Kartläggning av översvämningar med hydraulisk modellering och information från sociala medier : En fallstudie över Hallsberg

Översvämningar som orsakats av kraftiga regn, så kallade skyfall, har på senare tid drabbat flera städer runt om i världen. Klimatförändringarna för med sig att skyfallen väntas tillta i styrka och översvämningsrisken kan därmed öka i framtiden. Konsekvenser som följer av kraftigare skyfall kan utredas med hydraulisk modellering, vilket gör det möjligt att simulera framtidsscenarion och ger information om både vattenutbredning och händelseförlopp. Skapandet av pålitliga modeller som genererar trovärdiga resultat kräver stor tillgång till information om vattendjup och utbredning från tidigare översvämningar. Data som hämtas från traditionella mätstationer är i regel inte tillräcklig för ändamålet och uppgifter från allmänheten kan i dessa fall vara en värdefull informationskälla. Ett område som utforskats allt mer de senaste åren är hur data kan extraheras från allmänheten via inlägg på sociala medier. Vattenutbredning och djup kan uppskattas från bilder och filmer på dessa plattformar. Den här studien syftade till att undersöka hur information från sociala medier kan användas för att kartlägga översvämningar samt för att förbättra hydrauliska modeller av översvämningar. En översvämning som inträffade i Hallsberg 2015 simulerades med en hydraulisk modell och kartlades även med information som hämtats från bilder och filmer på sociala medier. Vattenutbredningen och djupet som uppskattats med de två metoderna jämfördes därefter. Den hydrauliska modellen bestod av en 2D-modell över ytavrinningen i Hallsberg tätort och en 1D-modell över Storån som rinner genom staden. Dessa kopplades samman så att vatten tilläts flöda mellan modellerna varvid samverkan mellan ytavrinningen och flödet i Storån kunde beskrivas. Kartläggningen som gjordes med information från sociala medier skapades med interpolation av vattendjup som uppskattas på olika platser i Hallsberg. Informationen från sociala medier gav en god överblick över de värst drabbade områdena i centrala Hallsberg och kunde
Flooding caused by heavy rain has in the recent past affected several cities around the world. Because of climate change heavy rains are likely to increase in intensity and the risk of flooding may therefore increase in the future. The consequences of heavy rains can be studied with hydraulic models, which enables simulation of future scenarios and provides information regarding both flood spread and the course of events. The making of reliable models that generate trustworthy results requires great access to information about water depths and the extent of previous floods. Data from traditional monitoring systems are usually not sufficient for this purpose and information from the public can in these cases be valuable. In recent years studies have explored how data can be extracted from pictures and movies posted on social media by witnesses to catastrophes like floods. The water spread and depth can be estimated from images and movies on these platforms. This study aimed to investigate how information from social media can be used to map the floods and how it can be utilized to improve hydraulic modelling of floods. A hydraulic model was created of Hallsberg, which suffered severe floods after heavy rains in 2015. The flood was also mapped with information of water depths that were estimated from pictures and movies on social media. The water spread and depth estimated by the two methods were then compared with each other. The hydraulic model consisted of a 2D-model describing the runoff in Hallsberg and a 1D-model of the river Storån that runs through the city. The models were linked together so that the water was allowed to flow between the models and the interaction between surface runoff and water flow in Storån could be described. The flood map generated with information from social media was created by interpolation of water depths estimated at various locations. The information from social media gave a good overview of the severely affected areas in central