Impact of errors of digital elevation model for assessment of flood hazard, based on hydraulic modeling

Autor: Bartosz Ślizewski, Mateusz Kramarczyk, Marcin Szwagrzyk, Michał Szczęśniak, Paulina Adamaszek
Rok vydání: 2016
Předmět:
Zdroj: Acta Scientiarum Polonorum. Formatio Circumiectus, Vol 15, Iss 4, Pp 321-329 (2016)
ISSN: 1644-0765
DOI: 10.15576/asp.fc/2016.15.4.321
Popis: Celem głównym artykułu było zbadanie, jak błędy Numerycznego Modelu Terenu (NMT) wpływają na wyniki modelowania hydraulicznego istotne z punktu widzenia podejmowania decyzji dotyczących ochrony przeciwpowodziowej, a więc na zasięgi oraz głębokości zalewu i określane na ich podstawie zagrożenie powodziowe. Drugim celem artykułu było określenie przydatności metod ograniczających ryzyko niedoszacowania zagrożenia, spowodowanego błędami NMT. Badanymi NMT były: numeryczny model terenu przygotowany na potrzeby projektu ISOK (nazywany dalej w tekście NMT ISOK) oraz obarczony większym błędem numeryczny model terenu przygotowany na potrzeby projektu LPIS (nazywany dalej NMT LPIS). W celu odpowiedzi na te pytania dokonano analiz błędów NMT na analizowanym obszarze. W następnym kroku stworzono modele hydrauliczne jednowymiarowe w programie DHI Mike11, różniące się od siebie zastosowanym Numerycznym Modelem Terenu. Na podstawie wyników modelowania wygenerowano zasięgi stref zalewowych oraz ich głębokości. Następnie poddano je analizom, w celu określenia jak błąd NMT wpłynął na wielkości zagrożenia powodziowego. W przypadku modelu obarczonego dużym błędem (NMT LPIS) zastosowano metody mające na celu ograniczenie niedoszacowania zagrożenia powodziowego, spowodowanego błędem NMT: metodę miękką oraz metodę Monte Carlo. Wyniki analiz pokazały, że błąd NMT LPIS (na obszarze badań wynoszący średnio 70 cm) może doprowadzić do nieprawidłowego oszacowania wielkości zagrożenia powodziowego i w konsekwencji do podjęcia błędnych decyzji dotyczących lokalizacji działań przeciwpowodziowych. Metoda miękka w badanym przypadku nie ograniczyła tego ryzyka w wystarczającym stopniu, natomiast metoda Monte Carlo umożliwiła zarządzanie ryzykiem dzięki uzyskaniu mapy prawdopodobieństwa zalania obszaru.
Databáze: OpenAIRE