Many regions in Africa are presently faced with an increasing flood risk due to impending climate change and population growth. One useful mitigation strategy to decrease this risk would be to map it, so that urban planning, warnings systems and emergency response subsequently could be designed to reduce societal vulnerability. This is, however, not widely feasible on the African continent, as developing countries often lack access to the topography and discharge data required to produce high- quality flood risk maps. To seek a way around this problem, on-going research is investigating the possibility of obtaining alternative model inputs, by using global datasets of elevation, derived from remote sensing, and methods to estimate flood flows. This thesis presents a case study within this context where the aim was to determine the accuracy of an African catchment-scale flood map, produced with the satellite product SRTM (Shuttle Radar Topography Mission) as topography input, and to explore the potentials and limitations of such a model scheme. Two high-magnitude floods, occurring in year 2000 and 2013 in the Lower Limpopo Basin (Mozambique), were modelled for inundation extent, using a no-channel 2D model built for the LISFLOOD-FP flood modelling software. Flood water levels were also simulated to assess the models vertical performance. Model outcomes were evaluated against satellite imagery and recordings of high watermarks, adjusting the value representing the roughness of the floodplain to optimize flood extent correspondence. Due to different hydrograph dynamics, simulations of the two floods required different values of roughness (0.02 and 0.09 s m-1/3) to reach maximum accuracy (F = 0.59 and 0.64, respectively). However, the results also indicated that a model calibrated with a flood of relatively low return period potentially could be used to map rare flood events. Simulation inaccuracies were mainly attributed to (1) reservoirs and streams, temporarily connecting to the river system during high flow conditions, (2) limitations of the topography data, in terms of recognizing riverbed geometry and floodplain micro-topography, and (3) cloud cover, reducing the accuracy of flood extent reference data. The vertical simulation accuracy, with an average error of ± 2 m, was well within the uncertainty bounds of input data. Errors were in this case ascribed the SRTM’s representation of high slope terrain and possible radar speckles in urban areas. The findings of this study indicate that there is high potential in using SRTM data for mapping of high-magnitude flood risk in Africa, but also that consideration to river system complexity is crucial. / Många  områden  i  Afrika  står  för  närvarande  inför  en  ökad  översvämningsrisk  på  grund  avklimatförändringar och befolkningstillväxt. En användbar strategi att minska denna risk skulle vara att kartlägga den, så att stadsplanering, varningssystem och respons vid nödsituationer därefter skulle kunna utformas till att begränsa samhällets sårbarhet. Detta är dock inte möjligt på bred front över Afrikas kontinent, då utvecklingsländer ofta saknar det data av topografi och vattenflöde som behövs för producera högkvalitativa översvämningsriskkartor. För att försöka hitta ett sätt att kringgå detta problem undersöker pågående forskning möjligheten att generera alternativ modelleringsinput, från globalt tillgängligt höjddata, insamlat av satelliter, och metoder att uppskatta översvämningsflöden. Denna uppsats presenterar en fallstudie inom denna kontext där syftet var att bestämma kvalitén hos en översvämningskarta över ett Afrikanskt avrinningsområde, producerad med satellitprodukten SRTM (Shuttle Radar Topography Mission) som topografiinput, och att utforska möjligheterna och begränsningarna med en sådan karteringsmodell. Två stora översvämningar, vilka inträffade år 2000 och 2013 i Nedre Limpopobassängen (Mocambique), simulerades för utbredning med hjälp av en 2D- model utan flodfåra byggd för modelleringsprogrammet LISFLOOD-FP. Vattennivåer simulerade också för att kunna bedöma modellens vertikala prestation. Resultaten jämfördes med satellitbilder och dokumenterade höga vattenmärken (observerade på t ex. husfasader), samtidigt som flodplanets flödesmotstånd justerades för att optimera överensstämmelsen. Då översvämningarna var av olika karaktär behövdes olika flödesmotstånd (0.02 and 0.09 s m-1/3) för att maximal kvalité på respektive översvämningskarta skulle uppnås. Denna kvalité beräknades till 0.59 och 0.64, på en index-skala (F) där 1.00 motsvarar en perfekt simulering. Trots olika optimala flödesmotstånd antydde resultaten även att en modell kalibrerad med en relativt frekvent återkommande översvämning möjligtvis kan användas till att kartlägga sällsynta översvämningar. Avvikelserna mellan dokumenterad och simulerad översvämningsutbredning tillskrevs i huvudsak: (1) sjöar och vattendrag som temporärt ansluter till flodsystemet under höga flöden, (2) begränsningar i topografidatat gällande att fånga flodens geometri och flodplanets mikro-topografi samt (3) moln som skymmer översvämningarna i referensdatat och minskar dess sanningshalt. Vattennivåer simulerades med ett genomsnittligt fel av±2 m, vilket med marginal ligger inom inputdatats totala osäkerhetsram. Avvikelserna troddes i detta fall bero på SRTM-datats representation av sluttande terräng och möjliga radarfläckar (reflektioner) i urbana områden. Resultaten i denna studie indikerar att det ligger stor potential i att använda SRTM- data för att kartlägga risken för stora översvämningar i Afrika, men belyser också vikten av attuppmärksamhet ges till flodsystems komplexitet.

The probability and impact of flooding is projected to increase in the future. This is due to climate and land-use changes (e.g. urbanization) in addition to the ongoing socioeconomic development of many floodplain areas. Exploiting the increasing availability of satellite data for flood inundation modelling will allow mapping floods in remote, data-poor areas to lower costs, and thereby make it possible to estimate flood risks in areas that today lack the economic resources needed for supporting risk assessment. In this context, this study has investigated the potentials and limitations of using low-cost, global remote sensing data (i.e. SRTM) to support flood inundation modelling. To this end, a case study of a river reach along the Mississippi was exploited. In particular, two flood inundation models were built by using the same 2D hydraulic model code (LISFLOOD-FP), but with two different topographical inputs, i.e. high quality/accuracy LiDAR topography data and the freely available SRTM topography data. The LiDAR data was lowered to the same resolution as the SRTM data and the two models were run with the resolution of 83x83 m2 . Thereafter, the models were compared by simulating two historical flood events of different magnitude. The comparison of the two models showed that flood inundation modelling with satellite data is more accurate (closer to the reference model, i.e. LiDAR-based model) for the higher magnitude flood event than for the lower magnitude flood event. This was attributed to the relatively reduced importance of micro topography during bigger flood events. An area-based performance measure gave a value of the correspondence (i.e. the fit) between the predicted flood extents for the two models. The areas/pixels were reclassified in ARC GIS to flooded or dry. Thereafter, areas flooded in both the LiDAR and the SRTM simulations were divided by the sum of the areas flooded in both or in one of the simulations (LiDAR or SRTM). From this procedure the fit could be determined, where a fit of 100 % would mean that the simulations had predicted the same flood extents. For the high magnitude flood event simulated in this study, the fit in terms of flood extent between the LiDAR-based and the SRTM-based model was 72 %, while the fit for the smaller flood was only 38 %. In this study, model calibration was preformed manually because of limited availability of time and computational power. However, this is not considered a major limitation as the work does not aim to make a faultless model of this river reach of the Mississippi, but rather to determine the potentials and limitations of SRTM topography data in supporting flood inundation modelling. Additional studies of rivers systems with different properties, flood magnitudes, vegetation covers and river scales should be conducted, to further validate the usability of remote sensing data for flood inundation modelling. / Stora områden runt om i världen har problem med översvämningar, som står för 40 % av alla dödsfall orsakade av naturkatastrofer. Det är troligt att risken för översvämningar kommer att öka i framtiden på grund av klimatförändringar och ändrad landanvändning, som till exempel urbanisering. Ett problem är att det ofta är dyrt att göra kartor som beskriver översvämningsrisker och därför finns det många områden där kunskap om riskerna saknas. I denna studie har det undersökts huruvida det är möjligt att använda globala fjärranalysdata (data från satelliter) för översvämningsmodellering. Detta skulle möjliggöra framställandet av kartor över översvämningsrisker till en låg kostnad, och därmed nå ut till områden där idag inte finns ekonomiska resurser nog för detta. En fallstudie har gjorts av en sträcka utmed Mississippifloden (USA) och två översvämningsmodeller har byggts genom att använda samma hydrauliska modelleringskod (LISFLOOD-FP). Skillnaden mellan modellerna var att den ena modellen byggdes med hjälp av LiDAR-topografidata, medan den andra modellen baserades på gratis SRTMtopografidata. LiDAR-data är högkvalitativt och högupplöst data (1 meter upplösning) insamlat från flygplan med hjälp av laser. SRTM-data har endast 30-90 meters upplösning (83 meter inom fallstudieområdet) och är insamlat av satelliter. Upplösningen av LiDAR-datat ändades till samma upplösning som för SRTM-datat och båda modellerna kördes med en upplösning av 83x83 m2 . De två modellerna jämfördes genom att två historiska översvämningar, en liten år 2008 och en mycket stor år 1993, simulerades. Jämförelsen av de två modellerna visade på att modellering med hjälp av satellitdata är mer precist och närmare referensmodellen, det vill säga den LiDAR-baserade modellen, för större översvämningar än för mindre översvämningar. Förklaringen till detta tillskrevs den relativt reducerade betydelsen av mikrotopografi för större översvämningar. Överrensstämmelsen mellan modellresultaten räknades ut genom att områdena/pixlarna först blev omklassificerade i ARC GIS som översvämmande eller icke översvämmade. Därefter delades antalet områden som svämmades över i båda simuleringarna med antalet områden som svämmades över i båda simuleringarna eller i den ena av simuleringarna. På detta sett kunde en faktor för överensstämmande bestämmas, där en faktor på 100 % innebar att modellerna förutspådde lika stora översvämningar. För den större översvämningen som simulerades överensstämde, i fråga om utbredning, de två modellerna (LiDAR och SRTM) till 72 %, medan modellerna för den mindre översvämningen endast överensstämde till 38 %. I denna studie gjordes kalibreringen manuellt då den tillgängliga tiden och datorkapaciteten var begränsad. Dock så anses inte detta vara en stor begränsning eftersom studien inte syftade till att göra en felfri modell av översvämningsriskerna utmed en sträcka av Mississippifloden, utan till att undersöka användbarheten och begränsningarna av satellitdata för översvämningsmodellering. Denna studie stödjer tidigare teorier om att globala satellitdata har stort användningsområde för att simulera översvämningsrisker. Dock behövs fler studier av flodsystem med olika egenskaper, storlek på översvämningar och vegetation göras för att ytterligare validera detta.

No description available.

Flood inundation modelling is highly dependent on an accurate representation of floodplain topography. These  remotely  sensed  accurate  data  are  often  not  available  or  expensive,  especially  in  developing countries. As an alternative, freely available Digital Elevation Models (DEMs), such as the near-global Shuttle Radar Topography Mission (SRTM) data, have come into the focus of flood modellers. To what extent  these  low-resolution  data  can  be  exploited  for  hydraulic  modelling  is  still  an  open  research question. This benchmarking study investigated the potentials and limitations of the SRTM data set for flood inundation  modelling  on  the  example  of  the  Papaloapan  River,  Mexico.  Furthermore  the  effects  of vegetation signal removal from the SRTM DEM as in Baugh et al. (2010) were tested. A reference model based on a light detection and ranging (LiDAR) DEM was set up with the model code LISFLOOD-FP and run for two flood events. Test models based on SRTM DEMs were run and output flood extents compared to the reference model by applying a measure of fit. This measure of fit, which was based on binary wet/dry maps of both model outputs, gave information on how well the test models simulated the flood inundation extents compared to the reference model by giving a percentage of the model performance from theoretically 0 to 100 %. SRTM-based models could not reproduce the promising results of previous studies. Flood extents were mostly underestimated and commonly flooded areas were almost exclusively made up out of the main channel surface. One of the reasons for this likely was the much steeper slope of the SRTM DEM as opposed to the LiDAR DEM where water probably was conducted much faster though the main channel. Too high bank cells as well as generally more pronounced elevation differences of the SRTM DEM throughout the whole floodplain were another problem of the SRTM DEM preventing accurate flood inundation simulations. Vegetation  signal  removal  was  successful  to  a  certain  degree  improving  the  fit  by  about  10 %. However, a realistic shape of flood extent could not be simulated due to too big pixel sizes of the used canopy  height  data  set. Also,  the  conditioned  models  overestimated  flooded  areas  with  increasing vegetation signal removal, rendering some of the models useless for comparison, as water leaving the model domain could not be accounted for in the measure of fit. This study showed the limitations of SRTM data for flood inundation modeling where an accurate approximation of the river slope as well as accurately captured bank cells and floodplain topography are crucial for the simulated outcome. Vegetation signal removal has been shown to be potentially useful but should rather be applied on more densely covered catchments. / Översvämningar skapar stora problem världen över och fler och fler människor lever i områden som är utsatta för risk för att svämmas över. Dessutom förväntas översvämningar förekomma mer frekvent i många delar av världen i framtiden på grund av klimatförändringar. Skada orsakad av översvämningar kan  överstiga  flera  miljarder  US$.  Men  översvämningar  orsakar  också  andra  problem,  förutom ekonomiska förluster. De senaste 10 åren har mer än 60 000 människor dött på grund av översvämningar. Ytterligare 900 000 000 människor har drabbats på något sätt. Därför är det viktigt att man vet vilka områden som är utsatta för hög risk. Ett av de verktyg för att avgöra  översvämningsrisker  är  hydrauliska  datormodeller  som  försöker  förutse  hur  en  bestämd översvämning breder ut sig. Modellerna är baserade på fysiska principer och topografisk information. Helst vill man ha topografisk information med hög kvalitet och upplösning. Ofta har man data från fjärranalyser, insamlade från flygplan. Ett exempel på det är LiDAR-data som är baserad på laser. Dock är det ofta dyrt eller inte tillgängligt med LiDAR i avlägsna områden och utvecklingsländer, där man behöver sådan data som mest. Därför har forskare försökt att använda globalt tillgängliga topografiska data av låg kvalitet för hydrauliska modeller. En sådan datauppsättning är det så kallade SRTM-datat från amerikanska NASA. SRTM samlas in med hjälp av radarstrålar från satelliter. I flera studier har man fått goda resultat inom översvämningsmodellering med SRTM. Dock måste man testa det vidare för fler avrinningsområden. I den här studien har man försökt att använda SRTM i en hydraulisk modell för den mexikanska floden  Papaloapan.  För  att  se  hur  bra  (eller  dålig)  SRTM-modellen  är  för  att  simulera  hur  en översvämning sprids har man jämfört den med en modell baserad på högkvalitativ LiDAR-data. Båda modellerna  simulerade  samma  översvämningar. Topografiska  information  från  SRTM-data  är  oftast inkorrekt där det finns väldigt tät och hög vegetation, eftersom radarsignalen då inte räcker till marken och den uppskattade höjden är därför för hög i sådana områden. Av denna anledning ville man därför i denna  studie  även  testa  hur  resultatet  av  SRTM-modellen  skulle  förbättras  om  man  tog  bort  viss vegetation. Dessvärre var den utformade SRTM-modellen inte så bra för det här fallstudieområdet och SRTM-modellen  förutspådde  mycket  mindre  översvämningar  än  den  förmodade  mer  korrekta  LiDAR-modellen. Då vegetation avlägsnandes kunde man förbättra SRTM-modellen till viss mån, men det var fortfarande  inte  tillräckligt  för  det  här  området.  Denna  studie  visar  att  det  är  viktigt  att  fortsätta undersöka hur passande och användbart SRTM är, eftersom det har visat sig att SRTM inte är lämpligt för att förutspå översvämningar i alla delar av världen.

Syftet med fallstudien var att undersöka möjligheterna och nyttan med att implementera en höjdmodell med högre upplösning i SMHI:s översvämningsmodellering som tillämpar den hydrauliska modellen LISFLOOD-FP. SMHI utfärdar översvämningsvarningar och det är därför av vikt att översvämningsmodelleringen håller hög kvalitet. Samtidigt kräver modelleringen tid och resurser från Nationellt Superdatorcentrum i Linköping, NSC. Därför vägdes de potentiella fördelarna med högre upplösning mot förlängd körtid. Fallstudien bestod av två delar där en höjdmodell på två meters upplösning i xy-planet implementerades och jämfördes med den i dagsläget uppställda modellen på fem meters upplösning. Detta gjordes genom att återskapa översvämningstillfällen med dess flöden från S-HYPE och mätningar. I studiens första del hämtades satellitdata från Copernicus från två tidigare översvämningstillfällen för validering av över-svämningsmodelleringen. De tidigare översvämningstillfällena var dels i Emån i Småland år 2012 och dels i Västerdalälven i Dalarna år 2018. Ett index för passning beräknades mellan översvämningskartorna producerade med två respektive fem meters upplösning gentemot satellitbilderna för att kvantifiera överlappande ytor. Därtill beräknades vattendragens lutning för att undersöka om det fanns indikationer på något samband med förändring i index med ökad upplösning på höjdmodellen. Studiens andra del bestod i att undersöka hur höjdmodellens upplösning påverkar vattnets spridning kring översvämningsvallar i modellen. I undersökningen återskapades ett översvämningstillfälle från 2020 i Helige å i Småland. Ett antal delavrinningsområden visade sig instabila för den högre upplösta höjdmodellen och kunde därför endast simuleras med lägre flöden. Erhållna resultat visade dock på att översvämningskarteringen förbättrades med upplösningen två meter vid jämförelse med data från Copernicus. Körtiden ökade dock med över 12 gånger vid simulering av högre upplösning. Vidare visades tröskeleffekter i studiens resultat, då översvämnings-vallen stoppade vattnet i den högre upplösta höjdmodellen men inte i den med lägre upplösning. På grund av stabilitetsproblemet och studiens begränsade omfattning, kunde slutsats inte dras om huruvida SMHI bör implementera en höjdmodell med två meters upplösning i systemet för översvämningsvarningar. Däremot kunde konstateras att stabiliteten i modellen måste öka för att det ska vara möjligt. Slutligen drogs slutsatsen att det förekommer tröskeleffekter mellan de två höjdmodellerna och att prestandan ökar generellt för den högre upplösningen när det kommer till precisionen i översvämningsmodelleringen. / The purpose of this case study was to examine the possibilities and advantages of implementing a DEM with higher resolution in inundation modelling at SMHI, the Swedish Meteorological and Hydrological Institute, which uses the hydraulic model LISFLOOD-FP. The institute issues flood warnings and therefore it is of high importance that the innundation modelling gives adequate results. On the other hand, running the models at a higher spatial resolution takes more time and resources. Therefore, potentially improved modelling results were discussed in a context of prolonged runtime. The case study consisted of two parts where a Digital Elevation Model, DEM of two meter resolution was implemented and compared to the five meter DEM that is currently in use. This was done by recreating previous flooding events by using discharge data from S-HYPE. In the first part, satellite data from Copernicus from two previous flooding events in Sweden were used for model validation in comparison with the results from inundation models of SMHI for the different DEM:s. An index was calculated to quantify the overlapping inundation areas. The events were at the river Emån in 2012 and at Västerdalälven in 2018. Moreover, the slope of the rivers within each study area was calculated to investigate correlation between improved flood modelling results for higher DEM resolution and slope of the rivers. The second part of the study investigated flood embankments for the two different DEM:s around Helige å river. A flooding event which took place in 2020 was recreated and the water flow around the built embankments was compared for the two resolutions.  Running the models, it turned out that simulations of several subcatchment areas were unstable with the two meter DEM, and could only be run with lower flow. The obtained results, however, revealed an improved inundation modelling for the DEM with a resolution of 2 m for all study areas in comparison to the data from Copernicus; however the runtime was increased by over 12 times. Moreover, the results also showed threshold effects, where the flooding was impeded by the flooding embankment with the two meter DEM but not at the lower resolution. Due to the stability issue and the limited scope of this study, it cannot be concluded whether SMHI should implement the two meter DEM in their flood warnings system. However, it was concluded that the stability has to be increased to make it feasible. It was also concluded that there are threshold effects between the two DEM:s and that the performance seems to increase overall for the higher resolution when it comes to precision of the modelling.

Flooding is of great concern world-wide, causing damage to infrastructure, property and loss of life. Low-income countries, in particular, can be negatively affected by flood events due to their inherent vulnerabilities. Moreover, data to perform studies for flood risk management in low-income regions are often scarce or lacking sufficient quality. This thesis proposes new methodologies and explores the use of unconventional sources of information in flood hazard assessment in areas where the quantity or sufficient quality of traditional hydrometrical data are lacking.  One method was developed to account for errors in spatially averaged rainfall, from a sparse rain-gauge network, used as input to a rainfall-runoff model. A spatially-averaged and event-dependent rainfall depth multiplier led to improvements of the hydrographs at calibration. And by using a distribution of the multiplier, identified from previous events in the catchment, improvement in predictions could also be obtained. A second method explored the possibility of reproducing an unmeasured extreme flood event using a combination of models, post-event data, precipitation and an uncertainty-analysis framework. This combination allowed the identification of likelihood-associated parameter sets from which the flood hazard map for the extreme event could be obtained. A third and fourth study made at the regional scale explored the value of catchment similarities, and the effects of climate on the hydrological response of catchments. Flood frequency curves were estimated for 36 basins, assumed ungauged, using regional information of short flow records, and local information about the frequency of the storm. In the second regional study, hydro-climatic information provided great value to constrain predictions of series of daily flow from a hydrological model. Previously described methods, used in combination with unconventional information within an uncertainty analysis, proven to be useful for flood hazard assessment at basins with data limitations. The explored data included: post-event measurements of an extreme flood event, hydro-climate regional information and local precipitation data. The methods presented in this thesis are expected to support development of hydrological studies underpinning flood-risk reduction in data-poor areas. / Extremt höga vattenflöden ställer till stora problem i hela världen. De skadar infrastruktur och egendom och orsakar död. Framför allt kan låg- och medelinkomstländer vara väldigt sårbara för extrema flöden. I dessa länder saknas dessutom ofta data som behövs för att kunna bedöma översvämningsrisker, eller så finns bara data av dålig kvalitet. Denna avhandling föreslår nya metoder som använder okonventionella informationskällor vid bedömning av översvämningsrisker i områden där traditionella hydrologiska data saknas eller har otillräcklig kvalitet. En metod utvecklades för att ta hänsyn till fel i rumslig medelnederbörd beräknad från ett glest nät av nederbördsmätare att användas som indata i en nederbörds-avrinningsmodell. Användning av en multiplikator för medelvärdesbildad nederbörd, i tid och rum, för enskilda högflödestillfällen ledde till förbättrad modellkalibrering. Genom att använda multiplikatorfördelningar, identifierade från tidigare högflödestillfällen i avrinningsområdet, kunde också prognoser förbättras. En andra metod använde sig av möjligheten att reproducera ett extremt högflöde inom ramen för en osäkerhetsanalys med hjälp av en kombination av modeller, nederbördsdata och data som uppmätts i efterhand. Denna kombination gjorde det möjligt att identifiera parametervärdesuppsättningar med hophörande sannolikheter ur vilka det gick att erhålla en översvämningskarta för det höga flödet. En tredje och fjärde studie i regional skala utforskade värdet av likheter mellan avrinningsområden och hur områdenas hydrologiska gensvar beror av klimatet. Kurvan för kumulativa högflödesfrekvenser (flood frequency curve, FFC) kunde skattas med hjälp av lokal nederbördsinformation och regional information om korta tidsserier av vattenföring från 36 avrinningsområden som antogs sakna vattenföringsdata. I den andra regionala studien visade sig hydroklimatisk information av värde för att avgränsa godtagbara prognoser för daglig vattenföring från en hydrologisk modell. Tidigare beskrivna metoder, använda tillsammans med okonventionell information inom ramen för en osäkerhetsanalys, visade sig vara användbara för att bedöma översvämningsrisker i avrinningsområden med databegränsningar. Bland utforskade data fanns: mätningar i efterhand av ett extremt högflöde, hydroklimatisk regional information och lokala nederbördsmätningar. Metoderna i denna avhandling förväntas kunna stödja utvecklingen av hydrologiska studier av höga flöden och översvämningar i områden med bristande datatillgång. / Las inundaciones ocasionan daños a la infraestructura, propiedad y pérdida de vidas a nivel mundial. Los países en desarrollo son los más vulnerables a inundaciones, la calidad y cantidad de datos hidro-climatológicos disponibles en los mismos dificulta el desarrollo de estudios para la evaluación de riesgo a esta amenaza. Esta tesis propone métodos en la que se hace uso de fuentes de información no-convencionales para la evaluación de riesgo por inundación en regiones con datos escasos o limitados. Un método considera el error asociado a la precipitación promedio sobre cuencas en modelos lluvia-escorrentía como un factor multiplicador del histograma del evento. El uso de la precipitación promedio junto con una distribución probabilística del factor multiplicador como datos de entrada a un modelo de lluvia-escorrentía mejoraron los hidrogramas durante los periodos de calibración y predicción. Un segundo método exploró la posibilidad de reproducir un evento extremo de inundación usando una combinación de modelos hidrológicos e hidráulico, un análisis de incertidumbre, datos hidrométricos recopilados después del evento y datos de precipitación registrados durante-el-evento. Dicha combinación permitió la identificación de los parámetros de los modelos y la elaboración un mapa de amenaza por inundaciones para dicho evento. Adicionalmente, se estimaron curvas de frecuencia de inundaciones para 36 cuencas, asumidas no aforadas, mediante un método de regionalización que usa registros de caudal de corta duración disponibles en la región. Dichas curvas fueron extendidas haciendo uso de información local sobre la frecuencia de las tormentas. Se encontró que la información hidro-climatológica tiene un gran valor para reducir el rango de incertidumbre de las simulaciones de caudal diaria de un modelo hidrológico. Los métodos anteriores se usaron en combinación con información no-convencional dentro de un análisis de incertidumbre y han probado su utilidad para la evaluación de riesgo por inundaciones en cuencas con registros escasos o limitados. Los datos utilizados en esta tesis incluyen datos hidrométricos recopilados pasado el evento, registros hidro-climatológicos regionales y precipitación local. Se espera que los métodos presentados aquí contribuyan al desarrollo de estudios hidrológicos importantes para la reducción del riesgo por inundaciones en regiones con déficit de registros hidro-climatológicos.

Les régions boréales seront les plus affectées par le réchauffement climatique, c'est pourquoi cette thèse s'est intéressée à l'étude du cycle hydrologique de ces régions. Une nouvelle méthodologie d'extraction du volume de neige à partir de données radiométriques sur l'ensemble des régions boréales a été validée et a permis de montrer une différence de comportement entre 1988 et 2006 sur les variations du volume de neige de l'Eurasie et celui de l'Amérique du Nord. L'étude des variations de volume des eaux de surface des régions arctiques est par contre plus difficile à estimer avec les données satellitaires actuelles. C'est pourquoi un nouveau projet de satellite, la mission SWOT (Surface Water and Ocean Topography), a été proposé qui vise à fournir des cartes de hauteurs d'eau sur l'ensemble du globe. L'apport de cette mission à l'étude des régions arctiques a été estimé en implémentant une modélisation de l'Ob inférieur, fleuve de l'Ouest sibérien, en couplant un modèle hydrologique à grande échelle et un modèle hydrodynamique d'inondations. En ajustant certains paramètres de ces modèles, il a été possible d'obtenir une modélisation réaliste du débit et des hauteurs d'eau du fleuve. L'utilisation d'un lisseur de Kalman d'ensemble local a permis de montrer que les données SWOT devraient permettre de réduire significativement (de plus de 50%) les erreurs de modélisation. L'intérêt de la mission pour l'observation du débit de l'ensemble des fleuves a aussi été estimé en se basant sur un bilan d'erreur préliminaire. L'utilisation de courbes de tarage, ainsi que la prise en compte des erreurs de mesure SWOT ont permis de montrer que ces nouvelles données devraient permettre d'estimer un débit moyen avec une erreur inférieure à 30% pour tous les fleuves ayant une profondeur de plus de 1 m. D'autre part, il a été montré que l'erreur sur l'estimation du débit mensuel due seulement à l'échantillonnage temporel de SWOT diminue avec l'aire drainée et que, pour une aire drainée supérieure à 6 900 km2, cette erreur devrait être inférieure à 20%. Enfin, une méthodologie simple a permis de calculer que la variation annuelle totale du volume de l'ensemble des lacs est de l'ordre de 9 000 km3. Les données spatiales actuelles ne peuvent pas en observer plus de 15%. Selon notre estimation, SWOT quant à lui devrait pouvoir mesurer entre 50% et 65% de cette variation de volume.