The intensity and frequency of precipitation events have increased because of global warming and its direct impact on the hydrological cycle. This poses a significant challenge for various locations around the globe where in recent years more unpredicted flooding has been observed. The utilization of hydrological models for accurate prediction of urban floods under heavy rainfall events is crucial to deal with such global problems. The purpose of this study is to develop a model based on the Spatial Distributed Travel Time (SDTT) approach that estimates the response of watersheds to a short and intense rainfall event in urban settings. The model is developed in Python and uses the ArcPy package, which allows access to all the geoprocessing tools available at ArcGIS, along with the Numpy package that supports matrices which makes mathematical calculation efficient.   One of the important factors affecting the response of watersheds is the contribution of upstream flow. The current study used Dynamic Upstream Contribution (DUC) to estimate the unit hydrograph and consider the effect of upstream runoff contributing to travel time equations using physical characteristics and the dynamic of rainfall events. The SDTT model was validated with a fully distributed model, MIKE 21, and showed that when the infiltration module estimates the total runoff volume accurately, the unit hydrograph of the DUC method can predict the peak almost as accurately as MIKE 21. Before validation, the excess rainfall estimated in the SDTT model is multiplied by a constant coefficient to align the total water volume of the model with that of the MIKE 21 model.  The peak flow is the most important component of a discharge hydrograph since its accurate prediction helps in assessing the severity of flooding and the capacity of drainage systems to handle the excess water. Another component of a discharge hydrograph is time to peak which the SDTT model predicts with a delay compared to MIKE 21. The sensitivity analysis showed the simplification regarding the dynamic of rainfall intensity used in travel time equations contributes to this delayed peak. The other simplification that might impact the watershed response is the approach the model used to handle depression volume which is too general. A conceptual method proposed in this report can be used in future studies to improve this part of the model by capturing the spatial distribution of depression locations as well as the temporal dynamics of charging the depressions.   After the model was validated in the first study area, it was implemented in another study area to evaluate the effect of urban development on the hydrological response of urban catchments to a short and intense rainfall event. This scenario-based analysis showed that by further development of the model, it can be used as a tool for the initial phase of hydrologic investigation of urban areas in response to heavy rainfall events. By conducting the screening phase of hydrological investigation and filtering the risky location, the SDTT model can be used as a complementary model for more advanced fully distributed models that are more computationally extensive.   The recorded simulation time demonstrated that the SDTT model is quick when it comes to small-sized watersheds, but it is less time-efficient for large catchments. An approach proposed in this report can be utilized to optimize the model's processing time for larger catchments. By making the model time efficient and addressing the issues mentioned in the report, the developed SDTT model can facilitate the hydrological investigation by reducing the initial data gathering burden and simulation time, and making the assessments of urban watersheds more efficient can facilitate informed decision-making in urban flood risk management. / Till följd av den globala uppvärmningen har intensiteten och frekvensen av nederbördshändelser ökat, en direkt inverkan på den hydrologiska cykeln som utgör en betydande utmaning för olika platser runt om i världen där oförutsedda översvämningar observerats under de senaste åren. Användningen av hydrologiska modeller för att med noggrannhet förutseurbana översvämningar under kraftiga nederbördshändelser är avgörande för att hantera detta globala problem. Syftet med denna studie är att utveckla en modell baserad på Spatial Distributed Travel Time (SDTT) metodiken. SDTT-metodiken beskriver responsen från ett avrinningsområde för en kort och intensiv nederbördshändelse i urban miljö. Modellen är utvecklad i Python och inkluderar ArcPy-paketet som ger tillgång till alla geoprocesseringsverktyg som finns i ArcGIS tillsammans med Numpy-paketet som stödjer matriser som effektiviserar matematiska beräkningar.  En av de avgörande faktorerna som visade sig påverka reaktionen från ett avrinningsområde var flödet från uppströmsområdet. Den aktuella studien använde Dynamic Upstream Contribution (DUC) för att uppskatta enhetshydrografen med hänsyn till effekten avrinningen uppströms har på avrinningshastigheten med hjälp av fysiska egenskaper och nederbördsdynamik. SDTT-modellen validerades med en fullt distribuerad modell, MIKE 21, och visade att när infiltrationsmodulen uppskattar den totala avrinningsvolymen exakt, kan enhetshydrografen för DUC-metoden förutsäga toppflödet exakt. Innan validering multipliceras överskottsnederbörden uppskattad i SDTT-modellen med en konstant koefficient för att justera modellens totala vattenvolym med den i MIKE 21-modellen. Toppflödet är den viktigaste komponenten i en flödeshydrograf eftersom dess noggranna förutsägelse hjälper till att bedöma allvarsgraden av översvämningar samt dräneringssystemens kapacitet att hantera överskottsvatten. En annan komponent i en flödeshydrograf är den tid det tar tills toppflödet uppstår, något som SDTT-modellen förutsäger med en fördröjning jämfört med MIKE 21. Känslighetsanalysen visade att förenklingen gällande dynamiken för nederbördsintensitet som används i ekvationerna för avrinningshastighet bidrar till denna fördröjda topp. Den andra förenklingen som kan påverka responsen från avrinningsområdet är metoden som modellen använde för att hantera volymen vatten som lagras i sänkor, som är förgenerell. En konceptuell metod föreslås i denna rapport och kan användas i framtida studier för att förbättra denna del av modellen genom att fånga den rumsliga fördelningen av sänkor samt tidsaspekten i att fylla upp sänkvolymerna.   Efter att modellen validerats i det första studieområdet, implementerades den i ett annat studieområde för att utvärdera kopplingen mellan stadsutveckling och hydrologisk respons i urbana avrinningsområden i kontexten av en kort och intensiv nederbördshändelse. Denna scenariobaserade analys visade att modellen efter vidareutveckling kan användas som ett verktyg för den inledande fasen av hydrologisk undersökning av stadsområden, i syfte att utreda möjliga konsekvenser av kraftiga nederbördshändelser. Genom att genomföra screeningfasen av hydrologisk undersökning och filtrera den mest riskfyllda platsen kan SDTT-modellen användas som en kompletterande modell för mer avancerade fullt distribuerade modeller som är mer beräkningsmässigt omfattande.   Den registrerade simuleringstiden visade att SDTT-modellen är snabb när det kommer till ett litet avrinningsområde, men modellen är mindre tidseffektiv för stora avrinningsområden. Ett tillvägagångssätt som föreslås i denna rapport kan användas för att optimera modellens handläggningstid för större avrinningsområden. Genom att göra modellen tidseffektiv och åtgärda frågorna som nämns i rapporten, kan den utvecklade SDTT-modellen underlätta den hydrologiska undersökningen genom att minska den inledande datainsamlingsbördan, minskasimuleringstiden, och dessutom göra utvärderingarna av urbana avrinningsområden mer effektiva. Slutligen kan modellens resultat användas för att underlätta informerat beslutsfattande kopplat till hantering av översvämningsrisker i städer.