Basic Hydrologic Science Course

Runoff Processes
Section Five: Runoff Modeling Concepts
Produced by The COMET® Program

< Back to Print Version Table of Contents <

Various models from simple to complex have been developed for analyzing
and predicting factors involved in runoff. The choice of a specific model
depends on the type of information required and how the results are to be
applied.

The number and types of assumptions within a model, the kinds of data
needed, and the level of complexity are important factors when deciding which
model to use.

In this section you will learn to:

Understand the basic concepts in runoff modeling
Recognize why complex versus simple models are used
Describe how a lumped model works
Describe how a semi­distributed model works
Describe how a distributed model works and the potential advantages as
well as limitations

Topics in this section include:

Simple Runoff Modeling Methods 
The Rational Method 
Complex Hydrologic Models
Lumped Modeling 
Semi­Distributed Modeling 
Distributed Modeling 
Distributed Modeling Issues
Review Questions

Choose a section above by clicking it, scroll down, or read on to continue the
module.

< Back to Print Version Table of Contents <
Simple Runoff Modeling Methods

At a very basic level, a simple rainfall runoff model could just compute the
amount of rain running off a hard surface. An example would be if we looked
at a paved parking lot covered with concrete or asphalt. Since no bare ground
areas are present, infiltration would not take place. The amount of runoff from
the parking lot would be about equal to the amount of rain that fell. Or, stated
another way, the input would simply be rainfall and the output would be the
runoff.

Return to Top of Page
The Rational Method

One of the simplest hydrologic situations to model is the peak runoff from a
small area (less than 200 acres or 81 hectares). The Rational method
estimates only the peak flow using rainfall intensity, area, and a land use
factor. Note that using this method, there is no timing associated with the
peak flow.

The equation is:

Peak Runoff, Q p = CIA (English units)

Peak Runoff, Q p = CIA/360 (metric units)

C is the land­use runoff coefficient that has no units associated with it, In
English units, I is the average rainfall intensity in inches per hour, and A is the
area in acres. The peak runoff is in cubic feet per second.

If metric units are used, C doesn’t change. I is the rainfall intensity in
millimeters per hour. A is the area in hectares. And a conversion factor of
1/360 is needed to calculate the peak runoff in cubic meters per second.
The value of C is found by using a table listing land use types.

The Rational method is used for computing peak runoff from small areas such
as parking lots, crop lands, or public parks. It is primarily used in small basins
where the coverage of impermeable surfaces is important.

This method provides no robust means of accounting for infiltration.

Return to Top of Page
Complex Hydrologic Models

While simple hydrologic models are limited by assumptions and calculations,
more complex models allow us to better approximate different parts of the
hydrologic cycle. We can see from this diagram that a hydrologic model may
take into account a complex array of natural and human­influenced factors.

In this model we see the input and movement of water through an idealized
hydrologic system.

Return to Top of Page
Lumped Modeling

The most basic approach for more complex modeling of runoff from a basin is
called the “lumped” method. This type of hydrologic model views a particular
drainage area as a single unit and uses basin­averaged hydrologic and
meteorological inputs. The output from a lumped model is usually a
hydrograph at the basin outlet.

In the past, lumped modeling methods were required due to data collection
methods and software limitations. Lumped models are still useful for producing
flood guidance. They require less data input and less computational power
than more modern methods. However, as new geo­spatial technologies
become available, lumped models are being replaced by methods using more
detailed spatial information to examine the basin on a finer scale.

Return to Top of Page
Semi­Distributed Modeling

Semi­distributed modeling is a variation of the lumped method and is
sometimes referred to as a “pseudo­distributed” approach. Using this
approach, a basin is broken down into smaller sub­basins. Runoff amounts
from methods such as unit hydrograph are used to estimate streamflow from
each of these sub­basins. These runoff volumes are then routed downstream
to estimate the streamflow output for the larger basin at the outlet.

Return to Top of Page
Distributed Modeling

A truly distributed modeling approach is one that represents processes in a
gridded manner and also provides for detailed predictions at the grid­cell level.

With this type of approach, each cell has parameters allowing for its own
streamflow estimates. The flow at any grid point can be estimated
mathematically.

One drawback to distributed modeling is the additional input data required for
each cell. If these data are not available, they must somehow be estimated,
introducing an uncertainty factor.
Here we have gridded precipitation and surface runoff data for a basin. Very
little rain fell on the upper part of the basin. There is no streamflow response
at point A. Small amounts of rain fell in the middle of the basin, so the
streamflow does show a small response at point B.

The heaviest rain fell in the lower part of the basin resulting in a significant
and rapid peak flow at point C.

A lumped simulation for this basin would only show the averaged effects over
the whole basin. It would underestimate the peak amount for point C, and the
timing at point C would be inaccurately delayed.

The distributed model, however, is able to capture the spatial variability of the
precipitation and produce a more reasonable simulation at point C as well as
flow estimates at points A and B.
In this image we see the downstream flow vectors for each cell. Physics­based
parameters and equations are used to route flows from cell to cell to the
outlet.

Keep in mind that this represents an estimate of the flow path. We see that
some parts of the basin are left out in the conversion to the grid
representation. At the same time, other areas that actually lie outside of the
basin are included in the gridded area.

Return to Top of Page
Distributed Modeling Issues

Distributed modeling methods allow modeling of smaller and smaller basins.
They also allow computation of more realistic runoff within a basin. Flash flood
forecasts, for example, have improved with the implementation of distributed
models.

Distributed models do however require more complex and more high­
resolution data, introducing more uncertainty.
Distributed hydrologic models are becoming more spatially complex as
technologies such as Doppler radar, Global Positioning System (GPS), and
Geographic Information Systems (GIS) are used to create geo­referenced,
gridded datasets.

Return to Top of Page
In Depth: Types of Models

The term “hydrological model” can have various definitions depending on how
a natural system is examined and the complexity involved. Sometimes a
particular modeling approach may have more than one name, which can cause
confusion.

General definition:

Model – A scaled reproduction of a system, a mental conceptualization, an
empirical relationship, or a series of mathematical and statistical equations
representing a system. Models are imperfect representations, but are valuable
tools with which to study a variety of conditions and predict answers that
would be impractical to obtain by measuring or observing the actual system.

Various specific definitions:

Analog model – A model based on similarities between the system under
study and another system or process.

Analytical model – A model that uses classic methods such as calculus or
algebra to solve a series of equations.

Conceptual model – A simplified representation of the system being
examined.

Continuous model – A model that uses continuous simulation, as opposed to
a single­event model.

Deterministic model – A model that produces the same output for a given
input without consideration for risk or uncertainty.

Empirical model – A model represented by simplified processes based on
observation, measurements, or practical experience rather than solely on
principles or theory. A lumped model is an example.

Explicit model – A numerical model that uses parameter values or unknown
variables at the beginning of a time step in the computational algorithms.

Implicit model – A numerical model that uses parameter values or unknown
variables at the end of a time step in the computational algorithms.

Mass balance model – A model based on the conservation of mass and
focuses on balancing inputs and outputs from the model area. Also known as a
zero­dimensional model.

Numerical model – A model that uses a numerical method to solve a series
of equations, as opposed to an analytical model. The results from numerical
models are often approximations, while analytic models produce exact
solutions.
One­dimensional model – A model that includes only one space dimension.

Pseudo­deterministic model – A semi­distributed model.

Stochastic mathematical model – A model that includes statistical elements
and produces a set of outputs for a given set of inputs. The output represents
a set of expected values.

Two­dimensional model – A model that includes two space dimensions,
usually horizontal and vertical averaging.

Return to Top of Page
Review Questions:

1. Lumped models cannot account for details in the rainfall distribution and basin topographic
features. 
(Choose the best answer.)

a. True 
b. False

2. Compared to lumped models, distributed models _____. 
(Choose all that apply.)

a) are more computationally intensive 
b) are less suited for flash flood situations 
c) view the basin as one unit 
d) account for details in rainfall and basin characteristics

3. Semi­distributed models may provide more detail about potential runoff than lumped models
by _____. 
(Choose the best answer.)

a) using the full resolution of gridded rainfall data 
b) averaging the rainfall over the whole basin 
c) estimating runoff for sub­basins within the basin 
d) breaking the basin into grid cells for runoff estimation.

4. The Rational method for estimating runoff uses a land use coefficient, C, which would be
____ for a shopping mall than for a patch of woodland.
(Choose the best answer.)

a) much higher 
b) a little higher 
c) much lower 
d) a little lower

Return to Top of Page
Review Question Feedback

1. Lumped models cannot account for details in the rainfall distribution and basin topographic
features. 
(Choose the best answer.)

The correct answer is a) True.

2. Compared to lumped models, distributed models _____. 
(Choose all that apply.)

The correct answers are a) are more computationally intensive and d) account
for details in rainfall and basin characteristics.

3. Semi­distributed models may provide more detail about potential runoff than lumped models
by _____. 
(Choose the best answer.)

The correct answer is c) estimating runoff for sub­basins within the basin.

4. The Rational method for estimating runoff uses a land use coefficient, C, which would be
____ for a shopping mall than for a patch of woodland.
(Choose the best answer.)

The correct answer is a) much higher.

Return to Top of Page

End of Section Five: Runoff Modeling Concepts

Produced by The COMET® Program
Copyright 2006, University Corporation for Atmospheric Research. All rights reserved.
Legal Notices