session 70 fredrik hellman

• 1. GIS-datamodellering fr identifiering av versvmningsriskERA-net Road projekt Fredrik Hellman VTI Michael Larsen DRI Klas Hansson VTI Marianne Grauert DRIKnud Pihl DRI Gunilla Franz VTI KRGER consult har gjort datamodelleringen

2. SWAMPResearch project funded byERA-net Road

• SWAMP

• • S tormWA ter prevention - M ethods toP redict damage from the water stream in and near road pavements in lowland areas

• Partners

• DRI Danish Road Institute, Coordinator

• VTI Swedish National Road and Transport Research Institute

3. Projektorganisation

• WP1 Litteratur

• WP 2 Klimatdata

• WP 3 GIS-modell fr versvmningsrisk

• • • • Dagens fredrag

• WP 4 Reparation och underhll -Guideline

• WP 5 Projektadministration

4. Frdraget kommer innehlla

• Information om blue-spot modellen

• • Grundprincip

• • Mjligheter

• • Potential

5. Utmaningar

• Klimatfrndringar kan ge:

• • Mer extrem nederbrd

• • Hjning av havsytenivn

• • Storm relaterade versvmningar

• • Hjning av grundvattenniv

• Renovering och underhll av vgsystem

• • Designade fr nuvarande klimat

• • Mindre pengar avsetts fr underhll

• kade krav p bttre vgnt

• • Krav p framkomlighet och kommunikation

• • EU Water Frame Directive frbttrad vattenkvalit

->kad risk fr versvmning av vgar och infrastruktur! 6. Lsningar

• Frbttrad funktion och kapacitet i drneringssystemen

• kad vattenlagrings kapacitet i anslutning till drneringssystemen

• Pumpar i lglnta omrden knsliga fr versvmning

• Utjmning av terrng

• Flytta utsatta vgar

Var brjar vi och hur prioriterar vi? 7. Utveckling avBlue-spotmetoden

• Blue spot ett vgavsnitt knsligt fr versvmning

• Metoden kan versiktligt identifiera versvmningsknsliga vgavsnitt

• Anvnder tillgngliga GIS-data, grundlager r hjddata

8. Tillvgagngsstt i tre niver

• versiktlig analys av hjddata

• • Identifiering av alla blue-spots (100% avrinning ingen drnering)

• • Lgt liggande omrden med risk fr versvmning

• Omfattning av alla blue-spots

• • Fldesriktningar p markytan

• • Uppsamlingsomrdet fr varje blue spot kopplat till nederbrd

• • Riskomrden identifieras med antal mm regn som behvs fr att fylla en blue-spot (knslighets analys)

• Hydrodynamisk modell av markyta, bassnger och drnering

• • 1d-1d modell att simulera lagringskapacitet, drnering pumplsningar etc.

• • 1d-2d modell att simulera frndringar i tex. terrngen

9. Niv 1 : lokala snkor Niv 1 : vattendjup 10. Niv 2 : fldesriktningar Niv 2 : uppsamlingsomrde 11. Niv 3 hydrodynamisk modellering Basin Weir Surface Sewage system 12. Indata

• I Danmark anvndes hgupplsta

• • Lidar scan 2006 2007

• • Grid size 1.6 m x 1.6 m (2.9 billion points)

• • Flygfoto

• • Tekniska kartor (vgar, hus, vattendrag, etc)

• • Databas med information om broar, verfarter vid floder

• Vi tror att ven lgre upplst hjddata kan ge vrdefull information

13. Data processing 14. Blue spots 15. Data processing 16. Sammanfattning

• versiktlig analys av hjddata fr att identifiera blue spots och havsytendringar

• Uppsamlingsomrde, regndjup, riskomrde, knslighetsanalys

• Man kan g vidare och modellera olika systemlsningar

17. Potential med metoden

• Snabb versiktsanalys av stora omrden

• Mjligt att gra noggranna riskuppskattningar fr versvmningar (kvalitn p input data r begrnsningen)

• • Underhll kan fokusera p de mest versvmningsknsliga omrdena

• • Resultaten kan ligga till grund fr beslut om ombyggnation av knsliga konstruktioner

• • Om man har tillgng till klimatprognoser fr ett omrde kan man undvika knsliga omrden vid nyproduktion

• Rddningstjnst kan frbereda sig p rtt plats innan ovder drabbar ett omrde

18. Tack endel tycker det r roligt med versvmningar 19. Nedan kommer ngra exempel p analyser och resultat 20. Maximum water levels 21. Preferential flow paths 22. Rain depths 23. Sea level rise 24. Map of flood risk areas 25. Sensitivity analysis 20% 80 % 26. Sea level rise 27. Calculation using the terrain model