GIS-modellering av potentiellt drivgods i Ljungan baserat på LIDAR-data

Drivgods utgör ett hot mot dammsäkerheten vid vattenkraftsverk eftersom det ökar risken för blockering av kraftverkens utskov vilket i sin tur kan resultera i överströmning av dammen och dammbrott. Fram till idag har drivgods inte ansetts vara ett problem i Sverige. Flera allvarliga drivgodsincidenter utomlands i kombination med en prognostiserad ökning av flödesintensiteter och översvämningstillfällen i Svenska vattendrag har dock lett till ett ökat intresset hos Svenska dammägare. Det saknas idag tillförlitliga metoder för prognostisering av potentiella drivgodsmängder vid extremflöden, vilket försvårar planering av preventiva åtgärder. Denna studie har som mål att utveckla specifika metoder för automatiserad kvantifiering och geografisk analys av drivgods. En modell har utvecklats i ArcGIS Modelbuilder för (i) avgränsning och klassificering av riskområden längs ett vattendrag baserat på identifierade riskfaktorer för drivgods-bildning, (ii) kvantitativ estimering av trädvolym utifrån höjdrasterdataset framtagna från LIDAR punktmoln, och (iii) identifiering av trädindivider baserat på lokalisering av lokala maxpunkter i en digital ytmodell skapad från laser-data. I syfte att utvärdera metodens tillämpbarhet samt undersöka förekomsten av eventuella geografiska mönster i utbredningen av potentiella drivgodskvantiteter appliceras modellen på utvalda dammanläggningar längs med älven Ljungan i Sverige. Modellens noggrannhet i uppskattningen av trädindivider valideras i en fältkontroll. Resultaten indikerar en mycket god överrensstämmelse mellan modellerade och fältkontrollerade värden på trädantal, dock med något underestimerade modellerade värden. Ett större antal träd som riskerar att falla i älven identifierades vid högre vattenflöden som ett resultat av en generellt större geografisk omfattning på översvämmade ytor. Stora vegetationsvolymer identifierades främst i riskområden med en stor andel höga träd men även i riskområden med ett stort antal träd. I vissa riskområden erhölls större relativa vegetationsvolymer trots ett betydligt mindre relativt antal träd vilket antyder att både trädhöjd och trädantal styr vegetationsvolymers storlek. Resultaten av utförda statistiska och geografiska analyser förbättrar överblicken över drivgodsets volym och geografiska fördelning längs vattendrag vilket i sin tur även leder till en bättre förståelse för drivgodsproblemets magnitud för specifika dammanläggningar. Den automatiserade metoden genererar reproducerbara resultat som är jämförbara mellan olika dammanläggningar och vattendrag över tid. Metoden har stor potential för framtida drivgodsanalyser då den erbjuder möjligheten att identifiera riskområden och estimera drivgodskvantiteter inom dessa.Floating debris poses a threat to dam safety at hydropower dams as it increases the risk of spillways becoming blocked, which can in turn result in dam overflow and failure. Until now it has not been considered a problem in Sweden. However, the occurrence of several major international incidents, together with a projected future increase in streamflow intensities and flood events in Swedish rivers has raised the interest of Swedish dam owners. Presently there is a lack of robust methods for forecasting potential magnitudes of floating debris in extreme streamflow scenarios, which limits planning of preventive measures. This study aims to develop explicit methods for automated quantification and geographical analysis of floating debris. A model is developed in ArcGIS Modelbuilder for (i) identification and classification of risk areas along a river based on identified risk factors for floating debris formation, (ii) quantitative estimation of vegetation volume from elevation raster datasets derived from LIDAR point clouds, and (iii) identification of trees within risk areas based on locating local maxima in a digital surface raster derived from laser-data. In order to evaluate the applicability of the method as well as to investigate the existence of geographical patterns in potential floating debris quantities, the model is applied on selected dam facilities along the Ljungan River in Sweden. The accuracy of modeled tree amounts is validated in a field study. The results indicate high correlation between modeled number of trees and ground truth data, though modeled values are slightly underestimated. A greater number of trees at risk of falling into the river were identified during higher streamflow events as a result of larger areas being flooded. Large volumes of vegetation were identified in risk areas with a high proportion of tall trees as well as in risk areas with a large number of trees. In some risk areas, greater relative vegetation volumes were obtained despite a significantly smaller relative number of trees. This suggests that vegetation volume as a factor depends both upon the number of trees as well as tree height. The results of performed statistical and geographical analyses provide a better overview of floating debris distribution along rivers, leading to a better understanding of potential magnitudes of the problem for specific dam facilities. The automated method generates reproducible results that are comparable between different dam facilities and rivers over time. The method has significant potential for future floating debris analyses as it offers the possibility to identify risk areas and estimate floating debris quantities within them