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.
| Identifer | oai:union.ndltd.org:UPSALLA1/oai:DiVA.org:uu-255595 |
| Date | January 2015 |
| Creators | Horgby, Åsa |
| Publisher | Uppsala universitet, Institutionen för geovetenskaper |
| Source Sets | DiVA Archive at Upsalla University |
| Language | English |
| Detected Language | Swedish |
| Type | Student thesis, info:eu-repo/semantics/bachelorThesis, text |
| Format | application/pdf |
| Rights | info:eu-repo/semantics/openAccess |
| Relation | Examensarbete vid Institutionen för geovetenskaper, 1650-6553 ; 322 |
Page generated in 0.0029 seconds