Evaluating Analysis Methods for Stormwater Control Measures

Abstract

Investeringsbehovet i det urbane overvannssystemet forventes å øke i løpet av de kommende årene. Kombinasjonen av hyppigere ekstremhendelser og flere tette flater krever både økt kapasitet og økt fleksibilitet i overvannssystemet. For å minimere investeringskostnadene og oppnå størst mulig effekt er det avgjørende å identifisere den best mulige kombinasjonen av overvannstiltak i hvert enkelt tilfelle. Etter hvert som forståelsen for de mangfoldige konsekvensene av både grå og blå-grønne overvannstiltak øker, øker også kompleksiteten i denne oppgaven. Den omfatter nå en vurdering av et bredt spekter av positive og negative bieffekter av tiltakene. Denne vurderingen kan blant annet gjøres ved bruk av multikriterieanalyser eller kost-nytteanalyser. Multikriterieanalyser er mindre arbeidskrevende, og tilrettelegger godt for å inkludere flere parter i vurderingene, men har også visse svakheter. De kan påvirkes av subjektive meninger, og kan resultere i langt større eller mindre implisitte monetære verdsettelser av visse aspekter enn det som var intensjonen. Kost-nytteanalyser kan langt på vei eliminere disse problemene, men er langt mer arbeidskrevende å gjennomføre. Denne masteroppgaven sammenligner disse analysemetodene, og utforsker muligheten til å bruke en kost-nytteanalyse til å kalibrere og veilede bruken av en multikriterieanalyse. Det utføres en kost-nytteanalyse av forskjellige kombinasjoner, kalt tiltakspakker, av overvannstiltak i et forstadsområde i Asker kommune. Den monetære verdien av kostnader, redusert skadepotensial, og flere positive og negative bieffekter av tiltakene blir vurdert, blant annet ved bruk av flere modellverktøy. Basert på denne framgangsmåten rangeres tiltakspakkene etter netto nåverdi. De samme tiltakspakkene vurderes i en multikriterieanalyse, og resultatene fra analysemetodene sammenlignes. Hovedfunnene er at både multikriterieanalysen og kost-nytteanalysen rangerte tiltakspakkene likt, men basert på veldig ulikt grunnlag. Multikriterieanalysen evnet ikke å identifisere selv svært store forskjeller i netto nåverdi for de ulike tiltakspakkene, men vurderte dem til å presetere nesten likt.

The investment needs in urban drainage infrastructure are expected to increase worldwide over the coming years. A combination of more frequent extreme events and less impervious cover demands both increased capacity and increased flexibility in the urban drainage infrastructure. To minimize the investment need and maximize the impact, the correct identification of the optimal combination of stormwater control measures in each case is crucial. As the understanding of the diverse impacts of both grey and blue-green stormwater control measures is broadening, this task is increasingly complicated. It now involves assessment of a wide range of co-cost and co-benefits. This assessment can for instance be achieved through use of either a multi-criteria decision analysis (MCDA) or a cost-benefit analysis (CBA). MCDAs are less work-intensive and easily allow stakeholder inclusion. However, they suffer from subjective biases, and if not carefully assessed, can result in implicitly valuating certain aspects far higher or lower than intended. CBAs largely eliminates these problems but demands far more resources to perform. This study compares these analysis methods and explores the possibility of using a CBA to calibrate and guide the use of a MCDA. A CBA is performed on several combinations, or bundles, of stormwater control measures in a suburban case area in Asker, Norway. By assessing the monetary value of several co-costs and co-benefits, partly through use of several modelling tools, the bundles are ranked according to net present value. The same bundles are assessed using a MCDA, and the results of the two analysis methods are compared. The main findings were that the MCDA and the CBA concluded with the same optimal solution, however based on very different valuations. The MCDA failed to identify the wide variety in performance of the bundles.