Validering av modellerte forsenkninger i Trondheim ved bruk av folkeinnsamlet data om overvann: en GIS-studie

Abstract

Klimaendringene vil føre til flere og mer intense nedbørshendelser, noe som gjør at overvannsproblematikk blir mer aktuelt, spesielt i urbane områder hvor skadepotensialet er stort. Urban flom-modellering baserer seg på en forenkling av urbane dreneringsforhold, noe som skaper usikkerheter rundt resultatenes troverdighet. Data samlet inn av befolkning uten forskningsbakgrunn kan generere data for store studieområder på kort tid, og har i tidligere studier vist å kunne validere GIS-modellerte forsenkninger.

Denne masteroppgaven diskuterer derfor om folkeinnsamlet data om overvann fra prosjektet Citizen Sensing kan brukes til å bekrefte at modellerte forsenkninger i GIS er reelle vannoppsamlinger. Oppgaven beskriver kjennetegn ved det folkeinnsamlede datasettet, og diskuterer ut ifra disse om datasettet er egnet til sitt formål. I tillegg reflekterer oppgaven rundt mulige feilkilder knyttet til metodene, både modelleringen av forsenkningene og sorteringen av folkeinnsamlet data.

Resultatene viser at det folkeinnsamlede datasettet om overvann er lite egnet til å validere om modellerte forsenkninger er reelle vannoppsamling. Dette fordi datasettet inneholder en stor andel feilkilder som gjør at datasettet ikke vil gi troverdige resultat uten en omfattende sortering. De største feilkildene knyttes til brukerfeil som fører til feilregistreringer og lav posisjonsnøyaktighet. Overregistrering av observasjoner blant enkelte deltakere, samt overrepresentasjon i enkelte deler av studieområdet gjør også at datasettet vurderes som lite egnet. Sluttresultatet viser at så mye som 92 prosent av det opprinnelige datasettet ikke kan brukes som valideringsgrunnlag på grunn av både tydelige og potensielle feilkilder.

Climate change will lead to even heavier and more intense precipitation events, which makes issues concerning surface water more relevant, especially in urban areas where the potential damage is considered to be high. Urban flood-modeling is based on a simplification of urban drainage conditions, which pose uncertainties about the credibility of the results. Observations collected by citizens can generate data for larger study areas in short periods of time, and previous studies have shown that such data are able to validate modeled depressions.

This master thesis therefore discusses whether data collected by citizens regarding surface water during the project Citizen Sensing can be used to confirm that modeled depressions in GIS are accumulated surface water. Based on the characteristics of the observations, the thesis discusses whether the data is suitable for its purpose. In addition, the thesis reflects on possible errors related to the methods used, both the modeling of the depressions and the sorting of observations.

The results conclude that the dataset collected by citizens is unsuitable to validate whether modeled depressions are accumulated surface water. This is because the dataset contains different sources of error which makes it hard to trust the final results without comprehensive sorting to eliminate these. The largest sources of error are related to user errors that lead to observations being wrongly submitted, as well as the low position accuracy of the observations. Over-registration of observations among some participants, as well as over-representation in some parts of the study area leads to the conclusion that the data set is considered unsuitable. The end result shows that as much as 92 percent of the original dataset cannot be used as a validation basis due to both clear and potential sources of error.