Search

The field of urban hydrology is in need of high temporal resolution data series in order to effectively model and analyse existing and future trends in extreme precipitation. When high resolution data sets are, for any number of reasons, not available for a given location, the technique of disaggregation using a random cascade model can be applied. Previous studies have demonstrated the relevance of random cascades in the context of rainfall data disaggregation with temporal resolutions usually down to 1 hour. In this study, an attempt at disaggregation to a resolution of 1 minute was made. Using newly disaggregated rainfall data for different regions in Sweden, the possibility of clustering rain events into separate regional hyetographs was investigated. The random cascade model was calibrated using existing municipal rainfall data with a temporal resolution of 1 minute, in order to disaggregate continuous 15 minutes data series provided by the Swedish Meteorological and Hydrological Institute (SMHI). The disaggregation process was then performed in multiple stochastic realisations, in order to correct the uncertainties inherent to the random cascade model. The disaggregation results were assessed by comparing them with calibration data: two main rainfall parameters, EV and ED, were analysed by determining their behaviours and distribution. The possibility of transfering calibration parameters from one station to another was also assessed in a similar manner, again by studying EV & ED for different scenarios. Finally, hyetographs were clustered, compared and contrasted, in order to ascertain previously theorized differences between regions. This research showed the feasibility of applying a random cascade model to very high temporal resolutions in Sweden, while replicating rainfall characteristics from the calibration data quite well. The analysis of the spatial transferability of calibration parameters yielded inconclusive results, as rainfall characteristics were preserved in some cases but failed in others. Lastly, distinct regional differences in hyetographs were noted, but no clear conclusions could be drawn owing to the delimitations of this study. Inom småskalig hydrologisk modellering finns det idag ett behov av dataserier med hög tidsupplösning för att effektivt kunna modellera och analysera både aktuella och kommande trender hos extrema regnhändelser. När högupplösta dataserier är otillgängliga vid en önskad mätplats kan disaggregering med hjälp av en slumpmässig kaskadmodell tillämpas. Tidigare forskning har visat att kaskadmodeller är användbara för disaggregering av regndata med en tidsupplösning av 1 timme. I denna studie disaggregerades dataserier med syftet att uppnå en tidsupplösningav av 1 minut. För att kunna analysera eventuella skillnader mellan regioner klustrades även hyetografer med de framtagna dataserierna. Den slumpmässiga kaskadmodellen kalibrerades med befintlig kommunal data med en tidsupplösning på 1 minut, för att sedan kunna disaggregera 15 minuters data från SMHIs databaser. Disaggregeringen genomfördes i ett antal olika stokastiska realisationer för att kunna ta hänsyn till, och korrigera, de inneboende osäkerheterna i den slumpmässiga kaskadmodellen. Disaggregeringsresultaten bedömdes genom en jämförelse med kalibreringsdata: två regnegenskaper, regnvaraktighet (ED) och regnvolym (EV), analyserades för att kunna bestämma derasfördelningar och beteenden. Kalibreringsparametrarnas överförbarhet analyserades också med hjälp av ED & EV för olika scenarier. Slutligen klustrades hyetografer för att fastställa potentiella skillnader mellan regioner. Studien påvisade möjligheten att använda en slumpmässig kaskadmodell till höga tidsupplösningar i Sverige. Modellen lyckades återskapa regnegenskaper från kalibreringsdata vid disaggregeringen. Möjligheten att överföra kalibreringsparametrar från en station till en annan visade sig dock inte vara helt övertygande: regnegenskaper återskapades endast i vissa fall, men inte i samtliga. Slutligen konstaterades regionala skillnader i hyetografer, men tydliga slutsatser kunde inte dras på grund av underliggande begränsningar med studien.

Pluvial floods are formed directly from surface runoff after extreme rain events. Urban areas are prone to suffer from these floods due to large portions of hardened surfaces and limited capacity in the stormwater infrastructure. Previous research has shown that catchment response is influenced by the spatio-temporal behaviour of the rainstorm. A rainstorm moving in the same direction as the surface flow can amplify the runoff peak and temporal variability of rainfall intensity generally results in greater peak discharge compared to constant rainfall. This research attempted to relate the effect of storm movement on flood propagation in urban pluvial flooding to the effect from different distributions of rainfall intensity. An additional objective was to investigate the flood response from recent findings on the temporal variability in Swedish rain events and compare it to the flood depths produced by a CDS-rain (Chicago Design Storm), where the latter is the design practice in flood modelling today. A 2D surface model of an urban catchment was coupled with a 1D model of the drainage network and forced by six different hyetographs. Among them were five empirical hyetographs developed by Olsson et al. (2017) and one a CDS-rain. The rainstorms were simulated to move in different directions: along and against the surface flow direction, perpendicular to it and with no movement. Maximum flood depth was evaluated at ten locations and the model results show that storm movement had negligible effect on the flood depths. The impact from the movement was likely limited by the big difference in speed between the rainstorm and the surface flow. All evaluated locations showed a considerable sensitivity to changes in the hyetograph. The maximum flood depth increased at most with a factor of 1.9 depending on the hyetograph that was used as model input. The CDS-rain produced higher flood depths compared to the empirical hyetographs, although one of the empirical hyetographs produced a similar result. Based on the results from this case study, it was concluded that storm movement was not as critical as the temporal variability of rainfall when evaluating maximum flood depth. Pluviala översvämningar skapas från ytavrinning vid intensiva nederbördstillfällen. De uppstår ofta i urbana miljöer till följd av den höga andelen hårdgjorda ytor och ledningsnätets begränsade kapacitet. Forskning har visat att ett regnmolns rörelseriktning och hastighet påverkar avrinningsförloppet. Om molnet rör sig längs med flödesriktningen i terrängen kan en ökning i vattenlödet nedströms ett avrinningsområde uppstå. Denna effekt har visat sig vara störst om hastigheten hos regnmolnet och vattenflödet är likvärdiga. Ytterliggare en faktor som påverkar avrinningsförloppet är hur regnintensiteten är fördelad över tid. Olsson et al. (2017) har tagit fram fem empiriska regntyper som speglar tidsfördelning inom ett Svenskt regntillfälle. Inom översvämningsmodellering är det vanligt att använda ett så kallat CDS-regn (Chicago Design Storm), vilken har en given tidsfördelning. Med anledning av detta är det intressant att jämföra översvämningar genererade av ett CDS-regn och av de empiriska regntyperna. Syftet med denna studie var att utreda hur regnmolns rörelse påverkar urbana pluviala översvämningar med avseende på vattendjup, samt att jämföra denna påverkan med effekten från olika tidsfördelningar av regnintensiteter. En kombinerad dagvattenmodell (1D) och markavrinningsmodell (2D) av en mindre svensk tätort användes för att simulera olika regnscenarier. De fem empiriska regntyperna och ett CDS-regn simulerades med en rörelseriktning längs med, emot och vinkelrätt i förhållande till flödesriktningen. Även scenarier med stationära regnmoln simulerades. Maximala översvämningsdjup utvärderades i tio punkter spridda över hela modellområdet. Resultatet från simuleringarna visade att regnmolnets rörelse hade försumbar påverkan på översvämningsdjupen. De olika tidsfördelningarna av regnintensitet hade däremot betydande påverkan på de maximala översvämningsdjupen. Som mest var det det maximala översvämningsdjupet 1.9 gånger större beroende vilken regntyp som användes som indata. CDS-regnet genererade i regel de största översvämningsdjupen, även om utfallet från en av de fem empiriska regntyperna var förhållandevis likvärdigt. Regnintensitetens tidsfördelning var därmed en kritisk parameter vid den hydrauliska modelleringen av urbana pluviala översävmningar, till skillnad från molnrörelse som hade försumbar påverkan.