This research focuses on estimation and analysis of stream sinuosity using GIS. Fifty-five streams including 13 streams of order 0, 17 streams of order 1, 15 streams of order 2 and 10 streams of order 3 in Virginia were considered. Several GIS datasets from various sources, including the Virginia Base Mapping Program (VBMP) and United States Geological Survey (USGS), were used to generate stream networks using GIS. Sinuosity was computed using GIS based on a technique comparable to the approach used in an Environmental Monitoring and Assessment Program's (EMAP's) field survey report. Field sinuosity data from EMAP report were used as reference data for analyzing the accuracy of sinuosity values from different GIS data sources and resolutions. The GIS technique was implemented for computing sinuosity for 55 streams in Virginia using vector data including the VBMP Hydro44 and National Hydrography Data (NHD). Insufficient statistical evidence was found to support the hypothesis that the computed sinuosity values using Hydro44 and NHD data are different from EMAP field data for all 55 streams. Sinuosity values computed using Hydro44 and NHD were found to increase with the increase in EMAP sinuosity (positive correlation) for all 55 streams. EMAP data on sinuosity, however, did not predict sinuosity values computed using Hydro44 (R² = 27%) and NHD (R² = 10%) sources well. It was found that the GIS technique of computing sinuosity using digital data such as Hydro44 (VBMP source) and NHD (USGS source 1:24,000) is better suited for stream orders 2 and 3. Insufficient statistical evidence was found that computed sinuosity values for streams derived using various resolutions (i.e., DTM 3m, DTM 10m, DTM 30m, DEM 10m and DEM 30m) are different from EMAP field data. Positive correlation was observed between sinuosity values for streams derived in all resolutions with EMAP field data. DTM 10m resolution data yielded best correlation value (75%) with EMAP field data. / Master of Science

Two-dimensional (2-D) models of electrical resistivity are improved by jointly inverting radiomagnetotelluric (RMT) and direct-current resistivity (DCR) data or by allowing for displacement currents in the inversion of RMT data collected on highly resistive bedrock. Uniqueness and stability of the 2-D models are assessed with a model variance and resolution analysis that allows for the non-linearity of the inverse problem. Model variance and resolution are estimated with a truncated singular value decomposition (TSVD) of the sensitivity matrix. In the computation of model errors, inverse singular values are replaced by non-linear semi-axes and the number of included eigenvectors is increased until a given error threshold is reached. Non-linear error estimates are verified with most-squares inversions. For the obtained truncation levels, model resolution matrices are computed. For RMT data, non-linear error appraisals are smaller than linearized ones. Hence, the consideration of the non-linearity in RMT data leads to reduced model errors or enhanced model resolution. The dielectric effect on RMT data is investigated with a new 2-D forward and inverse code that allows for displacement currents. As compared to the quasi-static approximation, apparent resistivities and phases of the impedance tensor elements are found to be significantly smaller and the vertical magnetic transfer function exhibits more distinct sign reversals. More reliable models of electrical resistivity are obtained from areas with highly resistive bedrock, if displacement currents are allowed for. In contrast, inversions with a quasi-static scheme introduce artefactual structures with extremely low or high resistivities. A smoothness-constrained 2-D joint inversion of RMT and DCR data is presented. The non-linear model variance and resolution analysis is applied to single and joint inverse models. For DCR data, the errors estimated by most-squares inversions are consistently larger than those estimated by the non-linear semi-axes, indicating that DCR models are poorly resolved. Certain areas of the joint inverse models are better resolved than in the single inverse models.

Data availability is extremely important for water management. Without data it would not be possible to know how much water is available or how often extreme events are likely to occur. The usually available hydro-meteorological data often have a limited representativeness and are affected by errors and uncertainties. Additionally, their collection is resource-intensive and, thus, many areas of the world are severely under-monitored. Other areas are seeing an unprecedented – yet local – wealth of data in the last decades. Additionally, the spread of new technologies together with the integration of different approaches to water management science and practice have uncovered a large amount of soft information that can potentially complement and expand the possibilities of water management. This thesis presents a series of studies that address data opportunities for water management. Firstly, the hydro-meteorological data needs for correctly estimating key processes for water resource management such as precipitation and discharge were evaluated. Secondly, the use of non-traditional sources of information such as social media and human behaviour to improve the efficiency of flood mitigation actions were explored. The results obtained provide guidelines for determining basic hydro-meteorological data needs. For instance, an upper density of 24 rain gauges per 1000 km2 for spatial precipitation estimation beyond which improvements are negligible was found. Additionally, a larger relative value of discharge data respect to precipitation data for calibrating hydrological models was observed. Regarding non-traditional sources of information, social memory of past flooding events was found to be a relevant factor determining the efficiency of flood early warning systems and therefore their damage mitigation potential. Finally, a new methodology to use social media data for probabilistic estimates of flood extent was put forward and shown to achieve results comparable to traditional approaches. This thesis significantly contributes to integrated water management by improving the understanding of data needs and opportunities of new sources of information thus making water management more efficient and useful for society. / All vattenförvaltning kräver tillgång till data. Data behövs för att kunna fastställa t.ex. hur mycket vatten som finns och sannolikheten för stora översvämningar. De hårda hydro-meteorologiska data som normalt är tillgängliga har inte sällan en begränsad representativitet och påverkas av fel och osäkerheter. Dessutom är datainsamling nästan alltid resurskrävande och därför finns hårda data i begränsad utsträckning, eller inte alls, i stora delar av världen. Samtidigt har man under senaste decennierna fått tillgång till en oöverträffad – men lokal – mängd data i vissa områden. Spridningen av ny teknik har, tillsammans med integreringen av olika vetenskapliga metoder inom vattenförvaltning och praktik, påvisat värdet av mjuk information som potentiellt kan komplettera hårda data och förbättra möjligheterna till en god vattenförvaltning. Denna avhandling presenterar studier som belyser vilka möjligheter vattenförvaltningen har vid olika tillgång på hårda data och mjuk information. Först utvärderades vilka krav som kan ställas på hydro-meteorologiska data för att korrekt kunna beskriva nyckelprocesser som nederbörd och vattenföring vid bestämning av vattenresurser. Därefter utforskades möjligheterna att förbättra översvämningsberäkningar med hjälp av mjuk information från sociala medier och rörande mänskligt beteende. Resultaten gav riktlinjer för att bestämma värdet av hydro-meteorologiska data. Till exempel visades att information om nederbördens rumsliga fördelning inte förbättras nämnvärt vid en mätartäthet över 24 regnmätare per 1000 km2. Det relativa värdet av vattenföring visade sig också vara större än för nederbörd för att kalibrera hydrologiska modeller. Det visade sig att en befolknings minne av tidigare översvämningar påverkar effektiviteten hos tidiga varningssystem för översvämningar och deras möjlighet att begränsa skador. Slutligen har en ny metod föreslagits för att använda sociala medier för sannolikhetsberäkningar av översvämmade områden. Metoden visade sig leda till resultat som var jämförbara med traditionella metoder. Avhandlingens huvudsakliga bidrag till en integrerad vattenförvaltning är att öka förståelsen för vilka data som krävs för olika förvaltningsmål och vilka möjligheter som finns att utnyttja mjuk information för att effektivisera vattenförvaltningen göra den mer användbar för samhället. / La disponibilitat de dades és extremadament important per a la gestió de l’aigua. Sense dades no seria possible conèixer ni la quantitat d'aigua disponible ni la freqüència d’esdeveniments extrems. Les dades hidrometeorològiques normalment disponibles tenen una representativitat limitada, es veuen afectades per errors i incerteses i la seva recol•lecció requereix nombrosos recursos, cosa que produeix que moltes zones del món no estiguin adequadament monitoritzades. Així i tot, en les últimes dècades s’ha generat una quantitat de dades sense precedents però de manera localitzada. A més, la difusió de noves tecnologies, juntament amb la integració de diferents enfocaments han permès utilitzar una gran quantitat de dades “toves” per complementar i ampliar les possibilitats en la gestió de l'aigua. Aquesta tesi presenta estudis que aborden algunes de les oportunitats ofertes per les dades per a millorar la gestió de l'aigua. En primer lloc es va avaluar la quantitat necessària de dades hidrometeorològiques per estimar correctament processos clau per a la gestió dels recursos hídrics. En segon lloc es va explorar l'ús de fonts no tradicionals d'informació per millorar l'eficiència de la mitigació d'inundacions. Per exemple, es va identificar una densitat màxima de 24 pluviòmetres per 1000 km2 per estimar la distribució espacial de precipitació, per sobre de la qual les millores són insignificants. A més, es va observar que les dades d’escorrentia tenen un valor relatiu més gran per al calibratge de models hidrològics que les dades de precipitació. Pel que fa a la informació no tradicional, la memòria social d’anteriors inundacions es va identificar com un factor rellevant per a determinar l'eficiència dels sistemes d'alerta d'inundacions i, per tant, del seu potencial per mitigar danys. Finalment, es va proposar una nova metodologia per utilitzar informació provinent de xarxes socials per a realitzar estimacions probabilístiques d'extensió d’inundacions i es va demostrar el seu potencial per aconseguir resultats comparables als d’enfocaments tradicionals. Aquesta tesi aporta avenços significatius per a la gestió integrada de l'aigua mitjançant la millora de la comprensió de les necessitats de dades i de les oportunitats presentades per noves fonts d'informació. D’aquesta manera contribueix a una gestió de l'aigua més eficient i útil per a la societat. / La disponibilidad de datos es sumamente importante para la gestión del agua. Sin datos no sería posible determinar la cantidad de agua disponible o la frecuencia de eventos extremos. Los datos hidrometeorológicos normalmente disponibles tienen una representatividad limitada, son afectados por errores e incertidumbres y su recolección requiere de abundantes recursos, lo cual causa que muchas zonas del mundo no estén adecuadamente monitorizadas. En contraste, en las últimas décadas se ha generado una cantidad de datos sin precedentes pero de manera localizada. Además, la difusión de nuevas tecnologías, conjuntamente con la integración de distintos enfoques, ha permitido usar una gran cantidad de datos “blandos” para complementar y ampliar las posibilidades en la gestión del agua. Esta tesis presenta estudios que abordan las oportunidades ofrecidas por los datos para mejorar la gestión del agua. En primer lugar se evaluó la cantidad necesaria de datos hidrometeorológicos para estimar correctamente procesos clave para la gestión de recursos hídricos. En segundo lugar se exploró el uso de fuentes no tradicionales de información para mejorar la eficiencia de la mitigación de inundaciones. Por ejemplo, se identificó una densidad máxima de 24 pluviómetros por 1000 km2 para estimar la distribución espacial de precipitación más allá de la cual las mejoras son insignificantes. Además se observó que los datos de escorrentía tienen un mayor valor relativo para la calibración de modelos hidrológicos que el de los datos de precipitación. Respecto a la información no tradicional, la memoria social de inundaciones pasadas fue identificada como un factor relevante para determinar la eficiencia de los sistemas de alerta de inundaciones y, por lo tanto, de su potencial para mitigar daños. Finalmente, se propuso una nueva metodología para usar información proveniente de redes sociales para realizar estimaciones probabilísticas de extensión de inundaciones y se demostró su potencial para conseguir resultados comparables a los de enfoques tradicionales. Esta tesis aporta avances significativos para la gestión integral del agua a través de la mejora de la comprensión de las necesidades de datos y de las oportunidades presentadas por nuevas fuentes de información, contribuyendo a una gestión del agua más eficiente y útil para la sociedad.