιοχής χιονοδρομικού κέντρου Παρνασσού
  10. Έργα Ύδρευσης Ρόδου από το φράγμα Γαδουρά - Β φάση: Προμελέτες, οριστικές μελέτες κλπ. μελέτες έργων Υδραγωγείων και ΕΕΝ- Τεύχη Δημοπράτησης
  11. Ειδική Τεχνική Μελέτη για την Οικολογική Παροχή από το Φράγμα Στράτου
  12. Μελέτες Διερεύνησης Προβλημάτων Άρδευσης και Δυνατότητας Κατασκευής Ταμιευτήρων Νομού Βοιωτίας
  13. Διαχείριση υδατικών πόρων της Περιοχής Ολοκληρωμένης Τουριστικής Ανάπτυξης Μεσσηνίας
  14. Υδρολογική-Υδραυλική Μελέτη για την Αντιπλημμυρική Προστασία της Νέας Διπλής Σιδηροδρομικής Γραμμής κατά τη Διέλευσή της από την Περιοχή του Ποταμού Σπερχειού
  15. Τεχνικός Σύμβουλος για το έργο "Ύδρευση Ηρακλείου και Αγίου Νικολάου από το φράγμα Αποσελέμη"
  16. Προκαταρκτική Μελέτη Υδροδότησης του Θερμοηλεκτρικού Σταθμού Λειβαδιάς
  17. Συμπληρωματική μελέτη περιβαλλοντικών επιπτώσεων εκτροπής του Αχελώου προς τη Θεσσαλία

Δημοσιευμένο έργο

Publications in scientific journals

  1. A. Zisos, G.-K. Sakki, and A. Efstratiadis, Mixing renewable energy with pumped hydropower storage: Design optimization under uncertainty and other challenges, Sustainability, 15 (18), 13313, doi:10.3390/su151813313, 2023.
  2. A. Roxani, A. Zisos, G.-K. Sakki, and A. Efstratiadis, Multidimensional role of agrovoltaics in era of EU Green Deal: Current status and analysis of water-energy-food-land dependencies, Land, 12 (5), 1069, doi:10.3390/land12051069, 2023.
  3. S. Tsattalios, I. Tsoukalas, P. Dimas, P. Kossieris, A. Efstratiadis, and C. Makropoulos, Advancing surrogate-based optimization of time-expensive environmental problems through adaptive multi-model search, Environmental Modelling and Software, 162, 105639, doi:10.1016/j.envsoft.2023.105639, 2023.
  4. A. Efstratiadis, and G.-K. Sakki, Revisiting the management of water–energy systems under the umbrella of resilience optimization, Environmental Sciences Proceedings, 21 (1), 72, doi:10.3390/environsciproc2022021072, 2022.
  5. G.-K. Sakki, I. Tsoukalas, P. Kossieris, C. Makropoulos, and A. Efstratiadis, Stochastic simulation-optimisation framework for the design and assessment of renewable energy systems under uncertainty, Renewable and Sustainable Energy Reviews, 168, 112886, doi:10.1016/j.rser.2022.112886, 2022.
  6. R. Ioannidis, N. Mamassis, A. Efstratiadis, and D. Koutsoyiannis, Reversing visibility analysis: Towards an accelerated a priori assessment of landscape impacts of renewable energy projects, Renewable and Sustainable Energy Reviews, 161, 112389, doi:10.1016/j.rser.2022.112389, 2022.
  7. A. Efstratiadis, P. Dimas, G. Pouliasis, I. Tsoukalas, P. Kossieris, V. Bellos, G.-K. Sakki, C. Makropoulos, and S. Michas, Revisiting flood hazard assessment practices under a hybrid stochastic simulation framework, Water, 14 (3), 457, doi:10.3390/w14030457, 2022.
  8. K.-K. Drakaki, G.-K. Sakki, I. Tsoukalas, P. Kossieris, and A. Efstratiadis, Day-ahead energy production in small hydropower plants: uncertainty-aware forecasts through effective coupling of knowledge and data, Advances in Geosciences, 56, 155–162, doi:10.5194/adgeo-56-155-2022, 2022.
  9. G.-K. Sakki, I. Tsoukalas, and A. Efstratiadis, A reverse engineering approach across small hydropower plants: a hidden treasure of hydrological data?, Hydrological Sciences Journal, 67 (1), 94–106, doi:10.1080/02626667.2021.2000992, 2022.
  10. P. Kossieris, I. Tsoukalas, A. Efstratiadis, and C. Makropoulos, Generic framework for downscaling statistical quantities at fine time-scales and its perspectives towards cost-effective enrichment of water demand records, Water, 13 (23), 3429, doi:10.3390/w13233429, 2021.
  11. N. Mamassis, K. Mazi, E. Dimitriou, D. Kalogeras, N. Malamos, S. Lykoudis, A. Koukouvinos, I. L. Tsirogiannis, I. Papageorgaki, A. Papadopoulos, Y. Panagopoulos, D. Koutsoyiannis, A. Christofides, A. Efstratiadis, G. Vitantzakis, N. Kappos, D. Katsanos, B. Psiloglou, E. Rozos, T. Kopania, I. Koletsis, and A. D. Koussis, OpenHi.net: A synergistically built, national-scale infrastructure for monitoring the surface waters of Greece, Water, 13 (19), 2779, doi:10.3390/w13192779, 2021.
  12. G.-F. Sargentis, P. Siamparina, G.-K. Sakki, A. Efstratiadis, M. Chiotinis, and D. Koutsoyiannis, Agricultural land or photovoltaic parks? The water–energy–food nexus and land development perspectives in the Thessaly plain, Greece, Sustainability, 13 (16), 8935, doi:10.3390/su13168935, 2021.
  13. G. Papaioannou, L. Vasiliades, A. Loukas, A. Alamanos, A. Efstratiadis, A. Koukouvinos, I. Tsoukalas, and P. Kossieris, A flood inundation modelling approach for urban and rural areas in lake and large-scale river basins, Water, 13 (9), 1264, doi:10.3390/w13091264, 2021.
  14. A. Efstratiadis, I. Tsoukalas, and D. Koutsoyiannis, Generalized storage-reliability-yield framework for hydroelectric reservoirs, Hydrological Sciences Journal, 66 (4), 580–599, doi:10.1080/02626667.2021.1886299, 2021.
  15. I. Tsoukalas, A. Efstratiadis, and C. Makropoulos, Building a puzzle to solve a riddle: A multi-scale disaggregation approach for multivariate stochastic processes with any marginal distribution and correlation structure, Journal of Hydrology, 575, 354–380, doi:10.1016/j.jhydrol.2019.05.017, 2019.
  16. A. Tegos, W. Schlüter, N. Gibbons, Y. Katselis, and A. Efstratiadis, Assessment of environmental flows from complexity to parsimony - Lessons from Lesotho, Water, 10 (10), 1293, doi:10.3390/w10101293, 2018.
  17. E. Klousakou, M. Chalakatevaki, P. Dimitriadis, T. Iliopoulou, R. Ioannidis, G. Karakatsanis, A. Efstratiadis, N. Mamassis, R. Tomani, E. Chardavellas, and D. Koutsoyiannis, A preliminary stochastic analysis of the uncertainty of natural processes related to renewable energy resources, Advances in Geosciences, 45, 193–199, doi:10.5194/adgeo-45-193-2018, 2018.
  18. K. Risva, D. Nikolopoulos, A. Efstratiadis, and I. Nalbantis, A framework for dry period low flow forecasting in Mediterranean streams, Water Resources Management, 32 (15), 4911–1432, doi:10.1007/s11269-018-2060-z, 2018.
  19. I. Tsoukalas, S.M. Papalexiou, A. Efstratiadis, and C. Makropoulos, A cautionary note on the reproduction of dependencies through linear stochastic models with non-Gaussian white noise, Water, 10 (6), 771, doi:10.3390/w10060771, 2018.
  20. G. Papaioannou, A. Efstratiadis, L. Vasiliades, A. Loukas, S.M. Papalexiou, A. Koukouvinos, I. Tsoukalas, and P. Kossieris, An operational method for Floods Directive implementation in ungauged urban areas, Hydrology, 5 (2), 24, doi:10.3390/hydrology5020024, 2018.
  21. E. Michailidi, S. Antoniadi, A. Koukouvinos, B. Bacchi, and A. Efstratiadis, Timing the time of concentration: shedding light on a paradox, Hydrological Sciences Journal, 63 (5), 721–740, doi:10.1080/02626667.2018.1450985, 2018.
  22. E. Savvidou, A. Efstratiadis, A. D. Koussis, A. Koukouvinos, and D. Skarlatos, The curve number concept as a driver for delineating hydrological response units, Water, 10 (2), 194, doi:10.3390/w10020194, 2018.
  23. I. Tsoukalas, A. Efstratiadis, and C. Makropoulos, Stochastic periodic autoregressive to anything (SPARTA): Modelling and simulation of cyclostationary processes with arbitrary marginal distributions, Water Resources Research, 54 (1), 161–185, WRCR23047, doi:10.1002/2017WR021394, 2018.
  24. N. Malamos, I. L. Tsirogiannis, A. Tegos, A. Efstratiadis, and D. Koutsoyiannis, Spatial interpolation of potential evapotranspiration for precision irrigation purposes, European Water, 59, 303–309, 2017.
  25. K. Risva, D. Nikolopoulos, A. Efstratiadis, and I. Nalbantis, A simple model for low flow forecasting in Mediterranean streams, European Water, 57, 337–343, 2017.
  26. A. Tegos, N. Malamos, A. Efstratiadis, I. Tsoukalas, A. Karanasios, and D. Koutsoyiannis, Parametric modelling of potential evapotranspiration: a global survey, Water, 9 (10), 795, doi:10.3390/w9100795, 2017.
  27. K. Papoulakos, G. Pollakis, Y. Moustakis, A. Markopoulos, T. Iliopoulou, P. Dimitriadis, D. Koutsoyiannis, and A. Efstratiadis, Simulation of water-energy fluxes through small-scale reservoir systems under limited data availability, Energy Procedia, 125, 405–414, doi:10.1016/j.egypro.2017.08.078, 2017.
  28. P. Dimitriadis, A. Tegos, A. Oikonomou, V. Pagana, A. Koukouvinos, N. Mamassis, D. Koutsoyiannis, and A. Efstratiadis, Comparative evaluation of 1D and quasi-2D hydraulic models based on benchmark and real-world applications for uncertainty assessment in flood mapping, Journal of Hydrology, 534, 478–492, doi:10.1016/j.jhydrol.2016.01.020, 2016.
  29. I. Tsoukalas, P. Kossieris, A. Efstratiadis, and C. Makropoulos, Surrogate-enhanced evolutionary annealing simplex algorithm for effective and efficient optimization of water resources problems on a budget, Environmental Modelling and Software, 77, 122–142, doi:10.1016/j.envsoft.2015.12.008, 2016.
  30. A. Tegos, A. Efstratiadis, N. Malamos, N. Mamassis, and D. Koutsoyiannis, Evaluation of a parametric approach for estimating potential evapotranspiration across different climates, Agriculture and Agricultural Science Procedia, 4, 2–9, doi:10.1016/j.aaspro.2015.03.002, 2015.
  31. A. Efstratiadis, I. Nalbantis, and D. Koutsoyiannis, Hydrological modelling of temporally-varying catchments: Facets of change and the value of information, Hydrological Sciences Journal, 60 (7-8), 1438–1461, doi:10.1080/02626667.2014.982123, 2015.
  32. A. Efstratiadis, Y. Dialynas, S. Kozanis, and D. Koutsoyiannis, A multivariate stochastic model for the generation of synthetic time series at multiple time scales reproducing long-term persistence, Environmental Modelling and Software, 62, 139–152, doi:10.1016/j.envsoft.2014.08.017, 2014.
  33. A. Efstratiadis, A. D. Koussis, D. Koutsoyiannis, and N. Mamassis, Flood design recipes vs. reality: can predictions for ungauged basins be trusted?, Natural Hazards and Earth System Sciences, 14, 1417–1428, doi:10.5194/nhess-14-1417-2014, 2014.
  34. A. Efstratiadis, A. Tegos, A. Varveris, and D. Koutsoyiannis, Assessment of environmental flows under limited data availability – Case study of the Acheloos River, Greece, Hydrological Sciences Journal, 59 (3-4), 731–750, doi:10.1080/02626667.2013.804625, 2014.
  35. M. Rianna, A. Efstratiadis, F. Russo, F. Napolitano, and D. Koutsoyiannis, A stochastic index method for calculating annual flow duration curves in intermittent rivers, Irrigation and Drainage, 62 (S2), 41–49, doi:10.1002/ird.1803, 2013.
  36. J. A. P. Pollacco, B. P. Mohanty, and A. Efstratiadis, Weighted objective function selector algorithm for parameter estimation of SVAT models with remote sensing data, Water Resources Research, 49 (10), 6959–6978, doi:10.1002/wrcr.20554, 2013.
  37. N. Mamassis, A. Efstratiadis, and E. Apostolidou, Topography-adjusted solar radiation indices and their importance in hydrology, Hydrological Sciences Journal, 57 (4), 756–775, doi:10.1080/02626667.2012.670703, 2012.
  38. A. Efstratiadis, and K. Hadjibiros, Can an environment-friendly management policy improve the overall performance of an artificial lake? Analysis of a multipurpose dam in Greece, Environmental Science and Policy, 14 (8), 1151–1162, doi:10.1016/j.envsci.2011.06.001, 2011.
  39. D. Koutsoyiannis, A. Christofides, A. Efstratiadis, G. G. Anagnostopoulos, and N. Mamassis, Scientific dialogue on climate: is it giving black eyes or opening closed eyes? Reply to “A black eye for the Hydrological Sciences Journal” by D. Huard, Hydrological Sciences Journal, 56 (7), 1334–1339, doi:10.1080/02626667.2011.610759, 2011.
  40. I. Nalbantis, A. Efstratiadis, E. Rozos, M. Kopsiafti, and D. Koutsoyiannis, Holistic versus monomeric strategies for hydrological modelling of human-modified hydrosystems, Hydrology and Earth System Sciences, 15, 743–758, doi:10.5194/hess-15-743-2011, 2011.
  41. G. G. Anagnostopoulos, D. Koutsoyiannis, A. Christofides, A. Efstratiadis, and N. Mamassis, A comparison of local and aggregated climate model outputs with observed data, Hydrological Sciences Journal, 55 (7), 1094–1110, doi:10.1080/02626667.2010.513518, 2010.
  42. A. Efstratiadis, and D. Koutsoyiannis, One decade of multiobjective calibration approaches in hydrological modelling: a review, Hydrological Sciences Journal, 55 (1), 58–78, doi:10.1080/02626660903526292, 2010.
  43. D. Koutsoyiannis, C. Makropoulos, A. Langousis, S. Baki, A. Efstratiadis, A. Christofides, G. Karavokiros, and N. Mamassis, Climate, hydrology, energy, water: recognizing uncertainty and seeking sustainability, Hydrology and Earth System Sciences, 13, 247–257, doi:10.5194/hess-13-247-2009, 2009.
  44. D. Koutsoyiannis, A. Efstratiadis, N. Mamassis, and A. Christofides, On the credibility of climate predictions, Hydrological Sciences Journal, 53 (4), 671–684, doi:10.1623/hysj.53.4.671, 2008.
  45. A. Efstratiadis, I. Nalbantis, A. Koukouvinos, E. Rozos, and D. Koutsoyiannis, HYDROGEIOS: A semi-distributed GIS-based hydrological model for modified river basins, Hydrology and Earth System Sciences, 12, 989–1006, doi:10.5194/hess-12-989-2008, 2008.
  46. D. Koutsoyiannis, A. Efstratiadis, and K. Georgakakos, Uncertainty assessment of future hydroclimatic predictions: A comparison of probabilistic and scenario-based approaches, Journal of Hydrometeorology, 8 (3), 261–281, doi:10.1175/JHM576.1, 2007.
  47. K. Hadjibiros, A. Katsiri, A. Andreadakis, D. Koutsoyiannis, A. Stamou, A. Christofides, A. Efstratiadis, and G.-F. Sargentis, Multi-criteria reservoir water management, Global Network for Environmental Science and Technology, 7 (3), 386–394, doi:10.30955/gnj.000394, 2005.
  48. A. Christofides, A. Efstratiadis, D. Koutsoyiannis, G.-F. Sargentis, and K. Hadjibiros, Resolving conflicting objectives in the management of the Plastiras Lake: can we quantify beauty?, Hydrology and Earth System Sciences, 9 (5), 507–515, doi:10.5194/hess-9-507-2005, 2005.
  49. E. Rozos, A. Efstratiadis, I. Nalbantis, and D. Koutsoyiannis, Calibration of a semi-distributed model for conjunctive simulation of surface and groundwater flows, Hydrological Sciences Journal, 49 (5), 819–842, doi:10.1623/hysj.49.5.819.55130, 2004.
  50. A. Efstratiadis, D. Koutsoyiannis, and D. Xenos, Minimizing water cost in the water resource management of Athens, Urban Water Journal, 1 (1), 3–15, doi:10.1080/15730620410001732099, 2004.
  51. D. Koutsoyiannis, G. Karavokiros, A. Efstratiadis, N. Mamassis, A. Koukouvinos, and A. Christofides, A decision support system for the management of the water resource system of Athens, Physics and Chemistry of the Earth, 28 (14-15), 599–609, doi:10.1016/S1474-7065(03)00106-2, 2003.
  52. D. Koutsoyiannis, A. Efstratiadis, and G. Karavokiros, A decision support tool for the management of multi-reservoir systems, Journal of the American Water Resources Association, 38 (4), 945–958, doi:10.1111/j.1752-1688.2002.tb05536.x, 2002.

Book chapters and fully evaluated conference publications

  1. A. Efstratiadis, and G.-K. Sakki, The water-energy nexus as sociotechnical system under uncertainty, Elgar Encyclopedia of Water Policy, Economics and Management, edited by P. Kountouri and A. Alamanos, 2024.
  2. A. Efstratiadis, I. Tsoukalas, and P. Kossieris, Improving hydrological model identifiability by driving calibration with stochastic inputs, Advances in Hydroinformatics: Machine Learning and Optimization for Water Resources, edited by G. A. Corzo Perez and D. P. Solomatine, doi:10.1002/9781119639268.ch2, American Geophysical Union, 2024.
  3. C. Ntemiroglou, G.-K. Sakki, and A. Efstratiadis, Flood control across hydropower dams: The value of safety, Role of Dams and Reservoirs in a Successful Energy Transition - Proceedings of the 12th ICOLD European Club Symposium 2023, edited by R. Boes, P. Droz, and R. Leroy, doi:10.1201/9781003440420-22, International Commission on Large Dams, Interlaken, Switzerland, 2023.
  4. P. Dimas, G.-K. Sakki, P. Kossieris, I. Tsoukalas, A. Efstratiadis, C. Makropoulos, N. Mamassis, and K. Pipili, Outlining a master plan framework for the design and assessment of flood mitigation infrastructures across large-scale watersheds, 12th World Congress on Water Resources and Environment (EWRA 2023) “Managing Water-Energy-Land-Food under Climatic, Environmental and Social Instability”, 75–76, European Water Resources Association, Thessaloniki, 2023.
  5. V. Bellos, P. Kossieris, A. Efstratiadis, I. Papakonstantis, P. Papanicolaou, P. Dimas, and C. Makropoulos, Can we use hydraulic handbooks in blind trust? Two examples from a real-world complex hydraulic system, Proceedings of 7th IAHR Europe Congress "Innovative Water Management in a Changing Climate”, Athens, International Association for Hydro-Environment Engineering and Research (IAHR), 2022.
  6. G.-K. Sakki, A. Efstratiadis, and C. Makropoulos, Stress-testing for water-energy systems by coupling agent-based models, Proceedings of 7th IAHR Europe Congress "Innovative Water Management in a Changing Climate”, Athens, 402–403, International Association for Hydro-Environment Engineering and Research (IAHR), 2022.
  7. V.-E. K. Sarantopoulou, G. J. Tsekouras, A. D. Salis, D. E. Papantonis, V. Riziotis, G. Caralis, K.-K. Drakaki, G.-K. Sakki, A. Efstratiadis, and K. X. Soulis, Optimal operation of a run-of-river small hydropower plant with two hydro-turbines, 2022 7th International Conference on Mathematics and Computers in Sciences and Industry (MCSI), Marathon Beach, Athens, 80–88, doi:10.1109/MCSI55933.2022.00020, 2022.
  8. V. Bellos, P. Kossieris, A. Efstratiadis, I. Papakonstantis, P. Papanicolaou, P. Dimas, and C. Makropoulos, Fiware-enabled tool for real-time control of the raw-water conveyance system of Athens, Proceedings of the 39th IAHR World Congress, Granada, 2859–2865, doi:10.3850/IAHR-39WC2521716X20221468, International Association for Hydro-Environment Engineering and Research (IAHR), 2022.
  9. A. Efstratiadis, and G.-K. Sakki, Revisiting the management of water-energy systems under the umbrella of resilience optimization, e-Proceedings of the 5th EWaS International Conference, Naples, 596–603, 2022.
  10. N. Mamassis, A. Efstratiadis, P. Dimitriadis, T. Iliopoulou, R. Ioannidis, and D. Koutsoyiannis, Water and Energy, Handbook of Water Resources Management: Discourses, Concepts and Examples, edited by J.J. Bogardi, T. Tingsanchali, K.D.W. Nandalal, J. Gupta, L. Salamé, R.R.P. van Nooijen, A.G. Kolechkina, N. Kumar, and A. Bhaduri, Chapter 20, 617–655, doi:10.1007/978-3-030-60147-8_20, Springer Nature, Switzerland, 2021.
  11. K. Risva, D. Nikolopoulos, and A. Efstratiadis, Development of a distributed hydrological software application employing novel velocity-based techniques, 11th World Congress on Water Resources and Environment “Managing Water Resources for a Sustainable Future”, Madrid, European Water Resources Association, 2019.
  12. C. Rebolho, V. Andréassian, I. Tsoukalas, et A. Efstratiadis, La crue du Loing de Juin 2016 était-elle exceptionnelle?, De la prévision des crues à la gestion de crise, Avignon, Société Hydrotechnique de France, 2018.
  13. Π. Δήμας, Δ. Μπουζιώτας, Δ. Νικολόπουλος, Α. Ευστρατιάδης, και Δ. Κουτσογιάννης, Πλαίσιο βέλτιστης διαχείρισης υδροηλεκτρικών ταμιευτήρων μέσω άντλησης-ταμίευσης: Διερεύνηση στην περίπτωση των υδροσυστημάτων Αχελώου-Θεσσαλίας και Αλιάκμονα, Πρακτικά 3ου Πανελλήνιου Συνεδρίου Φραγμάτων και Ταμιευτήρων, Αίγλη Ζαππείου, Ελληνική Επιτροπή Μεγάλων Φραγμάτων, Αθήνα, 2017.
  14. I. Tsoukalas, C. Makropoulos, and A. Efstratiadis, Stochastic simulation of periodic processes with arbitrary marginal distributions, 15th International Conference on Environmental Science and Technology (CEST2017), Rhodes, Global Network on Environmental Science and Technology, 2017.
  15. G. Papaioannou, L. Vasiliades, A. Loukas, A. Efstratiadis, S.M. Papalexiou, Y. Markonis, and A. Koukouvinos, A methodological approach for flood risk management in urban areas: The Volos city paradigm, 10th World Congress on Water Resources and Environment "Panta Rhei", Athens, European Water Resources Association, 2017.
  16. N. Malamos, I. L. Tsirogiannis, A. Tegos, A. Efstratiadis, and D. Koutsoyiannis, Spatial interpolation of potential evapotranspiration for precision irrigation purposes, 10th World Congress on Water Resources and Environment "Panta Rhei", Athens, European Water Resources Association, 2017.
  17. K. Risva, D. Nikolopoulos, A. Efstratiadis, and I. Nalbantis, A simple model for low flow forecasting in Mediterranean streams, 10th World Congress on Water Resources and Environment "Panta Rhei", Athens, European Water Resources Association, 2017.
  18. T. Vergou, A. Efstratiadis, and D. Dermatas, Water balance model for evaluation of landfill malfunction due to leakage, Proceedings of ISWA 2016 World Congress, Novi Sad, Ιnternational Solid Waste Association, 2016.
  19. S. Mihas, A. Efstratiadis, K. Nikolaou, and N. Mamassis, Drought and water scarcity management plan for the Peloponnese river basin districts, 12th International Conference “Protection & Restoration of the Environment”, Skiathos, Dept. of Civil Engineering and Dept. of Planning & Regional Development, Univ. Thessaly, Stevens Instute of Technology, 2014.
  20. Χ. Ιωάννου, Γ. Τσεκούρας, Α. Ευστρατιάδης, και Δ. Κουτσογιάννης, Στοχαστική ανάλυση και προσομοίωση υδρομετεωρολογικών διεργασιών για τη βελτιστοποίηση ενός υβριδικού συστήματος ανανεώσιμης ενέργειας, Πρακτικά 2ου Πανελλήνιου Συνεδρίου Φραγμάτων και Ταμιευτήρων, Αθήνα, Αίγλη Ζαππείου, doi:10.13140/RG.2.1.3787.0327, Ελληνική Επιτροπή Μεγάλων Φραγμάτων, 2013.
  21. Α. Ευστρατιάδης, Δ. Μπουζιώτας, και Δ. Κουτσογιάννης, Σύστημα υποστήριξης αποφάσεων για τη διαχείριση υδροηλεκτρικών ταμιευτήρων – Εφαρμογή στο υδροσύστημα Αχελώου-Θεσσαλίας, Πρακτικά 2ου Πανελλήνιου Συνεδρίου Φραγμάτων και Ταμιευτήρων, Αθήνα, Αίγλη Ζαππείου, doi:10.13140/RG.2.1.1952.0244, Ελληνική Επιτροπή Μεγάλων Φραγμάτων, 2013.
  22. A. Efstratiadis, A. D. Koussis, S. Lykoudis, A. Koukouvinos, A. Christofides, G. Karavokiros, N. Kappos, N. Mamassis, and D. Koutsoyiannis, Hydrometeorological network for flood monitoring and modeling, Proceedings of First International Conference on Remote Sensing and Geoinformation of Environment, Paphos, Cyprus, 8795, 10-1–10-10, doi:10.1117/12.2028621, Society of Photo-Optical Instrumentation Engineers (SPIE), 2013.
  23. A. Tegos, A. Efstratiadis, and D. Koutsoyiannis, A parametric model for potential evapotranspiration estimation based on a simplified formulation of the Penman-Monteith equation, Evapotranspiration - An Overview, edited by S. Alexandris, 143–165, doi:10.5772/52927, InTech, 2013.
  24. D. Koutsoyiannis, N. Mamassis, A. Efstratiadis, N. Zarkadoulas, and Y. Markonis, Floods in Greece, Changes of Flood Risk in Europe, edited by Z. W. Kundzewicz, Chapter 12, 238–256, IAHS Press, Wallingford – International Association of Hydrological Sciences, 2012.
  25. C. Makropoulos, E. Safiolea, A. Efstratiadis, E. Oikonomidou, V. Kaffes, C. Papathanasiou, and M. Mimikou, Multi-reservoir management with Open-MI, Proceedings of the 11th International Conference on Environmental Science and Technology, Chania, A, 788–795, Department of Environmental Studies, University of the Aegean, 2009.
  26. A. Efstratiadis, and D. Koutsoyiannis, Fitting hydrological models on multiple responses using the multiobjective evolutionary annealing simplex approach, Practical hydroinformatics: Computational intelligence and technological developments in water applications, edited by R.J. Abrahart, L. M. See, and D. P. Solomatine, 259–273, doi:10.1007/978-3-540-79881-1_19, Springer, 2008.
  27. K. Hadjibiros, A. Katsiri, A. Andreadakis, D. Koutsoyiannis, A. Stamou, A. Christofides, A. Efstratiadis, and G.-F. Sargentis, Multi-criteria reservoir water management, Proceedings of the 9th International Conference on Environmental Science and Technology (9CEST), Rhodes, A, 535–543, Department of Environmental Studies, University of the Aegean, 2005.
  28. Δ. Κουτσογιάννης, και Α. Ευστρατιάδης, Εμπειρία από την ανάπτυξη συστημάτων υποστήριξης αποφάσεων για τη διαχείριση μεγάλης κλίμακας υδροσυστημάτων της Ελλάδας, Πρακτικά της Ημερίδας " Μελέτες και Έρευνες Υδατικών Πόρων στον Κυπριακό Χώρο", επιμέλεια Ε. Σιδηρόπουλος και Ι. Ιακωβίδης, Λευκωσία, 159–180, Τμήμα Αναπτύξεως Υδάτων Κύπρου, Αριστοτέλειο Πανεπιστήμιο Θεσσαλονίκης, Θεσσαλονίκη, 2003.
  29. I. Nalbantis, E. Rozos, G. M. T. Tentes, A. Efstratiadis, and D. Koutsoyiannis, Integrating groundwater models within a decision support system, Proceedings of the 5th International Conference of European Water Resources Association: "Water Resources Management in the Era of Transition", edited by G. Tsakiris, Athens, 279–286, European Water Resources Association, 2002.
  30. K. Hadjibiros, D. Koutsoyiannis, A. Katsiri, A. Stamou, A. Andreadakis, G.-F. Sargentis, A. Christofides, A. Efstratiadis, and A. Valassopoulos, Management of water quality of the Plastiras reservoir, 4th International Conference on Reservoir Limnology and Water Quality, Ceske Budejovice, Czech Republic, doi:10.13140/RG.2.1.4872.4723, 2002.
  31. A. Efstratiadis, and D. Koutsoyiannis, An evolutionary annealing-simplex algorithm for global optimisation of water resource systems, Proceedings of the Fifth International Conference on Hydroinformatics, Cardiff, UK, 1423–1428, doi:10.13140/RG.2.1.1038.6162, International Water Association, 2002.
  32. G. Karavokiros, A. Efstratiadis, and D. Koutsoyiannis, Determining management scenarios for the water resource system of Athens, Proceedings, Hydrorama 2002, 3rd International Forum on Integrated Water Management, 175–181, doi:10.13140/RG.2.1.3135.7684, Water Supply and Sewerage Company of Athens, Athens, 2002.
  33. D. Koutsoyiannis, A. Efstratiadis, and G. Karavokiros, A decision support tool for the management of multi-reservoir systems, Proceedings of the Integrated Decision-Making for Watershed Management Symposium, Chevy Chase, Maryland, doi:10.13140/RG.2.1.3528.9848, US Environmental Protection Agency, Duke Power, Virginia Tech, 2001.
  34. Α. Ευστρατιάδης, Ν. Ζερβός, Γ. Καραβοκυρός, και Δ. Κουτσογιάννης, Το υπολογιστικό σύστημα Υδρονομέας και η εφαρμογή του στην προσομοίωση συστημάτων ταμιευτήρων, Διαχείριση υδατικών πόρων σε ευαίσθητες περιοχές του Ελλαδικού χώρου - Πρακτικά 4ου Εθνικού Συνεδρίου, επιμέλεια Γ. Τσακίρης, Α. Στάμου, και Ι. Μυλόπουλος, Βόλος, 36–43, doi:10.13140/RG.2.1.4053.2724, Ελληνική Επιτροπή για τη Διαχείριση Υδατικών Πόρων, 1999.

Conference publications and presentations with evaluation of abstract

  1. P. Pagotelis, Κ. Tsilipiras, Α. Lyras, Α. Koutsovitis, G.-K. Sakki, and A. Efstratiadis, Design of small hydropower plants under uncertainty: from the hydrological cycle to energy conversion, European Geosciences Union General Assembly 2023, Vienna, Austria & Online, EGU23-15407, doi:10.5194/egusphere-egu23-15407, 2023.
  2. A. Zisos, M.-E. Pantazi, Μ. Diamanta, Ι. Koutsouradi, Α. Kontaxopoulou, I. Tsoukalas, G.-K. Sakki, and A. Efstratiadis, Towards energy autonomy of small Mediterranean islands: Challenges, perspectives and solutions, EGU General Assembly 2022, Vienna, Austria & Online, EGU22-5468, doi:10.5194/egusphere-egu22-5468, European Geosciences Union, 2022.
  3. K.-K. Drakaki, G.-K. Sakki, I. Tsoukalas, P. Kossieris, and A. Efstratiadis, Setting the problem of energy production forecasting for small hydropower plants in the Target Model era, EGU General Assembly 2021, online, EGU21-3168, doi:10.5194/egusphere-egu21-3168, European Geosciences Union, 2021.
  4. V. Kourakos, A. Efstratiadis, and I. Tsoukalas, Can hydrological model identifiability be improved? Stress-testing the concept of stochastic calibration, EGU General Assembly 2021, online, EGU21-11704, doi:10.5194/egusphere-egu21-11704, European Geosciences Union, 2021.
  5. K. Risva, G.-K. Sakki, A. Efstratiadis, and N. Mamassis, Hydropower potential assessment made easy via the unit geo-hydro-energy index, EGU General Assembly 2021, online, EGU21-4462, doi:10.5194/egusphere-egu21-4462, European Geosciences Union, 2021.
  6. G.-K. Sakki, I. Tsoukalas, P. Kossieris, and A. Efstratiadis, A dilemma of small hydropower plants: Design with uncertainty or uncertainty within design?, EGU General Assembly 2021, online, EGU21-2398, doi:10.5194/egusphere-egu21-2398, European Geosciences Union, 2021.
  7. A. Efstratiadis, I. Tsoukalas, and D. Koutsoyiannis, Revisiting the storage-reliability-yield concept in hydroelectricity, EGU General Assembly 2021, online, EGU21-10528, doi:10.5194/egusphere-egu21-10528, European Geosciences Union, 2021.
  8. M. Nezi, C. Ntigkakis, I. Tsoukalas, and A. Efstratiadis, Multidimensional context for extreme analysis of daily streamflow, rainfall and accumulated rainfall across USA, European Geosciences Union General Assembly 2020, Geophysical Research Abstracts, Vol. 22, Vienna, EGU2020-19674, doi:egusphere-egu2020-19674, 2020.
  9. C. Ntigkakis, M. Nezi, and A. Efstratiadis, Post-extraction of flood hydrographs under limited and heterogeneous information: Case study of Western Attica event, November 2017, European Geosciences Union General Assembly 2020, Geophysical Research Abstracts, Vol. 22, Vienna, EGU2020-18262, doi:egusphere-egu2020-18262, 2020.
  10. A. G. Pettas, P. Mavritsakis, I. Tsoukalas, N. Mamassis, and A. Efstratiadis, Empirical metric for uncertainty assessment of wind forecasting models in terms of power production and economic efficiency, European Geosciences Union General Assembly 2020, Geophysical Research Abstracts, Vol. 22, Vienna, EGU2020-8018, doi:10.5194/egusphere-egu2020-8018, 2020.
  11. K. Risva, D. Nikolopoulos, and A. Efstratiadis, Distributed hydrological modelling using spatiotemporally varying velocities, European Geosciences Union General Assembly 2020, Geophysical Research Abstracts, Vol. 22, Vienna, EGU2020-13402, doi:10.5194/egusphere-egu2020-13402, 2020.
  12. E. Manta, R. Ioannidis, G.-F. Sargentis, and A. Efstratiadis, Aesthetic evaluation of wind turbines in stochastic setting: Case study of Tinos island, Greece, European Geosciences Union General Assembly 2020, Geophysical Research Abstracts, Vol. 22, Vienna, EGU2020-5484, doi:10.5194/egusphere-egu2020-5484, 2020.
  13. G.-K. Sakki, V. Papalamprou, I. Tsoukalas, N. Mamassis, and A. Efstratiadis, Stochastic modelling of hydropower generation from small hydropower plants under limited data availability: from post-assessment to forecasting, European Geosciences Union General Assembly 2020, Geophysical Research Abstracts, Vol. 22, Vienna, EGU2020-8129, doi:10.5194/egusphere-egu2020-8129, 2020.
  14. A. Efstratiadis, N. Mamassis, A. Koukouvinos, D. Koutsoyiannis, K. Mazi, A. D. Koussis, S. Lykoudis, E. Demetriou, N. Malamos, A. Christofides, and D. Kalogeras, Open Hydrosystem Information Network: Greece’s new research infrastructure for water, European Geosciences Union General Assembly 2020, Geophysical Research Abstracts, Vol. 22, Vienna, EGU2020-4164, doi:10.5194/egusphere-egu2020-4164, 2020.
  15. G. Karavokiros, D. Nikolopoulos, S. Manouri, A. Efstratiadis, C. Makropoulos, N. Mamassis, and D. Koutsoyiannis, Hydronomeas 2020: Open-source decision support system for water resources management, European Geosciences Union General Assembly 2020, Geophysical Research Abstracts, Vol. 22, Vienna, EGU2020-20022, doi:10.5194/egusphere-egu2020-20022, 2020.
  16. L. M. Tsiami, E. Zacharopoulou, D. Nikolopoulos, I. Tsoukalas, N. Mamassis, A. Kallioras, and A. Efstratiadis, The use of Artificial Neural Networks with different sources of spatiotemporal information for flash flood predictions, European Geosciences Union General Assembly 2019, Geophysical Research Abstracts, Vol. 21, Vienna, EGU2019-7315, European Geosciences Union, 2019.
  17. P. Mavritsakis, A. G. Pettas, I. Tsoukalas, G. Karakatsanis, N. Mamassis, and A. Efstratiadis, A stochastic simulation framework for representing water, energy and financial fluxes across a non-connected island, European Geosciences Union General Assembly 2019, Geophysical Research Abstracts, Vol. 21, Vienna, EGU2019-8758, European Geosciences Union, 2019.
  18. E. Zacharopoulou, I. Tsoukalas, A. Efstratiadis, and D. Koutsoyiannis, Impact of sample uncertainty of inflows to stochastic simulation of reservoirs, European Geosciences Union General Assembly 2019, Geophysical Research Abstracts, Vol. 21, Vienna, EGU2019-17233, European Geosciences Union, 2019.
  19. A. Efstratiadis, N. Mamassis, A. Koukouvinos, K. Mazi, E. Dimitriou, and D. Koutsoyiannis, Strategic plan for establishing a national-scale hydrometric network in Greece: challenges and perspectives, European Geosciences Union General Assembly 2019, Geophysical Research Abstracts, Vol. 21, Vienna, EGU2019-16714, European Geosciences Union, 2019.
  20. E. Klousakou, M. Chalakatevaki, R. Tomani, P. Dimitriadis, A. Efstratiadis, T. Iliopoulou, R. Ioannidis, N. Mamassis, and D. Koutsoyiannis, Stochastic investigation of the uncertainty of atmospheric processes related to renewable energy resources, European Geosciences Union General Assembly 2018, Geophysical Research Abstracts, Vol. 20, Vienna, EGU2018-16982-2, European Geosciences Union, 2018.
  21. A. Ataliotis, E. Koumaki, P. Dimitriadis, A. Efstratiadis, and K. Noutsopoulos, Investigation of the major uncertainty sources of an integrated plant-wide wastewater treatment model, European Geosciences Union General Assembly 2018, Geophysical Research Abstracts, Vol. 20, Vienna, EGU2018-18719-1, European Geosciences Union, 2018.
  22. P. Dimitriadis, T. Iliopoulou, A. Efstratiadis, P. Papanicolaou, and D. Koutsoyiannis, Stochastic investigation of the uncertainty in common rating-curve relationships, European Geosciences Union General Assembly 2018, Geophysical Research Abstracts, Vol. 20, Vienna, EGU2018-18947-2, European Geosciences Union, 2018.
  23. G. Markopoulos-Sarikas, C. Ntigkakis, P. Dimitriadis, G. Papadonikolaki, A. Efstratiadis, A. Stamou, and D. Koutsoyiannis, How probable was the flood inundation in Mandra? A preliminary urban flood inundation analysis, European Geosciences Union General Assembly 2018, Geophysical Research Abstracts, Vol. 20, Vienna, EGU2018-17527-1, European Geosciences Union, 2018.
  24. C. Ntigkakis, G. Markopoulos-Sarikas, P. Dimitriadis, T. Iliopoulou, A. Efstratiadis, A. Koukouvinos, A. D. Koussis, K. Mazi, D. Katsanos, and D. Koutsoyiannis, Hydrological investigation of the catastrophic flood event in Mandra, Western Attica, European Geosciences Union General Assembly 2018, Geophysical Research Abstracts, Vol. 20, Vienna, EGU2018-17591-1, European Geosciences Union, 2018.
  25. I. Anyfanti, P. Dimitriadis, D. Koutsoyiannis, N. Mamassis, and A. Efstratiadis, Handling the computation effort of time-demanding water-energy simulation models through surrogate approaches, European Geosciences Union General Assembly 2018, Geophysical Research Abstracts, Vol. 20, Vienna, EGU2018-12110, European Geosciences Union, 2018.
  26. D. Nikolopoulos, A. Efstratiadis, G. Karavokiros, N. Mamassis, and C. Makropoulos, Stochastic simulation-optimization framework for energy cost assessment across the water supply system of Athens, European Geosciences Union General Assembly 2018, Geophysical Research Abstracts, Vol. 20, Vienna, EGU2018-12290, European Geosciences Union, 2018.
  27. K. Risva, D. Nikolopoulos, A. Efstratiadis, and I. Nalbantis, Low-flow analysis in Mediterranean basins, European Geosciences Union General Assembly 2018, Geophysical Research Abstracts, Vol. 20, Vienna, EGU2018-18880, European Geosciences Union, 2018.
  28. A. Efstratiadis, I. Nalbantis, and D. Koutsoyiannis, Effective combination of stochastic and deterministic hydrological models in a changing environment, European Geosciences Union General Assembly 2018, Geophysical Research Abstracts, Vol. 20, Vienna, EGU2018-11989, European Geosciences Union, 2018.
  29. E. Michailidi, S. Antoniadi, A. Koukouvinos, B. Bacchi, and A. Efstratiadis, Velocity-based approach for establishing a varying time of concentration: Α study in three Mediterranean countries, Le Giornate dell’ Idrologia 2017, Favignana, Società Idrologica Italiana, 2017.
  30. V. Daniil, G. Pouliasis, E. Zacharopoulou, E. Demetriou, G. Manou, M. Chalakatevaki, I. Parara, C. Georganta, P. Stamou, S. Karali, E. Hadjimitsis, G. Koudouris, E. Moschos, D. Roussis, K. Papoulakos, A. Koskinas, G. Pollakis, N. Gournari, K. Sakellari, Y. Moustakis, N. Mamassis, A. Efstratiadis, H. Tyralis, P. Dimitriadis, T. Iliopoulou, G. Karakatsanis, K. Tzouka, I. Deligiannis, V. Tsoukala, P. Papanicolaou, and D. Koutsoyiannis, The uncertainty of atmospheric processes in planning a hybrid renewable energy system for a non-connected island, European Geosciences Union General Assembly 2017, Geophysical Research Abstracts, Vol. 19, Vienna, EGU2017-16781-4, doi:10.13140/RG.2.2.29610.62406, European Geosciences Union, 2017.
  31. K. Papoulakos, G. Pollakis, Y. Moustakis, A. Markopoulos, T. Iliopoulou, P. Dimitriadis, D. Koutsoyiannis, and A. Efstratiadis, Simulation of water-energy fluxes through small-scale reservoir systems under limited data availability, European Geosciences Union General Assembly 2017, Geophysical Research Abstracts, Vol. 19, Vienna, 19, EGU2017-10334-4, European Geosciences Union, 2017.
  32. E. Michailidi, S. Antoniadi, A. Koukouvinos, B. Bacchi, and A. Efstratiadis, Adaptation of the concept of varying time of concentration within flood modelling: Theoretical and empirical investigations across the Mediterranean, European Geosciences Union General Assembly 2017, Geophysical Research Abstracts, Vol. 19, Vienna, 19, EGU2017-10663-1, European Geosciences Union, 2017.
  33. Y. Moustakis, P. Kossieris, I. Tsoukalas, and A. Efstratiadis, Quasi-continuous stochastic simulation framework for flood modelling, European Geosciences Union General Assembly 2017, Geophysical Research Abstracts, Vol. 19, Vienna, 19, EGU2017-534, European Geosciences Union, 2017.
  34. T. Vergou, A. Efstratiadis, and D. Dermatas, Water balance model for evaluation of landfill malfunction due to leakage, 13th International Conference on Protection and Restoration of the Environment, Mykonos, 2016.
  35. M. Giglioni, A. Efstratiadis, F. Lombardo, F. Napolitano, and F. Russo, Comparative assessment of different drought indices across the Mediterranean, European Geosciences Union General Assembly 2016, Geophysical Research Abstracts, Vol. 18, Vienna, EGU2016-18537, European Geosciences Union, 2016.
  36. Ο. Daskalou, M. Karanastasi, Y. Markonis, P. Dimitriadis, A. Koukouvinos, A. Efstratiadis, and D. Koutsoyiannis, GIS-based approach for optimal siting and sizing of renewables considering techno-environmental constraints and the stochastic nature of meteorological inputs, European Geosciences Union General Assembly 2016, Geophysical Research Abstracts, Vol. 18, Vienna, EGU2016-12044-1, doi:10.13140/RG.2.2.19535.48803, European Geosciences Union, 2016.
  37. A. Efstratiadis, S.M. Papalexiou, Y. Markonis, A. Koukouvinos, L. Vasiliades, G. Papaioannou, and A. Loukas, Flood risk assessment at the regional scale: Computational challenges and the monster of uncertainty, European Geosciences Union General Assembly 2016, Geophysical Research Abstracts, Vol. 18, Vienna, EGU2016-12218, European Geosciences Union, 2016.
  38. P. Kossieris, A. Efstratiadis, I. Tsoukalas, and D. Koutsoyiannis, Assessing the performance of Bartlett-Lewis model on the simulation of Athens rainfall, European Geosciences Union General Assembly 2015, Geophysical Research Abstracts, Vol. 17, Vienna, EGU2015-8983, doi:10.13140/RG.2.2.14371.25120, European Geosciences Union, 2015.
  39. E. Rozos, D. Nikolopoulos, A. Efstratiadis, A. Koukouvinos, and C. Makropoulos, Flow based vs. demand based energy-water modelling, European Geosciences Union General Assembly 2015, Geophysical Research Abstracts, Vol. 17, Vienna, EGU2015-6528, European Geosciences Union, 2015.
  40. A. Koukouvinos, D. Nikolopoulos, A. Efstratiadis, A. Tegos, E. Rozos, S.M. Papalexiou, P. Dimitriadis, Y. Markonis, P. Kossieris, H. Tyralis, G. Karakatsanis, K. Tzouka, A. Christofides, G. Karavokiros, A. Siskos, N. Mamassis, and D. Koutsoyiannis, Integrated water and renewable energy management: the Acheloos-Peneios region case study, European Geosciences Union General Assembly 2015, Geophysical Research Abstracts, Vol. 17, Vienna, EGU2015-4912, doi:10.13140/RG.2.2.17726.69440, European Geosciences Union, 2015.
  41. A. Efstratiadis, I. Tsoukalas, P. Kossieris, G. Karavokiros, A. Christofides, A. Siskos, N. Mamassis, and D. Koutsoyiannis, Computational issues in complex water-energy optimization problems: Time scales, parameterizations, objectives and algorithms, European Geosciences Union General Assembly 2015, Geophysical Research Abstracts, Vol. 17, Vienna, EGU2015-5121, doi:10.13140/RG.2.2.11015.80802, European Geosciences Union, 2015.
  42. A. Drosou, P. Dimitriadis, A. Lykou, P. Kossieris, I. Tsoukalas, A. Efstratiadis, and N. Mamassis, Assessing and optimising flood control options along the Arachthos river floodplain (Epirus, Greece), European Geosciences Union General Assembly 2015, Geophysical Research Abstracts, Vol. 17, Vienna, EGU2015-9148, European Geosciences Union, 2015.
  43. A. Zarkadoulas, K. Mantesi, A. Efstratiadis, A. D. Koussis, K. Mazi, D. Katsanos, A. Koukouvinos, and D. Koutsoyiannis, A hydrometeorological forecasting approach for basins with complex flow regime, European Geosciences Union General Assembly 2015, Geophysical Research Abstracts, Vol. 17, Vienna, EGU2015-3904, doi:10.13140/RG.2.2.21920.99842, European Geosciences Union, 2015.
  44. I. Tsoukalas, P. Kossieris, A. Efstratiadis, and C. Makropoulos, Handling time-expensive global optimization problems through the surrogate-enhanced evolutionary annealing-simplex algorithm, European Geosciences Union General Assembly 2015, Geophysical Research Abstracts, Vol. 17, Vienna, EGU2015-5923, European Geosciences Union, 2015.
  45. A. Tegos, A. Efstratiadis, N. Malamos, N. Mamassis, and D. Koutsoyiannis, Evaluation of a parametric approach for estimating potential evapotranspiration across different climates, IRLA2014 – The Effects of Irrigation and Drainage on Rural and Urban Landscapes, Patras, doi:10.13140/RG.2.2.14004.24966, 2014.
  46. G. Karakatsanis, N. Mamassis, D. Koutsoyiannis, and A. Efstratiadis, Entropy, pricing and macroeconomics of pumped-storage systems, European Geosciences Union General Assembly 2014, Geophysical Research Abstracts, Vol. 16, Vienna, EGU2014-15858-6, European Geosciences Union, 2014.
  47. P. Dimas, D. Bouziotas, A. Efstratiadis, and D. Koutsoyiannis, A holistic approach towards optimal planning of hybrid renewable energy systems: Combining hydroelectric and wind energy, European Geosciences Union General Assembly 2014, Geophysical Research Abstracts, Vol. 16, Vienna, EGU2014-5851, doi:10.13140/RG.2.2.28854.70723, European Geosciences Union, 2014.
  48. Y. Markonis, A. Efstratiadis, A. Koukouvinos, N. Mamassis, and D. Koutsoyiannis, Investigation of drought characteristics in different temporal and spatial scales: A case study in the Mediterranean region , Facets of Uncertainty: 5th EGU Leonardo Conference – Hydrofractals 2013 – STAHY 2013, Kos Island, Greece, European Geosciences Union, International Association of Hydrological Sciences, International Union of Geodesy and Geophysics, 2013.
  49. G. Karakatsanis, N. Mamassis, D. Koutsoyiannis, and A. Efstratiadis, Entropy and reliability of water use via a statistical approach of scarcity, Facets of Uncertainty: 5th EGU Leonardo Conference – Hydrofractals 2013 – STAHY 2013, Kos Island, Greece, doi:10.13140/RG.2.2.24450.68809, European Geosciences Union, International Association of Hydrological Sciences, International Union of Geodesy and Geophysics, 2013.
  50. P. Kossieris, A. Efstratiadis, and D. Koutsoyiannis, Coupling the strengths of optimization and simulation for calibrating Poisson cluster models, Facets of Uncertainty: 5th EGU Leonardo Conference – Hydrofractals 2013 – STAHY 2013, Kos Island, Greece, doi:10.13140/RG.2.2.15223.21929, European Geosciences Union, International Association of Hydrological Sciences, International Union of Geodesy and Geophysics, 2013.
  51. P. Kossieris, A. Efstratiadis, and D. Koutsoyiannis, The use of stochastic objective functions in water resource optimization problems, Facets of Uncertainty: 5th EGU Leonardo Conference – Hydrofractals 2013 – STAHY 2013, Kos Island, Greece, doi:10.13140/RG.2.2.18578.66249, European Geosciences Union, International Association of Hydrological Sciences, International Union of Geodesy and Geophysics, 2013.
  52. P. Dimas, D. Bouziotas, A. Efstratiadis, and D. Koutsoyiannis, A stochastic simulation framework for planning and management of combined hydropower and wind energy systems, Facets of Uncertainty: 5th EGU Leonardo Conference – Hydrofractals 2013 – STAHY 2013, Kos Island, Greece, doi:10.13140/RG.2.2.27491.55841, European Geosciences Union, International Association of Hydrological Sciences, International Union of Geodesy and Geophysics, 2013.
  53. E. Michailidi, T. Mastrotheodoros, A. Efstratiadis, A. Koukouvinos, and D. Koutsoyiannis, Flood modelling in river basins with highly variable runoff, Facets of Uncertainty: 5th EGU Leonardo Conference – Hydrofractals 2013 – STAHY 2013, Kos Island, Greece, doi:10.13140/RG.2.2.30847.00167, European Geosciences Union, International Association of Hydrological Sciences, International Union of Geodesy and Geophysics, 2013.
  54. A. Efstratiadis, A. Koukouvinos, P. Dimitriadis, A. Tegos, N. Mamassis, and D. Koutsoyiannis, A stochastic simulation framework for flood engineering, Facets of Uncertainty: 5th EGU Leonardo Conference – Hydrofractals 2013 – STAHY 2013, Kos Island, Greece, doi:10.13140/RG.2.2.16848.51201, European Geosciences Union, International Association of Hydrological Sciences, International Union of Geodesy and Geophysics, 2013.
  55. A. Efstratiadis, I. Nalbantis, and D. Koutsoyiannis, Hydrological modelling in presence of non-stationarity induced by urbanisation: an assessment of the value of information, “Knowledge for the future”, IAHS - IAPSO – IASPEI Joint Assembly 2013, Gothenburg, doi:10.13140/RG.2.2.13178.49607, International Association of Hydrological Sciences, 2013.
  56. G. Tsekouras, C. Ioannou, A. Efstratiadis, and D. Koutsoyiannis, Stochastic analysis and simulation of hydrometeorological processes for optimizing hybrid renewable energy systems, European Geosciences Union General Assembly 2013, Geophysical Research Abstracts, Vol. 15, Vienna, EGU2013-11660, doi:10.13140/RG.2.2.30250.62404, European Geosciences Union, 2013.
  57. A. Venediki, S. Giannoulis, C. Ioannou, L. Malatesta, G. Theodoropoulos, G. Tsekouras, Y. Dialynas, S.M. Papalexiou, A. Efstratiadis, and D. Koutsoyiannis, The Castalia stochastic generator and its applications to multivariate disaggregation of hydro-meteorological processes, European Geosciences Union General Assembly 2013, Geophysical Research Abstracts, Vol. 15, Vienna, EGU2013-11542, doi:10.13140/RG.2.2.15675.41764, European Geosciences Union, 2013.
  58. D. Koutsoyiannis, and A. Efstratiadis, The necessity for large-scale hybrid renewable energy systems, Hydrology and Society, EGU Leonardo Topical Conference Series on the hydrological cycle 2012, Torino, doi:10.13140/RG.2.2.30355.48161, European Geosciences Union, 2012.
  59. A. Efstratiadis, D. Bouziotas, and D. Koutsoyiannis, The parameterization-simulation-optimization framework for the management of hydroelectric reservoir systems, Hydrology and Society, EGU Leonardo Topical Conference Series on the hydrological cycle 2012, Torino, doi:10.13140/RG.2.2.36437.22243, European Geosciences Union, 2012.
  60. A. Efstratiadis, A. D. Koussis, D. Koutsoyiannis, N. Mamassis, and S. Lykoudis, Flood design recipes vs. reality: Can predictions for ungauged basins be trusted? – A perspective from Greece, Advanced methods for flood estimation in a variable and changing environment, Volos, doi:10.13140/RG.2.2.19660.00644, University of Thessaly, 2012.
  61. M. Mathioudaki, A. Efstratiadis, and N. Mamassis, Investigation of hydrological design practices based on historical flood events in an experimental basin of Greece (Lykorema, Penteli), Advanced methods for flood estimation in a variable and changing environment, Volos, University of Thessaly, 2012.
  62. S. Kozanis, A. Christofides, A. Efstratiadis, A. Koukouvinos, G. Karavokiros, N. Mamassis, D. Koutsoyiannis, and D. Nikolopoulos, Using open source software for the supervision and management of the water resources system of Athens, European Geosciences Union General Assembly 2012, Geophysical Research Abstracts, Vol. 14, Vienna, 7158, doi:10.13140/RG.2.2.28468.04482, European Geosciences Union, 2012.
  63. P. Kossieris, D. Koutsoyiannis, C. Onof, H. Tyralis, and A. Efstratiadis, HyetosR: An R package for temporal stochastic simulation of rainfall at fine time scales, European Geosciences Union General Assembly 2012, Geophysical Research Abstracts, Vol. 14, Vienna, 11718, European Geosciences Union, 2012.
  64. D. Tsaknias, D. Bouziotas, A. Christofides, A. Efstratiadis, and D. Koutsoyiannis, Statistical comparison of observed temperature and rainfall extremes with climate model outputs, European Geosciences Union General Assembly 2011, Geophysical Research Abstracts, Vol. 13, Vienna, EGU2011-3454, doi:10.13140/RG.2.2.15321.52322, European Geosciences Union, 2011.
  65. A. Christofides, S. Kozanis, G. Karavokiros, Y. Markonis, and A. Efstratiadis, Enhydris: A free database system for the storage and management of hydrological and meteorological data, European Geosciences Union General Assembly 2011, Geophysical Research Abstracts, Vol. 13, Vienna, 8760, European Geosciences Union, 2011.
  66. M. Rianna, E. Rozos, A. Efstratiadis, and F. Napolitano, Assessing different levels of model complexity for the Liri-Garigliano catchment simulation, European Geosciences Union General Assembly 2011, Geophysical Research Abstracts, Vol. 13, Vienna, 4067, European Geosciences Union, 2011.
  67. E. Galiouna, A. Efstratiadis, N. Mamassis, and K. Aristeidou, Investigation of extreme flows in Cyprus: empirical formulas and regionalization approaches for peak flow estimation, European Geosciences Union General Assembly 2011, Geophysical Research Abstracts, Vol. 13, Vienna, 2077, European Geosciences Union, 2011.
  68. A. Efstratiadis, New insights on model evaluation inspired by the stochastic simulation paradigm, European Geosciences Union General Assembly 2011, Geophysical Research Abstracts, Vol. 13, Vienna, 1852, European Geosciences Union, 2011.
  69. K. Hadjibiros, and A. Efstratiadis, Balancing between nature, economy and society conflicting priorities: the Plastiras lake landscape, International Conference in Landscape Ecology, Brno, 2013, Czech Association for Landscape Ecology (CZ-IALE), 2010.
  70. A. Varveris, P. Panagopoulos, K. Triantafillou, A. Tegos, A. Efstratiadis, N. Mamassis, and D. Koutsoyiannis, Assessment of environmental flows of Acheloos Delta, European Geosciences Union General Assembly 2010, Geophysical Research Abstracts, Vol. 12, Vienna, 12046, doi:10.13140/RG.2.2.14849.66404, European Geosciences Union, 2010.
  71. S. Kozanis, A. Christofides, N. Mamassis, A. Efstratiadis, and D. Koutsoyiannis, Hydrognomon – open source software for the analysis of hydrological data, European Geosciences Union General Assembly 2010, Geophysical Research Abstracts, Vol. 12, Vienna, 12419, doi:10.13140/RG.2.2.21350.83527, European Geosciences Union, 2010.
  72. A. Efstratiadis, and S.M. Papalexiou, The quest for consistent representation of rainfall and realistic simulation of process interactions in flood risk assessment, European Geosciences Union General Assembly 2010, Geophysical Research Abstracts, Vol. 12, Vienna, 11101, European Geosciences Union, 2010.
  73. A. Efstratiadis, I. Nalbantis, E. Rozos, and D. Koutsoyiannis, Accounting for water management issues within hydrological simulation: Alternative modelling options and a network optimization approach, European Geosciences Union General Assembly 2010, Geophysical Research Abstracts, Vol. 12, Vienna, 10085, doi:10.13140/RG.2.2.22189.69603, European Geosciences Union, 2010.
  74. A. Efstratiadis, K. Mazi, A. D. Koussis, and D. Koutsoyiannis, Flood modelling in complex hydrologic systems with sparsely resolved data, European Geosciences Union General Assembly 2009, Geophysical Research Abstracts, Vol. 11, Vienna, 4157, doi:10.13140/RG.2.2.13801.08807, European Geosciences Union, 2009.
  75. A. Efstratiadis, and D. Koutsoyiannis, On the practical use of multiobjective optimisation in hydrological model calibration, European Geosciences Union General Assembly 2009, Geophysical Research Abstracts, Vol. 11, Vienna, 2326, doi:10.13140/RG.2.2.10445.64480, European Geosciences Union, 2009.
  76. G. G. Anagnostopoulos, D. Koutsoyiannis, A. Efstratiadis, A. Christofides, and N. Mamassis, Credibility of climate predictions revisited, European Geosciences Union General Assembly 2009, Geophysical Research Abstracts, Vol. 11, Vienna, 611, doi:10.13140/RG.2.2.15898.24009, European Geosciences Union, 2009.
  77. D. Koutsoyiannis, N. Mamassis, A. Christofides, A. Efstratiadis, and S.M. Papalexiou, Assessment of the reliability of climate predictions based on comparisons with historical time series, European Geosciences Union General Assembly 2008, Geophysical Research Abstracts, Vol. 10, Vienna, 09074, doi:10.13140/RG.2.2.16658.45768, European Geosciences Union, 2008.
  78. D. Koutsoyiannis, A. Efstratiadis, and K. Georgakakos, A stochastic methodological framework for uncertainty assessment of hydroclimatic predictions, European Geosciences Union General Assembly 2007, Geophysical Research Abstracts, Vol. 9, Vienna, 06026, doi:10.13140/RG.2.2.16029.31202, European Geosciences Union, 2007.
  79. I. Nalbantis, A. Efstratiadis, and D. Koutsoyiannis, On the use and misuse of semi-distributed rainfall-runoff models, XXIV General Assembly of the International Union of Geodesy and Geophysics, Perugia, doi:10.13140/RG.2.2.14351.59044, International Union of Geodesy and Geophysics, International Association of Hydrological Sciences, 2007.
  80. K. Georgakakos, D. Koutsoyiannis, and A. Efstratiadis, Uncertainty assessment of future hydroclimatic predictions: Methodological framework and a case study in Greece, European Geosciences Union General Assembly 2006, Geophysical Research Abstracts, Vol. 8, Vienna, 08065, doi:10.13140/RG.2.2.29975.37284, European Geosciences Union, 2006.
  81. A. Efstratiadis, D. Koutsoyiannis, and G. Karavokiros, Linking hydroinformatics tools towards integrated water resource systems analysis, European Geosciences Union General Assembly 2006, Geophysical Research Abstracts, Vol. 8, Vienna, 02096, doi:10.13140/RG.2.2.26619.92966, European Geosciences Union, 2006.
  82. A. Efstratiadis, A. Koukouvinos, E. Rozos, I. Nalbantis, and D. Koutsoyiannis, Control of uncertainty in complex hydrological models via appropriate schematization, parameterization and calibration, European Geosciences Union General Assembly 2006, Geophysical Research Abstracts, Vol. 8, Vienna, 02181, doi:10.13140/RG.2.2.28297.65124, European Geosciences Union, 2006.
  83. A. Efstratiadis, G. Karavokiros, S. Kozanis, A. Christofides, A. Koukouvinos, E. Rozos, N. Mamassis, I. Nalbantis, K. Noutsopoulos, E. Romas, L. Kaliakatsos, A. Andreadakis, and D. Koutsoyiannis, The ODYSSEUS project: Developing an advanced software system for the analysis and management of water resource systems, European Geosciences Union General Assembly 2006, Geophysical Research Abstracts, Vol. 8, Vienna, 03910, doi:10.13140/RG.2.2.24942.20805, European Geosciences Union, 2006.
  84. A. Efstratiadis, A. Tegos, I. Nalbantis, E. Rozos, A. Koukouvinos, N. Mamassis, S.M. Papalexiou, and D. Koutsoyiannis, Hydrogeios, an integrated model for simulating complex hydrographic networks - A case study to West Thessaly region, 7th Plinius Conference on Mediterranean Storms, Rethymnon, Crete, doi:10.13140/RG.2.2.25781.06881, European Geosciences Union, 2005.
  85. S. Kozanis, A. Christofides, N. Mamassis, A. Efstratiadis, and D. Koutsoyiannis, Hydrognomon - A hydrological data management and processing software tool, European Geosciences Union General Assembly 2005, Geophysical Research Abstracts, Vol. 7, Vienna, 04644, doi:10.13140/RG.2.2.34222.10561, European Geosciences Union, 2005.
  86. A. Efstratiadis, G. Karavokiros, and D. Koutsoyiannis, Hydronomeas: A water resources planning and management software system, European Geosciences Union General Assembly 2005, Geophysical Research Abstracts, Vol. 7, Vienna, 04675, doi:10.13140/RG.2.2.29608.37128, European Geosciences Union, 2005.
  87. A. Efstratiadis, and D. Koutsoyiannis, The multiobjective evolutionary annealing-simplex method and its application in calibrating hydrological models, European Geosciences Union General Assembly 2005, Geophysical Research Abstracts, Vol. 7, Vienna, 04593, doi:10.13140/RG.2.2.32963.81446, European Geosciences Union, 2005.
  88. A. Efstratiadis, E. Rozos, A. Koukouvinos, I. Nalbantis, G. Karavokiros, and D. Koutsoyiannis, An integrated model for conjunctive simulation of hydrological processes and water resources management in river basins, European Geosciences Union General Assembly 2005, Geophysical Research Abstracts, Vol. 7, Vienna, 03560, doi:10.13140/RG.2.2.27930.64960, European Geosciences Union, 2005.
  89. D. Koutsoyiannis, and A. Efstratiadis, Climate change certainty versus climate uncertainty and inferences in hydrological studies and water resources management (solicited), European Geosciences Union General Assembly 2004, Geophysical Research Abstracts, Vol. 6, Nice, doi:10.13140/RG.2.2.12726.29764, European Geosciences Union, 2004.
  90. A. Efstratiadis, D. Koutsoyiannis, K. Hadjibiros, A. Andreadakis, A. Stamou, A. Katsiri, G.-F. Sargentis, and A. Christofides, A multicriteria approach for the sustainable management of the Plastiras reservoir, Greece, EGS-AGU-EUG Joint Assembly, Geophysical Research Abstracts, Vol. 5, Nice, doi:10.13140/RG.2.2.23631.48801, European Geophysical Society, 2003.
  91. A. Efstratiadis, D. Koutsoyiannis, E. Rozos, and I. Nalbantis, Calibration of a conjunctive surface-groundwater simulation model using multiple responses, EGS-AGU-EUG Joint Assembly, Geophysical Research Abstracts, Vol. 5, Nice, doi:10.13140/RG.2.2.23002.34246, European Geophysical Society, 2003.
  92. G. Karavokiros, A. Efstratiadis, and D. Koutsoyiannis, A decision support system for the management of the water resource system of Athens, 26th General Assembly of the European Geophysical Society, Geophysical Research Abstracts, Vol. 3, Nice, doi:10.13140/RG.2.2.28035.50724, European Geophysical Society, 2001.
  93. D. Koutsoyiannis, and A. Efstratiadis, A stochastic hydrology framework for the management of multiple reservoir systems, 26th General Assembly of the European Geophysical Society, Geophysical Research Abstracts, Vol. 3, Nice, doi:10.13140/RG.2.2.11258.29125, European Geophysical Society, 2001.
  94. A. Efstratiadis, and D. Koutsoyiannis, Global optimisation techniques in water resources management, 26th General Assembly of the European Geophysical Society, Geophysical Research Abstracts, Vol. 3, Nice, doi:10.13140/RG.2.2.13774.87360, European Geophysical Society, 2001.

Presentations and publications in workshops

  1. Α. Ευστρατιάδης, Ν. Μαμάσης, Α. Κουκουβίνος, Θ. Ηλιοπούλου, Σ. Αντωνιάδη, και Δ. Κουτσογιάννης, Στρατηγικό σχέδιο ανάπτυξης Εθνικού Υδρομετρικού Δικτύου, Ελληνικό Ολοκληρωμένο Σύστημα Παρακολούθησης, Πρόγνωσης και Τεχνολογίας Θαλασσών και Επιφανειακών Υδάτων (HIMIOFoTS) - Δεύτερη συνάντηση φορέων, Τομέας Υδατικών Πόρων και Περιβάλλοντος – Εθνικό Μετσόβιο Πολυτεχνείο, 2019.
  2. Ν. Μαμάσης, Α. Ευστρατιάδης, Α. Κουκουβίνος, και Δ. Κουτσογιάννης, Δίκτυο Ανοιχτής Πληροφορίας Υδροσυστημάτων (OpenHi.net): Εξέλιξη εργασιών, προκλήσεις & προοπτικές, Ελληνικό Ολοκληρωμένο Σύστημα Παρακολούθησης, Πρόγνωσης και Τεχνολογίας Θαλασσών και Επιφανειακών Υδάτων (HIMIOFoTS) - Δεύτερη συνάντηση φορέων, Τομέας Υδατικών Πόρων και Περιβάλλοντος – Εθνικό Μετσόβιο Πολυτεχνείο, 2019.
  3. A. Efstratiadis, Dams and their environmental impacts in Greece: insights, problems and challenges, Adaptive Management of Barriers in European Rivers (AMBER) River conservation actions – Greece AMBER National Workshop, Ministry of Environment & Energy, doi:10.13140/RG.2.2.22475.44323, Athens, 2019.
  4. Ν. Μαμάσης, Α. Ευστρατιάδης, Δ. Κουτσογιάννης, και Α. Κουκουβίνος, Δίκτυο Ανοιχτής Πληροφορίας Υδροσυστημάτων (OpenHi.net), Ελληνικό Ολοκληρωμένο Σύστημα Παρακολούθησης, Πρόγνωσης και Τεχνολογίας Θαλασσών και Επιφανειακών Υδάτων (HIMIOFoTS) - Πρώτη συνάντηση φορέων, Ανάβυσσος, Ελληνικό Κέντρο Θαλάσσιων Ερευνών, 2018.
  5. A. Efstratiadis, Hydrologists against the terrifying uncertainty: Is the beast invincible?, School for Young Scientists “Modelling and forecasting of river flows and managing hydrological risks: Towards a new generation of methods” (2017), Moscow State University, Russian Academy of Sciences, Lomonosov Moscow State University, 2017.
  6. A. Efstratiadis, Water resources management in practice: From sophisticated simulations to simple decisions, School for Young Scientists “Modelling and forecasting of river flows and managing hydrological risks: Towards a new generation of methods” (2017), Moscow State University, Russian Academy of Sciences, Lomonosov Moscow State University, 2017.
  7. K. Ρίσβα, Δ. Νικολόπουλος, Α. Ευστρατιάδης, και Ι. Ναλμπάντης, Ένα φειδωλό μοντέλο για την πρόβλεψη των χαμηλών ροών σε Mεσογειακά υδατορεύματα, 5ο Πσνελλήνιο Συνέδριο ΑΤΜ, ΑΘήνα, 2017.
  8. Ο. Δασκάλου, Α. Κουκουβίνος, Α. Ευστρατιάδης, και Δ. Κουτσογιάννης, Μεθοδολογία βέλτιστης χωροθέτησης & διαστασιολόγησης ΑΠΕ με χρήση λογισμικού ArcGIS 10.3: Μελέτη περίπτωσης στην Περιφέρεια Θεσσαλίας, 24η Πανελλήνια Συνάντηση Χρηστών Γεωγραφικών Συστημάτων Πληροφοριών ArcGIS, Crowne Plaza, Αθήνα, Marathon Data Systems, 2016.
  9. Α. Ευστρατιάδης, Α. Κουκουβίνος, Ν. Μαμάσης, και Δ. Κουτσογιάννης, Η ποσοτική διάσταση της ΟΠΥ 2000/60, Η Οδηγία 2000/60 και η Προστασία των Εσωτερικών Υδάτων: Έρευνα και Προοπτικές, Αθήνα, Ελληνικό Κέντρο Θαλάσσιων Ερευνών, Ειδική Γραματεία Υδάτων – Υπουργείο Περιβάλλοντος, Ενέργειας και Κλιματικής Αλλαγής, 2015.
  10. Α. Δ. Κούσης, και Α. Ευστρατιάδης, Μοντέλα υδρολογικής προσομοίωσης και πρόγνωσης, Ημερίδα Ερευνητικού Προγράμματος ΔΕΥΚΑΛΙΩΝ «Εκτίμηση πλημμυρικών ροών στην Ελλάδα σε συνθήκες υδροκλιματικής μεταβλητότητας: Ανάπτυξη φυσικά εδραιωμένου εννοιολογικού-πιθανοτικού πλαισίου και υπολογιστικών εργαλείων», Μουσείο Γουλανδρή Φυσικής Ιστορίας, 2014.
  11. Α. Ευστρατιάδης, Προσαρμογή περιοχικών υδρολογικών σχέσεων στις Ελληνικές λεκάνες, Ημερίδα Ερευνητικού Προγράμματος ΔΕΥΚΑΛΙΩΝ «Εκτίμηση πλημμυρικών ροών στην Ελλάδα σε συνθήκες υδροκλιματικής μεταβλητότητας: Ανάπτυξη φυσικά εδραιωμένου εννοιολογικού-πιθανοτικού πλαισίου και υπολογιστικών εργαλείων», Μουσείο Γουλανδρή Φυσικής Ιστορίας, 2014.
  12. Α. Τέγος, Α. Ευστρατιάδης, Α. Βαρβέρης, Ν. Μαμάσης, Α. Κουκουβίνος, και Δ. Κουτσογιάννης, Εκτίμηση και υλοποίηση περιορισμών οικολογικής παροχής σε μεγάλα Υ/Η έργα: Η περίπτωση του Αχελώου, Η οικολογική παροχή των ποταμών και η σημασία της ορθής εκτίμησής της, Κτήριο "Κωστής Παλαμάς" Πανεπιστημίου Αθηνών, 2014.
  13. Ν. Μαμάσης, Α. Ευστρατιάδης, και Δ. Κουτσογιάννης, Προοπτικές συνδυασμένης διαχείρισης νερού και ενέργειας στην περιοχή της Θεσσαλίας, Φορέας Διαχείρισης Υδατικών Πόρων: Μια απαραίτητη εκσυγχρονιστική πρωτοβουλία αλλά και αναγκαία προϋπόθεση για την διαφύλαξη της οικολογικής ισορροπίας, Λάρισα, 21 pages, doi:10.13140/RG.2.2.15760.61442, ΤΕΕ/Τμήμα ΚΔ Θεσσαλίας, 2014.
  14. A. D. Koussis, S. Lykoudis, A. Efstratiadis, A. Koukouvinos, N. Mamassis, D. Koutsoyiannis, A. Peppas, and A. Maheras, Estimating flood flows in ungauged Greek basins under hydroclimatic variability (Deukalion project) - Development of physically-established conceptual-probabilistic framework and computational tools, Climate and Environmental Change in the Mediterranean Region, Pylos, Navarino Environmental Observatory, 2012.
  15. A. Efstratiadis, Models in practice: Experience from the water supply system of Athens, Invited lecture, Tokyo, Tokyo Metropolitan University, 2010.
  16. A. Loukas, A. Efstratiadis, and L. Vasiliades, Review of existing simulation based flood-frequency frameworks in Greece, EU COST Action ES0901: European Procedures for Flood Frequency Estimation (FloodFreq) - 3rd Management Committee Meeting, Prague, 2010.
  17. A. Efstratiadis, L. Vasiliades, and A. Loukas, Review of existing statistical methods for flood frequency estimation in Greece, EU COST Action ES0901: European Procedures for Flood Frequency Estimation (FloodFreq) - 3rd Management Committee Meeting, Prague, 2010.
  18. Ν. Μαμάσης, Ε. Τηλιγάδας, Δ. Κουτσογιάννης, Μ. Σαλαχώρης, Γ. Καραβοκυρός, Σ. Μίχας, Κ. Νουτσόπουλος, Α. Χριστοφίδης, Σ. Κοζάνης, Α. Ευστρατιάδης, Ε. Ρόζος, και Λ. Μπενσασσών, ΥΔΡΟΣΚΟΠΙΟ: Εθνική Τράπεζα Υδρολογικής, Μετεωρολογικής και Γεωγραφικής Πληροφορίας, Προς μια ορθολογική αντιμετώπιση των σύγχρονων υδατικών προβλημάτων: Aξιοποιώντας την Πληροφορία και την Πληροφορική για την Πληροφόρηση, Ξενοδοχείο Hilton, Αθήνα, 2010.
  19. E. Safiolea, A. Efstratiadis, S. Kozanis, I. Liagouris, and C. Papathanasiou, Integrated modelling of a River-Reservoir system using OpenMI, OpenMI-LIFE Pinios Workshop, Volos, 2009.
  20. C. Makropoulos, E. Safiolea, A. Efstratiadis, E. Oikonomidou, and V. Kaffes, Multi-reservoir management with OpenMI, OpenMI-LIFE Pinios Workshop, Volos, 2009.
  21. Χ. Μακρόπουλος, Δ. Κουτσογιάννης, και Α. Ευστρατιάδης, Προκλήσεις και προοπτικές στη διαχείριση του αστικού νερού, Συνέδριο Τοπικής Αυτοδιοίκησης: Η Πράσινη Τεχνολογία στην Υπηρεσία της Λειτουργίας των Πόλεων, Αθήνα, Ecocity, Κεντρική Ένωση Δήμων και Κοινοτήτων, 2009.
  22. Δ. Κουτσογιάννης, και Α. Ευστρατιάδης, Ενέργεια, νερό και γεωργία: Προοπτικές ολοκληρωμένης διαχείρισης στο Νομό Καρδίτσας, Διαχείριση Υδατικών Πόρων στο Νομό Καρδίτσας, Ημερίδα της Τοπικής Ένωσης Δήμων και Κοινοτήτων (ΤΕΔΚ), Καρδίτσα, doi:10.13140/RG.2.2.33124.37760, 2008.
  23. E. Safiolea, I. Liagouris, A. Efstratiadis, and S. Kozanis, Impact of climate change scenarios on the reliability of a reservoir, 2nd OpenMI-Life and Association Workshops On Integrated Modelling for Integrated Water Management, CEH, Wallingford, UK, 2007.
  24. A. Efstratiadis, S. Kozanis, I. Liagouris, and E. Safiolea, Migration of a reservoir management model (RMM-NTUA), 1st OpenMI Life Workshop, Aquafin, Aartselaar, Belgium, 2007.
  25. Α. Ευστρατιάδης, Δ. Κουτσογιάννης, και Ν. Μαμάσης, Βελτιστοποίηση της λειτουργίας του υδροδοτικού συστήματος της Αθήνας, Δεύτερο Διεθνές Συνέδριο "Περιβάλλον - Βιώσιμη Διαχείριση Υδατικών Πόρων", Αθήνα, Σύλλογος Πολιτικών Μηχανικών Ελλάδας, European Council of Civil Engineers, 2007.
  26. S. Kozanis, and A. Efstratiadis, Zygos: A basin processes simulation model, 21st European Conference for ESRI Users, Athens, Greece, 2006.
  27. Α. Ευστρατιάδης, Στρατηγικές και αλγόριθμοι πολυκριτηριακής βαθμονόμησης σύνθετων υδρολογικών μοντέλων, Κύκλος παρουσιάσεων ερευνητικών δραστηριοτήτων ΤΥΠΥΘΕ, Αθήνα, Τομέας Υδατικών Πόρων, Υδραυλικών και Θαλάσσιων Έργων – Εθνικό Μετσόβιο Πολυτεχνείο, 2006.
  28. Α. Ευστρατιάδης, ΥΔΡΟΓΕΙΟΣ: Μοντέλο γεω-υδρολογικής προσομοίωσης λεκάνης απορροής, 15η συνάντηση Ελλήνων χρηστών του Γεωγραφικού Συστήματος Πληροφοριών (G.I.S.) ArcInfo - ArcView - ArcIMS, Αθήνα, Marathon Data Systems, 2005.
  29. Α. Ευστρατιάδης, Μη γραμμικές μέθοδοι σε πολυκριτηριακά προβλήματα υδατικών πόρων, Δίκτυο "Υδρομέδων" - 1η Συνάντηση Υποψηφίων Διδακτόρων, Πάτρα, Πανεπιστήμιο Πατρών, 2005.
  30. Δ. Κουτσογιάννης, και Α. Ευστρατιάδης, Η βεβαιότητα της κλιματικής αλλαγής και η κλιματική αβεβαιότητα από την οπτική της υδρολογίας και της διαχείρισης των υδατικών πόρων, Προσκεκλημένη διάλεξη στο Πανεπιστήμιο Θεσσαλίας, Βόλος, doi:10.13140/RG.2.2.31761.22888, Πανεπιστήμιο Θεσσαλίας, 2004.
  31. Δ. Κουτσογιάννης, και Α. Ευστρατιάδης, Το υπολογιστικό σύστημα Υδρονομέας και η εφαρμογή του στην μελέτη των έργων εκτροπής του Αχελώου, Διαχείριση υδατικών πόρων με έμφαση στην Ήπειρο, Ιωάννινα, doi:10.13140/RG.2.2.35116.67205, Δημοτική Επιχείριση Ύδρευσης και Αποχέτευσης Ιωαννίνων, 2003.
  32. Δ. Κουτσογιάννης, Α. Ευστρατιάδης, και Α. Κουκουβίνος, Υδρολογική διερεύνηση της διαχείρισης της λίμνης Πλαστήρα, Ημερίδα για την παρουσίαση του ερευνητικού έργου "Διερεύνηση των δυνατοτήτων διαχείρισης και προστασίας της ποιότητας της Λίμνης Πλαστήρα", doi:10.13140/RG.2.2.16950.09286, Δήμος Καρδίτσας, Καρδίτσα, 2002.

Various publications

  1. Γ. Καραβοκυρός, Α. Ευστρατιάδης, και Δ. Κουτσογιάννης, Η διαχείριση των πόρων για την ύδρευση της Αθήνας, Τα Νέα του Συνδέσμου Ελληνικών Γραφείων Μελετών, 65, 4–5, Αθήνα, Οκτώβριος 2001.

Books

  1. Δ. Κουτσογιάννης, και Α. Ευστρατιάδης, Σημειώσεις Αστικών Υδραυλικών Έργων – Υδρευτικά Έργα, 83 pages, doi:10.13140/RG.2.1.3559.7044, Εθνικό Μετσόβιο Πολυτεχνείο, Φεβρουάριος 2015.

Educational notes

  1. A. Efstratiadis, N. Mamassis, and D. Koutsoyiannis, Lecture notes on Renewable Energy and Hydroelectric Works, Department of Water Resources and Environmental Engineering – National Technical University of Athens, 2020.
  2. Α. Ευστρατιάδης, Γ.-Φ. Σαργέντης, και Ν. Μαμάσης, Σημειώσεις Περιβαλλοντικών Επιπτώσεων: Ανάλυση περιβαλλοντικών επιπτώσεων μεγάλων υδραυλικών έργων, 37 pages, Τομέας Υδατικών Πόρων και Περιβάλλοντος – Εθνικό Μετσόβιο Πολυτεχνείο, Οκτώβριος 2019.
  3. Α. Ευστρατιάδης, Σημειώσεις Αστικής Υδρολογίας: Αστικές αποχετεύσεις, 31 pages, Τομέας Υδατικών Πόρων και Περιβάλλοντος – Εθνικό Μετσόβιο Πολυτεχνείο, Μάιος 2019.
  4. Χ. Μακρόπουλος, Α. Ευστρατιάδης, και Π. Κοσσιέρης, Σημειώσεις Υδραυλικής και Υδραυλικών Έργων: Υδρεύσεις, 80 pages, Τομέας Υδατικών Πόρων και Περιβάλλοντος – Εθνικό Μετσόβιο Πολυτεχνείο, Δεκέμβριος 2019.
  5. Α. Ευστρατιάδης, και Δ. Κουτσογιάννης, Σημειώσεις Υδραυλικής και Υδραυλικών Έργων: Αποχετεύσεις, 72 pages, Τομέας Υδατικών Πόρων και Περιβάλλοντος – Εθνικό Μετσόβιο Πολυτεχνείο, Δεκέμβριος 2018.
  6. Ν. Μαμάσης, και Α. Ευστρατιάδης, Σημειώσεις μαθήματος: Εισαγωγή στην Ενεργειακή Τεχνολογία, 267 pages, Τομέας Υδατικών Πόρων και Περιβάλλοντος – Εθνικό Μετσόβιο Πολυτεχνείο, Αθήνα, Οκτώβριος 2018.
  7. Χ. Μακρόπουλος, και Α. Ευστρατιάδης, Σημειώσεις μαθήματος "Βελτιστοποίηση Συστημάτων Υδατικών Πόρων – Υδροπληροφορική", 151 pages, Τομέας Υδατικών Πόρων και Περιβάλλοντος – Εθνικό Μετσόβιο Πολυτεχνείο, 2018.
  8. Ν. Μαμάσης, Α. Ευστρατιάδης, και Δ. Κουτσογιάννης, Σημειώσεις μαθήματος «Ανανεώσιμη Ενέργεια και Υδροηλεκτρικά Έργα», 327 pages, Τομέας Υδατικών Πόρων και Περιβάλλοντος – Εθνικό Μετσόβιο Πολυτεχνείο, 2018.
  9. Α. Ευστρατιάδης, και Π. Παπανικολάου, Σημειώσεις μαθήματος "Υδραυλικές Κατασκευές - Φράγματα", 93 pages, Τομέας Υδατικών Πόρων και Περιβάλλοντος – Εθνικό Μετσόβιο Πολυτεχνείο, 2018.
  10. Ν. Μαμάσης, Α. Κουκουβίνος, και Α. Ευστρατιάδης, Σημειώσεις: Τα συστήματα γεωγραφικής πληροφορίας στην Υδρολογία, Ανώτατη Σχολή Παιδαγωγικής & Τεχνολογικής Εκπαίδευσης (ΑΣΠΑΙΤΕ), 2017.
  11. Δ. Κουτσογιάννης, και Α. Ευστρατιάδης, Σημειώσεις Υδραυλικής και Υδραυλικών Έργων: Υδραγωγεία, 68 pages, Τομέας Υδατικών Πόρων και Περιβάλλοντος – Εθνικό Μετσόβιο Πολυτεχνείο, Αθήνα, 2017.
  12. A. Efstratiadis, The water supply system of Athens: Management complexities and modelling challenges vs. low risk & cost decisions, Οκτώβριος 2016.
  13. Α. Ευστρατιάδης, και Δ. Κουτσογιάννης, Σημειώσεις μαθήματος "Διαχείριση Υδατικών Πόρων", 97 pages, Τομέας Υδατικών Πόρων και Περιβάλλοντος – Εθνικό Μετσόβιο Πολυτεχνείο, 2015.
  14. Σ. Μίχας, Α. Ευστρατιάδης, και Δ. Δερματάς, Σημειώσεις μαθήματος "Υδραυλικές Κατασκευές - Φράγματα", 460 pages, Τομέας Υδατικών Πόρων και Περιβάλλοντος – Εθνικό Μετσόβιο Πολυτεχνείο, Δεκέμβριος 2015.
  15. Α. Ευστρατιάδης, και Δ. Κουτσογιάννης, Σημειώσεις: Αστικά δίκτυα αποχέτευσης ομβρίων, 23 pages, Τομέας Υδατικών Πόρων και Περιβάλλοντος – Εθνικό Μετσόβιο Πολυτεχνείο, Ιούλιος 2014.
  16. Α. Ευστρατιάδης, Εφαρμογές στοχαστικής προσομοίωσης στα συστήματα υδατικών πόρων – Το λογισμικό Κασταλία, 19 pages, Τομέας Υδατικών Πόρων και Περιβάλλοντος – Εθνικό Μετσόβιο Πολυτεχνείο, Μάρτιος 2014.
  17. Α. Ευστρατιάδης, Μοντέλα προσομοίωσης πλημμυρών, 24 pages, Τομέας Υδατικών Πόρων και Περιβάλλοντος – Εθνικό Μετσόβιο Πολυτεχνείο, Μάιος 2013.
  18. Α. Ευστρατιάδης, Η Υδρόγειος ως επιχειρησιακό εργαλείο υδρολογικής προσομοίωσης και διαχείρισης τροποποιημένων λεκανών, 24 pages, Τομέας Υδατικών Πόρων και Περιβάλλοντος – Εθνικό Μετσόβιο Πολυτεχνείο, Μάιος 2012.
  19. Α. Ευστρατιάδης, Φιλοπεριβαλλοντικές πολιτικές και ανάπτυξη υδατικών πόρων: Το παράδειγμα του ταμιευτήρα Πλαστήρα, 14 pages, Τομέας Υδατικών Πόρων και Περιβάλλοντος – Εθνικό Μετσόβιο Πολυτεχνείο, Μάιος 2012.
  20. Α. Ευστρατιάδης, Προσομοίωση και βελτιστοποίηση διαχείρισης υδροδοτικού συστήματος Αθήνας, 28 pages, Τομέας Υδατικών Πόρων και Περιβάλλοντος – Εθνικό Μετσόβιο Πολυτεχνείο, Αθήνα, Ιανουάριος 2012.
  21. Α. Ευστρατιάδης, Σημειώσεις υδρολογίας πλημμυρών και σχεδιασμού έργων αποχέτευσης ομβρίων, 44 pages, Ιούνιος 2011.
  22. Χ. Μακρόπουλος, και Α. Ευστρατιάδης, Σημειώσεις Βελτιστοποίησης Συστημάτων Υδατικών Πόρων και Υδροπληροφορικής, 307 pages, Τομέας Υδατικών Πόρων και Περιβάλλοντος – Εθνικό Μετσόβιο Πολυτεχνείο, Απρίλιος 2011.
  23. Α. Ευστρατιάδης, Ν. Μαμάσης, και Δ. Κουτσογιάννης, Σημειώσεις Διαχείρισης Υδατικών Πόρων - Μέρος 2, 97 pages, Τομέας Υδατικών Πόρων, Υδραυλικών και Θαλάσσιων Έργων – Εθνικό Μετσόβιο Πολυτεχνείο, 2011.
  24. Α. Ευστρατιάδης, Υδρολογική και υδρογεωλογική προσομοίωση τροποποιημένων λεκανών απορροής – Το μοντέλο Υδρόγειος, 40 pages, Τομέας Υδατικών Πόρων και Περιβάλλοντος – Εθνικό Μετσόβιο Πολυτεχνείο, Απρίλιος 2010.
  25. Δ. Κουτσογιάννης, και Α. Ευστρατιάδης, Σημειώσεις Αστικών Υδραυλικών Έργων - Μέρος 1: Υδρευτικά Έργα, 146 pages, Τομέας Υδατικών Πόρων και Περιβάλλοντος – Εθνικό Μετσόβιο Πολυτεχνείο, Αθήνα, 2007.
  26. Α. Ευστρατιάδης, και Δ. Κουτσογιάννης, Σημειώσεις Τυπικών Υδραυλικών Έργων - Μέρος 2: Δίκτυα Διανομής, 90 pages, Τομέας Υδατικών Πόρων, Υδραυλικών και Θαλάσσιων Έργων – Εθνικό Μετσόβιο Πολυτεχνείο, 2006.
  27. Α. Ευστρατιάδης, Υδρολογική διερεύνηση λειτουργίας ταμιευτήρα Πλαστήρα, 16 pages, Τομέας Υδατικών Πόρων, Υδραυλικών και Θαλάσσιων Έργων – Εθνικό Μετσόβιο Πολυτεχνείο, Μάιος 2006.
  28. Α. Ευστρατιάδης, και Δ. Κουτσογιάννης, Σημειώσεις Βελτιστοποίησης Συστημάτων Υδατικών Πόρων - Μέρος 2, 140 pages, Εθνικό Μετσόβιο Πολυτεχνείο, Αθήνα, 2004.
  29. Α. Χριστοφίδης, Α. Ευστρατιάδης, και Γ.-Φ. Σαργέντης, Παρουσίαση ερευνητικού έργου "Διερεύνηση των δυνατοτήτων διαχείρισης και προστασίας της λίμνης Πλαστήρα", 79 pages, 1 April 2003.

Academic works

  1. Α. Ευστρατιάδης, Μη γραμμικές μέθοδοι σε πολυκριτηριακά προβλήματα βελτιστοποίησης υδατικών πόρων, με έμφαση στη βαθμονόμηση υδρολογικών μοντέλων, Διδακτορική διατριβή, 391 pages, Τομέας Υδατικών Πόρων και Περιβάλλοντος – Εθνικό Μετσόβιο Πολυτεχνείο, Αθήνα, Φεβρουάριος 2008.
  2. Α. Ευστρατιάδης, Διερεύνηση μεθόδων αναζήτησης ολικού βελτίστου σε προβλήματα υδατικών πόρων, MSc thesis, 139 pages, Τομέας Υδατικών Πόρων, Υδραυλικών και Θαλάσσιων Έργων – Εθνικό Μετσόβιο Πολυτεχνείο, Αθήνα, Μάιος 2001.
  3. Α. Ευστρατιάδης, και Ν. Ζερβός, Βέλτιστη διαχείριση συστημάτων ταμιευτήρων - Εφαρμογή στο σύστημα Αχελώου-Θεσσαλίας, Διπλωματική εργασία, 181 pages, Τομέας Υδατικών Πόρων, Υδραυλικών και Θαλάσσιων Έργων – Εθνικό Μετσόβιο Πολυτεχνείο, Αθήνα, Μάρτιος 1999.

Research reports

  1. Α. Ευστρατιάδης, και Γ.-Κ. Σακκή, Ειδική διαχειριστική μελέτη ταμιευτήρα Μαραθώνα, Εκσυγχρονισμός της διαχείρισης του συστήματος των υδατικών πόρων ύδρευσης της Αθήνας – Αναθεώρηση, Ανάδοχος: Τομέας Υδατικών Πόρων και Περιβάλλοντος – Εθνικό Μετσόβιο Πολυτεχνείο, 80 pages, Ιούνιος 2023.
  2. Α. Ευστρατιάδης, και Γ.-Κ. Σακκή, Επικαιροποίηση σεναρίων διαχείρισης υδροδοτικού συστήματος περιόδου Μαρτίου-Σεπτεμβρίου 2023, Εκσυγχρονισμός της διαχείρισης του συστήματος των υδατικών πόρων ύδρευσης της Αθήνας – Αναθεώρηση, Ανάδοχος: Τομέας Υδατικών Πόρων και Περιβάλλοντος – Εθνικό Μετσόβιο Πολυτεχνείο, 64 pages, Μάρτιος 2023.
  3. Α. Ευστρατιάδης, και Γ.-Κ. Σακκή, Διερεύνηση σεναρίων διαχείρισης υδροδοτικού συστήματος περιόδου Ιανουαρίου-Σεπτεμβρίου 2023, Εκσυγχρονισμός της διαχείρισης του συστήματος των υδατικών πόρων ύδρευσης της Αθήνας – Αναθεώρηση, Ανάδοχος: Τομέας Υδατικών Πόρων και Περιβάλλοντος – Εθνικό Μετσόβιο Πολυτεχνείο, 49 pages, Ιανουάριος 2023.
  4. Β. Μπέλλος, Π. Κοσσιέρης, Η. Παπακωνσταντής, Π. Παπανικολάου, Χ. Ντεμίρογλου, και Α. Ευστρατιάδης, Προκαταρτική μελέτη εργαλείου υποστήριξης αποφάσεων για τη μεταφορά του νερού από τους ταμιευτήρες στην Αθήνα, Εκσυγχρονισμός της διαχείρισης του συστήματος των υδατικών πόρων ύδρευσης της Αθήνας – Αναθεώρηση, 46 pages, Τομέας Υδατικών Πόρων και Περιβάλλοντος – Εθνικό Μετσόβιο Πολυτεχνείο, Νοέμβριος 2022.
  5. Α. Ευστρατιάδης, Ν. Μαμάσης, Γ.-Κ. Σακκή, Ι. Τσουκαλάς, Π. Κοσσιέρης, Π. Δήμας, και Ν. Πελεκάνος, Σχέδιο Διαχείρισης του Υδροδοτικού Συστήματος της Αθήνας – Υδρολογικό έτος 2021-22, Εκσυγχρονισμός της διαχείρισης του συστήματος των υδατικών πόρων ύδρευσης της Αθήνας – Αναθεώρηση, 141 pages, Τομέας Υδατικών Πόρων και Περιβάλλοντος – Εθνικό Μετσόβιο Πολυτεχνείο, Ιούνιος 2022.
  6. Α. Ευστρατιάδης, Ι. Τσουκαλάς, και Γ.-Κ. Σακκή, Διερεύνηση σεναρίων διαχείρισης υδροδοτικού συστήματος περιόδου Μαρτίου-Σεπτεμβρίου 2022, Εκσυγχρονισμός της διαχείρισης του συστήματος των υδατικών πόρων ύδρευσης της Αθήνας – Αναθεώρηση, Ανάδοχος: Τομέας Υδατικών Πόρων και Περιβάλλοντος – Εθνικό Μετσόβιο Πολυτεχνείο, 49 pages, Απρίλιος 2022.
  7. Ν. Μαμάσης, Δ. Κουτσογιάννης, Α. Ευστρατιάδης, Α. Κουκουβίνος, και Ι. Παπαγεωργάκη, Δράσεις δημοσιότητας (εργασίες σε περιοδικά και συνέδρια), Δίκτυο Ανοιχτής Πληροφορίας Υδροσυστημάτων (OpenHi.net), Ανάδοχος: Τομέας Υδατικών Πόρων και Περιβάλλοντος – Εθνικό Μετσόβιο Πολυτεχνείο, 84 pages, Οκτώβριος 2021.
  8. Ν. Μαμάσης, Α. Ευστρατιάδης, Α. Κουκουβίνος, και Δ. Κουτσογιάννης, Τεχνική έκθεση αξιολόγησης της προκαταρκτικής λειτουργίας του συστήματος OpenHi.net, Δίκτυο Ανοιχτής Πληροφορίας Υδροσυστημάτων (OpenHi.net), Ανάδοχος: Τομέας Υδατικών Πόρων και Περιβάλλοντος – Εθνικό Μετσόβιο Πολυτεχνείο, 47 pages, Οκτώβριος 2021.
  9. Α. Ευστρατιάδης, Ν. Μαμάσης, Ι. Τσουκαλάς, και Σ. Μανούρη, Ειδική διαχειριστική μελέτη για την άρδευση του Ελαιώνα Άμφισσας μέσω του υδραγωγείου Μόρνου, Εκσυγχρονισμός της διαχείρισης του συστήματος των υδατικών πόρων ύδρευσης της Αθήνας – Αναθεώρηση, Ανάδοχος: Τομέας Υδατικών Πόρων και Περιβάλλοντος – Εθνικό Μετσόβιο Πολυτεχνείο, 35 pages, Μάιος 2021.
  10. Α. Ευστρατιάδης, Ι. Τσουκαλάς, και Σ. Μανούρη, Διερεύνηση σεναρίων διαχείρισης υδροδοτικού συστήματος περιόδου Μαρτίου-Σεπτεμβρίου 2021, Εκσυγχρονισμός της διαχείρισης του συστήματος των υδατικών πόρων ύδρευσης της Αθήνας – Αναθεώρηση, Ανάδοχος: Τομέας Υδατικών Πόρων και Περιβάλλοντος – Εθνικό Μετσόβιο Πολυτεχνείο, 38 pages, Μάρτιος 2021.
  11. Α. Ευστρατιάδης, Η. Παπακωνσταντής, Π. Παπανικολάου, Ν. Μαμάσης, Δ. Νικολόπουλος, Ι. Τσουκαλάς, και Π. Κοσσιέρης, Συνοπτική έκθεση πρώτου έτους, Εκσυγχρονισμός της διαχείρισης του συστήματος των υδατικών πόρων ύδρευσης της Αθήνας – Αναθεώρηση, Ανάδοχος: Τομέας Υδατικών Πόρων και Περιβάλλοντος – Εθνικό Μετσόβιο Πολυτεχνείο, 55 pages, Δεκέμβριος 2020.
  12. Α. Ευστρατιάδης, Σ. Μανούρη, Δ. Νικολόπουλος, και Ι. Τσουκαλάς, Διερεύνηση σεναρίων διαχείρισης υδροδοτικού συστήματος περιόδου Μαρτίου-Σεπτεμβρίου 2020, Εκσυγχρονισμός της διαχείρισης του συστήματος των υδατικών πόρων ύδρευσης της Αθήνας – Αναθεώρηση, Ανάδοχος: Τομέας Υδατικών Πόρων και Περιβάλλοντος – Εθνικό Μετσόβιο Πολυτεχνείο, 31 pages, Μάρτιος 2020.
  13. Α. Ευστρατιάδης, και Ι. Τσουκαλάς, Επικαιροποίηση υδατικού ισοζυγίου Υλίκης και Παραλίμνης και εκτίμηση του κινδύνου υπερχείλισής τους το τρέχον υδρολογικό έτος, Εκσυγχρονισμός της διαχείρισης του συστήματος των υδατικών πόρων ύδρευσης της Αθήνας – Αναθεώρηση, Ανάδοχος: Τομέας Υδατικών Πόρων και Περιβάλλοντος – Εθνικό Μετσόβιο Πολυτεχνείο, 56 pages, Νοέμβριος 2019.
  14. Α. Ευστρατιάδης, Ν. Μαμάσης, και Χ. Μακρόπουλος, Συνοπτική τεχνική έκθεση περί της εκτίμησης της δυναμικότητας του υδροδοτικού συστήματος της Αθήνας, Εκσυγχρονισμός της διαχείρισης του συστήματος των υδατικών πόρων ύδρευσης της Αθήνας – Αναθεώρηση, Ανάδοχος: Τομέας Υδατικών Πόρων και Περιβάλλοντος – Εθνικό Μετσόβιο Πολυτεχνείο, 30 pages, Οκτώβριος 2019.
  15. Α. Ευστρατιάδης, Ν. Μαμάσης, και Ι. Τσουκαλάς, Συνοπτική τεχνική έκθεση περί της αξιολόγησης του πλημμυρικού κινδύνου των περιοχών που επηρεάζονται από το εν εξελίξει φαινόμενο υπερχείλισης του συστήματος Υλίκης-Παραλίμνης, Εκσυγχρονισμός της διαχείρισης του συστήματος των υδατικών πόρων ύδρευσης της Αθήνας – Αναθεώρηση, Ανάδοχος: Τομέας Υδατικών Πόρων και Περιβάλλοντος – Εθνικό Μετσόβιο Πολυτεχνείο, 25 pages, Μάρτιος 2019.
  16. Ν. Μαμάσης, Α. Ευστρατιάδης, Α. Κουκουβίνος, και Δ. Κουτσογιάννης, Τεχνική έκθεση ανάπτυξης εθνικού συστήματος παρακολούθησης επιφανειακών υδατικών πόρων, Δίκτυο Ανοιχτής Πληροφορίας Υδροσυστημάτων (OpenHi.net), Ανάδοχος: Τομέας Υδατικών Πόρων και Περιβάλλοντος – Εθνικό Μετσόβιο Πολυτεχνείο, Τεύχος 2.1, Ιούνιος 2019.
  17. Ν. Μαμάσης, Δ. Κουτσογιάννης, Α. Ευστρατιάδης, και Α. Κουκουβίνος, Τεχνική έκθεση ανάλυσης απαιτήσεων του συστήματος OpenHi.net, Δίκτυο Ανοιχτής Πληροφορίας Υδροσυστημάτων (OpenHi.net), Ανάδοχος: Τομέας Υδατικών Πόρων και Περιβάλλοντος – Εθνικό Μετσόβιο Πολυτεχνείο, 29 pages, Τεύχος 3.1, Σεπτέμβριος 2018.
  18. Δ. Δερματάς, Ν. Μαμάσης, Η. Παναγιωτάκης, και Α. Ευστρατιάδης, Αξιολόγηση περιβαλλοντικών επιπτώσεων υδατικών απορροών ΧΥΤΑ Μαυροράχης, Διερεύνηση της ποιοτικής επάρκειας του πυθμένα της κυττάρου Α3 και του πρανούς συναρμογής του κυττάρου Α1, καθώς και διερεύνηση των περιβαλλοντικών επιπτώσεων από τη λειτουργία του ΧΥΤΑ, Ανάδοχος: Τομέας Υδατικών Πόρων και Περιβάλλοντος – Εθνικό Μετσόβιο Πολυτεχνείο, Μάρτιος 2017.
  19. Α. Κουκουβίνος, Α. Ευστρατιάδης, Δ. Νικολόπουλος, Χ. Τύραλης, Α. Τέγος, Ν. Μαμάσης, και Δ. Κουτσογιάννης, Πιλοτική εφαρμογή στο σύστημα Αχελώου-Θεσσαλίας, Συνδυασμένα συστήματα ανανεώσιμων πηγών για αειφoρική ενεργειακή ανάπτυξη (CRESSENDO), 98 pages, Τομέας Υδατικών Πόρων και Περιβάλλοντος – Εθνικό Μετσόβιο Πολυτεχνείο, Οκτώβριος 2015.
  20. Α. Σίσκος, Γ. Καραβοκυρός, Α. Χριστοφίδης, και Α. Ευστρατιάδης, Ανάπτυξη συστήματος υποστήριξης αποφάσεων για τη διαχείριση ανανεώσιμων πηγών ενέργειας, Συνδυασμένα συστήματα ανανεώσιμων πηγών για αειφoρική ενεργειακή ανάπτυξη (CRESSENDO), 103 pages, Τομέας Υδατικών Πόρων και Περιβάλλοντος – Εθνικό Μετσόβιο Πολυτεχνείο, Ιούλιος 2015.
  21. Α. Ευστρατιάδης, Ν. Μαμάσης, Ι. Μαρκόνης, Π. Κοσσιέρης, και Χ. Τύραλης, Μεθοδολογικό πλαίσιο βέλτιστου σχεδιασμού και συνδυασμένης διαχείρισης υδατικών και ανανεώσιμων ενεργειακών πόρων, Συνδυασμένα συστήματα ανανεώσιμων πηγών για αειφoρική ενεργειακή ανάπτυξη (CRESSENDO), 154 pages, Τομέας Υδατικών Πόρων και Περιβάλλοντος – Εθνικό Μετσόβιο Πολυτεχνείο, Απρίλιος 2015.
  22. Ι. Μαρκόνης, Σ. Λυκούδης, Α. Ευστρατιάδης, και Α. Κουκουβίνος, Τεχνική έκθεση περιγραφής βροχομετρικών και μετεωρολογικών δεδομένων και επεξεργασιών, ΔΕΥΚΑΛΙΩΝ – Εκτίμηση πλημμυρικών ροών στην Ελλάδα σε συνθήκες υδροκλιματικής μεταβλητότητας: Ανάπτυξη φυσικά εδραιωμένου εννοιολογικού-πιθανοτικού πλαισίου και υπολογιστικών εργαλείων, Ανάδοχοι: ΕΤΜΕ: Πέππας & Συν/τες Ε.Ε., Γραφείο Μαχαίρα, Τομέας Υδατικών Πόρων και Περιβάλλοντος – Εθνικό Μετσόβιο Πολυτεχνείο, Εθνικό Αστεροσκοπείο Αθηνών, 54 pages, Σεπτέμβριος 2014.
  23. Α. Ευστρατιάδης, Α. Κουκουβίνος, Ε. Μιχαηλίδη, Ε. Γαλιούνα, Κ. Τζούκα, Α. Δ. Κούσης, Ν. Μαμάσης, και Δ. Κουτσογιάννης, Τεχνική έκθεση περιγραφής περιοχικών σχέσεων εκτίμησης χαρακτηριστικών υδρολογικών μεγεθών, ΔΕΥΚΑΛΙΩΝ – Εκτίμηση πλημμυρικών ροών στην Ελλάδα σε συνθήκες υδροκλιματικής μεταβλητότητας: Ανάπτυξη φυσικά εδραιωμένου εννοιολογικού-πιθανοτικού πλαισίου και υπολογιστικών εργαλείων, Ανάδοχοι: ΕΤΜΕ: Πέππας & Συν/τες Ε.Ε., Γραφείο Μαχαίρα, Τομέας Υδατικών Πόρων και Περιβάλλοντος – Εθνικό Μετσόβιο Πολυτεχνείο, Εθνικό Αστεροσκοπείο Αθηνών, 146 pages, Σεπτέμβριος 2014.
  24. Α. Ευστρατιάδης, Α. Κουκουβίνος, Π. Δημητριάδης, Ε. Ρόζος, και Α. Δ. Κούσης, Τεχνική έκθεση θεωρητικής τεκμηρίωσης μοντέλου υδρολογικής-υδραυλικής προσομοίωσης, ΔΕΥΚΑΛΙΩΝ – Εκτίμηση πλημμυρικών ροών στην Ελλάδα σε συνθήκες υδροκλιματικής μεταβλητότητας: Ανάπτυξη φυσικά εδραιωμένου εννοιολογικού-πιθανοτικού πλαισίου και υπολογιστικών εργαλείων, Ανάδοχοι: ΕΤΜΕ: Πέππας & Συν/τες Ε.Ε., Γραφείο Μαχαίρα, Τομέας Υδατικών Πόρων και Περιβάλλοντος – Εθνικό Μετσόβιο Πολυτεχνείο, Εθνικό Αστεροσκοπείο Αθηνών, 108 pages, Σεπτέμβριος 2014.
  25. Α. Ευστρατιάδης, Δ. Κουτσογιάννης, και Σ.Μ. Παπαλεξίου, Περιγραφή μεθοδολογίας ανάλυσης ισχυρών επεισοδίων βροχής, ΔΕΥΚΑΛΙΩΝ – Εκτίμηση πλημμυρικών ροών στην Ελλάδα σε συνθήκες υδροκλιματικής μεταβλητότητας: Ανάπτυξη φυσικά εδραιωμένου εννοιολογικού-πιθανοτικού πλαισίου και υπολογιστικών εργαλείων, Ανάδοχοι: ΕΤΜΕ: Πέππας & Συν/τες Ε.Ε., Γραφείο Μαχαίρα, Τομέας Υδατικών Πόρων και Περιβάλλοντος – Εθνικό Μετσόβιο Πολυτεχνείο, Εθνικό Αστεροσκοπείο Αθηνών, 55 pages, Νοέμβριος 2012.
  26. Α. Ευστρατιάδης, Δ. Κουτσογιάννης, Ν. Μαμάσης, Π. Δημητριάδης, και Α. Μαχαίρας, Βιβλιογραφική επισκόπηση υδρολογίας πλημμυρών και συναφών εργαλείων, ΔΕΥΚΑΛΙΩΝ – Εκτίμηση πλημμυρικών ροών στην Ελλάδα σε συνθήκες υδροκλιματικής μεταβλητότητας: Ανάπτυξη φυσικά εδραιωμένου εννοιολογικού-πιθανοτικού πλαισίου και υπολογιστικών εργαλείων, Ανάδοχοι: ΕΤΜΕ: Πέππας & Συν/τες Ε.Ε., Γραφείο Μαχαίρα, Τομέας Υδατικών Πόρων και Περιβάλλοντος – Εθνικό Μετσόβιο Πολυτεχνείο, Εθνικό Αστεροσκοπείο Αθηνών, 115 pages, Οκτώβριος 2012.
  27. Ν. Μαμάσης, Α. Ευστρατιάδης, Γ. Καραβοκυρός, Σ. Κοζάνης, και Α. Κουκουβίνος, Τελική έκθεση, Συντήρηση, αναβάθμιση και επέκταση του Συστήματος Υποστήριξης Αποφάσεων για την διαχείριση του υδροδοτικού συστήματος της ΕΥΔΑΠ, Ανάδοχοι: , Τεύχος 2, 84 pages, Τομέας Υδατικών Πόρων και Περιβάλλοντος – Εθνικό Μετσόβιο Πολυτεχνείο, Νοέμβριος 2011.
  28. Χ. Μακρόπουλος, Δ. Δαμίγος, Α. Ευστρατιάδης, Α. Κουκουβίνος, και Α. Μπενάρδος, Συνοπτική έκθεση και τελικά συµπεράσµατα, Κοστολόγηση αδιύλιστου νερού για την ύδρευση της Αθήνας, 32 pages, Τομέας Υδατικών Πόρων και Περιβάλλοντος – Εθνικό Μετσόβιο Πολυτεχνείο, Οκτώβριος 2010.
  29. Χ. Μακρόπουλος, Α. Ευστρατιάδης, και Α. Κουκουβίνος, Εκτίµηση του χρηµατοοικονοµικού κόστους και προτάσεις ορθολογικής διαχείρισης του υδροσυστήµατος, Κοστολόγηση αδιύλιστου νερού για την ύδρευση της Αθήνας, 73 pages, Τομέας Υδατικών Πόρων και Περιβάλλοντος – Εθνικό Μετσόβιο Πολυτεχνείο, Οκτώβριος 2010.
  30. Χ. Μακρόπουλος, Α. Κουκουβίνος, Α. Ευστρατιάδης, και Ν. Χαλκιάς, Μεθοδολογία εκτίμησης χρηματοοικονομικού κόστους, Κοστολόγηση αδιύλιστου νερού για την ύδρευση της Αθήνας, 40 pages, Τομέας Υδατικών Πόρων και Περιβάλλοντος – Εθνικό Μετσόβιο Πολυτεχνείο, Ιούλιος 2010.
  31. Σ. Κοζάνης, Α. Χριστοφίδης, και Α. Ευστρατιάδης, Θεωρητική τεκμηρίωση για το λογισμικό Υδρογνώμων (έκδοση 4), Ανάπτυξη βάσης δεδομένων και εφαρμογών λογισμικού σε διαδικτυακό περιβάλλον για την «Εθνική Τράπεζα Υδρολογικής και Μετεωρολογικής Πληροφορίας», Ανάδοχος: Τομέας Υδατικών Πόρων και Περιβάλλοντος – Εθνικό Μετσόβιο Πολυτεχνείο, 173 pages, Αθήνα, Ιούνιος 2010.
  32. Α. Κουκουβίνος, Α. Ευστρατιάδης, και Ε. Ρόζος, Υδρόγειος - Έκδοση 2.0 - Οδηγίες χρήσης του λογισµικού, Ανάπτυξη βάσης δεδομένων και εφαρμογών λογισμικού σε διαδικτυακό περιβάλλον για την «Εθνική Τράπεζα Υδρολογικής και Μετεωρολογικής Πληροφορίας», Ανάδοχος: Τομέας Υδατικών Πόρων και Περιβάλλοντος – Εθνικό Μετσόβιο Πολυτεχνείο, 100 pages, Νοέμβριος 2009.
  33. Σ.Μ. Παπαλεξίου, και Α. Ευστρατιάδης, Τελική έκθεση, Εκτίμηση και πρόγνωση του πλημμυρικού κινδύνου με τη χρήση υδρολογικών μοντέλων και πιθανοτικών μεθόδων, 116 pages, Τομέας Υδατικών Πόρων και Περιβάλλοντος – Εθνικό Μετσόβιο Πολυτεχνείο, Νοέμβριος 2009.
  34. Α. Ευστρατιάδης, Ε. Ρόζος, και Α. Κουκουβίνος, Υδρόγειος: Μοντέλο υδρολογικής και υδρογεωλογικής προσομοίωσης - Θεωρητική τεκμηρίωση, Ανάπτυξη βάσης δεδομένων και εφαρμογών λογισμικού σε διαδικτυακό περιβάλλον για την «Εθνική Τράπεζα Υδρολογικής και Μετεωρολογικής Πληροφορίας», 139 pages, Τομέας Υδατικών Πόρων και Περιβάλλοντος – Εθνικό Μετσόβιο Πολυτεχνείο, Νοέμβριος 2009.
  35. Α. Ευστρατιάδης, Γ. Καραβοκυρός, και Ν. Μαμάσης, Σχέδιο διαχείρισης του υδροδοτικού συστήματος της Αθήνας - Έτος 2009, Συντήρηση, αναβάθμιση και επέκταση του Συστήματος Υποστήριξης Αποφάσεων για την διαχείριση του υδροδοτικού συστήματος της ΕΥΔΑΠ, Ανάδοχοι: , Τεύχος 1, 116 pages, Τομέας Υδατικών Πόρων και Περιβάλλοντος – Εθνικό Μετσόβιο Πολυτεχνείο, Αθήνα, Απρίλιος 2009.
  36. Δ. Κουτσογιάννης, Ν. Μαμάσης, Α. Κουκουβίνος, και Α. Ευστρατιάδης, Συνοπτική έκθεση, Αθήνα, Διερεύνηση σεναρίων διαχείρισης του ταμιευτήρα Σμοκόβου, Ανάδοχος: Τομέας Υδατικών Πόρων, Υδραυλικών και Θαλάσσιων Έργων – Εθνικό Μετσόβιο Πολυτεχνείο, 37 pages, Τομέας Υδατικών Πόρων και Περιβάλλοντος – Εθνικό Μετσόβιο Πολυτεχνείο, Αύγουστος 2008.
  37. Δ. Κουτσογιάννης, Ν. Μαμάσης, Α. Κουκουβίνος, και Α. Ευστρατιάδης, Τελική έκθεση, Διερεύνηση σεναρίων διαχείρισης του ταμιευτήρα Σμοκόβου, Ανάδοχος: Τομέας Υδατικών Πόρων, Υδραυλικών και Θαλάσσιων Έργων – Εθνικό Μετσόβιο Πολυτεχνείο, Τεύχος 4, 66 pages, Τομέας Υδατικών Πόρων και Περιβάλλοντος – Εθνικό Μετσόβιο Πολυτεχνείο, Αθήνα, Ιούλιος 2008.
  38. Α. Ευστρατιάδης, Α. Κουκουβίνος, Ν. Μαμάσης, και Δ. Κουτσογιάννης, Εναλλακτικά σενάρια διαχείρισης και βέλτιστης λειτουργίας ταμιευτήρα Σμοκόβου και συναφών έργων, Διερεύνηση σεναρίων διαχείρισης του ταμιευτήρα Σμοκόβου, Ανάδοχος: Τομέας Υδατικών Πόρων, Υδραυλικών και Θαλάσσιων Έργων – Εθνικό Μετσόβιο Πολυτεχνείο, Τεύχος 3, 104 pages, Τομέας Υδατικών Πόρων και Περιβάλλοντος – Εθνικό Μετσόβιο Πολυτεχνείο, Αθήνα, Ιούλιος 2008.
  39. Δ. Κουτσογιάννης, Α. Ανδρεαδάκης, Ρ. Μαυροδήμου, Α. Χριστοφίδης, Ν. Μαμάσης, Α. Ευστρατιάδης, Α. Κουκουβίνος, Γ. Καραβοκυρός, Σ. Κοζάνης, Δ. Μαμάης, και Κ. Νουτσόπουλος, Εθνικό Πρόγραμμα Διαχείρισης και Προστασίας των Υδατικών Πόρων, Υποστήριξη της κατάρτισης Εθνικού Προγράμματος Διαχείρισης και Προστασίας των Υδατικών Πόρων, 748 pages, doi:10.13140/RG.2.2.25384.62727, Τομέας Υδατικών Πόρων και Περιβάλλοντος – Εθνικό Μετσόβιο Πολυτεχνείο, Αθήνα, Φεβρουάριος 2008.
  40. Γ. Καραβοκυρός, Α. Ευστρατιάδης, και Ι. Βαζίμας, Υ∆ΡΟΝΟΜΕΑΣ - Υπολογιστικό Σύστηµα Προσοµοίωσης και Βέλτιστης ∆ιαχείρισης Υδατικών Πόρων - Οδηγίες Χρήσης - Έκδοση 4.0, Ολοκληρωμένη Διαχείριση Υδατικών Συστημάτων σε Σύζευξη με Εξελιγμένο Υπολογιστικό Σύστημα (ΟΔΥΣΣΕΥΣ), Ανάδοχος: ΝΑΜΑ Σύμβουλοι Μηχανικοί και Μελετητές Α.Ε., 144 pages, Ιανουάριος 2007.
  41. Α. Ευστρατιάδης, Γ. Καραβοκυρός, και Δ. Κουτσογιάννης, Θεωρητική τεκμηρίωση μοντέλου προσομοίωσης και βελτιστοποίησης της διαχείρισης υδατικών συστημάτων «ΥΔΡΟΝΟΜΕΑΣ», Ολοκληρωμένη Διαχείριση Υδατικών Συστημάτων σε Σύζευξη με Εξελιγμένο Υπολογιστικό Σύστημα (ΟΔΥΣΣΕΥΣ), Ανάδοχος: ΝΑΜΑ Σύμβουλοι Μηχανικοί και Μελετητές Α.Ε., Τεύχος 9, 91 pages, Τομέας Υδατικών Πόρων, Υδραυλικών και Θαλάσσιων Έργων – Εθνικό Μετσόβιο Πολυτεχνείο, Αθήνα, Ιανουάριος 2007.
  42. Ν. Μαμάσης, Ρ. Μαυροδήμου, Α. Ευστρατιάδης, Μ. Χαϊνταρλής, Α. Τέγος, Α. Κουκουβίνος, Π. Λαζαρίδου, Μ. Μαγαλιού, και Δ. Κουτσογιάννης, Διερεύνηση εναλλακτικών τρόπων οργάνωσης και λειτουργίας Φορέα Διαχείρισης έργων Σμοκόβου, Διερεύνηση σεναρίων διαχείρισης του ταμιευτήρα Σμοκόβου, Τεύχος 2, 73 pages, Τομέας Υδατικών Πόρων, Υδραυλικών και Θαλάσσιων Έργων – Εθνικό Μετσόβιο Πολυτεχνείο, Αθήνα, Μάρτιος 2007.
  43. Α. Ευστρατιάδης, Α. Τέγος, Γ. Καραβοκυρός, Ι. Κυριαζοπούλου, και Ι. Βαζίμας, Σχέδιο διαχείρισης των υδατικών πόρων περιοχής Καρδίτσας, Ολοκληρωμένη Διαχείριση Υδατικών Συστημάτων σε Σύζευξη με Εξελιγμένο Υπολογιστικό Σύστημα (ΟΔΥΣΣΕΥΣ), Τεύχος 16, 132 pages, ΝΑΜΑ Σύμβουλοι Μηχανικοί και Μελετητές Α.Ε., Αθήνα, Δεκέμβριος 2006.
  44. Α. Ευστρατιάδης, Α. Κουκουβίνος, Ε. Ρόζος, Α. Τέγος, και Ι. Ναλμπάντης, Θεωρητική τεκμηρίωση μοντέλου προσομοίωσης υδρολογικών-υδρογεωλογικών διεργασιών λεκάνης απορροής «Υδρόγειος», Ολοκληρωμένη Διαχείριση Υδατικών Συστημάτων σε Σύζευξη με Εξελιγμένο Υπολογιστικό Σύστημα (ΟΔΥΣΣΕΥΣ), Ανάδοχος: ΝΑΜΑ Σύμβουλοι Μηχανικοί και Μελετητές Α.Ε., Τεύχος 4a, 103 pages, Τομέας Υδατικών Πόρων, Υδραυλικών και Θαλάσσιων Έργων – Εθνικό Μετσόβιο Πολυτεχνείο, Αθήνα, Δεκέμβριος 2006.
  45. Α. Κουκουβίνος, Α. Ευστρατιάδης, Λ. Λαζαρίδης, και Ν. Μαμάσης, Έκθεση δεδομένων, Διερεύνηση σεναρίων διαχείρισης του ταμιευτήρα Σμοκόβου, Τεύχος 1, 66 pages, Τομέας Υδατικών Πόρων, Υδραυλικών και Θαλάσσιων Έργων – Εθνικό Μετσόβιο Πολυτεχνείο, Αθήνα, Ιανουάριος 2006.
  46. Α. Ευστρατιάδης, Δ. Κουτσογιάννης, και Σ. Κοζάνης, Θεωρητική τεκμηρίωση μοντέλου στοχαστικής προσομοίωσης υδρολογικών μεταβλητών «Κασταλία», Ολοκληρωμένη Διαχείριση Υδατικών Συστημάτων σε Σύζευξη με Εξελιγμένο Υπολογιστικό Σύστημα (ΟΔΥΣΣΕΥΣ), Ανάδοχος: ΝΑΜΑ Σύμβουλοι Μηχανικοί και Μελετητές Α.Ε., Τεύχος 3, 61 pages, doi:10.13140/RG.2.2.30224.40966, Τομέας Υδατικών Πόρων, Υδραυλικών και Θαλάσσιων Έργων – Εθνικό Μετσόβιο Πολυτεχνείο, Αθήνα, Σεπτέμβριος 2005.
  47. Σ. Κοζάνης, Α. Χριστοφίδης, και Α. Ευστρατιάδης, Περιγραφή συστήματος διαχείρισης και επεξεργασίας δεδομένων «Υδρογνώμων», Ολοκληρωμένη Διαχείριση Υδατικών Συστημάτων σε Σύζευξη με Εξελιγμένο Υπολογιστικό Σύστημα (ΟΔΥΣΣΕΥΣ), Ανάδοχος: ΝΑΜΑ Σύμβουλοι Μηχανικοί και Μελετητές Α.Ε., Τεύχος 2, 141 pages, Τομέας Υδατικών Πόρων, Υδραυλικών και Θαλάσσιων Έργων – Εθνικό Μετσόβιο Πολυτεχνείο, Αθήνα, Σεπτέμβριος 2005.
  48. Ρ. Μαυροδήμου, Ι. Ναλμπάντης, και Α. Ευστρατιάδης, Προδιαγραφές αποτίμησης των έργων αξιοποίησης υδατικών πόρων, Ολοκληρωμένη Διαχείριση Υδατικών Συστημάτων σε Σύζευξη με Εξελιγμένο Υπολογιστικό Σύστημα (ΟΔΥΣΣΕΥΣ), Ανάδοχος: ΝΑΜΑ Σύμβουλοι Μηχανικοί και Μελετητές Α.Ε., Τεύχος 13, 72 pages, Τομέας Υδατικών Πόρων, Υδραυλικών και Θαλάσσιων Έργων – Εθνικό Μετσόβιο Πολυτεχνείο, Αθήνα, Ιούνιος 2005.
  49. Ι. Ναλμπάντης, Ν. Μαμάσης, Δ. Κουτσογιάννης, και Α. Ευστρατιάδης, Τελική έκθεση, Εκσυγχρονισμός της εποπτείας και διαχείρισης του συστήματος των υδατικών πόρων ύδρευσης της Αθήνας, Τεύχος 25, 135 pages, Τομέας Υδατικών Πόρων, Υδραυλικών και Θαλάσσιων Έργων – Εθνικό Μετσόβιο Πολυτεχνείο, Αθήνα, Μάρτιος 2004.
  50. Γ. Καραβοκυρός, Α. Ευστρατιάδης, και Δ. Κουτσογιάννης, Υδρονομέας (έκδοση 3.2) - Σύστημα υποστήριξης της διαχείρισης των υδατικών πόρων, Εκσυγχρονισμός της εποπτείας και διαχείρισης του συστήματος των υδατικών πόρων ύδρευσης της Αθήνας, Τεύχος 24, 142 pages, Τομέας Υδατικών Πόρων, Υδραυλικών και Θαλάσσιων Έργων – Εθνικό Μετσόβιο Πολυτεχνείο, Αθήνα, Ιανουάριος 2004.
  51. Α. Ευστρατιάδης, και Δ. Κουτσογιάννης, Κασταλία (έκδοση 2.0) - Σύστημα στοχαστικής προσομοίωσης υδρολογικών μεταβλητών, Εκσυγχρονισμός της εποπτείας και διαχείρισης του συστήματος των υδατικών πόρων ύδρευσης της Αθήνας, Τεύχος 23, 103 pages, Τομέας Υδατικών Πόρων, Υδραυλικών και Θαλάσσιων Έργων – Εθνικό Μετσόβιο Πολυτεχνείο, Αθήνα, Ιανουάριος 2004.
  52. Α. Ευστρατιάδης, Ι. Ναλμπάντης, και Ε. Ρόζος, Μοντέλο προσομοίωσης του υδρολογικού κύκλου στη λεκάνη Βοιωτικού Κηφισού - Υλίκης, Εκσυγχρονισμός της εποπτείας και διαχείρισης του συστήματος των υδατικών πόρων ύδρευσης της Αθήνας, Τεύχος 21, 196 pages, Τομέας Υδατικών Πόρων, Υδραυλικών και Θαλάσσιων Έργων – Εθνικό Μετσόβιο Πολυτεχνείο, Αθήνα, Ιανουάριος 2004.
  53. Α. Ευστρατιάδης, και Ν. Μαμάσης, Υδρομετεωρολογικά δεδομένα και επεξεργασίες, Εκσυγχρονισμός της εποπτείας και διαχείρισης του συστήματος των υδατικών πόρων ύδρευσης της Αθήνας, Τεύχος 17, 72 pages, Τομέας Υδατικών Πόρων, Υδραυλικών και Θαλάσσιων Έργων – Εθνικό Μετσόβιο Πολυτεχνείο, Αθήνα, Ιανουάριος 2004.
  54. Δ. Κουτσογιάννης, Ι. Ναλμπάντης, Γ. Καραβοκυρός, Α. Ευστρατιάδης, Ν. Μαμάσης, Α. Κουκουβίνος, Α. Χριστοφίδης, Ε. Ρόζος, Α. Οικονόμου, και Γ. Τέντες, Μεθοδολογία και θεωρητικό υπόβαθρο, Εκσυγχρονισμός της εποπτείας και διαχείρισης του συστήματος των υδατικών πόρων ύδρευσης της Αθήνας, Τεύχος 15, Τομέας Υδατικών Πόρων, Υδραυλικών και Θαλάσσιων Έργων – Εθνικό Μετσόβιο Πολυτεχνείο, Αθήνα, Ιανουάριος 2004.
  55. Δ. Κουτσογιάννης, Α. Ευστρατιάδης, Γ. Καραβοκυρός, Α. Κουκουβίνος, Ν. Μαμάσης, Ι. Ναλμπάντης, Ε. Ρόζος, Χ. Καρόπουλος, Α. Νασίκας, Ε. Νεστορίδου, και Δ. Νικολόπουλος, Σχέδιο διαχείρισης του υδροδοτικού συστήματος της Αθήνας — Έτος 2002–2003, Εκσυγχρονισμός της εποπτείας και διαχείρισης του συστήματος των υδατικών πόρων ύδρευσης της Αθήνας, Τεύχος 14, 215 pages, Τομέας Υδατικών Πόρων, Υδραυλικών και Θαλάσσιων Έργων – Εθνικό Μετσόβιο Πολυτεχνείο, Αθήνα, Δεκέμβριος 2002.
  56. Α. Ευστρατιάδης, Γ. Καραβοκυρός, και Δ. Κουτσογιάννης, Δεύτερη επικαιροποίηση των προσομοιώσεων του υδροδοτικού συστήματος της Αθήνας για το υδρολογικό έτος 2001-02, Εκσυγχρονισμός της εποπτείας και διαχείρισης του συστήματος των υδατικών πόρων ύδρευσης της Αθήνας, Ανάδοχος: Τομέας Υδατικών Πόρων, Υδραυλικών και Θαλάσσιων Έργων – Εθνικό Μετσόβιο Πολυτεχνείο, Τεύχος 13b, 25 pages, Αθήνα, Απρίλιος 2002.
  57. Α. Ευστρατιάδης, Γ. Καραβοκυρός, και Δ. Κουτσογιάννης, Πρώτη επικαιροποίηση των προσομοιώσεων του υδροδοτικού συστήματος της Αθήνας για το υδρολογικό έτος 2001-02, Εκσυγχρονισμός της εποπτείας και διαχείρισης του συστήματος των υδατικών πόρων ύδρευσης της Αθήνας, Ανάδοχος: Τομέας Υδατικών Πόρων, Υδραυλικών και Θαλάσσιων Έργων – Εθνικό Μετσόβιο Πολυτεχνείο, Τεύχος 13a, 21 pages, Αθήνα, Φεβρουάριος 2002.
  58. Α. Ευστρατιάδης, Α. Κουκουβίνος, Δ. Κουτσογιάννης, και Ν. Μαμάσης, Υδρολογική μελέτη, Διερεύνηση των δυνατοτήτων διαχείρισης και προστασίας της ποιότητας της Λίμνης Πλαστήρα, Τεύχος 2, 70 pages, Τομέας Υδατικών Πόρων, Υδραυλικών και Θαλάσσιων Έργων – Εθνικό Μετσόβιο Πολυτεχνείο, Αθήνα, Μάρτιος 2002.
  59. Κ. Χατζημπίρος, Δ. Κουτσογιάννης, Α. Ανδρεαδάκης, Α. Κατσίρη, Α. Στάμου, Α. Βαλασσόπουλος, Α. Ευστρατιάδης, Ι. Κατσίρης, Μ. Καπετανάκη, Α. Κουκουβίνος, Ν. Μαμάσης, Κ. Νουτσόπουλος, Γ.-Φ. Σαργέντης, και Α. Χριστοφίδης, Συνοπτική έκθεση, Διερεύνηση των δυνατοτήτων διαχείρισης και προστασίας της ποιότητας της Λίμνης Πλαστήρα, Τεύχος 1, 23 pages, Τομέας Υδατικών Πόρων, Υδραυλικών και Θαλάσσιων Έργων – Εθνικό Μετσόβιο Πολυτεχνείο, Αθήνα, Μάρτιος 2002.
  60. Γ. Καραβοκυρός, Α. Ευστρατιάδης, και Δ. Κουτσογιάννης, Δεύτερη επικαιροποίηση των προσομοιώσεων του υδροδοτικού συστήματος της Αθήνας για το υδρολογικό έτος 2000-01, Εκσυγχρονισμός της εποπτείας και διαχείρισης του συστήματος των υδατικών πόρων ύδρευσης της Αθήνας, Ανάδοχος: Τομέας Υδατικών Πόρων, Υδραυλικών και Θαλάσσιων Έργων – Εθνικό Μετσόβιο Πολυτεχνείο, 17 pages, Αθήνα, Ιούνιος 2001.
  61. Γ. Καραβοκυρός, Α. Ευστρατιάδης, και Δ. Κουτσογιάννης, Πρώτη επικαιροποίηση των προσομοιώσεων του υδροδοτικού συστήματος της Αθήνας για το υδρολογικό έτος 2000-01, Εκσυγχρονισμός της εποπτείας και διαχείρισης του συστήματος των υδατικών πόρων ύδρευσης της Αθήνας, Ανάδοχος: Τομέας Υδατικών Πόρων, Υδραυλικών και Θαλάσσιων Έργων – Εθνικό Μετσόβιο Πολυτεχνείο, 14 pages, Αθήνα, Φεβρουάριος 2001.
  62. Δ. Κουτσογιάννης, Α. Ευστρατιάδης, Γ. Καραβοκυρός, Α. Κουκουβίνος, Ν. Μαμάσης, Ι. Ναλμπάντης, Δ. Γκριντζιά, Ν. Δαμιανόγλου, Χ. Καρόπουλος, Σ. Ναλπαντίδου, Α. Νασίκας, Δ. Νικολόπουλος, Α. Ξανθάκης, και Κ. Ρίπης, Σχέδιο διαχείρισης του υδροδοτικού συστήματος της Αθήνας — Έτος 2001–2002, Εκσυγχρονισμός της εποπτείας και διαχείρισης του συστήματος των υδατικών πόρων ύδρευσης της Αθήνας, Ανάδοχος: Τομέας Υδατικών Πόρων, Υδραυλικών και Θαλάσσιων Έργων – Εθνικό Μετσόβιο Πολυτεχνείο, Τεύχος 13, Αθήνα, Δεκέμβριος 2001.
  63. Α. Ευστρατιάδης, Ι. Ναλμπάντης, και Ν. Μαμάσης, Υδρομετεωρολογικά δεδομένα και επεξεργασίες, Εκσυγχρονισμός της εποπτείας και διαχείρισης του συστήματος των υδατικών πόρων ύδρευσης της Αθήνας, Τεύχος 8, 129 pages, Τομέας Υδατικών Πόρων, Υδραυλικών και Θαλάσσιων Έργων – Εθνικό Μετσόβιο Πολυτεχνείο, Αθήνα, Δεκέμβριος 2000.
  64. Γ. Καραβοκυρός, Α. Ευστρατιάδης, Α. Κουκουβίνος, Ν. Μαμάσης, Ι. Ναλμπάντης, Ν. Δαμιανόγλου, Κ. Κωνσταντινίδου, Σ. Ναλπαντίδου, Α. Ξανθάκης, και Σ. Πολιτάκη, Ανάλυση απαιτήσεων του συστήματος, Εκσυγχρονισμός της εποπτείας και διαχείρισης του συστήματος των υδατικών πόρων ύδρευσης της Αθήνας, Τεύχος 1, 74 pages, Τομέας Υδατικών Πόρων, Υδραυλικών και Θαλάσσιων Έργων – Εθνικό Μετσόβιο Πολυτεχνείο, Αθήνα, Ιανουάριος 2000.
  65. Δ. Κουτσογιάννης, Α. Ευστρατιάδης, Γ. Καραβοκυρός, Α. Κουκουβίνος, Ν. Μαμάσης, Ι. Ναλμπάντης, Δ. Γκριντζιά, Ν. Δαμιανόγλου, Α. Ξανθάκης, Σ. Πολιτάκη, και Β. Τσουκαλά, Σχέδιο διαχείρισης του υδροδοτικού συστήματος της Αθήνας - Έτος 2000-2001, Εκσυγχρονισμός της εποπτείας και διαχείρισης του συστήματος των υδατικών πόρων ύδρευσης της Αθήνας, Ανάδοχος: Τομέας Υδατικών Πόρων, Υδραυλικών και Θαλάσσιων Έργων – Εθνικό Μετσόβιο Πολυτεχνείο, Τεύχος 5, 165 pages, Αθήνα, Δεκέμβριος 2000.
  66. Γ. Καραβοκυρός, Α. Ευστρατιάδης, και Δ. Κουτσογιάννης, Υδρονομέας (έκδοση 2): Σύστημα υποστήριξης της διαχείρισης των υδατικών πόρων, Εκσυγχρονισμός της εποπτείας και διαχείρισης του συστήματος των υδατικών πόρων ύδρευσης της Αθήνας, Ανάδοχος: Τομέας Υδατικών Πόρων, Υδραυλικών και Θαλάσσιων Έργων – Εθνικό Μετσόβιο Πολυτεχνείο, Τεύχος 11, 84 pages, Αθήνα, Δεκέμβριος 2000.
  67. Α. Ευστρατιάδης, και Δ. Κουτσογιάννης, Κασταλία: Σύστημα στοχαστικής προσομοίωσης υδρολογικών μεταβλητών, Εκσυγχρονισμός της εποπτείας και διαχείρισης του συστήματος των υδατικών πόρων ύδρευσης της Αθήνας, Ανάδοχος: Τομέας Υδατικών Πόρων, Υδραυλικών και Θαλάσσιων Έργων – Εθνικό Μετσόβιο Πολυτεχνείο, Τεύχος 9, 70 pages, Αθήνα, Δεκέμβριος 2000.

Miscellaneous works

  1. Α. Ευστρατιάδης, Μοντελοποίηση συστημάτων ανανεώσιμης ενέργειας: Μεθοδολογικές προκλήσεις και ερευνητικά ερωτήματα, 29 pages, Αθήνα, Οκτώβριος 2018.
  2. E. Savvidou, A. Efstratiadis, A. D. Koussis, A. Koukouvinos, and D. Skarlatos, A curve number approach to formulate hydrological response units within distributed hydrological modelling, Hydrology and Earth System Sciences Discussions, doi:10.5194/hess-2016-627, 2016.
  3. Α. Ευστρατιάδης, «Διερεύνηση μεθόδων αναζήτησης ολικού βελτίστου σε προβλήματα υδατικών πόρων» και «Παράλληλοι μιμητικοί αλγόριθμοι – Παράλληλοι εξελικτικοί αλγόριθμοι και άλλες τεχνικές»: Συγκριτική παρουσίαση, Σεπτέμβριος 2012.
  4. Χ. Τύραλης, και Α. Ευστρατιάδης, «Εθνικό Πρόγραμμα Διαχείρισης και Προστασίας των Υδατικών Πόρων» και «Επιπτώσεις της κλιματικής αλλαγής στα επιφανειακά και υπόγεια υδατικά σώματα του ελλαδικού χώρου»: Συγκριτική παρουσίαση, Σεπτέμβριος 2012.
  5. A. Efstratiadis, and N. Mamassis, Evaluating models or evaluating modelling practices? - Interactive comment on HESS Opinions “Crash tests for a standardized evaluation of hydrological models”, Hydrology and Earth System Sciences Discussions, 6, C1404–C1409, 2009.
  6. Γ. Καραβοκυρός, Α. Ευστρατιάδης, και Δ. Κουτσογιάννης, Υδρονομέας: Σύστημα υποστήριξης της διαχείρισης υδατικών πόρων, 8 pages, Τομέας Υδατικών Πόρων, Υδραυλικών και Θαλάσσιων Έργων – Εθνικό Μετσόβιο Πολυτεχνείο, Αθήνα, Φεβρουάριος 2002.
  7. Δ. Κουτσογιάννης, και Α. Ευστρατιάδης, Κασταλία: Σύστημα στοχαστικής προσομοίωσης υδρολογικών μεταβλητών, 6 pages, Τομέας Υδατικών Πόρων, Υδραυλικών και Θαλάσσιων Έργων – Εθνικό Μετσόβιο Πολυτεχνείο, Αθήνα, Φεβρουάριος 2002.

Engineering reports

  1. Α. Ευστρατιάδης, και Ν. Μαμάσης, Προκαταρτική υδρολογική διερεύνηση λεκάνης απορροής Λιβαδίου Αραχώβης, 55 pages, Φωκική Ενεργειακή Α.Ε., Αθήνα, Ιούλιος 2019.
  2. A. Efstratiadis, A. Koukouvinos, and N. Mamassis, Estimation of flood hydrographs at selected streams crossing Trans Adriatic Pipeline (TAP) – Section 1, Detailed design of TAP - Section 1, Ανάθεση: Asprofos Engineering, Ανάδοχοι: , Σεπτέμβριος 2016.
  3. A. Efstratiadis, and A. Koukouvinos, Gaborone storm study, Consultancy Services for Conceptual Design, Preparation of Bidding Documents, Assistance during the Selection of Contractor & Monitoring/Supervision of Construction, Instalation, Operation & Maintainance for Traffic Control (CTC) for Greater Gaborone City, Ανάδοχος: Erasmos Consulting Engineering, 7 pages, Ιούλιος 2015.
  4. Ν. Μαμάσης, Α. Ευστρατιάδης, Σ.Μ. Παπαλεξίου, Χ. Ανδρικόπουλος, Ε. Τσιλιμαντός, και Α. Ραδαίος, Όμβριες καμπύλες - Τεχνική έκθεση, Σχέδιο Διαχείρισης Κινδύνων Πλημμύρας των Λεκανών Απορροής Ποταμών του Υδατικού Διαμερίσματος Κρήτης (GR13), Ανάθεση: Ειδική Γραματεία Υδάτων – Υπουργείο Περιβάλλοντος, Ενέργειας και Κλιματικής Αλλαγής, Ανάδοχος: ADT-ΩΜΕΓΑ ΑΤΕ, 77 pages, Απρίλιος 2015.
  5. Δ. Κουτσογιάννης, Α. Ευστρατιάδης, και Α. Κουκουβίνος, Τεχνική έκθεση: Διερεύνηση πλημμυρικών παροχών λεκάνης απορροής Αλμωπαίου, Προμελέτη φράγματος Αλμωπαίου, Ανάθεση: Ροϊκός Σύμβουλοι Μηχανικοί Α.Ε., Ανάδοχοι: , 43 pages, Ιούλιος 2014.
  6. Α. Ευστρατιάδης, Α. Κουκουβίνος, Ν. Μαμάσης, Σ. Μπακή, Ι. Μαρκόνης, και Δ. Κουτσογιάννης, Διαμόρφωση σχεδίου αντιμετώπισης φαινομένων λειψυδρίας και ξηρασίας, με βάση τις αρχές του προληπτικού σχεδιασμού - Υδατικό Διαμέρισμα Δυτικής Μακεδονίας (GR09), Κατάρτιση Σχεδίων Διαχείρισης των Λεκανών Απορροής Ποταμών των Υδατικών Διαμερισμάτων Δυτικής Μακεδονίας και Κεντρικής Μακεδονίας, σύμφωνα με τις προδιαγραφές της Οδηγίας 2000/60/ΕΚ, κατ’εφαρμογή του Ν. 3199/2003 και του Π.Δ. 51/2007, Ανάθεση: Υπουργείο Περιβάλλοντος, Ενέργειας και Κλιματικής Αλλαγής, Ανάδοχος: Εξάρχου Νικολόπουλος Μπενσασσών, 205 pages, Φεβρουάριος 2013.
  7. Α. Κουκουβίνος, Α. Ευστρατιάδης, Ν. Μαμάσης, Ι. Μαρκόνης, Σ. Μπακή, και Δ. Κουτσογιάννης, Διαμόρφωση σχεδίου αντιμετώπισης φαινομένων λειψυδρίας και ξηρασίας, με βάση τις αρχές του προληπτικού σχεδιασμού - Υδατικό Διαμέρισμα Κεντρικής Μακεδονίας (GR10), Κατάρτιση Σχεδίων Διαχείρισης των Λεκανών Απορροής Ποταμών των Υδατικών Διαμερισμάτων Δυτικής Μακεδονίας και Κεντρικής Μακεδονίας, σύμφωνα με τις προδιαγραφές της Οδηγίας 2000/60/ΕΚ, κατ’εφαρμογή του Ν. 3199/2003 και του Π.Δ. 51/2007, Ανάθεση: Υπουργείο Περιβάλλοντος, Ενέργειας και Κλιματικής Αλλαγής, Ανάδοχος: Εξάρχου Νικολόπουλος Μπενσασσών, 144 pages, Φεβρουάριος 2013.
  8. Ν. Μαμάσης, και Α. Ευστρατιάδης, Μελέτη ξηρασίας και λειψυδρίας Πελοποννήσου, Κατάρτιση Σχεδίων Διαχείρισης των Λεκανών Απορροής Ποταμών των Υδατικών Διαμερισμάτων Δυτικής Πελοποννήσου, Βόρειας Πελοποννήσου & Ανατολικής Πελοποννήσου σύμφωνα με τις προδιαγραφές της Οδηγίας 2000/60/ΕΚ κατ’ εφαρμογή του Ν.3199/2003 και του ΠΔ 51/2007, Ανάθεση: Υπουργείο Περιβάλλοντος, Ενέργειας και Κλιματικής Αλλαγής, Ανάδοχος: Υδροεξυγιαντική, 145 pages, Ιούνιος 2012.
  9. Α. Ευστρατιάδης, Υδρολογική μελέτη, Υδρολογική μελέτη περιοχής χιονοδρομικού κέντρου Παρνασσού, Ανάδοχος: Λαζαρίδης και Συνεργάτες ΑΤΕΜ, Ιούνιος 2010.
  10. Α. Ευστρατιάδης, και Ε. Ρόζος, Υδρολογική διερεύνηση, Έργα Ύδρευσης Ρόδου από το φράγμα Γαδουρά - Β φάση: Προμελέτες, οριστικές μελέτες κλπ. μελέτες έργων Υδραγωγείων και ΕΕΝ- Τεύχη Δημοπράτησης, Ανάθεση: Υπουργείο Περιβάλλοντος, Χωροταξίας και Δημόσιων Έργων, Ανάδοχος: Υδροεξυγιαντική, 57 pages, Ιούλιος 2010.
  11. Δ. Κουτσογιάννης, Ν. Μαμάσης, και Α. Ευστρατιάδης, Απαιτούμενα έργα για την εξασφάλιση της θεσμοθετημένης οικολογικής παροχής, Ειδική Τεχνική Μελέτη για την Οικολογική Παροχή από το Φράγμα Στράτου, Ανάθεση: Δημόσια Επιχείρηση Ηλεκτρισμού, Ανάδοχος: ECOS Μελετητική Α.Ε., 22 pages, Αθήνα, Μάιος 2009.
  12. Δ. Κουτσογιάννης, Ν. Μαμάσης, και Α. Ευστρατιάδης, Διερεύνηση οικολογικής παροχής, Ειδική Τεχνική Μελέτη για την Οικολογική Παροχή από το Φράγμα Στράτου, Ανάθεση: Δημόσια Επιχείρηση Ηλεκτρισμού, Ανάδοχος: ECOS Μελετητική Α.Ε., 88 pages, Αθήνα, Μάιος 2009.
  13. Ν. Μαμάσης, Α. Κουκουβίνος, και Α. Ευστρατιάδης, Υδρολογική μελέτη, Μελέτες Διερεύνησης Προβλημάτων Άρδευσης και Δυνατότητας Κατασκευής Ταμιευτήρων Νομού Βοιωτίας, Ανάθεση: Υπουργείο Αγροτικής Ανάπτυξης και Τροφίμων, Ανάδοχος: Γραφείο Μελετών ΕΤΜΕ - Αντωνίου - Πέππας και Συνεργάτες, Αθήνα, 2006.
  14. Δ. Αργυρόπουλος, Ν. Μαμάσης, Α. Ευστρατιάδης, και Ε. Ρόζος, Μελέτη διαχείρισης των υδατικών πόρων των λεκανών Ξεριά και Γιαννούζαγα, Διαχείριση υδατικών πόρων της Περιοχής Ολοκληρωμένης Τουριστικής Ανάπτυξης Μεσσηνίας, Ανάθεση: ΤΕΜΕΣ- Τουριστικές Επιχειρήσεις Μεσσηνίας, Ανάδοχος: Δ. Αργυρόπουλος, 73 pages, Αθήνα, 2005.
  15. Δ. Αργυρόπουλος, Ε. Λαγκαδινού, και Α. Ευστρατιάδης, Μελέτη διαχείρισης των υδατικών πόρων της λεκάνης Σέλα, Διαχείριση υδατικών πόρων της Περιοχής Ολοκληρωμένης Τουριστικής Ανάπτυξης Μεσσηνίας, Ανάθεση: ΤΕΜΕΣ- Τουριστικές Επιχειρήσεις Μεσσηνίας, Ανάδοχος: Δ. Αργυρόπουλος, 48 pages, Αθήνα, 2005.
  16. Ν. Μαμάσης, Α. Ευστρατιάδης, Μ. Λασιθιωτάκης, και Δ. Κουτσογιάννης, Πρώτο πρόγραμμα μετρήσεων για την εκτίμηση υδατικών πόρων της περιοχής Πύλου-Ρωμανού για την υδροδότηση της Π.Ο.Τ.Α., Διαχείριση υδατικών πόρων της Περιοχής Ολοκληρωμένης Τουριστικής Ανάπτυξης Μεσσηνίας, Ανάθεση: ΤΕΜΕΣ- Τουριστικές Επιχειρήσεις Μεσσηνίας, Ανάδοχος: Δ. Αργυρόπουλος, 17 pages, Αθήνα, 2003.
  17. Δ. Κουτσογιάννης, Ν. Μαμάσης, και Α. Ευστρατιάδης, Υδρολογική μελέτη λεκάνης Σπερχειού, Υδρολογική-Υδραυλική Μελέτη για την Αντιπλημμυρική Προστασία της Νέας Διπλής Σιδηροδρομικής Γραμμής κατά τη Διέλευσή της από την Περιοχή του Ποταμού Σπερχειού, Ανάθεση: ΕΡΓΑ ΟΣΕ, Ανάδοχος: Δ. Σωτηρόπουλος, Συνεργαζόμενοι: Δ. Κουτσογιάννης, 197 pages, Αθήνα, Ιανουάριος 2003.
  18. Α. Ευστρατιάδης, Γ. Τέντες, Δ. Κουτσογιάννης, και Δ. Αργυρόπουλος, Τεχνική έκθεση, Προκαταρκτική Μελέτη Υδροδότησης του Θερμοηλεκτρικού Σταθμού Λειβαδιάς, Ανάδοχος: Υπολογιστική Μηχανική, 63 pages, Αθήνα, 2001.
  19. Δ. Κουτσογιάννης, Ι. Ναλμπάντης, Ν. Μαμάσης, Α. Ευστρατιάδης, Λ. Λαζαρίδης, και Α. Δανιήλ, Υδρολογική μελέτη πλημμυρών, Τεχνικός Σύμβουλος για το έργο "Ύδρευση Ηρακλείου και Αγίου Νικολάου από το φράγμα Αποσελέμη", Ανάθεση: Υπουργείο Περιβάλλοντος, Χωροταξίας και Δημόσιων Έργων, Ανάδοχος: Κοινοπραξία Αποσελέμη, Αθήνα, Οκτώβριος 2001.
  20. Δ. Κουτσογιάννης, Α. Ευστρατιάδης, Ν. Μαμάσης, Ι. Ναλμπάντης, και Λ. Λαζαρίδης, Υδρολογική μελέτη λειτουργίας του ταμιευτήρα, Τεχνικός Σύμβουλος για το έργο "Ύδρευση Ηρακλείου και Αγίου Νικολάου από το φράγμα Αποσελέμη", Ανάθεση: Υπουργείο Περιβάλλοντος, Χωροταξίας και Δημόσιων Έργων, Ανάδοχος: Κοινοπραξία Αποσελέμη, Αθήνα, Οκτώβριος 2001.
  21. Δ. Κουτσογιάννης, Α. Ευστρατιάδης, και Ν. Μαμάσης, Αποτίμηση του επιφανειακού υδατικού δυναμικού και των δυνατοτήτων εκμετάλλευσής του στη λεκάνη του Αχελώου και τη Θεσσαλία, Κεφ. 5 της Μελέτης Υδατικών Συστημάτων, Συμπληρωματική μελέτη περιβαλλοντικών επιπτώσεων εκτροπής του Αχελώου προς τη Θεσσαλία, Ανάθεση: Υπουργείο Περιβάλλοντος, Χωροταξίας και Δημόσιων Έργων, Ανάδοχος: Υδροεξυγιαντική, Συνεργαζόμενοι: Δ. Κουτσογιάννης, 2001.

Ανάλυση ερευνητικών έργων

Συμμετοχή ως επιστημονικός υπεύθυνος

  1. Εκσυγχρονισμός της διαχείρισης του συστήματος των υδατικών πόρων ύδρευσης της Αθήνας – Αναθεώρηση

    Περίοδος εκτέλεσης: Μάιος 2019–Απρίλιος 2024

    Προϋπολογισμός: €120 000

    Ανάθεση: Εταιρία Ύδρευσης και Αποχέτευσης Πρωτεύουσας

    Ανάδοχος: Τομέας Υδατικών Πόρων και Περιβάλλοντος

    Project director: Α. Ευστρατιάδης

    Κύριος ερευνητής: Η. Παπακωνσταντής

    Στόχος του έργου είναι η αναθεώρηση, αναβάθμιση και επέκταση των εργαλείων πληροφορικής που έχουν αναπτυχθεί στο πλαίσιο παλαιότερων ερευνητικών προγραμμάτων, και η εν γένει υποστήριξη της Διεύθυνσης Υδροληψίας της ΕΥΔΑΠ Α.Ε. σε θέματα διαχείρισης των υδατικών πόρων ύδρευσης της Αθήνας. Στο πλαίσιο αυτό προβλέπονται η εκπόνηση εξειδικευμένων υδρολογικών και διαχειριστικών αναλύσεων, η βελτίωση των υφιστάμενων υπολογιστικών συστημάτων και συναφών μεθοδολογιών στοχαστικής προσομοίωσης και βελτιστοποίησης, η κατάρτιση Διαχειριστικών Σχεδίων, σε ετήσια βάση ή και συχνότερη, εφόσον απαιτείται, και η θεωρητική διερεύνηση των δυνατοτήτων ανάπτυξης ενός εργαλείου υποστήριξης των αποφάσεων για τις μεταφορές νερού στο υδροσύστημα, που θα εφαρμοστεί πιλοτικά σε τμήμα του υδραγωγείου Μόρνου.

Συμμετοχή ως κύριος ερευνητής

  1. Δίκτυο Ανοιχτής Πληροφορίας Υδροσυστημάτων (OpenHi.net)

    Περίοδος εκτέλεσης: Ιανουάριος 2018–Δεκέμβριος 2020

    Προϋπολογισμός: €320 000

    Ανάθεση: Ειδική Υπηρεσία Διαχείρισης Επιχ. Προγράμματος “Ανταγωνιστικότητα, Επιχειρηματικότητα & Καινοτομία”

    Ανάδοχος: Τομέας Υδατικών Πόρων και Περιβάλλοντος

    Συνεργαζόμενοι:

    1. Εθνικό Αστεροσκοπείο Αθηνών
    2. Ελληνικό Κέντρο Θαλάσσιων Ερευνών
    3. Ερευνητικό Πανεπιστημιακό Ινστιτούτο Συστημάτων Επικοινωνιών και Υπολογιστών
    4. Τεχνολογικό Εκπαιδευτικό Ίδρυμα Ηπείρου

    Project director: Ν. Μαμάσης

    Κύριος ερευνητής: Α. Ευστρατιάδης

    Το OpenHi.net αποτελεί υποέργο της εθνικής ερευνητικής υποδομής «Ελληνικό Ολοκληρωμένο Σύστημα Παρακολούθησης, Πρόγνωσης και Τεχνολογίας των Θαλασσών και των Επιφανειακών Υδάτων» (HIMIOFoTS). Στόχος είναι ο σχεδιασμός μιας ολοκληρωμένης πληροφοριακής υποδομής για τη συλλογή, διαχείριση και διάχυση της υδρολογικής και περιβαλλοντικής πληροφορίας που αφορά στους επιφανειακούς υδατικούς πόρους της Ελλάδας, και o συντονισμός των υποέργων που σχετίζονται με την ανάπτυξη και προκαταρκτική λειτουργία του συστήματος. Το υποέργο περιλαμβάνει την καταγραφή και αξιολόγηση των υφιστάμενων υποδομών της χώρας (μετρητικά δίκτυα, βάσεις δεδομένων), την ανάλυση απαιτήσεων και αξιολόγηση του πληροφοριακού συστήματος, την οργάνωση και επεξεργασία των γεωγραφικών δεδομένων που αφορούν στα επιφανειακά υδάτινα σώματα και υδροσυστήματα της Ελλάδας, και την ένταξή τους στο OpenHi.net. Ο σχεδιασμός του συστήματος θα γίνει με προοπτική την ενσωμάτωση, σε επόμενη φάση, όλων των σχετικών υποδομών της χώρας, και με στόχο να παρέχει πλήρως ελεύθερη πρόσβαση στα υδρολογικά, περιβαλλοντικά και γεωγραφικά δεδομένα των επιφανειακών υδάτινων σωμάτων της Ελλάδας.

    Δικτυακός τόπος έργου: https://openhi.net/

  1. Μη γραμμικές μέθοδοι σε πολυκριτηριακά προβλήματα βελτιστοποίησης υδατικών πόρων

    Περίοδος εκτέλεσης: Νοέμβριος 2002–Δεκέμβριος 2007

    Προϋπολογισμός: €33 274

    Ανάθεση: Υπουργείο Εθνικής Παιδείας και Θρησκευμάτων

    Ανάδοχος: Εθνικό Μετσόβιο Πολυτεχνείο

    Project director: Δ. Κουτσογιάννης

    Κύριος ερευνητής: Α. Ευστρατιάδης

    Πλαίσιο: Ηράκλειτος

    Αντικείμενο του έργου είναι η διερεύνηση και ανάπτυξη μεθοδολογιών επίλυσης πολυκριτηριακών προβλημάτων ολικής βελτιστοποίησης, ήτοι προβλημάτων μαθηματικού προγραμματισμού που περιλαμβάνουν πολλαπλές μη γραμμικές αντικειμενικές συναρτήσεις με συνεχείς μεταβλητές ελέγχου, και με πεδίο εφαρμογής τα συστήματα υδατικών πόρων. Κύριος στόχος είναι η συστηματική διερεύνηση των χαρακτηριστικών των υφιστάμενων αλγορίθμων της βιβλιογραφίας καθώς και η ανάπτυξη και υλοποίηση πρωτότυπων αλγοριθμικών σχημάτων, κατάλληλων για την αντιμετώπιση τέτοιου είδους προβλημάτων. Το γενικό μεθοδολογικό πλαίσιο αποσκοπεί στη σύζευξη στοχαστικών και προσδιοριστικών τεχνικών βελτιστοποίησης. Η τεκμηρίωση και αξιολόγηση των μεθοδολογιών θα πραγματοποιηθεί τόσο σε θεωρητικό επίπεδο όσο και στην πράξη. Στα ερευνητικά αντικείμενα του έργου εντάσσεται ακόμη η τεκμηριωμένη προβολή των πλεονεκτημάτων της πολυκριτηριακής έναντι της μονοκριτηριακής προσέγγισης σε προβλήματα βελτιστοποίησης στην περιοχή των υδατικών πόρων, με κύριο πεδίο εφαρμογής την εκτίμηση παραμέτρων υδρολογικών μοντέλων.

Συμμετοχή ως ερευνητής

  1. ΔΕΥΚΑΛΙΩΝ – Εκτίμηση πλημμυρικών ροών στην Ελλάδα σε συνθήκες υδροκλιματικής μεταβλητότητας: Ανάπτυξη φυσικά εδραιωμένου εννοιολογικού-πιθανοτικού πλαισίου και υπολογιστικών εργαλείων

    Περίοδος εκτέλεσης: Μάρτιος 2011–Μάρτιος 2014

    Προϋπολογισμός: €145 000

    Ανάθεση: Γενική Γραμματεία Έρευνας και Τεχνολογίας

    Ανάδοχοι:

    1. ΕΤΜΕ: Πέππας & Συν/τες Ε.Ε.
    2. Γραφείο Μαχαίρα
    3. Τομέας Υδατικών Πόρων και Περιβάλλοντος
    4. Εθνικό Αστεροσκοπείο Αθηνών

    Project director: Δ. Κουτσογιάννης

    Κύριος ερευνητής: Ν. Μαμάσης

    Πλαίσιο: ΕΣΠΑ "Συνεργασία"

    Το έργο αποσκοπεί στην ανάπτυξη φυσικά εδραιωμένων μεθοδολογιών μοντελοποίησης και πρόγνωσης των ισχυρών καταιγίδων και των επαγόμενων πλημμυρικών φαινομένων, προσαρμοσμένων στις ιδιαιτερότητες των ελληνικών υδροκλιματικών και γεωμορφολογικών συνθηκών. Περιλαμβάνει την υλοποίηση ενός συνόλου ερευνητικών λεκανών, το οποίο περιλαμβάνει λεκάνες από την Ελλάδα και την Κύπρο που ήδη διαθέτουν αξιόπιστα και επαρκούς μήκους δείγματα μετρήσεων, καθώς και τρεις νέες πιλοτικές λεκάνες (με τις υπολεκάνες τους), όπου θα τοποθετηθεί κατάλληλος εξοπλισμός. Από την ανάλυση των δεδομένων πεδίου (υδρολογικών, μετεωρολογικών, γεωγραφικών) θα εξαχθούν φυσικά τεκμηριωμένες περιοχικές σχέσεις για την εκτίμηση χαρακτηριστικών υδρολογικών μεγεθών σχεδιασμού, και θα αναπτυχθούν υδρολογικά-υδραυλικά μοντέλα που θα ολοκληρωθούν σε ένα επιχειρησιακό σύστημα υδρομετεωρολογικής πρόγνωσης. Προβλέπεται ακόμη η προετοιμασία (υπό μορφή προσχεδίου για επιστημονική συζήτηση) ενός πλαισίου κριτηρίων σχεδιασμού και μεθοδολογιών εκπόνησης μελετών υδρολογίας αντιπλημμυρικών έργων.

    Δικτυακός τόπος έργου: http://deucalionproject.itia.ntua.gr/

  1. EU COST Action ES0901: Ευρωπαϊκές διαδικασίες για την εκτίμηση της συχνότητας πλημμυρών (FloodFreq)

    Περίοδος εκτέλεσης: Φεβρουάριος 2010–Δεκέμβριος 2013

    Project director: T. Kjeldsen

    Κύριος στόχος είναι η υλοποίηση μιας πανευρωπαϊκής σύγκρισης και αξιολόγησης των μεθόδων εκτίμησης της συχνότητας πλημμυρών, ως προς τις διάφορες κλιματολογικές και γεωγραφικές συνθήκες που απαντώνται στην Ευρώπη, και τα διαφορετικά επίπεδα διαθεσιμότητας δεδομένων. Θα αναπτυχτεί και θα δοκιμαστεί ένα επιστημονικό πλαίσιο εκτίμησης την ικανότητας των εν λόγω μεθόδων να προβλέψουν τις επιπτώσεις της περιβαλλοντικής αλλαγής (κλιματική αλλαγή, χρήσεις γης και τεχνικά έργα στα ποτάμια) στα χαρακτηριστικά της συχνότητας των μελλοντικών πλημμυρών (πραγματοποίηση και μέγεθος πλημμύρας). Η διαθεσιμότητα τέτοιων διαδικασιών είναι κρίσιμη για τη διαμόρφωση εύρωστων στρατηγικών διαχείρισης της πλημμυρικής διακινδύνευσης, όπως απαιτείται από την Οδηγία του Ευρωπαϊκού Κοινοβουλίου για την εκτίμηση και διαχείριση των πλημμυρών. Τα παραδοτέα του έργου FloodFreq θα διαδοθούν προς ακαδημαϊκούς, επαγγελματίες που εμπλέκονται στην επιχειρησιακή διαχείριση της πλημμυρικής διακινδύνευσης, από δημόσια και ιδιωτικά ιδρύματα, και σχετικούς πολιτικούς φορείς από εθνικούς και διεθνείς οργανισμούς. Η Δράση θα επιτρέψει τη συνεργασία μεταξύ ερευνητών που απασχολούνται σε ερευνητικά προγράμματα που χρηματοδοτούνται από εθνικούς πόρους, εξασφαλίζοντας έλεγχο των μεθόδων ελεύθερα από διοικητικούς περιορισμούς, και επιτρέποντας μια αποτελεσματικότερη χρήση της ευρωπαϊκής χρηματοδότησης για Ευρωπαϊκές πλημμύρες.

    Δικτυακός τόπος έργου: http://www.costfloodfreq.eu/

  1. Συντήρηση, αναβάθμιση και επέκταση του Συστήματος Υποστήριξης Αποφάσεων για την διαχείριση του υδροδοτικού συστήματος της ΕΥΔΑΠ

    Περίοδος εκτέλεσης: Οκτώβριος 2008–Νοέμβριος 2011

    Προϋπολογισμός: €72 000

    Project director: Ν. Μαμάσης

    Κύριος ερευνητής: Δ. Κουτσογιάννης

    Το ερευνητικό έργο περιλαμβάνει την αναβάθμιση, συντήρηση και επέκταση του Συστήματος Υποστήριξης Αποφάσεων (ΣΥΑ) που ανέπτυξε το ΕΜΠ για την ΕΥΔΑΠ στα πλαίσια του ερευνητικού έργου Εκσυγχρονισμός της εποπτείας και διαχείρισης του συστήματος των υδατικών πόρων ύδρευσης της Αθήνας (1999-2003). Οι εργασίες αφορούν (α) στη Βάση Δεδομένων (αναβάθμιση λογισμικού, διαχείριση χρονοσειρών ποιοτικών παραμέτρων), (β) στο μετρητικό δίκτυο (επέκταση-βελτίωση- συντήρηση, εκτίμηση απωλειών υδραγωγείων), (γ) στην αναβάθμιση λογισμικού διαχείρισης δεδομένων και την προσθήκη αυτόματης επεξεργασίας τηλεμετρικών δεδομένων, (δ) στο λογισμικό Υδρονομέας (επικαιροποίηση του μοντέλου του υδροσυστήματος, επέκταση του μοντέλου προσομοίωσης και βελτιστοποίησης, αναβάθμιση λειτουργικών χαρακτηριστικών λογισμικού), (ε) σε υδρολογικές αναλύσεις (συλλογή και επεξεργασία δεδομένων, επικαιροποίηση χαρακτηριστικών υδρολογικών μεγεθών) και (στ) στα ετήσια διαχειριστικά σχέδια (υποστήριξη στην εκπόνηση).

  1. Ανάπτυξη βάσης δεδομένων και εφαρμογών λογισμικού σε διαδικτυακό περιβάλλον για την «Εθνική Τράπεζα Υδρολογικής και Μετεωρολογικής Πληροφορίας»

    Περίοδος εκτέλεσης: Δεκέμβριος 2009–Μάιος 2011

    Προϋπολογισμός: €140 000

    Ανάθεση: Κοινοπραξία Συστημάτων Υδροσκοπίου

    Ανάδοχος: Τομέας Υδατικών Πόρων και Περιβάλλοντος

    Project director: Ν. Μαμάσης

    Κύριος ερευνητής: Ν. Μαμάσης

    Tο ΥΠΕΧΩΔΕ ανέθεσε σε Κοινοπραξία Γραφείων Μελετών το έργο "Ανάπτυξη νέας βάσης λογισμικού για τη διαχείριση και λειτουργία της ΕΤΥΜΠ - Γ΄ Φάση σε περιβάλλον ΣΓΠ και δημοσιοποίηση του έργου της ΕΤΥΜΠ". Στα πλαίσια του συγκεκριμένου έργου, ερευνητική ομάδα του ΕΜΠ αναλαμβάνει ως υπεργολάβος της Κοινοπραξίας την εκπόνηση μέρους του έργου και συγκεκριμένα την ανάπτυξη μεθοδολογιών για την λειτουργία συστήματος βάσης δεδομένων και υδρολογικών εφαρμογών σε διαδικτυακό περιβάλλον (περιλαμβανομένου του πειραματικού κόμβου openmeteo.org για ελεύθερη αποθήκευση δεδομένων από το ευρύ κοινό). Χρησιμοποιώντας και τεχνογνωσία που έχει αναπτυχθεί στο παρελθόν από ερευνητικές ομάδες του Τομέα Υδατικών Πόρων, δημιουργείται σύστημα βάσης γεωγραφικών και υδρολογικών δεδομένων και εφαρμογών λογισμικού (συμπεριλαμβανομένων και υδρολογικών μοντέλων) πλήρως προσαρμοσμένων για Διαδικτυακή λειτουργία. Η συμμετοχή του ΕΜΠ συνίσταται στο σχεδιασμό του νέου συστήματος και της βάσης γεωγραφικών και υδρολογικών δεδομένων, στην ανάπτυξη γεωγραφικά κατανεμημένων υδρολογικών μοντέλων, στη συμμόρφωση του συστήματος με την Οδηγία-Πλαίσιο 2000/60/ΕΚ και στη διάχυση των αποτελεσμάτων του έργου. Τέλος, η ομάδα του ΕΜΠ θα συμμετέχει στην τεχνική υποστήριξη και πιλοτική λειτουργία του έργου μετά την παράδοσή του από την Κοινοπραξία στο ΥΠΕΧΩΔΕ.

    Περισσότερες πληροφορίες για το έργο υπάρχουν στην ιστοσελίδα http://www.hydroscope.gr/.

  1. OpenMI Life

    Περίοδος εκτέλεσης: Ιανουάριος 2006–Δεκέμβριος 2010

    Το Πρόγραμμα OpenMI-LIFE στοχεύει στην ενίσχυση εφαρμογής της Οδηγίας Πλαίσιο για τα Νερά και ειδικότερα στην επίτευξη ολοκληρωμένης διαχείρισης υδάτων. Το γεγονός αυτό απαιτεί αφενός ικανότητα πρόβλεψης των διαφορετικών διαδικασιών απορροής που ανταποκρίνονται σε προγραμματισμένα μέτρα και αφετέρου πρόβλεψη αλληλεπίδρασης των διαδικασιών αυτών. Η πρόγνωση επιτυγχάνεται μέσω της χρήσης μοντέλων ενώ πριν την ανάπτυξη του OpenMI, δεν υπήρχε γενικός, ανοικτός και πρακτικός μηχανισμός που να συνδέσει μοντέλα διαφορετικών διαδικασιών από διαφορετικούς προμηθευτές τα οποία να τρέχουν σε διαφορετικά μηχανήματα. Το έργο HarmonIT, χρηματοδοτούμενο από το FP5, ανέπτυξε μια ιδιαίτερα πρωτοποριακή εφαρμογή Open Modelling Interface (Open-MI) η οποία επιλύει το δεδομένο περίπλοκο πρόβλημα. Το έργο OpenMI-LIFE θα επιδείξει κατά πόσο η εφαρμογή αυτή μπορεί να αναπτυχθεί, να χρησιμοποιηθεί, να υποστηριχθεί και να χρηματοδοτηθεί σε επιχειρησιακό επίπεδο σε προβλήματα πραγματικής κλίμακας. Η επίδειξη αυτή θα διεξαχθεί σε συνεργασία με τις Αρχές που εδρεύουν σε δύο πιλοτικές λεκάνες ποταμών, τον Scheldt και τον Πηνειό. Επίσης θα παρουσιάσει την διαχείριση και εφαρμογή αιτημάτων δύο χρηστών για αλλαγές στο interface. Στόχος του έργου είναι η συνέχιση των διαδικασίες και των συστημάτων που επιδεικνύονται και βελτιώνονται και μετά το πέρας του έργου. Απώτερος στόχος είναι το Open-MI να γίνει το Ευρωπαϊκό και παγκόσμιο πρότυπο μοντέλο που θα συνδέεται με τον τομέα του περιβάλλοντος.

  1. Κοστολόγηση αδιύλιστου νερού για την ύδρευση της Αθήνας

    Περίοδος εκτέλεσης: Ιούνιος 2010–Δεκέμβριος 2010

    Προϋπολογισμός: €110 000

    Ανάθεση: Εταιρεία Παγίων ΕΥΔΑΠ

    Ανάδοχος: Τομέας Υδατικών Πόρων και Περιβάλλοντος

    Project director: Χ. Μακρόπουλος

    Το αντικείμενο του έργου είναι (α) η ανάπτυξη μεθοδολογίας και ο υπολογισμός του χρηματοοικονομικού κόστους του αδιύλιστου νερού, (β) η ανάπτυξη μεθοδολογίας και ο υπολογισμός του περιβαλλοντικού κόστους του αδιύλιστου νερού, (γ) η σύνταξη τελικής έκθεσης για το συνολικό κόστος του αδιύλιστου νερού για την ύδρευση της Αθήνας.

  1. Παρατήρηση και μοντελοποίηση της κεραυνικής δραστηριότητας στις καταιγίδες για χρήση στη βραχυπρόθεσμη πρόγνωση των πλημμυρών

    Περίοδος εκτέλεσης: Οκτώβριος 2006–Σεπτέμβριος 2009

    Ανάθεση: Γενική Διεύθυνση XII / FP6-SUSTDEV-2005-3.II.1.2

    Ανάδοχος: Εθνικό Αστεροσκοπείο Αθηνών

    Project director: Κ. Λαγουβάρδος

    Οι ακαριαίες πλημμύρες αποτελούν ένα σημαντικό πρόβλημα στις Μεσογειακές περιοχές ιδιαίτερα, και στην Ευρώπη γενικότερα. Οι πλημμύρες είναι αποτέλεσμα μεγάλης κλίμακας καιρικών συστημάτων με έντονες καταιγίδες, οι οποίες αποθέτουν μεγάλα ποσά βροχόπτωσης σε μικρά χρονικά διαστήματα. Δεδομένου ότι η κεραυνική δραστηριότητα μπορεί να ανιχνευθεί και να παρακολουθείται συνεχώς από απόσταση χιλιάδων χιλιομέτρων, προτείνεται η χρήση δεδομένων ηλεκτρικής δραστηριότητας για καλύτερη πρόγνωση (3 ωρών) και πρόβλεψη (24-48 ωρών) της θέσης, έντασης και χρονισμού των σοβαρών γεγονότων καταιγίδων. Για το σκοπό αυτό σχεδιάζεται η ανάπτυξη σχέσεων μεταξύ βροχόπτωσης και ηλεκτρικών εκκενώσεων, με εφαρμογή την περιοχή της Μεσογείου, οι οποίες θα χρησιμοποιούν πληροφορίες κεραυνικής δραστηριότητας, σε συνδυασμό με παρατηρήσεις από γεωστατικούς / χαμηλής τροχιάς δορυφόρους. Με τη βοήθεια των νεφών και μοντέλων μέσης κλίμακας, σκοπεύουμε να προσομοιώσουμε πολυάριθμες περιπτώσεις πλημμύρων στην Ευρώπη, για να κατανοήσουμε καλύτερα τη σχέση μεταξύ έντονης βροχόπτωσης και κεραυνικής δραστηριότητας. Οι εκτιμήσεις της βροχής για παρελθούσες και μελλοντικές πλημμύρες θα αποτελέσουν είσοδο σε υδρολογικά μοντέλα, με σκοπό να διερευνηθεί η ικανότητα πρόγνωσης των πλημμυρικών περιοχών, μαζί με τη χρονική υστέρηση μεταξύ της βροχόπτωσης και της πλημμύρας. Αφού έχει αναπτυχθεί μια μεθοδολογία που θα χρησιμοποιεί την ηλεκτρική δραστηριότητα για την εκτίμηση της θέσης και έντασης της βροχόπτωσης, σκοπεύουμε να αναπτύξουμε αλγορίθμους βραχυπρόθεσμης πρόγνωσης, ώστε να καταστεί δυνατή η προειδοποίηση για πλημμυρικά επεισόδια μέσω του διαδικτύου για ολόκληρη την περιοχή της Μεσογείου, και ίσως αργότερα της Ευρώπης. Ακόμη, χρησιμοποιώντας δεδομένα ηλεκτρικής δραστηριότητας και μετεωρολογικά μοντέλα μέσης κλίμακας, σκοπεύουμε να διερευνήσουμε την πιθανότητα βελτίωσης των 24-48ωρων προγνώσεων των έντονων φαινομένων βροχόπτωσης. Τα κοινωνικά οφέλη τέτοιου είδους προηγμένων προειδοποιήσεων θα διερευνηθούν, ιδιαίτερα σε σχέση με την διαχείριση του κινδύνου.

    Συνεργαζόμενοι φορείς: Tel Aviv University (Israel), The Open University (Israel), National Research Council – Institute of Atmospheric Sciences and Climate (Italy), Εθνικό Αστεροσκοπείο Αθηνών (Greece), University of Barcelona (Spain), Ministry of Agriculture, Natural Resources and Environment - Cyprus Meteorological Service (Cyprus)

    Συντονιστής: Tel Aviv University, Department of Geophysics and Planetary Sciences

  1. Εκτίμηση και πρόγνωση του πλημμυρικού κινδύνου με τη χρήση υδρολογικών μοντέλων και πιθανοτικών μεθόδων

    Περίοδος εκτέλεσης: Φεβρουάριος 2007–Αύγουστος 2008

    Προϋπολογισμός: €15 000

    Ανάθεση: Εθνικό Μετσόβιο Πολυτεχνείο

    Ανάδοχος: Τομέας Υδατικών Πόρων και Περιβάλλοντος

    Συνεργαζόμενοι: Hydrologic Research Center

    Project director: Δ. Κουτσογιάννης

    Κύριος ερευνητής: Σ.Μ. Παπαλεξίου

    Πλαίσιο: Πρόγραμμα Βασικής Έρευνας ΕΜΠ "Κωνσταντίνος Καραθεοδωρή"

    Αντικείμενο του έργου είναι η ανάπτυξη ενός ολοκληρωμένου πλαισίου εκτίμησης και πρόγνωσης του πλημμυρικού κινδύνου με τη σύζευξη στοχαστικών, υδρολογικών και υδραυλικών μοντέλων. Η περιοχή μελέτης είναι η λεκάνη απορροής του Βοιωτικού Κηφισού. Το έργο περιλαμβάνει ανάλυση των ισχυρών επεισοδίων βροχής στη λεκάνη, την κατανόηση των μηχανισμών γένεσης των πλημμυρών σε αυτή την καρστική λεκάνη και την εκτίμηση του πλημμυρικού κινδύνου σε χαρακτηριστικές θέσεις του υδροσυστήματος.

  1. Υποστήριξη της κατάρτισης Εθνικού Προγράμματος Διαχείρισης και Προστασίας των Υδατικών Πόρων

    Περίοδος εκτέλεσης: Φεβρουάριος 2007–Μάιος 2007

    Προϋπολογισμός: €45 000

    Ανάθεση: Υπουργείο Περιβάλλοντος, Χωροταξίας και Δημόσιων Έργων

    Ανάδοχος: Τομέας Υδατικών Πόρων και Περιβάλλοντος

    Project director: Δ. Κουτσογιάννης

    Κύριος ερευνητής: Α. Ανδρεαδάκης

    Το έργο αυτό αποτελεί συμπλήρωση και επικαιροποίηση με τις νεότερες εξελίξεις προηγούμενου ερευνητικού έργου (Ταξινόμηση των ποσοτικών και ποιοτικών παραμέτρων των υδατικών πόρων της χώρας), που έχει εκπονηθεί από την ίδια ομάδα του ΕΜΠ (ανάθεση του ΥΠΑΝ) σε συνεργασία με το ΥΠΑΝ, ΙΓΜΕ και ΚΕΠΕ. Το έργο περιλαμβάνει: την ανάπτυξη μεθοδολογίας, την ανάλυση των υδατικών πόρων στα 14 Υδατικά Διαμερίσματα από ποσοτική και ποιοτική άποψη, τις σχέσεις ανάμεσα σε αυτά, την περιγραφή του θεσμικού, διοικητικού και αναπτυξιακού πλαισίου διαχείρισης και προστασίας υδατικών πόρων, την παρουσίαση των εθνικών, περιφερειακών και τομεακών πολιτικών που αφορούν στα νερά και τέλος μια προσέγγιση στο πρόγραμμα διαχείρισης και προστασίας των νερών της χώρας (συμπεράσματα, προβλήματα-λύσεις, προτάσεις έργων-μέτρων).

  1. Διερεύνηση σεναρίων διαχείρισης του ταμιευτήρα Σμοκόβου

    Περίοδος εκτέλεσης: Νοέμβριος 2005–Δεκέμβριος 2006

    Προϋπολογισμός: €60 000

    Ανάθεση: Ειδική Υπηρεσία Διαχείρισης Επιχειρησιακών Προγραμμάτων Θεσσαλίας

    Ανάδοχος: Τομέας Υδατικών Πόρων, Υδραυλικών και Θαλάσσιων Έργων

    Project director: Δ. Κουτσογιάννης

    Κύριος ερευνητής: Ν. Μαμάσης

    Πλαίσιο: Επιχειρησιακά Σχέδια Διαχείρισης Δικτύων Σμοκόβου

    Αντικείμενο του έργου είναι: (α) η συλλογή υδρολογικών δεδομένων, δεδομένων χρήσεων νερού και τεχνικών χαρακτηριστικών του συστήματος (ταμιευτήρας και συναφή έργα), (β) η διερεύνηση του νομικού, οικονομικού και κοινωνικού πλαισίου που διέπει τη λειτουργία και διαχείριση του ταμιευτήρα, (γ) η διερεύνηση του νομικού και οικονομικού πλαισίου λειτουργίας άλλων ταμιευτήρων, (δ) η διερεύνηση εναλλακτικών τρόπων οργάνωσης και λειτουργίας του Φορέα Διαχείρισης, (ε) η κατάρτιση επιχειρησιακού σχεδίου διαχείρισης των υδατικών αποθεμάτων του ταμιευτήρα, (στ) η σύνταξη εναλλακτικών σεναρίων διαχείρισης και βέλτιστης λειτουργίας του ταμιευτήρα για διάφορα επίπεδα ολοκλήρωσης των έργων, και (ζ) η ολοκλήρωση δεδομένων και επεξεργασιών σε πληροφοριακό σύστημα.

  1. Ολοκληρωμένη Διαχείριση Υδατικών Συστημάτων σε Σύζευξη με Εξελιγμένο Υπολογιστικό Σύστημα (ΟΔΥΣΣΕΥΣ)

    Περίοδος εκτέλεσης: Ιούλιος 2003–Ιούνιος 2006

    Προϋπολογισμός: €779 656

    Ανάθεση: Γενική Γραμματεία Έρευνας και Τεχνολογίας

    Ανάδοχος: ΝΑΜΑ Σύμβουλοι Μηχανικοί και Μελετητές Α.Ε.

    Συνεργαζόμενοι:

    1. Τομέας Υδατικών Πόρων, Υδραυλικών και Θαλάσσιων Έργων
    2. Δημοτική Επιχείρηση Ύδρευσης και Αποχέτευσης Καρδίτσας
    3. Αειφορική Δωδεκανήσου
    4. Marathon Data Systems

    Project director: Δ. Κουτσογιάννης

    Κύριος ερευνητής: Α. Ανδρεαδάκης

    Πλαίσιο: ΕΠΑΝ, Φυσικό Περιβάλλον και Βιώσιμη Ανάπτυξη

    Στόχος του έργου είναι η υποστήριξη της διαδικασίας λήψης αποφάσεων, στην κατεύθυνση της ολοκληρωμένης διαχείρισης συστημάτων υδατικών πόρων διαφόρων κλιμάκων. Το έργο περιλαμβάνει την ανάπτυξη μιας δέσμης μεθοδολογιών και υπολογιστικών εργαλείων, τα οποία ολοκληρώνονται σε ένα ενιαίο πληροφοριακό σύστημα. Κύριο παραδοτέο είναι ένα επιχειρησιακό λογισμικό γενικής χρήσης, το οποίο ελέγχεται και αξιολογείται μέσω δύο πιλοτικών εφαρμογών που αφορούν υδροσυστήματα του ελληνικού χώρου με διαφορετικά χαρακτηριστικά (Καρδίτσα, Δωδεκάνησα). Το τελικό προϊόν αποτελείται από ένα σύστημα προσομοίωσης- βελτιστοποίησης της λειτουργίας του υδροσυστήματος, καθώς και μια σειρά από ανεξάρτητες εφαρμογές που επιλύουν επί μέρους προβλήματα, είτε για την τροφοδοσία του κεντρικού συστήματος με τα απαιτούμενα στοιχεία εισόδου είτε για περαιτέρω επεξεργασία των αποτελεσμάτων. Το έργο διαρθρώνεται σε έντεκα ενότητες εργασίας, οκτώ από τις οποίες αναφέρονται στη βασική έρευνα (όπου συμμετέχει το ΕΜΠ), δύο στη βιομηχανική έρευνα και μία στις πιλοτικές εφαρμογές.

  1. Εκσυγχρονισμός της εποπτείας και διαχείρισης του συστήματος των υδατικών πόρων ύδρευσης της Αθήνας

    Περίοδος εκτέλεσης: Μάρτιος 1999–Δεκέμβριος 2003

    Ανάθεση: Εταιρία Ύδρευσης και Αποχέτευσης Πρωτεύουσας

    Ανάδοχος: Τομέας Υδατικών Πόρων, Υδραυλικών και Θαλάσσιων Έργων

    Project director: Δ. Κουτσογιάννης

    Κύριος ερευνητής: Δ. Κουτσογιάννης

    Εξαιτίας του ξηρού κλίματος της ευρύτερης περιοχής, η Αθήνα έχει υποφέρει από συχνά φαινόμενα λειψυδρίας στη μακρά ιστορία της, αλλά πρόσφατα έχει αποκτήσει ένα αξιόπιστο υδροδοτικό σύστημα. Αυτό το πολύπλοκο υδροδοτικό σύστημα εκτείνεται σε μια περιοχή περίπου 4000 τετραγωνικών χιλιομέτρων και περιλαμβάνει επιφανειακούς και υπόγειους υδατικούς πόρους. Ενσωματώνει τέσσερις ταμιευτήρες, κύρια υδραγωγεία μήκους 350 km, 15 κύρια αντλιοστάσια και πάνω από 100 γεωτρήσεις. Το σύστημα των υδατικών πόρων εξυπηρετεί και δευτερεύουσες χρήσεις όπως την άρδευση αγροτικών περιοχών και την ύδρευση γειτονικών πόλεων. H Εταιρία Ύδρευσης και Αποχέτευσης Πρωτεύουσας (ΕΥΔΑΠ) που έχει την ευθύνη της λειτουργίας του συστήματος, ανέθεσε το αυτό το ερευνητικό έργο, το οποίο περιλαμβάνει: (α) την ανάπτυξη συστήματος γεωγραφικής πληροφορίας για την απεικόνιση και εποπτεία του εξωτερικού υδροδοτικού συστήματος της ΕΥΔΑΠ, (β) την ανάπτυξη συστήματος μέτρησης των υδατικών πόρων ύδρευσης της Αθήνας, (γ) την ανάπτυξη συστήματος εκτίμησης και πρόγνωσης των υδατικών πόρων ύδρευσης της Αθήνας με χρήση στοχαστικών μοντέλων, (δ) την ανάπτυξη συστήματος υποστήριξης της διαχείρισης των υδατικών πόρων ύδρευσης της Αθήνας με χρήση μεθοδολογιών προσομοίωσης-βελτιστοποίησης και (ε) τη συνεργασία και μεταφορά τεχνογνωσίας στην ΕΥΔΑΠ για τα παραπάνω.

  1. Διερεύνηση των δυνατοτήτων διαχείρισης και προστασίας της ποιότητας της Λίμνης Πλαστήρα

    Περίοδος εκτέλεσης: Μάιος 2001–Ιανουάριος 2002

    Ανάθεση:

    1. Νομαρχιακή Αυτοδιοίκηση Καρδίτσας
    2. Δήμος Καρδίτσας

    Ανάδοχος: Τομέας Υδατικών Πόρων, Υδραυλικών και Θαλάσσιων Έργων

    Project director: Κ. Χατζημπίρος

    Κύριος ερευνητής: Δ. Κουτσογιάννης

    Η προστασία της λίμνης Πλαστήρα προϋποθέτει τη διατήρηση υψηλής ποιότητας του φυσικού τοπίου, ικανοποιητικής ποιότητας των νερών, διευθέτηση των αλληλοσυγκρουόμενων απαιτήσεων και χρήσεων νερού και καθιέρωση αποτελεσματικής διαχείρισης. Για το σκοπό αυτό ερευνάται η υδρολογία της λεκάνης, γίνεται συλλογή γεωγραφικών, μετεωρολογικών και ενεργειακών δεδομένων, γίνεται μελέτη και επεξεργασία δεδομένων ισοζυγίου, και καταστρώνεται στοχαστικό μοντέλο για την υποστήριξη εναλλακτικών σεναρίων διαχείρισης. Πραγματοποιείται ανάλυση του φυσικού τοπίου, προσδιορισμός των αρνητικών επιδράσεων (νεκρά δένδρα, ζώνη διακύμανσης) και ποσοτικοποίηση με χρήση GIS. Επίσης, γίνεται αξιολόγηση ποιοτικών παραμέτρων, εκτίμηση της ποιοτικής κατάστασης και καθορισμός των ποιοτικών στόχων, απογραφή των πηγών ρύπανσης, προτάσεις για περιορισμό της, και κατάστρωση υδροδυναμικού μοντέλου με έμφαση στην τροφική κατάσταση. Τελος, προτείνονται σενάρια ασφαλούς απόληψης.

  1. Εκτίμηση και Διαχείριση των Υδατικών Πόρων της Στερεάς Ελλάδας - Φάση 3

    Περίοδος εκτέλεσης: Νοέμβριος 1996–Δεκέμβριος 2000

    Ανάθεση: Διεύθυνση Έργων Ύδρευσης και Αποχέτευσης

    Ανάδοχος: Τομέας Υδατικών Πόρων, Υδραυλικών και Θαλάσσιων Έργων

    Project director: Δ. Κουτσογιάννης

    Κύριος ερευνητής: Δ. Κουτσογιάννης

    Οι κύριοι στόχοι του ερευνητικού έργου είναι η εκτίμηση και διερεύνηση των υδατικών πόρων της Στερεάς Ελλάδας στο σύνολό τους, τόσο των επιφανειακών όσο και των υπόγειων, και η συστηματική μελέτη όλων εκείνων των παραμέτρων που υπεισέρχονται στην ορθολογική ανάπτυξη και διαχείριση των πόρων αυτών. Στους στόχους του έργου συμπεριλαμβάνεται, ως εργασία υποδομής, η ανάπτυξη προγραμμάτων Η/Υ για την υδρολογική, υδρογεωλογική και διαχειριστική προσομοίωση του συστήματος των συνδυασμένων λεκανών απορροής της περιοχής μελέτης. Η ανάπτυξη των προγραμμάτων αυτών, παράλληλα με την ανάπτυξη μεθοδολογιών κατάλληλα προσαρμοσμένων στις ελληνικές συνθήκες, αποτελεί βοήθημα στη λήψη τεκμηριωμένων αποφάσεων για τη διαχείριση των υδατικών πόρων τόσο της Στερεάς Ελλάδας, όσο και άλλων περιοχών της Ελλάδας. Στους στόχους του ερευνητικού έργου συμπεριλαμβάνεται επίσης η διεύρυνση της συνεργασίας του ΥΠΕΧΩΔΕ και του ΕΜΠ, που είναι απαραίτητη προϋπόθεση για τη διαρκή ενημέρωση των αποτελεσμάτων του έργου και την επιτελική αντιμετώπιση του συστήματος των υδατικών πόρων της Στερεάς Ελλάδας. Τα ειδικότερα αντικείμενα της τρίτης φάσης είναι (α) η ολοκλήρωση του συστήματος πληροφοριών των προηγούμενων φάσεων που αφορούσαν στην υδρολογική και υδρογεωλογική πληροφορία, με την ανάπτυξη και υλοποίηση δύο επιπέδων πληροφορίας σχετικά με τη χρήση υδατικών πόρων και τα έργα αξιοποίησης τους, (β) η ανάπτυξη μεθοδολογιών για την βελτιστοποίηση της λειτουργίας των υδροσυστημάτων και η κατασκευή ολοκληρωμένων μοντέλων προσομοίωσης και βελτιστοποίησης των δύο υδροσυστημάτων της περιοχής μελέτης (της Δυτικής και Ανατολικής Στερεάς Ελλάδας), και (γ) η διασύνδεση των συστημάτων πληροφορικής (βάσεις δεδομένων, συστήματα γεωγραφικής πληροφορίας, μοντέλα εφαρμογών) σε ένα ενιαίο σύνολο συνεργαζόμενων υπολογιστικών μονάδων.

Ανάλυση τεχνολογικών μελετών

  1. Σχέδιο Διαχείρισης Κινδύνων Πλημμύρας των Λεκανών Απορροής Ποταμών του Υδατικού Διαμερίσματος Ανατολικής Πελοποννήσου (GR03)

    Ανάθεση: Ειδική Γραματεία Υδάτων

    Ανάδοχος: ADT-ΩΜΕΓΑ ΑΤΕ

  1. Consultancy Services for Conceptual Design, Preparation of Bidding Documents, Assistance during the Selection of Contractor & Monitoring/Supervision of Construction, Instalation, Operation & Maintainance for Traffic Control (CTC) for Greater Gaborone City

    Ανάδοχος: Erasmos Consulting Engineering

  1. Σχέδιο Διαχείρισης Κινδύνων Πλημμύρας των Λεκανών Απορροής Ποταμών του Υδατικού Διαμερίσματος Κρήτης (GR13)

    Ανάθεση: Ειδική Γραματεία Υδάτων

    Ανάδοχος: ADT-ΩΜΕΓΑ ΑΤΕ

  1. Παροχή Συμβουλευτικών Υπηρεσιών για την Κατάρτιση του 2ου Σχεδίου Διαχείρισης Λεκάνης Απορροής Ποταμού της Κύπρου για την Εφαρμογή της Οδηγίας 2000/60/ΕΚ και για την Κατάρτιση του Σχεδίου Διαχείρισης Κινδύνων Πλημμύρας για την Εφαρμογή της Οδηγίας 2007/60

    Ανάθεση: Τμήμα Αναπτύξεως Υδάτων Κύπρου

    Ανάδοχος: ΛΔΚ Σύμβουλοι Τεχνικών και Αναπτυξιακών Έργων Α.Ε. & ECOS Μελετητική Α.Ε. Κοινοπραξία

  1. Σχέδιο Διαχείρισης Κινδύνων Πλημμύρας των Λεκανών Απορροής Ποταμών του Υδατικού Διαμερίσματος Δυτικής Πελοποννήσου (GR01)

    Ανάθεση: Ειδική Γραματεία Υδάτων

    Ανάδοχος: ADT-ΩΜΕΓΑ ΑΤΕ

  1. Έργα Ορεινής Υδρονομίας Ρεμάτων Ορεινών Λεκανών Απορροής Αλμωπίας

  1. Σχέδιο Διαχείρισης Κινδύνων Πλημμύρας των Λεκανών Απορροής Ποταμών του Υδατικού Διαμερίσματος Βόρειας Πελοποννήσου (GR02)

    Ανάθεση: Ειδική Γραματεία Υδάτων

    Ανάδοχος: ADT-ΩΜΕΓΑ ΑΤΕ

  1. Προμελέτη φράγματος Αλμωπαίου

    Περίοδος εκτέλεσης: Ιούλιος 2014–Ιούλιος 2014

    Ανάθεση: Ροϊκός Σύμβουλοι Μηχανικοί Α.Ε.

  1. Υδρολογική μελέτη περιοχής χιονοδρομικού κέντρου Παρνασσού

    Περίοδος εκτέλεσης: Ιούνιος 2010–Ιούλιος 2010

    Ανάδοχος: Λαζαρίδης και Συνεργάτες ΑΤΕΜ

  1. Έργα Ύδρευσης Ρόδου από το φράγμα Γαδουρά - Β φάση: Προμελέτες, οριστικές μελέτες κλπ. μελέτες έργων Υδραγωγείων και ΕΕΝ- Τεύχη Δημοπράτησης

    Περίοδος εκτέλεσης: Ιούλιος 2009–Ιούλιος 2010

    Ανάθεση: Υπουργείο Περιβάλλοντος, Χωροταξίας και Δημόσιων Έργων

    Ανάδοχος: Υδροεξυγιαντική

  1. Ειδική Τεχνική Μελέτη για την Οικολογική Παροχή από το Φράγμα Στράτου

    Περίοδος εκτέλεσης: Ιανουάριος 2009–Ιούνιος 2009

    Ανάθεση: Δημόσια Επιχείρηση Ηλεκτρισμού

    Ανάδοχος: ECOS Μελετητική Α.Ε.

  1. Μελέτες Διερεύνησης Προβλημάτων Άρδευσης και Δυνατότητας Κατασκευής Ταμιευτήρων Νομού Βοιωτίας

    Περίοδος εκτέλεσης: Ιανουάριος 2006–Δεκέμβριος 2006

    Ανάθεση: Υπουργείο Αγροτικής Ανάπτυξης και Τροφίμων

    Ανάδοχος: Γραφείο Μελετών ΕΤΜΕ - Αντωνίου - Πέππας και Συνεργάτες

  1. Διαχείριση υδατικών πόρων της Περιοχής Ολοκληρωμένης Τουριστικής Ανάπτυξης Μεσσηνίας

    Περίοδος εκτέλεσης: Ιανουάριος 2003–Δεκέμβριος 2005

    Ανάθεση: ΤΕΜΕΣ- Τουριστικές Επιχειρήσεις Μεσσηνίας

    Ανάδοχος: Δ. Αργυρόπουλος

    Στις περιοχές Πύλου και Ρωμανού Μεσσηνίας, που τοποθετούνται στις λεκάνες απορροής των χειμάρρων Ξεριά και Σέλα δημιουργείται η Περιοχή Ολοκληρωμένης Τουριστικής Ανάπτυξης (ΠΟΤΑ) Μεσσηνίας. Η τουριστική ανάπτυξη προϋποθέτει επαρκείς και ποιοτικά κατάλληλους υδατικούς πόρους. Η μελέτη έχει στόχο την εκτίμηση των διαθέσιμων υδατικών πόρων και περιλαμβάνει υδρολογικές μετρήσεις και αναλύσεις του υδρολογικού ισοζυγίου.

  1. Υδρολογική-Υδραυλική Μελέτη για την Αντιπλημμυρική Προστασία της Νέας Διπλής Σιδηροδρομικής Γραμμής κατά τη Διέλευσή της από την Περιοχή του Ποταμού Σπερχειού

    Περίοδος εκτέλεσης: Οκτώβριος 2002–Ιανουάριος 2003

    Προϋπολογισμός: €90 000

    Ανάθεση: ΕΡΓΑ ΟΣΕ

    Ανάδοχος: Δ. Σωτηρόπουλος

    Συνεργαζόμενοι: Δ. Κουτσογιάννης

  1. Τεχνικός Σύμβουλος για το έργο "Ύδρευση Ηρακλείου και Αγίου Νικολάου από το φράγμα Αποσελέμη"

    Περίοδος εκτέλεσης: Οκτώβριος 2000–Δεκέμβριος 2002

    Προϋπολογισμός: €1 782 000

    Ανάθεση: Υπουργείο Περιβάλλοντος, Χωροταξίας και Δημόσιων Έργων

    Ανάδοχος: Κοινοπραξία Αποσελέμη

  1. Προκαταρκτική Μελέτη Υδροδότησης του Θερμοηλεκτρικού Σταθμού Λειβαδιάς

    Περίοδος εκτέλεσης: Ιανουάριος 2001–Δεκέμβριος 2001

    Ανάδοχος: Υπολογιστική Μηχανική

  1. Συμπληρωματική μελέτη περιβαλλοντικών επιπτώσεων εκτροπής του Αχελώου προς τη Θεσσαλία

    Περίοδος εκτέλεσης: Δεκέμβριος 2000–Φεβρουάριος 2001

    Ανάθεση: Υπουργείο Περιβάλλοντος, Χωροταξίας και Δημόσιων Έργων

    Ανάδοχος: Υδροεξυγιαντική

    Συνεργαζόμενοι: Δ. Κουτσογιάννης

Ανάλυση δημοσιευμένου έργου

Publications in scientific journals

  1. A. Zisos, G.-K. Sakki, and A. Efstratiadis, Mixing renewable energy with pumped hydropower storage: Design optimization under uncertainty and other challenges, Sustainability, 15 (18), 13313, doi:10.3390/su151813313, 2023.

    Πλήρες κείμενο: http://www.itia.ntua.gr/el/getfile/2307/1/documents/sustainability-15-13313.pdf (4191 KB)

    Βλέπε επίσης: https://www.mdpi.com/2071-1050/15/18/13313

  1. A. Roxani, A. Zisos, G.-K. Sakki, and A. Efstratiadis, Multidimensional role of agrovoltaics in era of EU Green Deal: Current status and analysis of water-energy-food-land dependencies, Land, 12 (5), 1069, doi:10.3390/land12051069, 2023.

    [Ο πολυδιάστατος ρόλος των αγροβολταϊκών στην εποχή της Πράσινης Συμφωνίας: Τρέχον καθεστώς και ανάλυση των συσχετίσεων μεταξύ νερού-ενέργειας-τροφής-γης]

    Πλήρες κείμενο: http://www.itia.ntua.gr/el/getfile/2290/1/documents/land-12-01069.pdf (656 KB)

    Βλέπε επίσης: https://www.mdpi.com/2073-445X/12/5/1069

  1. S. Tsattalios, I. Tsoukalas, P. Dimas, P. Kossieris, A. Efstratiadis, and C. Makropoulos, Advancing surrogate-based optimization of time-expensive environmental problems through adaptive multi-model search, Environmental Modelling and Software, 162, 105639, doi:10.1016/j.envsoft.2023.105639, 2023.

    Πλήρες κείμενο: http://www.itia.ntua.gr/el/getfile/2266/1/documents/AMSEEAS_paper.pdf (14432 KB)

  1. A. Efstratiadis, and G.-K. Sakki, Revisiting the management of water–energy systems under the umbrella of resilience optimization, Environmental Sciences Proceedings, 21 (1), 72, doi:10.3390/environsciproc2022021072, 2022.

    Πλήρες κείμενο: http://www.itia.ntua.gr/el/getfile/2252/1/documents/environsciproc-21-00072.pdf (2203 KB)

    Βλέπε επίσης: https://www.mdpi.com/2673-4931/21/1/72

  1. G.-K. Sakki, I. Tsoukalas, P. Kossieris, C. Makropoulos, and A. Efstratiadis, Stochastic simulation-optimisation framework for the design and assessment of renewable energy systems under uncertainty, Renewable and Sustainable Energy Reviews, 168, 112886, doi:10.1016/j.rser.2022.112886, 2022.

    [Πλαίσιο στοχαστικής προσομοίωσης-βελτιστοποίησης για τον σχεδιασμό και την αποτίμηση συστημάτων ανανεώσιμης ενέργειας υπό αβεβαιότητα]

    Καθώς η συμμετοχή των ανανεώσιμων πηγών ενέργειας στο ηλεκτρικό μίγμα αυξάνει ραγδαία, η αναγνώριση, αναπαράσταση, ποσοτικοποίηση και, εν τέλει, ερμηνεία των αβεβαιοτήτων τους καθίσταται σημαντική. Σε αυτή την κατεύθυνση, προτείνουμε ένα γενικό πλαίσιο στοχαστικής προσομοίωσης-βελτιστοποίησης, προσαρμοσμένο σε συστήματα ανανεώσιμης ενέργειας (ΣΑΕ), ικανό να αντιμετωπίσει τις πολλαπλές πτυχές της αβεβαιότητας, εξωτερικές και εσωτερικές. Αυτές αφορούν στις φορτίσεις (υδρομετεωρολογικές είσοδοι) και καταστάσεις (μέσω των παραμέτρων των μοντέλων μετατροπής του καυσίμου σε ενέργεια, καθώς και των τιμών αγοράς ενέργειας) του συστήματος, που και οι δύο εκφράζονται σε πιθανοτικούς όρους, μέσω μιας καινοτόμου σύζευξης του τρίπτυχου στατιστική, στοχαστική και συζεύξεις. Καθώς οι πιο διαδεδομένες πηγές (άνεμος, ήλιος, νερό) παρουσιάζουν αρκετά κοινά χαρακτηριστικά, εισάγουμε αρχικά τη διατύπωση του καθολικού πλαισίου μοντελοποίησης υπό αβεβαιότητα, και στη συνέχεια προσφέρουμε εργαλεία ποσοτικοποίησης της αβεβαιότητας, προκειμένου να αξιοποιήσουμε στην πράξη την πληθώρα των αποτελεσμάτων της προσομοίωσης και μέτρων επίδοσης που προκύπτουν (επενδυτικά κόστη, παραγωγή ενέργειας, κέρδη). Το προτεινόμενο πλαίσιο εφαρμόζεται σε δύο χαρακτηριστικές μελέτες περίπτωσης, ήτοι τον σχεδιασμό ενός μικρού υδροηλεκτρικού σταθμού (ειδικότερα, το βέλτιστο μίγμα των υδροστροβίλων του), και τη μακροχρόνια αποτίμηση ενός σχεδιασμένου αιολικού πάρκου. Και οι δύο περιπτώσεις αναδεικνύουν ότι η άγνοια ή υποεκτίμηση της αβεβαιότητας μπορεί να αποκρύψει σε σημαντικό βαθμό την κατανόησή μας περί της πραγματικής λειτουργίας και επίδοσης των ΣΑΕ. Αντίθετα, το πλαίσιο στοχαστικής προσομοίωσης-βελτιστοποίησης επιτρέπει την εκτίμηση της τεχνικο-οικονομικής αποδοτικότητας έναντι ενός μεγάλου εύρους αβεβαιοτήτων, και με τον τρόπο αυτό παρέχει ένα κρίσιμο εργαλείο λήψη αποφάσεων, στην κατεύθυνση της ανάπτυξης βιώσιμων και οικονομικά εφικτών ΣΑΕ.

    Πλήρες κείμενο: http://www.itia.ntua.gr/el/getfile/2229/1/documents/stochasticRES.pdf (6011 KB)

    Βλέπε επίσης: https://www.sciencedirect.com/science/article/pii/S1364032122007687

    Άλλες εργασίες που αναφέρονται σ' αυτή την εργασία (αυτός ο κατάλογος μπορεί να μην είναι ενημερωμένος):

    1. Woon, K. S., Z. X. Phuang, J. Taler, P. S. Varbanov, C. T. Chong, J. J. Klemeš, and C. T. Lee, Recent advances in urban green energy development towards carbon neutrality, Energy, 126502, doi:10.1016/j.energy.2022.126502, 2022.
    2. Angelakis, A., Reframing the high-technology landscape in Greece: Empirical evidence and policy aspects, International Journal of Business & Economic Sciences Applied Research, 15(2), 58-70, doi:10.25103/ijbesar.152.06, 2022.
    3. Kim, J., M. Qi, J. Park, and I. Moon, Revealing the impact of renewable uncertainty on grid-assisted power-to-X: A data-driven reliability-based design optimization approach, Applied Energy, 339, 121015, doi:10.1016/j.apenergy.2023.121015, 2023.
    4. Yin, S., L. Chen, and H. Qin, Reduced space optimization-based evidence theory method for response analysis of space-coiled acoustic metamaterials with epistemic uncertainty, Mathematical Problems in Engineering, 2023, 9937158, doi:10.1155/2023/9937158, 2023.
    5. Qu, K., H. Zhang, X. Zhou, F. Causone, X. Huang, X. Shen, and X. Zhu, Optimal design of building integrated energy systems by combining two-phase optimization and a data-driven model, Energy and Buildings, 295, 113304, doi:10.1016/j.enbuild.2023.113304, 2023.
    6. Wang, Z., W. Zhang, H. Fan, C. Zhang, Y. Zhao, and Z. Huang, An uncertainty-tolerant robust distributed control strategy for building cooling water systems considering measurement uncertainties, Journal of Building Engineering, 76, 107162, doi:10.1016/j.jobe.2023.107162, 2023.
    7. Caputo, A. C., A. Federici, P. M. Pelagagge, and P. Salini, Offshore wind power system economic evaluation framework under aleatory and epistemic uncertainty, Applied Energy, 350, 121585, doi:10.1016/j.apenergy.2023.121585, 2023.
    8. Liu, J., Y. Li, Y. Ma, R. Qin, X. Meng, and J. Wu, Two-layer multiple scenario optimization framework for integrated energy system based on optimal energy contribution ratio strategy, Energy, 285, 128673, doi:10.1016/j.energy.2023.128673, 2023.

  1. R. Ioannidis, N. Mamassis, A. Efstratiadis, and D. Koutsoyiannis, Reversing visibility analysis: Towards an accelerated a priori assessment of landscape impacts of renewable energy projects, Renewable and Sustainable Energy Reviews, 161, 112389, doi:10.1016/j.rser.2022.112389, 2022.

    [Αντιστρέφοντας την ανάλυση ορατότητας: Προς μια επιταχυνόμενη εκ των προτέρων αξιολόγηση των επιπτώσεων των έργων ανανεώσιμης ενέργειας στο τοπίο]

    Άλλες εργασίες που αναφέρονται σ' αυτή την εργασία (αυτός ο κατάλογος μπορεί να μην είναι ενημερωμένος):

    1. Duarte, R., Á. García-Riazuelo, L. A. Sáez, and C. Sarasa, Analysing citizens’ perceptions of renewable energies in rural areas: A case study on wind farms in Spain, Energy Reports, 8, 12822-12831, doi:10.1016/j.egyr.2022.09.173, 2022.
    2. Ko, I., Rural opposition to landscape change from solar energy: Explaining the diffusion of setback restrictions on solar farms across South Korean counties, Energy Research & Social Science, 99, 103073, doi:10.1016/j.erss.2023.103073, 2023.
    3. Mikita, T., L. Janošíková, J. Caha, and E. Avoiani, The potential of UAV data as refinement of outdated inputs for visibility analyses, Remote Sensing, 15(4), 1028, doi:10.3390/rs15041028, 2023.
    4. Rodríguez-Segura, F. J., and M. Frolova, How does society assess the impact of renewable energy in rural inland areas? Comparative analysis between the province of Jaén (Spain) and Somogy county (Hungary), Investigaciones Geográficas, 80, 193-214, doi:10.14198/INGEO.24444, 2023.
    5. Beer, M., R. Rybár, and L. Gabániová, Visual impact of renewable energy infrastructure: implications for deployment and public perception, Processes, 11(8), 2252, doi:10.3390/pr11082252, 2023.
    6. García-Ayllón, S., and G. Martínez, Analysis of correlation between anthropization phenomena and landscape values of the territory: A GIS framework based on spatial statistics, ISPRS International Journal of Geo-Information, 12(8), 323, doi:10.3390/ijgi12080323, 2023.

  1. A. Efstratiadis, P. Dimas, G. Pouliasis, I. Tsoukalas, P. Kossieris, V. Bellos, G.-K. Sakki, C. Makropoulos, and S. Michas, Revisiting flood hazard assessment practices under a hybrid stochastic simulation framework, Water, 14 (3), 457, doi:10.3390/w14030457, 2022.

    [Αναθεωρώντας τις πρακτικές εκτίμησης του πλημμυρικού κινδύνου υπό ένα πλαίσιο υβριδικής στοχαστικής προσομοίωσης]

    Πλήρες κείμενο: http://www.itia.ntua.gr/el/getfile/2170/1/documents/water-14-00457.pdf (6083 KB)

    Βλέπε επίσης: https://www.mdpi.com/2073-4441/14/3/457

    Άλλες εργασίες που αναφέρονται σ' αυτή την εργασία (αυτός ο κατάλογος μπορεί να μην είναι ενημερωμένος):

    1. Tegos, A., A. Ziogas, V. Bellos, and A. Tzimas, Forensic hydrology: a complete reconstruction of an extreme flood event in data-scarce area, Hydrology, 9(5), 93, doi:10.3390/hydrology9050093, 2022.
    2. Afzal, M. A., S. Ali, A. Nazeer, M. I. Khan, M. M. Waqas, R. A. Aslam, M. J. M. Cheema, M. Nadeem, N. Saddique, M. Muzammil, and A. N. Shah, Flood inundation modeling by integrating HEC–RAS and satellite imagery: A case study of the Indus river basin, Water, 14(19), 2984, doi:10.3390/w14192984, 2022.
    3. Vangelis, H., I. Zotou, I. M. Kourtis, V. Bellos, and V. A. Tsihrintzis, Relationship of rainfall and flood return periods through hydrologic and hydraulic modeling, Water, 14(22), 3618, doi:10.3390/w14223618, 2022.
    4. Maranzoni, A., M. D’Oria, and C. Rizzo, Quantitative flood hazard assessment methods: A review, Journal of Flood Risk Management, 16(1), e12855, doi:10.1111/jfr3.12855, 2022.
    5. Szeląg, B., P. Kowal, A. Kiczko, A. Białek, D. Majerek, P. Siwicki, F. Fatone, and G. Boczkaj, Integrated model for the fast assessment of flood volume: Modelling – management, uncertainty and sensitivity analysis, Journal of Hydrology, 625(A), 129967, doi:10.1016/j.jhydrol.2023.129967, 2023.

  1. K.-K. Drakaki, G.-K. Sakki, I. Tsoukalas, P. Kossieris, and A. Efstratiadis, Day-ahead energy production in small hydropower plants: uncertainty-aware forecasts through effective coupling of knowledge and data, Advances in Geosciences, 56, 155–162, doi:10.5194/adgeo-56-155-2022, 2022.

    [Ημερήσια παραγωγή ενέργειας σε μικρά υδροηλεκτρικά έργα: πρόγνωσεις υπό αβεβαιότητα μέσω αποτελεσματικής σύζευξης γνώσης και δεδομένων]

    Σημείωση:

    Τα μοντέλα προσομοίωσης και πρόγνωσης αναπτύχθηκαν σε περιβάλλον R environment και είναι διαθέσιμα στην ακόλουθη διεύθυνση: https://github.com/corinadrakaki/Day-ahead-energy-production-in-small-hydropower-plants

    Πλήρες κείμενο: http://www.itia.ntua.gr/el/getfile/2165/1/documents/adgeo-56-155-2022.pdf (217 KB)

    Βλέπε επίσης: https://adgeo.copernicus.org/articles/56/155/2022/

    Άλλες εργασίες που αναφέρονται σ' αυτή την εργασία (αυτός ο κατάλογος μπορεί να μην είναι ενημερωμένος):

    1. Krechowicz, A., M. Krechowicz, and K. Poczeta, Machine learning approaches to predict electricity production from renewable energy sources, Energies, 15(23), 9146, doi:10.3390/en15239146, 2022.
    2. Ghobadi, F., and D. Kang, Application of machine learning in water resources management: A systematic literature review, Water, 15(4), 620, doi:10.3390/w15040620, 2023.
    3. Chen, B., Y. Long, H. Wei, B. Li, Y. Zhang, W. Deng, and C. Li, A weak-coupling flow-power forecasting method for small hydropower station group, International Journal of Energy Research, 2023, 1214269, doi:10.1155/2023/1214269, 2023.
    4. Karakuş, M. O., Impact of climatic factors on the prediction of hydroelectric power generation: A deep CNN-SVR approach, Geocarto International, doi:10.1080/10106049.2023.2253203, 2023.

  1. G.-K. Sakki, I. Tsoukalas, and A. Efstratiadis, A reverse engineering approach across small hydropower plants: a hidden treasure of hydrological data?, Hydrological Sciences Journal, 67 (1), 94–106, doi:10.1080/02626667.2021.2000992, 2022.

    [Η προσέγγιση της αντίστροφης μηχανοτεχνικής σε μικρά υδροηλεκτρικά έργα: ένας κρυμμένος θησαυρός υδρολογικών δεδομένων;]

    Η περιορισμένη διαθεσιμότητα υδρολογικών δεδομένων καθιστά τον σχεδιασμό, διαχείριση και λειτουργία των υδατικών συστημάτων σε πραγματικό χρόνο, ένα δύσκολο εγχείρημα. Εδώ προτείνουμε ένα γενικό στοχαστικό πλαίσιο για το αποκαλούμενο αντίστροφο πρόβλημα της υδροηλεκτρικής ενέργειας, χρησιμοποιώντας δεδομένα παραγωγής ενέργειας από μικρά υδροηλεκτρικά έργα (ΜΥΗΕ) για την ανάκτηση των ανάντη εισροών. Σε αυτό το πλαίσιο, διερευνούμε τις εναλλακτικές διαμορφώσεις των μετασχηματισμών νερού-ενέργειας σε ΜΥΗΕ με αμελητέα αποθηκευτική ικανότητα, που διέπονται από πολλαπλές αβεβαιότητες. Εστιάζουμε σε δύο βασικές πηγές, ήτοι τα σφάλματα παρατηρήσεων στην ενεργειακή παραγωγή και τις αβέβαιες καμπύλες απόδοσης των υδροστροβίλων. Ακόμη, προκειμένου να εξαχθεί το πλήρες υδρογράφημα, επεκτείνουμε τις υψηλές και χαμηλές ροές εκτός του εύρους λειτουργίας των στροβίλων, εφαρμόζοντας εμπειρικούς κανόνες για την αναπαράσταση των ανοδικών και καθοδικών κλάδων των προσομοιωμένων υδρογραφημάτων. Το πλαίσιο επιδεικνύεται σε ένα πραγματικό σύστημα στη λεκάνη απορροής του Ευήνου, στην Ελλάδα. Αξιοποιώντας την προτεινόμενη μεθοδολογία, τα ΜΥΗΕ μπορούν να δράσουν ως δυνητικοί υδρομετρικοί σταθμοί και να βελτιώσουν την τρέχουσα πληροφορία σε περιοχές με φτωχές μετρητικές υποδομές.

    Συμπληρωματικό υλικό:

    Άλλες εργασίες που αναφέρονται σ' αυτή την εργασία (αυτός ο κατάλογος μπορεί να μην είναι ενημερωμένος):

    1. Garrett, K. P., R. A. McManamay, and A. Witt, Harnessing the power of environmental flows: Sustaining river ecosystem integrity while increasing energy potential at hydropower dams, Renewable and Sustainable Energy Reviews, 173(1), 113049, doi:10.1016/j.rser.2022.113049, 2023.

  1. P. Kossieris, I. Tsoukalas, A. Efstratiadis, and C. Makropoulos, Generic framework for downscaling statistical quantities at fine time-scales and its perspectives towards cost-effective enrichment of water demand records, Water, 13 (23), 3429, doi:10.3390/w13233429, 2021.

    Πλήρες κείμενο: http://www.itia.ntua.gr/el/getfile/2164/1/documents/water-13-03429.pdf (2042 KB)

    Βλέπε επίσης: https://www.mdpi.com/2073-4441/13/23/3429

  1. N. Mamassis, K. Mazi, E. Dimitriou, D. Kalogeras, N. Malamos, S. Lykoudis, A. Koukouvinos, I. L. Tsirogiannis, I. Papageorgaki, A. Papadopoulos, Y. Panagopoulos, D. Koutsoyiannis, A. Christofides, A. Efstratiadis, G. Vitantzakis, N. Kappos, D. Katsanos, B. Psiloglou, E. Rozos, T. Kopania, I. Koletsis, and A. D. Koussis, OpenHi.net: A synergistically built, national-scale infrastructure for monitoring the surface waters of Greece, Water, 13 (19), 2779, doi:10.3390/w13192779, 2021.

    Πλήρες κείμενο: http://www.itia.ntua.gr/el/getfile/2147/1/documents/water-13-02779-v2.pdf (3567 KB)

    Βλέπε επίσης: https://www.mdpi.com/2073-4441/13/19/2779

    Άλλες εργασίες που αναφέρονται σ' αυτή την εργασία (αυτός ο κατάλογος μπορεί να μην είναι ενημερωμένος):

    1. Spyrou, C., M. Loupis, N. Charizopoulos, P. Arvanitis, A. Mentzafou, E. Dimitriou, S. E. Debele, J. Sahani, and P. Kumar, Evaluating nature-based solution for flood reduction in Spercheios river basin Part 2: Early experimental evidence, Sustainability, 14(6), 10345, doi:10.3390/su141610345, 2022.
    2. #Chrysanthopoulos, E., C. Pouliaris, I. Tsiroggianis, K. Markantonis, P. Kofakis, and A. Kallioras, Evaluating the efficiency of numerical and data driven modeling in forecasting soil water content, Proceedings of the 3rd IAHR Young Professionals Congress, 64-65, 2022.
    3. #Samih, I., and D. Loudyi, Short-term urban water demand forecasting using Theta Models in Casablanca city, Morocco, Proceedings of the 3rd IAHR Young Professionals Congress, International Association for Hydro-Environment Engineering and Research, 2022.
    4. Mazi, K., A. D. Koussis, S. Lykoudis, B. E. Psiloglou, G. Vitantzakis, N. Kappos, D. Katsanos, E. Rozos, I. Koletsis, and T. Kopania, Establishing and operating (pilot phase) a telemetric streamflow monitoring network in Greece, Hydrology, 10(1), 19, doi:10.3390/hydrology10010019, 2023.
    5. Koltsida, E., N. Mamassis, and A. Kallioras, Hydrological modeling using the Soil and Water Assessment Tool in urban and peri-urban environments: the case of Kifisos experimental subbasin (Athens, Greece), Hydrology and Earth System Sciences, 27, 917-931, doi:10.5194/hess-27-917-2023, 2023.
    6. Tsirogiannis, I. L., N. Malamos, and P. Baltzoi, Application of a generic participatory decision support system for irrigation management for the case of a wine grapevine at Epirus, Northwest Greece, Horticulturae, 9(2), 267, doi:10.3390/horticulturae9020267, 2023.
    7. Yeşilköy, S., Ö. Baydaroğlu, N. Singh, Y. Sermet, and I. Demir, A contemporary systematic review of cyberinfrastructure systems and applications for flood and drought data analytics and communication, EarthArXiv, doi:10.31223/X5937W, 2023.
    8. Fotia, K., and I. Tsirogiannis, Water footprint score: A practical method for wider communication and assessment of water footprint performance, Environmental Sciences Proceedings, 25(1), 71, doi:10.3390/ECWS-7-14311, 2023.

  1. G.-F. Sargentis, P. Siamparina, G.-K. Sakki, A. Efstratiadis, M. Chiotinis, and D. Koutsoyiannis, Agricultural land or photovoltaic parks? The water–energy–food nexus and land development perspectives in the Thessaly plain, Greece, Sustainability, 13 (16), 8935, doi:10.3390/su13168935, 2021.

    [Αγροτική γη ή φωτοβολταϊκά πάρκα; Το πλέγμα νερού-ενέργειας-τροφής και οι προοπτικές χωρικής ανάπτυξης στην πεδιάδα της Θασσαλίας, Ελλάδα]

    Πλήρες κείμενο: http://www.itia.ntua.gr/el/getfile/2136/1/documents/sustainability-13-08935.pdf (2709 KB)

    Βλέπε επίσης: https://www.mdpi.com/2071-1050/13/16/8935

    Άλλες εργασίες που αναφέρονται σ' αυτή την εργασία (αυτός ο κατάλογος μπορεί να μην είναι ενημερωμένος):

    1. Abouaiana, A., and A. Battisti, Multifunction land use to promote energy communities in Mediterranean region: Cases of Egypt and Italy, Land, 11(5), 673, doi:10.3390/land11050673, 2022.
    2. Reasoner, M., and A. Ghosh, Agrivoltaic engineering and layout optimization approaches in the transition to renewable energy technologies: a review, Challenges, 13(2), 43, doi:10.3390/challe13020043, 2022.
    3. Bhambare, P. S., and S. C. Vishweshwara, Design aspects of a fixed focus type Scheffler concentrator and its receiver for its utilization in thermal processing units, Energy Nexus, 7, 100103, doi:10.1016/j.nexus.2022.100103, 2022.
    4. Padilla, J., C. Toledo, and J. Abad, Enovoltaics: Symbiotic integration of photovoltaics in vineyards, Frontiers in Energy Research, 10, 1007383, doi:10.3389/fenrg.2022.1007383, 2022.
    5. Garcia, J. A., and A. Alamanos, Integrated modelling approaches for sustainable agri-economic growth and environmental improvement: Examples from Greece, Canada and Ireland, Land, 11(9), 1548, doi:10.3390/land11091548, 2022.
    6. Dias, I. Y. P., L. L. B. Lazaro, and V. G. Barros, Water–energy–food security nexus—estimating future water demand scenarios based on nexus thinking: The watershed as a territory, Sustainability, 15(9), 7050, doi:10.3390/su15097050, 2023.
    7. Goldberg, G. A., Solar energy development on farmland: Three prevalent perspectives of conflict, synergy and compromise in the United States, Energy Research & Social Science, 101, 103145, doi:10.1016/j.erss.2023.103145, 2023.
    8. Lucca, E., J. El Jeitany, G. Castelli, T. Pacetti, E. Bresci, F. Nardi, and E. Caporali, A review of water-energy-food-ecosystems nexus research in the Mediterranean: Evolution, gaps and applications, Environmental Research Letters, 18, 083001, doi:10.1088/1748-9326/ace375, 2023.
    9. Zavahir, S., T. Elmakki, M. Gulied, H. K. Shon, H. Park, K. K. Kakosimos, and D. S. Han, Integrated photoelectrochemical (PEC)-forward osmosis (FO) system for hydrogen production and fertigation application, Journal of Environmental Chemical Engineering, 11(5), 110525, doi:10.1016/j.jece.2023.110525, 2023.
    10. Karasmanaki, E., S. Galatsidas, K. Ioannou, and G. Tsantopoulos, Investigating willingness to invest in renewable energy to achieve energy targets and lower carbon emissions, Atmosphere, 14(10), 1471, doi:10.3390/atmos14101471, 2023.

  1. G. Papaioannou, L. Vasiliades, A. Loukas, A. Alamanos, A. Efstratiadis, A. Koukouvinos, I. Tsoukalas, and P. Kossieris, A flood inundation modelling approach for urban and rural areas in lake and large-scale river basins, Water, 13 (9), 1264, doi:10.3390/w13091264, 2021.

    [Μοντέλο πλημμυρικής κατάκλυσης για αστικής και εξωαστικές περιοχές σε λεκάνες απορροής λιμνών και ποταμών μεγάλης κλίμακας]

    Πλήρες κείμενο: http://www.itia.ntua.gr/el/getfile/2121/1/documents/water-13-01264-v2.pdf (45029 KB)

    Βλέπε επίσης: https://www.mdpi.com/2073-4441/13/9/1264

    Άλλες εργασίες που αναφέρονται σ' αυτή την εργασία (αυτός ο κατάλογος μπορεί να μην είναι ενημερωμένος):

    1. Varlas, G., A. Papadopoulos, G. Papaioannou, and E. Dimitriou, Evaluating the forecast skill of a hydrometeorological modelling system in Greece, Atmosphere, 12(7), 902, doi:10.3390/atmos12070902, 2021.
    2. Karamvasis, K., and V. Karathanassi, FLOMPY: An open-source toolbox for floodwater mapping using Sentinel-1 intensity time series, Water, 13(21), 2943, doi:10.3390/w13212943, 2021.
    3. Alamanos, A., P. Koundouri, L. Papadaki, and T. Pliakou, A system innovation approach for science-stakeholder interface: theory and application to water-land-food-energy nexus, Frontiers in Water, 3, 744773, doi:10.3389/frwa.2021.744773, 2022.
    4. Papaioannou, G., V. Markogianni, A. Loukas, and E. Dimitriou, Remote sensing methodology for roughness estimation in ungauged streams for different hydraulic/hydrodynamic modeling approaches, Water, 14(7), 1076, doi:10.3390/w14071076, 2022.
    5. Borowska-Stefańska, M., L. Balážovičová, K. Goniewicz, M. Kowalski, P. Kurzyk, M. Masný, S. Wiśniewski, M. Žoncová, and A. Khorram-Manesh, Emergency management of self-evacuation from flood hazard areas in Poland, Transportation Research Part D: Transport and Environment, 107, 103307, doi:10.1016/j.trd.2022.103307, 2022.
    6. #Alamanos, A., and P. Koundouri, Emerging challenges and the future of water resources management, DEOS Working Papers, 2221, Athens University of Economics and Business, 2022.
    7. Ciurte, D. L., A. Mihu-Pintilie, A. Urzică, and A. Grozavu, Integrating LIDAR data, 2d HEC-RAS modeling and remote sensing to develop flood hazard maps downstream of a large reservoir in the inner Eastern Carpathians, Carpathian Journal of Earth and Environmental Sciences, 18(1), 149-169, doi:10.26471/cjees/2023/018/248, 2023.
    8. Vasiliades, L., G. Papaioannou, and A. Loukas, A unified hydrologic framework for flood design estimation in ungauged basins, Environmental Sciences Proceedings, 25(1), 40, doi:10.3390/ECWS-7-14194, 2023.
    9. Iliadis, C., P. Galiatsatou, V. Glenis, P. Prinos, and C. Kilsby, Urban flood modelling under extreme rainfall conditions for building-level flood exposure analysis, Hydrology, 10(8), 172, doi:10.3390/hydrology10080172, 2023.

  1. A. Efstratiadis, I. Tsoukalas, and D. Koutsoyiannis, Generalized storage-reliability-yield framework for hydroelectric reservoirs, Hydrological Sciences Journal, 66 (4), 580–599, doi:10.1080/02626667.2021.1886299, 2021.

    [Γενικευμένο πλαίσιο χωρητικότητας-αξιοπιστίας-απόληψης για υδροηλεκτρικούς ταμιευτήρες]

    Αν και οι σχέσεις χωρητικότητας-αξιοπιστίας-απόληψης έχουν χρησιμοποιηθεί ευρέως στον σχεδιασμό και διαχείριση των υδρευτικών ταμιευτήρων, η εφαρμογή τους στην υδροηλεκτρική ενέργεια είναι πρακτικά ανύπαρκτη. Εδώ επισκεπτόμαστε ξανά την εν λόγω ανάλυση και αναζητούμε την γενική της διατύπωση για υδροηλεκτρικούς ταμιευτήρες, ακολουθώντας μια προσέγγιση στοχαστικής προσομοίωσης. Αφού ορίσουμε βασικές έννοιες και εργαλεία των συμβατικών μελετών, τα προσαρμόζουμε σε υδροηλεκτρικά συστήματα, που διέπονται από διάφορες ιδιαιτερότητες. Δείχνουμε ότι κάτω από κάποιες εύλογες υποθέσεις, το πρόβλημα μπορεί να απλοποιηθεί δραστικά. Κύριες καινοτομίες είναι ο μετασχηματισμός αποθήκευσης-ύψους πτώσης-ενέργειας με τη χρήση μίας μοναδικής παραμέτρου, που αναπαριστά τη γεωμετρία του ταμιευτήρα, και η ανάπτυξη ενός εμπειρικού στατιστικού μέτρου, που εκφράζει την επίδοση του ταμιευτήρα με βάση την προσομοιωμένη καμπύλη πιθανότητας ενέργειας. Το προτεινόμενο πλαίσιο εφαρμόζεται σε ένα πλήθος υποθετικών ταμιευτήρων σε τρεις θέσεις ποταμών της Ελλάδας, με χρήση μηνιαίων συνθετικών δεδομένων εισροών, παρέχοντας εμπειρικές εκφράσεις της αξιόπιστη ενέργειας συναρτήσει της χωρητικότητας και γεωμετρίας του ταμιευτήρα.

    Συμπληρωματικό υλικό:

    Άλλες εργασίες που αναφέρονται σ' αυτή την εργασία (αυτός ο κατάλογος μπορεί να μην είναι ενημερωμένος):

    1. Spanoudaki, K., P. Dimitriadis, E. A. Varouchakis, and G. A. C. Perez, Estimation of hydropower potential using Bayesian and stochastic approaches for streamflow simulation and accounting for the intermediate storage retention, Energies, 15(4), 1413, doi:10.3390/en15041413, 2022.
    2. Levitin, G., L. Xing, and Y. Dai, Unrepairable system with single production unit and n failure-prone identical parallel storage units, Reliability Engineering & System Safety, 222, 108437, doi:10.1016/j.ress.2022.108437, 2022.
    3. Levitin, G., L. Xing, and Y. Dai, Minimizing mission cost for production system with unreliable storage, Reliability Engineering & System Safety, 227, 108724, doi:10.1016/j.ress.2022.108724, 2022.
    4. Levitin, G., L. Xing, and Y. Dai, Optimizing the maximum filling level of perfect storage in system with imperfect production unit, Reliability Engineering & System Safety, 225, 108629, doi:10.1016/j.ress.2022.108629, 2022.
    5. Levitin, G., L. Xing, and Y. Dai, Unrepairable system with consecutively used imperfect storage units, Reliability Engineering & System Safety, 225, 108574, doi:10.1016/j.ress.2022.108574, 2022.
    6. Ren, P., M. Stewardson, and M. Peel, A simple analytical method to assess multiple-priority water rights in carryover systems, Water Resources Research, 58(12), e2022WR032530, doi:10.1029/2022WR032530, 2022.

  1. I. Tsoukalas, A. Efstratiadis, and C. Makropoulos, Building a puzzle to solve a riddle: A multi-scale disaggregation approach for multivariate stochastic processes with any marginal distribution and correlation structure, Journal of Hydrology, 575, 354–380, doi:10.1016/j.jhydrol.2019.05.017, 2019.

    [Κατασκευάζοντας ένα πάζλ ώστε να λυθεί ένα αίνιγμα: Μια προσέγγιση επιμερισμού πολλαπλών κλιμάκων για πολυμεταβλητές στοχαστικές διεργασίες από οποιαδήποτε περιθώρια κατανομή και δομή συσχέτισης]

    Η γέννηση υδρομετεωρολογικών χρονοσειρών που ακολουθούν μια δεδομένη πιθανοτική και στοχαστική δίαιτα σε πολλαπλές χρονικές κλίμακες, παραδοσιακά εκφραζόμενη σε όρους συγκεκριμένων στατιστικών χαρακτηριστικών των παρατηρημένων δεδομένων, αποτελεί κρίσιμο ζητούμενο σε μελέτες ρίσκου στους υδατικούς πόρους και, ταυτόχρονα, ένα αίνιγμα για την κοινότητα της στοχαστικής. Η κύρια πρόκληση πηγάζει από το γεγονός ότι η αναπαραγωγή μιας συγκεκριμένης δίαιτας για μια συγκεκριμένη χρονική κλίμακα δεν επιβάλει την αναπαραγωγή της επιθυμητής δίαιτας σε καμία άλλη κλίμακα συνάθροισης. Στο πλαίσιο αυτό, εισάγουμε αρχικά μια σειριακή σύζευξη στοχαστικών μοντέλων τύπου Nataf, μέσω ενός σχήματος επιμερισμού, και στη συνέχεια προτείνουμε μια διαμόρφωση αρθρωτής μορφής (τύπου "παζλ"), που παρέχει ενα γενικό πλαίσιο στοχαστικής προσομοίωσης για πολυμεταβλητές διεργασίες που ακολουθούν οποιαδήποτε κατανομή και δομή συσχέτισης. Στις μελέτες περίπτωσης παρουσιάζουμε δύο χαρακτηριστικές διαμορφώσεις, ήτοι ένα σχήμα τριών επιπέδων, που λειτουργεί σε ημερήσια, μηνιαία και ετήσια βάση, και ένα δύο επιπέδων, για τον επιμερισμό ημερήσιων σε ωριαία δεδομένα. Η πρώτη διαμόρφωση εφαρμόζεται για τη γέννηση συσχετισμένων ημερήσιων δεδομένων βροχόπτωσης και απορροής στη λεκάνη του Αχελώου, στη Δυτική Ελλάδα, που διατηρεί τη στοχαστική δομή των δύο διεργασιών στις τρεις χρονικές κλίμακες. Η δεύτερη διατύπωση επιμερίζει ημερήσιες βροχοπτώσεις, που λαμβάνονται από έναν μετεωρολογικό σταθμό στη Γερμανία, σε ωριαίες. Οι δύο μελέτες αναδεικνύουν την ικανότητα του προτεινόμενου πλαισίου να αναπαραστήσει την ιδιάζουσα συμπεριφορά των υδρομετεωρολογικών διεργασιών σε πολλαπλές κλίμακες χρονικής ανάλυσης, καθώς και την ευελιξία του ως προς τη διατύπωση γενικών σχημάτων προσομοίωσης.

    Άλλες εργασίες που αναφέρονται σ' αυτή την εργασία (αυτός ο κατάλογος μπορεί να μην είναι ενημερωμένος):

    1. Macian-Sorribes, H., J.-L. Molina, S. Zazo, and M. Pulido-Velázquez, Analysis of spatio-temporal dependence of inflow time series through Bayesian causal modelling, Journal of Hydrology, 597, 125722, doi:10.1016/j.jhydrol.2020.125722, 2021.
    2. Wang, Q., J. Zhou, K. Huang, L. Dai, B. Jia, L. Chen, and H. Qin, A procedure for combining improved correlated sampling methods and a resampling strategy to generate a multi-site conditioned streamflow process, Water Resources Management, 35, 1011-1027, doi:10.1007/s11269-021-02769-8, 2021.
    3. Brereton, R. G., P values and multivariate distributions: Non-orthogonal terms in regression models, Chemometrics and Intelligent Laboratory Systems, 210, 104264, doi:10.1016/j.chemolab.2021.104264, 2021.
    4. Pouliasis, G., G. A. Torres-Alves, and O. Morales-Napoles, Stochastic modeling of hydroclimatic processes using vine copulas, Water, 13(16), 2156, doi:10.3390/w13162156, 2021.
    5. Biondi, D., E. Todini, and A. Corina, A parsimonious post-processor for uncertainty evaluation of ensemble precipitation forecasts: An application to quantitative precipitation forecasts for civil protection purposes, Hydrology Research, 52(6), 1405-1422, doi:10.2166/nh.2021.045, 2021.
    6. Jahangir, M. S., and J. Quilty, Temporal hierarchical reconciliation for consistent water resources forecasting across multiple timescales: An application to precipitation forecasting, Water Resources Research, 58(6), e2021WR031862, doi:10.1029/2021WR031862, 2022.
    7. Wan Mazlan, W. A. S., and N. N. A. Tukimat, Comparative analyses on disaggregation methods for the rainfall projection, Water Resources Management, doi:10.1007/s11269-023-03546-5, 2023.

  1. A. Tegos, W. Schlüter, N. Gibbons, Y. Katselis, and A. Efstratiadis, Assessment of environmental flows from complexity to parsimony - Lessons from Lesotho, Water, 10 (10), 1293, doi:10.3390/w10101293, 2018.

    [Εκτίμηση περιβαλλοντικών ροών από την πολυπλοκότητα στη φειδωλότητα - Μαθήματα από το Λεσότο]

    Στη διάρκεια της τελευταίας δεκαετίας, η εκτίμηση των περιβαλλοντικών ροών εστίαστε την εποσημονική της προσοχή στα ισχυρά τροποποιημένα υδροσυστήματα, όπως στις ρυθμιζόμενες εκροές κατάντη φραγμάτων. Υπό το πρίσμα αυτό, αναπτύχθηκαν πολυάριθμες προσεγγίσεις διαφορετικής πολυπλοκότητας, οι πιο ολιστικ΄ςς εκ των οποίων ενσωματώνουν υδρολογικά, υδραυλικά και βιολογικά δεδομένα και δεδομλενα ποιότητας νερού, καθώς και κοινωνικοοικονομικά ζητήματα. Συχνά, ο βασικός στόχος είναι να βρεθούν οι βέλτιστες εκροές νερού, να ενσημερωθεί η πολιτική, και να προσδιοριστεί ένα βέλτιστο πλαίσιο. Η εργασία αυτή υλοποιεί μια απολποίηση του πλαισίου DRIFT, το οποίο αναφέρεται ως η πρώτη ολιστική προσέγγιση, και περιλαμβάνει τρεις συνιστώσες, ήτοι υδρολογική, υδραυλική και ποιότητας ψαριών. Προτείνεται μια καινοτόμος εννοιολογική κατηγοριοποίηση της ποιότητας των ψαριών, που συσχετίζει τις απαιτήσεις της ισχυοπανίδας με υδραυλικά χαρακτηριστικά που εξάγονται από αναλύσεις δειγματοληψίας ψαριών. Η νέα μεθοδολογία εφαρμόστηκε και επαληθεύτηκε επιτυχώς σε τριες θέσεις ποταμών του Λεσότο, όπου προτύτερα είχε εφαρμοστεί η μέθοδος DRIFT.

    Πλήρες κείμενο: http://www.itia.ntua.gr/el/getfile/1878/1/documents/water-10-01293.pdf (2633 KB)

    Βλέπε επίσης: http://www.mdpi.com/2073-4441/10/10/1293/htm

    Άλλες εργασίες που αναφέρονται σ' αυτή την εργασία (αυτός ο κατάλογος μπορεί να μην είναι ενημερωμένος):

    1. Yang, Z., K. Yang, L. Su, and H. Hu, The multi-objective operation for cascade reservoirs using MMOSFLA with emphasis on power generation and ecological benefit, Journal of Hydroinformatics, 21(2), 257-278, doi:10.2166/hydro.2019.064, 2019.
    2. Langat, P. K., L. Kumar, and R. Koech, Identification of the most suitable probability distribution models for maximum, minimum, and mean streamflow, Water, 11, 734, doi:10.3390/w11040734, 2019.
    3. Sahoo, B. B., R. Jha, A. Singh, A. and D. Kumar, Long short-term memory (LSTM) recurrent neural network for low-flow hydrological time series forecasting, Acta Geophysica, 67, 1471-1481, doi:10.1007/s11600-019-00330-1, 2019.
    4. Ding, L., Q. Li, J. Tang, J. Wang, and X. Chen, Linking land use metrics measured in aquatic-terrestrial interfaces to water quality of reservoir-based water sources in Eastern China, Sustainability, 11(18), 4860, doi:10.3390/su11184860, 2019.
    5. Koskinas, A., Stochastics and ecohydrology: A study in optimal reservoir design, Dams and Reservoirs, 30(2), 53-59, doi:10.1680/jdare.20.00009, 2020.
    6. Jo, Y.-J., J.-H. Song, Y. Her, G. Provolo, J. Beom, M. Jeung, Y.-J. Kim, S.-H. Yoo, and K.-S. Yoon, Assessing the potential of agricultural reservoirs as the source of environmental flow, Water; 13(4), 508, doi:10.3390/w13040508, 2021.
    7. Wu, M., H. Wu, A. T. Warner, H. Li, and Z. Liu, Informing environmental flow planning through landscape evolution modeling in heavily modified urban rivers in China, Water, 13(22), 3244, doi:10.3390/w13223244, 2021.
    8. Hoque, M. M., A. Islam, and S. Ghosh, Environmental flow in the context of dams and development with special reference to the Damodar Valley Project, India: a review, Sustainable Water Resources Management, 8, 62, doi:10.1007/s40899-022-00646-9, 2022.
    9. Owusu, A., M. Mul, M. Strauch, P. van der Zaag, M. Volk, and J. Slinger, The clam and the dam: A Bayesian belief network approach to environmental flow assessment in a data scarce region, Science of The Total Environment, 810, 151315, doi:10.1016/j.scitotenv.2021.151315, 2022.
    10. Liu, S., Q. Zhang, Y. Xie, P. Xu, and H. Du, Evaluation of minimum and suitable ecological flows of an inland basin in China considering hydrological variation, Water, 15(4), 649, doi:10.3390/w15040649, 2023.

  1. E. Klousakou, M. Chalakatevaki, P. Dimitriadis, T. Iliopoulou, R. Ioannidis, G. Karakatsanis, A. Efstratiadis, N. Mamassis, R. Tomani, E. Chardavellas, and D. Koutsoyiannis, A preliminary stochastic analysis of the uncertainty of natural processes related to renewable energy resources, Advances in Geosciences, 45, 193–199, doi:10.5194/adgeo-45-193-2018, 2018.

    [Προκαταρκτική στοχαστική ανάλυση της αβεβαιότητας των φυσικών διεργασιών που σχετίζονται με τις ανανεώσιμες πηγές ενέργειας]

    Η διαρκώς αυξανόμενη ζήτηση ενέργειας οδήγησε στην υπερεκμετάλλευση των αποθεμάτων ορυκτών καυσίμων, ενώ οι ανανεώσιμες πηγές παρέχουν μια βιώσιμη εναλλακτική λύση. Καθώς οι ανανεώσιμες πηγές ενέργειας προέρχονται από φαινόμενα που σχετίζονται είτε με ατμοσφαιρικές ή γεωφυσικές διεργασίες, η μη προβλεψιμότητα είναι εγγενής στα συστήματα ανανεώσιμης ενέργειας. Ένα καινοτόμο και απλό στοχαστικό εργαλείο, το κλιμακόγραμμα, επιλέχθηκε για να εξετάσει το βαθμό μη προβλεψιμότητας. Εφαρμόζοντας το κλιμακόγραμμα στις σχετικές χρονοσειρές και χωρικές σειρές μπορέσαμε να προσδιορίσουμε τον βαθμό μη προβλεψιμότητας κάθε διεργασίας μέσω της παραμέτρου Hurst, ήτοι ενός δείκτη του ποσοτικοποιεί το επίπεδο αβεβαιότητας. Όλες οι εξεταζόμενες διεργασίες εμφανίζουν μια παράμετρο Hurst μεγαλύτερη του 0.5, που υποδηλώνει αυξημένη μακροπρόθεσμη αβεβαιότητα. Αυτό καταδεικνύει ότι οι ανανεώσιμες πηγές ενέργειας θα μπορούσαν να είναι αξιόπιστα διαχειρίσιμες και οικονομικά αποδοτικές μόνο μέσω στοχαστικής ανάλυσης. Στο πλαίσιο αυτό, συζητείται η πιλοτική εφαρμογή ενός υβριδικού συστήματος ανανεώσιμης ενέργειας στο ελληνικό νησί της Αστυπάλαιας, για το οποίο γίνεται μια πιλοτική εφαρμογή ενός υβριδικού συστήματος, με τη χρήση στοχαστικής ανάλυσης, για το οποίο δείχνουμε πώς η αβεβαιότητα (σε όρους μεταβλητότητας) των υδρομετεωρολογικών διεργασιών εισόδου τροποποιεί την αβεβαιότητα των τιμών ενέργειας εξόδου.

    Πλήρες κείμενο: http://www.itia.ntua.gr/el/getfile/1864/1/documents/adgeo-45-193-2018.pdf (559 KB)

    Βλέπε επίσης: https://www.adv-geosci.net/45/193/2018/

    Άλλες εργασίες που αναφέρονται σ' αυτή την εργασία: Δείτε τις στο Google Scholar ή στο ResearchGate

    Άλλες εργασίες που αναφέρονται σ' αυτή την εργασία (αυτός ο κατάλογος μπορεί να μην είναι ενημερωμένος):

    1. Kaps, C., S. Marinesi, and S. Netessine, When should the off-grid sun shine at night? optimum renewable generation and energy storage investment, Management Science, doi:10.1287/mnsc.2021.04129, 2023.

  1. K. Risva, D. Nikolopoulos, A. Efstratiadis, and I. Nalbantis, A framework for dry period low flow forecasting in Mediterranean streams, Water Resources Management, 32 (15), 4911–1432, doi:10.1007/s11269-018-2060-z, 2018.

    [Πλαίσιο πρόγνωσης χαμηλών ροών ξηρής περιόδου σε Μεσογειακά υδατορεύματα]

    Στόχος του άρθρου είναι να παράσχει ένα απλό και αποτελεσματικό εργαλείο μακροπρόθεσμης πρόγνωσης των χαμηλών ροών (έως και έξη μήνες μετά), με τις ελάχιστες απαιτήσεις σε δεδομένα, ήτοι παρατηρήσεις παροχών που λαμβάνονται στο πέρας της υγρής περιόδου (το πρώτο μισό του Απριλίου, για την περιοχή της Μεσογείου). Καρδιά του μεθοδολογικού πλαισίου είναι η εξίσωση εκθετικής μείωσης, ενώ η τυπική προσέγγιση βαθμονόμησης του μοντέλου μέσω διαχωρισμού του δείγματος (split-sample), που είναι γνωστό ότι υποφέρει από την εξάρτησή της από το δείγμα δεδομένων της βαθμονόμησης, εμπλουτίζεται εισάγοντας μια διαδικασία βαθμονόμησης τυχαία επιλεγμένων πολλαπλών υπο-δειγμάτων (Randomly Selected Multiple Subsets, RSMS). Ακόμη, εισάγουμε και εφαρμόζουμε ένα τροποποιημένο μέτρο αποτελεσματικότητας, καθώς στο παρόν παλίσιο μοντελοποίησης το κλασικό μέτρο Nash-Sutcliffe οδηγεί γενικά σε μη ρεαλιστικά υψηλή επίδοση. Το προτεινόμενο πλαίσιο αξιολογείται σε 25 Μεσογειακά ποτάμια διαφορετικής κλίμακας και υδρολογικής δυναμικής, στα οποία περιλαμβάνονται και υδατορεύματα διαλείπουσας δίαιτας. Αρχικά, στο πρωτογενές υδρογράφημα εφαρμόζονται τεχνικές επεξεργασίας σήματος και εξομάλυνσης δεδομένων, φιλτράρονται μέσω τεχνικών επεξεργασίας σήματος, ώστε να αποκοπούν οι υψηλές ροές που οφείλονται σε πλημμυρικά επεισόδια που πραγματοποιούνται κατά τις ξηρές περιόδους, επιτρέποντας έτσι τη διατήρηση της πτωτικής μορφής της συνιστώσας της βασικής ροής. Στη συνέχεια, εφαρμόζουμε το μοντέλο γραμμικού ταμιευτήρα ώστε να εξάγουμε τον μεταβλητό ανά έτος συντελεστή στείρευσης, και επιχειρούμε να εξηγήσουμε τη διάμεσο τιμή του (από ένα πλήθος ετών) στη βάση τυπικών υδρολογικών δεικτών και της έκτασης της λεκάνης απορροής. Ακολούθως, εκτελούμε το μοντέλο σε μορφή πρόγνωσης, θεωρώντας ότι ο συντελεστής στείρευσης κάθε επόμενης ξηρής περιόδου είναι γραμμική συνάρτηση της παρατηρημένης παροχής στο πέρας της υγρής περιόδου. Στις περισσότερες από τις εξεταζόμενες λεκάνες, το μοντέλο παρουσιάζει πολύ ικανοποιητική προγνωστική ικανότητα, και, ακόμη, είναι εύρωστο, όπως καταδεικνύεται από την περιορισμένη μεταβλητότητα των βελτιστοποιημένων παραμέτρων στα τυχαία μεταβαλλόμενα δείγματα βαθμονόμησης.

    Πλήρες κείμενο: http://www.itia.ntua.gr/el/getfile/1861/2/documents/Risva2018_Article_AFrameworkForDryPeriodLowFlowF.pdf (2268 KB)

    Άλλες εργασίες που αναφέρονται σ' αυτή την εργασία (αυτός ο κατάλογος μπορεί να μην είναι ενημερωμένος):

    1. Tsihrintzis, V. A., and H. Vangelis, Water resources and environment, Water Resources Management, 32(15), 4813-4817, doi:10.1007/s11269-018-2164-5, 2018.
    2. Kapetas, L., N. Kazakis, K. Voudouris, and D. McNicholl, Water allocation and governance in multi-stakeholder environments: Insight from Axios Delta, Greece, Science of The Total Environment, 695, 133831, doi:10.1016/j.scitotenv.2019.133831, 2019.
    3. Azarnivand, A., M. Camporese, S. Alaghmand, and E. Dal, Simulated response of an intermittent stream to rainfall frequency patterns, Hydrological Processes, 34(3), 615-632, doi:10.1002/hyp.13610, 2020.
    4. Lee, D., H. Kim, I. Jung, and J. Yoon, Monthly reservoir inflow forecasting for dry period using teleconnection indices: A statistical ensemble approach, Applied Sciences, 10(10), 3470, doi:10.3390/app10103470, 2020.
    5. Nicolle, P., F. Besson, O. Delaigue, P. Etchevers, D. François, M. Le Lay, C. Perrin, F. Rousset, D. Thiéry, F. Tilmant, C. Magand, T. Leurent, and É. Jacob, PREMHYCE: An operational tool for low-flow forecasting, Proceedings of the International Association of Hydrological Sciences, 383, 381-389, doi:10.5194/piahs-383-381-2020, 2020.
    6. Tilmant, F., P. Nicolle, F. Bourgin, F. Besson, O. Delaigue, P. Etchevers, D. François, M. Le Lay, C. Perrin, F. Rousset, D. Thiéry, C. Magand, T. Leurent, et É. Jacob, PREMHYCE : un outil opérationnel pour la prévision des étiages, La Houille Blanche, 5, 37-44, doi:10.1051/lhb/2020043, 2020.
    7. Singh, S. K., and G. A. Griffiths, Prediction of streamflow recession curves in gauged and ungauged basins, Water Resources Research, 57(11), e2021WR030618, doi:10.1029/2021WR030618, 2021.
    8. Orta, S., and H. Aksoy, Development of low flow duration-frequency curves by hybrid frequency analysis, Water Resources Management, 36, 1521-1534, doi:10.1007/s11269-022-03095-3, 2022.
    9. Kadu, A., and B. Biswal, A model combination approach for improving streamflow prediction, Water Resources Management, doi:10.1007/s11269-022-03336-5, 2022.

  1. I. Tsoukalas, S.M. Papalexiou, A. Efstratiadis, and C. Makropoulos, A cautionary note on the reproduction of dependencies through linear stochastic models with non-Gaussian white noise, Water, 10 (6), 771, doi:10.3390/w10060771, 2018.

    [Προειδοποιητική επισήμανση σχετικά με την αναπαραγωγή των εξαρτήσεων μέσω γραμμικών στοχαστικών μοντέλων με μη γκαουσιανό λευκό θόρυβο]

    Από τις πρώτες ημέρες της στοχαστικής υδρολογίας πίσω στη δεκαετία του ’60, τα μοντέλα αυτοπαλινδρόμησης (AR) και κινούμενου μέσου όρου (ΜΑ) χρησιμοποιήθηκαν ευρέως για την προσομοίωση υδρομετεωρολογικών διεργασιών. Αρχικά, κυριάρχησαν το μοντέλο AR(1) ή Μαρκοβιανά μοντέλα με γκαουσιανό θόρυβο, λόγω της εννοιολογικής και μαθηματικής τους απλότητας. Ωστόσο, η πανταχού παρούσα ασύμμετρη συμπεριφορά των περισσότερων υδρομετεωρολογικών διεργασιών, κυρίως στις λεπτές χρονικές κλίμακες, κατέστησε αναγκαία τη γέννηση συνθετικών χρονοσειρών που μπορούν επίσης να αναπαράξουν ροπές μεγαλύτερης τάξης. Συνεπώς, τα προηγούμενα σχήματα εμπλουτίστηκαν ώστε να διατηρούν την ασυμμετρία, μέσω της χρήσης μη γκαουσιανού λευκού θορύβου – τροποποίηση που αποδίδεται στους Thomas & Fiering (TF). Παρόλο που η διατήρηση ροπών υψηλότερης τάξης προκειμένου να προσεγγιστεί μια κατανομή αποτελεί μια περιορισμένη και δυνητικά επικίνδυνη λύση, η προσέγγιση TF κατέστη μια κοινή επιλογή στην επιχειρησιακή πρακτική. Στην παρούσα μελέτη, σχεδόν μισό αιώνα μετά την εισαγωγή τους, αποκαλύπτουμε μια σημαντική αδυναμία που εκτείνεται σε όλα τα δημοφιλή γραμμικά στοχαστικά μοντέλα που εφαρμόζουν μη γκαουσιανό λευκό θόρυβο. Εστιάζοντας στη μαρκοβιανή περίπτωση, αποδεικνύουμε μαθηματικά ότι αυτό το σχήμα γέννησης παράγει φραγμένες σχέσεις εξάρτησης, που είναι μη ρεαλιστικές και μη συνεπείς με τα παρατηρημένα δεδομένα. Η αποκαλούμενη ως «συμπεριφορά περιβλήματος» εντείνεται καθώς αυξάνει η ασυμμετρία και συσχέτιση, όπως αναδεικνύεται με βάση πραγματικά και υποθετικά προβλήματα προσομοίωσης.

    Πλήρες κείμενο: http://www.itia.ntua.gr/el/getfile/1848/1/documents/water-10-00771.pdf (14101 KB)

    Βλέπε επίσης: http://www.mdpi.com/2073-4441/10/6/771

    Άλλες εργασίες που αναφέρονται σ' αυτή την εργασία (αυτός ο κατάλογος μπορεί να μην είναι ενημερωμένος):

    1. Papalexiou, S. M., Y. Markonis, F. Lombardo, A. AghaKouchak, and E. Foufoula‐Georgiou, Precise temporal Disaggregation Preserving Marginals and Correlations (DiPMaC) for stationary and non‐stationary processes, Water Resources Research, 54(10), 7435-7458, doi:10.1029/2018WR022726, 2018.
    2. Cheng, Y., P. Feng, J. Li, Y. Guo, and P. Ren, Water supply risk analysis based on runoff sequence simulation with change point under changing environment, Advances in Meteorology, 9619254, doi:10.1155/2019/9619254, 2019.
    3. Marković, D., S. Ilić, D. Pavlović, J. Plavšić, and N. Ilich, Multivariate and multi-scale generator based on non-parametric stochastic algorithms, Journal of Hydroinformatics, 21(6), 1102–1117, doi:10.2166/hydro.2019.071, 2019.
    4. Nazemi, A., M. Zaerpour, and E. Hassanzadeh, Uncertainty in bottom-up vulnerability assessments of water supply systems due to regional streamflow generation under changing conditions, Journal of Water Resources Planning and Management, 146(2), doi:10.1061/(ASCE)WR.1943-5452.0001149, 2020.
    5. Wang, Q., J. Zhou, K. Huang, L. Dai, B. Jia, L. Chen, and H. Qin, A procedure for combining improved correlated sampling methods and a resampling strategy to generate a multi-site conditioned streamflow process, Water Resources Management, 35, 1011-1027, doi:10.1007/s11269-021-02769-8, 2021.
    6. Zounemat-Kermani, M., A. Mahdavi-Meymand, and A. Hinkelmann, A comprehensive survey on conventional and modern neural networks: application to river flow forecasting, Earth Science Informatics, 14, 893-911, doi:10.1007/s12145-021-00599-1, 2021.
    7. Pouliasis, G., G. A. Torres-Alves, and O. Morales-Napoles, Stochastic modeling of hydroclimatic processes using vine copulas, Water, 13(16), 2156, doi:10.3390/w13162156, 2021.
    8. Jia, B., J. Zhou, Z. Tang, Z. Xu, X. Chen, and W. Fang, Effective stochastic streamflow simulation method based on Gaussian mixture model, Journal of Hydrology, 605, 127366, doi:10.1016/j.jhydrol.2021.127366, 2022.

  1. G. Papaioannou, A. Efstratiadis, L. Vasiliades, A. Loukas, S.M. Papalexiou, A. Koukouvinos, I. Tsoukalas, and P. Kossieris, An operational method for Floods Directive implementation in ungauged urban areas, Hydrology, 5 (2), 24, doi:10.3390/hydrology5020024, 2018.

    [Επιχειρησιακή μέθοδος υλοποίησης της Οδηγίας για τις Πλημμύρες σε αστικές περιοχές χωρίς μετρητικές υποδομές]

    Αναπτύσσεται ένα επιχειρησιακό πλαίσιο για την εκτίμηση του πλημμυρικού κινδύνου σε αστικές περιοχές χωρίς μετρητικές υποδομές, στο πλαίσιο της υλοποίησης της Οδηγίας της ΕΕ για τις Πλημμύρες στην Ελλάδα, το οποίο επιδεικνύεται στην μητροπολιτική περιοχή του Βόλου, στην Κεντρική Ελλάδα, που επηρεάζεται συχνά από ισχυρές καταιγίδες που προκαλούν αστραπιαίες πλημμύρες. Εφαρμόζεται μια προσέγγιση σεναρίου, λαμβάνοντας υπόψη τις αβεβαιότητες σε καίριες πτυχές της μοντελοποίησης. Αυτό εμπεριέχει αναλύσεις ακραίων βροχοπτώσεων, από τις οποίες προκύπτουν χωρικά κατανεμημένες σχέσεις έντασης-διάρκειας-συχνότητας (όμβριες καμπύλες) και διαστήματα εμπιστοσύνης αυτών, και προσομοιώσεις πλημμυρών, μέσω της μεθόδου SCS-CN και της θεωρίας μοναδιαίου υδρογραφήματος, που παράγουν υδρογραφήματα σχεδιασμού σε κλίμακα υπολεκάνης, για διάφορες συνθήκες εδαφικής υγρασίας. Η διόδευση των πλημμυρικών υδρογραφημάτων και απεικόνιση των κατακλυζόμενων περιοχών υλοποιείται μέσω του μοντέλου HEC-RAS 2D, με ευέλικτη διάσταση κανάβου, αντιπροσωπεύοντας την αντίσταση που προκαλούν τα κτήρια μέσω της μεθόδου τοπικής ανύψωσης. Για όλα τα υδρογραφήματα εκτιμώνται άνω και κάτω όρια των βαθών νερού, ταχυτήτων ροής και κατακλυζόμενων εκτάσεων, για διάφορες τιμές του συντελεστή τραχύτητας. Η μεθοδολογία επαληθεύεται με βάση το πλημμυρικό επεισόδιο της 9ης Οκτωβρίου 2006, με τη χρήση παρατηρημένων δεδομένων πλημμυρικής κατάκλυσης. Οι αναλύσεις μας καταδεικνύουν ότι παρόλο που οι τυπικές προσεγγίσεις μηχανικού για λεκάνες χωρίς μετρήσεις υπόκεινται σε μείζονες αβεβαιότητες, η υδρολογική εμπειρία μπορεί να αντισταθμίσει την έλλειψη πληροφορίας, εξασφαλίζοντας έτσι αρκετά ρεαλιστικά αποτελέσματα.

    Σημείωση:

    Το άρθρο αυτό κέρδισε το βραβείο Hydrology Best Paper Award για το έτος 2020 (https://www.mdpi.com/journal/hydrology/awards/850)

    Πλήρες κείμενο: http://www.itia.ntua.gr/el/getfile/1829/1/documents/hydrology-05-00024_Idnk8fW.pdf (5243 KB)

    Συμπληρωματικό υλικό:

    Άλλες εργασίες που αναφέρονται σ' αυτή την εργασία (αυτός ο κατάλογος μπορεί να μην είναι ενημερωμένος):

    1. Petroselli, A., M. Vojtek, and J. Vojteková, Flood mapping in small ungauged basins: A comparison of different approaches for two case studies in Slovakia, Hydrology Research, 50(1), 379-392, doi:10.2166/nh.2018.040, 2018.
    2. Manfreda, S., C. Samela, A. Refice, V. Tramutoli, and F. Nardi, Advances in large-scale flood monitoring and detection, Hydrology, 5(3), 49, doi:10.3390/hydrology5030049, 2018.
    3. Doroszkiewicz, J., R. J. Romanowicz, and A. Kiczko, The influence of flow projection errors on flood hazard estimates in future climate conditions, Water, 11(1), 49, doi:10.3390/w11010049, 2019.
    4. Enigl, K., C. Matulla, M. Schlögla, and F. Schmid, Derivation of canonical total-sequences triggering landslides and floodings in complex terrain, Advances in Water Resources, 129, 178-188, doi:10.1016/j.advwatres.2019.04.018, 2019.
    5. Chen, N., S. Yao, C. Wang, and W. Du, A method for urban flood risk assessment and zoning considering road environments and terrain, Sustainability, 11(10), 2734, doi:10.3390/su11102734, 2019.
    6. Jiang, X., L., Yang, and H. Tatano, Assessing spatial flood risk from multiple flood sources in a small river basin: A method based on multivariate design rainfall, Water, 11(5), 1031, doi:10.3390/w11051031, 2019.
    7. Vojtek, M., A. Petroselli, J. Vojteková, and S. Asgharinia, Flood inundation mapping in small and ungauged basins: sensitivity analysis using the EBA4SUB and HEC-RAS modeling approach, Hydrology Research, 50(4), 1002-1019, doi:10.2166/nh.2019.163, 2019.
    8. Lorenzo-Lacruz, J., C. Garcia, E. Morán-Tejeda, A. Amengual, V. Homar, A. Maimó-Far, A. Hermoso, C. Ramis, and R. Romero, Hydro-meteorological reconstruction and geomorphological impact assessment of the October, 2018 catastrophic flash flood at Sant Llorenç, Mallorca (Spain), Natural Hazards and Earth System Sciences, 19(11), 2597-2617, doi:10.5194/nhess-19-2597-2019, 2019.
    9. Hamdan, A. N. A., A. A. Abbas, and A. T. Najm, Flood hazard analysis of proposed regulator on Shatt Al-Arab river, Hydrology, 6(3), 80, doi:0.3390/hydrology6030080, 2019.
    10. Deby, R., V. Dermawan, and D. Sisinggih, Analysis of Wanggu river flood inundation Kendari City Southeast Sulawesi province using HEC RAS 5.0.6, International Research Journal of Advanced Engineering and Science, 4(2), 270-275, 2019.
    11. Rauter, M., T. Thaler, M.-S. Attems, and S. Fuchs, Obligation or innovation: Can the EU Floods Directive Be seen as a tipping point towards more resilient flood risk management? A case study from Vorarlberg, Austria, Sustainability, 11, 5505, doi:10.3390/su11195505, 2019.
    12. Papaioannou, G., G. Varlas, G. Terti, A. Papadopoulos, A. Loukas, Y. Panagopoulos, and E. Dimitriou, Flood inundation mapping at ungauged basins using coupled hydrometeorological-hydraulic modelling: The catastrophic case of the 2006 flash flood in Volos City, Greece, Water, 11, 2328, doi:10.3390/w11112328, 2019.
    13. Rahmati, O., H. Darabi, A. T. Haghighi, S. Stefanidis, A. Kornejady, O. A. Nalivan, and D. T. Bui, Urban flood hazard modeling using self-organizing map neural network, Water, 11(11), 2370, doi:10.3390/w11112370, 2019.
    14. Dano, U. L., A.-L. Balogun, A.-N. Matori,K. Wan Yusouf, I. R. Abubakar, M. A. Said Mohamed, , Y.A. Aina, and B. Pradhan, Flood susceptibility mapping using an improved analytic network process with statistical models, Water, 11(3), 615, doi:10.3390/w11030615, 2019.
    15. Petroselli, A., S. Grimaldi, R. Piscopia, and F. Tauro, Design hydrograph estimation in small and ungauged basins: a comparative assessment of event based (EBA4SUB) and continuous (COSMO4SUB) modeling approaches, Acta Scientiarum Polonorum Formatio Circumiectus, 18(4), 113-124, doi:10.15576/ASP.FC/2019.18.4.113, 2019.
    16. Nguyen, V.-N., P. Yariyan, M. Amiri, A. Dang Tran, T.D. Pham, M.P. Do, P. T. Thi Ngo, V.-H. Nhu, N. Quoc Long, and D. Tien Bui, A new modeling approach for spatial prediction of flash flood with biogeography optimized CHAID tree ensemble and remote sensing data, Remote Sensing, 12(9), 1373, doi:10.3390/rs12091373, 2020.
    17. Kastridis, A., and D. Stathis, Evaluation of hydrological and hydraulic models applied in typical Mediterranean ungauged watersheds using post-flash-flood measurements, Hydrology, 7(1), 12, doi:10.3390/hydrology7010012, 2020.
    18. Stavropoulos, S., G. N. Zaimes, E. Filippidis, D. C. Diaconu, and D. Emmanouloudis, Mitigating flash floods with the use of new technologies: A multi-criteria decision analysis to map flood susceptibility for Zakynthos island, Greece, Journal of Urban & Regional Analysis, 12(2), 233-248, 2020.
    19. Kastridis, A., C. Kirkenidis, and M. Sapountzis, An integrated approach of flash flood analysis in ungauged Mediterranean watersheds using post‐flood surveys and Unmanned Aerial Vehicles (UAVs), Hydrological Processes, 34(25), 4920-4939, doi:10.1002/hyp.13913, 2020.
    20. Abdrabo, K. I., S. A. Kantoush, M. Saber, T. Sumi, O. M. Habiba, D. Elleithy, and B. Elboshy, Integrated methodology for urban flood risk mapping at the microscale in ungauged regions: A case study of Hurghada, Egypt, Remote Sensing, 12(21), 3548, doi:10.3390/rs12213548, 2020.
    21. Yariyan, P., M. Avand, R. A. Abbaspour, A. T. Haghighi, R. Costache, O. Ghorbanzadeh, S. Janizadeh, and T. Blaschke, Flood susceptibility mapping using an improved analytic network process with statistical models, Geomatics, Natural Hazards and Risk, 11(1), 2282-2314, doi:10.1080/19475705.2020.1836036, 2020.
    22. Papaioannou, G., C. Papadaki, and E. Dimitriou, Sensitivity of habitat hydraulic model outputs to DTM and computational mesh resolution, Ecohydrology, 13(2), e2182, doi:10.1002/eco.2182, 2020.
    23. Papaioannou, G., G. Varlas, A. Papadopoulos, A. Loukas, P. Katsafados, and E. Dimitriou, Investigating sea‐state effects on flash flood hydrograph and inundation forecasting, Hydrological Processes, 35(4), e14151, doi:10.1002/hyp.14151, 2021.
    24. Mahamat Nour, A., C. Vallet‐Coulomb, J. Gonçalves, F. Sylvestre, and P. Deschamps, Rainfall-discharge relationship and water balance over the past 60 years within the Chari-Logone sub-basins, Lake Chad basin, Journal of Hydrology: Regional Studies, 35, 100824, doi:10.1016/j.ejrh.2021.100824, 2021.
    25. Varlas, G., A. Papadopoulos, G. Papaioannou, and E. Dimitriou, Evaluating the forecast skill of a hydrometeorological modelling system in Greece, Atmosphere, 12(7), 902, doi:10.3390/atmos12070902, 2021.
    26. Khalaj, M. R., H. Noor, and A. Dastranj, Investigation and simulation of flood inundation hazard in urban areas in Iran, Geoenvironmental Disasters, 8, 18, doi:10.1186/s40677-021-00191-1, 2021.
    27. Hooke, J., J. Souza, and M. Marchamalo, Evaluation of connectivity indices applied to a Mediterranean agricultural catchment, Catena, 207, 105713, doi:10.1016/j.catena.2021.105713, 2021.
    28. Seleem, O., M. Heistermann, and A. Bronstert, Efficient hazard assessment for pluvial floods in urban environments: A benchmarking case study for the city of Berlin, Germany, Water, 13(18), 2476, doi:10.3390/w13182476, 2021.
    29. Cotugno, A., V. Smith, T. Baker, and R. Srinivasan, A framework for calculating peak discharge and flood inundation in ungauged urban watersheds using remotely sensed precipitation data: A case study in Freetown, Sierra Leone, Remote Sensing, 13(19), 3806, doi:10.3390/rs13193806, 2021.
    30. Berteni, F., A. Dada, and G. Grossi, Application of the MUSLE model and potential effects of climate change in a small Alpine catchment in Northern Italy, Water, 13(19), 2679, doi:10.3390/w13192679, 2021.
    31. Kastridis, A., G. Theodosiou, and G. Fotiadis, Investigation of flood management and mitigation measures in ungauged NATURA protected watersheds, Hydrology, 8(4), 170, doi:10.3390/hydrology8040170, 2021.
    32. Ali, A. A., and H. A. Al Thamiry, H. A., Controlling the salt wedge intrusion in Shatt Al-Arab river by a barrage, Journal of Engineering, 27(12), 69-86, doi:10.31026/j.eng.2021.12.06, 2021.
    33. Alamanos, A., P. Koundouri, L. Papadaki, and T. Pliakou, A system innovation approach for science-stakeholder interface: theory and application to water-land-food-energy nexus, Frontiers in Water, 3, 744773, doi:10.3389/frwa.2021.744773, 2022.
    34. Papaioannou, G., V. Markogianni, A. Loukas, and E. Dimitriou, Remote sensing methodology for roughness estimation in ungauged streams for different hydraulic/hydrodynamic modeling approaches, Water, 14(7), 1076, doi:10.3390/w14071076, 2022.
    35. Jessie, L., O. Brivois, P. Mouillon, A. Maspataud, P. Belz, and J.-M. Laloue, Coastal flood modeling to explore adaptive coastal management scenarios and land-use changes under sea level rise, Frontiers in Marine Science, 9, 710086, doi:10.3389/fmars.2022.710086, 2022.
    36. Tegos, A., A. Ziogas, V. Bellos, and A. Tzimas, Forensic hydrology: a complete reconstruction of an extreme flood event in data-scarce area, Hydrology, 9(5), 93, doi:10.3390/hydrology9050093, 2022.
    37. Neves, J. L., T. K. Sellick, A. Hasan, and P. Pilesjö, Flood risk assessment under population growth and urban land use change in Matola, Mozambique, African Geographical Review, doi:10.1080/19376812.2022.2076133, 2022.
    38. Khosh Bin Ghomash, S., D. Bachmann, D. Caviedes-Voullième, and C. Hinz, Impact of rainfall movement on flash flood response: A synthetic study of a semi-arid mountainous catchment, Water, 14(12), 1844, doi:10.3390/w14121844, 2022.
    39. Arnsteg, A., J. Glinski, P. Marijauskaite, A. Nitschke, M. Olsson, A. Pierre, L. Rosenquist Ohlsson, S. van der Vleuten, and P. Pilesjö, Flood modelling and proposed Blue-Green Solutions – A case study in Lisbon, Portugal, AGILE: GIScience Series, 3, 53, doi:10.5194/agile-giss-3-53-2022, 2022.
    40. Yavuz, C., K. Yilmaz, and G. Onder, Combined hazard analysis of flood and tsunamis on the western Mediterranean coast of Turkey, Nat. Hazards Earth Syst. Sci. Discuss., doi:10.5194/nhess-2022-121, 2022.
    41. Giannaros, C., S. Dafis, S. Stefanidis, T. M. Giannaros, I. Koletsis, and C. Oikonomou, Hydrometeorological analysis of a flash flood event in an ungauged Mediterranean watershed under an operational forecasting and monitoring context, Meteorological Applications, 29(4), e2079, doi:10.1002/met.2079, 2022.
    42. Koutalakis, P., and G. N. Zaimes, River flow measurements utilizing UAV-based surface velocimetry and bathymetry coupled with sonar, Hydrology, 9(8), 148, doi:10.3390/hydrology9080148, 2022.
    43. #Yassine, R., M. Lastes, A. Argence, A. Gandouin, C. Imperatrice, P. Michel, R. Zhang, P. Brigode, O. Delestre, and F. Taccone, Simulation of the Alex storm flash-flood in the Vésubie catchment (South Eastern France) using Telemac-2D hydraulic code, Advances in Hydroinformatics, Gourbesville, P., Caignaert, G. (eds.), Springer Water, Springer, Singapore, doi:10.1007/978-981-19-1600-7_52, 2022.
    44. Donnelly, J., S. Abolfathi, J. Pearson, O. Chatrabgoun, and A. Daneshkhah, Gaussian process emulation of spatio-temporal outputs of a 2D inland flood model, Water Research, 225, 119100, doi:10.1016/j.watres.2022.119100, 2022.
    45. Alamanos, A., P. Koundouri, L. Papadaki, T. Pliakou, and E. Toli, Water for tomorrow: A living lab on the creation of the science-policy-stakeholder interface, Water, 14(18), 2879, doi:10.3390/w14182879, 2022.
    46. #Alves, R., J. C. Branco, and J. S. Baptista, Flood risk assessment and emergency planning – A short review, Occupational and Environmental Safety and Health IV, Studies in Systems, Decision and Control, 449, 615-629, Springer, Cham, doi:10.1007/978-3-031-12547-8_49, 2023.
    47. Alarifi, S. S., M. Abdelkareem, F. Abdalla, and M. Alotaibi, Flash flood hazard mapping using remote sensing and GIS techniques in Southwestern Saudi Arabia, Sustainability, 14(21), 14145, doi:10.3390/su142114145, 2022.
    48. Yavuz, C., K. Yilmaz, K., and G. Onder, Multi-hazard analysis of flood and tsunamis on the western Mediterranean coast of Turkey, Natural Hazards and Earth System Sciences, 22, 3725-3736, doi:10.5194/nhess-22-3725-2022, 2022.
    49. Rusinko, A., and S. Horáčková, Flash flood simulation in the urbanised catchment: Aa case study of Bratislava-Karlova Ves, Geographia Cassoviensis, 16(2), 81-97, doi:10.33542/GC2022-2-01, 2022.
    50. #Vasiliades, L., E. Farsirotou, and A. Psilovikos, An integrated hydrologic/hydraulic analysis of the Medicane "Ianos" flood event in Kalentzis River Basin, Greece, Proceedings of 7th IAHR Europe Congress "Innovative Water Management in a Changing Climate”, 235-236, Athens, International Association for Hydro-Environment Engineering and Research (IAHR), 2022.
    51. Efe, H., and F. Önen, Failure analysis of Batman Dam and evaluation in terms of dam safety, Dicle University Journal of Engineering, 13(3), 579-587, doi:10.24012/dumf.1097025, 2022.
    52. Adnan, M. S. G. , Z. S. Siam, I. Kabir, Z. Kabir, M. R. Ahmed, Q. K. Hassan, R. M. Rahman, and A. Dewan, A novel framework for addressing uncertainties in machine learning-based geospatial approaches for flood prediction, Journal of Environmental Management, 326(B), 116813, doi:10.1016/j.jenvman.2022.116813, 2023.
    53. Cahyono, A. B., and A. B. Hak, Flood inundation simulation using HEC-GeoRAS with hydro-enforced-DTM LiDAR data, IOP Conference Series: Earth and Environmental Science, 1127, 012049, doi:10.1088/1755-1315/1127/1/012049, 2023.
    54. Khosh Bin Ghomash, S., D. Bachmann, D. Caviedes-Voullième, and C Hinz, Effects of within-storm variability on allochthonous flash flooding: A synthetic study, Water, 15(4), 645, doi:10.3390/w15040645, 2023.
    55. Yilmaz, K., Y. Darama, Y., Y. Oruc, and A. B. Melek, Assessment of flood hazards due to overtopping and piping in Dalaman Akköprü Dam, employing both shallow water flow and diffusive wave equations, Natural Hazards, 117, 979-1003, doi:10.1007/s11069-023-05891-5, 2023.
    56. Mattas, C., D. Karpouzos, P. Georgiou, and T. Tsapanos, Two-dimensional modelling for dam break analysis and flood hazard mapping: A case study of Papadia Dam, Northern Greece, Water, 15(5), 994, doi:10.3390/w15050994, 2023.
    57. Hughes, W., L. Santos, Q. Lu, R. Malla, N. Ravishanker, and W. Zhang, Probabilistic risk assessment framework for predicting large woody debris accumulations and scour near bridges, Structure and Infrastructure Engineering, doi:10.1080/15732479.2023.2177875, 2023.
    58. Vasiliades, L., G. Papaioannou, and A. Loukas, A unified hydrologic framework for flood design estimation in ungauged basins, Environmental Sciences Proceedings, 25(1), 40, doi:10.3390/ECWS-7-14194, 2023.
    59. Akkus, H., E. Yildiz, and I. Bulut, HEC-RAS 2B Modeli Kullanılarak Yazılıkaya Deresi (Nallıhan Ankara) Sel Tehlike Haritalarının Hazırlanması ve Sel Kontrol Yapısının Etkinliği, Jeoloji Muhendisligi Dergisi, 47(1), 29-46, doi:10.24232/jmd.1268945, 2023.
    60. Le Gal, M., T. Fernández-Montblanc, E. Duo, J. Montes Perez, P. Cabrita, P. Souto Ceccon, V. Gastal, P. Ciavola, and C. Armaroli, A new European coastal flood database for low-medium intensity events, EGUsphere, doi:10.5194/egusphere-2023-1157, 2023.
    61. Iliadis, C., P. Galiatsatou, V. Glenis, P. Prinos, and C. Kilsby, Urban flood modelling under extreme rainfall conditions for building-level flood exposure analysis, Hydrology, 10(8), 172, doi:10.3390/hydrology10080172, 2023.
    62. Uysal, G., and E. Taşçı, Analysis of downstream flood risk in the failure of Batman Dam with two-dimensional hydraulic modeling and satellite data, Journal of Natural Hazards and Environment, 9(1), 39-57, doi:10.21324/dacd.1107630, 2023.
    63. Kiesel, J., M. Lorenz, M. König, U. Gräwe, and A. T. Vafeidis, Regional assessment of extreme sea levels and associated coastal flooding along the German Baltic Sea coast, Natural Hazards and Earth System Sciences, 23, 2961-2985, doi:10.5194/nhess-23-2961-2023, 2023.
    64. Çirağ, B., and M. Firat, Two-dimensional (2D) flood analysis and calibration of stormwater drainage systems using geographic information systems, Water Science & Technology, 87(10), 2577-2596, doi:10.2166/wst.2023.126, 2023.
    65. Bouadila, A., I. Bouizrou, M. Aqnouy, K. En-nagre, Y. El Yousfi, A. Khafouri, I. Hilal, K. Abdelrahman, L. Benaabidate, T. Abu-Alam, J. E. S. El Messari, and M. Abioui, Streamflow simulation in semiarid data-scarce regions: A comparative study of distributed and lumped models at Aguenza watershed (Morocco), Water, 15(8), 1602, doi:10.3390/w15081602, 2023.
    66. Kiesel, J., M. Lorenz, M. König, U. Gräwe, and A. T. Vafeidis, A new modelling framework for regional assessment of extreme sea levels and associated coastal flooding along the German Baltic Sea coast, Natural Hazards and Earth System Sciences, 23, 2961-2985, doi:10.5194/nhess-2022-275, 2023.
    67. Baykal, T., S. Terzi, and E. D. Taylan, Examination of safe routes for emergency responders and people during urban flood: a case study of Isparta, Türkiye, Natural Hazards, doi:10.1007/s11069-023-06171-y, 2023.

  1. E. Michailidi, S. Antoniadi, A. Koukouvinos, B. Bacchi, and A. Efstratiadis, Timing the time of concentration: shedding light on a paradox, Hydrological Sciences Journal, 63 (5), 721–740, doi:10.1080/02626667.2018.1450985, 2018.

    [Χρονομετρώντας τον χρόνο συγκέντρωσης: ρίχνοντας φως σε κάτι παράδοξο]

    Από τις απαρχές της υδρολογίας, ο χρόνος συγκέντρωσης, tc, αντιμετωπίστηκε συμβατικά ως μια σταθερή ποσότητα. Ωστόσο, θεωρητικά τεκμήρια όσο και εμπειρικές ενδείξεις καταδεικνύουν ότι ο χρόνος tc εμφανίζει σημαντική μεταβλητότητα έναντι της βροχόπτωσης, καθιστώντας τον ορισμό και εκτίμησή του ένα υδρολογικό παράδοξο. Υιοθετώντας τις υποθέσεις της ορθολογικής μεθόδου και της κινηματικής προσέγγισης, παρέχουμε μια αποτελεσματική διαδικασία σε περιβάλλον ΣΓΠ για την εκτίμηση του χρόνου ροής κατά μήκος της μέγιστης υδραυλικής διαδρομής. Εφαρμόζοντας τη μέθοδο σε 30 Μεσογειακές λεκάνες, αποδεικνύεται ότι ο χρόνος tc είναι μια συνάρτηση αρνητικής δύναμης της έντασης της ενεργού βροχόπτωσης. Ακόμη, διατυπώνονται περιοχικές σχέσεις για την εξαγωγή του πολλαπλασιαστή (μοναδιαίος χρόνος συγκέντρωσης) και του εκθέτη της συνάρτησης από περιληπτική γεωμορφολογική πληροφορία. Οι σχέσεις αυτές επαλυθεύονται έναντι παρατηρημένων δεδομένων και θεωρητικών αποτελεσμάτων της βιβλιογραφίας. Πέραν της προσφοράς μια ταχείας και εύκολης επίλυσης του παραδόξου, δίνουμε έμφαση στην αναγκαιότητα υλοποίησης της έννοιας του μεταβλητού χρόνου συγκέντρωσης στα υδρολγικά μοντέλα, σηματοδοτώντας έτσι μια μείζονα αλλαγή από τις τρέχουσες πρακτικές των μηχανικών.

    Άλλες εργασίες που αναφέρονται σ' αυτή την εργασία (αυτός ο κατάλογος μπορεί να μην είναι ενημερωμένος):

    1. Yazdia, M. N., D. J. Sample, D. Scott, J. Owen, M. Ketabchy, and N. Alamdari, Water quality characterization of storm and irrigation runoff from a container nursery, Science of the Total Environment, 667, 166-178, doi:10.1016/j.scitotenv.2019.02.326, 2019.
    2. Jiang, X., L., Yang, and H. Tatano, Assessing spatial flood risk from multiple flood sources in a small river basin: A method based on multivariate design rainfall, Water, 11(5), 1031, doi:10.3390/w11051031, 2019.
    3. Harisuseno, D., D. N. Khaeruddin, and R. Haribowo, Time of concentration based infiltration under different soil density, water content, and slope during a steady rainfall, Journal of Water and Land Development, 41 (IV–VI), 61-68, doi:10.2478/jwld-2019-0028, 2019.
    4. Vojtek, M., A. Petroselli, J. Vojteková, and S. Asgharinia, Flood inundation mapping in small and ungauged basins: sensitivity analysis using the EBA4SUB and HEC-RAS modeling approach, Hydrology Research, 50(4), 1002-1019, doi:10.2166/nh.2019.163, 2019.
    5. Osuagwu, J., J. C. Agunwamba, and C. E. Nwabunor, Verification of time of concentration equation for improved drainage design, Environmental Management and Sustainable Development, 8(2), 151-161, doi:10.5296/emsd.v8i2.14902, 2019.
    6. Sandoval, S., and J.-L. Bertrand-Krajewski, From marginal to conditional probability functions of parameters in a conceptual rainfall-runoff model: an event-based approach, Hydrological Sciences Journal, 64(11), 1340-1350, doi:10.1080/02626667.2019.1635696, 2019.
    7. Masseroni, D., G. Ercolani, E. A. Chiaradia, and C. Gandolfi, A procedure for designing natural water retention measures in new development areas under hydraulic-hydrologic invariance constraints, Hydrology Research, 50(5), 1293-1308, doi:10.2166/nh.2019.018, 2019.
    8. Santos, S. M., J. C. N. Pscheidt, G. Tiago, S. Klein, N. B. Bonumá, P. L. B. Chaffe, and K. Masato, Time of concentration in an experimental basin: Methods for analysis, backwater effects and vegetation removal, Journal of Urban & Environmental Engineering, 13(1), 163-173, 2019.
    9. Beven, K. J., A history of the concept of time of concentration, Hydrology and Earth System Sciences, 24, 2655–2670, doi:10.5194/hess-24-2655-2020, 2020.
    10. Veeck, S., F. F. da Costa, D. L. C. Lima, A. Rolim da Paz, and D. G. A. Piccilli, Scale dynamics of the HIDROPIXEL high-resolution DEM-based distributed hydrologic modeling approach, Environmental Modelling & Software, 127, 104695, doi:10.1016/j.envsoft.2020.104695, 2020.
    11. Allnutt, C. E., O. J. Gericke, and J. P. J. Pietersen, Estimation of time parameter proportionality ratios in large catchments: Case study of the Modder‐Riet River Catchment, South Africa, Journal of Flood Risk Management, 13(3), e12628, doi:10.1111/jfr3.12628, 2020.
    12. González-Álvarez, Á., J. Molina-Pérez, B. Meza-Zúñiga, O. M. Viloria-Marimón, K. Tesfagiorgis, and J. A. Mouthón-Bello, Assessing the performance of different time of concentration equations in urban ungauged watersheds: Case study of Cartagena de Indias, Colombia, Hydrology, 7(3), 47, doi:10.3390/hydrology7030047, 2020.
    13. Dey, R., A. J. E. Gallant, and S. C. Lewis, Evidence of a continent-wide shift of episodic rainfall in Australia, Weather and Climate Extremes, 29, 100274, doi:10.1016/j.wace.2020.100274, 2020.
    14. Kastridis, A., C. Kirkenidis, and M. Sapountzis, An integrated approach of flash flood analysis in ungauged Mediterranean watersheds using post‐flood surveys and Unmanned Aerial Vehicles (UAVs), Hydrological Processes, 34(25), 4920-4939, doi:10.1002/hyp.13913, 2020.
    15. Ruman, S., R. Tichavský, K. Šilhán, K. and M. G. Grillakis, Palaeoflood discharge estimation using dendrogeomorphic methods, rainfall-runoff and hydraulic modelling—a case study from southern Crete, Natural Hazards, 105, 1721-1742, doi:10.1007/s11069-020-04373-2, 2021.
    16. Giani, G., M. A. Rico‐Ramirez, and R. A. Woods, A practical, objective and robust technique to directly estimate catchment response time, Water Resources Research, 57(2), e2020WR028201, doi:10.1029/2020WR028201, 2021.
    17. Bournas, A., and E. Baltas, Comparative analysis of rain gauge and radar precipitation estimates towards rainfall-runoff modelling in a peri-urban basin in Attica, Greece, Hydrology, 8(1), 29, doi:10.3390/hydrology8010029, 2021.
    18. Jato-Espino, D., and S. Pathak, Geographic location system for identifying urban road sections sensitive to runoff accumulation, Hydrology, 8(2), 72, doi:10.3390/hydrology8020072, 2021.
    19. Nash, D. M., A. J. Weatherley, P. J. A. Kleinman, and A. N. Sharpley, Estimating dissolved p losses from legacy sources in pastures - The limits of soil tests and small-scale rainfall simulators, Journal of Environmental Quality, 50(5), 1042-1062, doi:10.1002/jeq2.20265, 2021.
    20. Almedeij. J., Modified NRCS abstraction method for flood hydrograph generation, Journal of Irrigation and Drainage Engineering, 47(10), doi:10.1061/(ASCE)IR.1943-4774.0001609, 2021.
    21. Lapides, D. A., A. Sytsma, O. Crompton, and S. Thompson, Rational method time of concentration can underestimate peak discharge for hillslopes, Journal of Hydraulic Engineering, 147(10), doi:10.1061/(ASCE)HY.1943-7900.0001900, 2021.
    22. Lapides, D. A., A. Sytsma, and S. Thompson, Implications of distinct methodological interpretations and runoff coefficient usage for rational method predictions, Journal of the American Water Resources Association, 57(6), 859-874, doi:10.1111/1752-1688.12949, 2021.
    23. Fadhel, S., M. Al Aukidy, and M. S. Saleh, Uncertainty of intensity-duration-frequency curves due to adoption or otherwise of the temperature climate variable in rainfall disaggregation, Water, 13(17), 2337, doi:10.3390/w13172337, 2021.
    24. Sapountzis, M., A. Kastridis, A. Kazamias, A. Karagiannidis, P. Nikopoulos, and K. Lagouvardos, Utilization and uncertainties of satellite precipitation data in flash flood hydrological analysis in ungauged watersheds, Global NEST Journal, 23, 1-12, 2021.
    25. Kastridis, A., G. Theodosiou, and G. Fotiadis, Investigation of flood management and mitigation measures in ungauged NATURA protected watersheds, Hydrology, 8(4), 170, doi:10.3390/hydrology8040170, 2021.
    26. Nagy, E. D., J. Szilagyi, and P. Torma, Assessment of dimension-reduction and grouping methods for catchment response time estimation in Hungary, Journal of Hydrology: Regional Studies, 38, 100971, doi:10.1016/j.ejrh.2021.100971, 2021.
    27. Sanz-Ramos, M., E. Bladé, F. González-Escalona, G. Olivares, and J. L. Aragón-Hernández, Interpreting the Manning roughness coefficient in overland flow simulations with coupled hydrological-hydraulic distributed models, Water, 13(23), 3433, doi:10.3390/w13233433, 2021.
    28. Rautela, K. S., M. Kumar, V. Khajuria, and M. A. Alam, Comparative geomorphometric approach to understand the hydrological behaviour and identification of the erosion prone areas of a coastal watershed using RS and GIS tools, Discover Water, 2, 1, doi:10.1007/s43832-021-00009-z, 2022.
    29. Tardif, F., F. St-Pierre, G. Pelletier, and M. J. Rodriguez, Comparison of methods to evaluate overland travel times for source water protection, Journal of Environmental Planning and Management, 65(10), 1932-1948, doi:10.1080/09640568.2021.1952858, 2022.
    30. Barbero, G., P. Costabile, C. Costanzo, D. Ferraro, and G. Petaccia, 2D Hydrodynamic approach supporting evaluations of hydrological response in small watersheds: implications for lag time estimation, Journal of Hydrology, 610, 127870, doi:10.1016/j.jhydrol.2022.127870, 2022.
    31. Tegos, A., A. Ziogas, V. Bellos, and A. Tzimas, Forensic hydrology: a complete reconstruction of an extreme flood event in data-scarce area, Hydrology, 9(5), 93, doi:10.3390/hydrology9050093, 2022.
    32. Giannaros, C., S. Dafis, S. Stefanidis, T. M. Giannaros, I. Koletsis, and C. Oikonomou, Hydrometeorological analysis of a flash flood event in an ungauged Mediterranean watershed under an operational forecasting and monitoring context, Meteorological Applications, 29(4), e2079, doi:10.1002/met.2079, 2022.
    33. Nagy, E. D., J. Szilagyi, and P. Torma, Estimation of catchment response time using a new automated event-based approach, Journal of Hydrology, 613(A), 128355, doi:10.1016/j.jhydrol.2022.128355, 2022.
    34. Mehta, O., M. Lal Kansal; and D. Singh Bisht, A comparative study of the time of concentration methods for designing urban drainage infrastructure, Journal of Water Supply: Research and Technology – Aqua, 71(10), 1197-1218, doi:10.2166/aqua.2022.107, 2022.
    35. Zolghadr, M., M. R. Rafiee, F. Esmaeilmanesh, A. Fathi, R. P. Tripathi, U. Rathnayake, S. R. Gunakala, and H. M. Azamathulla, Computation of time of concentration based on two-dimensional hydraulic simulation, Water, 14(19), 3155, doi:10.3390/w14193155, 2022.
    36. Alamri, N., K. Afolabi, H. Ewea, and A. Elfeki, Evaluation of the time of concentration models for enhanced peak flood estimation in arid regions, Sustainability, 15(3), 1987, doi:10.3390/su15031987, 2023.
    37. Kotyra, B., and L. Chabudziński, Fast parallel algorithms for finding the longest flow paths in flow direction grids, Environmental Modelling & Software, 167, 105728, doi:10.1016/j.envsoft.2023.105728, 2023.
    38. Zhang, J., S. Zhang, C. Wang, W. Wang, L. Ma, X. Xu, and J. Zhou, Influence of vegetation lodging on the flow regime and resistance characteristic of overland flow, Hydrological Processes, 37(3), e14848, doi:10.1002/hyp.14848, 2023.
    39. #Macdonald, E., B. Merz, B. Guse, V. D. Nguyen, X. Guan, and S. Vorogushyn, What controls the tail behaviour of flood series: Rainfall or runoff generation?, Hydrol. Earth Syst. Sci. Discuss., doi:10.5194/hess-2023-186, 2023.

  1. E. Savvidou, A. Efstratiadis, A. D. Koussis, A. Koukouvinos, and D. Skarlatos, The curve number concept as a driver for delineating hydrological response units, Water, 10 (2), 194, doi:10.3390/w10020194, 2018.

    [Η έννοια του αριθμού καμπύλης απορροής ως οδηγού για τη χάραξη μονάδων υδρολογικής απόκρισης]

    Προτείνουμε μια νέα μεθοδολογία για τη χάραξη μονάδων υδρολογικής απόκρισης (ΜΥΑ), που βασίζεται στην έννοια του Αριθμού Καμπύλης Απορροής (Curve Number, CN). Αρχικά, μια ημιαυτόματη διαδικασία σε περιβάλλον ΣΓΠ επιτρέπει την παραγωγή του χάρτη της λεκάνης με κατανεμημένες τιμές του CN, ως προϊόντος τριών κατηγοριοποιημένων χωρικών επιπέδων, ήτοι της περατότητας εδαφών, των χρήσεων/κάλυψης γης, και της αποστραγγιστικής ικανότητας. Οι χάρτης τιμών του CN χρησιμοποιεπίται στη συνέχεια για την παραμετροποίηση του μοντέλου, προκειμένου να προσδιοριστεί ο απαιτούενος αριθμός και η χωρική έκταση των ΜΥΑ και, συνακόλουθα, το πλήθος των μεταβλητών ελέγχου του προβλήματος βαθμονόμησης. Η νέα προσέγγιση αποσκοπεί στο να περιορίσει την υποκειμενικότητα που εισάγει ο ορισμός των ΜΥΑ και, ταυτόχρονα, να παράσχει φειδωλά σχήματα μοντελοποίησης. Ειδικότερα, η παραμετροποίηση βάσει του CN: (1) επιτρέπει στον χρήστη να αντιστοιχίσει όσες παραμέτρους μπορεί να υποστηρίξει η διαθέσιμη υδρολογική πληροφορία, (2) συσχετίζει τις παραμέτρους του μοντέλου με τις αναμενόμενες αποκρίσεις της λεκάνης, όπως αυτές ποσοτικοποιούνται σε όρους κλάσεων του CN που αναφέρονται στις ΜΥΑ, και (3) μειώνει τον φόρτο της βαθμονόμησης του μοντέλου, εξασφαλίζοντας ταυτόχρονα καλή προγνωστική ικανότητα. Τα πλεονεκτήματα της προτεινόμενης προσέγγισης επιδεικνύονται στην υδρολογική μοντελοποίηση της λεκάνης απορροής του Νέδοντα (ΝΔ Ελλάδα), όπου εφαρμόζονται παραμετροποιήσεις διαφορετικής πολυπλοκότητας στην πρόσφατα αναβαθμισμένη έκδοση του μοντέλου ΥΔΡΟΓΕΙΟΣ. Το πείραμα μοντελοποίησης με διαφορετικό αριθμό ΜΥΑ, όπου το πρόβλημα εκτίμησης των παραμέτρων αντιμετωπίστηκε μέσω αυτόματης βελτιστοποίησης, έδειξε ότι η παραμετροποίηση με τρεις ΜΥΑ, όσες δηλαδή και οι διαθέσιμες χρονοσειρές παροχής, εξασφάλισε τη βέλτιστη επίδοση. Ομοίως, έλεγχοι με εναλλακτικές διαμορφώσεις των ΜΥΑ επιβεβαίωσαν ότι τα υψηλότερα μέτρα προσαρμογής, τόσο στη βαθμονόμηση όσο και στην επαλήθευση, επιτεύχθηκαν με την προσέγγιση βάσει του CN, ενώ κατέληξε, επίσης, σε τιμές παραμέτρων της κάθε ΜΥΑ που είναι σε συμφωνία με τη φυσική τους ερμηνεία.

    Πλήρες κείμενο:

    Βλέπε επίσης: http://www.mdpi.com/2073-4441/10/2/194

    Άλλες εργασίες που αναφέρονται σ' αυτή την εργασία (αυτός ο κατάλογος μπορεί να μην είναι ενημερωμένος):

    1. Aqnouy, M., J. E. S. El Messari, H. Ismail, A. Bouadila, J. G. M. Navarro, B. Loubna, and M. R. A. Mansour, Assessment of the SWAT model and the parameters affecting the flow simulation in the watershed of Oued Laou (Northern Morocco), Journal of Ecological Engineering, 20(4), 104-113, doi:10.12911/22998993/102794, 2019.
    2. Day, C., and G. Seay, Watershed surface characteristics and storm distribution impacts on low-order urban stream hydrology response, The Geographical Bulletin – Gamma Theta Upsilon, 60(2), 95-107, 2019.
    3. Rozos, E., A methodology for simple and fast streamflow modelling, Hydrological Sciences Journal, 65(7), 1084-1095, doi:10.1080/02626667.2020.1728475, 2020.
    4. Pobletei, D., J Arévaloi, O. Nicolis, and F. Figueroa, Optimization of the Hydrologic Response Units (HRU) using gridded meteorological data and spatially varying parameters, Earth and Space Science Open Archive, doi:10.1002/essoar.10502299.1, 2020.
    5. Weber, M., M. Feigl, K. Schulz, and M. Bernhardt, On the ability of LIDAR snow depth measurements to determine or evaluate the HRU discretization in a land surface model, Hydrology, 7(2), 20, doi:10.3390/hydrology7020020, 2020.
    6. Στεφανίδης, Σ. Ντάφης, και Χ. Γιάνναρος, Υδρολογική απόκριση της λεκάνης απορροής του χειμάρρου «Μπασδέκη» Ολυμπιάδας στην καταιγίδα της 25ης Νοεμβρίου 2019, Υδροτεχνικά (2019-2020), 29, 13-26, 2020.
    7. Soulis, K. X., E. Psomiadis, P. Londra, and D. Skuras, A new model-based approach for the evaluation of the net contribution of the European Union rural development program to the reduction of water abstractions in agriculture, Sustainability, 12(17), 7137, doi:10.3390/su12177137, 2020.
    8. Harisuseno, D., M. Bisri, and T.S. Haji, Inundation controlling practice in urban area: Case study in residential area of Malang, Indonesia, Journal of Water and Land Development, 46(VII–IX), 112–120, doi:10.24425/jwld.2020.134203, 2020.
    9. Nagel, G. W., F. Da Silva Terra, J. S. De Oliveira, I. Horák-Terra, and S. Beskow, Cálculo da curva número para bacia hidrográfica urbana utilizando diferentes abordagens de classificação para imagem orbital RapidEye: estudo de caso para o arroio Pepino (Pelotas, RS), Pesquisas em Geociências, 47(2), doi:10.22456/1807-9806.108583, 2020.
    10. Poblete, D., J. Arevalo, O. Nicolis, O., and F. Figueroa, Optimization of Hydrologic Response Units (HRUs) using gridded meteorological data and spatially varying parameters, Water, 12(12), 3558, doi:10.3390/w12123558, 2020.
    11. Ramadan, A. N. A., D. Nurmayadi, A. Sadili, R. R. Solihin, and Z. Sumardi, Pataruman watershed Curve Number determination study based on Indonesia land map unit, Media Komunikasi Teknik Sipil, 26(2), 258-266, doi:10.14710/mkts.v26i2.26563, 2020.
    12. Athira, P., and K. P. Sudheer, Calibration of distributed hydrological models considering the heterogeneity of the parameters across the basin: a case study of SWAT model, Environmental Earth Sciences, 80, 131, doi:10.1007/s12665-021-09434-8, 2021.
    13. Assaye, H., J. Nyssen, J. Poesen, H. Lemma, D. T. Meshesha, A. Wassie, E. Adgo, and A. Frank, Curve number calibration for measuring impacts of land management in sub-humid Ethiopia, Journal of Hydrology: Regional Studies, 35, 100819, doi:10.1016/j.ejrh.2021.100819, 2021.
    14. Gunn, K. M., A. R. Buda, H. E. Gall, R. Cibin, C. D. Kennedy, and T. L. Veith, Integrating daily CO2 concentrations in SWAT-VSA to examine climate change impacts on hydrology in a karst watershed, Transactions of the ASABE, 64(4), 1303-1318, doi:10.13031/trans.13711, 2021.
    15. #Soulis, K., Hydrological data sources and analysis for the determination of environmental water requirements in mountainous areas, Environmental Water Requirements in Mountainous Areas, E. Dimitriou and C. Papadaki (editors), Chapter 2, 51-98, Elsevier, doi: 10.1016/B978-0-12-819342-6.00007-5, 2021.
    16. #Muñoz-Mas, R., and P. Vezza, Quantification of environmental water requirements; how far can we go?, Environmental Water Requirements in Mountainous Areas, E. Dimitriou and C. Papadaki (editors), Chapter 6, 235-280, Elsevier, doi:10.1016/B978-0-12-819342-6.00001-4, 2021.
    17. Azizah, C., H. Pawitan, B. D. Dasanto, I. Ridwansyah, and M. Taufik, Risk assessment of flash flood potential in the humid tropics Indonesia: a case study in Tamiang River basin, International Journal of Hydrology Science and Technology, 13(1), 57-73, 2022.
    18. Anurogo, W., K. Pratiwi, M. Z. Lubis, M. K. Mufida, L. R. Sari, and S. N. Chayati, Analysis on the change of runoff curve number influence to surface flow debit using ALOS AVNIR-2 data imagery, Jurnal Pendidikan Geografi: Kajian, Teori, dan Praktek dalam Bidang Pendidikan dan Ilmu Geografi, 27(1), 15-25, doi:10.17977/um017v27i12022p15-25, 2022.
    19. Lee, H., J.-Y. Park, and Y. S. Park, Developing and applying a QGIS-based model that accounts for nonpoint source pollution due to domestic animals, Water, 14(17), 2742, doi:10.3390/w14172742, 2022.
    20. Gavhane, K. P., A. K. Mishra, A. Sarangi, D. K. Singh, and S. Sudhishri, Estimation of surface runoff potential of an ungauged watershed in semi-arid region using geospatial techniques, Arabian Journal of Geosciences, 16, 402, doi:10.1007/s12517-023-11497-9, 2023.
    21. Hendrayantoa, W., and Y. Suharnoto, Simulation of the impact of land use change on surface run-off in karst Leang Lonrong sub-watershed, Journal of Natural Resources and Environmental Management, 13(2), 313-326, doi:10.29244/jpsl.13.2.313-326, 2023.
    22. Bodrud-Doza, Md., W. Yang, R. de Queiroga Miranda, A. Martin, B. DeVries, and E. D. G. Fraser, Towards implementing precision conservation practices in agricultural watersheds: A review of the use and prospects of spatial decision support systems and tools, Science of The Total Environment, 905, 167118, doi:10.1016/j.scitotenv.2023.167118, 2023.

  1. I. Tsoukalas, A. Efstratiadis, and C. Makropoulos, Stochastic periodic autoregressive to anything (SPARTA): Modelling and simulation of cyclostationary processes with arbitrary marginal distributions, Water Resources Research, 54 (1), 161–185, WRCR23047, doi:10.1002/2017WR021394, 2018.

    [Στοχαστικό περιοδικό μοντέλο αυτοπαλινδρόμησης για κάθε κατανομή (SPARTA): Μοντελοποίηση και προσομοίωση κυκλοστάσιμων διεργασιών με αυθαίρετες περιθώριες κατανομές]

    Τα στοχαστικά μοντέλα στην υδρολογία παραδοσιακά αποσκοπούν στο να αναπαράξουν τα εμπειρικά στατιστικά χαρακτηριστικά των παρατηρημένων δεδομένων παρά κάποιο συγκεκριμένο μοντέλο κατανομής, το οποίο επιχειρεί να περιγράψει τη συνήθως μη γκαουσιανή στατιστική συμπεριφορά των αντίστοιχων διεργασιών. Το μοντέλο SPARTA (Stochastic Periodic AutoRegressive To Anything) παρέχει μια εναλλακτική και πρωτότυπη προσέγγιση, η οποία επιτρέπει τη ρητή περιγραφή κάθε διεργασίας ενδιαφέροντος μέσω οποιουδήποτε μοντέλου κατανομής, ενώ ταυτόχρονα δημιουργεί πρότυπα εξάρτησης που δεν μπορούν να απεικονιστούν πλήρως μέσω των τυπικών γραμμικών στοχαστικών σχημάτων. Ακρογωνιαίος λίθος της προτεινόμενης προσέγγισης είναι το μοντέλο από κοινού κατανομής Nataf, που σχετίζεται με τη γκαουσιανή copula, και συνδυάζεται με περιοδικές γκουασιανές ανελίξεις αυτοπαλινδρόμησης. Προκειμένου να αποκτήσουμε την επιθυμητή στοχαστική δομή, αναπτύξαμε επίσης έναν υπολογιστικά απλό και αποδοτικό αλγόριθμο, βασισμένο σε μια υβριδική διαδικασία Monte-Carlo, που χρησιμοποιείται για να προσεγγίσει τους απαιτούμενους ισοδύναμους συντελεστές συσχέτισης. Τα θεωρητικά και πρακτικά πλεονεκτήματα της προτεινόμενης μεθόδου, αντιπαραβαλλόμενα με τα αποτελέσματα ευρέως χρησιμοποιούμενων στοχαστικών μοντέλων, αναδεικνύονται μέσω πραγματικών και υποθετικών εφαρμογών στοχαστικής προσομοίωσης, που αφορούν τόσο σε μονομεταβλητές όσο και πολυμεταβλητές χρονοσειρές.

    Συμπληρωματικό υλικό:

    Άλλες εργασίες που αναφέρονται σ' αυτή την εργασία (αυτός ο κατάλογος μπορεί να μην είναι ενημερωμένος):

    1. Papalexiou, S. M., Unified theory for stochastic modelling of hydroclimatic processes: Preserving marginal distributions, correlation structures, and intermittency, Advances in Water Resources, 115, 234-252, doi:10.1016/j.advwatres.2018.02.013, 2018.
    2. Brunner, M. I., A. Bárdossy, and R. Furrer, Technical note: Stochastic simulation of streamflow time series using phase randomization, Hydrology and Earth System Sciences, 23, 3175-3187, doi:10.5194/hess-23-3175-2019, 2019.
    3. Marković, D., S. Ilić, D. Pavlović, J. Plavšić, and N. Ilich, Multivariate and multi-scale generator based on non-parametric stochastic algorithms, Journal of Hydroinformatics, 21(6), 1102-1117, doi:10.2166/hydro.2019.071, 2019.
    4. #Elsayed, H., S. Djordjević, and D. Savić, The Nile water, food and energy nexus – A system dynamics model, 7th International Computing & Control for the Water Industry Conference, Exeter, United Kingdom, 2019.
    5. Nazemi, A., M. Zaerpour, and E. Hassanzadeh, Uncertainty in bottom-up vulnerability assessments of water supply systems due to regional streamflow generation under changing conditions, Journal of Water Resources Planning and Management, 146(2), doi:10.1061/(ASCE)WR.1943-5452.0001149, 2020.
    6. Barber, C., J. R. Lamontagne, and R. M. Vogel, Improved estimators of correlation and R2 for skewed hydrologic data, Hydrological Sciences Journal, 65(1), 87-101, doi:10.1080/02626667.2019.1686639, 2020.
    7. Dutta, R., and R. Maity, Temporal networks based approach for non‐stationary hydroclimatic modelling and its demonstration with streamflow prediction, Water Resources Research, 56(8), e2020WR027086, doi:10.1029/2020WR027086, 2020.
    8. Demetriou, E., G. Mallouppas, and C.Hadjistassou, Embracing carbon neutral electricity and transportation sectors in Cyprus, Energy, doi:10.1016/j.energy.2021.120625, 2021.
    9. Pouliasis, G., G. A. Torres-Alves, and O. Morales-Napoles, Stochastic modeling of hydroclimatic processes using vine copulas, Water, 13(16), 2156, doi:10.3390/w13162156, 2021.
    10. Zang, N., J. Zhu, X. Wang, Y. Liao, G. Cao, C. Li, Q. Liu, and Z. Yang, Eutrophication risk assessment considering joint effects of water quality and water quantity for a receiving reservoir in the South-to-North Water Transfer Project, China, Journal of Cleaner Production, 331, 129966, doi:10.1016/j.jclepro.2021.129966, 2021.
    11. Vanem, E., Analysing multivariate extreme conditions using environmental contours and accounting for serial dependence, Renewable Energy, doi:10.1016/j.renene.2022.11.033, 2022.

  1. N. Malamos, I. L. Tsirogiannis, A. Tegos, A. Efstratiadis, and D. Koutsoyiannis, Spatial interpolation of potential evapotranspiration for precision irrigation purposes, European Water, 59, 303–309, 2017.

    [Χωρική παρεμβολή δυνητικής εξατμοδιαπνοής για σκοπούς ακριβούς άρδευσης]

    Η ακριβής άρδευση αποτελεί μια καινοτομία στη διαχείριση του αρδευτικού νερού, καθώς παρέχει τα μέσα για τη βέλτιστη χρήση του. Τα πρόσφατα χρόνια, έχουν υλοποιηθεί διάφορες εφαρμογές ακριβούς άρδευσης, βασισμένες σε χωρικά δεδομένα από διαφορετικές πηγές, π.χ. δίκτυα μετεωρολογικών σταθμών, δεδομένα τηλεπισκόπησης, και μετρήσεις πεδίου. Ένας από τους παράγοντες που επηρεάζουν τον σχεδιασμό και διαχείριση των συστημάτων βέλτιστης άρδευσης είναι η ημερήσια δυνητική εξατμοδιαπνοή (ΡΕΤ). Μια συνηθισμένη προσέγγιση είναι η την εκτίμηση της ημερήσιας ΡΕΤ της αντιπροσωπευτικής ημέρας κάθε μήνα, στη διάρκεια της αρδευτικής περιόδου. Στην παρούσα μελέτη, παρουσιάζεται η εφαρμογή της πρόσφατα εισηγμένης μη παραμετρικής μεθοδολογίας BSS (bilinear surface smoothing) για τη χωρική παρεμβολή της ημερήσιας ΡΕΤ. Η περιοχή μελέτης είναι η πεδιάδα της Άρτας, η οποία βρίσκεται στην περιοχή της Ηπείρου στη ΒΔ Ελλάδα. Η ημερήσια ΡΕΤ εκτιμήθηκε με βάση τη μεθοδολογία FAO Penman-Monteith, με δεδομένα που συλλέχθηκαν από ένα δίκτυο έξι αγρομετεωρολογικών σταθμών, που εγκαταστάθηκαν στις αρχές του 2015 σε επιλεγμένες θέσεις της περιοχής μελέτης. Για λόγους διερεύνησης, παράξαμε χάρτες για τις Ιουλιανές ημέρες 105, 135, 162, 199, 229 και 259, καλύπτοντας έτσι την πλήρη αρδευτική περίοδο του 2015. Ακόμη, σε κάθε σταθμό έγιναν συγκρίσεις και επαληθεύσεις έναντι της υπολογισθείσας, με τη μέθοδο FAO Penman-Monteith, PET, με χρήση της BSS και μια κοινά εφαρμοζόμενης μεθόδου παρεμβολής, ήτοι της μεθόδου των αντίστροφων αποστάσεων (IDW). Κατά τη διάρκεια της διαδικασία επαλήθευσης, με απομάκρυνση ενός σταθμού κάθε φορά, η μέθοδος BSS παρήγαγε πολύ καλά αποτελέσματα, υπερβαίνοντας IDW. Δεδομένης της απλότητας της BSS, η ολική της επίδοση είναι ικανοποιητική, παρέχοντας χάρτες που αντιπροσωπεύουν τη χωρική και χρονική μεταβολή της ημερήσιας ΡΕΤ.

    Πλήρες κείμενο: http://www.itia.ntua.gr/el/getfile/1776/1/documents/EW_2017_59_41_2HOxTxv.pdf (4259 KB)

    Βλέπε επίσης: http://ewra.net/ew/pdf/EW_2017_59_41.pdf

    Άλλες εργασίες που αναφέρονται σ' αυτή την εργασία: Δείτε τις στο Google Scholar ή στο ResearchGate

    Άλλες εργασίες που αναφέρονται σ' αυτή την εργασία (αυτός ο κατάλογος μπορεί να μην είναι ενημερωμένος):

    1. Ndiaye, P. M., A. Bodian, L. Diop, A. Deme, A. Dezetter, K. Djaman, and A. Ogilvie, Trend and sensitivity analysis of reference evapotranspiration in the Senegal river basin using NASA meteorological data, Water, 12(7), 1957, doi:10.3390/w12071957, 2020.
    2. Ndiaye, P. M., A. Bodian, L. Diop, A. Dezetter, E. Guilpart, A. Deme, and A. Ogilvie, Future trend and sensitivity analysis of evapotranspiration in the Senegal River Basin, Journal of Hydrology: Regional Studies, 35, 100820, doi:10.1016/j.ejrh.2021.100820, 2021.
    3. Dimitriadou S., and K. G. Nikolakopoulos, Reference evapotranspiration (ETo) methods implemented as ArcMap models with remote-sensed and ground-based inputs, examined along with MODIS ET, for Peloponnese, Greece, ISPRS International Journal of Geo-Information, 10(6), 390, doi:10.3390/ijgi10060390, 2021.
    4. #Dimitriadou, S., and K. G. Nikolakopoulos, Development of GIS models via optical programming and python scripts to implement four empirical methods of reference and actual evapotranspiration (ETo, ETa) incorporating MODIS LST inputs, Proc. SPIE 11856, Remote Sensing for Agriculture, Ecosystems, and Hydrology XXIII, 118560K, doi:10.1117/12.2597724, 2021.
    5. Dimitriadou, S., and K. G. Nikolakopoulos, Evapotranspiration trends and interactions in light of the anthropogenic footprint and the climate crisis: A review, Hydrology, 8(4), 163, doi:10.3390/hydrology8040163, 2021.
    6. Dimitriadou, S., and K. G. Nikolakopoulos, Artificial neural networks for the prediction of the reference evapotranspiration of the Peloponnese Peninsula, Greece, Water, 14(13), 2027, doi:10.3390/w14132027, 2022.

  1. K. Risva, D. Nikolopoulos, A. Efstratiadis, and I. Nalbantis, A simple model for low flow forecasting in Mediterranean streams, European Water, 57, 337–343, 2017.

    [Φειδωλό μοντέλο για την πρόβλεψη των χαμηλών ροών σε Mεσογειακά υδατορεύματα]

    Η περίοδος χαμηλών απορροών ενός ποταμού εμφανίζεται συνήθως εποχιακά στις ξηρές περιόδους και συχνά συνοδεύεται από αυξημένες ανάγκες σε νερό. Λόγω της περιορισμένης διαθεσιμότητας, συχνά προκαλεί ποικίλα διαχειριστικά προβλήματα. Η εργασία στοχεύει στην υλοποίηση αποτελεσματικών και επιχειρησιακά εφαρμόσιμων εργαλείων για την πρόβλεψη χαμηλών ροών. Η μεθοδολογία βασίζεται στην υιοθέτηση μοντέλου με μορφή εκθετικής μείωσης για την καμπύλη στείρευσης. Ως τιμή εκκίνησης χρησιμοποιείται ένα στατιστικό χαρακτηριστικό των ροών προ της ξηρής περιόδου. Ο ρυθμός στείρευσης εκφράζεται ως γραμμική συνάρτηση της τιμής εκκίνησης. Οι παράμετροι της συνάρτησης είναι σταθερές στο χρόνο και βαθμονομούνται σε δεδομένα που αντι-προσωπεύουν την συνιστώσα των χαμηλών ροών στα ολικά υδρογραφήματα. Χρησιμοποιούνται ημερήσιες χρονοσειρές από τον Αχελώου στην Ελλάδα, τον Ξερό και τη Περιστερώνα στην Κύπρο και τον Salso στην Ιταλία. Τα ολικά υδρογραφήματα φιλτράρονται με τεχνικές επεξεργασίας σήματος ώστε να αφαιρεθεί η επίδραση των πλημμυρικών γεγονότων κατά τις ξηρές περιόδους. Τα αποτελέσματα υποδεικνύουν ότι είναι δυνατόν να προκύψουν ικανοποιητικές προβλέψεις χαμηλών ροών για Mεσογειακές λεκάνες με διαφορετικό υδρολογικό καθεστώς.

    Πλήρες κείμενο: http://www.itia.ntua.gr/el/getfile/1753/1/documents/EW_2017_57_47.pdf (859 KB)

    Βλέπε επίσης: http://www.ewra.net/ew/pdf/EW_2017_57_47.pdf

  1. A. Tegos, N. Malamos, A. Efstratiadis, I. Tsoukalas, A. Karanasios, and D. Koutsoyiannis, Parametric modelling of potential evapotranspiration: a global survey, Water, 9 (10), 795, doi:10.3390/w9100795, 2017.

    [Παραμετρικό μοντέλο δυνητικής εξατμοδιαπνοής: μια παγκόσμια έρευνα]

    Παρουσιάζουμε και επαληθεύουμε ένα παγκόσμιο παραμετρικό μοντέλο δυνητικής εξατμοδιαπνοής (ΡΕΤ) δύο παραμέτρων, οι οποίες εκτιμώνται μέσω βαθμονόμησης, χρησμοποιώντας ως επεξηγηματικές μεταβλητές τη θερμοκρασία και εξωγήινη ακτινοβολία. Το μοντέλο αι η διαδικασία εκτίμησης των παραμέτρων του ελέγχονται σε όλο τον πλανήτη, με χρήση της βάσης δεδομένων FAO CLIMWAT που παρέχει μέσες μηνιαίες τιμές των μετεωρολογικών εισόδων σε 4300 θέσεις παγκοσμίως. Μια προκαταρκτική ανάλυση των δεδομένων αυτών επέτρεψε την εξήγηση των κύριων μηχανισμών της ΡΕΤ παγοσμίως και εποχιακά. Στη συνέχεια , αναπτύξαμε ένα εργαλείο αυτόματης βελτιστοποίησης για τη βαθμονόμηση του μοντέλου και την παραγωγή σημειακών εκτιμήσεων της δυνητικής εξατμοδιαπνοής έναντι εκτιμήσεων με τη μέθοδο Penman-Monteith. Επίσης, πραγματοποιήσαμε εκτενείς αναλύσεις των δεδομένων εισόδου και εξόδου του μοντέλου, περιλαμβανομένης και της παραγωγής παγκόσμιων χαρτών των βελτιστοποιημένων παραμέτρων και σχετικών μέτρων επίδοσης. Ακόμη, εφαρμόσαμε τιμές των βελτιστοποιημένων παραμέτρων από παρεμβολή για να επαληθεύσουμε την προγνωστική ιακνότητα του μοντέλου μας έναντι μηνιαίων μετεωρολογικών χρονοσειρών, σε διάφορους σταθμούς στον κόσμο. Τα αποτελέσματα είναι πολύ ενθαρρυντικά, καθώς ακόμα και με τη χρήση περιληπτικής λκλιματικής πληροφορίας για τη βαθμονόμηση του μοντέλου και τη χρήση παραμέτρων από παρεμβολή ως τοπικών εκτιμητριών, το μοντέλο γενικά εξασφαλίζει αξιόπιστες εκτιμήσεις της ΡΕΤ. Σε κάποιες περιπτώσεις το μοντέλο έχει φτωχή συμπεριφορά ως προς την εκτίμηση της ΡΕΤ αναφοράς, λόγω μη ομαλών αλληλεπιδράσεων μεταξύ της θερμοκρασίας και εξωγήινης ακτινοβολίας, καθώς και επειδή οι σχετικές διεργασίες επηρεάζονται από επιπρόσθετα αίτια, π.χ. τη σχετική υγρασία και την ταχύτητα ανέμου. Ωστόσο, η ανάλυση των υπολοίπων έδειξε ότι το μοντέλο είναι συνεπές σε όρους ετίμησης παραμέτρων και εαλήθευσης. Οι εξαγόμενοι χάρτες παραμέτρων επιτρέπουν την άμεση χρήση του παραμετρικού μοντέλου οπουδήποτε στον κόσμο, παρέχοντας εκτιμήσεις της ΡΕΤ στην περίπτωση ελλιπών δεδομένων, που μποτούν να βελτιωθούν περαιτέρων με τη χρήση ενός μετεωρολογικών δειγμάτων μικρού μήκους.

    Πλήρες κείμενο: http://www.itia.ntua.gr/el/getfile/1738/2/documents/water-09-00795.pdf (6428 KB)

    Συμπληρωματικό υλικό:

    Βλέπε επίσης: http://www.mdpi.com/2073-4441/9/10/795

    Άλλες εργασίες που αναφέρονται σ' αυτή την εργασία: Δείτε τις στο Google Scholar ή στο ResearchGate

    Άλλες εργασίες που αναφέρονται σ' αυτή την εργασία (αυτός ο κατάλογος μπορεί να μην είναι ενημερωμένος):

    1. Elferchichi, A., G. A. Giorgio, N. Lamaddalena, M. Ragosta, and V. Telesca, Variability of temperature and its impact on reference evapotranspiration: the test case of the Apulia region (Southern Italy), Sustainability, 9(12), 2337, doi:10.3390/su9122337, 2017.
    2. Li, M., R. Chu, S. Shen, and A. R. T. Islam, Quantifying climatic impact on reference evapotranspiration trends in the Huai River Basin of Eastern China, Water, 10(2), 144, doi:10.3390/w10020144, 2018.
    3. Yan, N., F. Tian, B. Wu, W. Zhu, and M. Yu, Spatiotemporal analysis of actual evapotranspiration and its causes in the Hai basin, Remote Sensing, 10(2), 332; doi:10.3390/rs10020332, 2018.
    4. Li, M., R. Chu, A.R.M.T. Islam, and S. Shen, Reference evapotranspiration variation analysis and its approaches evaluation of 13 empirical models in sub-humid and humid regions: A case study of the Huai River Basin, Eastern China, Water, 10(4), 493, doi:10.3390/w10040493, 2018.
    5. Hao, X., S. Zhang, W. Li, W. Duan, G. Fang, Y. Zhang , and B. Guo, The uncertainty of Penman-Monteith method and the energy balance closure problem, Journal of Geophysical Research – Atmospheres, 123(14), 7433-7443, doi:10.1029/2018JD028371, 2018.
    6. Giménez, P. O., and S. G. García-Galiano, Assessing Regional Climate Models (RCMs) ensemble-driven reference evapotranspiration over Spain, Water, 10(9), 1181, doi:10.3390/w10091181, 2018.
    7. Storm, M. E., R. Gouws, and L. J. Grobler, Novel measurement and verification of irrigation pumping energy conservation under incentive-based programmes, Journal of Energy in Southern Africa, 29(3), 10–21, doi:10.17159/2413-3051/2018/v29i3a3058, 2018.
    8. Tam, B. Y., K. Szeto, B. Bonsal, G. Flato, A. J. Cannon, and R. Rong, CMIP5 drought projections in Canada based on the Standardized Precipitation Evapotranspiration Index, Canadian Water Resources Journal, 44(1), 90-107, doi:10.1080/07011784.2018.1537812, 2019.
    9. Dalezios, N. R., N. Dercas, A. Blanta, and I. N. Faraslis, Remote sensing in water balance modelling for evapotranspiration at a rural watershed in Central Greece, International Journal of Sustainable Agricultural Management and Informatics, 4(3-4), 306-337, doi:10.1504/IJSAMI.2018.099219, 2019.
    10. Gan, G., Y. Liu, X. Pan, X. Zhao, M. Li, and S. Wang, Testing the symmetric assumption of complementary relationship: A comparison between the linear and nonlinear advection-aridity models in a large ephemeral lake, Water, 11(8), 1574, doi:10.3390/w11081574, 2019.
    11. Zhang, T., Y. Chen, and K. Tha Paw U, Quantifying the impact of climate variables on reference evapotranspiration in Pearl River Basin, China, Hydrological Sciences Journal, 64(16), 1944-1956, doi:10.1080/02626667.2019.1662021, 2019.
    12. Hua, D., X. Hao, Y. Zhang, and J. Qin, Uncertainty assessment of potential evapotranspiration in arid areas, as estimated by the Penman-Monteith method, Journal of Arid Land, 12, 166–180, doi:10.1007/s40333-020-0093-7, 2020.
    13. Shirmohammadi-Aliakbarkhani, Z., and S. F. Saberali, Evaluating of eight evapotranspiration estimation methods in arid regions of Iran, Agricultural Water Management, 239, 106243, doi:10.1016/j.agwat.2020.106243, 2020.
    14. Kim, C.-G., J. Lee, J. E. Lee, and H. Kim, Evaluation of improvement effect on the spatial-temporal correction of several reference evapotranspiration methods, Journal of Korea Water Resources Association, 53(9), 701-715, doi:10.3741/JKWRA.2020.53.9.701, 2020.
    15. Gui, Y., Q. Wang, Y. Zhao, Y. Dong, H. Li, S. Jiang, X. He, and K. Liu, Attribution analyses of reference evapotranspiration changes in China incorporating surface resistance change response to elevated CO2, Journal of Hydrology, 599, 126387, doi:10.1016/j.jhydrol.2021.126387, 2021.
    16. Mohanasundaram, S., M. M. Mekonnen, E. Haacker, C. Ray, S. Lim, and S. Shrestha, An application of GRACE mission datasets for streamflow and baseflow estimation in the Conterminous United States basins, Journal of Hydrology, 601, 126622, doi:10.1016/j.jhydrol.2021.126622, 2021.
    17. Gentilucci, M., M. Bufalini, M. Materazzi, M. Barbieri, D. Aringoli, P. Farabollini, and G. Pambianchi, Calculation of potential evapotranspiration and calibration of the Hargreaves equation using geostatistical methods over the last 10 years in Central Italy, Geosciences, 11(8), 348, doi:10.3390/geosciences11080348, 2021.
    18. Dos Santos, A. A., J. L. M. de Souza, and S. L. K. Rosa, Evapotranspiration with the Moretti-Jerszurki-Silva model for the Brazilian subtropical climate, Hydrological Sciences Journal, 66(16), 2267-2279, doi:10.1080/02626667.2021.1988610, 2021.
    19. Stefanidis, S., and V. Alexandridis, Precipitation and potential evapotranspiration temporal variability and their relationship in two forest ecosystems in Greece, Hydrology, 8(4), 160, doi:10.3390/hydrology8040160, 2021.
    20. Saggi, M. K., and S. A. Jain, Survey towards decision support system on smart irrigation scheduling using machine learning approaches, Archives of Computational Methods in Engineering, 29, 4455-4478, doi:10.1007/s11831-022-09746-3, 2022.
    21. Urban, G., L. Kuchar, M. Kępińska-Kasprzak, and E. Z. Łaszyca, A climatic water balance variability during the growing season in Poland in the context of modern climate change, Meteorologische Zeitschrift, 31(5), 349-365, doi:10.1127/metz/2022/1128, 2022.
    22. Hajek, O. L., and A. K. Knapp, Shifting seasonal patterns of water availability: ecosystem responses to an unappreciated dimension of climate change, New Phytologist, 233(1), 119-125, doi:10.1111/nph.17728, 2022.
    23. Al-Asadi, K., A. A. Abbas, A. S. Dawood, and J. G. Duan, Calibration and modification of the Hargreaves–Samani equation for estimating daily reference evapotranspiration in Iraq, Journal of Hydrologic Engineering, 28(5), doi:10.1061/JHYEFF.HEENG-5877, 2023.
    24. Islam, S., and A. K. M. R. Alam, Quantifying spatiotemporal variation of reference evapotranspiration and its contributing climatic factors in Bangladesh during 1981–2018, Russian Meteorology and Hydrology, 48(3), 253-266, doi:10.3103/S1068373923030081, 2023.
    25. Stefanidis, S., A. Tegos, and V. Alexandridis, How has aridity changed at a fir (Abies Borisii-Regis) forest site in Central Greece during the past six decades? Environmental Sciences Proceedings, 26(1), 121, doi:10.3390/environsciproc2023026121, 2023.
    26. Maas, E. D.v.L., and R. A. Lal, A case study of the RothC soil carbon model with potential evapotranspiration and remote sensing model inputs, Remote Sensing Applications: Society and Environment, 29, 100876, doi:10.1016/j.rsase.2022.100876, 2023.

  1. K. Papoulakos, G. Pollakis, Y. Moustakis, A. Markopoulos, T. Iliopoulou, P. Dimitriadis, D. Koutsoyiannis, and A. Efstratiadis, Simulation of water-energy fluxes through small-scale reservoir systems under limited data availability, Energy Procedia, 125, 405–414, doi:10.1016/j.egypro.2017.08.078, 2017.

    [Προσομοίωση ροών νερού και ενέργειας μέσω συστημάτων ταμιευτήρων μικρής κλίμακας υπό περιορισμένη διαθεσιμότητα δεδομένων]

    Παρουσιάζεται μια στοχαστική προσέγγιση που λαμβάνει υπόψη τις αβεβαιότητες των δεδομένων εισόδου σε προσομοιώσεις νερού και ενέργειας. Το στοχαστικό υπόδειγμα, το οποίο επιτρέπει την ποσοτικοποίηση της εγγενούς αβεβαιότητας των υδρομετεωρολογικών διεργασιών, καθίσταται ακόμα πιο κρίσιμο στην περίπτωση ελλιπούς ή ανεπαρκούς πληροφορίας. Το σχήμα μας χρησιμοποιεί απλοποιημένα εννοιολογικά μοντέλα, τα οποία υπόκεινται σε σημαντικές αβεβαιότητες, ώστε να παράξει τα δεδομένα εισόδου του συνολικού προβλήματος προσομοίωσης. Η μεθοδολογία ελέγχεται σε ένα υποθετικό υβριδικό σύστημα ανανεώσιμης ενέργειας ενός μικρού νησιού του Αιγαίου, ήτοι της Αστυπάλαιας, που περιλαμβάνει έναν ταμιευτήρα με δυνατότητα αντλησιοταμίευσης, που εξυπηρετεί πολλαπλές χρήσεις νερού, όπου τόσο οι εισροές όσο και οι ζητήσεις νερού αντιμετωπίζονται ως τυχαίες μεταβλητές, ως συνέπεια των στοχαστικών δεδομένων εισόδου και παραμέτρων τους.

    Σχετικές εργασίες:

    • [117] Πρόδρομη παρουσίαση σε συνέδριο της EGU

    Πλήρες κείμενο: http://www.itia.ntua.gr/el/getfile/1732/1/documents/energy_proc_paper.pdf (2324 KB)

    Άλλες εργασίες που αναφέρονται σ' αυτή την εργασία: Δείτε τις στο Google Scholar ή στο ResearchGate

    Άλλες εργασίες που αναφέρονται σ' αυτή την εργασία (αυτός ο κατάλογος μπορεί να μην είναι ενημερωμένος):

    1. Pouliasis, G., G. A. Torres-Alves, and O. Morales-Napoles, Stochastic modeling of hydroclimatic processes using vine copulas, Water, 13(16), 2156, doi:10.3390/w13162156, 2021.

  1. P. Dimitriadis, A. Tegos, A. Oikonomou, V. Pagana, A. Koukouvinos, N. Mamassis, D. Koutsoyiannis, and A. Efstratiadis, Comparative evaluation of 1D and quasi-2D hydraulic models based on benchmark and real-world applications for uncertainty assessment in flood mapping, Journal of Hydrology, 534, 478–492, doi:10.1016/j.jhydrol.2016.01.020, 2016.

    [Συγκριτική αξιολόγηση μονοδιάστατων και ψευδο-διδιάστατων υδραυλικών μοντέλων με βάση θεωρητικές και πραγματικές εφαρμογές για την εκτίμηση της αβεβαιότητας στην αποτύπωση των πλημμυρών]

    Τα μονοδιάστατα και ψευδο-διδιάστατα υδραυλικά μοντέλα που είναι ελεύθερα διαθέσιμα (HEC-RAS, LISFLOOD-FP και FLO-2d) χρησιμοποιούναι ευρέως στην αποτύπωση της πλημμυρικής κατάκλυσης. Τα μοντέλα αυτά ελέγχονται σε ένα θεωρητικό πρόβλημα αναφοράς, θεωρώντας μια μικτή ορθογωνική-τριγωνική διατομή καναλιού. Εφαρμόζοντας μια προσέγγιση Monte-Carlo, υλοποιούμε εκτενείς αναλύσεις ευαισθησίας, μεταβάλλοντας ταυτόχρονα την παροχή εισόδου, την κατά μήκος και την εγκάρσια κλίση, τον συντελεστή τραχύτητας καθώς και το μέγεθος φατνίου του υπολογιστικού κανάβου. Με βάση στατιστικές αναλύσεις των τριών μεταβλητών εξόδου ενδιαφέροντος, δηλαδή του βάθους ροής στις θέσεις εισροής και εκροής, και τον συνολικό πλημμυρικό όγκο, διερευνούμε την αβεβαιότητα που εμπεριέχεται σε διαφορετικές διαμορφώσεις του μοντέλου και των συνθηκών ροής, χωρίς την επίδραση σφαλμάτων και άλλων παραδοχών σχετικών με την τοπογραφία, τη γεωμετρία του αγωγού και τις οριακές συνθήκες. Ακόμη, εκτιμούμε την αβεβαιότητα που σχετίζεται με κάθε μεταβλητή εισόδου, την οποία συγκρίνουμε με την ολική αβεβαιότητα. Τα συμπεράσματα των θεωρητικών αναλύσεων διαφωτίζονται επιπλέον με την εφαρμογή των τριών μοντέλων σε πραγματικά προβλήματα διόδευσης πλημμύρας, στο πλαίσιο δύο ιδιαίτερα απαιτητικών μελετών περίπτωσης στην Ελλάδα.

    Άλλες εργασίες που αναφέρονται σ' αυτή την εργασία: Δείτε τις στο Google Scholar ή στο ResearchGate

    Άλλες εργασίες που αναφέρονται σ' αυτή την εργασία (αυτός ο κατάλογος μπορεί να μην είναι ενημερωμένος):

    1. Apel, H., O. Martínez Trepat, N. N. Hung, D. T. Chinh, B. Merz, and N. V. Dung, Combined fluvial and pluvial urban flood hazard analysis: concept development and application to Can Tho city, Mekong Delta, Vietnam, Natural Hazards and Earth System Sciences, 16, 941-961, doi:10.5194/nhess-16-941-2016, 2016.
    2. Papaioannou , G., A. Loukas, L. Vasiliades, and G. T. Aronica, Flood inundation mapping sensitivity to riverine spatial resolution and modelling approach, Natural Hazards, 83, 117-132, doi:10.1007/s11069-016-2382-1, 2016.
    3. #Santillan, J. R., A. M. Amora, M. Makinano-Santillan, J. T. Marqueso, L. C. Cutamora, J. L. Serviano, and R. M. Makinano, Assessing the impacts of flooding caused by extreme rainfall events through a combined geospatial and numerical modeling approach, The International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences, Vol. XLI-B8, 2016, XXIII ISPRS Congress, Prague, doi:10.5194/isprs-archives-XLI-B8-1271-2016, 2016.
    4. Cheviron, B. and R. Moussa, Determinants of modelling choices for 1-D free-surface flow and morphodynamics in hydrology and hydraulics: a review, Hydrology and Earth System Sciences, 20, 3799-3830, doi:10.5194/hess-20-3799-2016, 2016.
    5. Anees, M.T., K. Abdullah, M.N.M. Nawawi, N. N. N. Ab Rahman, A. R. Mt. Piah, N. A. Zakaria, M.I. Syakir, and A.K. Mohd. Omar, Numerical modeling techniques for flood analysis, Journal of African Earth Sciences, 124, 478–486, doi:10.1016/j.jafrearsci.2016.10.001, 2016.
    6. Skublics, D., G. Blöschl, and P. Rutschmann, Effect of river training on flood retention of the Bavarian Danube, Journal of Hydrology and Hydromechanics, 64(4), 349-356, doi:10.1515/johh-2016-0035, 2016.
    7. Doong, D.-J., W. Lo, Z. Vojinovic, W.-L. Lee, and S.-P. Lee, Development of a new generation of flood inundation maps—A case study of the coastal City of Tainan, Taiwan, Water, 8(11), 521, doi:10.3390/w8110521, 2016.
    8. #Cartaya, S., and R. Mantuano-Eduarte, Identificación de zonas en riesgo de inundación mediante la simulación hidráulica en un segmento del Río Pescadillo, Manabí, Ecuador, Revista de Investigación, 40(89), 158-170, 2016.
    9. Javadnejad, F., B. Waldron, and A. Hill, LITE Flood: Simple GIS-based mapping approach for real-time redelineation of multifrequency floods, Natural Hazards Review, 18(3), doi:10.1061/(ASCE)NH.1527-6996.0000238, 2017.
    10. Shrestha, A., M. S. Babel, S. Weesakul, and Z. Vojinovic, Developing intensity–duration–frequency (IDF) curves under climate change uncertainty: The case of Bangkok, Thailand, Water, 9(2), 145, doi:10.3390/w9020145, 2017.
    11. Roushangar, K., M. T. Alami, V. Nourani, and A. Nouri, A cost model with several hydraulic constraints for optimizing in practice a trapezoidal cross section, Journal of Hydroinformatics, 19(3), 456-468, doi:10.2166/hydro.2017.081, 2017.
    12. Papaioannou, G., L. Vasiliades, A. Loukas, and G. T. Aronica, Probabilistic flood inundation mapping at ungauged streams due to roughness coefficient uncertainty in hydraulic modelling, Advances in Geosciences, 44, 23-34, doi:10.5194/adgeo-44-23-2017, 2017.
    13. Anees, M. T., K. Abdullah, M. N. M. Nawawi, N. N. N. Ab Rahman, A. R. Mt. Piah, M. I. Syakir, A. K. M. Omar, and K. Hossain, Applications of remote sensing, hydrology and geophysics for flood analysis, Indian Journal of Science and Technology, 10(17), doi:10.17485/ijst/2017/v10i17/111541, 2017.
    14. Fuentes-Andino, D., K. Beven, S. Halldin, C.-Y. Xu, J. E. Reynolds, and G. Di Baldassarre, Reproducing an extreme flood with uncertain post-event information, Hydrology and Earth System Sciences, 21, 3597-3618, doi:10.5194/hess-21-3597-2017, 2017.
    15. #Anees, M. T., K. Abdullah, M. N. M. Nordin, N. N. N. Ab Rahman, M. I. Syakir, and M. O. A. Kadir, One- and two-dimensional hydrological modelling and their uncertainties, Flood Risk Management, T. Hromadka and P. Rao (editors), Chapter 11, doi:10.5772/intechopen.68924, 2017.
    16. #Papaioannou, G., A. Loukas, L. Vasiliades, and G. T. Aronica, Sensitivity analysis of a probabilistic flood inundation mapping framework for ungauged catchments, Proceedings of the 10th World Congress of EWRA “Panta Rhei”, European Water Resources Association, Athens, 2017.
    17. Bangira, T., S. M. Alfieri , M. Menenti, A. van Niekerk, and Z. Vekerdy, A spectral unmixing method with ensemble estimation of endmembers: Application to flood mapping in the Caprivi floodplain, Remote Sensing, 9, 1013, doi:10.3390/rs9101013, 2017.
    18. Carisi, F., A. Domeneghetti, M. G. Gaeta, and A. Castellarin, Is anthropogenic land subsidence a possible driver of riverine flood-hazard dynamics? A case study in Ravenna, Italy, Hydrological Sciences Journal, 62(15), 2440-2455, doi:10.1080/02626667.2017.1390315, 2017.
    19. Podhoranyi, M., P. Veteska, D. Szturcova, L. Vojacek, and A. Portero, A web-based modelling and monitoring system based on coupling environmental models and hydrological-related data, Journal of Communications, 12(6), 340-346, doi:10.12720/jcm.12.6.340-346, 2017.
    20. Bhuyian, N. M., A. Kalyanapu, and F. Hossain, Evaluating conveyance-based DEM correction technique on NED and SRTM DEMs for flood impact assessment of the 2010 Cumberland river flood, Geosciences, 7(4), 132; doi:10.3390/geosciences7040132, 2017.
    21. Zin, W., A. Kawasaki, W. Takeuchi, Z. M. L. T. San, K. Z. Htun, T. H. Aye, and S. Win, Flood hazard assessment of Bago river basin, Myanmar, Journal of Disaster Research, 13(1), 14-21, doi:10.20965/jdr.2018.p0014, 2018.
    22. #Siregar, R. I., Hydraulic modeling of flow impact on bridge structures: a case study on Citarum bridge, IOP Conference Series: Materials Science and Engineering, 309, 012015, doi:10.1088/1757-899X/309/1/012015, 2018.
    23. Miranda, D., R. F. Camacho, S. Lousada, and R. A. Castanho, Hydraulic studies and their influence for regional urban planning: a practical approach to Funchal’s rivers, Revista Brasiliera de Planejamento e Desenvolvimento, 7(1), 145-164, doi:10.3895/rbpd.v7n1.7179, 2018.
    24. Liu, W., and H. Liu, Integrating Monte Carlo and the hydrodynamic model for predicting extreme water levels in river systems, Preprints 2018, 2018030088, doi:10.20944/preprints201803.0088.v1, 2018.
    25. #Indrawan, I., and R. I. Siregar, Analysis of flood vulnerability in urban area: a case study in Deli watershed, Journal of Physics Conference Series, 978(1), 012036, doi:10.1088/1742-6596/978/1/012036, 2018.
    26. #Siregar, R. I., Land cover change impact on urban flood modeling (case study: Upper Citarum watershed), IOP Conference Series: Earth and Environmental Science, 126(1), 012027, doi:10.1088/1755-1315/126/1/012027, 2018.
    27. #Ng, Z. F.., J. I. Gisen, and A. Akbari, Flood inundation modelling in the Kuantan river basin using 1D-2D flood modeller coupled with ASTER-GDEM, IOP Conference Series: Materials Science and Engineering, 318(1), 012024, doi:10.1088/1757-899X/318/1/012024, 2018.
    28. Chang, M.-J., H.-K. Chang, Y.-C. Chen, G.-F. Lin, P.-A. Chen, J.-S. Lai, and Y.-C. Tan, A support vector machine forecasting model for typhoon flood inundation mapping and early flood warning systems, Water, 10, 1734, doi:10.3390/w10121734, 2018.
    29. Dysarz, T., Application of Python scripting techniques for control and automation of HEC-RAS simulations, Water, 10(10):1382, doi:10.3390/w10101382, 2018.
    30. Hdeib, R., C. Abdallah, F. Colin, L. Brocca, and R. Moussa, Constraining coupled hydrological-hydraulic flood model by past storm events and post-event measurements in data-sparse regions, Journal of Hydrology, 565, 160-175, doi:10.1016/j.jhydrol.2018.08.008, 2018.
    31. Tan, F. J., E. J. R. Rarugal, and F. A. A. Uy, One-dimensional (1D) river analysis of a river basin in Southern Luzon Island in the Philippines using Lidar Digital Elevation Model, International Journal of Engineering & Technology, 7(3.7), 29-33, doi:10.14419/ijet.v7i3.7.16200, 2018.
    32. Luo, P., D. Mu, H. Xue, T. Ngo-Duc, K. Dang-Dinh, K. Takara, D. Nover, and G. Schladow, Flood inundation assessment for the Hanoi Central Area, Vietnam under historical and extreme rainfall conditions, Scientific Reports, 8, 12623, doi:10.1038/s41598-018-30024-5, 2018.
    33. Indrawan, I., and R. I. Siregar, Pemodelan Penerapan Terowongan Air (Tunnel) dalam Mengatasi Banjir Akibat Luapan Sungai Deli, Jurnal Teknik Sipil, 25(2), 113-120, doi:10.5614/jts.2018.25.2.4, 2018.
    34. Petroselli, A., M. Vojtek, and J. Vojteková, Flood mapping in small ungauged basins: A comparison of different approaches for two case studies in Slovakia, Hydrology Research, 50(1), 379-392, doi:10.2166/nh.2018.040, 2018.
    35. Agudelo-Otálora, L. M., W. D. Moscoso-Barrera, L. A. Paipa-Galeano, and C. Mesa-Sciarrotta, Comparison of physical models and artificial intelligence for prediction of flood levels, Water Technology and Sciences, 9(4), 209-236, doi:10.24850/j-tyca-2018-04-09, 2018.
    36. Kaya, C. M., G. Tayfur, and O. Gungor, Predicting flood plain inundation for natural channels having no upstream gauged stations, Journal of Water and Climate Change, 10(2), 360-372, doi:10.2166/wcc.2017.307, 2019.
    37. Liu, Z., V. Merwade, and K. Jafarzadegan, Investigating the role of model structure and surface roughness in generating flood inundation extents using 1D and 2D hydraulic models, Journal of Flood Risk Management, 12(1), e12347, doi:10.1111/jfr3.12347, 2019.
    38. Tscheikner-Gratl, F., V. Bellos, A. Schellart, A. Moreno-Rodenas, M. Muthusamy, J. Langeveld, F. Clemens, L. Benedetti, M.A. Rico-Ramirez, R. Fernandes de Carvalho, L. Breuer, J. Shucksmith, G.B.M. Heuvelink, and S. Tait, Recent insights on uncertainties present in integrated catchment water quality modelling, Water Research, 150, 368-379, doi:10.1016/j.watres.2018.11.079, 2019.
    39. Zeleňáková, M., R. Fijko, S. Labant, E. Weiss, G. Markovič, and R. Weiss, Flood risk modelling of the Slatvinec stream in Kružlov village, Slovakia, Journal of Cleaner Production, 212, 109-118, doi:10.1016/j.jclepro.2018.12.008, 2019.
    40. Wang, P., G. Zhang, and H. Leung, Improving super-resolution flood inundation mapping for multispectral remote sensing image by supplying more spectral information, IEEE Geoscience and Remote Sensing Letters, 16(5), 771-775, doi:10.1109/LGRS.2018.2882516, 2019.
    41. Tehrany, M. S., S. Jones, and F. Shabani, Identifying the essential flood conditioning factors for flood prone area mapping using machine learning techniques, Catena, 175, 174-192, doi:10.1016/j.catena.2018.12.011, 2019.
    42. Škarpich, V., T. Galia, S. Ruman, and Z. Máčka, Variations in bar material grain-size and hydraulic conditions of managed and re-naturalized reaches of the gravel-bed Bečva River (Czech Republic), Science of The Total Environment, 649, 672-685, doi:10.1016/j.scitotenv.2018.08.329, 2019.
    43. Yang, Z., K. Yang, L. Su, and H. Hu, The multi-objective operation for cascade reservoirs using MMOSFLA with emphasis on power generation and ecological benefit, Journal of Hydroinformatics, 21(2), 257-278, doi:10.2166/hydro.2019.064, 2019.
    44. Dysarz, T., J. Wicher-Dysarz, M. Sojka, and J. Jaskuła, Analysis of extreme flow uncertainty impact on size of flood hazard zones for the Wronki gauge station in the Warta river, Acta Geophysica, 67(2), 661-676, doi:10.1007/s11600-019-00264-8, 2019.
    45. Fleischmann, A., R. Paiva, and W. Collischonn, Can regional to continental river hydrodynamic models be locally relevant? A cross-scale comparison, Journal of Hydrology X, 3, 100027, doi:10.1016/j.hydroa.2019.100027, 2019.
    46. Gyasi-Agyei, Y., Propagation of uncertainties in interpolated rain fields to runoff errors, Hydrological Sciences Journal, 64(5), 587-606, doi:10.1080/02626667.2019.1593989. 2019.
    47. Langat, P. K., L. Kumar, and R. Koech, Identification of the most suitable probability distribution models for maximum, minimum, and mean streamflow, Water, 11, 734, doi:10.3390/w11040734, 2019.
    48. Papaioannou, G., A. Loukas, and L. Vasiliades, Flood risk management methodology for lakes and adjacent areas: The lake Pamvotida paradigm, Proceedings, 7, 21, doi:10.3390/ECWS-3-05825, 2019.
    49. Hosseini, D., M. Torabi, and M. A. Moghadam, Preference assessment of energy and momentum equations over 2D-SKM method in compound channels, Journal of Water Resource Engineering and Management, 6(1), 24-34, 2019.
    50. Oubennaceur, K., K. Chokmani, M. Nastev, Y. Gauthier, J. Poulin, M. Tanguy, S. Raymond, and R. Lhissou, New sensitivity indices of a 2D flood inundation model using Gauss quadrature sampling, Geosciences, 9(5), 220, doi:10.3390/geosciences9050220, 2019.
    51. Pinho, J. L. S., L. Vieira, J. M. P. Vieira, S. Venâncio, N. E. Simões, J. A. Sá Marques, and F. S. Santos, Assessing causes and associated water levels for an urban flood using hydroinformatic tools, Journal of Hydroinformatics, jh2019019, doi:10.2166/hydro.2019.019, 2019.
    52. Saksena, S., V. Merwade, and P. J. Singhofen, Flood inundation modeling and mapping by integrating surface and subsurface hydrology with river hydrodynamics, Journal of Hydrology, 575, 1155-1177, doi:10.1016/j.jhydrol.2019.06.024, 2019.
    53. #Fijko, R., and M., Zelenakova, Verification of the hydrodynamic model of the Slatvinec River in Kružlov, Air and Water Components of the Environment Conference Proceedings, 91-98, Cluj-Napoca, Romania, doi:10.24193/AWC2019_09, 2019.
    54. Luppichini, M., M. Favalli, I. Isola, L. Nannipieri, R. Giannecchini, and M. Bini, Influence of topographic resolution and accuracy on hydraulic channel flow simulations: Case study of the Versilia River (Italy), Remote Sensing, 11(13), 1630, doi:10.3390/rs11131630, 2019.
    55. Liu, Z., and V. Merwade, Separation and prioritization of uncertainty sources in a raster based flood inundation model using hierarchical Bayesian model averaging, Journal of Hydrology, 578, 124100, doi:10.1016/j.jhydrol.2019.124100, 2019.
    56. #Huțanu, E., A. Urzică, L. E. Paveluc, C. C. Stoleriu, and A. Grozavu, The role of hydro-technical works in diminishing flooded areas. Case study: the June 1985 flood on the Miletin River, 16th International Conference on Environmental Science and Technology, Rhodes, 2019.
    57. Chen, Y.-M., C.-H. Liu, H.-J. Shih, C.-H. Chang, W.-B. Chen, Y.-C. Yu, W.-R. Su, and L.-Y. Lin, An operational forecasting system for flash floods in mountainous areas in Taiwan, Water, 11, 2100, doi:10.3390/w11102100, 2019.
    58. Shustikova, I., A. Domeneghetti, J. C. Neal, P. Bates, and A. Castellarin, Comparing 2D capabilities of HEC-RAS and LISFLOOD-FP on complex topography, Hydrological Sciences Journal, 64(14), 1769-1782, doi:10.1080/02626667.2019.1671982, 2019.
    59. Papaioannou, G., G. Varlas, G. Terti, A. Papadopoulos, A. Loukas, Y. Panagopoulos, and E. Dimitriou, Flood inundation mapping at ungauged basins using coupled hydrometeorological-hydraulic modelling: The catastrophic case of the 2006 flash flood in Volos City, Greece, Water, 11, 2328, doi:10.3390/w11112328, 2019.
    60. Liu, W.-C., and H.-M. Liu, Integrating hydrodynamic model and Monte Carlo simulation for predicting extreme water levels in a river system, Terrestrial, Atmospheric & Oceanic Sciences, 30(4), 589-604, doi:10.3319/TAO.2019.01.18.01, 2019.
    61. Costabile, P., C. Costanzo, G. De Lorenzo, and F. Macchione, Is local flood hazard assessment in urban areas significantly influenced by the physical complexity of the hydrodynamic inundation model?, Journal of Hydrology, 580, 124231, doi:10.1016/j.jhydrol.2019.124231, 2020.
    62. Stephens, T. A., and B. P. Bledsoe, Probabilistic mapping of flood hazards: depicting uncertainty in streamflow, land use, and geomorphic adjustment, Anthropocene, 29, 100231, doi:10.1016/j.ancene.2019.100231, 2020.
    63. Papaioannou, G., C. Papadaki, and E. Dimitriou, Sensitivity of habitat hydraulic model outputs to DTM and computational mesh resolution, Ecohydrology, 13(2), e2182, doi:10.1002/eco.2182, 2020.
    64. Saksena, S., S. Dey, V. Merwade, and P. J. Singhofen, A computationally efficient and physically based approach for urban flood modeling using a flexible spatiotemporal structure, Water Resources Research, 56(1), e2019WR025769, doi:10.1029/2019WR025769, 2020.
    65. Annis, A., F. Nardi, E. Volpi, and A. Fiori, Quantifying the relative impact of hydrological and hydraulic modelling parameterizations on uncertainty of inundation maps, Hydrological Sciences Journal, 65(4), 507-523, doi:10.1080/02626667.2019.1709640, 2020.
    66. Syafri, R. R., M. P. Hadi, and S. Suprayogi, Hydrodynamic modelling of Juwana river flooding using HEC-RAS 2D, IOP Conference Series Earth and Environmental Science, 412, 012028, doi:10.1088/1755-1315/412/1/012028, 2020.
    67. Gergeľová, M. B., Ž. Kuzevičová, S. Labant, J. Gašinec, S. Kuzevič, J. Unucka, and P. Liptai, Evaluation of selected sub-elements of spatial data quality on 3D flood event modeling: Case study of Prešov City, Slovakia, Applied Sciences, 10(3), 820, doi:10.3390/app10030820, 2020.
    68. Shaw, J., G. Kesserwani, and P. Pettersson, Probabilistic Godunov-type hydrodynamic modelling under multiple uncertainties: robust wavelet-based formulations, Advances in Water Resources, 137, 103526, doi:10.1016/j.advwatres.2020.103526, 2020.
    69. Li, X., C. Huang, Y. Zhang, J. Pang, and Y. Ma, Hydrological reconstruction of extreme palaeoflood events 9000–8500 a BP in the Danjiang River Valley, tributary of the Danjiangkou Reservoir, China, Arabian Journal of Geosciences, 13, 137, doi:10.1007/s12517-020-5132-3, 2020.
    70. Lousada, S., and L. Loures, Modelling torrential rain flows in urban territories: floods - natural channels (the case study of Madeira island), American Journal of Water Science and Engineering, 6(1), 17-30, doi:10.11648/j.ajwse.20200601.13, 2020.
    71. Pariartha, G., A. Goonetilleke, P. Egodawatta, and H. Mirfenderesk, The prediction of flood damage in coastal urban areas, IOP Conference Series Earth and Environmental Science, 419, 012136, doi:10.1088/1755-1315/419/1/012136, 2020.
    72. Lousada, S., Estudos hidráulicos e a sua influência no planeamento urbano regional: Aplicação prática às Ribeiras do Funchal – Portugal, Revista Americana de Empreendedorismo e Inovação, 2(2), 7-21, 2020.
    73. Gan, B.-R., X.-G. Yang, H.-M. Liao, and J.-W. Zhou, Flood routing process and high dam interception of natural discharge from the 2018 Baige landslide-dammed lake, Water, 12(2), 605, doi:10.3390/w12020605, 2020.
    74. Bellos, V., I. Papageorgaki, I. Kourtis, H. Vangelis, and G. Tsakiris, Reconstruction of a flash flood event using a 2D hydrodynamic model under spatial and temporal variability of storm, Natural Hazards, 101, 711-726, doi:10.1007/s11069-020-03891-3, 2020.
    75. Yalcin, E., Assessing the impact of topography and land cover data resolutions on two-dimensional HEC-RAS hydrodynamic model simulations for urban flood hazard analysis, Natural Hazards, 101, 995-1017, doi:10.1007/s11069-020-03906-z, 2020.
    76. Mateo-Lázaro, J., J. Castillo-Mateo, A. García-Gil, J. A. Sánchez-Navarro, V. Fuertes-Rodríguez, V. Edo-Romero, Comparative hydrodynamic analysis by using two−dimensional models and application to a new bridge, Water, 12(4), 997; doi:10.3390/w12040997, 2020.
    77. Albu, L.-M., A. Enea, M. Iosub, and I.-G. Breabăn, Dam breach size comparison for flood simulations. A HEC-RAS based, GIS approach for Drăcșani lake, Sitna river, Romania, Water, 12(4), 1090, doi:10.3390/w12041090, 2020.
    78. Pal, S., S. Talukdar, and R. Ghosh, Damming effect on habitat quality of riparian corridor, Ecological Indicators, 114, 106300, doi:10.1016/j.ecolind.2020.106300, 2020.
    79. Sarchani, S. K. Seiradakis, P. Coulibaly, and I. Tsanis, Flood inundation mapping in an ungauged basin, Water, 12(6), 1532, doi:10.3390/w12061532, 2020.
    80. Huţanu, E., A. Mihu-Pintilie, A. Urzica, L. E. Paveluc, C. C. Stoleriu, and A. Grozavu, Using 1D HEC-RAS modeling and LiDAR data to improve flood hazard maps’ accuracy: A case study from Jijia floodplain (NE Romania), Water, 12(6), 1624, doi:10.3390/w12061624, 2020.
    81. Fleischmann, A. S., R. C. D. Paiva, W. Collischonn, V. A. Siqueira, A. Paris, D. M. Moreira, F. Papa, A. A. Bitar, M. Parrens, F. Aires, and P. A. Garambois, Trade‐offs between 1D and 2D regional river hydrodynamic models, Water Resources Research, 56(8), e2019WR026812, doi:10.1029/2019WR026812, 2020.
    82. Gralepois, M., What can we learn from planning instruments in flood prevention? Comparative illustration to highlight the challenges of governance in Europe, Water, 12(6), 1841, doi:10.3390/w12061841, 2020.
    83. Rampinelli, C. G., I. Knack, and T. Smith, Flood mapping uncertainty from a restoration perspective: a practical case study, Water, 12(7), 1948, doi:10.3390/w12071948, 2020.
    84. Kalinina, A., M. Spada, D. F. Vetsch, S. Marelli, C. Whealton, P. Burgherr, and B. Sudret, Metamodeling for uncertainty quantification of a flood wave model for concrete dam breaks, Energies, 13(14), 3685, doi:10.3390/en13143685, 2020.
    85. Kitsikoudis, V., B. P. J., Becker, Y. Huismans, P. Archambeau, S. Erpicum, M. Pirotton, and B. Dewals, Discrepancies in flood modelling approaches in transboundary river systems: Legacy of the past or well-grounded choices?, Water Resources Management, 34, 3465-3478, doi:10.1007/s11269-020-02621-5, 2020.
    86. Piacentini, T., C. Carabella, F. Boccabella, S. Ferrante, C. Gregori, V. Mancinelli, A. Pacione, T. Pagliani, and E. Miccadei, Geomorphology-based analysis of flood critical areas in small hilly catchments for civil protection purposes and early warning systems: The case of the Feltrino stream and the Lanciano urban area (Abruzzo, Central Italy), Water, 12(8), 2228, doi:10.3390/w12082228, 2020.
    87. Arseni, M., A. Rosu, M. Calmuc, V. A. Calmuc, C. Iticescu, and L. P. Georgescu, Development of flood risk and hazard maps for the lower course of the Siret river, Romania, Sustainability, 12(16), 6588, doi:10.3390/su12166588, 2020.
    88. Ahmed, M. I., A. Elshorbagy, and A. Pietroniro, A novel model for storage dynamics simulation and inundation mapping in the Prairies, Environmental Modelling & Software, 133, 104850, doi:10.1016/j.envsoft.2020.104850, 2020.
    89. Bellos, V., V. K. Tsakiris, G. Kopsiaftis, and G. Tsakiris, Propagating dam breach parametric uncertainty in a river reach using the HEC-RAS software, Hydrology, 7(4), 72, doi:10.3390/hydrology7040072, 2020.
    90. Demir, V., and A. Ü. Keskin, Obtaining the Manning roughness with terrestrial-remote sensing technique and flood modeling using FLO-2D: A case study Samsun from Turkey, Geofizika, 37, 131-156, doi:10.15233/gfz.2020.37.9, 2020.
    91. Petroselli, A., J. Florek, D. Młyński, L. Książek, and A. Wałęga, New insights on flood mapping procedure: Two case studies in Poland, Sustainability, 12(20), 8454, doi:10.3390/su12208454, 2020.
    92. Beden, N., and A. Ulke Keskin, Flood map production and evaluation of flood risks in situations of insufficient flow data, Natural Hazards, 105, 2381-2408, doi:10.1007/s11069-020-04404-y, 2020.
    93. #Malakeel G. S., K. U. Abdu Rahiman, and S. Vishnudas, Flood risk assessment methods – A review, in: Thomas J., Jayalekshmi B., Nagarajan P. (eds), Current Trends in Civil Engineering. Lecture Notes in Civil Engineering, Vol. 104, Springer, Singapore, doi:10.1007/978-981-15-8151-9_19, 2021.
    94. Musiyam, M., J. Jumadi, Y. A. Wibowo, W. Widiyatmoko, and S. H. Nur Hafida, Analysis of flood-affected areas due to extreme weather in Pacitan, Indonesia, International Journal of GEOMATE, 19(75), 27-34, doi:10.21660/2020.75.25688, 2020.
    95. Ghimire, E., S. Sharma, and N. Lamichhane, Evaluation of one-dimensional and two-dimensional HEC-RAS models to predict flood travel time and inundation area for flood warning system, ISH Journal of Hydraulic Engineering, doi:10.1080/09715010.2020.1824621, 2020.
    96. Lin, X., G. Huang, J. M. Piwowar, X. Zhou, and Y. Zhai, Risk of hydrological failure under the compound effects of instant flow and precipitation peaks under climate change: a case study of Mountain Island Dam, North Carolina, Journal of Cleaner Production, 284, 125305, doi:10.1016/j.jclepro.2020.125305, 2021.
    97. Daksiya, V., P. V. Mandapaka, and E. Y. M. Lo, Effect of climate change and urbanisation on flood protection decision‐making, Journal of Flood Risk Management, 14(1), e12681, doi:10.1111/jfr3.12681, 2021.
    98. Urzică, A., A. Mihu-Pintilie, C. C. Stoleriu, C. I. Cîmpianu, E. Huţanu, C. I. Pricop, and A. Grozavu, Using 2D HEC-RAS modeling and embankment dam break scenario for assessing the flood control capacity of a multi-reservoir system (NE Romania), Water, 13(1), 57, doi:10.3390/w13010057, 2021.
    99. Elhag, M., and N. Yilmaz, Insights of remote sensing data to surmount rainfall/runoff data limitations of the downstream catchment of Pineios River, Greece, Environmental Earth Sciences, 80, 35, doi:10.1007/s12665-020-09289-5, 2021.
    100. Hdeib, R., R. Moussa, F. Colin, and C. Abdallah, A new cost-performance grid to compare different flood modelling approaches, Hydrological Sciences Journal, 66(3), 434-449, doi:10.1080/02626667.2021.1873346, 2021.
    101. Sharma, V. C., and S. K. Regonda, Two-dimensional flood inundation modeling in the Godavari river basin, India – Insights on model output uncertainty, Water, 13(2), 191, doi:10.3390/w13020191, 2021.
    102. Santos, E. D. S., H. S. K. Pinheiro, and H. G. Junior, Height above the nearest drainage to predict flooding areas in São Luiz do Paraitinga, São Paulo, Floresta e Ambiente, 28(2), doi:10.1590/2179-8087-floram-2020-0070, 2021.
    103. Chang, T.-Y., H. Chen, H.-S. Fu, W.-B. Chen, Y.-C. Yu, W.-R. Su, and L.-Y. Lin, An operational high-performance forecasting system for city-scale pluvial flash floods in the southwestern plain areas of Taiwan, Water, 13(4), 405, doi:10.3390/w13040405, 2021.
    104. Naeem, B., M. Azmat, H. Tao, S. Ahmad, M. U. Khattak, S. Haider, S. Ahmad, Z. Khero, and C. R. Goodell, Flood hazard assessment for the Tori levee breach of the Indus river basin, Pakistan, Water; 13(5), 604, doi:10.3390/w13050604, 2021.
    105. Zhu, Y., X. Niu, C. Gu, B. Dai, and L. Huang, A fuzzy clustering logic life loss risk evaluation model for dam-break floods, Complexity, 2021, 7093256, doi:10.1155/2021/7093256, 2021.
    106. #Malakeel, G. S., K. U.Abdu Rahiman, and S. Vishnudas, Flood risk assessment methods—A review, In: Thomas J., Jayalekshmi B., Nagarajan P. (eds), Current Trends in Civil Engineering, Lecture Notes in Civil Engineering, Vol. 104. Springer, Singapore, doi:10.1007/978-981-15-8151-9_19, 2021, 2021.
    107. Liu, W.-C., T.-H. Hsieh, and H.-M. Liu, Flood risk assessment in urban areas of southern Taiwan, Sustainability, 13(6), 3180, doi:10.3390/su13063180, 2021.
    108. Kumar, S., A. Agarwal, V. G. K. Villuri, S. Pasupuleti, D. Kumar, D. R. Kaushal, A. K. Gosain, A. Bronstert, and B. Sivakumar, Constructed wetland management in urban catchments for mitigating floods, Stochastic Environmental Research and Risk Assessment, 35, 2105-2124, doi:10.1007/s00477-021-02004-1, 2021.
    109. Mourato, S., P. Fernandez, F. Marques, A. Rocha, and L. Pereira, An interactive Web-GIS fluvial flood forecast and alert system in operation in Portugal, International Journal of Disaster Risk Reduction, 58, 102201, doi:10.1016/j.ijdrr.2021.102201, 2021.
    110. Dubey, A. K., P. Kumar, V. Chembolu, S. Dutta, R. P. Singh, and A. S. Rajawata, Flood modeling of a large transboundary river using WRF-Hydro and microwave remote sensing, Journal of Hydrology, 598, 126391, doi:10.1016/j.jhydrol.2021.126391, 2021.
    111. de Arruda Gomes, M. M., L. F. de Melo Verçosa, and J. A. Cirilo, Hydrologic models coupled with 2D hydrodynamic model for high-resolution urban flood simulation, Natural Hazards, 108, 3121-3157, doi:10.1007/s11069-021-04817-3, 2021.
    112. Gao, P., W. Gao, and N. Ke, Assessing the impact of flood inundation dynamics on an urban environment, Natural Hazards, 109, 1047-1072, doi:10.1007/s11069-021-04868-6, 2021.
    113. Zhang, X., T. Wang, and B. Duan, Study on the effect of morphological changes of bridge piers on water movement properties, Water Practice and Technology, 16(4), 1421-1433, doi:10.2166/wpt.2021.08, 2021.
    114. Fadilah, S., Istiarto, and D. Legono, Investigation and modelling of the flood control system in the Aerotropolis of Yogyakarta International Airport, IOP Conference Series Materials Science and Engineering, 1173(1), 012015, doi:10.1088/1757-899X/1173/1/012015, 2021.
    115. Baran-Zgłobicka, B., D. Godziszewska, and W. Zgłobicki, The flash floods risk in the local spatial planning (case study: Lublin Upland, E. Poland), Resources, 10(2), 14, doi:10.3390/resources10020014, 2021.
    116. Liang, C.-Y., Y.-H. Wang, G. J.-Y. You, P.-C. Chen, and E. Lo, Evaluating the cost of failure risk: A case study of the Kang-Wei-Kou stream diversion project, Water, 13(20), 2881, doi:10.3390/w13202881, 2021.
    117. Uciechowska-Grakowicz, A., and O. Herrera-Granados, Riverbed mapping with the usage of deterministic and geo-statistical interpolation methods: The Odra River case study, Remote Sensing, 13(21), 4236, doi:10.3390/rs13214236, 2021.
    118. Viquez, S. G., Mesurer le risque d’inondation en ville: Une modélisation sous contraintes, Terrains & Travaux, 38(1), 47-70, doi:10.3917/tt.038.0047, 2021.
    119. Singh G., V. B. S. Chandel, and S. Kahlon, Flood hazard modelling in Upper Mandakini Basin of Uttarakhand, Current World Environment, 16(3), 880-889, doi:10.12944/CWE.16.3.18, 2021.
    120. Liu, J., J. Wang, J. Xiong, W. Cheng, Y. Li, Y. Cao, Y. He, Y. Duan, W. He, and G. Yang, Assessment of flood susceptibility mapping using support vector machine, logistic regression and their ensemble techniques in the Belt and Road region, Geocarto International, doi:10.1080/10106049.2022.2025918, 2022.
    121. Yang, S. Y., C. H. Chang, C. T. Hsu, and S. J. Wu, Variation of uncertainty of drainage density in flood hazard mapping assessment with coupled 1D–2D hydrodynamics model, Natural Hazards, 111, 2297-2315, doi:10.1007/s11069-021-05138-1, 2022.
    122. Yoshida, K., S. Pan, J. Taniguchi, S. Nishiyama, T. Kojima, and T. Islam, Airborne LiDAR-assisted deep learning methodology for riparian land cover classification using aerial photographs and its application for flood modelling, Journal of Hydroinformatics, 24(1), 179-201, doi:10.2166/hydro.2022.134, 2022.
    123. Kasprak, A., P. R. Jackson, E. M. Lindroth, J. W. Lund, and J. R. Ziegeweid, The role of hydraulic and geomorphic complexity in predicting invasive carp spawning potential: St. Croix River, Minnesota and Wisconsin, United States, PLoS ONE, 17(2), e026305, doi:10.1371/journal.pone.0263052, 2022.
    124. Worley, L. C., K. L. Underwood, N. L. V. Vartanian, M. M. Dewoolkar, J. E. Matt, and D. M. Rizzo, Semi‐automated hydraulic model wrapper to support stakeholder evaluation: A floodplain reconnection study using 2D hydrologic engineering center's river analysis system, River Research and Applications, 38(4), 799-809, doi:10.1002/rra.3946, 2022.
    125. Jiang, W., and J. Yu, Impact of rainstorm patterns on the urban flood process superimposed by flash floods and urban waterlogging based on a coupled hydrologic–hydraulic model: a case study in a coastal mountainous river basin within southeastern China, Natural Hazards, 112, 301-326, doi:10.1007/s11069-021-05182-x, 2022.
    126. Mattos, T. S., P. T. S. Oliveira, L. de Souza Bruno, G. A. Carvalho, R. B. Pereira, L. L. Crivellaro, M. C. Lucas, and T. Roy, Towards reducing flood risk disasters in a tropical urban basin by the development of flood alert web application, Environmental Modelling & Software, 151, 105367, doi:10.1016/j.envsoft.2022.105367, 2022.
    127. Papaioannou, G., V. Markogianni, A. Loukas, and E. Dimitriou, Remote sensing methodology for roughness estimation in ungauged streams for different hydraulic/hydrodynamic modeling approaches, Water, 14(7), 1076, doi:10.3390/w14071076, 2022.
    128. Mishra, A., S. Mukherjee, B. Merz, V. P. Singh, D. B. Wright, G. Villarini, S. Paul, D. N. Kumar, C. P. Khedun, D. Niyogi, G. Schumann, and J. R. Stedinger, An overview of flood concepts, challenges, and future directions, Journal of Hydrologic Engineering, 27(6), doi:10.1061/(ASCE)HE.1943-5584.0002164, 2022.
    129. Cea, L., and P. Costabile, Flood risk in urban areas: modelling, management and adaptation to climate change. A review, Hydrology, 9(3), 50, doi:10.3390/hydrology9030050, 2022.
    130. #Karmakar, S., M. A. Sherly, and M. Mohanty, Urban flood risk mapping: A state-of-the-art review on quantification, current practices, and future challenges, Advances in Urban Design and Engineering. Design Science and Innovation, Banerji, P., Jana, A. (eds.), 125-156, Springer, Singapore, doi:10.1007/978-981-19-0412-7_5, 2022.
    131. Kadir, M. A. A., M. R. R. M. A. Zainol, P. Luo, M. Kaamin, and S. N. H. S. Yahya, Advance flood inundation model toward flood nowcasting: A review, International Journal of Nanoelectronics and Materials, 15, 81-100, 2022.
    132. Tegos, A., A. Ziogas, V. Bellos, and A. Tzimas, Forensic hydrology: a complete reconstruction of an extreme flood event in data-scarce area, Hydrology, 9(5), 93, doi:10.3390/hydrology9050093, 2022.
    133. Stephens, T., and B. Bledsoe, Simplified uncertainty bounding: an approach for estimating flood hazard uncertainty, Water, 14(10), 1618, doi:10.3390/w14101618, 2022.
    134. Iroume, J.Y.-A., R. Onguéné, F. Djanna Koffi, A. Colmet-Daage, T. Stieglitz, W. Essoh Sone, S. Bogning, J. M. Olinga Olinga, R. Ntchantcho, J.-C. Ntonga, J.-J. Braun, J.-P. Briquet, and J. Etame, The 21st August 2020 flood in Douala (Cameroon): A major urban flood investigated with 2D HEC-RAS modeling, Water, 14(11), 1768, doi:10.3390/w14111768, 2022.
    135. Jiang, W., J. Yu, Q. Wang, and Q. Yue, Understanding the effects of digital elevation model resolution and building treatment for urban flood modelling, Journal of Hydrology: Regional Studies, 42, 101122, doi:10.1016/j.ejrh.2022.101122, 2022.
    136. Singh, G., V. B. S. Chandel, and S. Kahlon, Flood hazard modelling in Upper Mandakini Basin of Uttarakhand, Current World Environment, 16(3), 880-889, doi:10.12944/CWE.16.3.18, 2022.
    137. Li, Y., D. B. Wright, and Y. Liu, Flood-induced geomorphic change of floodplain extent and depth: A case study of Hurricane Maria in Puerto Rico, Journal of Hydrologic Engineering, 27(10), doi:10.1061/(ASCE)HE.1943-5584.0002199, 2022.
    138. Iroume, J. Y.-A., R. Onguéné, F. Djanna Koffi, A. Colmet-Daage, T. Stieglitz, W. Essoh Sone, S. Bogning, J. M. Olinga Olinga, R. Ntchantcho, J.-C. Ntonga, J.-J. Braun, J.-P. Briquet, and J. Etame, The 21st August 2020 flood in Douala (Cameroon): A major urban flood investigated with 2D HEC-RAS modeling, Water, 14(11), 1768, doi:10.3390/w14111768, 2022.
    139. Ahmad, N. S., and N. A. Ahmad, Propose design of new cross section by using one dimensional HEC-RAS at Maran River, Pahang, Journal of Advancement in Environmental Solution and Resource Recovery, 2(1), 51-59, 2022.
    140. de Sousa, M. M., A. K. Beleño de Oliveira, O. M. Rezende, P. M. Canedo de Magalhães, A. C. Pitzer Jacob, P. C. de Magalhães, and M. G. Miguez, Highlighting the role of the model user and physical interpretation in urban flooding simulation, Journal of Hydroinformatics, 24(5), 976-991, doi:10.2166/hydro.2022.174, 2022.
    141. Kaya, Ç. M., Taşkın Duyarlılık Haritalarının Oluşturulmasında Kullanılan Yöntemler, Turkish Journal of Remote Sensing and GIS, 3(2), 191-209, doi:10.48123/rsgis.1129606, 2022.
    142. Li, Y., D. B. Wright, and Y. Liu, Flood-induced geomorphic change of floodplain extent and depth: a case study of hurricane Maria in Puerto Rico, Journal of Hydrologic Engineering, 27(10), doi:10.1061/(ASCE)HE.1943-5584.0002199, 2022.
    143. Wibowo, Y. A., M. A. Marfai, M. P. Hadi, H. Fatchurohman, L. Ronggowulan and D. A. Arif, Geospatial technology for flood hazard analysis in Comal Watershed, Central Java, Indonesia, IOP Conference Series: Earth and Environmental Science, 1039, 012027, 2022.
    144. Godwin, E., I. Kabenge, A. Gidudu, Y. Bamutaze, and A. Egeru, Differentiated spatial-temporal flood vulnerability and risk assessment in lowland plains in Eastern Uganda, Hydrology, 9(11), 201, doi:10.3390/hydrology9110201, 2022.
    145. Zhou, Y., Z. Wu, H. Xu, and H. Wang, Prediction and early warning method of inundation process at waterlogging points based on Bayesian model average and data-driven, Journal of Hydrology: Regional Studies, 44, 101248, doi:10.1016/j.ejrh.2022.101248, 2022.
    146. de Sousa, M. M., Ο. Μ. Rezende, A. C. P. Jacob, L. B. de França Ribeiro, P. M. C. de Magalhães, G. Maquera, and M. G. Miguez, Flood risk assessment index for urban mobility with the aid of quasi-2D flood model applied to an industrial park in São Paulo, Brazil, Infrastructures, 7(11), 158, doi:10.3390/infrastructures7110158, 2022.
    147. Otmani, A., A. Hazzab, M. Atallah, C. Apollonio, and A. Petroselli, Using volunteered geographic information data for flood mapping – Wadi Deffa El Bayadh Algeria, Journal of Applied Water Engineering and Research, doi:10.1080/23249676.2022.2155716, 2022.
    148. PhamVan, C., and H. Le, Estimation of the daily flow in river basins using the data-driven model and traditional approaches: an application in the Hieu river basin, Vietnam, Water Practice and Technology, 18(1), 215-230, doi:10.2166/wpt.2022.166, 2023.
    149. Worley, L. C., K. L. Underwood, R. M. Diehl, J. E. Matt, K.S. Lawson, R. M. Seigel, and D. M. Rizzo, Balancing multiple stakeholder objectives for floodplain reconnection and wetland restoration, Journal of Environmental Management, 326(A), 116648, doi:10.1016/j.jenvman.2022.116648, 2023.
    150. Xu, K., C. Wang, and L. Bin, Compound flood models in coastal areas: a review of methods and uncertainty analysis, Natural Hazards, 116, 469-496, doi:10.1007/s11069-022-05683-3, 2023.
    151. Daniel, W. B., C. Roth, X. Li, C. Rakowski, T. McPherson, and D. Judi, Extremely rapid, Lagrangian modeling of 2D flooding: A rivulet-based approach, Environmental Modelling & Software, 161, 105630, doi:10.1016/j.envsoft.2023.105630, 2023.
    152. Guirro, M. O., and G. P. Michel, Hydrological and hydrodynamic reconstruction of a flood event in a poorly monitored basin: a case study in the Rolante River, Brazil, Natural Hazards, doi:10.1007/s11069-023-05879-1, 2023.
    153. Kohanpur, A. H., S. Saksena, S. Dey, J. M. Johnson, M. S. Riasi, L. Yeghiazarian, and A. M. Tartakovsky, Urban flood modeling: Uncertainty quantification and physics-informed Gaussian processes regression forecasting, Water Resources Research, 59(3), e2022WR033939, doi:10.1029/2022WR033939, 2023.
    154. Rodas, M., L. Timbe, and L. Campozano, Sensibilidad del coeficiente de Manning en la estimación de los niveles de crecida para el mapeo de inundaciones en un río de la región interandina de Ecuador, Cuadernos de Geografía Revista Colombiana de Geografía, 32(1), doi:10.15446/rcdg.v32n1.94764, 2023.
    155. Wu, S., and Y. Lei, Multiscale flood disaster risk assessment in the Lancang-Mekong river basin: A focus on watershed and community levels, Atmosphere, 14(4), 657, doi:10.3390/atmos14040657, 2023.
    156. Viseh, H., and D. N. Bristow, Residential flood risk in metro Vancouver due to climate change using probability boxes, International Journal of River Basin Management, doi:10.1080/15715124.2023.2200006, 2023.
    157. Moghim, S., M. A. Gharehtoragh, and A. Safaie, Performance of the flood models in different topographies, Journal of Hydrology, 620(A), 129446, doi:10.1016/j.jhydrol.2023.129446, 2023.
    158. Makris, C., Z. Mallios, Y. Androulidakis, and Y. Krestenitis, CoastFLOOD: A high-resolution model for the simulation of coastal inundation due to storm surges, Hydrology, 10(5), 103, doi:10.3390/hydrology10050103, 2023.
    159. Tarpanelli, A., B. Bonaccorsi, M. Sinagra, A. Domeneghetti, L. Brocca, and S. Barbetta, Flooding in the digital twin Earth: The case study of the Enza River levee breach in December 2017, Water, 15(9), 1644, doi:10.3390/w15091644, 2023.
    160. Xafoulis, N., Y. Kontos, E. Farsirotou, S. Kotsopoulos, K. Perifanos, N. Alamanis, D. Dedousis, and K. Katsifarakis, Evaluation of various resolution DEMs in flood risk assessment and practical rules for flood mapping in data-scarce geospatial areas: A case study in Thessaly, Greece, Hydrology, 10(4), 91, doi:10.3390/hydrology10040091, 2023.
    161. da Silva, A. A. C. L., and J. C. Eleutério, Identifying and testing the probability distribution of earthfill dam breach parameters for probabilistic dam breach modeling, Journal of Flood Risk Management, 16(3), e12900, doi:10.1111/jfr3.12900, 2023.
    162. Hajihassanpour, M., G. Kesserwani, P. Pettersson, and V. Bellos, Sampling-based methods for uncertainty propagation in flood modeling under multiple uncertain inputs: Finding out the most efficient choice, Water Resources Research, 59(7), e2022WR034011, doi:10.1029/2022WR034011, 2023.
    163. Biswal, S., B. Sahoo, M. K. Jha, and M. K. Bhuyan, A hybrid machine learning-based multi-dem ensemble model of river cross-section extraction: Implications on streamflow routing, Journal of Hydrology, 625(A), 129951, doi:10.1016/j.jhydrol.2023.129951, 2023.
    164. Wienhold, K. J., D. Li, W. Li, and Z. N. Fang, Flood inundation and depth mapping using unmanned aerial vehicles combined with high-resolution multispectral imagery, Hydrology, 10(8), 158, doi:10.3390/hydrology10080158, 2023.
    165. Aryal, A., and A. Kalra, Application of NEXRAD precipitation data for assessing the implications of low development practices in an ungauged basin, River, doi:10.1002/rvr2.55, 2023.
    166. Bryant, S., H. Kreibich, and B. Merz, Bias in flood hazard grid aggregation, Water Resources Research, 59(9), e2023WR035100, doi:10.1029/2023WR035100, 2023.
    167. Wang, W., G. Sang, Q. Zhao, and L. Lu, Water level prediction of pumping station pre-station based on machine learning methods, Water Supply, doi:10.2166/ws.2023.242, 2023.
    168. Moraru, A., N. Rüther, and O. Bruland, Investigating optimal 2D hydrodynamic modeling of a recent flash flood in a steep Norwegian river using high-performance computing, Journal of Hydroinformatics, doi:10.2166/hydro.2023.012, 2023.

  1. I. Tsoukalas, P. Kossieris, A. Efstratiadis, and C. Makropoulos, Surrogate-enhanced evolutionary annealing simplex algorithm for effective and efficient optimization of water resources problems on a budget, Environmental Modelling and Software, 77, 122–142, doi:10.1016/j.envsoft.2015.12.008, 2016.

    [Εξελικτικός αλγόριθμος ανόπτησης-απλόκου εμπλουτισμένος με υποκατάστατα μοντέλα για αποδοτική και αποτελεσματική βελτιστοποίηση προβλημάτων υδατικών πόρων με περιορισμένο προϋπολογισμό]

    Στα προβλήματα βελτιστοποίησης υδατικών πόρων, η στοχική συνάρτηση συνήθως προϋποθέτει πρώτα να τρέξει ένα μοντέλο προσομοίωσης και στη συνέχεια να αξιολογηθούν τα αποτελέσματά του. Ωστόσο, οι μεγάλοι χρόνοι προσομοίωσης μπορεί να θέσουν πολύ σοβαρά εμπόδια στην παραπάνω διαδικασία. Συχνά, για να παραληφθεί μια λύση σε λογικό χρόνο, ο χρήστης πρέπει να μειώσει δραστικά το επιτρεπόμενο πλήθος αποτιμήσεων της συνάρτησης, τερματίζοντας έτσι την αναζήτηση πολύ νωρίτερα από όσο χρειάζεται. Μια υποσχόμενη στρατηγική για την αντιμετώπιση αυτών των αδυναμιών είναι η χρήση τεχνικών υποκατάστατων μοντέλων. Εδώ εισάγουμε τον εξελικτικό αλγόριθμο ανόπτησης-απλόκου εμπλουτισμένο με υποκατάστατα μοντέλα (Surrogate-Enhanced Evolutionary Annealing-Simplex, SEEAS) που συνδυάζει τα ισχυρά σημεία των υποκατάστατων μοντέλων με την αποτελεσματικότητα και αποδοτικότητα της εξελικτικής μεθόδου ανόπτησης-απλόκου. Ο αλγόριθμος SEEAS συνδυάζει τρεις διαφορετικές προσεγγίσεις βελτιστοποίησης (εξελικτική αναζήτηση, προσομοιωμένη ανόπτηση, και κατερχόμενο άπλοκο). Η επίδοσή του συγκρίνεται με άλλους αλγορίθμους που βασίζονται σε υποκατάστατα, σε διάφορες συναρτήσεις ελέγχου και σε δύο εφαρμογές υδατικών πόρων (βαθμονόμηση μοντέλου, διαχείριση ταμιευτήρων). Τα αποτελέσματα αναδεικνύουν τις σημαντικές δυνατότητες της χρήσης του SEEAS σε απαιτητικά προβλήματα βελτιστοποίησης με περιορισμένο προϋπολογισμό.

    Σχετικές εργασίες:

    • [130] Πρόδρομη παρουσίαση σε συνέδριο της EGU

    Πλήρες κείμενο: http://www.itia.ntua.gr/el/getfile/1587/2/documents/SEEAS_paper.pdf (4310 KB)

    Συμπληρωματικό υλικό:

    Άλλες εργασίες που αναφέρονται σ' αυτή την εργασία (αυτός ο κατάλογος μπορεί να μην είναι ενημερωμένος):

    1. Dariane , A. B., and M. M. Javadianzadeh, Towards an efficient rainfall–runoff model through partitioning scheme, Water, 8, 63, doi:10.3390/w8020063, 2016.
    2. Yaseen, Z. M., O. Jaafar, R. C. Deo, O. Kisi, J. Adamowski, J. Quilty, and A. El-Shafie, Boost stream-flow forecasting model with extreme learning machine data-driven: A case study in a semi-arid region in Iraq, Journal of Hydrology, 542, 603-614, doi:10.1016/j.jhydrol.2016.09.035, 2016.
    3. Müller, R., and N. Schütze, Multi-objective optimization of multi-purpose multi-reservoir systems under high reliability constraints, Environmental Earth Sciences, 75:1278, doi:10.1007/s12665-016-6076-5, 2016.
    4. #Christelis, V., V. Bellos, and G. Tsakiris, Employing surrogate modelling for the calibration of a 2D flood simulation model, Sustainable Hydraulics in the Era of Global Change: Proceedings of the 4th IAHR Europe Congress (Liege, Belgium, 27-29 July 2016), A. S. Erpicum, M. Pirotton, B. Dewals, P. Archambeau (editors), CRC Press, 2016.
    5. Salazar, J. Z., P. M. Reed, J. D. Quinn, M. Giuliani, and A. Castelletti, Balancing exploration, uncertainty and computational demands in many objective reservoir optimization, Advances in Water Resources, 109, 196-210, doi:10.1016/j.advwatres.2017.09.014, 2017.
    6. Christelis, V., and A. Mantoglou, Physics-based and data-driven surrogate models for pumping optimization of coastal aquifers, European Water, 57, 481–488, 2017.
    7. #Thandayutham, K., E. Avital, N. Venkatesan, and A. Samad, Design and analysis of a marine current turbine, Proceedings of ASME 2017 Gas Turbine India Conference and Exhibition, GTINDIA2017-4912, V001T02A014, Bangalore, India, doi:10.1115/GTINDIA2017-4912, 2017.
    8. Christelis, V., R. G. Regis, and A. Mantoglou, Surrogate-based pumping optimization of coastal aquifers under limited computational budgets, Journal of Hydroinformatics, 20(1), 164-176, doi:10.2166/hydro.2017.063, 2018.
    9. Christelis, V., and A. G. Hughes, Metamodel-assisted analysis of an integrated model composition: an example using linked surface water – groundwater models, Environmental Modelling and Software, 107, 298-306, doi:10.1016/j.envsoft.2018.05.004, 2018.
    10. Zischg, A. P., G. Felder, M. Mosimann, V. Röthlisberger, and R. Weingartner, Extending coupled hydrological-hydraulic model chains with a surrogate model for the estimation of flood losses, Environmental Modelling and Software, 108, 174-185, doi:10.1016/j.envsoft.2018.08.009, 2018.
    11. Christelis, V., and A. Mantoglou, Pumping optimization of coastal aquifers using seawater intrusion models of variable-fidelity and evolutionary algorithms, Water Resources Management, 33(2), 555-558, doi:10.1007/s11269-018-2116-0, 2019.
    12. Thandayutham, K., L. K. Mishra, and A. Samad, Optimal design of a marine current turbine using CFD and FEA, Proceedings of the Fourth International Conference in Ocean Engineering (ICOE2018), K. Murali, V. Sriram, A. Samad, N. Saha (editors), Lecture Notes in Civil Engineering, 23, 675-690, doi:10.1007/978-981-13-3134-3, 2019.
    13. Christelis, V., G. Kopsiaftis, and A. Mantoglou, Performance comparison of multiple and single surrogate models for pumping optimization of coastal aquifers, Hydrological Sciences Journal, 64(3), 336-349, doi:10.1080/02626667.2019.1584400, 2019.
    14. Cai, X., L. Gao, X. Li, and H-. Qiu, Surrogate-guided differential evolution algorithm for high dimensional expensive problems, Swarm and Evolutionary Computation, 48, 288-311, doi:10.1016/j.swevo.2019.04.009, 2019.
    15. Huot, P.-L., A. Poulin, C. Audet, and S. Alarie, A hybrid optimization approach for efficient calibration of computationally intensive hydrological models, Hydrological Sciences Journal, 64(9), 1204-1222, doi:10.1080/02626667.2019.1624922, 2019.
    16. Jahandideh-Tehrani, M., O. Bozorg-Haddad, and H. A. Loáiciga, Application of non-animal–inspired evolutionary algorithms to reservoir operation: an overview, Environmental Monitoring and Assessment, 191:439, doi:10.1007/s10661-019-7581-2, 2019.
    17. Sandoval, S., and J.-L. Bertrand-Krajewski, From marginal to conditional probability functions of parameters in a conceptual rainfall-runoff model: an event-based approach, Hydrological Sciences Journal, 64(11), 1340-1350, doi:10.1080/02626667.2019.1635696, 2019.
    18. Zhao, C. S., T. L. Pan, J. Xi, S. T. Yang, J. Zhao, X. J. Gan, L. P. Hou, and S. Y. Ding, Streamflow calculation for medium-to-small rivers in data scarce inland areas, Science of The Total Environment, 693, 133571, doi:10.1016/j.scitotenv.2019.07.377, 2019.
    19. Monteil, C., F. Zaoui, N. Le Moine, and F. Hendrickx, Multi-objective calibration by combination of stochastic and gradient-like parameter generation rules – the caRamel algorithm, Hydrology and Earth System Sciences, 24, 3189-3209, 10.5194/hess-24-3189-2020, 2020.
    20. Muhammed, K. A., and R. Farmani, Energy optimization using a pump scheduling tool in water distribution systems, ARO – The Scientific Journal of Koya University, 8(1), 112-123, doi:10.14500/aro.10635, 2020.
    21. #Castro-Gama M., C. Agudelo-Vera, and D. Bouziotas, A bird’s-eye view of data validation in the drinking water industry of the Netherlands, The Handbook of Environmental Chemistry, Springer, Berlin, Heidelberg, doi:10.1007/698_2020_609, 2020.
    22. Xai, W., C. Shoemaker, T. Akhtar, and M.-T. Nguyen, Efficient parallel surrogate optimization algorithm and framework with application to parameter calibration of computationally expensive three-dimensional hydrodynamic lake PDE models, Environmental Modelling and Software, 135, 104910, doi:10.1016/j.envsoft.2020.104910, 2021.
    23. Saadatpour, M., S. Javaheri, A. Afshar, and S. S. Solis, Optimization of selective withdrawal systems in hydropower reservoir considering water quality and quantity aspects, Expert Systems with Applications, 184, 115474, doi:10.1016/j.eswa.2021.115474, 2021.
    24. Zhao, T., and B. Minsker, Efficient metamodel approach to handling constraints in nonlinear optimization for drought management, Journal of Water Resources Planning and Management, 147(12), doi:10.1061/(ASCE)WR.1943-5452.0001476, 2021.
    25. Anahideh, H., J. Rosenberger, and V. Chen, High-dimensional black-box optimization under uncertainty, Computers & Operations Research, 137, 105444, doi:10.1016/j.cor.2021.105444, 2022.
    26. Pang, M., E. Du, C. A. Shoemaker, and C. Zheng, Efficient, parallelized global optimization of groundwater pumping in a regional aquifer with land subsidence constraints, Journal of Environmental Management, 310, 114753, doi:10.1016/j.jenvman.2022.114753, 2022.
    27. Lu, W., W. Xia, and C. A. Shoemaker, Surrogate global optimization for identifying cost-effective green infrastructure for urban flood control with a computationally expensive inundation model, Water Resources Research, 58(4), e2021WR030928, doi:10.1029/2021WR030928, 2022.
    28. Kopsiaftis, G., M. Kaselimi, E. Protopapadakis, A. Voulodimos, A. Doulamis, N. Doulamis, and A. Mantoglou, Performance comparison of physics-based and machine learning assisted multi-fidelity methods for the management of coastal aquifer systems, Frontiers in Water, 5, 1195029, doi:10.3389/frwa.2023.1195029, 2023.
    29. Christelis, V., G. Kopsiaftis. R. G. Regis, and A. Mantoglou, An adaptive multi-fidelity optimization framework based on co-Kriging surrogate models and stochastic sampling with application to coastal aquifer management, Advances in Water Resources, 180, 104537, doi:10.1016/j.advwatres.2023.104537, 2023.

  1. A. Tegos, A. Efstratiadis, N. Malamos, N. Mamassis, and D. Koutsoyiannis, Evaluation of a parametric approach for estimating potential evapotranspiration across different climates, Agriculture and Agricultural Science Procedia, 4, 2–9, doi:10.1016/j.aaspro.2015.03.002, 2015.

    [Αξιολόγηση παραμετρικής προσέγγισης για εκτίμηση της δυνητικής εξατμοδιαπνοής σε διαφορετικά κλίματα]

    Η δυνητική εξατμοδιαπνοή (ΡΕΤ) είναι καίριο δεδομένο εισόδου των υδρολογικών, αγροτικών και περιβαλλοντικών μοντέλων. Επί πολλές δεκαετίες έχουν προταθεί πολυάριθμες προσεγγίσεις για τη συνεπή εκτίμηση της ΡΕΤ, σε διάφορες χρονικές κλίμακες ενδιαφέροντος. Η πλέον αναγνωρσμένη είναι η εξίσωση Penman-Monteith, που είναι ωστόσο δύσκολο να εφαρμοστεί σε περιοχές φτωχές σε δεδομένα, καθώς απαιτεί ταυτόχρονες παρατηρήσεις τεσσάρων μετεωρολογικών μεταβλητών (θερμοκρασία, διάρκεια ηλιοφάνειας, υγρασία, ταχύτητα ανέμου). Για τον λόγο αυτό, προτιμώνται σαφώς τα φειδωλά μοντέλα με ελάχιστες απαιτήσεις σε δεδομένα. Ως επί το πλείστον, αυτα έχουν αναπτυχθεί και ελεγχθεί για συγκεκριμένςς υδροκλιματικές συνθήκες, όταν ωστόσο εφρμόζονται σε διαφορετικά καθεστώτα παρέχουν πολύ λιγότερο αξιόπιστες (και σε ορισμένες περιπτώσεις παραπλανητικές) εκτιμήσεις. Κατά συνέπεια, είναι αναγκαία η ανάπτυξη γενικών μεθόδων που παραμένου φειδωλές, σε όρους δεδομένων εισόδου και παραμετροποίησης, αλλά επιτρέπουν ακόμη κάποιου είδους τοπική προσαρμογή των παραμέτρων τους, μέσω βαθμονόμησης. Στην εργασία αυτή παρουσιάζουμε μια πρόσφατη παραμετρική σχέση, που βασίζεται σε μια απολοποιημένη διατύπωση της αυθεντικής έκφρασης Penman-Monteith, που τα μόνα δεδομένα που απαιτεί είναι μέσες ημερήσιες ή μέσες μηνιαίες θερμοκρασίες. Η μέθοδος εξιολογείται με χρήση μετεωρολογικών δεδομένων από διαφορετικές περιοχές του κόσμου, τόσο στη ημερήσια όσο και στη μηνιαία κλίμακα. Τα εξαγόμενα αυτή της εκτενούς ανάλυσης είναι πολύ ενθαρρυντικά, όπως προκύπτει από τις εξαιρετικά υψηλές επιδόσεις επαλήθευσης της προτεινόμενης μεθόδου σε όλα τα σύνολα δεδομένων που εξετάζονται. Γενικά, το παραμετρικό μοντέλο υπερτερεί έναντι καταξιωμένων μεθόδων της καθημερινής πρακτικής, καθώς εξασφαλίζει βέλτιστη προσέγγιση της δυνητικής εξατμοδιαπνοής.

    Πλήρες κείμενο: http://www.itia.ntua.gr/el/getfile/1549/1/documents/IRLA_paper.pdf (560 KB)

    Βλέπε επίσης: http://dx.doi.org/10.1016/j.aaspro.2015.03.002

    Άλλες εργασίες που αναφέρονται σ' αυτή την εργασία: Δείτε τις στο Google Scholar ή στο ResearchGate

    Άλλες εργασίες που αναφέρονται σ' αυτή την εργασία (αυτός ο κατάλογος μπορεί να μην είναι ενημερωμένος):

    1. Stan, F.I., G. Neculau, L. Zaharia, G. Ioana-Toroimac, and S. Mihalache, Study on the evaporation and evapotranspiration measured on the Căldăruşani Lake (Romania), Procedia Environmental Sciences, 32, 281–289, doi:10.1016/j.proenv.2016.03.033, 2016.
    2. Esquivel-Hernández, G., R. Sánchez-Murillo, C. Birkel, S. P. Good, and J. Boll, Hydro-climatic and ecohydrological resistance/resilience conditions across tropical biomes of Costa Rica, Ecohydrology, 10(6), e1860, doi:10.1002/eco.1860, 2017.
    3. Hodam, S., S. Sarkar, A.G.R. Marak, A. Bandyopadhyay, and A. Bhadra, Spatial interpolation of reference evapotranspiration in India: Comparison of IDW and Kriging methods, Journal of The Institution of Engineers (India): Series A, 98(4), 551-524, doi:10.1007/s40030-017-0241-z, 2017.
    4. Deng, H., and J. Shao, Evapotranspiration and humidity variations in response to land cover conversions in the Three Gorges Reservoir Region, Journal of Mountain Science, 15(3), 590-605, doi:10.1007/s11629-016-4272-0, 2018.
    5. Nadyozhina, E. D., I. M. Shkolnik, A. V. Sternzat, B. N. Egorov, and A. A. Pikaleva, Evaporation from irrigated lands in arid regions as inferred from the regional climate model and atmospheric boundary layer model simulations, Russian Meteorology and Hydrology, 43(6), 404-411, doi:10.3103/S1068373918060080, 2018.
    6. Bashir, R., F. Ahmad, and R. Beddoe, Effect of climate change on a monolithic desulphurized tailings cover, Water, 2(9), 2645, doi:10.3390/w12092645, 2020.
    7. Dimitriadou, S., and K. G. Nikolakopoulos, Evapotranspiration trends and interactions in light of the anthropogenic footprint and the climate crisis: A review, Hydrology, 8(4), 163, doi:10.3390/hydrology8040163, 2021.
    8. Dimitriadou, S., and K. G. Nikolakopoulos, Artificial neural networks for the prediction of the reference evapotranspiration of the Peloponnese Peninsula, Greece, Water, 14(13), 2027, doi:10.3390/w14132027, 2022.
    9. Yu, Z., H. Wang, B. Weng, S. Zhang, T. Qin, and D. Yan, Optimized pan evaporation by potential evapotranspiration for water inflow estimation in ungauged inland plain lake, China, Polish Journal of Environmental Studies, 31(6), 5427-5442, doi:10.15244/pjoes/151110, 2022.

  1. A. Efstratiadis, I. Nalbantis, and D. Koutsoyiannis, Hydrological modelling of temporally-varying catchments: Facets of change and the value of information, Hydrological Sciences Journal, 60 (7-8), 1438–1461, doi:10.1080/02626667.2014.982123, 2015.

    [Υδρολογική μοντελοποίηση χρονικά μεταβαλλόμενων λεκανών: Όψεις της αλλαγής και η αξία της πληροφορίας]

    Οι λεκάνες απορροής είναι εξ ορισμού μεταβαλλόμενα συστήματα: οι αλλαγές τους είναι εμφανείς σε κάθε χρονική κλίμακα, σε όρους μεταβαλλόμενων μετεωρολογικών εισόδων και χαρακτηριστικών της λεκάνης, ως αποτέλεσμα των εγγενώς αβέβαιων φυσικών διεργασιών και των ανθρωπογενών επεμβάσεων, αντίστοιχα. Στο επιχειρησιακό πλαίσιο, ο απόλυτος στόχος της υδρολογικής μοντελοποίησης είναι η πρόβλεψη των αποκρίσεων της λεκάνης κάτω από συνθήκες που είναι είτε ίδιες ή διαφορετικές από το παρελθόν. Δεδομένου ότι οι μελέτες διαχείρισης υδατικών πόρων προϋποθέτουν ότι οι ανθρωπογενείς συνέπειες θεωρούνται γνωστές και ότι προσομοιώνεται μια μακρά υδρολογική περίοδος, η συνδυασμένη χρήση στοχαστικών μοντέλων, για τη γέννηση των δεδομένων εισόδου, και ντετερμινιστικών μοντέλων, που αναπαριστούν, μεταξύ άλλων, τις επεμβάσεις του ανθρώπου σε τροποποιημένες λεκάνες, έχει αποδειχθεί ότι αποτελεί μια ισχυρή προσέγγιση που παρέχει ρεαλιστικές και στατιστικά συνεπείς προσομοιώσεις (σε όρους παραγωγής ροπών και συσχετίσεων, σε πολλαπλές χρονικές κλίμακες, και της μακροπρόθεσμης εμμονής). Το προτεινόμενο πλαίσιο εξετάζεται στη λεκάνη Ferson Creek, στις ΗΠΑ, η οποία εμφανίζει σημαντική αύξηση της αστικοποίησης στη διάρκεια των τελευταίων 30 ετών. Οι εναλλακτικές ντετερμινιστικές μοντελοποιήσεις περιλαμβάνουν ένα αδιαμέριστο μοντέλο υδατικού ισοζυγίου με μια χρονικά μεταβαλλόμενη παράμετρο και ένα ημι-κατανεμημένο σχήμα που βασίζεται στην έννοια των μονάδων υδρολογικής απόκρισης. Οι είσοδοι και τα σφάλματα του μοντέλου αναπαρίστανται μέσω γραμμικών και μη γραμμικών, αντίστοιχα, στοχαστικών μοντέλων. Το προκύπτον μη γραμμικό στοχαστικό πλαίσιο μεγιστοποιεί την αξιοποίηση της υπάρχουσας πληροφορίας, εκμεταλλευόμενο το πρωτόκολλο βαθμονόμησης που χρησιμοποιεί αυτός ο τόμος.

    Συμπληρωματικό υλικό:

    Βλέπε επίσης: http://dx.doi.org/10.1080/02626667.2014.982123

    Άλλες εργασίες που αναφέρονται σ' αυτή την εργασία: Δείτε τις στο Google Scholar ή στο ResearchGate

    Άλλες εργασίες που αναφέρονται σ' αυτή την εργασία (αυτός ο κατάλογος μπορεί να μην είναι ενημερωμένος):

    1. Thirel, G., V. Andréassian, and C. Perrin, On the need to test hydrological models under changing conditions, Hydrological Sciences Journal, 60(7-8), 1165-1173, doi:10.1080/02626667.2015.1050027, 2015.
    2. Biao, I. E., S. Gaba, A. E. Alamou, and A. Afouda, Influence of the uncertainties related to the random component of rainfall inflow in the Ouémé River Basin (Benin, West Africa), International Journal of Current Engineering and Technology, 5(3), 1618-1629, 2015.
    3. #Christelis, V., and A. Mantoglou, Pumping optimization of coastal aquifers using radial basis function metamodels, Proceedings of 9th World Congress EWRA “Water Resources Management in a Changing World: Challenges and Opportunities”, Istanbul, 2015.
    4. Christelis, V., and A. Mantoglou, Coastal aquifer management based on the joint use of density-dependent and sharp interface models, Water Resources Management, 30(2), 861-876, doi:10.1007/s11269-015-1195-4, 2016.
    5. McMillan, H., A. Montanari, C. Cudennec, H. Savenjie, H. Kreibich, T. Krüger, J. Liu, A. Meija, A. van Loon, H. Aksoy, G. Di Baldassarre, Y. Huang, D. Mazvimavi, M. Rogger, S. Bellie, T. Bibikova, A. Castellarin, Y. Chen, D. Finger, A. Gelfan, D. Hannah, A. Hoekstra, H. Li, S. Maskey, T. Mathevet, A. Mijic, A. Pedrozo Acuña, M. J. Polo, V. Rosales, P. Smith, A. Viglione, V. Srinivasan, E. Toth, R. van Nooyen, and J. Xia, Panta Rhei 2013-2015: Global perspectives on hydrology, society and change, Hydrological Sciences Journal, 61(7), 1174-1191, doi:10.1080/02626667.2016.1159308, 2016.
    6. Biao, I. E., A. E. Alamou, and A. Afouda, Improving rainfall–runoff modelling through the control of uncertainties under increasing climate variability in the Ouémé River basin (Benin, West Africa), Hydrological Sciences Journal, 61(16), 2902-2915, doi:10.1080/02626667.2016.1164315, 2016.
    7. Pathiraja, S., L. Marshall, A. Sharma, and H. Moradkhani, Detecting non-stationary hydrologic model parameters in a paired catchment system using data assimilation, Advances in Water Resources, 94, 103–119, doi:10.1016/j.advwatres.2016.04.021, 2016.
    8. Christelis, V., and A. Mantoglou, Pumping optimization of coastal aquifers assisted by adaptive metamodelling methods and radial basis functions, Water Resources Management, 30(15), 5845–5859, doi:10.1007/s11269-016-1337-3, 2016.
    9. Seibert, J., and I. van Meerveld, Hydrological change modeling: Challenges and opportunities, Hydrological Processes, 30(26), 4966–4971, doi:10.1002/hyp.10999, 2016.
    10. Ceola, S., A. Montanari, T. Krueger, F. Dyer, H. Kreibich, I. Westerberg, G. Carr, C. Cudennec, A. Elshorbagy, H. Savenije, P. van der Zaag, D. Rosbjerg, H. Aksoy, F. Viola, G. Petrucci, K. MacLeod, B. Croke, D. Ganora, L. Hermans, M. J. Polo, Z. Xu, M. Borga, J. Helmschrot, E. Toth, R., A. Castellarin, A. Hurford, M. Brilly, A. Viglione, G. Blöschl, M. Sivapalan, A. Domeneghetti, A. Marinelli, and G. Di Baldassarre, Adaptation of water resources systems to changing society and environment: a statement by the International Association of Hydrological Sciences, Hydrological Sciences Journal, 61(16), 2803-2817, doi:10.1080/02626667.2016.1230674, 2016.
    11. #Christelis, V., V. Bellos, and G. Tsakiris, Employing surrogate modelling for the calibration of a 2D flood simulation model, Sustainable Hydraulics in the Era of Global Change: Proceedings of the 4th IAHR Europe Congress (Liege, Belgium, 27-29 July 2016), A. S. Erpicum, M. Pirotton, B. Dewals, P. Archambeau (editors), CRC Press, 2016.
    12. Nauditt, A., C. Birkel, C. Soulsby, and L. Ribbe, Conceptual modelling to assess the influence of hydroclimatic variability on runoff processes in data scarce semi-arid Andean catchments, Hydrological Sciences Journal, 62(4), 515-532, doi:10.1080/02626667.2016.1240870, 2017.
    13. Sophocleous C., and I. Nalbantis, Effect of land use change on flood extent in the inflow stream of lake Paralimni, Cyprus, European Water, 60, 147-153, 2017.
    14. Tegos, M., I. Nalbantis, and A. Tegos, Environmental flow assessment through integrated approaches, European Water, 60, 167-173, 2017.
    15. Pathiraja, S., D. Anghileri, P. Burlando, A. Sharma, L. Marshall, and H. Moradkhani, Insights on the impact of systematic model errors on data assimilation performance in changing catchments, Advances in Water Resources, 113, 202-222, doi:10.1016/j.advwatres.2017.12.006, 2018.
    16. Salas, J. D., J. Obeysekera, and R. M. Vogel, Techniques for assessing water infrastructure for nonstationary extreme events: a review, Hydrological Sciences Journal, 63(3), 325-352, doi:10.1080/02626667.2018.1426858, 2018.
    17. Pathiraja, S., D. Anghileri, P. Burlando, A. Sharma, L. Marshall, and H. Moradkhani, Time varying parameter models for catchments with land use change: the importance of model structure, Hydrology and Earth System Sciences, 22, 2903-2919, doi:10.5194/hess-2017-382, 2018.
    18. Varouchakis, E. A., K. Yetilmezsoy, and G. P. Karatzas, A decision-making framework for sustainable management of groundwater resources under uncertainty: combination of Bayesian risk approach and statistical tools, Water Policy, 21(3), 602-622, doi:10.2166/wp.2019.128, 2019.
    19. Sadegh, M., A. AghaKouchak, A. Flores, I. Mallakpour, and M. R. Nikoo, A multi-model nonstationary rainfall-runoff modeling framework: analysis and toolbox, Water Resources Management, 33(9), 3011-3024, doi:10.1007/s11269-019-02283-y, 2019.
    20. Zhao, B., J. Mao, Q. Dai, D. Han, H. Daiand, and G. Rong, Exploration on hydrological model calibration by considering the hydro-meteorological variability, Hydrology Research, 51(1), 30-46, doi:10.2166/nh.2019.047, 2020.
    21. Nicolle, P., V. Andréassian, P. Royer-Gaspard, C. Perrin, G. Thirel, L. Coron, and L. Santos, Technical Note – RAT: a Robustness Assessment Test for calibrated and uncalibrated hydrological models, Hydrology and Earth System Sciences, 25, 5013–5027, doi:10.5194/hess-25-5013-2021, 2021.
    22. Li, H., Q. Xu, Y. He, X. Fan, H. Yang, and S. Li, Temporal detection of sharp landslide deformation with ensemble-based LSTM-RNNs and Hurst exponent, Geomatics, Natural Hazards and Risk, 12(1), 3089-3113, doi:10.1080/19475705.2021.1994474, 2021.

  1. A. Efstratiadis, Y. Dialynas, S. Kozanis, and D. Koutsoyiannis, A multivariate stochastic model for the generation of synthetic time series at multiple time scales reproducing long-term persistence, Environmental Modelling and Software, 62, 139–152, doi:10.1016/j.envsoft.2014.08.017, 2014.

    [Πολυμεταβλητό στοχαστικό μοντέλο για τη γέννηση συνθετικών χρονοσειρών σε πολλαπλές χρονικές κλίμακες που αναπαράγει τη μακροχρόνια εμμονή]

    Παρουσιάζεται μια γεννήτρια χρονοσειρών που υλοποιεί ένα εύρωστο πολυμεταβλητό σχήμα τριών κλιμάκων, για τη στοχαστική προσομοίωση συσχετισμένων διεργασιών. Αυτή διατηρεί τα στοιχειώδη στατιστικά χαρακτηριστικά των ιστορικών δεδομένων σε τρεις χρονικές κλίμακες (ετήσια, μηνιαία, ημερήσια), χρησιμοποιώντας μια προσέγγιση επιμερισμού. Ακόμα, αναπαράγει βασικές ιδιότητες των υδρομετεωρολογικών και γεωφυσικών διεργασιών, συγκεκριμένα τη μακροχρόνια εμμονή (συμπεριφορά Hurst-Kolmogorov), την περιοδικότητα και τη διαλείπουσα δίαιτα. Η αποτελεσματικότητα της μεθόδου αναδεικνύεται μέσω δύο μελετών περίπτωσης στην Ελλάδα. Η πρώτη αποσκοπεί στη γέννηση μηνιαίων δεδομένων απορροής και βροχόπτωσης στους τρεις ταμιευτήρες του υδροσυστήματος της Αθήνας. Η δεύτερη εφαρμογή αφορά στη γέννηση ημερήσιων βροχοπτώσεων σε πέντε σταθμούς, για την προσομοίωση πλημμυρών. Στην πρώτη εφαρμογή δίνεται έμφαση στη μακροχρόνια εμμονή – ένα κυρίαρχο χαρακτηριστικό των διαχείρισης υδροσυστημάτων μεγάλης κλίμακας, που περιλαμβάνουν ταμιευτήρες υπερετήσιας αποθηκευτικής ικανότητας. Στη δεύτερη εφαρμογή δίνεται προσοχή στη συνεπή αναπαραγωγή της διαλείπουσας συμπεριφοράς και ασυμμετρίας της ημερήσιας βροχόπτωσης, καθώς και στην κατανομή των ετήσιων ημερήσιων μεγίστων.

    Συμπληρωματικό υλικό:

    Βλέπε επίσης: http://dx.doi.org/10.1016/j.envsoft.2014.08.017

    Άλλες εργασίες που αναφέρονται σ' αυτή την εργασία: Δείτε τις στο Google Scholar ή στο ResearchGate

    Άλλες εργασίες που αναφέρονται σ' αυτή την εργασία (αυτός ο κατάλογος μπορεί να μην είναι ενημερωμένος):

    1. Huo, S.-C., S.-L. Lo, C.-H. Chiu, P.-T. Chiueh, and C.-S. Yang, Assessing a fuzzy model and HSPF to supplement rainfall data for nonpoint source water quality in the Feitsui reservoir watershed, Environmental Modelling and Software, 72, 110-116, doi:10.1016/j.envsoft.2015.07.002, 2015.
    2. Read, L., and R. M. Vogel, Reliability, return periods, and risk under nonstationarity, Water Resources Research, 51(8), 6381–6398, doi:10.1002/2015WR017089, 2015.
    3. Steidl, J., J. Schuler, U. Schubert, O. Dietrich, and P. Zander, Expansion of an existing water management model for the analysis of opportunities and impacts of agricultural irrigation under climate change conditions, Water, 7, 6351-6377, doi:10.3390/w7116351, 2015.
    4. Hao, Z., and V. P. Singh, Review of dependence modeling in hydrology and water resources, Progress in Physical Geography, 40(4), 549-578, doi:10.1177/0309133316632460, 2016.
    5. Srivastav, R., K. Srinivasan, and S. P. Sudheer, Simulation-optimization framework for multi-site multi-season hybrid stochastic streamflow modeling, Journal of Hydrology, 542, 506-531, doi:10.1016/j.jhydrol.2016.09.025, 2016.
    6. Dialynas, Y. G., S. Bastola, R. L. Bras, E. Marin-Spiotta, W. L. Silver, E. Arnone, and L. V. Noto, Impact of hydrologically driven hillslope erosion and landslide occurrence on soil organic carbon dynamics in tropical watersheds, Water Resources Research, 52(11), 8895–8919, doi:10.1002/2016WR018925, 2016.
    7. Stojković, M., S. Kostić, J. Plavšić, and S. Prohaska, A joint stochastic-deterministic approach for long-term and short-term modelling of monthly flow rates, Journal of Hydrology, 544, 555–566, doi:10.1016/j.jhydrol.2016.11.025, 2017.
    8. Bardsley, E., A finite mixture approach to univariate data simulation with moment matching, Environmental Modelling & Software, 90, 27-33, doi:10.1016/j.envsoft.2016.11.019, 2017.
    9. Dialynas, Y. D., R. L. Bras, and D. deB. Richter, Hydro-geomorphic perturbations on the soil-atmosphere CO2 exchange: How (un)certain are our balances?, Water Resources Research, 53(2), 1664–1682, doi:10.1002/2016WR019411, 2017.
    10. Feng , M., P. Liu, S. Guo, Z. Gui, X. Zhang, W. Zhang, and L. Xiong, Identifying changing patterns of reservoir operating rules under various inflow alteration scenarios, Advances in Water Resources, 104, 23-26, doi:10.1016/j.advwatres.2017.03.003, 2017.
    11. Stojković, M., J. Plavšić, and S. Prohaska, Annual and seasonal discharge prediction in the middle Danube River basin based on a modified TIPS (Tendency, Intermittency, Periodicity, Stochasticity) methodology, Journal of Hydrology and Hydromechanics, 65(2), doi:10.1515/johh-2017-0012, 2017.
    12. Hanel, M., R. Kožín, M. Heřmanovský, and R. Roub, An R package for assessment of statistical downscaling methods for hydrological climate change impact studies, Environmental Modelling & Software, 95, 22–28, doi:10.1016/j.envsoft.2017.03.036, 2017.
    13. Vogel, M., Stochastic watershed models for hydrologic risk management, Water Security, 1, 28-35, doi:10.1016/j.wasec.2017.06.001, 2017.
    14. #McLachlan, S., K. Dube, T. Gallagher, B. Daley, and J. Walonoski, The ATEN Framework for creating the realistic synthetic electronic health record, 11th International Joint Conference on Biomedical Engineering Systems and Technologies (BIOSTEC 2018), Madeira, Portugal, 2018.
    15. Salas, J. D., J. Obeysekera, and R. M. Vogel, Techniques for assessing water infrastructure for nonstationary extreme events: a review, Hydrological Sciences Journal, 63(3), 325-352, doi:10.1080/02626667.2018.1426858, 2018.
    16. #Hnilica, J., M. Hanel, and V. Puš, Technical note: Changes of cross- and auto-dependence structures in climate projections of daily precipitation and their sensitivity to outliers, Hydrology and Earth System Sciences Discussions, doi:10.5194/hess-2018-7, 2018.
    17. Hua, Y., and B. Cui, Environmental flows and its satisfaction degree forecasting in the Yellow River, Ecological Indicators, 92, 207-220, doi:10.1016/j.ecolind.2017.02.017, 2018.
    18. Ilich, N., A. Gharib, and E. G. R. Davies, Kernel distributed residual function in a revised multiple order autoregressive model and its applications in hydrology, Hydrological Sciences Journal, 63(12), 1745-1758, doi:10.1080/02626667.2018.1541090, 2018.
    19. Henao, F., Y. Rodriguez, J. P. Viteri, and I. Dyner, Optimising the insertion of renewables in the Colombian power sector, Renewable Energy, 132, 81-92, doi:10.1016/j.renene.2018.07.099, 2019.
    20. Park, J., C. Onof, and D. Kim, A hybrid stochastic rainfall model that reproduces some important rainfall characteristics at hourly to yearly timescales, Hydrology and Earth System Sciences, 23, 989-1014, doi:10.5194/hess-23-989-2019, 2019.
    21. Ferreira, D. M., C. V. S. Fernandes, E. Kaviski, and D. Fontane, Water quality modelling under unsteady state analysis: Strategies for planning and management, Journal of Environmental Management, 239, 150-158, doi:10.1016/j.jenvman.2019.03.047, 2019.
    22. Seo, S. B., Y.-O. Kim, and S.-U. Kang, Time-varying discrete hedging rules for drought contingency plan considering long-range dependency in streamflow, Water Resources Management, 33(8), 2791-2807, doi:10.1007/s11269-019-02244-5, 2019.
    23. #McLachlan, S., K. Dube, T. Gallagher, J. A. Simmonds, and N. E. Fenton, The ATEN Framework for creating the realistic synthetic electronic health record, Biomedical Engineering Systems and Technologies, BIOSTEC 2018, Communications in Computer and Information Science, Vol. 1024, Springer, Cham, doi:10.1007/978-3-030-29196-9_25, 2019.
    24. Yu, Z., S. Miller, F. Montalto, and U. Lall, Development of a non-parametric stationary synthetic rainfall generator for use in hourly water resource simulations, Water, 11, 1728, doi:10.3390/w11081728, 2019.
    25. Bermúdez, M., L. Cea, and J. Sopelana, Quantifying the role of individual flood drivers and their correlations in flooding of coastal river reaches, Stochastic Environmental Research and Risk Assessment, 33(10), 1851-1861, doi:10.1007/s00477-019-01733-8, 2019.
    26. Henao, F., and I. Dyner, Renewables in the optimal expansion of Colombian power considering the Hidroituango crisis, Renewable Energy, 158, 612-627, doi:10.1016/j.renene.2020.05.055, 2020.
    27. Peng, Y., X. Yu, H. Yan, and J. Zhang, Stochastic simulation of daily suspended sediment concentration using multivariate copulas, Water Resources Management, 34, 3913-3932, doi:10.1007/s11269-020-02652-y, 2020.
    28. Sobhaniyeh, Z., M. H. Niksokhan, and B. Omidvar, Investigation of uncertainties in a rainfall-runoff conceptual model for simulation of basin using Bayesian method, Iranian Journal of Ecohydrology, 7(1), 223-236, doi:10.22059/ije.2020.294740.1264, 2020.
    29. Wang, Q., J. Zhou, K. Huang, L. Dai, B. Jia, L. Chen, and H. Qin, A procedure for combining improved correlated sampling methods and a resampling strategy to generate a multi-site conditioned streamflow process, Water Resources Management, 35, 1011-1027, doi:10.1007/s11269-021-02769-8, 2021.
    30. Brunner, M. I., L. Slater, L. M. Tallaksen, and M. Clark, Challenges in modeling and predicting floods and droughts: A review, Wiley Interdisciplinary Reviews: Water, 8(3), e1520, doi:10.1002/wat2.1520, 2021.
    31. Wang, Q., J. Zhou, L. Dai, K. Huang, and G. Zha, Risk assessment of multireservoir joint flood control system under multiple uncertainties, Journal of Flood Risk Management, e12740, doi:10.1111/jfr3.12740, 2021.
    32. Bahrpeyma, F., M. Roantree, P. Cappellari, M. Scriney, and A. McCarren, A methodology for validating diversity in synthetic time series generation, MethodsX, 101459, doi:10.1016/j.mex.2021.101459, 2021.
    33. Pouliasis, G., G. A. Torres-Alves, and O. Morales-Napoles, Stochastic modeling of hydroclimatic processes using vine copulas, Water, 13(16), 2156, doi:10.3390/w13162156, 2021.
    34. Santana, R. F., and A. B. Celeste, Stochastic reservoir operation with data-driven modeling and inflow forecasting, Journal of Applied Water Engineering and Research, doi:10.1080/23249676.2021.1964389, 2021.
    35. Araújo, J. E. S., J. Í. P. Siqueira, and A. B. Celeste, Incorporação de estocasticidade em ferramenta computacional para dimensionamento de reservatórios, Scientia cum Industria, 9(2), 36-40, doi:10.18226/23185279.v9iss2p36, 2021.
    36. Bekri, E. S., P. Economou, P. C. Yannopoulos, and A. C. Demetracopoulos, Reassessing existing reservoir supply capacity and management resilience under climate change and sediment deposition, Water, 13(13), 1819, doi:10.3390/w13131819, 2021.
    37. Salcedo-Sanz, S., D. Casillas-Pérez, J. Del Ser, C. Casanova-Mateo, L. Cuadra, M. Piles, G. Camps-Valls, Persistence in complex systems, Physics Reports, 957, 1-73, doi:10.1016/j.physrep.2022.02.002, 2022.
    38. Bărbulescu, A., Monthly precipitation field generation at Sulina (Romania), IOP Conference Series: Materials Science and Engineering, 1242, 012004, doi:10.1088/1757-899X/1242/1/01200, 2022.
    39. Haktanir, T., M. Bircan Kara, and N. Acanal, A multiseries stochastic model for synthetic monthly flows, Hydrological Sciences Journal, 67(5), 741-758, doi:10.1080/02626667.2022.2039662, 2022.
    40. Kämper, A., R. Delorme, L. Leenders, and A. Bardow, Boosting operational optimization of multi-energy systems by artificial neural nets, Computers & Chemical Engineering, 173, 108208, doi:10.1016/j.compchemeng.2023.108208, 2023.
    41. Ang, C. Y. S., Y. S. Chiew, X. Wang, E. H. Ooi, M. B. M. Nor, M. E. Cove, and J. G. Chase, Virtual patient with temporal evolution for mechanical ventilation trial studies: A stochastic model approach, Computer Methods and Programs in Biomedicine, 240, 107728, doi:10.1016/j.cmpb.2023.107728, 2023.
    42. Hu, C., Z. Sun, C. Li, Y. Zhang, and C. Xing, Survey of time series data generation in IoT, Sensors, 23(15), 6976, doi:10.3390/s23156976, 2023.

  1. A. Efstratiadis, A. D. Koussis, D. Koutsoyiannis, and N. Mamassis, Flood design recipes vs. reality: can predictions for ungauged basins be trusted?, Natural Hazards and Earth System Sciences, 14, 1417–1428, doi:10.5194/nhess-14-1417-2014, 2014.

    [Συνταγές πλημμυρών έναντι της πραγματικότητας: μπορούν να γίνουν πιστευτές οι προβλέψεις σε λεκάνες χωρίς μετρήσεις;]

    Παρά τις μεγάλες επιστημονικές τεχνολογικές εξελίξεις στην υδρολογία πλημμυρών, οι καθημερινές πρακτικές των μηχανικών ακολουθούν ακόμη απλοποιητικές προσεγγίσεις, όπως η ορθολογική μέθοδος και η μέθοδος SCS-CN συνδυαζόμενη με τη θεωρία μοναδιαίου υδρογραφήματος, οι οποίες είναι εύκολες στην εφαρμογή της σε λεκάνες χωρίς μετρήσεις. Γενικά, οι «συνταγές» αυτές αναπτύχτηκαν πριν πολλές δεκαετίες, με βάση δεδομένα πεδίου από λίγες πειραματικές λεκάνες. Ωστόσο, οι περισσότερες από αυτές ποτέ δεν επικαιροποιήθηκαν ούτε επαληθεύτηκαν σε όλες τις υδροκλιματικές και γεωμορφολογικές συνθήκες. Κάτι τέτοιο έχει προφανές αντίκτυπο στην ποιότητα και αξιοπιστία των υδρολογικών μελετών και, συνακόλουθα, στην ασφάλεια και κόστος των σχετικών αντιπλημμυρικών έργων. Προκαταρκτικά αποτελέσματα, που βασίζονται σε ιστορικά δεδομένα πλημμυρών στην Ελλάδα και την Κύπρο, καταδεικνύουν ότι απαιτείται ριζική αναθεώρηση πολλών πτυχών των διαδικασιών της υδρολογίας πλημμυρών, περιλαμβανομένων των περιοχικών σχέσεων καθώς και της εννοιολογίας των ίδιων των μοντέλων. Προκειμένου να παρέχουμε ένα συνεπές πλαίσιο σχεδιασμού και να εξασφαλίσουμε ρεαλιστικές προγνώσεις της πλημμυρικής διακινδύνευσης σε λεκάνες χωρίς μετρήσεις (που αποτελεί στοιχείο-κλειδί της Οδηγίας 2007/60/ΕΕ), πρέπει να επανεξετάσουμε τις τρέχουσες τεχνικές πρακτικές. Στην κατεύθυνση αυτή, είναι αναγκαία η συλλογή αξιόπιστων υδρολογικών δεδομένων, ώστε να επαναξιολογηθούν οι υφιστάμενες «συνταγές», λαμβάνοντας υπόψη τοπικές ιδιαιτερότητες, και για να επικαιροποιηθούν οι μεθοδολογίες των μοντέλων, ως απαιτείται.

    Πλήρες κείμενο: http://www.itia.ntua.gr/el/getfile/1413/7/documents/nhess-14-1417-2014.pdf (207 KB)

    Συμπληρωματικό υλικό:

    Βλέπε επίσης: http://www.nat-hazards-earth-syst-sci.net/14/1417/2014/

    Άλλες εργασίες που αναφέρονται σ' αυτή την εργασία: Δείτε τις στο Google Scholar ή στο ResearchGate

    Άλλες εργασίες που αναφέρονται σ' αυτή την εργασία (αυτός ο κατάλογος μπορεί να μην είναι ενημερωμένος):

    1. van Emmerik, T. H. M., G. Mulder, D. Eilander, M. Piet, and H. Savenije, Predicting the ungauged basin: Model validation and realism assessment, Frontiers in Earth Sciences, 3:62, doi:10.3389/feart.2015.00062, 2015.
    2. Biondi, D., and L. Da Luca, Process-based design flood estimation in ungauged basins by conditioning model parameters on regional hydrological signatures, Natural Hazards, 79(2), 1015-1038, doi:10.1007/s11069-015-1889-1, 2015.
    3. Yannopoulos, S., E. Eleftheriadou, S. Mpouri, and I. Giannopoulou, Implementing the requirements of the European Flood Directive: the case of ungauged and poorly gauged watersheds, Environmental Processes, 2(1), 191-207, doi:10.1007/s40710-015-0094-2, 2015.
    4. Wałęga, A., and A. Rutkowska, Usefulness of the modified NRCS-CN method for the assessment of direct runoff in a mountain catchment, Acta Geophysica, 63(5), 1423–1446, doi:10.1515/acgeo-2015-0043, 2015.
    5. Walega, A., B. Michalec, A. Cupak, and M. Grzebinoga, Comparison of SCS-CN determination methodologies in a heterogeneous catchment, Journal of Mountain Science, 12(5), 1084-1094, doi:10.1007/s11629-015-3592-9, 2015.
    6. Awadallah, A.G., H. Saad, A. Elmoustafa, and A. Hassan, Reliability assessment of water structures subject to data scarcity using the SCS-CN model, Hydrological Sciences Journal, 61(4), 696-710, doi:10.1080/02626667.2015.1027709, 2016.
    7. Merheb, M., R. Moussa, C. Abdallah, F. Colin, C. Perrin, and N. Baghdadi, Hydrological response characteristics of Mediterranean catchments at different time scales: a meta-analysis, Hydrological Sciences Journal, 61(14), 2520-2539, doi:10.1080/02626667.2016.1140174, 2016.
    8. Kjeldsen, T., H. Kim, C. Jang, and H. Lee, Evidence and implications of nonlinear flood response in a small mountainous watershed, Journal of Hydrologic Engineering, 21(8), 04016024, doi:10.1061/(ASCE)HE.1943-5584.0001343, 2016.
    9. Taghvaye Salimi, E., A. Nohegar, A. Malekian, M. Hoseini, and A. Holisaz, Estimating time of concentration in large watersheds, Paddy and Water Environment, 15(1), 123-132, doi:10.1007/s10333-016-0534-2, 2017.
    10. Biondi, D., and D. L. De Luca, Rainfall-runoff model parameter conditioning on regional hydrological signatures: application to ungauged basins in southern Italy, Hydrology Research, 48(3) 714-725, doi:10.2166/nh.2016.097, 2017.
    11. Attakora-Amaniampong, E., E. Owusu-Sekyere, and D. Aboagye, Urban floods and residential rental values nexus in Kumasi, Ghana, Ghana Journal of Development Studies, 13(2), 176-194, 2016.
    12. #Destro, E., E. I. Nikolopoulos, J. D. Creutin, and M. Borga, Floods, Environmental Hazards Methodologies for Risk Assessment and Management, Dalezios, N. R. (editor), Chapter 4, IWA Publishing, 2017.
    13. van Noordwijk, M., L. Tanika, L., and B. Lusiana, Flood risk reduction and flow buffering as ecosystem services – Part 1: Theory on flow persistence, flashiness and base flow, Hydrology and Earth System Sciences, 21, 2321-2340, doi:10.5194/hess-21-2321-2017, 2017.
    14. Verma, S., R. K. Verma, S. K. Mishra, A. Singh, and G. K. Jayaraj, A revisit of NRCS-CN inspired models coupled with RS and GIS for runoff estimation, Hydrological Sciences Journal, 62(12), 1891-1930, doi:10.1080/02626667.2017.1334166, 2017.
    15. De Luca, D. L., and D. Biondi, Bivariate return period for design hyetograph and relationship with T-year design flood peak, Water, 9, 673, doi:10.3390/w9090673, 2017.
    16. #Danııl E., S. Michas, and G. Aerakis, Hydrologic issues in demarcation studies of watercourses in Greece, 15th International Conference on Environmental Science and Technology, CEST2017_00869, Rhodes, 2017.
    17. Wałęga, A., A. Cupak, D. M. Amatya, and E. Drożdżal, 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, U.S.A., Acta Sci. Pol. Formatio Circumiectus, 16(1), 187–207, doi:10.15576/ASP.FC/2017.16.1.187, 2017.
    18. #Walker, N. J., K. N. Iipinge, J. D. S. Cullis, D. Scott, J. Mfune, P. Wolski, and C. Jack, Integrating climate change information into long term planning and design for critical water related infrastructure in Windhoek and other African cities, 18th WaterNet/WARFSA/GWP-SA Symposium, Swakopmund, Namibia, 2017.
    19. Garrote, J., A. Díez-Herrero, J. M. Bodoque, M. A. Perucha, P. L. Mayer, and M. Génova, Flood hazard management in public mountain recreation areas vs. ungauged fluvial basins: Case study of the Caldera de Taburiente National Park, Canary Islands (Spain), Geosciences, 8(1), 6, doi:10.3390/geosciences8010006, 2018.
    20. Petroselli, A., and S. Grimaldi, Design hydrograph estimation in small and fully ungauged basins: a preliminary assessment of the EBA4SUB framework, Journal of Flood Risk Management, 11(51), S197–S210, doi:10.1111/jfr3.12193, 2018.
    21. Zin, W., A. Kawasaki, W. Takeuchi, Z. M. L. T. San, K. Z. Htun, T. H. Aye, and S. Win, Flood hazard assessment of Bago river basin, Myanmar, Journal of Disaster Research, 13(1), 14-21, doi:10.20965/jdr.2018.p0014, 2018.
    22. Alipour, M. H., and K. M. Kibler, A framework for streamflow prediction in the world’s most severely data-limited regions: test of applicability and performance in a poorly-gauged region of China, Journal of Hydrology, 557, 41-54, doi:10.1016/j.jhydrol.2017.12.019, 2018.
    23. Hdeib, R., C. Abdallah, F. Colin, L. Brocca, and R. Moussa, Constraining coupled hydrological-hydraulic flood model by past storm events and post-event measurements in data-sparse regions, Journal of Hydrology, 565, 160-175, doi:10.1016/j.jhydrol.2018.08.008, 2018.
    24. Petroselli, A., M. Vojtek, and J. Vojteková, Flood mapping in small ungauged basins: A comparison of different approaches for two case studies in Slovakia, Hydrology Research, 50(1), 379-392, doi:10.2166/nh.2018.040, 2018.
    25. Gericke, O. J., Catchment response time and design rainfall: the key input parameters for design flood estimation in ungauged catchments, Journal of the South African Institution of Civil Engineering, 60(4), 51-67, doi:10.17159/2309-8775/2018/v60n4a6, 2018.
    26. #Trifonova, T. A., D. V. Trifonov, S. I. Abrakhin, V. N. Koneshov, A. V. Nikolaev, and S. M. Arakelian, New verification of the groundwater and tectonic processes possible impact on a series of recent catastrophic floods and debris flows (2011-2017), Debris Flows: Disasters, Risk, Forecast, Protection – Proceedings of the 5th International Conference, S. S. Chernomorets and G. V. Gavardashvili (editors), 606-618, Tbilisi, Georgia, 2018.
    27. Papaioannou, G., A. Loukas, and L. Vasiliades, Flood risk management methodology for lakes and adjacent areas: The lake Pamvotida paradigm, Proceedings, 7, 21, doi:10.3390/ECWS-3-05825, 2019.
    28. Jiang, X., L., Yang, and H. Tatano, Assessing spatial flood risk from multiple flood sources in a small river basin: A method based on multivariate design rainfall, Water, 11(5), 1031, doi:10.3390/w11051031, 2019.
    29. Sarchani, S., and I. Tsanis, Analysis of a flash flood in a small basin in Crete, Water, 11(11), 2253, doi:10.3390/w11112253, 2019.
    30. Walega, A., and T. Salata, Influence of land cover data sources on estimation of direct runoff according to SCS-CN and modified SME methods, Catena, 172, 232-242, doi:10.1016/j.catena.2018.08.032, 2019.
    31. Pinho, J. L. S., L. Vieira, J. M. P. Vieira, S. Venâncio, N. E. Simões, J. A. Sá Marques, and F. S. Santos, Assessing causes and associated water levels for an urban flood using hydroinformatic tools, Journal of Hydroinformatics, 22(1), 61-76, doi:10.2166/hydro.2019.019, 2020.
    32. Wanniarachchi, S. S., and N. T. S. Wijesekera, Challenges in field approximations of regional scale hydrology, Journal of Hydrology: Regional Studies, 27, 100647, doi:10.1016/j.ejrh.2019.100647, 2020.
    33. Fortesa, J., J. Latron, J. García-Comendador, M. Tomàs-Burguera, J. Company, A. Calsamiglia, and J. Estrany, Multiple temporal scales assessment in the hydrological response of small Mediterranean-climate catchments, Water, 12(1), 299, doi:10.3390/w12010299, 2020.
    34. Trifonova, T., D. Trifonov, D. Bukharov, S. Abrakhin, M. Arakelian, and S. Arakelian, Global and regional aspects for genesis of catastrophic floods: The problems of forecasting and estimation for mass and water balance (surface water and groundwater contribution), IntechOpen, doi:10.5772/intechopen.91623, 2020.
    35. Kastridis, A., C. Kirkenidis, and M. Sapountzis, An integrated approach of flash flood analysis in ungauged Mediterranean watersheds using post‐flood surveys and Unmanned Aerial Vehicles (UAVs), Hydrological Processes, 34(25), 4920-4939, doi:10.1002/hyp.13913, 2020.
    36. Bertini, C., L. Buonora, E. Ridolfi, F. Russo, and F. Napolitano, On the use of satellite rainfall data to design a dam in an ungauged site, Water, 12(11), 3028, doi:10.3390/w12113028, 2020.
    37. Ramadan, A. N. A., D. Nurmayadi, A. Sadili, R. R. Solihin, and Z. Sumardi, Pataruman watershed Curve Number determination study based on Indonesia land map unit, Media Komunikasi Teknik Sipil, 26(2), 258-266, doi:10.14710/mkts.v26i2.26563, 2020.
    38. Bournas, A., and E. Baltas, Comparative analysis of rain gauge and radar precipitation estimates towards rainfall-runoff modelling in a peri-urban basin in Attica, Greece, Hydrology, 8(1), 29, doi:10.3390/hydrology8010029, 2021.
    39. Devkota, N., and N. M. Shakya, Development of rainfall-runoff model for extreme storm events in the Bagmati River Basin, Nepal, Journal of Engineering Issues and Solutions, 1(1), 158-173, doi:10.3126/joeis.v1i1.36835, 2021.
    40. Almedeij, J., Modified NRCS abstraction method for flood hydrograph generation, Journal of Irrigation and Drainage Engineering, 47(10), 04021042-1, doi:10.1061/(ASCE)IR.1943-4774.0001609, 2021.
    41. Zahraei, A., R. Baghbani, and A. Linhoss, Applying a graphical method in evaluation of empirical methods for estimating time of concentration in an arid region, Water, 13(19), 2624, doi:10.3390/w13192624, 2021.
    42. Salazar-Galán, S., R. García-Bartual, J. L. Salinas, and F. Francés, A process-based flood frequency analysis within a trivariate statistical framework. Application to a semi-arid Mediterranean case study, Journal of Hydrology, 603, Part C, 127081, doi:10.1016/j.jhydrol.2021.127081, 2021.
    43. Kastridis, A., G. Theodosiou, and G. Fotiadis, Investigation of flood management and mitigation measures in ungauged NATURA protected watersheds, Hydrology, 8(4), 170, doi:10.3390/hydrology8040170, 2021.
    44. Coser, M. C., M. S. Mendes, J. A. T. Reis, and A. S. F. Mendonça, Periodic autoregressive models in flow regulating reservoirs design, Journal of Applied Water Engineering and Research, 10(4), 278-295, doi:10.1080/23249676.2021.1980124, 2022.
    45. Lapides, D., A. Sytsma, G. O'Neil, D. Djokic, M. Nichols, and S. Thompson, Arc Hydro hillslope and Critical Duration: New tools for hillslope-scale runoff analysis, Environmental Modelling & Software, 153, 105408, doi:10.1016/j.envsoft.2022.105408, 2022.
    46. Tegos, A., A. Ziogas, V. Bellos, and A. Tzimas, Forensic hydrology: a complete reconstruction of an extreme flood event in data-scarce area, Hydrology, 9(5), 93, doi:10.3390/hydrology9050093, 2022.
    47. Singh, N., and T. Devi, Regionalization methods in ungauged catchments for flow prediction: review and its recent developments, Arabian Journal of Geosciences, 15(11), 1019, doi:10.1007/s12517-022-10287-z, 2022.
    48. Liu, Y., and D. B. Wright, A storm-centered multivariate modeling of extreme precipitation frequency based on atmospheric water balance, Hydrology and Earth System Sciences, 26, 5241-5267, doi:10.5194/hess-26-5241-2022, 2022.
    49. Al-Amri, N. S., H. A. Ewea, and M. M. Elfeki, Stochastic rational method for estimation of flood peak uncertainty in arid basins: Comparison between Monte Carlo and first order second moment methods with a case study in southwest Saudi Arabia, Sustainability, 15(6), 4719, doi:10.3390/su15064719, 2023.
    50. Acuña, P., and A. Pizarro, Can continuous simulation be used as an alternative for flood regionalisation? A large sample example from Chile, Journal of Hydrology, 626(A), 130118, doi:10.1016/j.jhydrol.2023.130118, 2023.

  1. A. Efstratiadis, A. Tegos, A. Varveris, and D. Koutsoyiannis, Assessment of environmental flows under limited data availability – Case study of the Acheloos River, Greece, Hydrological Sciences Journal, 59 (3-4), 731–750, doi:10.1080/02626667.2013.804625, 2014.

    [Εκτίμηση περιβαλλοντικών παροχών υπό περιορισμένη διαθεσιμότητα δεδομένων – Εφαρμογή στον Αχελώο ποταμό, Ελλάδα]

    Ο κάτω ρους του ποταμού Αχελώου είναι ένα σημαντικό υδροσύστημα της Ελλάδας, βαριά τροποποιημένο λόγω της παρεμβολής τεσσάρων υδροηλεκτρικών ταμιευτήρων, που τώρα επεκτείνεται με δύο ακόμη φράγματα στον άνω ρου. Ο σχεδιασμός των φραγμάτων και υδροηλεκτρικών διατάξεων που βρίσκονται σε λειτουργία δεν είχε λάβει υπόψη κανένα περιβαλλοντικό κριτήριο. Ωστόσο, τα τελευταία πενήντα έτη έχει προταθεί πληθώρα μεθοδολογιών για την εκτίμηση των αρνητικών επιπτώσεων τέτοιων έργων τόσο στο αβιοτικό όσο και το βιοτικό περιβάλλον, και για την παροχή υποστήριξης για την θέσπιση κατάλληλων περιορισμών στη λειτουργία τους, συνήθως σε όρους απαιτήσεων ελάχιστης ροής. Στη μελέτη αυτή, αναζητώντας μια πιο φιλο-περιβαλλοντική λειτουργία του υδροσυστήματος, διερευνούμε την πολιτική εκροών από το πλέον κατάντη φράγμα, εξετάζοντας εναλλακτικές προσεγγίσεις των περιβαλλοντικών παροχών. Λαμβάνοντας υπόψη τους περιορισμούς σε δεδομένα, προτείνουμε τη μέθοδο βασικής ροής (Basic Flow Method), η οποία είναι φειδωλή και κατάλληλη για Μεσογειακά ποτάμια, οι παροχές των οποίων παρουσιάζουν έντονη εποχιακή μεταβλητότητα. Δείχνουμε ακόμη ότι η μέθοδος της βρεχόμενης περιμέτρου – παροχής, που αποτελεί μια στοιχειώδη υδραυλική προσέγγιση, παρέχει συνεπή αποτελέσματα, ακόμα και αν δεν χρησιμοποιηθούν καθόλου δεδομένα παροχών. Τέλος, εξετάζουμε την προσαρμογή της προτεινόμενης πολιτικής εκροών (περιλαμβανομένων και των τεχνητών πλημμυρών) στον προγραμματισμό της υδροηλεκτρικής παραγωγής σε πραγματικό χρόνο, και τη διαχείριση των συγκρούσεων που προκύπτουν.

    Συμπληρωματικό υλικό:

    Βλέπε επίσης: http://dx.doi.org/10.1080/02626667.2013.804625

    Άλλες εργασίες που αναφέρονται σ' αυτή την εργασία: Δείτε τις στο Google Scholar ή στο ResearchGate

    Άλλες εργασίες που αναφέρονται σ' αυτή την εργασία (αυτός ο κατάλογος μπορεί να μην είναι ενημερωμένος):

    1. Acreman, M. C., I. C. Overton, J. King, P. Wood, I. G. Cowx, M. J. Dunbar, E. Kendy, and W. Young, The changing role of ecohydrological science in guiding environmental flows, Hydrological Sciences Journal, 59(3–4), 1–18, 2014.
    2. #Egüen, M., M. J. Polo, Z. Gulliver, E. Contreras, C. Aguilar, and M. A. Losada, Flood risk trends in coastal watersheds in South Spain: direct and indirect impact of river regulation, Changes in Flood Risk and Perception in Catchments and Cities, Proc. IAHS, 370, 51-56, doi:10.5194/piahs-370-51-2015, 2015.
    3. Aguilar, C., and M. J. Polo, Assessing minimum environmental flows in nonpermanent rivers: The choice of thresholds, Environmental Modelling and Software, 79, 120-134, doi:10.1016/j.envsoft.2016.02.003, 2016.
    4. Nerantzaki, S. D., G. V. Giannakis, N. P. Nikolaidis, I. Zacharias, G. P. Karatzas, and I. A. Sibetheros, Assessing the impact of climate change on sediment loads in a large Mediterranean watershed, Soil Science, 181(7), 306-314, 2016.
    5. Poncelet, C., V. Andréassian, L. Oudin, and C. Perrin, The Quantile Solidarity approach for the parsimonious regionalization of flow duration curves, Hydrological Sciences Journal, 62(9), 1364-1380, doi:10.1080/02626667.2017.1335399, 2017.
    6. Tegos, M., I. Nalbantis, and A. Tegos, Environmental flow assessment through integrated approaches, European Water, 60, 167-173, 2017.
    7. Gemitzi, A., and V. Lakshmi, Evaluating renewable groundwater stress with GRACE data in Greece, Groundwater, 56(3), 501-514, doi:10.1111/gwat.12591, 2018.
    8. Theodoropoulos, C., N. Skoulikidis, P. Rutschmann, and A. Stamou, Ecosystem-based environmental flow assessment in a Greek regulated river with the use of 2D hydrodynamic habitat modelling, River Research and Applications, 34(6), 538-547, doi:10.1002/rra.3284, 2018.
    9. Zhao, C., S. Yang, J. Liu, C. Liu, F. Hao, Z. Wang, H. Zhang, J. Song, S. M. Mitrovic, and R. P. Lim, Linking fish tolerance to water quality criteria for the assessment of environmental flows: A practical method for streamflow regulation and pollution control, Water Research, 141, 96-108, doi:10.1016/j.watres.2018.05.025, 2018.
    10. Operacz, A., A. Wałęga, A. Cupak, and B. Tomaszewska, The comparison of environmental flow assessment - The barrier for investment in Poland or river protection? Journal of Cleaner Production, 193, 575-592, doi:10.1016/j.jclepro.2018.05.098, 2018.
    11. Książek, L., A. Woś, J. Florek, M. Wyrębek, D. Młyński, and A. Wałęga, Combined use of the hydraulic and hydrological methods to calculate the environmental flow: Wisloka river, Poland: case study, Environmental Monitoring and Assessment, 191:254, doi:10.1007/s10661-019-7402-7, 2019.
    12. Shinozaki, Y., and N. Shirakawa, Current state of environmental flow methodologies: objectives, methods and their approaches, Journal of Japan Society of Civil Engineers – Ser. B1 (Hydraulic Engineering), 75(1), 15-30, doi:10.2208/jscejhe.75.15, 2019.
    13. Kan, H., F. Hedenus, and L. Reichenberg, The cost of a future low-carbon electricity system without nuclear power – The case of Sweden, Energy, 195, 117015, doi:10.1016/j.energy.2020.117015, 2020.
    14. Aryal, S. K., Y. Zhang, and F. Chiew, Enhanced low flow prediction for water and environmental management, Journal of Hydrology, 584, 124658, doi:10.1016/j.jhydrol.2020.124658, 2020.
    15. #Ivanova, E., and D. Myronidis, Spatial interpolation approach for environmental flow assessment in Bulgarian-Greek Rhodope mountain range, Proceeding of the 9th International Conference on Information and Communication Technologies in Agriculture, Food & Environment (HAICTA 2020), 274-285, Thessaloniki, 2020.
    16. Moccia, D., L. Salvadori, S. Ferrari, A. Carucci, and A. Pusceddu, Implementation of the EU ecological flow policy in Italy with a focus on Sardinia, Advances in Oceanography and Limnology, 11(1), doi:10.4081/aiol.2020.8781, 2020.
    17. Koskinas, A., Stochastics and ecohydrology: A study in optimal reservoir design, Dams and Reservoirs, 30(2), 53-59, doi:10.1680/jdare.20.00009, 2020.
    18. Dash, S. S., D. R. Sena, U. Mandal, A. Kumar, G. Kumar, P. K. Mishra, and M. Rawat, A hydrological modelling-based approach for vulnerable area identification under changing climate scenarios, Journal of Water and Climate Change, 12(2), 433-452, doi:10.2166/wcc.2020.202, 2021.
    19. Senent-Aparicio, J., C. George, and R. Srinivasan, Introducing a new post-processing tool for the SWAT+ model to evaluate environmental flows, Environmental Modelling and Software, 136, 104944, doi:10.1016/j.envsoft.2020.104944, 2021.
    20. Operacz, A, Possibility of hydropower development: a simple-to-use index, Energies, 14(10), 2764, doi:10.3390/en14102764, 2021.
    21. Kan, X., L. Reichenberg, and F. Hedenus, The impacts of the electricity demand pattern on electricity system cost and the electricity supply mix: a comprehensive modeling analysis for Europe, Energy, 235, 121329, doi:10.1016/j.energy.2021.121329, 2021.
    22. Greco, M., F. Arbia, and R. Giampietro, Definition of ecological flow Using IHA and IARI as an operative procedure for water management, Environments, 8(8), 77, doi:10.3390/environments8080077, 2021.
    23. #Soulis, K., Hydrological data sources and analysis for the determination of environmental water requirements in mountainous areas, Environmental Water Requirements in Mountainous Areas, E. Dimitriou and C. Papadaki (editors), Chapter 2, 51-98, Elsevier, doi: 10.1016/B978-0-12-819342-6.00007-5, 2021.
    24. #Muñoz-Mas, R., and P. Vezza, Quantification of environmental water requirements; how far can we go?, Environmental Water Requirements in Mountainous Areas, E. Dimitriou and C. Papadaki (editors), Chapter 6, 235-280, Elsevier, doi:10.1016/B978-0-12-819342-6.00001-4, 2021.
    25. Zhang, X.-R., D.-R. Zhang, and Y. Ding, An environmental flow method applied in small and medium-sized mountainous rivers, Water Science and Engineering, 14(4), 323-329, doi:10.1016/j.wse.2021.10.003, 2021.
    26. Owusu, A., M. Mul, M. Strauch, P. van der Zaag, M. Volk, and J. Slinger, The clam and the dam: A Bayesian belief network approach to environmental flow assessment in a data scarce region, Science of The Total Environment, 810, 151315, doi:10.1016/j.scitotenv.2021.151315, 2022.
    27. Hoque, M. M., A. Islam, and S. Ghosh, Environmental flow in the context of dams and development with special reference to the Damodar Valley Project, India: a review, Sustainable Water Resources Management, 8, 62, doi:10.1007/s40899-022-00646-9, 2022.
    28. Kan, X., F. Hedenus, L. Reichenberg, and O. Hohmeye, Into a cooler future with electricity generated from solar photovoltaic, iScience, 25(5), 104208, doi:10.1016/j.isci.2022.104208, 2022.
    29. Colombera, L., and N. P. Mountney, Scale dependency in quantifications of the avulsion frequency of coastal rivers, Earth-Science Reviews, 230, 104043, doi:10.1016/j.earscirev.2022.104043, 2022.
    30. #Sharma, M., C. Prakasam, R. Saravanan, S. C. Attri, V. S. Kanwar, and M. K. Sharma, A review of environmental flow evaluation methodologies – Limitations and validations, Proceedings of International Conference on Innovative Technologies for Clean and Sustainable Development (ICITCSD – 2021), Kanwar, V.S., Sharma, S.K., Prakasam, C. (eds.), Springer, Cham, doi:10.1007/978-3-030-93936-6_63, 2022.
    31. Ivanova, E., and D. Myronidis, Application of an integrated methodology for spatial classification of the environmental flow in the Bulgarian-Greek Rhodope Mountain Range, International Journal of Sustainable Agricultural Management and Informatics, 8(1), 184-103, doi:10.1504/IJSAMI.2022.123045, 2022.
    32. Prakasam, C., and R. Saravanan, Ecological flow assessment using hydrological method and validation through GIS application, Groundwater for Sustainable Development, 19, 100841, doi:10.1016/j.gsd.2022.100841, 2022.
    33. Liu, S., Q. Zhang, Y. Xie, P. Xu, and H. Du, Evaluation of minimum and suitable ecological flows of an inland basin in China considering hydrological variation, Water, 15(4), 649, doi:10.3390/w15040649, 2023.
    34. Verma, R. K., A. Pandey, S. K. Mishra, and V. P. Singh, A procedure for assessment of environmental flows incorporating inter- and intra-annual variability in dam-regulated watersheds, Water Resources Management, 37, 3259-3297, doi:10.1007/s11269-023-03502-3, 2023.
    35. Chen, H., and Q. Li, Testing and applying baseflow approaches to environmental flow needs, Ecological Indicators, 152, 110363, doi:10.1016/j.ecolind.2023.110363, 2023.
    36. Leone, M., F. Gentile, A. Lo Porto, G. F. Ricci, and A. M. De Girolamo, Ecological flow in southern Europe: Status and trends in non-perennial rivers, Journal of Environmental Management, 342, 118097, doi:10.1016/j.jenvman.2023.118097, 2023.
    37. Castellanos-Osorio, G., A. López-Ballesteros, J. Pérez-Sánchez, and J. Senent-Aparicio, Disaggregated monthly SWAT+ model versus daily SWAT+ model for estimating environmental flows in Peninsular Spain, Journal of Hydrology, 129837, doi:10.1016/j.jhydrol.2023.129837, 2023.

  1. M. Rianna, A. Efstratiadis, F. Russo, F. Napolitano, and D. Koutsoyiannis, A stochastic index method for calculating annual flow duration curves in intermittent rivers, Irrigation and Drainage, 62 (S2), 41–49, doi:10.1002/ird.1803, 2013.

    [Μέθοδος στοχαστικού δείκτη για τον υπολογισμό των ετήσιων καμπυλών διάρκειας παροχής σε ποταμούς διαλείπουσας ροής]

    Οι καμπύλες διάρκειας παροχής είναι χρήσιμα εργαλεία για την εκτίμηση των διαθέσιμων επιφανειακών υδατικών πόρων, σε κλίμακα λεκάνης απορροής. Αυτές αντιπροσωπεύουν το ποσοστό του χρόνου υπέρβασης των τιμών των παροχών, ανεξάρτητα από τη χρονική τους ακολουθία. Οι είναι χρήσιμα εργαλεία για την αξιολόγηση των ποσοστημορίων παροχής ενός ποταμού και των διαστημάτων εμπιστοσύνης τους, αφαιρώντας την επίδραση της μεταβλητότητας από έτος σε έτος. Ωστόσο, τα εργαλεία αυτά αποτυγχάνουν στην αναπαράσταση της υδρολογικής δίαιτας εφήμερων ποταμών, καθώς δεν μπορούν να λάβουν υπόψη τις μηδενικές ροές. Στην εργασία αυτή προτείνουμε μια τεχνική υπολογισμού των ετήσιων καμπυλών διάρκειας παροχής και την τυπικής τους απόκλισης, στην περίπτωση ποταμών διαλείπουσας ροής. Συγκεκριμένα, προτείνουμε μια γενίκευση της μεθόδου στοχαστικού δείκτη, στην οποία χρησιμοποιούμε την έννοια της ολικής πιθανότητας και των στατιστικών δεικτών μιας τάξης. Η μέθοδος προτείνεται ώστε να προσδιοριστεί η υπό συνθήκη κατανομή των θετικών ροών, για δεδομένη πιθανότητα μηδενικής παροχής, και υλοποιείται σε τρεις λεκάνες της Ιταλίας και την Ελλάδας, με χαμηλή (<5%) και υψηλή (>40%) συχνότητα μηδενικών παροχών, αντίστοιχα.

    Βλέπε επίσης: http://dx.doi.org/10.1002/ird.1803

    Άλλες εργασίες που αναφέρονται σ' αυτή την εργασία: Δείτε τις στο Google Scholar ή στο ResearchGate

    Άλλες εργασίες που αναφέρονται σ' αυτή την εργασία (αυτός ο κατάλογος μπορεί να μην είναι ενημερωμένος):

    1. Ubertini, L., and F. R. Miralles-Wilhelm, New frontiers of hydrology: Soil, water, and vegetation monitoring and modelling, Irrigation and Drainage, 62(S2), iii-iv, 2013.
    2. Müller, M. F., D. N. Dralle, and S. E. Thompson, Analytical model for flow duration curves in seasonally dry climates, Water Resources Research, 50(7), 5510-5531, 2014.
    3. Atieh, M., B. Gharabaghi, and R. Rudra, Entropy-based neural networks model for flow duration curves at ungauged sites, Journal of Hydrology, 529(3), 1007–1020, doi:10.1016/j.jhydrol.2015.08.068, 2015
    4. Varouchakis, E. A., K. Spanoudaki, D. Hristopulos, G. P. Karatzas, and G. A. Corzo Perez, Stochastic modeling of aquifer level temporal fluctuations based on the conceptual basis of the soil-water balance equation, Soil Science, 181(6), 224–231, doi:10.1097/SS.0000000000000157, 2016.
    5. #Rianna, M., F. Lombardo, B. Boccanera, and M. Giglioni, On the evaluation of FDC by the use of spot measurements, AIP Conference Proceedings, 1738, 430005, Rhodes, 2016.
    6. Ridolfi, E., M. Rianna, G. Trani, L. Alfonso, G. Di Baldassarre, F. Napolitano, and F. Russo, A new methodology to define homogeneous regions through an entropy based clustering method, Advances in Water Resources, 96, 237-250, doi:10.1016/j.advwatres.2016.07.007, 2016.
    7. #Rianna, M., E. Ridolfi, and F. Napolitano, Comparison of different hydrological similarity measures to estimate flow quantiles, AIP Conference Proceedings, 1863(1), 470002, doi:10.1063/1.4992633, 2017.
    8. Ridolfi, E., H. Kumar, and A. Bárdossy, A methodology to estimate flow duration curves at partially ungauged basins, Hydrology and Earth System Sciences, 24, 2043–2060, doi:10.5194/hess-24-2043-2020, 2020.
    9. Tramblay, Y., N. Rouché, J.-E. Paturel, G. Mahé, J.-F. Boyer, E. Amoussou, A. Bodian, H. Dacosta, H. Dakhlaoui, A. Dezetter, D. Hughes, L. Hanich, C. Peugeot, R. Tshimanga, and P. Lachassagne, ADHI: the African Database of Hydrometric Indices (1950–2018), Earth System Science Data, 13, 1547-1560, doi:10.5194/essd-13-1547-2021, 2021.
    10. Burgan, H. I., and H. Aksoy, Daily flow duration curve model for ungauged intermittent subbasins of gauged rivers, Journal of Hydrology, 604, 127249, doi:10.1016/j.jhydrol.2021.127249, 2022.
    11. Ma, L., D. Liu, Q. Huang, F. Guo, X. Zheng, J. Zhao, J. Luan, J. Fan, and G. Ming, Identification of a function to fit the flow duration curve and parameterization of a semi-arid region in North China, Atmosphere, 14(1), 116, doi:10.3390/atmos14010116, 2023.

  1. J. A. P. Pollacco, B. P. Mohanty, and A. Efstratiadis, Weighted objective function selector algorithm for parameter estimation of SVAT models with remote sensing data, Water Resources Research, 49 (10), 6959–6978, doi:10.1002/wrcr.20554, 2013.

    [Αλγόριθμος επιλογής σταθμισμένης στοχικής συνάρτησης για την εκτίμηση των παραμέτρων μοντέλων εδάφους-βλάστησης-μεταφοράς στην ατμόσφαιρα με χρήση δεδομένων τηλεπισκόπησης]

    Στα μοντέλα εδάφους-βλάστησης-μεταφοράς στην ατμόσφαιρα (Soil-Vegetation-Atmosphere Transfer, SVAT), η στοχική συνάρτηση του αντίστροφου προβλήματος μπορεί να διατυπωθεί ως συνάθροιση δύο κριτηρίων, που λαμβάνουν υπόψη τους τις αβεβαιότητες της επιφανειακής εδαφικής υγρασίας (θ) και της εξατμοδιαπνοής (ET), που ανακτώνται μέσω τηλεπισκόπησης. Στο πλαίσιο αυτό διαμορφώνουμε μια σταθμισμένη στοχική συνάρτηση (Weighted Objective Function, WOF) ως προς τις ενεργές υδραυλικές παραμέτρους τους εδάφους, που περιλαμβάνει δύο συνιστώσες για τα θ και ET, αντίστοιχα, και έναν αδιάστατο συντελεστή w. Δεδομένου ότι η ευαισθησία της θ αυξάνει όταν αγνοούμε τις περιόδους που πραγματοποιείται η αποσύνδεση (decoupling) της εδαφικής υγρασίας, εισάγουμε ακόμη εντός της WOF ένα κατώφλι, θd, το οποίο προσδιορίζει την αποσύνδεση της εδαφικής υγρασίας από αυτή του ριζοστρώματος. Οι βέλτιστες τιμές των w και θd καθορίζονται με τη χρήση μιας καινοτόμου μεθοδολογίας, του αλγορίθμου επιλογής σταθμισμένης στοχικής συνάρτησης (Weighted Objective Function Selector Algorithm, WOFSA). Αυτός πραγματοποιεί αριθμητικά πειράματα, θεωρώντας γνωστές τις συνθήκες αναφοράς. Συγκεκριμένα, επιλύει το αντίστροφο πρόβλημα για διαφορετικά σύνολα τιμών των και ΕΤ, θεωρώντας τις αβεβαιότητες ανάκτησής του από τηλεπισκόπηση, και στη συνέχεια εφαρμόζει το υδρολογικό μοντέλο ώστε να αποκτήσει τις προσομοιωμένες ροές νερού και τα υπόλοιπά τους ΔWF έναντι των αποκρίσεων αναφοράς. Εκτιμά τις δύο άγνωστες μεταβλητές, w και θd, μεγιστοποιώντας τη γραμμική συσχέτιση μεταξύ της WOF και της μέγιστης απόκλισης ΔWF. Το πλαίσιο αυτό ελέγχεται με χρήση ενός τροποποιημένου μοντέλου Εδάφους-Νερού-Ατμόσφαιρας-Φυτού (Soil-Water-Atmosphere-Plant, SWAP) έναντι 22 αντικρουόμενων υδροκλιματικών σεναρίων. Δείχνουμε ότι για κάθε τύπο εδαφικής υφής, το w μπορεί να εκφραστεί ως συνάρτηση του μέσου λόγου θ προς ET, ενώ για όλα τα σενάρια η τιμή θd μπορεί να μοντελοποιηθεί ως συνάρτηση της μέσης θ, της μέσης ΕΤ, και της τυπικής απόκλισης της ΕΤ. Με βάση τα συμπεράσματα της μελέτης, παρέχουμε ακόμη υποδείξεις σχετικά με την πλέον κατάλληλη χρονική περίοδο για την πραγματοποίηση μετρήσεων εδαφικής υγρασίας, ώστε να περιλάβουμε τη δυναμική της και τα διάφορα κατώφλια. Τέλος, προτείνουμε την υλοποίηση του WOFSA στο πλαίσιο της πολυμεταβλητής βαθμονόμησης, ως γενικευμένο εργαλείο αναγνώρισης εύρωστων λύσεων από το μέτωπο Pareto.

    Πλήρες κείμενο: http://www.itia.ntua.gr/el/getfile/1383/2/documents/WRR_paper.pdf (2717 KB)

    Συμπληρωματικό υλικό:

    Βλέπε επίσης: http://dx.doi.org/10.1002/wrcr.20554

    Άλλες εργασίες που αναφέρονται σ' αυτή την εργασία (αυτός ο κατάλογος μπορεί να μην είναι ενημερωμένος):

    1. Mohanty, B. P., Soil hydraulic property estimation using remote sensing: a review, Vadose Zone Journal, 12(4), 1-9, doi:10.2136/vzj2013.06.0100, 2013.
    2. Wöhling, T., S. Gayler, E. Priesack, J. Ingwersen, H.-D. Wizemann, P. Högy, M. Cuntz, S. Attinger, V. Wulfmeyer, and T. Streck, Multiresponse, multiobjective calibration as a diagnostic tool to compare accuracy and structural limitations of five coupled soil-plant models and CLM3.5, Water Resources Research, 49(12), 8200–8221, doi:10.1002/2013WR014536, 2013.
    3. #Gupta, M., N. K. Garg, P. K Srivastava, and T. Islam, Integration of TRMM rainfall in numerical model for pesticide prediction in subtropical climate, Proceedings of 11th International Conference on Hydroinformatics (HIC 2014), New York City, 2014.
    4. Gong, W., Q. Duan, J. Li, C. Wang, Z. Di, Y. Dai, A. Ye, and C. Miao, Multi-objective parameter optimization of common land model using adaptive surrogate modelling, Hydrology and Earth System Sciences, 19, 2409–2425, doi:10.5194/hess-19-2409-2015, 2015.
    5. Garg, N. K., and M. Gupta, Assessment of improved soil hydraulic parameters for soil water content simulation and irrigation scheduling, Irrigation Science, 33(4), 247-264, doi:10.1007/s00271-015-0463-7, 2015.
    6. Larsen, M. A. D., J. C. Refsgaard, K. H. Jensen, M. B. Butts, S. Stisen, and M. Mollerup, Calibration of a distributed hydrology and land surface model using energy flux measurements, Agricultural and Forest Meteorology, 217, 74–88, doi:10.1016/j.agrformet.2015.11.012, 2016.
    7. #Gupta, M., P. K Srivastava, and T. Islam, Integrative use of near-surface satellite soil moisture and precipitation for estimation of improved irrigation scheduling parameters, Satellite Soil Moisture Retrieval: Techniques and Applications , P. K. Srivastava, G. Petropoulos, and Y. H. Kerr (editors), 271-288, doi:10.1016/B978-0-12-803388-3.00014-0, 2016.
    8. Maurya, S., P. K. Srivastava, M. Gupta, T. Islam, and D. Han, Integrating soil hydraulic parameter and microwave precipitation with morphometric analysis for watershed prioritization, Water Resources Management, 30(14), 5385–5405, doi:10.1007/s11269-016-1494-4, 2016.
    9. Fernández-Gálvez, J., J. A. P. Pollacco, L. Lilburne, S. McNeill, S. Carrick, L. Lassabatere, and R. Angulo-Jaramillo, Deriving physical and unique bimodal soil Kosugi hydraulic parameters from inverse modelling, Advances in Water Resources, 153, 103933, doi:10.1016/j.advwatres.2021.103933, 2021.
    10. Bonneau, J., G. L. Kouyi, L. Lassabatere, and T. D. Fletcher, Field validation of a physically-based model for bioretention systems, Journal of Cleaner Production, 312, 127636, doi:10.1016/j.jclepro.2021.127636, 2021.
    11. Pollacco, J. A. P., J. Fernández-Gálvez, P. Ackerer, B. Belfort, L. Lassabatere, R. Angulo-Jaramillo, C. Rajanayaka, L. Lilburne, S. Carrick, and D. A. Peltzer, HyPix: 1D physically based hydrological model with novel adaptive time-stepping management and smoothing dynamic criterion for controlling Newton-Raphson step, Environmental Modelling & Software, 153, 105386, doi:10.1016/j.envsoft.2022.105386, 2022.
    12. Pollacco, J. A. P., J. Fernández-Gálvez, C. Rajanayaka, S. C. Zammit, P. Ackerer, B. Belfort, L. Lassabatere, R. Angulo-Jaramillo, L. Lilburne, S. Carrick, and D. A. Peltzer, Multistep optimization of HyPix model for flexible vertical scaling of soil hydraulic parameters, Environmental Modelling & Software, 156, 105472, doi:10.1016/j.envsoft.2022.105472, 2022.

  1. N. Mamassis, A. Efstratiadis, and E. Apostolidou, Topography-adjusted solar radiation indices and their importance in hydrology, Hydrological Sciences Journal, 57 (4), 756–775, doi:10.1080/02626667.2012.670703, 2012.

    [Τοπογραφικά ανηγμένοι δείκτες ηλιακής ακτινοβολίας και η σημασία τους στην υδρολογία]

    Η ηλιακή ακτινοβολία, άμεση και διάχυτη, επηρεάζεται από τα χαρακτηριστικά της επιφάνειας, όπως η κλίση, ο προσανατολισμός και η σκίαση. Το άρθρο εξετάζει την επίδραση της τοπογραφίας στην ακτινοβολία, σε διάφορες χωροχρονικές κλίμακες, χρησιμοποιώντας κατάλληλες γεωμετρικές μεθόδους για την άμεση και διάχυτη συνιστώσα. Εισάγονται δύο δείκτες για τη σύγκριση της άμεσης ακτινοβολίας που δέχονται επιφάνειες στο ίδια και διαφορετικά γεωγραφικά πλάτη, αντίστοιχα. Προκειμένου να διερευνηθεί το προφίλ της άμεσης ακτινοβολίας στο σύνολο της Ελληνικής επικράτειας, οι δείκτες αυτοί υπολογίζονται από ωριαία έως ετήσια βάση, μέσω τεχνικών ΣΓΠ. Επιπλέον, εξετάζονται διαφορετικές προσεγγίσεις για την εκτίμηση της πραγματικής ολικής ακτινοβολίας σε επιχειρησιακές χωρικές κλίμακες (υπολεκάνης και οικοπέδου), σύμφωνα με τα διαθέσιμα μετεωρολογικά δεδομένα. Η μελέτη καταδεικνύει ότι τα σφάλματα των τυπικών σχέσεων που χρησιμοποιούνται στα υδρομετεωρολογικά μοντέλα, οι οποίες αγνοούν την επίδραη της τοπογραφίας και την εποχιακή κατανομή της άμεσης και διάχυτης ακτινοβολίας, εξαρτώνται από τη χωρική κλίμακα και δεν είναι ομοιόμορφα κατανεμημένα στο χρόνο. Σε όλες τις περιπτώσεις, οι εκτιμήσεις βελτιώνονται με την εφαρμογή των προτεινόμενων μεθόδων αναγωγής. Ειδικότερα, η αναγωγή της μετρημένης ολικής ακτινοβολίας εξασφαλίζει αύξηση της αποτελεσματικότητας κατά 10%, ενώ η τροποποιημένη σχέση του Angström επιτυγχάνει μικρή (2-4%) αύξηση της αποτελεσματικότητας και αξιοσημείωτη μείωση της μεροληψίας.

    Βλέπε επίσης: http://dx.doi.org/10.1080/02626667.2012.670703

    Άλλες εργασίες που αναφέρονται σ' αυτή την εργασία (αυτός ο κατάλογος μπορεί να μην είναι ενημερωμένος):

    1. Kunkel, V., T. Wells, and G. R. Hancock, Soil temperature dynamics at the catchment scale, Geoderma, 273, 32–44, doi:10.1016/j.geoderma.2016.03.011, 2016.
    2. Felicísimo Pérez, Á. M., and M.Á. Martín-Tardío, A method of downscaling temperature maps based on analytical hillshading for use in species distribution modelling, Cartography and Geographic Information Science, 45(4), 329-338, doi:10.1080/15230406.2017.1338620, 2018.
    3. Frey, J., K. Kovach, S. Stemmler, and B. Koch, UAV photogrammetry of forests as a vulnerable process. A sensitivity analysis for a structure from motion RGB-image pipeline, Remote Sensing, 16(2), 912, doi:10.3390/rs10060912, 2018.
    4. Aguilar, C., R. Pimentel, and M. J. Polo, Two decades of distributed global radiation time series across a mountainous semiarid area (Sierra Nevada, Spain), Earth System Science Data, 13, 1335-1359, doi:10.5194/essd-13-1335-2021, 2021.
    5. Nepali, B. R., J. Skartveit, and C. B. Baniya, Impacts of slope aspects on altitudinal species richness and species composition of Narapani-Masina landscape, Arghakhanchi, West Nepal, Journal of Asia-Pacific Biodiversity, 14(3), 415-424, doi:10.1016/j.japb.2021.04.005, 2021.
    6. Pisinaras V., F. Herrmann, A. Panagopoulos, E. Tziritis, I. McNamara, and F. Wendland, Fully distributed water balance modelling in large agricultural areas—The Pinios river basin (Greece) case study, Sustainability, 15(5), 4343, doi:10.3390/su15054343, 2023.

  1. A. Efstratiadis, and K. Hadjibiros, Can an environment-friendly management policy improve the overall performance of an artificial lake? Analysis of a multipurpose dam in Greece, Environmental Science and Policy, 14 (8), 1151–1162, doi:10.1016/j.envsci.2011.06.001, 2011.

    [Μπορεί μια φιλοπεριβαλλοντική διαχειριστική πολιτική να βελτιώσει την ολική επίδοση μιας τεχνητής λίμνης; Ανάλυση ενός ταμιευτήρα πολλαπλού σκοπού στην Ελλάδα]

    Λαμβάνοντας ως παράδειγμα ένα φράγμα πολλαπλού σκοπού στην Ελλάδα, θέλουμε να δείξουμε ότι ακολουθώντας μια ορθολογική πολιτική λειτουργίας, στην οποία η βελτίωση του ευρύτερου περιβαλλοντικού συστήματος καθίσταται στόχος υψηλής προτεραιότητας, είναι δυνατόν να επιτευχθεί μια πολύ πιο αποδοτική κατανομή των «παραδοσιακών» χρήσεων νερού. Σε αυτό το πλαίσιο, επισκοπούμε την πενηντάχρονη ιστορία του ταμιευτήρα Πλαστήρα στην Κεντρική Ελλάδα, ώστε να επισημάνουμε τις πολλαπλές αρνητικές συνέπειες μιας μη συστηματικής, προσανατολισμένης στις απολήψεις, πολιτικής λειτουργίας. Αυτή η μορφή διαχείρισης αντιπαραβάλλεται με μια υποθετική, η οποία ελήφθη από ένα διεπιστημονικό μεθοδολογικό πλαίσιο που αναπτύχτηκε πριν δέκα χρόνια, με σκοπό το συγκερασμό ενός πλήθους αντικρουόμενων χρήσεων νερού. Το πλαίσιο αυτό προϋποθέτει τη θέσπιση μιας ελάχιστης επιτρεπόμενης στάθμης για αρδευτικές απολήψεις και τη σταθεροποίηση των ετήσιων εκροών για γεωργική και υδρευτική χρήση. Τα υπό μελέτη κριτήρια σχετίζονται, άμεσα ή έμμεσα, με την αποθήκευση νερού στη λίμνη. Συνεπώς, η βασική ιδέα είναι η διερεύνηση την επίδοσης κάθε κριτηρίου σε σχέση με τη μεταβλητότητα της στάθμης, εξετάζοντας εναλλακτικούς κανόνες ελέγχου της στάθμης έναντι των εκροών. Έτσι, η ποσότητα νερού που θα ήταν διαθέσιμη κάθε έτος είναι συνάρτηση της ελάχιστης επιτρεπόμενης στάθμης και της επιθυμητής αξιοπιστίας. Πράγματι, η αντικειμενική ανάλυση καταδεικνύει ότι η διατήρηση της στάθμης του ταμιευτήρα όσο το δυνατό πιο ψηλά είναι αναγκαία για τη διατήρηση της ποιότητας του τοπίου της λίμνης, για την ανάπτυξη τουριστικών δραστηριοτήτων καθώς και για την προμήθεια καλής ποιότητας πόσιμου νερού. Τα πλεονεκτήματα του προτεινόμενου πλαισίου προβάλλονται, στη συνέχεια, μέσω μιας ανάλυσης προς τα πίσω, η οποία εστιάζει στην πρόσφατη περίοδο. Η υλοποίηση της συγκεκριμένης διαχειριστικής πολιτικής όχι μόνο θα βελτίωνε την ποιότητα του νερού και του τοπίου καθώς και τις τουριστικές προοπτικές, αλλά θα επέτρεπε έναν πιο αποτελεσματικό προγραμματισμό των γεωργικών και, υπό κάποιες προϋποθέσεις, υδροενεργειακών αναγκών. Ως εκ τούτου, με την υιοθέτηση μιας σταθερής ετήσιας απόληψης, ανεξάρτητης από την πρόσφατη ακολουθία των εισροών, θα μπορούσε να είναι ευνοϊκή για τα μακροχρόνια συμφέροντα όλων των κοινωνικών ομάδων, και, συνεπώς, οι αντιθέσεις μεταξύ της ύδρευσης, του τουρισμού, την ποιότητας του τοπίου, της άρδευσης και την υδροηλεκτρικής παραγωγής θα ήταν λιγότερο έντονες. Ωστόσο, η πράξη έδειξε ότι η συναίνεση μεταξύ των επιστημόνων, των αρχών και του κοινού για την εφαρμογή της προτεινόμενης πολιτικής αποτελεί ένα ιδιαίτερα δύσκολο εγχείρημα.

    Βλέπε επίσης: http://dx.doi.org/10.1016/j.envsci.2011.06.001

    Άλλες εργασίες που αναφέρονται σ' αυτή την εργασία (αυτός ο κατάλογος μπορεί να μην είναι ενημερωμένος):

    1. Tajziehchi, S., S. M. Monavari, and A. Karbassi, An effective participatory-based method for dam social impact assessment, Polish Journal of Environmental Studies, 21(6), 1841-1848, 2012.
    2. #Makrogianni, S., and K. Hadjibiros, Interdisciplinarity in environmental research: an analysis based on scientific publications, Proceedings of the 13th International Conference on Environmental Science and Technology, CEST2013_0681, Athens, 2013.
    3. #Shukla, P., Performance Evaluation of Conservation Programmes for Lakes of the Nainital Region, Research paper, 14 p., GRIN Verlag GmbH, 2014.#Shukla, P., Performance Evaluation of Conservation Programmes for Lakes of the Nainital Region, Research paper, 14 p., GRIN Verlag GmbH, 2014.
    4. #Patsialis, T., I. Kougias, J. Ganoulis, and N. Theodossiou, Irrigation dams for renewable energy production, Economics of Water Management in Agriculture, Bournaris, T., J. Berbel, B. Manos, and D. Viaggi (editors), CRC Press, 2014.
    5. Dias-Sardinha, I., and D. Ross, Perceived impact of the Alqueva dam on regional tourism development, Tourism Planning and Development, 12(3), 362-375, doi:10.1080/21568316.2014.988880, 2015.
    6. Martin-Utrillas, M., F. Juan-Garcia, J. Canto-Perello, and Jorge Curiel-Esparza, Optimal infrastructure selection to boost regional sustainable economy, International Journal of Sustainable Development & World Ecology, 22(1), 30-38, doi:10.1080/13504509.2014.954023, 2015.
    7. Khorasani, H., R. Kerachian, and S. Malakpour-Estalaki, Developing a comprehensive framework for eutrophication management in off-stream artificial lakes, Journal of Hydrology, 562, 103-124, doi:10.1016/j.jhydrol.2018.04.052, 2018.
    8. Rodrigues, C., and T. Fidélis, The integration of land use in public water reservoirs plans – A critical analysis of the regulatory approaches used for the protection of banks, Land Use Policy, 81, 762-775, doi:10.1016/j.landusepol.2018.10.047, 2019.
    9. Dash, S. S., D. R. Sena, U. Mandal, A. Kumar, G. Kumar, P. K. Mishra, and M. Rawat, A hydrological modelling-based approach for vulnerable area identification under changing climate scenarios, Journal of Water and Climate Change,12(2), 433-452, doi:10.2166/wcc.2020.202, 2021.
    10. Tegos, A., A. Ziogas, V. Bellos, and A. Tzimas, Forensic hydrology: a complete reconstruction of an extreme flood event in data-scarce area, Hydrology, 9(5), 93, doi:10.3390/hydrology9050093, 2022.
    11. Wang, M., Y. Wang, L. Duan, X. Liu, H. Jia, and B. Zheng, Estimating the pollutant loss rate based on the concentration process and landscape unit interactions: a case study of the Dianchi Lake Basin, Yunnan Province, China, Environmental Science and Pollution Research, doi:10.1007/s11356-022-19696-9, 2022.

  1. D. Koutsoyiannis, A. Christofides, A. Efstratiadis, G. G. Anagnostopoulos, and N. Mamassis, Scientific dialogue on climate: is it giving black eyes or opening closed eyes? Reply to “A black eye for the Hydrological Sciences Journal” by D. Huard, Hydrological Sciences Journal, 56 (7), 1334–1339, doi:10.1080/02626667.2011.610759, 2011.

    [Επιστημονικός διάλογος για το κλίμα: μαυρίζει μάτια ή ανοίγει κλειστά μάτια; Απάντηση στο σχόλιο του D. Huard “Ένα μαυρισμένο μάτι για το Hydrological Sciences Journal”]

    Σημείωση:

    Το πλήρες κείμενο διατίθεται στον ιστότοπο του περιοδικού: http://dx.doi.org/10.1080/02626667.2011.610759

    Το σχόλιο του Huard διατίθεται επίσης στον ιστότοπο του περιοδικού: : http://dx.doi.org/10.1080/02626667.2011.610758

    Συζητήσεις σε ιστολόγια: Climate Science, ABC News Watch, Fabius Maximus, Itia.

    Σχετικές εργασίες:

    • [41] Σύγκριση τοπικών και συναθροισμένων αποτελεσμάτων κλιματικών μοντέλων με δεδομένα παρατηρήσεων

    Πλήρες κείμενο: http://www.itia.ntua.gr/el/getfile/1140/1/documents/2011HSJ_OpeningClosedEyes.pdf (88 KB)

    Συμπληρωματικό υλικό:

    Άλλες εργασίες που αναφέρονται σ' αυτή την εργασία: Δείτε τις στο Google Scholar ή στο ResearchGate

    Άλλες εργασίες που αναφέρονται σ' αυτή την εργασία (αυτός ο κατάλογος μπορεί να μην είναι ενημερωμένος):

    1. Jiang, P., M. R. Gautam, J. Zhu and Z. Yu, How well do the GCMs/RCMs capture the multi-scale temporal variability of precipitation in the Southwestern United States?, Journal of Hydrology, 479, 75-85, 2013.
    2. Chun, K. P., H. S. Wheater, and C. Onof, Comparison of drought projections using two UK weather generators, Hydrological Sciences Journal, 58(2), 1–15, 2013.
    3. #Ranzi, R., Influence of climate and anthropogenic feedbacks on the hydrological cycle, water management and engineering, Proceedings of 2013 IAHR World Congress, 2013.
    4. Kundzewicz, Z.W., S. Kanae, S. I. Seneviratne, J. Handmer, N. Nicholls, P. Peduzzi, R. Mechler, L. M. Bouweri, N. Arnell, K. Mach, R. Muir-Wood, G. R. Brakenridge, W. Kron, G. Benito, Y. Honda, K. Takahashi, and B. Sherstyukov, Flood risk and climate change: global and regional perspectives, Hydrological Sciences Journal, 59(1), 1-28, doi:10.1080/02626667.2013.857411, 2014.
    5. #Jiménez Cisneros, B.E., T. Oki, N.W. Arnell, G. Benito, J.G. Cogley, P. Döll, T. Jiang, and S.S. Mwakalila, Freshwater resources. In: Climate Change 2014: Impacts, Adaptation, and Vulnerability. Part A: Global and Sectoral Aspects. Contribution of Working Group II to the Fifth Assessment Report of the Intergovernmental Panel on Climate Change [Field, C.B., V.R. Barros, D.J. Dokken, K.J. Mach, M.D. Mastrandrea, T.E. Bilir, M. Chatterjee, K.L. Ebi, Y.O. Estrada, R.C. Genova, B. Girma, E.S. Kissel, A.N. Levy, S. MacCracken, P.R. Mastrandrea, and L.L. White (eds.)], Cambridge University Press, Cambridge, United Kingdom and New York, NY, USA, pp. 229-269, 2014.
    6. Hesse, C., V. Krysanova, A. Stefanova, M. Bielecka, and D. A. Domnin, Assessment of climate change impacts on water quantity and quality of the multi-river Vistula Lagoon catchment, Hydrological Sciences Journal, 60(5), 890-911, doi:10.1080/02626667.2014.967247, 2015.
    7. Nayak, P. C., R. Wardlaw, and A. K. Kharya, Water balance approach to study the effect of climate change on groundwater storage for Sirhind command area in India, International Journal of River Basin Management, 13(2), 243-261, doi:10.1080/15715124.2015.1012206, 2015.
    8. Frank, P., Negligence, non-science, and consensus climatology, Energy and Environment, 26(3), doi:10.1260/0958-305X.26.3.391, 2015.
    9. Kara, F., I. Yucel, and Z. Akyurek, Climate change impacts on extreme precipitation of water supply area in Istanbul: Use of ensemble climate modelling and geo-statistical downscaling, Hydrological Sciences Journal, 61(14), 2481-2495, doi:10.1080/02626667.2015.1133911, 2016.
    10. Refsgaard, J. C., T. O. Sonnenborg, M. B. Butts, J. H. Christensen, S. Christensen, M. Drews, K. H. Jensen, F. Jørgensen, L. F. Jørgensen, M. A. D. Larsen, S. H. Rasmussen, L. P. Seaby, D. Seifert, and T. N. Vilhelmsen, Climate change impacts on groundwater hydrology – where are the main uncertainties and can they be reduced?, Hydrological Sciences Journal, 61(13), 2312-2324, doi:10.1080/02626667.2015.1131899, 2016.
    11. Kundzewicz, Z. W., V. Krysanova, R. Dankers, Y. Hirabayashi, S. Kanae, F. F. Hattermann, S. Huang, P. C. D. Milly, M. Stoffel, P. P. J. Driessen, P. Matczak, P. Quevauviller, and H.-J. Schellnhuber, Differences in flood hazard projections in Europe – their causes and consequences for decision making, Hydrological Sciences Journal, 62(1), 1-14, doi:10.1080/02626667.2016.1241398, 2017.
    12. Connolly, R., M. Connolly, W. Soon, D. R. Legates, R. G. Cionco, and V. M. Velasco Herrera, Northern hemisphere snow-cover trends (1967–2018): A comparison between climate models and observations, Geosciences, 9(3), 135, doi:10.3390/geosciences9030135, 2019.
    13. Kron, W., J. Eichner, and Z. W. Kundzewicz, Reduction of flood risk in Europe – Reflections from a reinsurance perspective, Journal of Hydrology, doi:10.1016/j.jhydrol.2019.06.050, 2019.

  1. I. Nalbantis, A. Efstratiadis, E. Rozos, M. Kopsiafti, and D. Koutsoyiannis, Holistic versus monomeric strategies for hydrological modelling of human-modified hydrosystems, Hydrology and Earth System Sciences, 15, 743–758, doi:10.5194/hess-15-743-2011, 2011.

    [Ολιστικές έναντι μονομερών στρατηγικών για την υδρολογική μοντελοποίηση τροποποιημένων υδροσυστημάτων]

    Η μοντελοποίηση τροποποιημένων λεκανών, οι οποίες δεν μετρώνται επαρκώς, αποτελεί πρόκληση για την υδρολογική επιστήμη. Συχνά, τα μοντέλα για τέτοια συστήματα είναι λεπτομερή και βασίζονται στην υδραυλική ενός μόνο τμήματος του συστήματος, ενώ για τα άλλα τμήματα χρησιμοποιούνται υπεραπλουστευμένα μοντέλα ή αδρομερείς παραδοχές. Τυπικά πρόκειται για μια προσέγγιση του τύπου «από κάτω προς τα πάνω», στην οποία ζητούμενο είναι η εκμετάλλευση της γνώσης των υδρολογικών διεργασιών στη μικροκλίμακα, για ορισμένες μόνο συνιστώσες του συστήματος. Επιπλέον, πρόκειται για μια μονομερή προσέγγιση κατά δύο τρόπους: Πρώτον, ουσιώδεις αλληλεπιδράσεις μεταξύ συνιστωσών του συστήματος ενδέχεται είτε να αναπαρίστανται φτωχά ή ακόμη και να αγνοούνται. Δεύτερον, οι διαφορές στο επίπεδο λεπτομέρειας της αναπαράστασης των διεργασιών μπορεί να οδηγήσει σε μη ελεγχόμενα σφάλματα. Επιπρόσθετα, η διαδικασία βαθμονόμησης θεωρεί μονομερώς την αναπαραγωγή των παρατηρημένων αποκρίσεων, χρησιμοποιώντας τυπικά κριτήρια προσαρμογής. Το άρθρο αποσκοπεί στο να αναδείξει ορισμένα κρίσιμα ζητήματα που αφορούν στη συνολική προσέγγιση μοντελοποίησης τέτοιων υδροσυστημάτων. Για το σκοπό αυτό εξετάζονται δύο εναλλακτικές στρατηγικές μοντελοποίησης, οι οποίες αντανακλούν δύο προσεγγίσεις ή φιλοσοφίες μοντελοποίησης: μια κυρίαρχη προσέγγιση «από κάτω προς τα πάνω», η οποία είναι επίσης μονομερής και πολύ συχνά βασίζεται μόνο στην πληροφορία εξόδου (της λεκάνης), και μια «από πάνω προς τα κάτω» ολιστική προσέγγιση, η οποία βασίζεται σε γενικευμένη πληροφορία. Εξετάζονται κρίσιμες επιλογές, με τις οποίες κωδικοποιούνται οι διαφορές μεταξύ των δύο στρατηγικών: η αναπαράσταση των επιφανειακών, υπόγειων και διαχειριστικών διεργασιών του νερού, οι έννοιες της σχηματοποίησης και παραμετροποίησης, και η μεθοδολογία εκτίμησης των παραμέτρων. Η πρώτη στρατηγική βασίζεται σε αυτόνομα μοντέλα για τις επιφανειακές και υπόγειες διεργασίες και τη διαχείριση του νερού, τα οποία λειτουργούν σειριακά. Για κάθε μοντέλο χρησιμοποιείται διαφορετική παραμετροποίηση (λεπτομερής ή αδρομερής), η οποία υπαγορεύεται από τη σχηματοποίηση του υδροσυστήματος. Η δεύτερη στρατηγική αφορά σε ολοκλήρωση όλων των διεργασιών σε ένα μοντέλο, φειδωλή παραμετροποίηση και υβριδική χειροκίνητη-αυτόματη βελτιστοποίηση των παραμέτρων, με βάση πολλαπλούς στόχους. Η εφαρμογή ελέγχου εξετάζεται σε ένα υδροσύστημα της Ελλάδας με υψηλή πολυπλοκότητα, όπως εκτεταμένες αλληλεπιδράσεις επιφανειακών και υπόγειων νερών, κακώς ορισμένα όρια, απώλειες νερού προς τη θάλασσα, και ανθρωπογενείς επεμβάσεις με μη μετρούμενες απολήψεις από επιφανειακά και υπόγεια νερά. Κριτήρια σύγκρισης είναι η φυσική ερμηνεία των παραμέτρων, η αναπαραγωγή των υδρογραφημάτων σε πολλαπλές θέσεις της λεκάνης, η ευλογοφάνεια των μη ελεγχόμενων εξόδων του μοντέλου, ο απαιτούμενος υπολογιστικός φόρτος και η επίδοση σε συνθήκες στοχαστικής προσομοίωσης. Η εργασία μας επιτρέπει τη διερεύνηση της επιδείνωσης της επίδοσης του μοντέλου σε περιπτώσεις κατά τις οποίες δεν δίνεται ισορροπημένη προσοχή σε όλες τις συνιστώσες των τροποποιημένων υδροσυστημάτων και στη σχετική πληροφορία. Ακόμη, εντοπίζονται πηγές σφαλμάτων και αξιολογούνται οι συνδυαστικές επιπτώσεις τους.

    Πλήρες κείμενο: http://www.itia.ntua.gr/el/getfile/1055/11/documents/hess-15-743-2011.pdf (1733 KB)

    Συμπληρωματικό υλικό:

    Βλέπε επίσης: http://dx.doi.org/10.5194/hess-15-743-2011

    Άλλες εργασίες που αναφέρονται σ' αυτή την εργασία: Δείτε τις στο Google Scholar ή στο ResearchGate

    Άλλες εργασίες που αναφέρονται σ' αυτή την εργασία (αυτός ο κατάλογος μπορεί να μην είναι ενημερωμένος):

    1. Gharari, S., M. Hrachowitz, F. Fenicia, and H. H. G. Savenije, Hydrological landscape classification: investigating the performance of HAND based landscape classifications in a central European meso-scale catchment, Hydrology and Earth System Sciences, 15, 3275-3291, doi:10.5194/hess-15-3275-2011, doi:10.5194/hess-15-3275-2011, 2011.
    2. #Gharari, S., M. Hrachowitz, F. Fenicia, and H. H. G Savenije, Moving beyond traditional model calibration or how to better identify realistic model parameters: sub-period calibration, Hydrology and Earth System Science Discussions,, 9, 1885-1918, doi:10.5194/hessd-9-1885-2012, 2012.
    3. Flipo, N., C. Monteil, M. Poulin, C. de Fouquet, and M. Krimissa, Hybrid fitting of a hydrosystem model: Long term insight into the Beauce aquifer functioning (France), Water Recourses Research, 48, W05509, doi:10.1029/2011WR011092, 2012.
    4. Wang, X., T. Liu and W. Yang, Development of a robust runoff-prediction model by fusing the rational equation and a modified SCS-CN method, Hydrological Sciences Journal, 57(6), 1118-1140, doi:10.1080/02626667.2012.701305, 2012.
    5. Maneta, M. P., and W. W. Wallender, Pilot-point based multi-objective calibration in a surface–subsurface distributed hydrological model, Hydrological Sciences Journal, 58(2), 390-407, doi:10.1080/02626667.2012.754987, 2013.
    6. Hrachowitz, M., H.H.G. Savenije, G. Blöschl, J.J. McDonnell, M. Sivapalan, J.W. Pomeroy, B. Arheimer, T. Blume, M.P. Clark, U. Ehret, F. Fenicia, J.E. Freer, A. Gelfan, H.V. Gupta, D.A. Hughes, R.W. Hut, A. Montanari, S. Pande, D. Tetzlaff, P.A. Troch, S. Uhlenbrook, T. Wagener, H.C. Winsemius, R.A. Woods, E. Zehe, and C. Cudennec, A decade of Predictions in Ungauged Basins (PUB) — a review, Hydrological Sciences Journal, 58(6), 1198-1255, 2013.
    7. #Loukas, A., and L. Vasiliades, Review of applied methods for flood-frequency analysis in a changing environment in Greece, In: A review of applied methods in Europe for flood-frequency analysis in a changing environment, Floodfreq COST action ES0901: European procedures for flood frequency estimation (ed. by H. Madsen et al.), Centre for Ecology & Hydrology, Wallingford, UK, 2013.
    8. Flipo, N., A. Mouhri, B. Labarthe, S. Biancamaria, A. Rivière and P. Weill, Continental hydrosystem modelling: the concept of nested stream–aquifer interfaces, Hydrology and Earth System Sciences, 18, 3121-3149, doi:10.5194/hess-18-3121-2014, 2014.
    9. Ivkovic, K. M., B. F. W. Croke and R. A.Kelly, Overcoming the challenges of using a rainfall-runoff model to estimate the impacts of groundwater extraction on low flows in an ephemeral stream, Hydrology Research, 45(1), 58-72, doi:10.2166/nh.2013.204, 2014.
    10. Mateo, C. M., N. Hanasaki, D. Komori, K. Tanaka, M. Kiguchi, A. Champathong, T. Sukhapunnaphan, D.Yamazaki, and T. Oki, Assessing the impacts of reservoir operation to floodplain inundation by combining hydrological, reservoir management, and hydrodynamic models, Water Resources Research, 50(9), 7245–7266, doi:10.1002/2013WR014845, 2014.
    11. Gharari, S., M. Hrachowitz, F. Fenicia, H. Gao, and H. H. G. Savenije, Using expert knowledge to increase realism in environmental system models can dramatically reduce the need for calibration, Hydrology and Earth System Sciences, 18, 4839-4859, doi:10.5194/hess-18-4839-2014, 2015.
    12. Thirel, G., V. Andréassian, C. Perrin, J.-N. Audouy, L. Berthet, P. Edwards, N. Folton, C. Furusho, A. Kuentz, J. Lerat, G. Lindström, E. Martin, T. Mathevet, R. Merz, J. Parajka, D. Ruelland, and J. Vaze, Hydrology under change: an evaluation protocol to investigate how hydrological models deal with changing catchments, Hydrological Sciences Journal, 60(7-8), 1184-1199, doi:10.1080/02626667.2014.9672482014, 2015.
    13. Pryet, A., B. Labarthe, F. Saleh, M. Akopian and N. Flipo, Reporting of stream-aquifer flow distribution at the regional scale with a distributed process-based model, Water Resources Management, 10.1007/s11269-014-0832-7, 29(1), 139-159, 2015.
    14. Donnelly, C., J. C. M. Andersson, and B. Arheimer, Using flow signatures and catchment similarities to evaluate the E-HYPE multi-basin model across Europe, Hydrological Sciences Journal, 61(2), 255-273, doi:10.1080/02626667.2015.1027710, 2016.
    15. Bellin, A., B. Majone, O. Cainelli, D. Alberici, and F. Villa, A continuous coupled hydrological and water resources management model, Environmental Modelling and Software, 75, 176–192, doi:10.1016/j.envsoft.2015.10.013, 2016.
    16. Ajmal, M., J.-H. Ahn, and , T.-W. Kim, Excess stormwater quantification in ungauged watersheds using an event-based modified NRCS model, Water Resources Management, 30(4), 1433-1448, doi:10.1007/s11269-016-1231-z, 2016.
    17. Ma, L., C. He, H. Bian, and L. Sheng, MIKE SHE modeling of ecohydrological processes: Merits, applications, and challenges, Ecological Engineering, 96, 137–149, doi:10.1016/j.ecoleng.2016.01.008, 2016.
    18. Tigkas, D., V. Christelis, and G. Tsakiris, Comparative study of evolutionary algorithms for the automatic calibration of the Medbasin-D conceptual hydrological model, Environmental Processes, 3(3), 629–644, doi:10.1007/s40710-016-0147-1, 2016.
    19. Ercan, A., E. C. Dogrul, and T. N. Kadir, Investigation of the groundwater modelling component of the Integrated Water Flow Model (IWFM), Hydrological Sciences Journal, 61(16), 2834-2848, doi:10.1080/02626667.2016.1161765, 2016.
    20. Balbarini, N., W. M. Boon, E. Nicolajsen, J. M. Nordbotten, P. L. Bjerg, and P. J. Binning, A 3-D numerical model of the influence of meanders on groundwater discharge to a gaining stream in an unconfined sandy aquifer, Journal of Hydrology, 552, 168-181, doi:10.1016/j.jhydrol.2017.06.042, 2017.
    21. Antonetti, M., and M. Zappa, How can expert knowledge increase the realism of conceptual hydrological models? A case study in the Swiss Pre-Alps, Hydrology and Earth System Sciences, 22, 4425-4447, doi:10.5194/hess-2017-322, 2018.
    22. Gunda, T., B. L. Turner, and V. C. Tidwell, The influential role of sociocultural feedbacks on community-managed irrigation system behaviors during times of water stress, Water Resources Research, 54(4), 2697-2714, doi:10.1002/2017WR021223, 2018.
    23. van Tol, J.J., and S.A. Lorentz, Hydropedological interpretation of regional soil information to conceptualize groundwater-surface water interactions, Vadose Zone Journal, 17:170097, doi:10.2136/vzj2017.05.0097, 2018
    24. Christelis, V., and A. G. Hughes, Metamodel-assisted analysis of an integrated model composition: an example using linked surface water – groundwater models, Environmental Modelling and Software, 107, 298-306, doi:10.1016/j.envsoft.2018.05.004, 2018.
    25. Stefanidis, S., and D. Stathis, Effect of climate change on soil erosion in a mountainous Mediterranean catchment (Central Pindus, Greece), Water, 10(10), 1469, doi:10.3390/w10101469, 2018.
    26. Rotiroti, M., T. Bonomi, E. Sacchi, J. M. McArthur, G. A. Stefania, C. Zanotti, S. Taviani, M. Patelli, V. Nava, V. Solera, L. Fumagalli, and B. Leoni, The effects of irrigation on groundwater quality and quantity in a human-modified hydrosystem: The Oglio River basin, Po Plain, Northern Italy, Science of the Total Environment, 672, 342-356, doi:10.1016/j.scitotenv.2019.03.427, 2019.
    27. Ocio, D., T. Beskeen, and K. Smart, Fully distributed hydrological modelling for catchment-wide hydrological data verification, Hydrology Research, 50(6), 1520-1534, doi:10.2166/nh.2019.006, 2019.
    28. Rozos, E., A methodology for simple and fast streamflow modelling, Hydrological Sciences Journal, 65(7), 1084-1095, doi:10.1080/02626667.2020.1728475, 2020.
    29. Waseem, M., F. Kachholz, W. Klehr, and J. Tränckner, Suitability of a coupled hydrologic and hydraulic model to simulate surface water and groundwater hydrology in a typical North-Eastern Germany lowland catchment, Applied Sciences, 10(4), 1281, doi:10.3390/app10041281, 2020.
    30. Guse, B., J. Kiesel, M. Pfannerstill, and N. Fohrer, Assessing parameter identifiability for multiple performance criteria to constrain model parameters, Hydrological Sciences Journal, 65(7), 1158-1172, doi:10.1080/02626667.2020.1734204, 2020.
    31. Madi, M., M. A. Hafnaoui, A. Hachemi, M. Ben Said, A. Noui, A. M. Chaa, N. Bouchahm, and Y. Farhi, Flood risk assessment in Saharan regions. A case study (Bechar region, Algeria), Journal of Biodiversity and Environmental Sciences, 16(1), 42-60, 2020.
    32. Sidiropoulos, P., N. Mylopoulos, L. Vasiliades, and A. Loukas, Stochastic nitrate simulation under hydraulic conductivity uncertainty of an agricultural basin aquifer at Eastern Thessaly, Greece, Environmental Science and Pollution Research, 28, 65700-65715, doi:10.1007/s11356-021-15555-1, 2021.
    33. Zegait, R., Z. Şen, A. Pulido-Bosch, H. Madi, and B. Hamadeha, Flash flood risk and climate analysis in the extreme south of Algeria (the case of In-Guezzam City), Geomatics and Environmental Engineering, 16(4), doi:10.7494/geom.2022.16.4.157, 2022.

  1. G. G. Anagnostopoulos, D. Koutsoyiannis, A. Christofides, A. Efstratiadis, and N. Mamassis, A comparison of local and aggregated climate model outputs with observed data, Hydrological Sciences Journal, 55 (7), 1094–1110, doi:10.1080/02626667.2010.513518, 2010.

    [Σύγκριση τοπικών και συναθροισμένων αποτελεσμάτων κλιματικών μοντέλων με δεδομένα παρατηρήσεων]

    Συγκρίνουμε τις εξόδους διαφόρων κλιματικών μοντέλων με παρατηρήσεις θερμοκρασίας και κατακρήμνισης, σε 55 σημεία παγκοσμίως. Ακόμη, συναθροίζουμε χωρικά τις εξόδους των μοντέλων και τις παρατηρήσεις στο ηπειρωτικό τμήμα των ΗΠΑ, χρησιμοποιώντας δεδομένα 70 σταθμών, και κάνουμε συγκρίσεις σε διάφορες χρονικές κλίμακες, περιλαμβανομένης της κλιματικής (μέσοι όροι 30 ετών) κλίμακας. Πέρα από το γεγονός ότι επαληθεύονται τα ευρήματα μιας προηγούμενης εργασίας αξιολόγησης, ότι δηλαδή οι προγνώσεις των μοντέλων στη σημειακή κλίμακα είναι φτωχές, τα αποτελέσματα δείχνουν ότι και οι χωρικά ολοκληρωμένες προγνώσεις είναι εξίσου φτωχές.

    Σημείωση:

    Η δημοσίευση έχει συζητηθεί σε ιστολόγια.

    Ιστολόγια που συζήτησαν αυτή τη δημοσίευση στη διάρκεια του 2010

    1. Very Important New Paper “A Comparison Of Local And Aggregated Climate Model Outputs With Observed Data” By Anagnostopoulos Et Al 2010 (Climate Science: Roger Pielke Sr.)
    2. New peer reviewed paper shows just how bad the climate models really are (Watts Up With That?)
    3. Missing News: No skill in climate modelling (ABC News Watch)
    4. Missing News: Climate models disputed (ABC News Watch)
    5. New peer reviewed paper shows just how bad the climate models really are (repost 1) (Countdown to critical mass)
    6. New peer reviewed paper shows just how bad the climate models really are (repost2 ) (Climate Observer)
    7. New Major Peer-Reviewed Study: Climate Models' Predictions Found To Be Shitty (C3)
    8. New peer reviewed paper shows just how bad the climate models really are - A response to the Climate Change Misinformation at wattsupwiththat.com (Wott's Up With That?)
    9. Climate model abuse (Niche Modeling)
    10. Very Important New Paper on models versus reality (Greenie Watch)
    11. New paper shows that there is no means of reliably predicting climate variables (Greenie Watch 2)
    12. A comparison of local and aggregated climate model outputs with observed data (Fire And Ice)
    13. Peer Reviewed Study States The Obvious (US Message Board)
    14. Climate models don’t work, in hindsight (Herald Sun Andrew Bolt Blog)
    15. Climate models don’t work, in hindsight (repost) (The Daily Telegraph)
    16. No abuse hides the fact: warmist models cannot even predict our past (Herald Sun Andrew Bolt Blog 2)
    17. No abuse hides the fact: the warmist models cannot even predict our past (PA Pundits – International)
    18. Aussie rains – IPCC models are bunkum, Energy tsunami, CCNet updates, Exit EU petition (clothcap)
    19. Aussie rains – IPCC models are bunkum, Energy tsunami, CCNet updates, Exit EU petition (repost) (My Telegraph)
    20. Science not politics (ecomyths)
    21. More evidence that Global Climate computer models are worthless (Tucano's Perch)
    22. Model skill? (Retread Resources Blog)
    23. Estudo sobre modelos climáticos (MeteoPT.com - Fórum de Meteorologia)
    24. Strategie di verifica delle prestazioni dei GCM, i risultati degli idrologi dell’università di Atene (Climate Monitor)
    25. Strategie di verifica delle prestazioni dei GCM, i risultati degli idrologi dell’università di Atene (repost) (Blog All Over The World)
    26. Klima - spådommer og målinger (ABC News)
    27. "Scam for the Ages" Makes Madoff Look Like Small Change (Al Fin)
    28. Teoria do AGA: um passado duvidoso, um presente mal contado e um futuro pior ainda. (Sou Engenheiro)

    Ιστολόγια και Διαδικτυακοί τόποι με αντιδράσεις σχετικά αυτή τη δημοσίευση στη διάρκεια του 2010:

    Climate Etc. * Climate Etc. (2) * Climate Etc. (3) * YouTube * Science Forum * Google Groups * Google Groups 2 * Errors in IPCC climate science * Errors in IPCC climate science (2) * Just Grounds Community * A Few Things Ill Considered * Popular Technology.net * The Climate Scam * JunkScience * The Chronicle of Higher Education * The Little Skeptic * Jennifer Marohasy * Dot Earth Blog - NYTimes.com * ICECAP * Watching the Deniers * DVD Talk * Pure Poison * Peak Oil News and Message Boards * Bishop Hill * San Diego News * Sheffield Forum * Herald Sun Andrew Bolt Blog 3 * BBC - Richard Black's Earth Watch * Liberation * Pistonheads * ABC.net.au * Climate Conversation Group * Sydsvenskan - Nyheter dygnet runt * Telepolis * Keskisuomalainen * Keskisuomalainen 2

    Σχετικές εργασίες:

    • [162] Επαναθεώρηση της αξιοπιστίας των κλιματικών προγνώσεων (πρόδρομη ανακοίνωση σε συνέδριο)
    • [44] Σχετικά με τη αξιοπιστία των κλιματικών προβλέψεων (προηγούμενη σχετική δημοσίευση)

    Πλήρες κείμενο: http://www.itia.ntua.gr/el/getfile/978/1/documents/928051726__.pdf (1309 KB)

    Συμπληρωματικό υλικό:

    Βλέπε επίσης: http://dx.doi.org/10.1080/02626667.2010.513518

    Άλλες εργασίες που αναφέρονται σ' αυτή την εργασία: Δείτε τις στο Google Scholar ή στο ResearchGate

    Άλλες εργασίες που αναφέρονται σ' αυτή την εργασία (αυτός ο κατάλογος μπορεί να μην είναι ενημερωμένος):

    1. Kundzewicz, Z. W., and E. Z. Stakhiv, Are climate models “ready for prime time” in water resources management applications, or is more research needed? Hydrological Sciences Journal, 55(7), 1085–1089, 2010.
    2. #Liebscher, H.-J., and H. G. Mendel, Vom empirischen Modellansatz zum komplexen hydrologischen Flussgebietsmodell – Rückblick und Perspektiven, 132 p., Koblenz, Bundesanstalt für Gewässerkunde, 2010.
    3. Stockwell, D. R. B., Critique of drought models in the Australian Drought Exceptional Circumstances Report (DECR), Energy and Environment, 21(5), 425-436, 2010.
    4. Di Baldassarre, G., M. Elshamy, A. van Griensven, E. Soliman, M. Kigobe, P. Ndomba, J. Mutemi, F. Mutua, S. Moges, J.-Q. Xuan, D. Solomatine, and S. Uhlenbrook, Future hydrology and climate in the River Nile basin: a review, Hydrological Sciences Journal, 56(2), 199-211, 2011.
    5. Carlin, A., A multidisciplinary, science-based approach to the economics of climate change, International Journal of Environmental Research and Public Health, 8(4), 985-1031, 2011.
    6. Fildes, R., and N. Kourentzes, Validation and forecasting accuracy in models of climate change, International Journal of Forecasting, 27(4), 968-995, 2011.
    7. Kundzewicz, Z. W., Nonstationarity in water resources – Central European perspective, Journal of the American Water Resources Association, 47(3), 550-562, 2011.
    8. Sivakumar, B., Water crisis: From conflict to cooperation – an overview, Hydrological Sciences Journal, 56(4), 531-552, 2011.
    9. Loehle, C., Criteria for assessing climate change impacts on ecosystems, Ecology and Evolution, 1 (1), 63–72, 2011.
    10. Ward, J. D., A. D. Werner, W. P. Nel, and S. Beecham, The influence of constrained fossil fuel emissions scenarios on climate and water resource projections, Hydrology and Earth System Sciences, 15, 1879-1893, 2011.
    11. #Idso, C., R. M. Carter, and S. F. Singer, Climate models and their limitations, Climate Change Reconsidered: 2011 Interim Report of the Nongovernmental International Panel on Climate Change (NIPCC), Chapter 1, 32 pp., 2011.
    12. #Huard, D., The challenges of climate change interpretation, Ouranos Newsletter, Montreal, Quebec, 3 pp., 21 September 2011.
    13. Stakhiv, E. Z., Pragmatic approaches for water management under climate change uncertainty, JAWRA Journal of the American Water Resources Association, 47(6), 1183-1196, 2011.
    14. Huard, D., A black eye for the Hydrological Sciences Journal, Discussion of “A comparison of local and aggregated climate model outputs with observed data”, by G. G. Anagnostopoulos et al. (2010, Hydrol. Sci. J. 55 (7), 1094–1110), Hydrological Sciences Journal, 56(7), 1330–1333, 2011.
    15. #Martin, T. E., Mine waste management in wet, mountainous terrain: Some British Columbia perspectives, Part II – Creating, managing and judging our legacy, Proceedings Tailings and Mine Waste 2011, Vancouver, BC, Canada, 2011.
    16. #Kundzewicz, Z. W., Comparative assessment: fact or fiction? Paper presented at the Workshop Including long-term climate change in hydrologic design, World Bank, Washington, D.C., USA, November 21, 2011.
    17. Okruszko, T., H. Duel, M. Acreman, M. Grygoruk, M. Flörke, and C. Schneider, Broad-scale ecosystem services of European wetlands — overview of the current situation and future perspectives under different climate and water management scenarios, Hydrological Sciences Journal, 56(8), 1501–1517, 2011.
    18. Stanislawska, K., K Krawiec, and Z. W. Kundzewicz, Modeling global temperature changes with genetic programming, Computers and Mathematics with Applications, 64(12), 3717-3728, 2012.
    19. Petheram, C., P. Rustomji, T. R. McVicar, W. Cai, F. H. S. Chiew, J. Vleeshouwer, T. G. Van Niel, L.-T. Li, R. G. Cresswell, R. J. Donohue, J. Teng, and J.-M. Perraud, Estimating the impact of projected climate change on runoff across the tropical savannas and semi-arid rangelands of northern Australia, Journal of Hydrometeorology, 13 (2), 483-503, 2012.
    20. #Fekete, B. M., and E. Stakhiv, Water management preparation strategies for adaptation to changing climate, Climatic Change and Global Warming of Inland Waters: Impacts and Mitigation for Ecosystems and Societies, C. R. Goldman, M. Kumagai, and R. D. Robarts (eds.), 413-427, 2012.
    21. #Asian Development Bank, Guidelines for climate proofing investment in agriculture, rural development and food security, 101 pp., Mandaluyong City, Philippines, ISBN 978-92-9092-900-0, 2012.
    22. Hromadka, T. V., M. Jaye, M. Phillips, T. Hromadka, and D. Phillips, A mathematical model of cryospheric response to climate changes, Journal of Cold Regions Engineering, 27 (2), 67-93, 2013.
    23. Serrat-Capdevila, A., J. B. Valdes, F. Dominguez, and S. Rajagopal, Characterizing the water extremes of the new century in the US South-west: a comprehensive assessment from state-of-the-art climate model projections, International Journal of Water Resources Development, 29 (2), 152-171, 2013.
    24. Nastos, P. T., N. Politi, and J. Kapsomenakis, Spatial and temporal variability of the aridity index in Greece, Atmospheric Research, 19, 140-152, 2013.
    25. Jiang, P., M. R. Gautam, J. Zhu, and Z. Yu, How well do the GCMs/RCMs capture the multi-scale temporal variability of precipitation in the Southwestern United States?, Journal of Hydrology, 479, 13-23, 2013.
    26. Nazemi, A., H. S. Wheater, K. P. Chun, and A. Elshorbagy, A stochastic reconstruction framework for analysis of water resource system vulnerability to climate-induced changes in river flow regime, Water Resources Research, 49(1), 291-305, doi:10.1029/2012WR012755, 2013.
    27. Chun, K. P., H. S. Wheater, and C. Onof, Comparison of drought projections using two UK weather generators, Hydrological Sciences Journal, 58(2), 1–15, 2013.
    28. Pielke, Sr. R.A., Comment on “The North American Regional Climate Change Assessment Program: Overview of Phase I Results”, Bulletin of the American Meteorological Society, 94(7), 1075-1077, 2013.
    29. Piniewski, M., F. Voss, I. Bärlund, T. Okruszko and Z. W. Kundzewicz, Effect of modelling scale on the assessment of climate change impact on river runoff, Hydrological Sciences Journal, 58 (4), 737-754, 2013.
    30. #Pielke R. A. Sr., J. Adegoke, F. Hossain, G. Kallos, D. Niyogi, T. Seastedt, K. Suding, C. Y. Wright, and D. Staley, Preface, Climate Vulnerability: Understanding and Addressing Threats to Essential Resources, Pielke, R. (editor), xxi-xxix, Elsevier Science, 2013.
    31. #Lang, M. A., Renewable energy and water resources, Climate Vulnerability: Understanding and Addressing Threats to Essential Resources, Pielke, R. (editor), Vol. 3, 149-166, Elsevier Science, 2013.
    32. #He, Y., F. Pappenberger, D. Manful, H. Cloke, P. Bates, F. Wetterhall, and B. Parkes, Flood inundation dynamics and socioeconomic vulnerability under environmental change, Climate Vulnerability: Understanding and Addressing Threats to Essential Resources, Pielke, R. (editor), Vol. 5, 241-255, Elsevier Science, 2013.
    33. Kumar, S., P. A. Dirmeyer, V. Merwade, T. DelSole, J. M. Adams, and D. Niyogi, Land use/cover change impacts in CMIP5 climate simulations – A new methodology and 21st century challenges, Journal of Geophysical Research: Atmospheres, 118(12), 6337-6353, 2013.
    34. #Loukas, A., and L. Vasiliades, Review of applied methods for flood-frequency analysis in a changing environment in Greece, In: A review of applied methods in Europe for flood-frequency analysis in a changing environment, Floodfreq COST action ES0901: European procedures for flood frequency estimation (ed. by H. Madsen et al.), Centre for Ecology & Hydrology, Wallingford, UK, 2013.
    35. Ruffault, J., N. K .Martin-StPaul, C. Duffet, F. Goge and F. Mouillot, Projecting future drought in Mediterranean forests: bias correction of climate models matters!, Theoretical and Applied Climatology, 117 (1-2), 113-122, 2014.
    36. Nazemi, A., and H. S. Wheater, How can the uncertainty in the natural inflow regime propagate into the assessment of water resource systems? Advances in Water Resources, 63, 131-142, 2014.
    37. Kundzewicz, Z. W., S. Kanae, S. I. Seneviratne, J. Handmer, N. Nicholls, P. Peduzzi, R. Mechler, L. M. Bouweri, N. Arnell, K. Mach, R. Muir-Wood, G. R. Brakenridge, W. Kron, G. Benito, Y. Honda, K. Takahashi, and B. Sherstyukov, Flood risk and climate change: global and regional perspectives, Hydrological Sciences Journal, 59(1), 1–28, 2014.
    38. Grygoruk, M., U. Biereżnoj-Bazille, M. Mazgajski and J.Sienkiewicz, Climate-induced challenges for wetlands: revealing the background for the adaptive ecosystem management in the Biebrza Valley, Poland, Advances in Global Change Research, 58, 209-232, 2014.
    39. Gilioli, G., S. Pasquali, S. Parisi and S. Winter, Modelling the potential distribution of Bemisia tabaci in Europe considering climate change scenario, Pest Management Science, 70(1), 1611–1623, 10.1002/ps.3734, 2014.
    40. Krakauer, N. Y., and B. M. Fekete, Are climate model simulations useful for forecasting precipitation trends? Hindcast and synthetic-data experiments, Environmental Research Letters, 9(2), 024009, 2014.
    41. Hughes, D. A., S. Mantel and T. Mohobane, An assessment of the skill of downscaled GCM outputs in simulating historical patterns of rainfall variability in South Africa, Hydrology Research, 45 (1), 134-147, 2014.
    42. #Jiménez Cisneros, B.E., T. Oki, N.W. Arnell, G. Benito, J.G. Cogley, P. Döll, T. Jiang, and S.S. Mwakalila, Freshwater resources. In: Climate Change 2014: Impacts, Adaptation, and Vulnerability. Part A: Global and Sectoral Aspects. Contribution of Working Group II to the Fifth Assessment Report of the Intergovernmental Panel on Climate Change [Field, C.B., V.R. Barros, D.J. Dokken, K.J. Mach, M.D. Mastrandrea, T.E. Bilir, M. Chatterjee, K.L. Ebi, Y.O. Estrada, R.C. Genova, B. Girma, E.S. Kissel, A.N. Levy, S. MacCracken, P.R. Mastrandrea, and L.L. White (eds.)], Cambridge University Press, Cambridge, United Kingdom and New York, NY, USA, pp. 229-269, 2014.
    43. Hromadka, T. V., H. D. McInvale, B. Gatzke, M. Phillips, and B. Espinosa, Cumulative departure model of the cryosphere during the Pleistocene, Journal of Cold Regions Engineering, 06014002, 2014.
    44. Nova, J., Government monopoly in science and the role of independent scientists, Energy and Environment, 25(6-7), 1219–1224, 2014.
    45. #McKitrick, R., Climate Policy Implications of the Hiatus in Global Warming, Fraser Institute, 2014.
    46. Galbraith, H., D. W. DesRochers, S. Brown and J. M. Reed, Predicting vulnerabilities of North American shorebirds to climate change, PLoS ONE, 9(9), 10.1371/journal.pone.0108899, 2014.
    47. Yao, Y., S. Zhao, Y. Zhang, K. Jia and M. Liu, Spatial and decadal variations in potential evapotranspiration of China based on reanalysis datasets during 1982–2010, Atmosphere, 5(4), 737-754, 2014.
    48. Kundzewicz, Z., and D. Gerten, Grand challenges related to assessment of climate change impacts on freshwater resources, Journal of Hydrologic Engineering, 20 (1), 10.1061/(ASCE)HE.1943-5584.0001012, A4014011, 2015.
    49. Hromadka II, T.V., H.D. McInvale, M. Phillips and B. Espinosa, Assessment of ice volume changes in the cryosphere via simplified heat transport model, American Journal of Climate Change, 3, 421-428, 2014.
    50. Hesse, C., V. Krysanova, A. Stefanova, M. Bielecka and D. A. Domnin, Assessment of climate change impacts on water quantity and quality of the multi-river Vistula Lagoon catchment, Hydrological Sciences Journal, 60(5), 890-911, doi:10.1080/02626667.2014.967247, 2015.
    51. Stefanova, A., V. Krysanova, C. Hesse, and A. I. Lillebø, Climate change impact assessment on water inflow to a coastal lagoon: the Ria de Aveiro watershed, Portugal, Hydrological Sciences Journal, 60(5), 929-948, 2015.
    52. Hesse, C., A. Stefanova, and V. Krysanova, Comparison of water flows in four European lagoon catchments under a set of future climate scenarios, Water, 7(2), 716-746, doi:10.3390/w7020716, 2015.
    53. Gelfan, A., V. A. Semenov, E. Gusev, Y. Motovilov, O. Nasonova, I. Krylenko, and E. Kovalev, Large-basin hydrological response to climate model outputs: uncertainty caused by the internal atmospheric variability, Hydrology and Earth System Sciences, 19, 2737-2754, doi:10.5194/hess-19-2737-2015, 2015.
    54. Nayak, P. C., R. Wardlaw, and A. K. Kharya, Water balance approach to study the effect of climate change on groundwater storage for Sirhind command area in India, International Journal of River Basin Management, 13(2), 243-261, doi:10.1080/15715124.2015.1012206, 2015.
    55. Yu, Z., P. Jiang, M. R. Gautam, Y. Zhang, and K. Acharya, Changes of seasonal storm properties in California and Nevada from an ensemble of climate projections, Journal of Geophysical Research: Atmospheres, 120(7), 2676-2688, doi:10.1002/2014JD022414, 2015.
    56. Legates, D. R., W. Soon, W. M. Briggs and C. Monckton of Brenchley, Climate consensus and ‘misinformation’: a rejoinder to agnotology, scientific consensus, and the teaching and learning of climate change, Science and Education, 24, 299-318, doi:10.1007/s11191-013-9647-9, 2015.
    57. Frank, P., Negligence, non-science, and consensus climatology, Energy and Environment, 26(3), doi:10.1260/0958-305X.26.3.391, 2015.
    58. Kundzewicz, Z.W., Climate change track in river floods in Europe, Proc. IAHS, 369, 189–194, 10.5194/piahs-369-189-2015, 2015.
    59. Kara, F., I. Yucel, and Z. Akyurek, Climate change impacts on extreme precipitation of water supply area in Istanbul: Use of ensemble climate modelling and geo-statistical downscaling, Hydrological Sciences Journal, 61(14), 2481-2495, doi:10.1080/02626667.2015.1133911, 2016.
    60. Refsgaard, J. C., T. O. Sonnenborg, M. B. Butts, J. H. Christensen, S. Christensen, M. Drews, K. H. Jensen, F. Jørgensen, L. F. Jørgensen, M. A. D. Larsen, S. H. Rasmussen, L. P. Seaby, D. Seifert, and T. N. Vilhelmsen, Climate change impacts on groundwater hydrology – where are the main uncertainties and can they be reduced?, Hydrological Sciences Journal, 61(13), 2312-2324, doi:10.1080/02626667.2015.1131899, 2016.
    61. #Kundzewicz, Z. W., Climate change impacts and adaptation in water and land context, Environmental Resource Management and the Nexus Approach – Managing Water, Soil, and Waste in the Context of Global Change, H. Hettiarachchi, and R. Ardakanian (editors), 11-39, Springer, doi:10.1007/978-3-319-28593-1_2, 2016.
    62. #Serrat-Capdevila, A., D. A. García Ramírez, and N. Tayebi, Key global water challenges and the role of remote sensing, Earth Observation for Water Resources Management: Current Use and Future Opportunities for the Water Sector, 9-31, doi:10.1596/978-1-4648-0475-5_ch1, 2016.
    63. Jiang, P., Z. Yu, M. R. Gautam, F. Yuan, and K. Acharya, Changes of storm properties in the United States: Observations and multimodel ensemble projections, Global and Planetary Change, 142, 41–52, doi:10.1016/j.gloplacha.2016.05.001, 2016.
    64. #Fekete, B. M., G. Pisacane, and D. Wisser, Crystal balls into the future: are global circulation and water balance models ready?, Proc. IAHS, 374, 41-51, doi:10.5194/piahs-374-41-2016, 2016.
    65. Kundzewicz, Z. W., V. Krysanova, R. Dankers, Y. Hirabayashi, S. Kanae, F. F. Hattermann, S. Huang, P. C. D. Milly, M. Stoffel, P. P. J. Driessen, P. Matczak, P. Quevauviller, and H.-J. Schellnhuber, Differences in flood hazard projections in Europe – their causes and consequences for decision making, Hydrological Sciences Journal, 62(1), 1-14, doi:10.1080/02626667.2016.1241398, 2017.
    66. Grygoruk, M., and S. Rannowb, Mind the gap! Lessons from science-based stakeholder dialogue in climate-adapted management of wetlands, Journal of Environmental Management, 186, 108-119, doi:10.1016/j.jenvman.2016.10.066, 2017.
    67. Hossain, F., E. Beighley, S. Burian, J. Chen, A. Mitra, D. Niyogi, R. Pielke Sr, and D. Wegner, Review of approaches and recommendations for improving resilience of water management infrastructure: the case for large dams, Journal of Infrastructure Systems, doi:10.1061/(ASCE)IS.1943-555X.0000370, 2017.
    68. Gusev, Y. M., V. A. Semenov, O. N. Nasonova, and E E. Kovalev, Weather noise impact on the uncertainty of simulated water balance components of river basins, Hydrological Sciences Journal, 62(8), 1181-1199, doi:10.1080/02626667.2017.1319064, 2017.
    69. #Shalby, A., M. Elshemy, and B. A. Zeidan, Selecting of regional climate model simulations for modeling climate change impacts on the water quality status of Lake Burullus, Egypt, Twentieth International Water Technology Conference, Hurghada, 2017.
    70. Vogel, M., Stochastic watershed models for hydrologic risk management, Water Security, 1, 28-35, doi:10.1016/j.wasec.2017.06.001, 2017.
    71. Loehle, C., The epistemological status of general circulation models, Climate Dynamics, 50(5-6), 1719-1731, doi:10.1007/s00382-017-3717-7, 2018.
    72. Gupta, H. V., G. Sapriza-Azuri, J. Jódar, and J. Carrera, Circulation pattern-based assessment of projected climate change for a catchment in Spain, Journal of Hydrology, 556, 944-960, doi:10.1016/j.jhydrol.2016.06.032, 2018.
    73. #Maraun, D., and M. Widmann, Statistical Downscaling and Bias Correction for Climate Research, Cambridge University Press, 2018.
    74. Stefanidis, S., and D. Stathis, Effect of climate change on soil erosion in a mountainous Mediterranean catchment (Central Pindus, Greece), Water, 10(10), 1469, doi:10.3390/w10101469, 2018.
    75. Connolly, R., M. Connolly, W. Soon, D. R. Legates, R. G. Cionco, and V. M. Velasco Herrera, Northern hemisphere snow-cover trends (1967–2018): A comparison between climate models and observations, Geosciences, 9(3), 135, doi:10.3390/geosciences9030135, 2019.
    76. Kron, W., J. Eichner, and Z. W. Kundzewicz, Reduction of flood risk in Europe – Reflections from a reinsurance perspective, Journal of Hydrology, 576, 197-209, doi:10.1016/j.jhydrol.2019.06.050, 2019.
    77. Shalby, A., M. Elshemy, and B. A. Zeidan, Assessment of climate change impacts on water quality parameters of Lake Burullus, Egypt, Environmental Science and Pollution Research, doi:10.1007/s11356-019-06105-x, 2019.
    78. Wine, M. L., Toward strong science to support equitable water sharing in securitized transboundary watersheds, Biologia, doi:10.2478/s11756-019-00334-8, 2019.
    79. Frank, P., Propagation of error and the reliability of global air temperature projections, Frontiers in Earth Science, 7, 223, doi:10.3389/feart.2019.00223, 2019.
    80. #Hossain, F., D. Niyogi, R. A. Pielke, J. Chen, D. Wegner, A. Mitra, S. Burian, E. Beighley, C. Brown, and V. Tidwell, Current approaches for resilience assessment, Resilience of Large Water Management Infrastructure, Hossain, F. (editor), 35-43, Springer International Publishing, doi:10.1007/978-3-030-26432-1_3, 2020.
    81. Wine, M. L., Climatization of environmental degradation: A widespread challenge to the integrity of earth science, Hydrological Sciences Journal, 65(6), 867-883, doi:10.1080/02626667.2020.1720024, 2020.
    82. Verbist, K. M. J., H. Maureira, P. Rojas, and S.Vicuna, A stress test for climate change impacts on water security: a CRIDA case study, Climate Risk Management, 28, 100222, doi:10.1016/j.crm.2020.100222, 2020.
    83. Hosseini-Moghari, S.-M., and Q. Tang, Validation of GPM IMERG-V05 and V06 precipitation products over Iran, Journal of Hydrometeorology, 21(5), 1011-1037, doi:10.1175/JHM-D-19-0269.1, 2020.
    84. Stefanidis, S., S. Dafis, and D. Stathis, Evaluation of regional climate models (RCMs) performance in simulating seasonal precipitation over mountainous Central Pindus (Greece), Water, 12(10), 2750, doi:10.3390/w12102750, 2020.
    85. Dong, Z., W. Jia, R. Sarukkalige, G. Fu, Q. Meng, and Q. Wang, Innovative trend analysis of air temperature and precipitation in the Jinsha river basin, China, Water, 12(11), 3293, doi:10.3390/w12113293, 2020.
    86. Turner, S. W. D., and P. J. Jeffrey, A simple drought risk analysis procedure to supplement water resources management planning in England and Wales, Water and Environment Journal, 35(1), 417-424, doi:10.1111/wej.12639, 2021.
    87. Sun, B., S. Chen, Q. Liu, Y. Lu, C. Zhang, and H. Fang, Review of sewage flow measuring instruments, Ain Shams Engineering Journal, 12(2), 2089-2098, doi:10.1016/j.asej.2020.08.031, 2021.
    88. Baran-Zgłobicka, B., D. Godziszewska, and W. Zgłobicki, The flash floods risk in the local spatial planning (case study: Lublin Upland, E Poland), Resources, 10(2), 14, doi:10.3390/resources10020014, 2021.
    89. Neupane, S., S. Shrestha, U. Ghimire, S. Mohanasundaram, and S. Ninsawat, Evaluation of the CORDEX regional climate models (RCMs) for simulating climate extremes in the Asian cities, Science of The Total Environment, 797, 149137, doi:10.1016/j.scitotenv.2021.149137, 2021.
    90. Manous, J., and E. Z. Stakhiv, Climate risk-informed decision analysis (CRIDA): ‘top-down’ vs ‘bottom-up’ decision making for planning water resources infrastructure, Water Policy, 23(S1), 54-76, doi:10.2166/wp.2021.243, 2021.
    91. Stakhiv, E. Z., The centrality of engineering codes and risk-based design standards in climate adaptation strategies, Water Policy, 23(S1), 106-127, doi:10.2166/wp.2021.345, 2021.
    92. Ramadhan, R., H. Yusnaini, M. Marzuki, R. Muharsyah, W. Suryanto, S. Sholihun, M. Vonnisa, H. Harmadi, A. P. Ningsih, A. Battaglia, H. Hashiguchi, and A. Tokay, Evaluation of GPM IMERG performance using gauge data over Indonesian maritime continent at different time scales, Remote Sensing, 14(5), 1172, doi:10.3390/rs14051172, 2022.
    93. Haji-Aghajany, S., Y. Amerian, and A. Amiri-Simkooei, Function-based troposphere tomography technique for optimal downscaling of precipitation, Remote Sensing, 14(11), 2548, doi:10.3390/rs14112548, 2022.
    94. Mohebbi, A., K. R. Adams, S. Akbariyeh, M. Maruf, and A. H. Baghanam, Application of weather research and forecasting (WRF) model in evaluating depth–duration–frequency estimates under a future climate scenario, Hydrology Research, nh2022045, doi:10.2166/nh.2022.045, 2022.
    95. Girma, R., C. Fürsta, and A. Moges, Performance evaluation of CORDEX-Africa regional climate models in simulating climate variables over Ethiopian main rift valley: Evidence from Gidabo river basin for impact modeling studies, Dynamics of Atmospheres and Oceans, 99, 101317, doi:10.1016/j.dynatmoce.2022.101317, 2022.
    96. Ahamed, M. R. A., A. Sharma, J. M. Wani, and A. P. Dimri, The representation of summer monsoon rainfall over northeast India: assessing the performance of CORDEX-CORE model experiments, Theoretical and Applied Climatology, doi:10.1007/s00704-023-04369-5, 2023.
    97. Frank, P., LiG metrology, correlated error, and the integrity of the global surface air-temperature record, Sensors, 23(13), 5976, doi:10.3390/s23135976, 2023.

  1. A. Efstratiadis, and D. Koutsoyiannis, One decade of multiobjective calibration approaches in hydrological modelling: a review, Hydrological Sciences Journal, 55 (1), 58–78, doi:10.1080/02626660903526292, 2010.

    [Μια δεκαετία προσεγγίσεων πολυκριτηριακής βαθμονόμησης στην υδρολογική μοντελοποίηση: Επισκόπηση]

    Μια δεκαετία μετά τις πρώτες δημοσιεύσεις στην πολυκριτηριακή βαθμονόμηση υδρολογικών μοντέλων, συνοψίζουμε την εμπειρία που έχει ως τώρα αποκτηθεί, υπογραμμίζοντας τις κύριες προοπτικές που παρέχονται από τέτοιες προσεγγίσεις με σκοπό τη βελτίωση του προσδιορισμού των παραμέτρων. Μετά την επισκόπηση των θεμελιωδών αρχών της θεωρίας διανυσματικής βελτιστοποίησης, συνδέουμε την προσέγγιση της πολυκριτηριακής βαθμονόμησης με τις έννοιες της αβεβαιότητας και της ισοδυναμίας (equifinality). Συγκεκριμένα, το πολυκριτηριακό πλαίσιο επιτρέπει την αναγνώριση και το χειρισμό σφαλμάτων και αβεβαιοτήτων, και τον εντοπισμό πρόσφορων και καλά προσαρμόσιμων (behavioural) λύσεων, με αποδεκτές αντισταθμίσεις. Ειδικά σε μοντέλα με σύνθετη παραμετροποίηση η πολυκριτηριακή προσέγγιση καθίσταται αναγκαία για τη βελτίωση του προσδιορισμού των παραμέτρων και την επαύξηση της πληροφορίας που περιέχεται στη βαθμονόμηση, τόσο με τη μορφή μετρήσεων για πολλαπλές αποκρίσεις όσο και εμπειρικών μέτρων («χαλαρή» πληροφορία), στα οποία αντικατοπτρίζεται η υδρολογική εμπειρία. Με βάση τη βιβλιογραφική επισκόπηση, παρέχουμε ακόμη εναλλακτικές τεχνικές για την αντιμετώπιση αντικρουόμενων και μη συμμετρούμενων (non-commeasurable) κριτηρίων, καθώς και υβριδικές στρατηγικές για την αξιοποίηση της πληροφορίας που αποκτάται, στην κατεύθυνση του προσδιορισμού υποσχόμενων συμβιβαστικών λύσεων που εξασφαλίζουν συνεπείς και αξιόπιστες βαθμονομήσεις.

    Πλήρες κείμενο: http://www.itia.ntua.gr/el/getfile/924/2/documents/919806565_.pdf (290 KB)

    Συμπληρωματικό υλικό:

    Άλλες εργασίες που αναφέρονται σ' αυτή την εργασία: Δείτε τις στο Google Scholar ή στο ResearchGate

    Άλλες εργασίες που αναφέρονται σ' αυτή την εργασία (αυτός ο κατάλογος μπορεί να μην είναι ενημερωμένος):

    1. Booij, M. J., and M. S. Krol, Balance between calibration objectives in a conceptual hydrological model, Hydrological Sciences Journal, 55(6), 1017-1032, 2010.
    2. Moussa, R., When monstrosity can be beautiful while normality can be ugly: assessing the performance of event-based flood models, Hydrological Sciences Journal, 55(6), 1074-1084, 2010.
    3. Moussu, F., L. Oudin, V. Plagnes, A. Mangin, and H. Bendjoudi, A multi-objective calibration framework for rainfall-discharge models applied to karst systems, Journal of Hydrology, 400(3-4), 364-376, 2011.
    4. Guinot, V., B. Cappelaere, C. Delenne, and D. Ruelland, Towards improved criteria for hydrological model calibration: Theoretical analysis of distance- and weak form-based functions, Journal of Hydrology, 401(1-2), 1-13, 2011.
    5. Peel, M. C., and G. Blöschl, Hydrological modelling in a changing world, Progress in Physical Geography, 35 (2), 249-261, 2011.
    6. Ford, D. E., and M. C. Kennedy, Assessment of uncertainty in functional–structural plant models, Annals of Botany, 108 (6), 1043-1053, 2011.
    7. #Shinma, T. A., and L. F. R. Reis, Multiobjective automatic calibration of the storm water management model (SWMM) using non-dominated sorting genetic algorithm II (NSGA-II), Proceedings of the 2011 World Environmental and Water Resources Congress: Bearing Knowledge for Sustainability, 598-607, 2011.
    8. Mediero, L., L. Garrote and F. J. Martín-Carrasco, Probabilistic calibration of a distributed hydrological model for flood forecasting, Hydrological Sciences Journal, 56(7), 1129–1149, 2011.
    9. Kennedy, M. C., and E. D. Ford, Using multicriteria analysis of simulation models to understand complex biological systems, BioScience, 61(12), 994–1004, 2011.
    10. #Van Hoey, S., P. Seuntjens, J. van der Kwast, J.-L. de Kok, G. Engelen, and I. Nopens, Flexible framework for diagnosing alternative model structures through sensitivity and uncertainty analysis, In: Chan, F., D. Marinova, and R. S. Anderssen (eds.), MODSIM2011, 19th International Congress on Modelling and Simulation, Modelling and Simulation Society of Australia and New Zealand, December 2011, pp. 3924-3930, ISBN: 978-0-9872143-1-7, 2011.
    11. Reed, P. M., and J. B. Kollat, Save now, pay later? Multi-period many-objective groundwater monitoring design given systematic model errors and uncertainty, Advances in Water Resources, 35, 55-68, 2012.
    12. Pushpalatha, R., C. Perrin, N. Le Moine, and V. Andréassian, A review of efficiency criteria suitable for evaluating low–flow simulations, Journal of Hydrology, 420-421, 171-182, 2012.
    13. Ruelland, D., S. Ardoin-Bardin, L. Collet, and P. Roucou, Simulating future trends in hydrological regime of a large Sudano-Sahelian catchment under climate change, Journal of Hydrology, 424-425, 207-216, 2012.
    14. Andréassian, V., N. Le Moine, C. Perrin, M.-H. Ramos, L. Oudin, T. Mathevet, J. Lerat, and L. Berthet, All that glitters is not gold: the case of calibrating hydrological models, Hydrological Processes, 26(14), 2206-2210, 2012.
    15. Kollat, J. B., P. M. Reed, and T. Wagener, When are multiobjective calibration trade-offs in hydrologic models meaningful?, Water Resources Research, 48, W03520, 2012.
    16. Dumedah, G., A. A. Berg, and M. Wineberg, Evaluating autoselection methods used for choosing solutions from Pareto-optimal set: Does nondominance persist from calibration to validation phase? Journal of Hydrologic Engineering, 17(1), 150-159, 2012.
    17. Hill, M. C., D. Kavetski, M. Clark, M. Ye, and D. Lu, Uncertainty quantification 2012: Uncertainty quantification for environmental models, Society for Industrial and Applied Mathematics News, 45(9), 2012.
    18. Rye, C. J., I. Willis, N. S. Arnold, and J. Kohler, On the need for automated multi-objective optimization and uncertainty estimation of glacier mass balance models, Journal of Geophysical Research, 117, F02005, doi: 10.1029/2011JF002184, 2012.
    19. Rothfuss, Y., I. Braud, N. Le Moine, P. Biron, J.-L. Durand, M. Vauclin, and T. Bariac, Factors controlling the isotopic partitioning between soil evaporation and plant transpiration: assessment using a multi-objective calibration of SiSPAT-Isotope under controlled conditions, Journal of Hydrology, 442-443, 161-179, 2012.
    20. Peng, W., R. V. Mayorga, and S. Imran, A rapid fuzzy optimisation approach to multiple sources water blending problem in water distribution systems, Urban Water Journal, 9(3), 177-187, 2012.
    21. Flipo, N., C. Monteil, M. Poulin, C. de Fouquet, and M. Krimissa, Hybrid fitting of a hydrosystem model: Long term insight into the Beauce aquifer functioning (France), Water Recourses Research, 48, W05509, DOI: 10.1029/2011WR011092, 2012.
    22. Pollacco, J. A. P., and B. P. Mohanty, Uncertainties of water fluxes in SVAT models: inverting surface soil moisture and evapotranspiration retrieved from remote sensing, Vadose Zone Journal, 11(3), vzj2011.0167, 2012.
    23. Muleta, M. K., Model performance sensitivity to objective function during automated calibrations, Journal of Hydrologic Engineering, 17(6), 756-767, 2012.
    24. Dumedah, G., Formulation of the evolutionary-based data assimilation and its implementation in hydrological forecasting, Water Resources Management, 26(13), 3853-3870, 2012.
    25. Reichert, P., and N. Schuwirth, Linking statistical bias description to multiobjective model calibration, Water Resources Research, 48, W09543, doi:10.1029/2011WR011391, 2012.
    26. Price, K., S. T. Purucker, S. R. Kraemer, and J. Babendreier, Tradeoffs among watershed model calibration targets for parameter estimation, Water Resources Research, 48, W10542, doi:10.1029/2012WR012005, 2012.
    27. Krauße, T., J. Cullmann, P. Saile, and G. H. Schmitz, Robust multi-objective calibration strategies – possibilities for improving flood forecasting, Hydrology and Earth System Sciences, 16, 3579-3606, 2012.
    28. Koskela, J. J., B. Croke, H. Koivusalo, A. Jakeman, and T. Kokkonen, Bayesian inference of uncertainties in precipitation-streamflow modeling in a snow affected catchment, Water Resources Research, 48, W11513, doi: 10.1029/2011WR011773, 2012.
    29. Jarvis, N., and M. Larsbo, MACRO (V5.2): Model use, calibration, and validation, Transactions of the ASABE, 55(4), 1413-1423, 2012.
    30. Hallema, D. W., R. Moussa, P. Andrieux, and M. Voltz, Parameterisation and multi-criteria calibration of a distributed storm flow model applied to a Mediterranean agricultural catchment, Hydrological Processes, 27(10), 1379-1398, 2013.
    31. Gharari, S., M. Hrachowitz, F. Fenicia and H. H. G. Savenije, An approach to identify time consistent model parameters: sub-period calibration, Hydrology and Earth System Sciences, 17, 149-161, 10.5194/hess-17-149-2013, 2013.
    32. Kasprzyk, J. R, S. Nataraj, P. M. Reed, and R. J. Lempert, Many objective robust decision making for complex environmental systems undergoing change, Environmental Modelling & Software, 42, 55-71, 2013.
    33. Reed, P. M., D. Hadka, J. D. Herman, J. R. Kasprzyk, and J. B. Kollat, Evolutionary multiobjective optimization in water resources: the past, present, and future, Advances in Water Resources, 51, 438-456, 2013.
    34. Spaaks, J. H. and W. Bouten, Resolving structural errors in a spatially distributed hydrologic model using ensemble Kalman filter state updates, Hydrology and Earth System Sciences, 17, 3455–3472, 2013.
    35. Wöhling, T., L. Samaniego, and R. Kumar, Evaluating multiple performance criteria to calibrate the distributed hydrological model of the upper Neckar catchment, Environmental Earth Sciences, 69(2), 453-468, 2013.
    36. Ghimire, S. R., and J. M. Johnston, Impacts of domestic and agricultural rainwater harvesting systems on watershed hydrology: A case study in the Albemarle-Pamlico river basins (USA), Ecohydrology & Hydrobiology, 13(2), 159-171, 2013.
    37. Hartmann, A., T. Wagener, A. Rimmer, J. Lange, H. Brielmann, and M. Weiler, Testing the realism of model structures to identify karst system processes using water quality and quantity signatures, Water Resources Research, 49(6), 3345-3358, 2013.
    38. Hill, M. C., C. C. Faunt, W. R. Belcher, D. S. Sweetkind, C. R. Tiedeman and D. Kavetski, Knowledge, transparency, and refutability in groundwater models, an example from the Death Valley regional groundwater flow system, Physics and Chemistry of the Earth, 64, 105-116, 2013.
    39. Muñoz, E., J. L. Arumí and D. Rivera, Watersheds are not static: Implications of climate variability and hydrologic dynamics in modeling [Las cuencas no son estacionarias: implicancias de la variabilidad climática y dinámicas hidrológicas en la modelación, Bosque, 34 (1), 7-11, 2013.
    40. Hrachowitz, M., H.H.G. Savenije, G. Blöschl, J.J. McDonnell, M. Sivapalan, J.W. Pomeroy, B. Arheimer, T. Blume, M.P. Clark, U. Ehret, F. Fenicia, J.E. Freer, A. Gelfan, H.V. Gupta, D.A. Hughes, R.W. Hut, A. Montanari, S. Pande, D. Tetzlaff, P.A. Troch, S. Uhlenbrook, T. Wagener, H.C. Winsemius, R.A. Woods, E. Zehe, and C. Cudennec, A decade of Predictions in Ungauged Basins (PUB) — a review, Hydrological Sciences Journal, 58(6), 1198-1255, 2013.
    41. Xu, C., H. Chen, and S. Guo, Hydrological modeling in a changing environment: issues and challenges, Journal of Water Resources Research, 2, 85-95, 2013.
    42. Ramin, M., and G. B. Arhonditsis, Bayesian calibration of mathematical models: Optimization of model structure and examination of the role of process error covariance, Ecological Informatics, 18, 107-116, 2013.
    43. Dumedah, G., and P. Coulibaly, Evaluating forecasting performance for data assimilation methods: the Ensemble Kalman Filter, the Particle Filter, and the Evolutionary-based assimilation Advances in Water Resources, 60, 47-63, 2013.
    44. Wöhling, T., S. Gayler, E. Priesack, J. Ingwersen, H.-D. Wizemann, P. Högy, M. Cuntz, S. Attinger, V. Wulfmeyer, and T. Streck, Multiresponse, multiobjective calibration as a diagnostic tool to compare accuracy and structural limitations of five coupled soil-plant models and CLM3.5, Water Resources Research, 49(12), 8200–8221, 2013.
    45. Romanowicz, R., M. Osuch and M. Grabowiecka, On the choice of calibration periods and objective functions: A practical guide to model parameter identification, Acta Geophysica, 61(6), 1477-1503, 10.2478/s11600-013-0157-6, 2013.
    46. Rientjes, T.H.M., L.P. Muthuwatta, M.G. Bos, M.J. Booij, and H.A. Bhatti, Multi-variable calibration of a semi-distributed hydrological model using streamflow data and satellite-based evapotranspiration, Journal of Hydrology, 505, 276-290, 2013.
    47. Guerrero, J. L., I. K. Westerberg, S. Halldin, L.-C. Lundin, and C.-Y. Xu, Exploring the hydrological robustness of model-parameter values with alpha shapes, Water Resources Research, 49 (10), 6700-6715, 2013.
    48. Hsie, M., S. W. Yan and N. F. Pan, Improvement of rainfall-runoff simulations using the Runoff-Scale Weighting Method, Journal of Hydrologic Engineering, 19(7), 1330-1339, 10.1061/(ASCE)HE.1943-5584.0000921, 2014.
    49. Gharari, S., M. Shafiei, M. Hrachowitz, F. Fenicia, H. V. Gupta, and H. H. G. Savenije, A constraint-based search algorithm for parameter identification of environmental models, Hydrology and Earth System Sciences, 18, 4861-4870, doi:10.5194/hess-18-4861-2014, 2014.
    50. Shinma, T. A., and L. F. A. Reis, Incorporating multi-event and multi-site data in the calibration of SWMM, Procedia Engineering, 70, 75-84, 2014.
    51. Coron, L., V. Andréassian, C. Perrin, M. Bourqui, and F. Hendrickx, On the lack of robustness of hydrologic models regarding water balance simulation – a diagnostic approach on 20 mountainous catchments using three models of increasing complexity, Hydrology and Earth System Sciences, 18, 727-746, 2014.
    52. Dumedah, G., and J. P. Walker, Evaluation of model parameter convergence when using data assimilation for soil moisture estimation, Journal of Hydrometeorology, 15(1), 359-375, 2014.
    53. Black, D. C., P. J. Wallbrink, and P. W. Jordan, Towards best practice implementation and application of models for analysis of water resources management scenarios, Environmental Modelling and Software, 52, 136-148, 2014.
    54. Loukas, A., and L. Vasiliades, Streamflow simulation methods for ungauged and poorly gauged watersheds, Natural Hazards and Earth System Sciences, 14, 1641-1661, doi:10.5194/nhess-14-1641-2014, 2014.
    55. Brauer, C. C., P. J. J. F. Torfs, A. J. Teuling, and R. Uijlenhoet, The Wageningen Lowland Runoff Simulator (WALRUS): application to the Hupsel Brook catchment and Cabauw polder, Hydrology and Earth System Sciences , 18, 4007-4028, 10.5194/hess-18-4007-2014, 2014.
    56. Kloss, S., N. Schütze, and U. Schmidhalter, Evaluation of very high soil-water tension threshold values in sensor-based deficit irrigation systems, Journal of Irrigation and Drainage Engineering, 140 (9), 10.1061/(ASCE)IR.1943-4774.0000722, 2014.
    57. Brauer, C. C., A. J. Teuling, P. J. J. F. Torfs, and R. Uijlenhoet, The Wageningen Lowland Runoff Simulator (WALRUS): a lumped rainfall–runoff model for catchments with shallow groundwater, Geoscientific Model Development, 7, 2313-2332, doi:10.5194/gmd-7-2313-2014, 2014.
    58. #Hörmann, G., N. Fohrer, and W. Kluge, Modelle zum Wasserhaushalt, Handbuch der Umweltwissenschaften, 2014.
    59. Zeff, H. B., J. R. Kasprzyk, J. D. Herman, P. M. Reed, and G. W. Characklis, Navigating financial and supply reliability tradeoffs in regional drought management portfolios, Water Resources Research, 50(6), 4906–4923, 2014.
    60. Minville, M., D. Cartier, C. Guay, L.-A. Leclaire, C. Audet, S. Le Digabel, and J. Merleau, Improving process representation in conceptual hydrological model calibration using climate simulations, Water Resources Research, 50(6), 5044–5073, 2014.
    61. Gao, W., F. Zhou, Y.-J. Dong, H.-C. Guo, J.-T. Peng, P. Xu, and , L. Zhao, PEST-based multi-objective automatic calibration of hydrologic parameters for HSPF model, Journal of Natural Resources, 29(5), 855-867, 2014.
    62. #Houle, E., and J. Kasprzyk, Investigating parameter sensitivity for management in snow-driven watersheds, Proceedings of 7th International Congress on Environmental Modelling and Software, Daniel P. Ames, Nigel W.T. Quinn and Andrea E. Rizzoli (eds.), San Diego, CA, USA, 2014.
    63. #Kasprzyk, J., J. Kollat, and C. Danilo, Balancing conflicting management objectives using interactive, three-dimensional visual analytics, Proceedings of 7th International Congress on Environmental Modelling and Software, Daniel P. Ames, Nigel W.T. Quinn and Andrea E. Rizzoli (eds.), San Diego, CA, USA, 2014.
    64. Reynoso-Meza, G., J. Sanchis, X. Blasco, and S. García-Nieto, Physical programming for preference driven evolutionary multi-objective optimisation, Applied Soft Computing, 24, 341-362, 2014
    65. Zhang, Y. Y., Q. X. Shao, A. Z. Ye and H. T. Xing, An integrated water system model considering hydrological and biogeochemical processes at basin scale: model construction and application, Hydrol. Earth Syst. Sci. Discuss., 11, 9219-9279, 10.5194/hessd-11-9219-2014, 2014.
    66. Mayr, E., M. Juen, C. Mayer, R. Usubaliev and W. Hagg, Modeling runoff from the Inylchek glaciers and filling of ice‐dammed Lake Merzbacher, Central Tian Shan, Geografiska Annaler: Series A, Physical Geography, 96(4), 609–625, 10.1111/geoa.12061, 2014.
    67. Matos, J. P., M. M. Portela, and D. Juízo, Uma forma alternativa de enfrentar a escassez de dados na bacia do rio Zambeze com vista à calibração de modelos hidrológicos (An alternative approach to face the scarcity of data in the Zambezi River basin aiming at calibrating hydrological models), Revista Recursos Hídricos, 35(1), 37-52, 2014.
    68. Asadzadeh, M., B. Tolson, and D. H. Burn, A new selection metric for multiobjective hydrologic model calibration, Water Resources Research, 50(9), 7082–7099, doi:10.1002/2013WR014970, 2014.
    69. Haghnegahdar, A., B. A. Tolson, B. Davison, F. R. Seglenieks, E. Klyszejko, E. D. Soulis, V. Fortin, and L. S. Matott, Calibrating environment Canada's MESH modelling system over the Great Lakes Basin, Atmosphere-Ocean, 52(4), 281-293, 2014.
    70. Hrachowitz, M., O. Fovet, L. Ruiz, T. Euser, S. Gharari, R. Nijzink, J. Freer, H.H.G. Savenije, and C. Gascuel-Odoux, Process consistency in models: The importance of system signatures, expert knowledge, and process complexity, Water Resources Research, 50(9), 7445–7469, doi: 10.1002/2014WR015484, 2014.
    71. Doppler, T., M. Honti, U. Zihlmann, P. Weisskopf, and C. Stamm, Validating a spatially distributed hydrological model with soil morphology data, Hydrology and Earth System Sciences, 18, 3481-3498, doi:10.5194/hess-18-3481-2014, 2014.
    72. Newman, J. P., G. C. Dandy, and H. R. Maier, Multiobjective optimization of cluster-scale urban water systems investigating alternative water sources and level of decentralization, Water Resources Research, 50(10), 7915–7938, doi:10.1002/2013WR015233, 2014.
    73. Werisch, S., J. Grundmann, H. Al-Dhuhli, E. Algharibi, and F. Lennartz, Multiobjective parameter estimation of hydraulic properties for a sandy soil in Oman, Environmental Earth Sciences, 72(12), 4935-4956, 2014.
    74. Piscopo, A. N., J. R. Kasprzyk, and R. M. Neupauer, An iterative approach to multi-objective engineering design: Optimization of engineered injection and extraction for enhanced groundwater remediation, Environmental Modelling & Software, 69, 253-261, 2015.
    75. Andréassian, V., F. Bourgin, L. Oudin, T. Mathevet, C. Perrin, J. Lerat, L. Coron, and L. Berthet, Seeking genericity in the selection of parameter sets: Impact on hydrological model efficiency, Water Resources Research, 50(10), 8356–8366, 2014.
    76. Ficklin, D. L., and B. L. Barnhart, SWAT hydrologic model parameter uncertainty and its implications for hydroclimatic projections in snowmelt-dependent watersheds, Journal of Hydrology, 519(B), 2081–2090, 2014.
    77. Yang, J., F. Castelli and Y. Chen, Multiobjective sensitivity analysis and optimization of distributed hydrologic model MOBIDIC, Hydrology and Earth System Sciences, 18, 4101-4112, 10.5194/hess-18-4101-2014, 2014.
    78. #Matos, J.P., Hydraulic-hydrologic model for the Zambezi River using satellite data and artificial intelligence techniques, Communications du Laboratoire de Constructions Hydrauliques ISSN 1661-1179, Ecole Polytechnique Fédérale de Lausanne, 2014.
    79. Dumedah, G., Toward essential union between evolutionary strategy and data assimilation for model diagnostics: An application for reducing the search space of optimization problems using hydrologic genome map, Environmental Modelling & Software, 69, 342-352, 2015.
    80. Gao, W., H. C. Guo, and Y. Liu, Impact of calibration objective on hydrological model performance in ungauged watersheds, Journal of Hydrologic Engineering, 20(8), 04014086, doi:10.1061/(ASCE)HE.1943-5584.0001116, 2015.
    81. Koch, J., K. Høgh Jensen, and S. Stisen, Toward a true spatial model evaluation in distributed hydrological modeling: Kappa statistics, Fuzzy theory, and EOF analysis benchmarked by the human perception and evaluated against a modeling case study, Water Resources Research, 51(2), 1225–1246, doi:10.1002/2014WR016607, 2015.
    82. #Perrin , C ., M.-H . Ramos , V. Andréassian , P. Nicolle , L. Crochemore , and R. Pushpalatha, Improved rainfall-runoff modelling tools for low-flow forecasting: Application to French catchments, Drought: Research and Science-Policy Interfacing, J. Andreu Alvarez, A. Solera, J. Paredes-Arquiola, D. Haro-Monteagudo, and H. van Lanen (editors), Chapter 38, 259–265, CRC Press, doi:10.1201/b18077-45, 2015.
    83. Seong, C., Y. Her, and B. L. Benham, Automatic calibration tool for hydrologic simulation program-FORTRAN using a shuffled complex evolution algorithm, Water, 7, 503-527, doi:10.3390/w7020503, 2015.
    84. Wi, S., Y.C.E. Yang, S. Steinschneider, A. Khalil, and C.M. Brown, Calibration approaches for distributed hydrologic models in poorly gaged basins: implication for streamflow projections under climate change, Hydrology and Earth System Sciences, 19, 857-876, doi:10.5194/hess-19-857-2015, 2015.
    85. Chang, C.-H., Development of ocean color algorithms for estimating chlorophyll-a concentrations and inherent optical properties using gene expression programming (GEP), Optics Express, 23(5), 5417-5437, doi:10.1364/OE.23.005417, 2015.
    86. Hauduc, H., M.B. Neumann, D. Muschalla, V. Gamerith, S. Gillot, and P.A. Vanrolleghem, Efficiency criteria for environmental model quality assessment: A review and its application to wastewater treatment, Environmental Modelling and Software, 68, 196-204, doi:10.1016/j.envsoft.2015.02.004, 2015.
    87. Peel, M. C., R. Srikanthan, T. A. McMahon, and D. J. Karoly, Approximating uncertainty of annual runoff and reservoir yield using stochastic replicates of global climate model data, Hydrology and Earth System Sciences, 19, 1615-1639, doi:10.5194/hess-19-1615-2015, 2015.
    88. Silvestro, F., S. Gabellani, R. Rudari, F. Delogu, P. Laiolo, P., and G. Boni, Uncertainty reduction and parameter estimation of a distributed hydrological model with ground and remote sensing data, Hydrology and Earth System Sciences, 19, 1727-1751, doi:10.5194/hess-19-1727-2015, 2015.
    89. Thirel, G., V. Andréassian, and C. Perrin, On the need to test hydrological models under changing conditions, Hydrological Sciences Journal, 60(7-8), 1165-1173, doi:10.1080/02626667.2015.1050027, 2015.
    90. #Simmons, J. A., L. A. Marshall, I. L. Turner, K. D. Splinter, R. J. Cox, M. D. Harley, D. J. Hanslow, and M. A. Kinsela, A more rigorous approach to calibrating and assessing the uncertainty of coastal numerical models, Australasian Coasts & Ports Conference 2015, Auckland, New Zealand, 2015.
    91. Hublart, P., D. Ruelland, A. Dezetter, and H. Jourde, Reducing structural uncertainty in conceptual hydrological modeling in the semi-arid Andes, Hydrology and Earth System Sciences, 19, 2295–2314, doi:10.5194/hess-19-2295-2015, 2015.
    92. Chiew, F. H. S., and J. Vaze, Hydrologic nonstationarity and extrapolating models to predict the future: overview of session and proceeding, Proc. IAHS, 371, 17–21, doi:10.5194/piahs-371-17-2015, 2015.
    93. Lazzaro, G., and G. Botter, Run-of-river power plants in Alpine regions: Whither optimal capacity?, Water Resources Research, 51(7), 5658–5676, doi:10.1002/2014WR016642, 2015.
    94. Bardsley, W.E., V. Vetrova, and S. Liu, Toward creating simpler hydrological models: A LASSO subset selection approach, Environmental Modelling and Software, 72, 33-43, doi:10.1016/j.envsoft.2015.06.008, 2015.
    95. Zhang, Y., G. Fu, B. Sun, S. Zhang, and B. Men, Simulation and classification of the impacts of projected climate change on flow regimes in the arid Hexi Corridor of Northwest China, Journal of Geophysical Research: Atmospheres, 120(15), 7429–7453, doi:10.1002/2015JD023294, 2015.
    96. Piccolroaz, S., B. Majone, F. Palmieri, G. Cassiani, and A. Bellin, On the use of spatially distributed, time-lapse microgravity surveys to inform hydrological modeling, Water Resources Research, 51(9), 7270–7288, doi:10.1002/2015WR016994, 2015.
    97. Gelleszun, M., P. Kreye and G. Meon, Lexicographic calibration strategy for efficient parameter estimation in highly resolved rainfall-runoff models, Hydrologie Und Wasserbewirtschaftung, 59 (3), 84-95, 10.5675/HyWa_2015,3_1, 2015.
    98. Doncieux, S., J. Liénard, B. Girard, M. Hamdaoui and J. Chaskalovic, Multi-objective analysis of computational models, arXiv:1507.06877, 2015.
    99. Serpa, D., J. P. Nunes, J. Santos, E. Sampaio, R. Jacinto, S. Veiga, J. C. Lima, M. Moreira, J. Corte-Real, J. J. Keizer, and N. Abrantes, Impacts of climate and land use changes on the hydrological and erosion processes of two contrasting Mediterranean catchments, Science of the Total Environment, 538, 64-77, doi:10.1016/j.scitotenv.2015.08.033, 2015.
    100. #Sun, N.-Z., and A. Sun, Multiobjective inversion and regularization, Model Calibration and Parameter Estimation for Environmental and Water Resource Systems, 69-105, 2015.
    101. #Cho, H.-J., M. C. Hwang, and C. C. Hsu, A calibration framework of a mixed-traffic signal optimization model by multi-objective evolutionary approach, MSV'15 - The 12th International Conference on Modeling, Simulation and Visualization Methods, 44-47, Las Vegas, 2015.
    102. Inzoli, S., and M. Giudici, A comparison between single- and multi-objective optimization to fit spectral induced polarization data from laboratory measurements on alluvial sediments, Journal of Applied Geophysics, 122, 149-158, doi:10.1016/j.jappgeo.2015.09.017, 2015.
    103. Sikorska, A.E., D. Del Giudice, K. Banasik, and J. Rieckermann, The value of streamflow data in improving TSS predictions - Bayesian multi-objective calibration, Journal of Hydrology, 530, 241–254, doi:10.1016/j.jhydrol.2015.09.051, 2015.
    104. Zhang, Y. Y., Q. X. Shao, A. Z. Ye, H. T. Xing, and J. Xia, Integrated water system simulation by considering hydrological and biogeochemical processes: model development, parameter sensitivity and autocalibration, Hydrology and Earth System Sciences, 20, 529-553, doi:10.5194/hess-20-529-2016, 2016.
    105. #Ward, A. D., S. W. Trimble, S. R. Burckhard, and J. G. Lyon, Environmental Hydrology, 3rd edition, CRC Press, 2016.
    106. Hughes, J. D., S. S. H. Kim, D. Dutta, and J. Vaze, Optimisation of a multiple gauge, regulated river–system model. A system approach, Hydrological Processes, 30(12), 1955-1967, doi:10.1002/hyp.10752, 2016.
    107. Fernández-Rodríguez, S., P. Durán-Barroso, I. Silva-Palacios, R. Tormo-Molina, J. M. Maya-Manzano, and Á. Gonzalo-Garijo, Quercus long-term pollen season trends in the southwest of the Iberian Peninsula, Process Safety and Environmental Protection, 101, 152–159, doi:10.1016/j.psep.2015.11.008, 2016.
    108. Chang, C.-H., J. F. Harrison, and Y.‐C. Huang, Modeling typhoon‐induced alterations on river sediment transport and turbidity based on dynamic landslide inventories: Gaoping river basin, Taiwan, Water, 7, 6910–6930, doi:10.3390/w7126666, 2015.
    109. Houska, T., P. Kraft, A. Chamorro-Chavez, and L. Breuer, SPOTting model parameters using a ready-made Python package, PLoS ONE 10(12), e0145180, doi:10.1371/journal.pone.0145180, 2015.
    110. Guo, S., C. Xu, H. Chen, and D. Liu, Review and assessment of interaction between watershed hydrology and society system, Journal of Water Resources Research, 5(1), 1-15, doi:10.12677/jwrr.2016.51001, 2016.
    111. Oni, S. K., M. N. Futter, J. L. J. Ledesma, C. Teutschbein, J. Buttle, and H. Laudon, Using dry and wet hydroclimatic extremes to guide future hydrologic predictions, Hydrology and Earth System Sciences, 20, 2811-2825, doi:10.5194/hess-2016-7, 2016.
    112. Le Bourgeois, O., C. Bouvier, P. Brunet, and P.-A. Ayral, Inverse modeling of soil water content to estimate the hydraulic properties of a shallow soil and the associated weathered bedrock, Journal of Hydrology, 541, 116-126, doi:10.1016/j.jhydrol.2016.01.067, 2016.
    113. Silva-Palacios, I., S. Fernández-Rodríguez, P. Durán-Barroso, R. Tormo-Molina, J. M. Maya-Manzano, and Á. Gonzalo-Garijo, Temporal modelling and forecasting of the airborne pollen of Cupressaceae on the southwestern Iberian Peninsula, International Journal of Biometeorology, 60(2), 297-306, doi:10.1007/s00484-015-1026-6, 2016.
    114. Fowler, K. J. A., M. C. Peel, A. W. Western, L. Zhang, and T. J. Peterson, Simulating runoff under changing climatic conditions: Revisiting an apparent deficiency of conceptual rainfall-runoff models, Water Resources Research, 52(3), 1820–1846, doi:10.1002/2015WR018068, 2016.
    115. Dariane , A. B., and M. M. Javadianzadeh, Towards an efficient rainfall–runoff model through partitioning scheme, Water, 8, 63; doi:10.3390/w8020063, 2016.
    116. Fernández-Rodríguez , S., P. Durán-Barroso, I. Silva-Palacios, R. Tormo-Molina, J. M. Maya-Manzano, and Á. Gonzalo-Garijo, Regional forecast model for the Olea pollen season in Extremadura (SW Spain), International Journal of Biometeorology, 60(10), 1509-1517, doi:10.1007/s00484-016-1141-z, 2016.
    117. #Tian, F., Y. Sun, H. Hu, and H. Li, Searching for an optimized single-objective function matching multiple objectives with automatic calibration of hydrological models, Hydrology and Earth System Sciences Discussions, doi:10.5194/hess-2016-88, 2016.
    118. Smith, A., C. Welch, and T. Stadnyk, Assessment of a lumped coupled flow-isotope model in data scarce Boreal catchments, Hydrological Processes, doi:10.1002/hyp.10835, 2016.
    119. Rogelis, M. C., M. Werner, N. Obregón, and N. Wright, Hydrological model assessment for flood early warning in a tropical high mountain basin, Hydrology and Earth System Sciences Discussions, doi:10.5194/hess-2016-30, 2016.
    120. Senapati, N., P.-E. Jansson, P. Smith, and A. Chabbi, Modelling heat, water and carbon fluxes in mown grassland under multi-objective and multi-criteria constraints, Environmental Modelling & Software, 80, 201-224, doi:10.1016/j.envsoft.2016.02.025, 2016.
    121. Pathiraja, S., L. Marshall, A. Sharma, and H. Moradkhani, Hydrologic modeling in dynamic catchments: A data assimilation approach, Water Resources Research, 52(5), 3350–3372, doi:10.1002/2015WR017192, 2016.
    122. Seibert, S. P., U. Ehret, and E. Zehe, Disentangling timing and amplitude errors in streamflow simulations, Hydrology and Earth System Sciences, 20, 3745–3763, doi:10.5194/hess-2016-145, 2016.
    123. #Echevarría , Y., L. Sánchez, and C. Blanco, Assessment of multi-objective optimization algorithms for parametric identification of a Li-Ion Battery model, Hybrid Artificial Intelligent Systems, Vol. 9648, Lecture Notes in Computer Science, 250-260, doi: 10.1007/978-3-319-32034-2_21, 2016.
    124. Charizopoulos, N., and A. Psilovikos, Hydrologic processes simulation using the conceptual model Zygos: the example of Xynias drained Lake catchment (central Greece), Environmental Earth Sciences, 75:777, doi:10.1007/s12665-016-5565-x, 2016.
    125. Zhang, Y., Q. Shao, and J. A. Taylor, A balanced calibration of water quantity and quality by multi-objective optimization for integrated water system model, Journal of Hydrology, 538, 802-816, doi:10.1016/j.jhydrol.2016.05.001, 2016.
    126. Zhang, Y., Q. Shao, S. Zhang, X. Zhai, and D. She, Multi-metric calibration of hydrological model to capture overall flow regimes, Journal of Hydrology, 539, 525–538, doi:10.1016/j.jhydrol.2016.05.053, 2016.
    127. Hitsov, I., L. Eykens, K. De Sitter, C. Dotremont, L. Pinoy, B. Van der Bruggen, and I. Nopens, Calibration and analysis of a direct contact membrane distillation model using Monte Carlo filtering, Journal of Membrane Science, 515, 63–78, doi:10.1016/j.memsci.2016.05.041, 2016.
    128. Fernández-Rodríguez, S., P. Durán-Barroso, I. Silva-Palacios, R. Tormo-Molina, J. M. Maya-Manzano, and Á. Gonzalo-Garijo, Forecast model of allergenic hazard using trends of Poaceae airborne pollen over an urban area in SW Iberian Peninsula (Europe), Natural Hazards, 84(1), 121-137, doi:10.1007/s11069-016-2411-0, 2016.
    129. Yen, H., M. J. White, J. G. Arnold, S. C. Keitzer, M.-V. V. Johnson, J. D. Atwood, P. Daggupati, M. E. Herbert, S. P. Sowa, S. A. Ludsin, D. M. Robertson, R. Srinivasan, and C. A. Rewa, Western Lake Erie Basin: Soft-data-constrained, NHDPlus resolution watershed modeling and exploration of applicable conservation scenarios, Science of the Total Environment, 569-570, 1265–1281, doi:10.1016/j.scitotenv.2016.06.202, 2016.
    130. Yu, X., C. Duffy, Y. Zhang, G. Bhatt, and Y. Shi, Virtual experiments guide calibration strategies for a real-world watershed application of coupled surface-subsurface modeling, Journal of Hydrologic Engineering, 04016043, doi:10.1061/(ASCE)HE.1943-5584.0001431, 2016.
    131. Davison, B., A. Pietroniro, V. Fortin, R. Leconte, M. Mamo, and M. K. Yau, What is missing from the prescription of hydrology for land surface schemes?, Journal of Hydrometeorology, 17(7), 2013-2039, doi:10.1175/JHM-D-15-0172.1, 2016.
    132. Mendez, M., and L. Calvo-Valverde, Development of the HBV-TEC hydrological model, Procedia Engineering, 154, 1116-1123, doi:10.1016/j.proeng.2016.07.521, 2016.
    133. Huo, J., L. Liu, and Y. Zhang, Comparative research of optimization algorithms for parameters calibration of watershed hydrological model, Journal of Computational Methods in Sciences and Engineering, 16(3), 653-669, doi:10.3233/JCM-160647, 2016.
    134. #Hernández, F. and X., Liang, X., Hybridizing sequential and variational data assimilation for robust high-resolution hydrologic forecasting, Hydrology and Earth System Sciences Discussions, doi:10.5194/hess-2016-454, 2016.
    135. Pagel, H., C. Poll, J. Ingwersen, E. Kandeler, and T. Streck, Modeling coupled pesticide degradation and organic matter turnover: From gene abundance to process rates, Soil Biology and Biochemistry, 103, 349-364, doi:10.1016/j.soilbio.2016.09.014, 2016.
    136. Bisselink, B., M. Zambrano-Bigiarini, P. Burek, and A. de Roo, Assessing the role of uncertain precipitation estimates on the robustness of hydrological model parameters under highly variable climate conditions, Journal of Hydrology: Regional Studies, 8, 112-129, doi:10.1016/j.ejrh.2016.09.003, 2016.
    137. Vernier, F., O. Leccia-Phelpin, J.-M. Lescot, S. Minette, A. Miralles, D. Barberis, C. Scordia, V. Kuentz-Simonet, and J.-P. Tonneau, Integrated modeling of agricultural scenarios (IMAS) to support pesticide action plans: the case of the Coulonge drinking water catchment area (SW France), Environmental Science and Pollution Research, 24(8), 6923–6950, doi:10.1007/s11356-016-7657-2, 2017.
    138. Piotrowski, A. P., M. J. Napiorkowski, J. J. Napiorkowski, M. Osuch, and Z. W. Kundzewicz, Are modern metaheuristics successful in calibrating simple conceptual rainfall–runoff models?, Hydrological Sciences Journal, 62(4), 606-625, doi:10.1080/02626667.2016.1234712, 2017.
    139. #De Paola, F., M. Giugni, and F. Pugliese, A harmony-based calibration tool for urban drainage systems, Proceedings of the Institution of Civil Engineers - Water Management, doi:10.1680/jwama.16.00057, 2016.
    140. #Meza, G. R., X. B. Ferragud, J. S. Saez, and J. M. H. Durá, Background on multiobjective optimization for controller tuning, Controller Tuning with Evolutionary Multiobjective Optimization - A Holistic Multiobjective Optimization Design Procedure, Intelligent Systems, Control and Automation: Science and Engineering, Vol. 85, 23-58, doi:10.1007/978-3-319-41301-3_2, 2017.
    141. Seiller, G., R. Roy, and F. Anctil, Influence of three common calibration metrics on the diagnosis of climate change impacts on water resources, Journal of Hydrology, 547, 280–295, doi:10.1016/j.jhydrol.2017.02.004, 2017.
    142. Chang, Y., J. Wu, G. Jiang, and Z. Kang, Identification of the dominant hydrological process and appropriate model structure of a karst catchment through stepwise simplification of a complex conceptual model, Journal of Hydrology, 548, 75-87, doi:10.1016/j.jhydrol.2017.02.050, 2017.
    143. #Zavala, G. R., and A. N. Urbaneja, QOM, Modelo hidrológico simple para abstraer volúmenes de Iluvia, XXVI Congreso Nacional del Agua, Córdoba, Argentina, 2017.
    144. Jung, D., Y. H. Choi, and J. H. Kim, Multiobjective automatic parameter calibration of a hydrological model, Water, 9(3), 187, doi:10.3390/w9030187, 2017.
    145. Pouget, D. P., A. Vera, M. Villacís, T. Condom, M. Escobar, P. Le Goulven, and R. Calvez, Glacio-hydrological modelling and water resources management in the Ecuadorian Andes: the example of Quito, Hydrological Sciences Journal, 62(3), 431-446, doi:10.1080/02626667.2015.1131988, 2017.
    146. Chen, J., R. Arsenault, and F. P. Brissette, An experimental approach to reduce the parametric dimensionality for rainfall–runoff models, Hydrology Research, 48(1), 48-65, doi:10.2166/nh.2016.145, 2017.
    147. Aphale, O., and D. J. Tonjes, Multimodel validity assessment of groundwater flow simulation models using area metric approach, Groundwater, 55(2), 219–226, doi:10.1111/gwat.12470, 2017.
    148. Simmons, J. A., M. D. Harley, L. A. Marshall, I. L. Turner, K. D. Splinter, and R. J. Cox, Calibrating and assessing uncertainty in coastal numerical models, Coastal Engineering, 125, 28-41, doi:10.1016/j.coastaleng.2017.04.005, 2017.
    149. Stahn, P., S. Busch, T. Salzmann, B. Eichler-Löbermann, and K. Miegel, Combining global sensitivity analysis and multiobjective optimisation to estimate soil hydraulic properties and representations of various sole and mixed crops for the agro-hydrological SWAP model, Environmental Earth Sciences, 76, 367, doi:10.1007/s12665-017-6701-y, 2017.
    150. Kiesel, J., B. Guse, M. Pfannerstill, K. Kakouei, S. C. Jähnig, and N. Fohrer, Improving hydrological model optimization for riverine species, Ecological Indicators, 80, 376–385, doi:10.1016/j.ecolind.2017.04.032, 2017.
    151. Poncelet, C., R. Merz, B. Merz, J. Parajka, L. Oudin, V. Andréassian, and C. Perrin, Process-based interpretation of conceptual hydrological model performance using a multinational catchment set, Water Resources Research, 53(8), 7247–7268, doi:10.1002/2016WR019991, 2017.
    152. Charizopoulos, N., A. Psilovikos, and E. Zagana, A lumped conceptual approach for modeling hydrological processes: the case of Scopia catchment area, Central Greece, Environmental Earth Sciences, 76:18, doi:10.1007/s12665-017-6967-0, 2017.
    153. Gelleszun, M., P. Kreye, and G. Meon, Representative parameter estimation for hydrological models using a lexicographic calibration strategy, Journal of Hydrology, 553, 722-734, doi:10.1016/j.jhydrol.2017.08.015, 2017.
    154. #Li, H. X., Y. Q. Zhang, G. H. Qin, and L.R. Cao, Multi-objective calibration of Xinanjiang model by using streamflow and evapotranspiration data, Proceedings of 22nd International Congress on Modelling and Simulation, 1843-1849, Hobart, Tasmania, Australia, 2017.
    155. Tang, Y., L. Marshall, A. Sharma, and H. Ajami, A Bayesian alternative for multi-objective ecohydrological model specification, Journal of Hydrology, 556, 25-38, doi:10.1016/j.jhydrol.2017.07.040, 2018.
    156. Fernández-Rodríguez, S., P. Durán-Barroso, I. Silva-Palacios, R. Tormo-Molina, J. M. Maya-Manzano, Á. Gonzalo-Garijo, and A. Monroy-Colin, Environmental assessment of allergenic risk provoked by airborne grass pollen through forecast model in a Mediterranean region, Journal of Cleaner Production, 176, 1304-1315, doi:10.1016/j.jclepro.2017.11.226, 2018.
    157. Alipour, M. H., and K. M. Kibler, A framework for streamflow prediction in the world’s most severely data-limited regions: test of applicability and performance in a poorly-gauged region of China, Journal of Hydrology, 557, 41-54, doi:10.1016/j.jhydrol.2017.12.019, 2018.
    158. #Kumarasamy, K., and P. Belmont, Multiple domain evaluation of watershed hydrology models, Hydrology and Earth System Sciences Discussions, doi:10.5194/hess-2017-121, 2017.
    159. Kuppel, S., D. Tetzlaff, M. Maneta, and C. Soulsby, What can we learn from multi-data calibration of a process-based ecohydrological model? Environmental Modelling and Software, 101, 301–316, doi:10.1016/j.envsoft.2018.01.001, 2018.
    160. De Paola, F., M. Giugni, and F. Pugliese, A harmony-based calibration tool for urban drainage systems, Proceedings of the Institution of Civil Engineers – Water Management, 171(1), 30-41, doi:10.1680/jwama.16.00057, 2018.
    161. Zhang, R., J. Liu, H. Gao, and G. Mao, Can multi-objective calibration of streamflow guarantee better hydrological model accuracy?, Journal of Hydroinformatics, 20(3), 687-698, doi:10.2166/hydro.2018.131, 2018.
    162. De Lavenne, A., and V. Andréassian, Impact of climate seasonality on catchment yield: A parameterization for commonly-used water balance formulas, Journal of Hydrology, 558, 266–274, doi:10.1016/j.jhydrol.2018.01.009, 2018.
    163. Shokri, A., J. P. Walker, A. van Dijk, A. J. Wright, and V. R.N. Pauwels, Application of the patient rule induction method to detect hydrologic model behavioural parameters and quantify uncertainty, Hydrological Processes, 32(8), 1005-1025, doi:10.1002/hyp.11464, 2018.
    164. Mostafaie, A., E. Forootan, A. Safari, and M. Schumacher, Comparing multi-objective optimization techniques to calibrate a conceptual hydrological model using in situ runoff and daily GRACE data, Computational Geosciences, 22(3), 789–814, doi:10.1007/s10596-018-9726-8, 2018.
    165. Jehn, F. U., L. Breuer, T. Houska, K. Bestian, and P. Kraft, Incremental model breakdown to assess the multi-hypotheses problem, Hydrology and Earth System Sciences, 22, 4565-4581, doi:10.5194/hess-2017-691, 2018.
    166. He, Z., S. Vorogushyn, K. Unger-Shayesteh, A. Gafurov, O. Kalashnikova, E. Omorova, and B. Merz, The value of hydrograph partitioning curves for calibrating hydrological models in glacierized basins, Water Resources Research, 54(3), 2336-2361, doi:10.1002/2017WR021966, 2018.
    167. Huang, X., C. Wang, and Z. Li, A near real-time flood-mapping approach by integrating social media and post-event satellite imagery, Annals of GIS, 24(3), 113-123, doi:10.1080/19475683.2018.1450787, 2018.
    168. Her, Y., and C. Seong, Responses of hydrological model equifinality, uncertainty, and performance to multi-objective parameter calibration, Journal of Hydroinformatics, 20(4), 864-885, doi:10.2166/hydro.2018.108, 2018.
    169. Tweldebrahn, A. T., J. F. Burkhart, and T. V. Schuler, Parameter uncertainty analysis for an operational hydrological model using residual based and limits of acceptability approaches, Hydrology and Earth System Sciences, 22, 5021-5039, doi:10.5194/hess-2018-158, 2018.
    170. Fowler, K., M. Peel, A. Western, and L. Zhang, Improved rainfall‐runoff calibration for drying climate: choice of objective function, Water Resources Research, 54(5), 3392-3408, doi:10.1029/2017WR022466, 2018.
    171. Rajib, A., V. Merwade, and Z. Yu, Rationale and efficacy of assimilating remotely sensed potential evapotranspiration for reduced uncertainty of hydrologic models, Water Resources Research, 54(7), 4615-4637, doi:10.1029/2017WR021147, 2018.
    172. Yang, B., Y. Chen, X. Chen, M. Liu, and L. Gao, HSPF runoff simulation and optimization based on PEST automatic calibration, Science of Soil and Water Conservation, 16(2), 9-16, doi:10.16843/j.sswc.2018.02.002, 2018.
    173. Kumarasamy, K., and P. Belmont, Calibration parameter selection and watershed hydrology model evaluation in time and frequency domains, Water, 10(6), 710, doi:10.3390/w10060710, 2018.
    174. Safari , A. R., and A. R. Mostafaie, Using satellite gravimetric data for optimizing the performance of a simple hydrological model via multi-objective evolutionary algorithms, Journal of Geomatics Science and Technology, 8(1), 1-18, 2018.
    175. #Kavetski, D., Parameter estimation and predictive uncertainty quantification in hydrological modelling, Handbook of Hydrometeorological Ensemble Forecasting, Duan Q., Pappenberger F., Thielen J., Wood A., Cloke H., Schaake J. (eds.), Springer, Berlin, Heidelberg, doi:10.1007/978-3-642-40457-3_25-1, 2018.
    176. Schattan, P., G. Baroni, S. Oswald, C. Fey, J. Schöber, & S. Achleitner, Vom punkt zur fläche in der messung des wasseräquivalents der schneedecke – Mehrwert von cosmic-ray neutron sensoren in der regionalen schneemodellierung, Österreichische Wasser- und Abfallwirtschaft, 70(9-10), 497-506, doi:10.1007/s00506-018-0500-x, 2018.
    177. Hernandez-Suarez, J. S., A. P. Nejadhashemi, I. M. Kropp, M. Abouali, Z. Zhang, and K. Deb, Evaluation of the impacts of hydrologic model calibration methods on predictability of ecologically-relevant hydrologic indices, Journal of Hydrology, 564, 758-772, doi:10.1016/j.jhydrol.2018.07.056, 2018.
    178. Gan, Y., X-Z. Liang, Q. Duan, A. Ye, Z. Di, Y. Hong, and J. Li, A systematic assessment and reduction of parametric uncertainties for a distributed hydrological model, Journal of Hydrology, 564, 697-711, doi:10.1016/j.jhydrol.2018.07.055, 2018
    179. Qi, W., C. Zhang, G. Fu, C. Sweetapple, and Y. Liu, Impact of robustness of hydrological model parameters on flood prediction uncertainty, Journal of Flood Risk Management, doi:10.1111/jfr3.12488, 2018.
    180. Wang, Q., Q. Zhou, X. Lei, and D. A. Savić, Comparison of multiobjective optimization methods applied to urban drainage adaptation problems, Journal of Water Resources Planning and Management, 144(11), 04018070, doi:10.1061/(ASCE)WR.1943-5452.0000996, 2018.
    181. #Xie, H., M. Matranga, and J. Mateo-Sagasta, The role of models, More people, more food, worse water? A global review of water pollution from agriculture, J. Mateo-Sagasta, S. M. Zadeh, and H. Turral (editors), Food and Agriculture Organization of the United Nations, Rome, 2018.
    182. Read, M. N., K. Alden, J. Timmis, and P. S. Andrews, Strategies for calibrating models of biology, Briefings in Bioinformatics, bby092, doi:10.1093/bib/bby092, 2018.
    183. Chilkoti, V., T. Bolisetti, and R. Balachandar, Multi-objective autocalibration of SWAT model for improved low flow performance for a small snowfed catchment, Hydrological Sciences Journal, 63(10), 1482-1501, doi:10.1080/02626667.2018.1505047, 2018.
    184. Rajib, A., G. R. Evenson, H. E. Golden, and C. R. Lane, Hydrologic model predictability improves with spatially explicit calibration using remotely sensed evapotranspiration and biophysical parameters, Journal of Hydrology, 567, 668-683, doi: 10.1016/j.jhydrol.2018.10.024, 2018.
    185. Cheng, Q.-B., X. Chen, J. Wang, Z.-C. Zhang, R.-R. Zhang, Y.-Y. Xie, C. Reinhardt-Imjela, and A. Schulte, The use of river flow discharge and sediment load for multi-objective calibration of SWAT based on the Bayesian inference, Water, 10(11), 1662, doi:10.3390/w10111662, 2018.
    186. Thornton, J. M., G. Mariethoz, and P. Brunner, A 3D geological model of a structurally complex Alpine region as a basis for interdisciplinary research, Scientific Data, 5, 180238, doi:10.1038/sdata.2018.238, 2018.
    187. Hernández, F., and X. Liang, Hybridizing Bayesian and variational data assimilation for high-resolution hydrologic forecasting, Hydrology and Earth System Sciences, 22, 5759-5779, doi:10.5194/hess-22-5759-2018, 2018.
    188. Pool, S., M. Vis., and J. Seibert, Evaluating model performance: towards a non-parametric variant of the Kling-Gupta efficiency, Hydrological Sciences Journal, 63(13-14), 1941-1953, doi:10.1080/02626667.2018.1552002, 2018.
    189. Huo, J., and L. Liu, Application research of multi-objective Artificial Bee Colony optimization algorithm for parameters calibration of hydrological model, Neural Computing and Applications, 31(9), 4715-4732, doi:10.1007/s00521-018-3483-4, 2019.
    190. Visser-Quinn, A., L. Beevers, and S. Patidar, Replication of ecologically relevant hydrological indicators following a covariance approach to hydrological model parameterisation, Hydrology and Earth System Sciences, 23, 3279–3303, doi:10.5194/hess-2018-536, 2019.
    191. Menegazzo, T.A.S., A.M. Soares Junior., B.T. Mota, Né. Henderson, and A.P. Pires, Application of an equation of state incorporating association to alcohols up to decanol, Fluid Phase Equilibria, 482, 24-37, doi:10.1016/j.fluid.2018.10.015, 2019.
    192. Smith, K. A., L. J. Barker, M. Tanguy, S. Parry, S. Harrigan, T. P. Legg, C. Prudhomme, and J. Hannaford, A multi-objective ensemble approach to hydrological modelling in the UK: An application to historic drought reconstruction, Hydrology and Earth System Sciences, 23, 3279–3303, doi:10.5194/hess-23-3279-2019, 2019.
    193. Knoben, W. J. M., J. E. Freer, K. J. A. Fowler, M. C. Peel, and R. A. Woods, Modular Assessment of Rainfall-Runoff Models Toolbox (MARRMoT) v1.0: an open- source, extendable framework providing implementations of 46 conceptual hydrologic models as continuous space-state formulations, Geoscientific Model Development, 12, 2463-2480, doi:10.5194/gmd-2018-332, 2019.
    194. #Singh, R., and B. Biswal, Assessing the impact of climate change on water resources: The challenge posed by a multitude of options, Hydrology in a Changing World: Challenges in Modeling, Singh S., Dhanya C. (eds), 185-204, Springer Water, doi:10.1007/978-3-030-02197-9_9, 2019.
    195. Obergfell, C., M. Bakker, and K. Maas, Estimation of average diffuse aquifer recharge using time series modeling of groundwater heads, Water Resources Research, 55(3), 2194-2210, doi:10.1029/2018WR024235, 2019.
    196. Abbaszadeh, P., H. Moradkhani, and D. N. Daescu, The quest for model uncertainty quantification: A hybrid ensemble and variational data assimilation framework, Water Resources Research, 55(3), 2407-2431, doi:10.1029/2018WR023629, 2019.
    197. Chilkoti, V., T. Bolisetti, and R. Balachandar, Diagnostic evaluation of hydrologic models employing flow duration curve, Journal of Hydrologic Engineering, 24(6), 05019009, doi:10.1061/(ASCE)HE.1943-5584.0001778, 2019.
    198. Kreye, P., M. Gelleszun, and G. Meon, Parameter identification in hydrological models using groundwater-level measurements and satellite-based soil moisture, Hydrological Sciences Journal, 64(6), 633-652, doi:10.1080/02626667.2019.1599120, 2019.
    199. Sauerland, V., I. Kriest, A. Oschlies, and A. Srivastav, Multi-objective calibration of a global biogeochemical ocean model against nutrients, oxygen, and oxygen minimum zones, Journal of Advances in Modeling Earth Systems, 11(5), 1285-1308, doi:10.1029/2018MS001510, 2019.
    200. Birhanu, D., H. Kim, and C. Jang, Effectiveness of introducing crop coefficient and leaf area index to enhance evapotranspiration simulations in hydrologic models, Hydrological Processes, 33(16), 2206-2226, doi:10.1002/hyp.13464, 2019.
    201. #Hernández, F., and X. Liang, Efficient data assimilation in high-dimensional hydrologic modeling through optimal spatial clustering, World Environmental and Water Resources Congress 2019, doi:10.1061/9780784482339.034, 2019.
    202. Koppa, A., M. Gebremichael, W. W.-G. Yeh, Multivariate calibration of large scale hydrologic models: The necessity and value of a Pareto optimal approach, Advances in Water Resources, 130, 129-146, doi:10.1016/j.advwatres.2019.06.005, 2019.
    203. Bomhof, J., B. A. Tolson, and N. Kouwen, Comparing single and multi-objective hydrologic model calibration considering reservoir inflow and streamflow observations, Canadian Water Resources Journal, doi:10.1080/07011784.2019.1623077, 2019.
    204. Khatami, S., M. C. Peel, T. J. Peterson, and A. W. Western, Flux mapping: a new approach to evaluating model process representation under uncertainty, Water Resources Research, doi:10.1029/2018WR023750, 2019.
    205. Abdullah, J., N. S. Muhammad, S. A. Muhammad, N. F. M. Amin, and W. Tahir, Research trends in hydrological modelling, Jurnal Teknologi (Sciences & Engineering), 81(4), 1–11, doi:10.11113/jt.v81.13080, 2019.
    206. Tian, F., H. Hu, Y. Sun, H. Li, and H. Lu, Searching for an optimized single-objective function matching multiple objectives with automatic calibration of hydrological models, Chinese Geographical Science, 29, doi:10.1007/s11769-019-1068-5, 2019.
    207. Monteil, C., F. Zaoui, N. Le Moine, N., and F. Hendrickx, Technical note: the caRamel R package for Automatic Calibration by Evolutionary Multi Objective Algorithm, Hydrology and Earth System Sciences Discussions, doi:10.5194/hess-2019-259, 2019.
    208. Guillaume, J. H. A., J. D. Jakeman, S. Marsili-Libelli, M. Asher, P. Brunner, B. Croke, M. C. Hill, A. J. Jakeman, K. J. Keesman, S. Razavi, and J. D. Stigter, Introductory overview of identifiability analysis: A guide to evaluating whether you have the right type of data for your modeling purpose, Environmental Modelling and Software, 119, 418-432, doi:10.1016/j.envsoft.2019.07.007, 2019.
    209. Gobeyn, S., and P. L. M. Goethals, Multi-objective optimisation of species distribution models for river management, Water Research, 163, 114863, doi:10.1016/j.watres.2019.114863, 2019.
    210. Dumedah, G., Hydro genome mapping: An approach for the diagnosis, evaluation and improving prediction capability of hydro-meteorological models, Water Resources Management, 33(11), 3851-3872, doi:10.1007/s11269-019-02336-2, 2019.
    211. Qi, W., C. Zhang, G. Fu, C. Sweetapple, and Y. Liu, Impact of robustness of hydrological model parameters on flood prediction uncertainty, Journal of Flood Risk Management, 12(S1), e12488, doi:10.1111/jfr3.12488, 2019.
    212. Soares Jr., A. M., N. Henderson, B. T. Mota, A. P. Pires, and V. D. Ramos, A new pot still distillation model approach with parameter estimation by multi-objective optimization, Computers & Chemical Engineering, 130, 106570, doi:10.1016/j.compchemeng.2019.106570, 2019.
    213. Sahraei, S., M. Asadzadeh, and M. Shafii, Toward effective many-objective optimization: Rounded-archiving, Environmental Modelling and Software, 122, 104535, doi:10.1016/j.envsoft.2019.104535, 2019.
    214. #Ghahramani, A., R. Anderson, and A. Doherty, Developing HowLeaky Platform for Improved Governance, Facilitation of Development, and Open Reproducible Science, USQ Centre for Sustainable Agricultural Systems, Final technical report for the Department of Environment and Science, Queensland Government, 2019.
    215. Song, J.-H., Y. Her, K. Suh, M.-S. Kang, and H. Kim, Regionalization of a rainfall-runoff model: Limitations and potentials, Water, 11(11), 2257, doi:10.3390/w11112257, 2019.
    216. Tababaee, M. R., A. Salehpourjam, and S. A. Hosseini, Presenting a new approach to increase the efficiency of the sediment rating curve model in estimating suspended sediment load in watersheds (case study: Mahabad-Chai River, Lake Urmia Basin, West Azarbayejan Province, Iran), Journal of Watershed Management Research, 10(19), 193, 2019.
    217. Mahévas, S., V. Picheny, P. Lambert, N. Dumoulin, L. Rouan, J. Soulié, D. Brockhoff, S. Lehuta, R. Le Riche, R. Faivre, and H. Drouineau, A practical guide for conducting calibration and decision-making optimisation with complex ecological models, Preprints 2019, 2019120249, doi:10.20944/preprints201912.0249.v1, 2019.
    218. Birkel, C., and A. C. Barahona, Rainfall-runoff modeling: a brief overview, Reference Module in Earth Systems and Environmental Sciences, doi:10.1016/B978-0-12-409548-9.11595-7, 2019.
    219. #Brès, A., F. Amblard, J. Page, S. Hauer, and A. Shadrina, Now it looks more real – A study of metrics and resolution for the calibration of dynamic simulation, Building Simulation 2019, 16th IBPSA International Conference and Exhibition, Rome, 2019.
    220. Nemri, S., and C. Kinnard, Comparing calibration strategies of a conceptual snow hydrology model and their impact on model performance and parameter identifiability, Journal of Hydrology, 582, 124474, doi:10.1016/j.jhydrol.2019.124474, 2020.
    221. Behrouz, M. S., Z. Zhu, L. S. Matott, and A. J. Rabideau, A new tool for automatic calibration of the Storm Water Management Model (SWMM), Journal of Hydrology, 581, 124436, doi:10.1016/j.jhydrol.2019.124436, 2020.
    222. Zavala, G. R., J. García-Nieto, and A. J. Nebro, Qom—A new hydrologic prediction model enhanced with multi-objective optimization, Applied Sciences, 10(1), 251, doi:10.3390/app10010251, 2020.
    223. Budhathoki, S., P. Rokaya, K.-E. Lindenschmidt, and B. Davison, A multi-objective calibration approach using in-situ soil moisture data for improved hydrological simulation of the Prairies, Hydrological Sciences Journal, 65(4), 638-649, doi:10.1080/02626667.2020.1715982, 2020.
    224. Adeyeri, O. E., P. Laux, J. Arnault, A. E. Lawin, and H. Kunstmann, Conceptual hydrological model calibration using multi-objective optimization techniques over the transboundary Komadugu-Yobe basin, Lake Chad Area, West Africa, Journal of Hydrology: Regional Studies, 27, 100655, doi:10.1016/j.ejrh.2019.100655, 2020.
    225. Dembélé, M., M. Hrachowitz, H.G. Savenije, G. Mariéthoz, and B. Schaefli, Improving the predictive skill of a distributed hydrological model by calibration on spatial patterns with multiple satellite datasets, Water Resources Research, 56(1), e2019WR026085, doi:10.1029/2019WR026085, 2020.
    226. Read, M. N., K. Alden, J. Timmis, and P. S. Andrews, Strategies for calibrating models of biology, Briefings in Bioinformatics, 21(1), 24–35, doi:10.1093/bib/bby092, 2020.
    227. Guse, B., J. Kiesel, M. Pfannerstill, and N. Fohrer, Assessing parameter identifiability for multiple performance criteria to constrain model parameters, Hydrological Sciences Journal, 65(7), 1158-1172 , doi:10.1080/02626667.2020.1734204, 2020.
    228. Kwakye, S. O., and A. Bárdossy, Hydrological modelling in data-scarce catchments: Black Volta basin in West Africa, SN Applied Sciences, 2, 628, doi:10.1007/s42452-020-2454-4, 2020.
    229. #Gelleszun, M., P. Kreye, and G. Meon, Robuste Parameterschätzung und eine effiziente Unsicherheitsanalyse in großskaligen hydrologischen Modellanwendungen, Einsatz von Künstlicher Intelligenz (KI) für die Optimierung von Planungsprozessen im Wasserbau, 383-392, Dresden, Germany, 2020.
    230. Sun, R., F. Hernández, X. Liang, and H. Yuan, A calibration framework for high-resolution hydrological models using a multiresolution and heterogeneous strategy, 2020.
    231. Song, J.-H., Y. Her, S. Hwang, and M.-S. Kang, Uncertainty in irrigation return flow estimation: Comparing conceptual and physically-based parameterization approaches, Water, 12(4), 1125, doi:10.3390/w12041125, 2020.
    232. Ghahramani, A., D. M. Freebairn, D. R. Sena, J. L. Cutajar, and D. M. Silburn, A pragmatic parameterisation and calibration approach to model hydrology and water quality of agricultural landscapes and catchments, Environmental Modelling and Software, 104733, doi:10.1016/j.envsoft.2020.104733, 2020.
    233. #Rogelis, M. C., Operational Flood Forecasting, Warning and Response for Multi-Scale Flood Risks in Developing Cities, CRC Press, London, doi:10.1201/9780138745011, 2020.
    234. Ögmundarson, O., S. Sukumara, M. J. Herrgård, and P. Fantke, Combining environmental and economic performance for bioprocess optimization, Trends in Biotechnology, doi:10.1016/j.tibtech.2020.04.011, 2020.
    235. Monteil, C., F. Zaoui, N. Le Moine, and F. Hendrickx, Multi-objective calibration by combination of stochastic and gradient-like parameter generation rules – the caRamel algorithm, Hydrology and Earth System Sciences, 24, 3189-3209, 10.5194/hess-24-3189-2020, 2020.
    236. Dembélé, M., N. Ceperley, S. J. Zwart, E. Salvadore, G. Mariethoz, and B. Schaefli, Potential of satellite and reanalysis evaporation datasets for hydrological modelling under various model calibration strategies, Advances in Water Resources, 143, 103667, doi:10.1016/j.advwatres.2020.103667, 2020.
    237. Rajib, A., I. L. Kim, H. E. Golden, C. R. Lane, S. V. Kumar, Z. Yu, and S. Jeyalakshmi, Watershed modeling with remotely sensed big data: MODIS Leaf Area Index improves hydrology and water quality predictions, Remote Sensing, 12(3), 2148, doi:10.3390/rs12132148, 2020.
    238. Chen, W., D. Nover, H. Yen, Y. Xia, B. He, W. Sun, and J. Viers, Exploring the multiscale hydrologic regulation of multipond systems in a humid agricultural catchment, Water Research, 184, 115987, doi:10.1016/j.watres.2020.115987, 2020.
    239. Watson, A., S. Kralisch, A. Künne, M. Fink, and J. Miller, Impact of precipitation data density and duration on simulated flow dynamics and implications for ecohydrological modelling in semi-arid catchments in Southern Africa, Journal of Hydrology, 590, 125280, doi:10.1016/j.jhydrol.2020.125280, 2020.
    240. Naha, S., M. A. Rico-Ramirez, R. and Rosolem, Quantifying the impact of land cover changes on hydrological extremes in India, Hydrology and Earth System Sciences Discussions, doi:10.5194/hess-2020-220, 2020.
    241. Chilkoti, V., T. Bolisetti, and R. Balachandar, Investigating the role of hydrological model parameter uncertainties in future streamflow projections, Journal of Hydrologic Engineering, 25(10), doi:10.1061/(ASCE)HE.1943-5584.0001994, 2020.
    242. Petroselli, A., A generalization of the EBA4SUB rainfall–runoff model considering surface and subsurface flow, Hydrological Sciences Journal, 65(14), 2390-2401, doi:10.1080/02626667.2020.1810856, 2020.
    243. Williams, T. G., S. D. Guikema, D. G.Brown, and A. Agrawal, Assessing model equifinality for robust policy analysis in complex socio-environmental systems, Environmental Modelling & Software, 134, 104831, doi:10.1016/j.envsoft.2020.104831, 2020.
    244. Khanarmuei, M., K. Suara, J. Sumihar, and R. J. Brown, Hydrodynamic modelling and model sensitivities to bed roughness and bathymetry offset in a micro-tidal estuary, Journal of Hydroinformatics, 22(6), 1536-1553, doi:10.2166/hydro.2020.102, 2020.
    245. Lamontagne, J. R., C. A. Barber, and R. M. Vogel, Improved estimators of model performance efficiency for skewed hydrologic data, Water Resources Research, 56(9), e2020WR027101, doi:10.1029/2020WR027101, 2020.
    246. de Lima Ferreira, P. M., A. R. da Paz, and J. M. Bravo, Objective functions used as performance metrics for hydrological models: state-of-the-art and critical analysis, Brazilian Journal of Water Resources, 25, e42, doi:10.1590/2318-0331.252020190155, 2020.
    247. Tong, R., J. Parajka, A. Salentinig, I. Pfeil, J. Komma, B. Széles, M. Kubáň, P. Valent, M. Vreugdenhil, W. Wagner, and G. Blöschl, The value of ASCAT soil moisture and MODIS snow cover data for calibrating a conceptual hydrologic model, Hydrology and Earth System Sciences, 25, 1389–1410, doi:10.5194/hess-25-1389-2021, 2021.
    248. Roche, D., B. J. Lence, and E. H. Vaags, Using multiple objective calibrations to explore uncertainty in extreme event modeling, Canadian Journal of Civil Engineering, doi:10.1139/cjce-2020-0275, 2020.
    249. Smith, A., D. Tetzlaff, L. Kleine, M. Maneta, and C. Soulsby, Quantifying the effects of land use and model scale on water partitioning and water ages using tracer-aided ecohydrological models, Hydrology and Earth System Sciences, 25, 2239-2259, doi:10.5194/hess-25-2239-2021, 2021.
    250. Ogden, F. L, Geohydrology: Hydrological Modeling, Encyclopedia of Geology (Second Edition), 457-476, doi:10.1016/B978-0-08-102908-4.00115-6, 2021.
    251. Moges, E., Y. Demissie, L. Larsen, and F. Yassin, Review: Sources of hydrological model uncertainties and advances in their analysis, Water, 13(1), 28, doi:10.3390/w13010028, 2021.
    252. Yang, F., J. Wu, Y. Zhang, S. Zhu, G. Liu, G. Chen, S. Wu, and Z. Fan, Improved method for identifying Manning’s roughness coefficients in plain looped river network area, Engineering Applications of Computational Fluid Mechanics, 15(1), 94-110, doi:10.1080/19942060.2020.1858967, 2021.
    253. Brunner, M. I., L. A., Melsen, A. W. Wood, O. Rakovec, N. Mizukami, W. J. M. Knoben, and M. P. Clark, Flood spatial coherence, triggers, and performance in hydrological simulations: large-sample evaluation of four streamflow-calibrated models, Hydrology and Earth System Sciences, 25, 105-119, doi:10.5194/hess-25-105-2021, 2021.
    254. Jurisch, T., S. Cantré, and F. Saathoff, Inverse infiltration modeling of dike covers made of dredged material using PEST and AMALGAM, Geosciences, 11(2), 41, doi:10.3390/geosciences11020041, 2021.
    255. Pokorny, S., T. A. Stadnyk, G. Ali, R. Lilhare, S. J. Déry, and K. Koenig, Cumulative effects of uncertainty on simulated streamflow in a hydrologic modeling environment, Elementa: Science of the Anthropocene, 9(1), 431, doi:10.1525/elementa.431, 2021.
    256. Althoff, D., L. N. Rodrigues, and H. C. Bazame, Uncertainty quantification for hydrological models based on neural networks: the dropout ensemble, Stochastic Environmental Research and Risk Assessment, 35, 1051-1067, doi:10.1007/s00477-021-01980-8, 2021.
    257. Hanus, S., M. Hrachowitz, H. Zekollari, G. Schoups, M. Vizcaino, and R. Kaitna, Future changes in annual, seasonal and monthly runoff signatures in contrasting Alpine catchments in Austria, Hydrology and Earth System Sciences, 25, 3429–3453, doi:10.5194/hess-25-3429-2021, 2021.
    258. Wu, W., L. Lu, X. Huang, H. Shangguan, and Z. Wei, An automatic calibration framework based on the InfoWorks ICM model: the effect of multiple objectives during multiple water pollutant modeling, Environmental Science and Pollution Research, 28, 318140-31830, doi:10.1007/s11356-021-12596-4, 2021.
    259. Houska, T., P. Kraft, F. U. Jehn, K. Bestian, D. Kraus, and L. Breuer, Detection of hidden model errors by combining single and multi-criteria calibration, Science of The Total Environment, 777, 146218, doi:10.1016/j.scitotenv.2021.146218, 2021.
    260. Mohammed, S. A., D. P. Solomatine, M. Hrachowitz, and M. A. Hamouda, Impact of dataset size on the signature-based calibration of a hydrological model, Water, 13(7), 970, doi:10.3390/w13070970, 2021.
    261. Tong, R., J. Parajka, B. Széles, I. Pfeil, M. Vreugdenhil, J. Komma, P. Valent, and G. Blöschl, The value of satellite soil moisture and snow cover data for the transfer of hydrological model parameters to ungauged sites, Hydrology and Earth System Sciences Discussions, doi:10.5194/hess-2021-189, 2021.
    262. Sylvain, J.-D., F. Anctil, and E. Thiffault, Using bias correction and ensemble modelling for predictive mapping and related uncertainty: A case study in digital soil mapping, Geoderma, 403, 115153, doi:10.1016/j.geoderma.2021.115153, 2021.
    263. Di Marco, N., D. Avesani, M. Righetti, M. Zaramella, B. Majone, and M. Borga, Reducing hydrological modelling uncertainty by using MODIS snow cover data and a topography-based distribution function snowmelt model, Journal of Hydrology, 599, 126020, doi:10.1016/j.jhydrol.2021.126020, 2021.
    264. #Labouflie, C., M. Balesdent, L. Brevault, S. Da Veiga, F.-X. Irisarri, R. Le Riche, and J.-F. Maire, Calibration of material model parameters using mixed-effects models, Proceedings of 4th ECCOMAS Thematic Conference on Uncertainty Quantification in Computational Sciences and Engineering (UNCECOMP 2021), M. Papadrakakis, V. Papadopoulos, and G. Stefanou (eds.), Athens, 2021.
    265. Athira, P., Calibration of hydrological models considering process interdependence: a case study of SWAT model, Environmental Modelling and Software, 114, 105131, doi:10.1016/j.envsoft.2021.105131, 2021.
    266. Staudinger, M., J. Seibert, and H. J. van Meerveld, Representation of bi-directional fluxes between groundwater and surface water in a bucket type hydrological model, Water Resources Research, 57(9), e2020WR028835, doi:10.1029/2020WR028835, 2021.
    267. Althoff, D., and L. N. Rodrigues, Goodness-of-fit criteria for hydrological models: Model calibration and performance assessment, Journal of Hydrology, 600, 126674, doi:10.1016/j.jhydrol.2021.126674, 2021.
    268. Marshall, A. M., T. E. Link, G. N. Flerchinger, and M. S. Lucash, Importance of parameter and climate data uncertainty for future changes in boreal hydrology, Water Resources Research, 57(8), e2021WR029911, doi:10.1029/2021WR029911, 2021.
    269. #Stefnisdóttir, S., A. E. Sikorska-Senoner, E. I. Ásgeirsson, and D. C. Finger, Improving the Pareto Frontier in multi-dataset calibration of hydrological models using metaheuristics, Hydrology and Earth System Sciences Discussions, doi:10.5194/hess-2021-325, 2021.
    270. Pool, S., F. Francés, A. Garcia-Prats, C. Puertes, M. Pulido-Velazquez, C. Sanchis-Ibor, M. Schirmer, H. Yang, and J. Jiménez-Martínez, Hydrological modeling of the effect of the transition from flood to drip irrigation on groundwater recharge using multi-objective calibration, Water Resources Research, 57(8), e2021WR029677, doi:10.1029/2021WR029677, 2021.
    271. Sikorska-Senoner, A.E., Delineating modelling uncertainty in river flow indicators with representative parameter sets, Advances in Water Resources, 156, 104024, doi:10.1016/j.advwatres.2021.104024, 2021.
    272. Pool, S. M. Vis, and J. Seibert, Regionalization for ungauged catchments – Lessons learned from a comparative large‐sample study, Water Resources Research, 57(10), e2021WR030437, doi:10.1029/2021WR030437, 2021.
    273. Wallach, D., T. Palosuo, P. Thorburn, Z. Hochman, E. Gourdain, F. Andrianasolo, S. Asseng, B. Basso, S. Buis, N. Crout, C. Dibari, B. Dumont, R. Ferrise, T. Gaiser, C. Garcia, S. Gayler, A. Ghahramani, S. Hiremath, S. Hoek, H. Horan, G. Hoogenboom, M. Huang, M. Jabloun, P.-E. Jansson, Q. Jing, E. Justes, K. C. Kersebaum, A. Klosterhalfen, M. Launay, E. Lewan, Q. Luo, B. Maestrini, H. Mielenz, M. Moriondo, H. N. Zadeh, G. Padovan, J. E. Olesen, A. Poyda, E. Priesack, J. W. M. Pullens, B. Qian, N. Schütze, V. Shelia, A. Souissi, X. Specka, A. K. Srivastava, T. Stella, T. Streck, G. Trombi, E. Wallor, J. Wang, T. K. D. Weber, L. Weihermüller, A. de Wit, T. Wöhling, L. Xiao, C. Zhao, Y. Zhu, and S. J. Seidel, The chaos in calibrating crop models: lessons learned from a multi-model calibration exercise, Environmental Modelling and Software,145, 105206, doi:10.1016/j.envsoft.2021.105206, 2021.
    274. Bittner, D., M. Engel, B. Wohlmuth, D. Labat, and G. Chiogna, Temporal scale-dependent sensitivity analysis for hydrological model parameters using the discrete wavelet transform and active subspaces, Water Resources Research, 57(10), e2020WR028511, doi:10.1029/2020WR028511, 2021.
    275. Hodson, T. O., T. M. Over, and S. S. Foks, Mean squared error, deconstructed, Journal of Advances in Modeling Earth Systems, 13(12), e2021MS002681, doi:10.1029/2021MS002681, 2021.
    276. Freitas, H. R. A., C. L. Mendes, and A. Illic, Performance optimization of the MGB hydrological model for multi-core and GPU architectures, Environmental Modelling and Software, 148, 105271, doi:10.1016/j.envsoft.2021.105271, 2022.
    277. Rafiei, V., A. P. Nejadhashemi, S. Mushtaq, R. T. Bailey, and D.-A. An-Vo, An improved calibration technique to address high dimensionality and non-linearity in integrated groundwater and surface water models, Environmental Modelling and Software, 149, 105312, doi:10.1016/j.envsoft.2022.105312, 2022.
    278. Kamali, B., T. Stella, M. Berg-Mohnicke, J. Pickert, J. Groh, and C. Nendel, Improving the simulation of permanent grasslands across Germany by using multi-objective uncertainty-based calibration of plant-water dynamics, European Journal of Agronomy, 134, 126464, doi:10.1016/j.eja.2022.126464, 2022.
    279. Yu, S. H. Ding, and Y. Zeng, Evaluating water-yield property of karst aquifer based on the AHP and CV, Scientific Reports, 12(1), 3308, doi:10.1038/s41598-022-07244-x, 2022.
    280. Abdalla, E. M. H., K. Alfredsen, and T. M. Muthanna, Towards improving the calibration practice of conceptual hydrological models of extensive green roofs, Journal of Hydrology, 607(11), 127548, doi:10.1016/j.jhydrol.2022.127548, 2022.
    281. Asgari, M., W. Yang, J. Lindsay, B. Tolson, and M. M. Dehnavi, A review of parallel computing applications in calibrating watershed hydrologic models, Environmental Modelling & Software, 151, 105370, doi:10.1016/j.envsoft.2022.105370, 2022.
    282. Moges, E., B. L. Ruddell, L. Zhang, J. M. Driscoll, and L. G. Larsen, Strength and memory of precipitation's control over streamflow across the conterminous United States, Water Resources Research, 58(3), e2021WR030186, doi:10.1029/2021WR030186, 2022.
    283. #Azarnivand, A., W. Sharples, U. Bende-Michl, A. Shokri, S. Srikanthan, A. Frost, and S. Baron-Hay, Analysing the uncertainty of modelling hydrologic states of AWRA-L – Understanding impacts from parameter uncertainty for the National Hydrological Projections, Bureau Research Report No. 060, Bureau of Meteorology, February 2022.
    284. Shankar Ram, N. R., V. M. Chowdary, V. Rao Vala, and C. S. Jha, Spatio-temporal evaluation of event detection and measurement coherence among satellite rainfall products for ensembled dataset generation, Theoretical and Applied Climatology, 148, 1477-1497, doi:10.1007/s00704-022-04002-x, 2022.
    285. Sadler, J. M., A. P. Appling, J. S. Read, S. K. Oliver, X. Jia, J. A. Zwart, and V. Kumar, Multi-task deep learning of daily streamflow and water temperature, Water Resources Research, 58, e2021WR030138, doi:10.1029/2021WR030138, 2022.
    286. Smith, J. D., Lin, L., Quinn, J. D., and Band, L. E.: Guidance on evaluating parametric model uncertainty at decision-relevant scales, Hydrology and Earth System Sciences, 26, 2519-2539, doi:10.5194/hess-26-2519-2022, 2022.
    287. Manikanta, V., and V. K. Verma, Formulation of wavelet based multi‐scale multi‐objective performance evaluation (WMMPE) metric for improved calibration of hydrological models, Water Resources Research, 58(7), e2020WR029355, doi:10.1029/2020WR029355, 2022.
    288. Kim, S. W., S. H. Kwon, and D. Jung, Development of a multiobjective automatic parameter-calibration framework for urban drainage systems, Sustainability, 14(14), 8350, doi:10.3390/su14148350, 2022.
    289. Wei, L., H. Zhou, A. T. Hudak, T. E. Link, A. Marshall, K. L. Kavanagh, J. T. Abatzoglou, T. B. Jain, J. C. Byrne, R. Denner, P. A. Fekety, J. Sandquist, X. Yu, and J. D. Marshall, White pine blister rust, logging, and species replacement increased streamflow in a montane watershed in the northern Rockies, USA, Journal of Hydrology, 612, Part B, 128230, doi:10.1016/j.jhydrol.2022.128230, 2022.
    290. Kuban, M., J. Parajka, R. Tong, I. Greimeister-Pfeil, M. Vreugdenhil, J. Szolgay, S. Kohnova, K. Hlavcova, P. Sleziak, and A. Brziak, The effects of satellite soil moisture data on the parametrization of topsoil and root zone soil moisture in a conceptual hydrological model, Journal of Hydrology and Hydromechanics, 70(3), 295-307, doi:10.2478/johh-2022-0021, 2022.
    291. Feldbauer, J., R. Ladwig, J. P. Mesman, T. N. Moore, H. Zündorf, T. U. Berendonk, and T. Petzoldt, Ensemble of models shows coherent response of a reservoir’s stratification and ice cover to climate warming, Aquatic Sciences, 84, 50, doi:10.1007/s00027-022-00883-2, 2022.
    292. Hernandez-Suarez, J. S., and A. P. Nejadhashemi, Probabilistic predictions of ecologically relevant hydrologic indices using a hydrological model, Water Resources Research, 58(9), e2021WR031104, doi:10.1029/2021WR031104, 2022.
    293. Zheng, H., F. H. S. Chiew, and L. Zhang, Can model parameterization accounting for hydrological non-stationarity improve robustness in future runoff projection? Journal of Hydrometeorology, 23(11), 1831-1844 , doi:10.1175/JHM-D-21-0102.1, 2022.
    294. Bai, Z., Y.-P. Xu, S. Pan, L. Liu, and X. Wang, Evaluating the performance of hydrological models with joint multifractal spectra, Hydrological Sciences Journal, 67(12), 1771-1789, doi:10.1080/02626667.2022.2114834, 2022.
    295. Yang, X., C. Yu, X. Li, J. Luo, J. Xie, and B. Zhou, Comparison of the calibrated objective functions for low flow simulation in a semi-arid catchment, Water, 14(17), 2591, doi:10.3390/w14172591, 2022.
    296. Ekka, A., E. Keshav, S. Pande, P. van der Zaag, and Y. Jiang, Dam-induced hydrological alterations in the upper Cauvery river basin, India, Journal of Hydrology: Regional Studies, 44, 101231, doi:10.1016/j.ejrh.2022.101231, 2022.
    297. Feng, D. J. Liu, K. Lawson, and C. Shen, Differentiable, learnable, regionalized process-based models with multiphysical outputs can approach state-of-the-art hydrologic prediction accuracy, Water Resources Research, 58(10), e2022WR032404, doi:10.1029/2022WR032404, 2022.
    298. Vinhal, A. P. C., A. M. Soares, A. P. Pires, and W. Queiroz Barros, Improving water-hydrocarbon equilibrium calculations using multi objective optimization, Fluid Phase Equilibria, 566, 113670, doi:10.1016/j.fluid.2022.113670, 2023.
    299. Chaudhary, S., L. H.C. Chua, and A. Kansal, The uncertainty in stormwater quality modelling for temperate and tropical catchments, Journal of Hydrology, 617(A), 617, 128941, doi:10.1016/j.jhydrol.2022.128941, 2023.
    300. Taia, S., L. Erraioui, Y. Arjdal, J. Chao, B. E. Mansouri, and A. Scozzari, The application of SWAT model and remotely sensed products to characterize the dynamic of streamflow and snow in a mountainous watershed in the High Atlas, Sensors, 23(3), 1246, doi:10.3390/s23031246, 2023.
    301. Vu, D. T., T. D., Dang, F. Pianosi, and S. Galelli, Calibrating macro-scale hydrological models in poorly gauged and heavily regulated basins, Hydrology and Earth System Sciences Discussions, doi:10.5194/hess-2023-35, 2023.
    302. Zheng, Y., J. Li, T. Zhang, Y. Rong, and P. Feng, Considering flood scaling property in multi-objective calibration of the SWAT model: a case study in Zijinguan watershed, Northern China, Natural Hazards, 117, 267-292, doi:10.1007/s11069-023-05859-5, 2023.
    303. Mai, J., Ten strategies towards successful calibration of environmental models, Journal of Hydrology, 620(A), 129414, doi:10.1016/j.jhydrol.2023.129414, 2023.
    304. Wu, Y., J. Sun, B. Hu, G. Zhang, and A. N. Rousseau, Wetland-based solutions against extreme flood and severe drought: Efficiency evaluation of risk mitigation, Climate Risk Management, 40, 100505, doi:10.1016/j.crm.2023.100505, 2023.
    305. Brookfield, A. E., H. Ajami, R. W. H. Carroll, C. Tague, P. L. Sullivan, and L. E. Condon, Recent advances in integrated hydrologic models: Integration of new domains, Journal of Hydrology, 620(B), 129515, doi:10.1016/j.jhydrol.2023.129515, 2023.
    306. Bajracharya, A. R., M. I. Ahmed, T. Stadnyk, and M. Asadzadeh, Process based calibration of a continental-scale hydrological model using soil moisture and streamflow data, Journal of Hydrology: Regional Studies, 47, 101391, doi:10.1016/j.ejrh.2023.101391, 2023.
    307. Yang, Z., and P. Bai, Evaporation from snow surface: A multi-model evaluation with the FLUXNET2015 dataset, Journal of Hydrology, 621, 129587, doi:10.1016/j.jhydrol.2023.129587, 2023.
    308. Harvey, N., L. Marshall, and R. W. Vervoort, Verifying model performance using validation of Pareto solutions, Journal of Hydrology, 621, 129594, doi:10.1016/j.jhydrol.2023.129594, 2023.
    309. Holmes, T. L., T. A. Stadnyk, M. Asadzadeh, and J. J. Gibson, Guidance on large scale hydrologic model calibration with isotope tracers, Journal of Hydrology, 129604, doi:10.1016/j.jhydrol.2023.129604, 2023.
    310. Yeste, P., L. A. Melsen, M. García-Valdecasas Ojeda, S. R. Gámiz-Fortis, Y. Castro-Díez, and M. J. Esteban-Parra, A Pareto-based sensitivity analysis and multi-objective calibration approach for integrating streamflow and evaporation data, Water Resources Research, doi:10.1029/2022WR033235, 2023.
    311. Ji, H. K., M. Mirzaei, S. H. Lai, A. Dehghani, and A. Dehghani, The robustness of conceptual rainfall-runoff modelling under climate variability – A review, Journal of Hydrology, 621, 129666, doi:10.1016/j.jhydrol.2023.129666, 2023.
    312. Singh, V., S. K. Jain, and D. S. Nagale, A comparative analysis of glacier and glacier-melt runoff changes in western and eastern Himalayan river basins, Cold Regions Science and Technology, 214, 103965, doi:10.1016/j.coldregions.2023.103965, 2023.
    313. Doğan, O. Υ., A. A. Şorman, and A. Şensoy, Multi-criteria evaluation for parameter uncertainty assessment and ensemble runoff forecasting in a snow-dominated basin, Journal of Hydrology and Hydromechanics, 71(3), 231-247, doi:10.2478/johh-2023-0003, 2023.
    314. Rusjan, S., K. Lebar, and N. Bezak, Insight into heterogeneous karst catchment by the dynamical system approach, Advances in Water Resources, 180, 104524, doi:10.1016/j.advwatres.2023.104524, 2023.
    315. Acuña, P., and A. Pizarro, Can continuous simulation be used as an alternative for flood regionalisation? A large sample example from Chile, Journal of Hydrology, 626(A), 130118, doi:10.1016/j.jhydrol.2023.130118, 2023.

  1. D. Koutsoyiannis, C. Makropoulos, A. Langousis, S. Baki, A. Efstratiadis, A. Christofides, G. Karavokiros, and N. Mamassis, Climate, hydrology, energy, water: recognizing uncertainty and seeking sustainability, Hydrology and Earth System Sciences, 13, 247–257, doi:10.5194/hess-13-247-2009, 2009.

    [Κλίμα, υδρολογία, ενέργεια, νερό: αναγνωρίζοντας την αβεβαιότητα και αναζητώντας τη βιωσιμότητα]

    Από το 1990 έχουν δαπανηθεί τεράστια κονδύλια στην έρευνα για την κλιματική αλλαγή. Αν και οι Επιστήμες της Γης, περιλαμβανομένων της κλιματολογίας και της υδρολογίας, έχουν ευνοηθεί σημαντικά, η πρόοδός τους αποδείχθηκε δυσανάλογα μικρή σε σχέση με την προσπάθεια και τα κονδύλια, ίσως επειδή αυτές αντιμετωπίστηκαν ως επικουρικά «εργαλεία» για τις ανάγκες της επιχείρησης της κλιματικής αλλαγής παρά ως αυτόνομες επιστήμες. Την ίδια στιγμή, η έρευνα παραπλανημένα εστίασε περισσότερο στο «σύμπτωμα», ήτοι την εκπομπή των αερίων του θερμοκηπίου, παρά στην «αρρώστια», ήτοι τη μη βιωσιμότητα της ενεργειακής παραγωγής με βάση τα ορυκτά καύσιμα. Το όχι μακρινό μέλλον ενέχει το πραγματικό ρίσκο μιας σοβαρής κοινωνικοοικονιμικής κρίσης, εκτός αν η εξοικονόμηση ενέργειας και η χρήση ανανεώσιμων πηγών γίνουν ο κανόνας. Απαιτείται ένα πλαίσιο δραστικών αλλαγών, στο οποίο το νερό θα παίξει κεντρικό ρόλο λόγω της μοναδικής του διασύνδεσης με όλες τις μορφές ανανεώσιμων πηγών ενέργειας, από την παραγωγή (υδροηλεκτρική, κύματα) και την αποθήκευση (για τις χρονικά κυμαινόμενες αιολικές και ηλιακές πηγές) έως την παραγωγή βιοκαυσίμων (άρδευση). Ο εκτεταμένος ρόλος του νερού θα πρέπει να ληφθεί υπόψη παράλληλα με τους συνήθεις ρόλους του στις οικιακές, αγροτικές και βιομηχανικές χρήσεις. Η υδρολογία, η επιστήμη του νερού στη Γη, οφείλει να κινηθεί προς ένα νέο πρότυπο και να ξανασκεφτεί δραστικά τις θεμελιώδεις αρχές της, οι οποίες παγιδεύτηκαν αδικαιολόγητα στους μύθους του 19ου αιώνα, ήτοι στις προσδιοριστικές θεωρίες και το ζήλο εξάλειψης της αβεβαιότητας. Καθοδήγηση παρέχεται από τη σύγχρονη στατιστική και κβαντική φυσική, που αναδεικνύει τον εγγενή χαρακτήρα της αβεβαιότητας/εντροπίας στη φύση, προωθώντας έτσι μια νέα κατανόηση και μοντελοποίηση των φυσικών διεργασιών, που είναι θεμελιώδης για την αποτελεσματική χρήση των ανανεώσιμων πηγών ενέργειας και του νερού.

    Σημείωση:

    Ιστολόγια στα οποία έχει συζητηθεί το άρθρο: Climate science, Vertical news, Outside the cube.

    Ενημέρωση 2011-09-26: Το βίντεο από τη συζήτηση ανάμεσα σε Νομπελίστες φυσικούς με τίτλο “Climate Changes and Energy Challenges” (οργανώθηκε στο πλαίσιο του 2008 Meeting of Nobel Laureates at Lindau on Physics), η οποία αναφέρεται στην υποσημείωση 1 του άρθρου, ακόμη δεν είναι προσβάσιμη στο διαδίκτυο. Ωστόσο, ο Larry Gould έχει αναρτήσει το ηχητικό ντοκουμέντο εδώ.

    Πλήρες κείμενο: http://www.itia.ntua.gr/el/getfile/878/17/documents/hess-13-247-2009.pdf (1476 KB)

    Συμπληρωματικό υλικό:

    Βλέπε επίσης: http://dx.doi.org/10.5194/hess-13-247-2009

    Άλλες εργασίες που αναφέρονται σ' αυτή την εργασία: Δείτε τις στο Google Scholar ή στο ResearchGate

    Άλλες εργασίες που αναφέρονται σ' αυτή την εργασία (αυτός ο κατάλογος μπορεί να μην είναι ενημερωμένος):

    1. Andréassian, V., C. Perrin, L. Berthet, N. Le Moine, J. Lerat, C. Loumagne, L. Oudin, T. Mathevet, M.-H. Ramos, and A. Valéry, HESS Opinions "Crash tests for a standardized evaluation of hydrological models", Hydrology and Earth System Sciences, 13, 1757-1764, 2009.
    2. Hunt, D. V. L., I. Jefferson, M. R. Gaterell, and C. D. F. Rogers, Planning for sustainable utility infrastructure, Proceedings of the Institution of Civil Engineers – Urban Design and Planning, 162(DP4), 187-201, 2009.
    3. Makropoulos, C. K., and D. Butler, Distributed water infrastructure for sustainable communities, Water Resources Management, 24(11), 2795-2816, 2010.
    4. Jódar, J., J. Carrera, and A. Cruz, Irrigation enhances precipitation at the mountains downwind, Hydrology and Earth System Sciences, 14, 2003-2010, 2010.
    5. #Ladanai, S., and J. Vinterbäck, Biomass for Energy versus Food and Feed, Land Use Analyses and Water Supply, Report 022, Swedish University of Agricultural Sciences, ISSN 1654-9406, Uppsala, 2010.
    6. Ward, J. D., A. D. Werner, W. P. Nel, and S. Beecham, The influence of constrained fossil fuel emissions scenarios on climate and water resource projections, Hydrology and Earth System Sciences, 15, 1879-1893, 2011.
    7. #Montanari, A, Uncertainty of hydrological predictions, In: P. Wilderer (ed.) Treatise on Water Science, Vol. 2, 459–478, Oxford Academic Press, 2011.
    8. #Willems, P., J. Olsson, K. Arnbjerg-Nielsen, S. Beecham, A. Pathirana, I. Bulow Gregersen, H. Madsen, V.-T.-V. Nguyen, Practices and Impacts of Climate Change on Rainfall Extremes and Urban Drainage, IWA Publishing, London, 2012.
    9. Andrés-Doménech, I., A. Montanari and J. B. Marco, Efficiency of storm detention tanks for urban drainage systems under climate variability, Journal of Water Resources Planning and Management, 138 (1), 36-46, 2012.
    10. Montanari, A., Hydrology of the Po River: looking for changing patterns in river discharge, Hydrology and Earth System Sciences, 16, 3739-3747, doi:10.5194/hess-16-3739-2012, 2012.
    11. Voulvoulis, N., Water and sanitation provision in a low carbon society: The need for a systems approach, Journal of Renewable and Sustainable Energy, 4(4), 041403, doi:10.1063/1.3665797, 2012.
    12. #Skaggs, R., K. A. Hibbard, T. C. Janetos, and J. S. Rice, Climate and energy-water-land system interactions, Technical report to the U.S. Department of Energy in Support of the National Climate Assessment, Report No. PNNL-21185, Pacific Northwest National Laboratory, Richland, WA, 152 pp., 2012.
    13. Gunasekara, N. K., S. Kazama, D. Yamazaki and T. Oki, The effects of country-level population policy for enhancing adaptation to climate change, Hydrol. Earth Syst. Sci., 17, 4429-4440, 2013.
    14. Nastos, P. T., N. Politi, and J. Kapsomenakis, Spatial and temporal variability of the aridity index in Greece, Atmospheric Research, 19, 140-152, 2013.
    15. Hrachowitz, M., H.H.G. Savenije, G. Blöschl, J.J. McDonnell, M. Sivapalan, J.W. Pomeroy, B. Arheimer, T. Blume, M.P. Clark, U. Ehret, F. Fenicia, J.E. Freer, A. Gelfan, H.V. Gupta, D.A. Hughes, R.W. Hut, A. Montanari, S. Pande, D. Tetzlaff, P.A. Troch, S. Uhlenbrook, T. Wagener, H.C. Winsemius, R.A. Woods, E. Zehe, and C. Cudennec, A decade of Predictions in Ungauged Basins (PUB) — a review, Hydrological Sciences Journal, 58(6), 1198-1255, 2013.
    16. Thompson, S. E., M. Sivapalan, C. J. Harman, V. Srinivasan, M. R. Hipsey, P. Reed, A. Montanari and G. and Blöschl, Developing predictive insight into changing water systems: use-inspired hydrologic science for the Anthropocene, Hydrology and Earth System Sciences, 17, 5013-5039, 2013.
    17. #Voulvoulis, N., The potential of water reuse as a management option for water security under the ecosystem services approach, Win4Life Conference, Tinos Island, Greece, 2013.
    18. Dette, H., and K. Sen, Goodness-of-fit tests in long-range dependent processes under fixed alternatives, ESAIM: Probability and Statistics, 17, 432-443, 2013.
    19. Ilich, N., An effective three-step algorithm for multi-site generation of stochastic weekly hydrological time series, Hydrological Sciences Journal, 59 (1), 85-98, 2014.
    20. Jain, S., Reference climate and water data networks for India, Journal of Hydrologic Engineering, 20(4), 02515001, doi:10.1061/(ASCE)HE.1943-5584.0001170, 2015.
    21. Voulvoulis, N., The potential of water reuse as a management option for water security under the ecosystem services approach, Desalination and Water Treatment, 53 (12), 3263-3271, doi:10.1080/19443994.2014.934106, 2015.
    22. #Rohli, R. V., Overview of applied climatology and water/energy resources, Selected Readings in Applied Climatology, R. V. Rohli and T. A. Joyner (editors), 144-155, Cambridge Scholars Publishing, 2015.
    23. #Kim, S.S.H., J.D. Hughes, D. Dutta, and J. Vaze, Why do sub-period consistency calibrations outperform traditional optimisations in streamflow prediction? Proceedings of 21st International Congress on Modelling and Simulation, 2061-2067, Gold Coast, Australia, 2015.
    24. Kim, S. S. H., J. D. Hughes, J. Chen, D. Dutta, and J. Vaze, Determining probability distributions of parameter performances for time-series model calibration: A river system trial, Journal of Hydrology, 530, 361–371, doi:10.1016/j.jhydrol.2015.09.073, 2015.
    25. Clark, C., Two rural temperature records in Somerset, UK, Weather, 70(10), 280-284, doi:10.1002/wea.2512, 2015.
    26. Tsonis, A. A., Randomness: a property of the mathematical and physical systems, Hydrological Sciences Journal, 61(9), 1591-1610, doi:10.1080/02626667.2014.992434, 2016.
    27. Di Baldassarre, G., L. Brandimarte, and K. Beven, The seventh facet of uncertainty: wrong assumptions, unknowns and surprises in the dynamics of human-water systems, Hydrological Sciences Journal, 61(9), 1748-1758, doi:10.1080/02626667.2015.1091460, 2016.
    28. Chrs, C. C., Models, the establishment, and the real world: Why do so many flood problems remain in the UK?, Journal of Geoscience and Environment Protection, 5, 44-59, doi:10.4236/gep.2017.52004, 2017.
    29. Vogel, M., Stochastic watershed models for hydrologic risk management, Water Security, 1, 28-35, doi:10.1016/j.wasec.2017.06.001, 2017.
    30. Madani, E. M., P. E. Jansson, and I. Babelon, Differences in water balance between grassland and forest watersheds using long-term data, derived using the CoupModel, Hydrology Research, 49(1), 72-89, doi:10.2166/nh.2017.154, 2018.
    31. #Oliveira da Silva Araújo, R. C., L. Gomes Lourenço, O. Siena, and C. A. da Silva Müller, Inovação e sustentabilidade na produção e uso de energia: uma meta-análise, Sustentabilidade e Responsabilidade Social em Foco – Volume 4, Capítulo 3, Organização Editora Poisson, doi:10.5935/978-85-93729-64-5.2018B001, 2018.
    32. Biondi, D., and E. Todini, Comparing hydrological post‐processors including ensembles predictions into full predictive probability distribution of streamflow, Water Resources Research, 54(12), 9860-9882, doi:10.1029/2017WR022432, 2018.
    33. Dahlke, H. E., G. T. LaHue, M. R. L. Mautner, N. P. Murphy, N. K. Patterson, H. Waterhouse, F. Yang, and L. Foglia, Managed aquifer recharge as a tool to enhance sustainable groundwater management in California: Examples from field and modeling studies, Advances in Chemical Pollution, Environmental Management and Protection, 3, 215-275, doi:10.1016/bs.apmp.2018.07.003, 2018.
    34. Giudici, F., A. Castelletti, E. Garofalo, M. Giuliani, and H. R. Maier, Dynamic, multi-objective optimal design and operation of water-energy systems for small, off-grid islands, Applied Energy, 250, 605-616, doi:10.1016/j.apenergy.2019.05.084, 2019.
    35. Tzanakakis, V. A., A. N. Angelakis, N. V. Paranychianakis, Y. G. Dialynas, and G. Tchobanoglous, Challenges and opportunities for sustainable management of water resources in the island of Crete, Greece, Water, 12(6), 1538, doi:10.3390/w12061538, 2020.
    36. Ayzel, G., L. Kurochkina, and S. Zhuravlev, The influence of regional hydrometric data incorporation on the accuracy of gridded reconstruction of monthly runoff, Hydrological Sciences Journal, doi:10.1080/02626667.2020.1762886, 2020.
    37. Yang, W., F. Jin, Y. Si, and Z. Li, Runoff change controlled by combined effects of multiple environmental factors in a headwater catchment with cold and arid climate in northwest China, Science of The Total Environment, 756, 143995, doi:10.1016/j.scitotenv.2020.143995, 2021.
    38. Kourgialas, N. N., A critical review of water resources in Greece: The key role of agricultural adaptation to climate-water effects, Science of the Total Environment, 775, 145857, doi:10.1016/j.scitotenv.2021.145857, 2021.
    39. #Eslamian S., and S. Parvizi, Engineering Hydrology: Impact on Sustainable Development, Climate Action, Encyclopedia of the UN Sustainable Development Goals, Leal Filho W., Azul A.M., Brandli L., Özuyar P.G., Wall T. (eds), Springer, Cham, doi:10.1007/978-3-319-71063-1_134-1, 2021.
    40. Lemonis, A. S. Skroufouta, and E. Baltas, An economic evaluation towards sustainability: The case of a hybrid renewable energy system in Greece, American Journal of Environmental and Resource Economics, 7(1), 37-47, doi:10.11648/j.ajere.20220701.15, 2022.
    41. Cui, Y., J. Jin, X. Bai, S. Ning, L. Zhang, C. Wu, and Y. Zhang, Quantitative evaluation and obstacle factor diagnosis of agricultural drought disaster risk using connection number and information entropy, Entropy, 24(7), 872, doi:10.3390/e24070872, 2022.
    42. Antwi, K., G. Adu, S. Adu, and J. Appiah-Yeboah, Physical and fuel properties of Bambusa Vulgaris of different age groups and their effect on producing biofuel, South-East European Forestry, 13(1), 53-64, doi:10.15177/seefor.22-05, 2022.
    43. Caixeta F., A. M. Carvalho, P. Saraiva, and F. Freire, Sustainability-focused excellence: A novel model integrating the water-energy-food nexus for agro-industrial companies, Sustainability, 14(15), 9678, doi:10.3390/su14159678, 2022.
    44. Angelakis, A. N., J. Krasilnikoff, and V. A. Tzanakakis, Evolution of water technologies and corresponding philosophy and sciences focusing on the Hellenic world through the millennia, Water, 14, 3149, doi:10.3390/w14193149, 2022.
    45. Li, C., J. Hao, G. Zhang, H. Fang, Y. Wang, and H. Lu, Runoff variations affected by climate change and human activities in Yarlung Zangbo River, southeastern Tibetan Plateau, Catena, doi:10.1016/j.catena.2023.107184, 2023.

  1. D. Koutsoyiannis, A. Efstratiadis, N. Mamassis, and A. Christofides, On the credibility of climate predictions, Hydrological Sciences Journal, 53 (4), 671–684, doi:10.1623/hysj.53.4.671, 2008.

    [Σχετικά με τη αξιοπιστία των κλιματικών προβλέψεων]

    Γεωγραφικά κατανεμημένες προβλέψεις του μελλοντικού κλίματος, που παράγονται από κλιματικά μοντέλα, χρησιμοποιούνται ευρέως στην υδρολογία και σε πολλούς άλλους επιστημονικούς κλάδους, χωρίς συνήθως να αξιολογείται η αξιοπιστία τους. Εδώ συγκρίνουμε τα αποτελέσματα διάφορων κλιματικών μοντέλων με ιστορικές χρονοσειρές θερμοκρασίας και κατακρημνισμάτων από οκτώ σταθμούς από όλο τον κόσμο με μεγάλη περίοδο παρατηρήσεων (πάνω από 100 χρόνια). Τα αποτελέσματα των συγκρίσεων δείχνουν ότι οι επιδόσεις των μοντέλων είναι φτωχές, ακόμη και στην κλιματική (30ετή) χρονική κλίμακα. Έτσι, οι τοπικές προβλέψεις των μοντέλων δεν μπορεί να είναι αξιόπιστες, ενώ το κοινό επιχείρημα ότι τα μοντέλα μπορούν να δίνουν καλύτερες επιδόσεις σε μεγαλύτερες χωρικές κλίμακες είναι αστήρικτο.

    Σημείωση:

    Η δημοσίευση έχει συζητηθεί διεξοδικά σε ιστολόγια.

    Ιστολόγια που συζήτησαν αυτή τη δημοσίευση στη διάρκεια του 2008:

    1. Koutsoyiannis et al 2008: On the credibility of climate predictions (Climate Audit by Steve McIntyre) Σχόλιο του πρώτου συγγραφέα * * * Συμπληρωματικά σχόλια: 2 * 3 * 4 * 5 * 6 * more
    2. On the credibility of climate predictions by Koutsoyiannis et al. 2008 (Climate Science by Roger Pielke Sr. 1)
    3. Comments on a New Report on Climate Change in Colorado… (Climate Science by Roger Pielke Sr. 2)
    4. New Paper On Dynamic Downscaling Of Climate Models By Rockel Et. Al. Published (Climate Science by Roger Pielke Sr. 3)
    5. Hypothesis testing and long range memory (Real Climate by Gavin A. Schmidt) Σχόλιο του 1ου συγγραφέα · * * * Συμπληρωματικό σχόλιο
    6. Koutsoyiannis vs RealClimate.ORG (The Reference Frame by Luboš Motl) Σχόλιο πρώτου συγγραφέα
    7. Modellen en vroegere werkelijkheid: een test (Klimaat by Marcel Severijnen 1)
    8. Nog eens: Modellen en vroegere werkelijkheid (Klimaat by Marcel Severijnen 2)
    9. Far from model predictions. As for the CSIRO’s… (Andrew Bolt Blog 1)
    10. Dud studies behind Rudd’s freakish claims (Andrew Bolt Blog 2)
    11. Rudd’s dud study (Andrew Bolt Blog 3)
    12. November snows all over the CSIRO (Andrew Bolt Blog 4)
    13. New paper demonstrates lack of credibility for climate model predictions (Jennifer Marohasy Blog 1)
    14. Ten of the Best Climate Research Papers (Nine Peer-Reviewed): A Note from Cohenite (Jennifer Marohasy Blog 2)
    15. Ten Worst Man-Made Disasters (Jennifer Marohasy Blog 3)
    16. Climate models struggling for credibility (Al Fin)
    17. Climate models fuzz (European Tribune)
    18. If it wasn't so serious then it'd be funny (Kerplunk - Common sense from Down Under)
    19. Laying the boot into climate models (The Tizona Group)
    20. More model mania (Planet Gore)
    21. New research on the credibility of climate predictions (SciForums)
    22. New paper demonstrates lack of credibility for climate model predictions 2 (Blogotariat)
    23. New study: climate models fail again (MSNBC Boards 1)
    24. Global Climate Models Fail (Again) (MSNBC Boards 2)
    25. On the credibility of climate predictions (Chronos)
    26. Sane skepticism, part 2 (Helicity)
    27. Science. On the credibility of climate predictions (Greenhouse Bullcrap)
    28. Testing global warming models (Assorted Meanderings)
    29. Climate cuttings 21 (Bishop Hill blog)
    30. Models, Climate Change and Credibility... (21st Century Schizoid Man)
    31. Two valuable perspectives on global warming (Fabius Maximus)
    32. Unreliability of climate models? (Climate Change)
    33. Crumbling Consensus: Global Climate Models Fail (Stubborn Facts)
    34. The Australian government's climate castle is built on sand (Greenie Watch)
    35. Koutsoyiannis et al 2008 (Detached Ideas)
    36. Credibility of Climate Predictions Paper (TWO community)
    37. "Climate consensus" continues to unravel (Solomonia)
    38. Climate models have no predictive value (Acadie 1755)
    39. Global Warming Summary series, Part 5: The Earth’s Greenhouse Gas – CO2 and IPCC Climate Modeling (Global Warming Science)
    40. Reducing Vulnerability to Climate-Sensitive Risks is the Best Insurance Policy (Cato Unbound)
    41. Global Warming News of the Week (No Oil for Pacifists)
    42. A few more cooling blasts at hot air balloons (Clothcap2 : My Telegraph)
    43. IPCC-Klimamodell unbrauchbar (jetzt Sueddeutsche)
    44. Uups II: IPCC-Klimamodelle fantasieren (Die Achse des Guten)
    45. Griechische Unsicherheiten (Climate Review)
    46. El fracaso de los modelos (Valdeperrillos)
    47. Klimamodeller er usikre (Debattcentralen - Aftenposten.no)
    48. Studie: Klimatmodellernas trovärdighet låg (Klimatsvammel)
    49. Credibilidad de las predicciones climáticas (FAEC Mitos y Fraudes)

    Ιστολόγια και Διαδικτυακοί τόποι με αντιδράσεις σχετικά αυτή τη δημοσίευση στη διάρκεια του 2008:

    Climate Audit 2 * Climate Audit 3 * Real Climate 2 * Junk Science * Wikipedia * Wikipedia Talk 1 * Wikipedia Talk 2 * Wikipedia Talk 3 * Global Warming Clearinghouse 1 * Global Warming Clearinghouse 2 * Global Warming Clearinghouse 3 * ICECAP * Climate Feedback (Nature) * Google Groups - alt.global-warming 1 * Google Groups - alt.global-warming 2 * Google Groups - alt.politics.usa * Google Groups - sci.environment * Google Groups - sci.physics * Yahoo Tech Groups * Yahoo Message Boards * Andrew Bolt Blog 5 * Andrew Bolt Blog 6 * Andrew Bolt Blog 7 * Andrew Bolt Blog 8 * Andrew Bolt Blog 9 * Andrew Bolt Blog 10 * Andrew Bolt Blog 11 * Andrew Bolt Blog 12 * Andrew Bolt Blog 13 * Jennifer Marohasy Blog 4 * Jennifer Marohasy Blog 5 * Jennifer Marohasy Blog 6 * Jennifer Marohasy Blog 7 * Jennifer Marohasy Blog 8 * Jennifer Marohasy Blog 9 * Jennifer Marohasy Blog 10 * Jennifer Marohasy Blog 11 * Jennifer Marohasy Blog 12 * Jennifer Marohasy Blog 13 * Jennifer Marohasy Blog 14 * The Blackboard 1 * The Blackboard 2 * The Motley Fool Discussion Boards 1 * The Motley Fool Discussion Boards 2 * The Daily Bayonet * FinanMart * JREF Forum 1 * JREF Forum 2 * JREF Forum 3 * AccuWeather * Climate Change Fraud 1 * Climate Change Fraud 2 * Climate Change Fraud 4 * Climate Change Fraud 5 * Watts Up With That? 1 * Watts Up With That? 2 * Watts Up With That? 3 * Watts Up With That? 4 * Watts Up With That? 5 * City-Data Forum * Climate Brains * Dvorak Uncensored * Newspoll * The Australian 1 * The Australian 2 * ABC Unleashed 1 * ABC Unleashed 2 * ABC Unleashed 3 * ABC Unleashed 4 * ABC Science Online Forum * Global Warming Skeptics * Niche Modeling * Dot Earth - The New York Times 1 * Dot Earth - The New York Times 2 * Dot Earth - The New York Times 3 * Dot Earth - The New York Times 4 * Dot Earth - The New York Times 5 * Dot Earth - The New York Times 6 * Bart Verheggen * WE Blog * Globe and Mail 1 * Globe and Mail 2 * Small Dead Animals * forums.ski.com.au * ABC Message Board * Sydney Morning Herald 1 (also published in the print version of the newspaper) * Sydney Morning Herald 2 * Sydney Morning Herald 3 * PistonHeads * Clipmarks * British Blogs * The Devil's Kitchen * Peak Oil Journal * The Volokh Conspiracy * Weather Underground * Capitol Grilling * Science & Environmental Policy Project * SookNET Technology * Climate Review 2 * Social Science News Central * Urban75 Forums * Wolf Howling * Launch Magazine Online * Popular Technology * The Environment Site Forums * CNC zone * Solar Cycle 24 Forums * Wired Science * Climate 411 * Daimnation * The Forum * Global Warming Information * Christian Forums 1 * Christian Forums 2 * CommonDreams.org 1 * CommonDreams.org 2 * Greenhouse Bullcrap 2 * Derkeiler Newsgroup * YouTube * Fresh Video * Topix * WeerOnline * The Air Vent * Greenfyre’s * Crikey * ChangeBringer * Scotsman.com News * Climate Change Controversies - David Pratt * Skeptical Science * Block’s Indicator of Sustainable Growth * Digg * Millard Fillmore’s Bathtub * News Busters * AgoraVox * Notre Planete * France 5 * Wissen - Sueddeutsche * Telepolis-Blogforen 1 * Telepolis-Blogforen 2 * Telepolis-Blogforen 3 * WirtschaftsWoche * Antizyklisches Forum * Oekologismus.de * Público.es * Uppsalainitiativet * Tiede.fi 1 * Tiede.fi 2 * Tiede.fi 3 * kolumbus.fi/ * De Rerum Natura * Ilmastonmuutos - totta vai tarua * Politics.be * Keisarin uudet vaatteet * Keskustelut * Que Treta * Svensson * Punditokraterne * StumbleUpon * Scribd

    Σχετικές εργασίες:

    • [163] Αποτίμηση της αξιοπιστίας των κλιματικών προγνώσεων με βάση συγκρίσεις με ιστορικές χρονοσειρές (πρόδρομη ανακοίνωση)
    • [41] Σύγκριση τοπικών και συναθροισμένων αποτελεσμάτων κλιματικών μοντέλων με δεδομένα παρατηρήσεων (συνέχιση της έρευνας)

    Πλήρες κείμενο: http://www.itia.ntua.gr/el/getfile/864/1/documents/2008HSJClimPredictions.pdf (997 KB)

    Συμπληρωματικό υλικό:

    Άλλες εργασίες που αναφέρονται σ' αυτή την εργασία: Δείτε τις στο Google Scholar, ResearchGate ή στο ResearchGate (additional)

    Άλλες εργασίες που αναφέρονται σ' αυτή την εργασία (αυτός ο κατάλογος μπορεί να μην είναι ενημερωμένος):

    1. Carter, R. M., Knock, knock: Where is the evidence for dangerous human-caused global warming?, Economic Analysis & Policy, 38(2), 177-202, 2008.
    2. #Crockford, S., Some things we know — and don’t know —about polar bears, Report, Science and Public Policy Institute, 2008.
    3. #Green, K. C., J. S. Armstrong and W. Soon, Benchmark forecasts for climate change, Munich Personal RePEc Archive, 2008.
    4. #Drinkwater, K., M. Skogen, S. Hjøllo, C. Schrum, I. Alekseeva, M. Huret and F. Léger, The effects of future climate change on the physical oceanography and comparisons of the mean and variability of the future physical properties with present day conditions, Report, RECLAIM EU/FP6 project (REsolving CLimAtic IMpacts on fish stocks), WP4 Future oceanographic changes, 28 pp., 2008.
    5. Halley, J. M., Using models with long-term persistence to interpret the rapid increase of earth’s temperature, Physica A: Statistical Mechanics and its Applications, 388(12), 2492-2502, 2009.
    6. Kundzewicz, Z. W., L. J. Mata, N. W. Arnell, P. Döll, B. Jimenez, K. Miller, T. Oki and Z. Şen, Water and climate projections—Reply to discussion “Climate, hydrology and freshwater: towards an interactive incorporation of hydrological experience into climate research”, Hydrological Sciences Journal, 54(2), 406-415, 2009.
    7. Hollowed, A. B., N. A. Bond, T. K. Wilderbuer, W. T. Stockhausen, Z. T. Amar, R. J. Beamish, J. E. Overland, and M. J. Schirripa, A framework for modelling fish and shellfish responses to future climate change, ICES Journal Of Marine Science, 66(7), 1584-1594, 2009.
    8. MacDonald, A. M., R. C. Calow, D. M. J. MacDonald, W. G. Darling, and B. É. Ó. Dochartaigh, What impact will climate change have on rural groundwater supplies in Africa?, Hydrological Sciences Journal, 54(4), 690-703, 2009.
    9. #Pilkey, O. H., and R. Young, The Rising Sea, 203 p., Island Press, Washington, DC, 2009.
    10. Chiew, F.H.S., J. Tenga, J. Vazea, and D.G.C. Kirono, Influence of global climate model selection on runoff impact assessment, Journal of Hydrology, 379(1-2), 172-180, 2009.
    11. McIntyre, D.R., James Hansen's 1988 predictions compared to observations, Energy and Environment, 20(4), 587-594, 2009.
    12. Matthews, J., and A. J. Wickel, Embracing uncertainty in freshwater climate change adaptation: A natural history approach, Climate and Development, 1(3), 269-279, 2009.
    13. #Taylor, P., Chill, a reassessment of global warming theory: does climate change mean the world is cooling, and if so what should we do about it?, Clairview Books, 404 pp., 2009.
    14. #Franklin, J., What Science Knows: And How It Knows It, Encounter Books, New York, 2009.
    15. Pittock, J., Lessons for climate change adaptation from better management of rivers, Climate and Development, 1(3), 194-211, 2009.
    16. #McKenzie, J. M., D. I. Siegel, and D. O. Rosenberry, Improving conceptual models of water and carbon transfer through peat, Northern Peatlands and Carbon Cycling, Baird, A. J., L. R. Belyea, X. Comas, A. S. Reeve, and L. D. Slater (eds.), American Geophysical Union Geophysical Monograph Series, 184, 265-275, 2009.
    17. #Roudier, P., et P. Quirion, Bilan des changements climatiques passés et futurs au Mali: rapport pour action contre la faim, Centre International de Recherche sur l’Environnement et le Développement (CIRED), 42 p., Juin 2009.
    18. Blöschl, G., and A. Montanari, Climate change impacts - throwing the dice?, Hydrological Processes, 24(3), 374-381, 2010.
    19. Kundzewicz, Z. W., Y. Hirabayashi and S. Kanae, River floods in the changing climate—Observations and projections, Water Resources Management, 24(11), 2633-2646, 2010.
    20. Romanowicz, R. J., A. Kiczko and J. J. Napiórkowski, Stochastic transfer function model applied to combined reservoir management and flow routing, Hydrological Sciences Journal, 55(1), 27–40, 2010.
    21. Liu, S., X. Mo, Z. Lin, Y. Xu, J. Ji, G. Wen, and J. Richey, Crop yield responses to climate change in the Huang-Huai-Hai Plain of China, Agricultural Water Management, 97(8), 1195-1209, 2010.
    22. Kawasaki, A., M. Takamatsu, J. He, P. Rogers, and S. Herath, An integrated approach to evaluate potential impact of precipitation and land-use change on streamflow in Srepok River Basin, Theory and Applications of GIS, 2010.
    23. Vastila, K., M. Kummu, C. Sangmanee, and S. Chinvanno, Modelling climate change impacts on the flood pulse in the Lower Mekong floodplains, Journal of Water and Climate Change, 01.1, 67-86, 2010.
    24. Kundzewicz, Z. W., and E. Z. Stakhiv, Are climate models “ready for prime time” in water resources management applications, or is more research needed? Hydrological Sciences Journal, 55(7), 1085–1089, 2010.
    25. Zhang, S.-F., Y. Gu, and J. Lin, Uncertainty analysis in the application of climate models, Shuikexue Jinzhan/Advances in Water Science, 21(4), 504-511, 2010.
    26. Wu, S.-Y., Potential impact of climate change on flooding in the Upper Great Miami River Watershed, Ohio, USA: a simulation-based approach, Hydrological Sciences Journal, 55(8), 1251-1263, 2010.
    27. Soon, W., and D. R. Legates, Avoiding carbon myopia: three considerations for policy makers concerning manmade carbon dioxide, Ecology Law Currents, 37(1), 2010.
    28. #Liebscher, H.-J., and H. G. Mendel, Vom empirischen Modellansatz zum komplexen hydrologischen Flussgebietsmodell – Rückblick und Perspektiven, 132 p., Koblenz, Bundesanstalt für Gewässerkunde, 2010.
    29. #Maletta, H. E., and E. Maletta, Climate Change, Agriculture and Food Security in Latin America and the Caribbean, 319 p., 2010.
    30. Stockwell, D. R. B., Critique of drought models in the Australian Drought Exceptional Circumstances Report (DECR), Energy and Environment, 21(5), 425-436, 2010.
    31. Kigobe, M., N. McIntyre, H. Wheater and R. Chandler, Multi-site stochastic modelling of daily rainfall in Uganda, Hydrological Sciences Journal, 56(1), 17–33, 2011.
    32. Hänggi, P., and R. Weingartner, Inter-annual variability of runoff and climate within the Upper Rhine River basin, 1808–2007, Hydrological Sciences Journal, 56(1), 34–50, 2011.
    33. Di Baldassarre, G., M. Elshamy, A. van Griensven, E. Soliman, M. Kigobe, P. Ndomba, J. Mutemi, F. Mutua, S. Moges, J.-Q. Xuan, D. Solomatine and S. Uhlenbrook, Future hydrology and climate in the River Nile basin: a review, Hydrological Sciences Journal, 56(2), 199-211, 2011.
    34. Fatichi, S., V. Y. Ivanov, and E. Caporali, Simulation of future climate scenarios with a weather generator, Advances in Water Resources, 34(4), 448-467, doi: 10.1016/j.advwatres.2010.12.013, 2011.
    35. Mann, M. E., On long range dependence in global surface temperature series, Climatic Change, 107 (3), 267-276, 2011.
    36. Kundzewicz, Z. W., Nonstationarity in water resources – Central European perspective, Journal of the American Water Resources Association, 47(3), 550-562, 2011.
    37. #Carter, B., D. Evans, S. Franks and W. Kininmonth, Scientific audit of a report from the Climate Commission: The Critical Decade ‐ Climate science, risks and responses, 14 pp., 2011.
    38. Tertrais, B., The climate wars myth, The Washington Quarterly, 34 (3), 17-29, 2011.
    39. Kiem, A. S., and D. C. Verdon-Kidd, Steps toward “useful” hydroclimatic scenarios for water resource management in the Murray-Darling Basin, Water Resources Research, 47, W00G06, doi: 10.1029/2010WR009803, 2011.
    40. Sivakumar, B., Water crisis: From conflict to cooperation – an overview, Hydrological Sciences Journal, 56(4), 531-552, 2011.
    41. Burke, E. J., Understanding the sensitivity of different drought metrics to the drivers of drought under increased atmospheric CO2, Journal of Hydrometeorology, 12(6), 1378-1394, 2011.
    42. #Rolim da Paz, A., C. Uvo, J. Bravo, W. Collischonn and H. R. da Rocha, Seasonal precipitation forecast based on artificial neural networks, Computational Methods for Agricultural Research: Advances and Applications, IGI Global, 326-354, doi: 10.4018/978-1-61692-871-1.ch016, 2011.
    43. Fildes, R., and N. Kourentzes, Validation and forecasting accuracy in models of climate change, International Journal of Forecasting, 27(4), 968-995, 2011.
    44. #Huard, D., The challenges of climate change interpretation, Ouranos Newsletter, Montreal, Quebec, 3 pp., 21 September 2011.
    45. Rao, A. R., M. Azli and L. J. Pae, Identification of trends in Malaysian monthly runoff under the scaling hypothesis, Hydrological Sciences Journal, 56(6), 917–929, 2011.
    46. Huard, D., A black eye for the Hydrological Sciences Journal, Discussion of “A comparison of local and aggregated climate model outputs with observed data”, by G. G. Anagnostopoulos et al. (2010, Hydrol. Sci. J. 55 (7), 1094–1110), Hydrological Sciences Journal, 56(7), 1330–1333, 2011.
    47. Halley, J. M., and D. Kugiumtzis, Nonparametric testing of variability and trend in some climatic records, Climatic Change, 107(3-4), 267-276, 2011.
    48. Stakhiv, E. Z., Pragmatic approaches for water management under climate change uncertainty, JAWRA Journal of the American Water Resources Association, 47(6), 1183-1196, 2011.
    49. #Bourqui, M., T. Mathevet, J. Gailhard and F. Hendrickx, Hydrological validation of statistical downscaling methods applied to climate model projections, IAHS Publication 344, 32-38, 2011.
    50. #Kundzewicz, Z. W., Comparative assessment: fact or fiction? Paper presented at the Workshop Including long-term climate change in hydrologic design, World Bank, Washington, D.C., USA, November 21, 2011.
    51. Collischonn, B., J. A. Louzada, Impacto potencial de mudanças climáticas sobre as necessidades de irrigação da cultura do milho no Rio Grande do Sul, Revista de Gestão de Água da América Latina, 8(2), 19-29, 2011.
    52. del Monte-Luna, P., V. Guzmán-Hernández, E. A. Cuevas, F. Arreguín-Sánchez, and D. Lluch-Belda, Effect of North Atlantic climate variability on hawksbill turtles in the Southern Gulf of Mexico, Journal of Experimental Marine Biology and Ecology, 412, 103-109, 2012.
    53. Lacombe, G., C. T. Hoanh and V. Smakhtin, Multi-year variability or unidirectional trends? Mapping long-term precipitation and temperature changes in continental Southeast Asia using PRECIS regional climate model, Climatic Change, 113(2), 285-299, doi: 10.1007/s10584-011-0359-3, 2012.
    54. #Ortiz, R., Climate Change and Agricultural Production, Inter-American Development Bank, 2012.
    55. Whitfield, P. H., Floods in future climates: a review, Journal of Flood Risk Management, 5(4), 336–365, 2012.
    56. Fan, Z., T. Yue, and C. Chen, Downscaling of global mean annual temperature under different scenarios, Progress in Geography, 31(3), 267-274, 2012.
    57. Sivakumar, B., Socio-hydrology: not a new science, but a recycled and re-worded Hydrosociology, Hydrological Processes, 26(24), 3788–3790, 2012.
    58. Kim, J. J., H. S. Min, C.-H. Kim, J. Yoon and S. Kim, Prediction of the spawning ground of Todarodes pacificus under IPCC climate A1B scenario, Ocean and Polar Research, 34 (2), 253-264, 2012.
    59. #Mesa, O. J., V. K. Gupta, and P. E. O'Connell, Dynamical system exploration of the Hurst phenomenon in simple climate models, in: Extreme Events and Natural Hazards: The Complexity Perspective, Geophys. Monogr. Ser., vol. 196, edited by A. S. Sharma et al. 209–229, AGU, Washington, D. C., 2012.
    60. da Silva, W. T. P., A. C. L. Duarte and de M. A. A. Souza, Implementation and optimization project for CDM certification in wastewater treatment plant, Engenharia Sanitaria e Ambiental, 17(1), 13-24, 2012.
    61. #Fekete, B. M., and E. Stakhiv, Water management preparation strategies for adaptation to changing climate, Climatic Change and Global Warming of Inland Waters: Impacts and Mitigation for Ecosystems and Societies, C. R. Goldman, M. Kumagai, and R. D. Robarts (eds.), 413-427, 2012.
    62. #Hamilton, D. P., C. McBride, D. Özkundakci, M. Schallenberg, P. Verburg, M. de Winton, D. Kelly, C. Hendy, and W. Ye, Effects of climate change on New Zealand Lakes, Climatic Change and Global Warming of Inland Waters: Impacts and Mitigation for Ecosystems and Societies, C. R. Goldman, M. Kumagai, and R. D. Robarts (eds.), 337-366, 2012.
    63. #Verdon-Kidd, D., A. Kiem, and E. Austin, Decision-making under uncerta