Utvecklingen av en översvämningsmodell baserad på globalt tillgängliga satellitdata för floden Papaloapan, Mexiko

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