Αναθεωρώντας τις πρακτικές εκτίμησης του πλημμυρικού κινδύνου υπό ένα πλαίσιο υβριδικής στοχαστικής προσομοίωσης

A. Efstratiadis, P. Dimas, G. Pouliasis, I. Tsoukalas, P. Kossieris, V. Bellos, G.-K. Sakki, C. Makropoulos, and S. Michas, Revisiting flood hazard assessment practices under a hybrid stochastic simulation framework, Water, 14 (3), 457, doi:10.3390/w14030457, 2022.

[Αναθεωρώντας τις πρακτικές εκτίμησης του πλημμυρικού κινδύνου υπό ένα πλαίσιο υβριδικής στοχαστικής προσομοίωσης]

[doc_id=2170]

[Αγγλικά]

Προτείνουμε μια νέα πιθανοτική προσέγγιση για την εκτίμηση του κινδύνου πλημμύρας, με στόχο την αντιμετώπιση των βασικών αδυναμιών των καθημερινών ντετερμινιστικών πρακτικών τεχνομηχανικής με έναν υπολογιστικά αποδοτικό τρόπο. Σε αυτό το πλαίσιο, καθορίζονται οι κύριες πηγές αβεβαιότητας στη συνολική διαδικασία μοντελοποίησης, ήτοι η στατιστική αβεβαιότητα κατά την επαγωγή των μέγιστων ετήσιων βροχοπτώσεων μέσω μοντέλων κατανομής που προσαρμόζονται σε εμπειρικά δεδομένα και η εγγενώς στοχαστική φύση των υποκείμενων υδρομετεωρολογικών και υδροδυναμικών διεργασιών. Η εργασία μας επικεντρώνεται σε τρεις βασικές πτυχές, συγκεκριμένα το χρονικό προφίλ των καταιγίδων, την εξάρτηση των μηχανισμών γέννησης πλημμυρών από τις προηγούμενες συνθήκες υγρασίας του εδάφους και την εξάρτηση της διόδευσης της απορροής στο έδαφος και το υδρογραφικό δίκτυο από την ένταση της πλημμύρας. Αυτά αντιμετωπίζονται με την υλοποίηση μιας σειριακής διαδικασίας, που βασίζεται σε λογισμικό ανοιχτού κώδικα, το οποίο είναι ελεύθερα διαθέσιμο στο κοινό. Επιπλέον, οι υδροδυναμικές διεργασίες προσομοιώνονται με μια υβριδική προσέγγιση 1D/2D μοντελοποίησης, η οποία προσφέρει έναν καλό συμβιβασμό μεταξύ του υπολογιστικού φόρτου και της ακρίβειας. Το προτεινόμενο πλαίσιο επιτρέπει την εκτίμηση της αβεβαιότητας όλων των μεγεθών που σχετίζονται με τις πλημμύρες, μέσω εμπειρικά εκτιμώμενων ποσοστημορίων για δεδομένες περιόδους επαναφοράς. Τέλος, εισάγεται ένα σύνολο από εύκολα εφαρμόσιμα μέτρα για την ποσοτικοποίηση του κινδύνου πλημμύρας.

PDF Πλήρες κείμενο (6083 KB)

Βλέπε επίσης: https://www.mdpi.com/2073-4441/14/3/457

Εργασίες μας στις οποίες αναφέρεται αυτή η εργασία:

1. H. Tyralis, D. Koutsoyiannis, and S. Kozanis, An algorithm to construct Monte Carlo confidence intervals for an arbitrary function of probability distribution parameters, Computational Statistics, 28 (4), 1501–1527, doi:10.1007/s00180-012-0364-7, 2013.
2. A. Efstratiadis, A. D. Koussis, D. Koutsoyiannis, and N. Mamassis, Flood design recipes vs. reality: can predictions for ungauged basins be trusted?, Natural Hazards and Earth System Sciences, 14, 1417–1428, doi:10.5194/nhess-14-1417-2014, 2014.
3. Α. Ευστρατιάδης, Α. Κουκουβίνος, Ε. Μιχαηλίδη, Ε. Γαλιούνα, Κ. Τζούκα, Α. Δ. Κούσης, Ν. Μαμάσης, και Δ. Κουτσογιάννης, Τεχνική έκθεση περιγραφής περιοχικών σχέσεων εκτίμησης χαρακτηριστικών υδρολογικών μεγεθών, ΔΕΥΚΑΛΙΩΝ – Εκτίμηση πλημμυρικών ροών στην Ελλάδα σε συνθήκες υδροκλιματικής μεταβλητότητας: Ανάπτυξη φυσικά εδραιωμένου εννοιολογικού-πιθανοτικού πλαισίου και υπολογιστικών εργαλείων, Ανάδοχοι: ΕΤΜΕ: Πέππας & Συν/τες Ε.Ε., Γραφείο Μαχαίρα, Τομέας Υδατικών Πόρων και Περιβάλλοντος – Εθνικό Μετσόβιο Πολυτεχνείο, Εθνικό Αστεροσκοπείο Αθηνών, 146 pages, Σεπτέμβριος 2014.
4. P. Dimitriadis, A. Tegos, A. Oikonomou, V. Pagana, A. Koukouvinos, N. Mamassis, D. Koutsoyiannis, and A. Efstratiadis, Comparative evaluation of 1D and quasi-2D hydraulic models based on benchmark and real-world applications for uncertainty assessment in flood mapping, Journal of Hydrology, 534, 478–492, doi:10.1016/j.jhydrol.2016.01.020, 2016.
5. E. Michailidi, S. Antoniadi, A. Koukouvinos, B. Bacchi, and A. Efstratiadis, Timing the time of concentration: shedding light on a paradox, Hydrological Sciences Journal, 63 (5), 721–740, doi:10.1080/02626667.2018.1450985, 2018.
6. G. Papaioannou, A. Efstratiadis, L. Vasiliades, A. Loukas, S.M. Papalexiou, A. Koukouvinos, I. Tsoukalas, and P. Kossieris, An operational method for Floods Directive implementation in ungauged urban areas, Hydrology, 5 (2), 24, doi:10.3390/hydrology5020024, 2018.
7. C. Makropoulos, D. Nikolopoulos, L. Palmen, S. Kools, A. Segrave, D. Vries, S. Koop, H. J. van Alphen, E. Vonk, P. van Thienen, E. Rozos, and G. Medema, A resilience assessment method for urban water systems, Urban Water Journal, 15 (4), 316–328, doi:10.1080/1573062X.2018.1457166, 2018.
8. I. Tsoukalas, A. Efstratiadis, and C. Makropoulos, Building a puzzle to solve a riddle: A multi-scale disaggregation approach for multivariate stochastic processes with any marginal distribution and correlation structure, Journal of Hydrology, 575, 354–380, doi:10.1016/j.jhydrol.2019.05.017, 2019.
9. K. Risva, D. Nikolopoulos, and A. Efstratiadis, Distributed hydrological modelling using spatiotemporally varying velocities, European Geosciences Union General Assembly 2020, Geophysical Research Abstracts, Vol. 22, Vienna, EGU2020-13402, doi:10.5194/egusphere-egu2020-13402, 2020.
10. I. Tsoukalas, P. Kossieris, and C. Makropoulos, Simulation of non-Gaussian correlated random variables, stochastic processes and random fields: Introducing the anySim R-Package for environmental applications and beyond, Water, 12 (6), 1645, doi:10.3390/w12061645, 2020.
11. G. Papaioannou, L. Vasiliades, A. Loukas, A. Alamanos, A. Efstratiadis, A. Koukouvinos, I. Tsoukalas, and P. Kossieris, A flood inundation modelling approach for urban and rural areas in lake and large-scale river basins, Water, 13 (9), 1264, doi:10.3390/w13091264, 2021.
12. P. Kossieris, I. Tsoukalas, A. Efstratiadis, and C. Makropoulos, Generic framework for downscaling statistical quantities at fine time-scales and its perspectives towards cost-effective enrichment of water demand records, Water, 13 (23), 3429, doi:10.3390/w13233429, 2021.
13. I. Tsoukalas, The tales that the distribution tails of non-Gaussian autocorrelated processes tell: Efficient methods for the estimation of the k-length block-maxima distribution, 67 (6), 898–924, doi:10.1080/02626667.2021.2014056, 2022.
14. D. Koutsoyiannis, Stochastics of Hydroclimatic Extremes - A Cool Look at Risk, Εκδοση 4, ISBN: 978-618-85370-0-2, 400 pages, doi:10.57713/kallipos-1, Kallipos Open Academic Editions, Athens, 2024.

Εργασίες μας που αναφέρονται σ' αυτή την εργασία:

1. G. Moraitis, I. Tsoukalas, P. Kossieris, D. Nikolopoulos, G. Karavokiros, D. Kalogeras, and C. Makropoulos, Assessing cyber-physical threats under water demand uncertainty, Environmental Sciences Proceedings, 21 (1), 18, doi:10.3390/environsciproc2022021018, Οκτώβριος 2022.
2. S. Tsattalios, I. Tsoukalas, P. Dimas, P. Kossieris, A. Efstratiadis, and C. Makropoulos, Advancing surrogate-based optimization of time-expensive environmental problems through adaptive multi-model search, Environmental Modelling and Software, 162, 105639, doi:10.1016/j.envsoft.2023.105639, 2023.
3. P. Dimas, G.-K. Sakki, P. Kossieris, I. Tsoukalas, A. Efstratiadis, C. Makropoulos, N. Mamassis, and K. Pipili, Outlining a master plan framework for the design and assessment of flood mitigation infrastructures across large-scale watersheds, 12th World Congress on Water Resources and Environment (EWRA 2023) “Managing Water-Energy-Land-Food under Climatic, Environmental and Social Instability”, 75–76, European Water Resources Association, Thessaloniki, 2023.
4. E. Dimitriou, A. Efstratiadis, I. Zotou, A. Papadopoulos, T. Iliopoulou, G.-K. Sakki, K. Mazi, E. Rozos, A. Koukouvinos, A. D. Koussis, N. Mamassis, and D. Koutsoyiannis, Post-analysis of Daniel extreme flood event in Thessaly, Central Greece: Practical lessons and the value of state-of-the-art water monitoring networks, Water, 16 (7), 980, doi:10.3390/w16070980, 2024.
5. P. Dimas, G.-K. Sakki, P. Kossieris, I. Tsoukalas, A. Efstratiadis, C. Makropoulos, N. Mamassis, and K. Pipili, Establishing a strategic blueprint for the design and evaluation of flood control infrastructure in extensive watersheds, Water Resources Management, 39, 2673–2700, doi:10.1007/s11269-024-04084-4, 2025.

Άλλες εργασίες που αναφέρονται σ' αυτή την εργασία (αυτός ο κατάλογος μπορεί να μην είναι ενημερωμένος):

1. Tegos, A., A. Ziogas, V. Bellos, and A. Tzimas, Forensic hydrology: a complete reconstruction of an extreme flood event in data-scarce area, Hydrology, 9(5), 93, doi:10.3390/hydrology9050093, 2022.
2. Afzal, M. A., S. Ali, A. Nazeer, M. I. Khan, M. M. Waqas, R. A. Aslam, M. J. M. Cheema, M. Nadeem, N. Saddique, M. Muzammil, and A. N. Shah, Flood inundation modeling by integrating HEC–RAS and satellite imagery: A case study of the Indus river basin, Water, 14(19), 2984, doi:10.3390/w14192984, 2022.
3. Vangelis, H., I. Zotou, I. M. Kourtis, V. Bellos, and V. A. Tsihrintzis, Relationship of rainfall and flood return periods through hydrologic and hydraulic modeling, Water, 14(22), 3618, doi:10.3390/w14223618, 2022.
4. Maranzoni, A., M. D’Oria, and C. Rizzo, Quantitative flood hazard assessment methods: A review, Journal of Flood Risk Management, 16(1), e12855, doi:10.1111/jfr3.12855, 2022.
5. Szeląg, B., P. Kowal, A. Kiczko, A. Białek, D. Majerek, P. Siwicki, F. Fatone, and G. Boczkaj, Integrated model for the fast assessment of flood volume: Modelling – management, uncertainty and sensitivity analysis, Journal of Hydrology, 625(A), 129967, doi:10.1016/j.jhydrol.2023.129967, 2023.
6. Rozos, E., V. Bellos, J. Kalogiros, and K. Mazi, efficient flood early warning system for data-scarce, karstic, mountainous environments: A case study, Hydrology, 10(10), 203, doi:10.3390/hydrology10100203, 2023.
7. Szeląg, B., D. Majerek, A. L. Eusebi, A. Kiczko, F. de Paola, A. McGarity, G. Wałek, and F. Fatone, Tool for fast assessment of stormwater flood volumes for urban catchment: A machine learning approach, Journal of Environmental Management, 355, 120214, doi:10.1016/j.jenvman.2024.120214, 2024.
8. Lahsaini, M., F. Albano, R. Albano, A. Mazzariello, and T. Lacava, A synthetic aperture radar-based robust satellite technique (RST) for timely mapping of floods, Remote Sensing, 16(12), 2193, doi:10.3390/rs161221932024.

Κατηγορίες: Πλημμύρες, Υδραυλικά μοντέλα, Υδρολογικά μοντέλα, Μοντέλα βροχής, Πιο πρόσφατες εργασίες, Αβεβαιότητα