Impact of digital terrain model uncertainty on flood inundation mapping

• Autorzy: Sojka M. , Wróżyński R.

Warianty tytułu

PL

Wpływ niepewności numerycznego modelu terenu na wyznaczanie stref zasięgu zalewu powodziowego

• Języki publikacji: EN

Abstrakty

PL

Celem pracy była analiza wpływu niepewności numerycznego modelu terenu (NMT) na wielkość stref zagrożenia powodziowego. Ocenę niepewności wykonano metodą Monte Carlo. Symulacje komputerowe prowadzono przy wykorzystaniu modelu hydraulicznego HEC-RAS z rozszerzeniem HEC-GeoRAS na przykładzie rzeki Małej Wełny na odcinku od przekroju Kiszkowo 1 do przekroju Kiszkowo 2, na którym obserwowano i dokumentowano występowanie zalewów w latach 1998–2012. Analizę i dyskusję wyników przeprowadzono w odniesieniu do stref zagrożenia powodziowego wyznaczonych metodą klasyczną (twardą), w której nie uwzględnia się wpływu niepewności danych na wielkość stref zagrożenia powodziowego oraz metodą miękką, w której efektem końcowym była probabilistyczna mapa zagrożenia powodziowego. Przeprowadzone analizy wykazały, że wykonanie 550 symulacji pozwala na opracowanie wiarygodnej probabilistycznej mapy zagrożenia powodziowego na 0,54 kilometrowym odcinku rzeki Małej Wełny. Symulacje wykazały, że strefa zagrożenia powodziowego o prawdopodobieństwie wystąpienia 100% miała powierzchnię równą 3,45 ha, natomiast maksymalny zasięg zalewu może mieć powierzchnię ponad czterokrotnie większą tj. 14,2 ha Należy jednak pamiętać, że w przypadku maksymalnej strefy zalewowej, o jej zasięgu decydują obszary na których zalew występował tylko 5 razy podczas przeprowadzonych 550 symulacji. Prawdopodobieństwo wystąpienia tak dużego zalewu przy założonym przepływie maksymalnym WQ0.2% jest więc niskie. Wyniki przeprowadzonych analiz wykazały, że nie można w sposób dokładny określić zasięgu strefy zalewowej, co wynika z niepewności danych pomiarowych wprowadzanych do modelu. Lepszym rozwiązaniem wydaje się być przedstawienie zasięgu powodzi poprzez zastosowanie rozmytych granic, co związane jest z niepewnością danych oraz niepewnością samego modelu. Wprowadzając czynniki niepewności uzyskujemy szerszy obraz zasięgu zalewu, co jest szczególnie ważne w przypadku katastrofalnych powodzi, gdzie zagrożone jest życie ludzi.

Słowa kluczowe

EN

Monte Carlo method

PL

niepewność numeryczna; metoda Monte Carlo; model terenu

• Wydawca: Politechnika Koszalińska
• Czasopismo: Rocznik Ochrona Środowiska
• Rocznik: 2013
• Tom: Tom 15, cz. 1
• Strony: 564--574
• Opis fizyczny: Bibliogr. 13 poz., rys.

Twórcy

autor

Sojka M.

• Poznań University of Life Sciences

autor

Wróżyński R.

• Poznań University of Life Sciences

Bibliografia

• 1. Beven K.: Environmental modeling: an uncertain future? CRC Press, 328, (2008).
• 2. Chmielewska I.: Zastosowanie program HEC-RAS do modelowania przepływu wód wielkich w rzece Widawie. Scientific Review Engineering and Environmental Sciences, Warsaw University of Life Sciences, annals XIV, 39–48 (2005).
• 3. Gudowicz J.: Metoda modelowania zasięgu wód wezbraniowych na równinie zalewowej na przykładzie doliny Parsęty. Landform Analysis, Vol. 8, 29–32 (2008).
• 4. Gül G.O., Harmancioglu N., Gül A.: A combined hydrologic and hydraulic modeling approach for testing efficiency of structural flood control measures. Nat Hazards 54, 245–260 (2010).
• 5. Hejmanowska B.: Wpływ jakości danych na modelowanie stref zagrożenia powodziowego. Konferencja INSPIRE, Kraków, 1–7 (2006).
• 6. Książek L., Wyrębek M., Strutyński M., Strużyński A., Florek J., Bartnik W.: Zastosowanie modeli jednowymiarowych (HEC-RAS, MIKE 11) do wyznaczania stref zagrożenia powodziowego na rzece Lubczy w zlewni Wisłoka. Infrastruktura i Ekologia Terenów Wiejskich. Nr 2010/08 (1), 29–37 (2010).
• 7. Merwade V., Cook A., Coonrod J.: GIS techniques for creating river terrain models for hydrodynamic modeling and flood inundation mapping. Environmental Modelling and Software 23, 1300–1311 (2008).
• 8. Pappenberger F., Matgen P., Beven K., Henry J., Pfister L., Fraipont P.: Influence of uncertain boundary conditions and model structure on flood inundation predictions. Advances in Water Resources 29, 1430–1449 (2006).
• 9. Shrestha D., Kayatstha N., Solomatine D.: A novel approach to parameter uncertainty analysis of hydrological models using neural networks. Hydrology and Earth System Sciences 13, 1235–12148 (2009).
• 10. Smemoe C., Nelson E., Zundel A., Miller A.: Demonstrating floodplain uncertainty using flood probability maps. Journal of the American Water Resources Association vol. 42, No. 2, 359–371 (2007).
• 11. Sojka M., Murat-Błażejewska S., Wróżyński R.: Application of digital elevation model and aerial photographs for modelling flood prone areas in small lowland rivers. Rocznik Ochrona Środowiska (Annual Set the Environment Protection), 14, 172–181 (2012).
• 12. Stedinger J., Vogel R., Lee S., Batchelder R.: Appraisal of the generalized likelihood uncertainty estimation (GLUE) method. Water resources research, vol. 44, 1–17 (2008).
• 13. Szymkiewicz R.: Modelowanie matematyczne przepływów w rzekach i kanałach. Wyd. Nauk. PWN, Warszawa, s. 332, 2000