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.

Översvämningar till följd av intensiva nederbördstillfällen har de senaste åren ökat i antal och omfattning. Dessa händelser förväntas bli vanligare i framtiden och skapa fler översvämningar. Med anledning av detta är det intressant att undersöka hur översvämningar i framtiden breder ut sig och vilka vattennivåer som bildas med förväntad nederbörd. Att modellera översvämningar kräver data som i vissa fall kan vara både tidskrävande och omständig att införskaffa. Möjliga avgräsningar och antaganden i modellparametrar kan då vara intressanta att göra som fortfarande ger användbara resultat. En skyfallskartering har genomförts med 2D-hydraulisk modellering i Kumla med programvaran MIKE 21 Flow Model FM. De översvämningskartor som skapades användes för att identifiera områden i Kumla som riskerar att drabbas av höga vattennivåer till följd av skyfall motsvarande 100- och 200-årsregn. En stor osäkerhet vid modellering av översvämningar är att validera resultaten som fås fram. Ofta saknas information om tidigare översvämningar. De nederbördstillfällen som används är ofta så stora att det saknas data om liknande händelser tidigare. Vid översvämningsmodellering anväds data som beskriver olika typer av modellparametrar. Dessa kommer med ytterligare osäkerheter som kan göra valideringen problematisk. För att undersöka hur stor effekt olika modellparametrar har på resultatet genomfördes en känslighetsanalys där differenskartor skapades mellan undersökta scenarion och referenskartor. Skyfallskarteringen visade att stora delar i Kumla drabbas av översvämningar för både ett 100- och 200-årsregn. Området Kumlaby identifierades som känsligt och får höga vattennivåer. Detta beror mest troligt på omgivningens topografi och att Kumlaby underlagras av leror med låg infiltrationskapacitet. I känslighetsanalysen identifierades markens råhet och infiltrationskapacitet vara styrande parametrar för översvämningens utbredning och vattennivåer. Dessa påverkar främst hur höga vattenflöden som uppstår och översvämningens utbredningen och vattennivåer. Kunskap om dessa parametrar är viktigt för att undvika över- eller underskattning av en översvämning. Användningen av avrinningskoefficienter istället för markens råhet, infiltrationskapacitet och evaporation undersöktes. Differensen i översvämningens utbredning och vattennivåer blev stor i och utanför Kumla tätort. På mindre områden kan det vara mer lämpligt att använda en avrinningskoefficient när en mer detaljerad klassning kan göras av de markytor som finns. Ett scenario som undersöktes i känslighetsanalysen var installation av gröna tak på alla byggnader i Kumla. Simuleringarna som genomfördes visade att både utbredningen och vattennivåer minskade. Detta till följd av större lagringskapacitet och motstånd mot vattenflöden som kommer med gröna tak. / Urban floods caused by intense rainfall have occurred more frequently the last couple of years. These rainfall events are expected to become more common in the future and create more floods in urban areas. This makes it important to investigate the extent and water levels from urban floods in the future. In order to simulate floods, different types of data is needed. This data can be both time consuming and difficult to obtain. With this in mind, it is interesting to investigate possible simplifications and assumptions of model parameters. A cloud burst mapping was made with 2D hydraulic modelling in Kumla with the software MIKE 21 Flow Model FM. The flood maps created were used to identify areas in Kumla which have a higher risk of being subject to high water levels. One uncertainty while modelling urban floods is the process of validating the results. There is often a lack of data for the used rainfall events or information from previous floods in the area. In flood modelling data is used which describes different model parameters, these comes with additional uncertainties and can make the validation more difficult. A sensitivity analysis was made to be able to examine effects on the results from variations in model parameters. The cloud burst mapping showed that large parts of Kumla will be affected by water levels which goes up to 1 m. The area Kumlaby was identified as being sensitive for high water levels. This is due to placement of Kumlaby below higher ground which causes water to flow toward Kumlaby. The ground below is mostly made up of clay which has low infiltration capacity. In the sensitivity analysis the bed resistance and infiltration capacity were identified as governing parameters regarding the extent and water levels of urban floods. In order to avoid over- or underestimation of floods it is important to have knowledge about these parameters in the model area. The use of a runoff coefficient instead of bed resistance, infiltration and evaporation were examined. The difference of the resulting flood were large in the whole model area. In smaller areas a runoff coefficient could be used with better results when a more detailed description can be made of the surfaces in the area. A scenario where green roofs were assumed to have been installed on all buildings in Kumla were examined. The simulations showed that both the extent and water levels decreased. This due to the fact that green roofs have a capacity to store water and delay flows of water.