The future holds challenges for urban areas when it comes to handling pluvial floodings, occurring when the rainfall intensity exceeds both the man-made and natural infiltration and drainage capacity. To gain understanding of the effects and needed measures, tools for modelling the urban response to events such as cloudbursts are needed. The aim of this project was to build a model using the Spatially Distributed Travel Time (SDTT) approach to model the rainfall-runoff response of an urban watershed. The model was developed in ArcGIS Pro using a built-in module ArcPy allowing for the use of a Python script to ensure fast calculations and simulations on grid cell basis. In total six smaller watersheds within the larger catchment were modelled with a variety in size and degree of urbanisation. Unlike fully distributed models solving for both the continuity equation and momentum equation, the models save time by applying kinematic wave approximation solving the steady state, uniform continuity equation and the Manning’s equation. The study uses only one calibration parameter representing the upstream area contributing to runoff, used for adjusting the travel times to ensure they are not too slow which could generate a delay and underestimation of the peak discharge. The model was parameterized for a cloudburst event that occurred in the city of Gävle, in the year of 2021, and was validated against a fully distributed model (MIKE 21) simulating the same event. The generated response from the SDTT model successfully returns similar hydrographs to that of a fully distributed model in most cases. It performed very well in high urbanised areas with an even spatial distribution of the two land cover classes used, impervious and pervious surfaces, and small volumes of depressions. In areas with lesser degree of urbanisation and larger depression volumes collecting runoff, the simplified model struggled to capture the draining dynamics of these. However, the model managed to match the time to peak reasonably well in the struggling areas as well. To increase the applicability of the model the upstream area contributing to runoff should be based on physical characteristics and not calibration. Further, the model should be applied to other areas preferably using other rainfall event data or design storms, as well as investigate the performance using more than two land cover classes. Finally, a sensitivity analysis could be performed for parameters that were now set to fixed values, done so to reduce the calibration. / Framtiden kommer bjuda på utmaningar för urbana områden när det kommer till hanteringen av pluviala översvämningar, vilka inträffar när nederbördsintensiteten överstiger både den konstgjorda och naturliga infiltrations- och dräneringskapaciteten. För att få ökad förståelse av effekterna samt besluta om nödvändiga åtgärder behövs nya verktyg för att modellera den urbana responsen till följd av extrem nederbörd så som skyfall. Syftet med detta projekt vara att med hjälp av spatialt fördelade rinntider och kinematiska vågmodellen modellera nederbörden och avrinningen i ett urbant avrinningsområde. Modellen utvecklades i ArcGIS Pro med hjälp av den inbyggda modulen ArcPy vilken tillåter användningen av ett Python-skript som ger snabba beräkningar och korta simuleringar applicerade på cellnivå. Totalt modellerades sex mindre avrinningsområden inom det större området, alla med olika storlek och urbaniseringsgrad. Till skillnad från fullt distribuerade modeller som löser både kontinuitetsekvationen och rörelsemängdsekvationen, sparar modellen tid genom att tillämpa kinematisk vågteori, stationära kontinuitetsekvationen samt Mannings ekvation. Studien använder endast en kalibreringsparameter vilken representerar området uppströms om varje cell som bidrar till avrinning nedströms. Denna används för att justera rinntiderna för att säkerställa att modellen inte returnerar för långsamma tider vilket kan generera en fördröjning av responsen och underskattning av maxflödet. Modellen parametriserades för ett skyfall som inträffade i Gävle år 2021, och validerades mot en fullt distribuerad modell (MIKE 21) som simulerade samma händelse. Den modellerade responsen från avrinningsmodellen byggd på spatialt fördelade rinntider kunde framgångsrikt leverera liknande hydrografer som den fullt distribuerade modellen. Modellen presterade framför allt bra i områden med hög urbaniseringsgrad innehavande en jämn spatial fördelning av de två marktäckningsklasserna som användes, nämligen hårdgjorda och icke hårdgjorda ytor, samt små volymer av sänkor i området. I områden med en lägre urbaniseringsgrad och större volymer sänkor vilka fördröjer avrinningen hade modellen svårare att producera liknande hydrografer troligen då den förenklade modellen ej kan fånga dynamiken av att fylla och tömma dessa sänkor. Däremot lyckades den fortfarande att matcha tiden för maxflödet även för dessa områden. För att öka modellens tillämpbarhet bör området uppströms som bidrar till avrinning nedströms baseras på fysikaliska egenskaper och inte kalibrering. Vidare bör modellen tillämpas på andra områden, helst med hjälp av andra nederbördsdata eller designregn, samt undersöka prestandan om mer än två marktäckningsklasser används. Slutligen kan en känslighetsanalys utföras för parametrar som nu satts till fasta värden, detta för att minska kalibreringen.

In recent years, climate change has intensified the frequency of severe rainfall events, raising concerns, particularly in urban areas where impervious surfaces dominate. The resultant reliance on man-made drainage increases pluvial flooding risks, threatening infrastructure and urban resilience. As the global population increasingly shifts to urban living, the vulnerability to flooding grows. Understanding how areas respond to rainfall is crucial for proactive flood risk mitigation. Available hydrological models offer insights and predictions, but are often linked with long simulation times and high computational cost. Semi-distributed models, like the Spatially Distributed Travel Time (SDTT) approach, offer simplified model formulations suitable for screening applications. This thesis extends Ekeroth's (2022) SDTT model for watershed delineation and travel time formulations, focusing on ensemble runs of multi-input rainfall/infiltration scenarios. As there is often many uncertain factors in hydrological modeling, there is a need for faster models capable of generating a distribution of scenarios to represent the uncertainty of real systems. Even a quick and simple model should account for the multifaceted aspects of urban flooding, including rainfall-infiltration dynamics and the variations in rainfall intensity. Script modules were developed to analyze rainfall severity, peak discharge distribution, and parameter impact efficiently. In three urban watersheds with an average size of 0.45 km2, 120 scenarios distinguished by intensity distribution, rainfall duration, soil composition of pervious areas, and antecedent moisture conditions, were simulated within approximately 3.5 minutes, enabling comprehensive hydrological analysis. The successful implementation of the new modules implicate a promising tool for hydrological risk-screening analysis in urban environments, although further research should investigate incorporating probability-based scenarios and bigger input rainfall datasets. / Under senare år har klimatförändringarna intensifierat förekomsten av skyfall, något som är särskilt oroväckande i stadsområden där marktäckningen huvudsakligen består av hårdgjorda ytor. Genom att asfaltera och bygga försvinner markens naturliga infiltrationsförmåga. Detta leder till ett ökat beroende av konstgjorda dräneringssystem som sällan är dimensionerade för särskilt intensiva regnhändelser. Urbana översvämningar innebär inte bara ett hot mot infrastruktur och den bebyggda miljön, men den globala befolkningens ökade bosättning i urbana områden medför att sårbarheten vid översvämningar ökar även den. För att kunna hantera översvämningsrisken i ett urbant område är förståelse för avrinningsområdets respons till ett skyfall viktigt. Det finns hydrologiska modeller på marknaden som erbjuder prognoser, men dessa är oftast baserade på komplexa fysiska beskrivningar som medför långa processtider och beräkningskostnader. Samtidigt finns nytänkande modeller som skär ner på processtiderna genom att minska den spatiala upplösningen på beräkningarna, såsom SDTT (Spatially Distributed Travel Time) formuleringen, som erbjuder förenklade analyser lämpliga som screeningverktyg. Denna studie utvidgar Ekeroths (2022) SDTT-modell med fokus på ensemblekörningar av regn- och infiltrationsscenarier. Eftersom det ofta finns flertalet osäkra faktorer i hydrologisk modellering finns ett behov av snabbare modeller som kan genera en fördelning av möjliga utfall givet olika scenarier. Samtidigt behöver även en snabb och enkel modell beakta de mångfacetterade aspekterna av urbana översvämningar, exempelvis gällande dynamiken mellan regn och infiltration och skyfallsegenskaper. Kodmoduler utvecklades för att effektivt analysera utfallen av regnscenarierna och att finna de mest allvarliga händelserna, fördelningen av värden inom de simulerade utfallen, samt inflytandet från parametrarna som definierar scenarierna. I tre urbana avrinningsområden med en genomsnittlig storlek på 0.45 km2 simulerades 120 scenarier inom 3,5 minuter, vilket möjliggör hydrologisk analys på en hanterbar tid. Implementeringen av de nya modulerna pekar mot ett lovande verktyg för hydrologisk risk-screeninganalys i urbana miljöer. Samtidigt bör framtida studier fortsatt undersöka möjligheten att inkludera sannolikhetsbaserade scenarier och körning av större dataset.