Development of a framework of hydrological models, machine learning algorithms and participatory approaches in river floods risk management in the context of climate change

Abstract

The intensification of natural hazards, particularly the occurrence of sudden and rapid flash floods in urban catchments, has underscored the imperative for robust, integrated flood management strategies. The formulation of flood mitigation and adaptation plans are confronted with mounting complexities attributed to the uncertainties arising from climate change. As climate shifts influence hydrological dynamics in urban areas, the assessment and prediction of river basin hydrological patterns through models take on paramount importance, considering prevailing and projected climatic scenarios. Concurrently, comprehensive appraisal of adaptation measures and the exploration of alternatives such as Nature-based Solutions (NBS) and advanced early forecasting and warning systems are gaining prominence, reflecting a broader response to environmental shifts. These innovative approaches, encompassing climate regulation, stand as effective alternatives to conventional flood management practices, effectively reducing flood risk and fostering long-term resilience amid changing climate conditions. This thesis is dedicated to the exploration of flood risk management, with a specific focus on flash floods occurring within small urban basins experiencing intermittent flow, all within the overarching context of climate change. The methodological framework, underpinning the research objectives, encloses three objectives: i) A comprehensive assessment of climate change impact on the hydrological regime of an intermittent flow basin draining urban areas using an ensemble model of diverse climate change scenarios, ii)The integration of participatory methodologies targeting the selection and evaluation of flood mitigation strategies. Nature based solutions are examined regarding their efficiency to decrease the flood peak and their implementation cost, iii) The development of an early flood forecasting and warning system, fortified by the synergistic interplay of real time gauging station, a physical hydrological model, and a state-of-the-art deep learning algorithm. These objectives are analyzed in detail across chapters 2 to 4, aiming to address the interrelationship between river flow regime, climate change, and urban dynamics. Chapter 2 constitutes in the exploration of the hydrological regime variation of an intermittent flow river in the face of climate change modelling uncertainties. This chapter's central focus lies in studying variations on the hydrological response of an ephemeral Mediterranean stream, Kalloni river. The downscaling of large-scale climate projections sourced from five General Circulation Models (GCMs) is undertaken. These projections encompass three distinct emission scenarios (RCP26, RCP45, and RCP85) and undergo downscaling through the utilization of the Long Ashton Research Station - Weather Generator (LARS-WG) model. In total, this study examines eleven sets of GCM-RCP scenarios, thus capturing a wide range of future weather conditions. The temporal window of this investigation spanned from 2021 to 2080, with the projected climate data to be used as input time series into the calibrated version of the Kalloni river hydrological simulation with the Hydrologic Engineering Center's HEC-HMS model. Within this methodological framework, a series of annual and seasonal changes in runoff patterns are derived, illuminating the high uncertainty of climate change impact on hydrological dynamics within small intermittent flow drainage systems. In chapter 3 a new methodology is described, which integrates participatory approaches into the urban flood risk mitigating process. This chapter highlights the interdisciplinary nature of this endeavor and suggests the use of local and indigenous focus groups in participatory decision-making actions. Specifically, it adapts and implements a stakeholder engagement approach, which is realized through a series of workshops and interviews targeting various stakeholder groups. The primary objective of these activities is to select urban flood mitigation and adaptation nature-based solutions and establish a comprehensive framework for their planning and implementation. A part of the methodology is based on an adaptation of the "Vulnerability and Capacity Assessment (VCA)" framework developed by the Red Cross, utilizing specialized social research tools. Within this approach, diverse groups of stakeholders (locals, experts, and decision-makers) collaboratively evaluate specific Nature-based Solutions, prioritizing them based on selected sustainability indicators spanning social, economic, and environmental dimensions. The concluding phase involves designing and estimating the costs of favored scenarios, employing numerical models. Ultimately, this holistic process results in the development of a widely accepted and sustainable nature-based flood management alternative enhancing long-term urban resilience. Chapter 4 introduces a soft, non-structural adaptation approach, centered on developing an Early Flood Monitoring and Forecasting System (EMFS) with the primary objective of delivering timely and precise predictions of critical overflow levels in a small-scale urban stream. Intermittent flow basins, characterized by intense, short-duration storms, frequently experience flash floods, amplifying the need for a responsive early forecasting and warning system. This chapter tackles the challenge of programming a real-time system capable of efficiently detecting coming flash floods and responding rapidly to the demands of such scenarios. The EMFS is fortified by a network of telemetric river monitoring stations, a physical hydrological model, and an advanced deep learning algorithm, collaborating to predict critical water levels. Specifically, five distinct Long Short-Term Memory (LSTM) neural network architectures are employed to analyze time series data and make multi-step predictions for short-term lead times of 15 minutes, 30 minutes, 45 minutes, and 1 hour. Additionally, feature importance analysis and hyperparameter tuning techniques are applied to enhance flood forecasting accuracy. Eventually, this approach has demonstrated its reliability, representing a significant tool to fortify the area's resilience against flash floods. These chapters collectively provide a comprehensive overview of both challenges and solutions in urban flood management. By interpreting the hydrological implications of climate change, crafting sustainable nature-based solutions, and implementing cutting-edge forecasting systems with deep learning techniques, this research aims to enhance the resilience of urban areas to floods, especially in the context of an unpredictable climate future.

Η εντατικοποίηση των φυσικών κινδύνων και ιδιαίτερα η εμφάνιση αιφνίδιων πλημμυρών ταχείας απόκρισης σε αστικές λεκάνες απορροής, έχει δημιουργήσει την επιτακτική ανάγκη για ολοκληρωμένη προσέγγιση στη διαχείριση πλημμυρών. Η διαμόρφωση σχεδίων προσαρμογής στις πλημμύρες συχνά αποτυγχάνει λόγω ακραίων συμβάντων που αποδίδονται στην κλιματική αλλαγή. Καθώς η μεταβολή του κλίματος επηρεάζει το υδρολογικό καθεστώς ποταμών και χειμάρρων που διέρχονται μέσα από αστικές περιοχές, είναι σημαντική η κατανόηση της απόκρισης της λεκάνης απορροής ποταμού μέσω μοντελοποίησης στα προβλεπόμενα κλιματικά σενάρια. Ταυτόχρονα, η συνολική αξιολόγηση των μέτρων προσαρμογής και η διερεύνηση εναλλακτικών προσεγγίσεων, όπως οι λύσεις που βασίζονται στη φύση και τα προηγμένα συστήματα έγκαιρης πρόβλεψης και προειδοποίησης, αποκτούν εξέχουσα θέση, αντανακλώντας μια ευρύτερη απόκριση στις περιβαλλοντικές αλλαγές. Αυτές οι προσεγγίσεις αποτελούν εναλλακτικές λύσεις στις συμβατικές πρακτικές διαχείρισης πλημμυρών, μετριάζοντας σε σημαντικό βαθμό την πλημμυρική τρωτότητα και ενισχύοντας τη μακροπρόθεσμη ανθεκτικότητα εν μέσω μεταβαλλόμενων κλιματικών συνθηκών. Η παρούσα διδακτορική διατριβή διερευνά τη διαχείριση του πλημμυρικού κινδύνου, με ιδιαίτερη έμφαση στις αιφνίδιες πλημμύρες ταχείας απόκρισης, που συμβαίνουν σε μικρές αστικές λεκάνες με διαλείπουσα ροή, κυρίως όμως κάτω από το πρίσμα της κλιματικής αλλαγής. Το μεθοδολογικό πλαίσιο, που στηρίζει τους ερευνητικούς στόχους, περιλαμβάνει τρία βασικά αντικείμενα: i) Την αξιολόγηση του αντίκτυπου της κλιματικής αλλαγής στην υδρολογική δυναμική των αστικών λεκανών ποταμών διαλείπουσας ροής και της αβεβαιότητας που δύναται να προκύψει με τη χρήση ενός συνόλου διαφορετικών σεναρίων κλιματικής αλλαγής, ii) Την ενσωμάτωση συμμετοχικών μεθοδολογιών και διαδικασιών στην επιλογή, και αξιολόγηση μέτρων που βασίζονται στην φύση για τον μετριασμό των πλημμυρών, iii) Την ανάπτυξη ενός συστήματος πρόβλεψης και προειδοποίησης πλημμυρών, που στηρίζεται στη σύζευξη αισθητήρων τηλεμετρικής καταγραφής της στάθμης, ενός φυσικού υδρολογικού μοντέλου και ενός αλγόριθμου βαθιάς μάθησης. Αυτές οι προσπάθειες, αναλύονται στα κεφάλαια 2 έως 4, και στοχεύουν στην αντιμετώπιση της αλληλεπίδρασης μεταξύ κινδύνου πλημμύρας, κλιματικής αλλαγής και υδρολογικής απόκρισης ρέματος εντός αστικού ιστού. Το Κεφάλαιο 2 εστιάζει στην εξέταση των διακυμάνσεων στο υδρολογικό καθεστώς ενός εφήμερου μεσογειακού χειμάρρου. Πραγματοποιείται υποβάθμιση της κλίμακας των προβλέψεων πέντε Μοντέλων Γενικής Κυκλοφορίας (GCM) μεγάλης κλίμακας. Αυτές οι προβλέψεις περιλαμβάνουν τρία διαφορετικά σενάρια εκπομπών (RCP2.6, RCP4.5 και RCP8.5) και υποβάλλονται σε υποβάθμιση της κλίμακας με χρήση του λογισμικού LARS-WG (Long Ashton Research Center - Weather Generator). Συνολικά, εξετάζεται ένα σύνολο έντεκα διαφορετικών σεναρίων, καλύπτοντας έτσι μεγάλο εύρος της διακύμανσης των μελλοντικών καιρικών μεταβολών. Το χρονικό πεδίο αυτής της έρευνας εκτείνεται από το 2021 έως το 2080, με τα προβλεπόμενα κλιματικά δεδομένα να ενσωματώνονται στο σύστημα υδρολογικής μοντελοποίησης HEC-HMS (Hydrologic Engineering Center - Hydrologic Modeling System). Μέσα από αυτό το μεθοδολογικό πλαίσιο, προκύπτει μια σειρά από ετήσιες και εποχιακές αλλαγές στην υδρολογική δυναμική εντός των αστικών λεκανών απορροής λόγω κλιματικής αλλαγής. Το Κεφάλαιο 3 εμβαθύνει στο θέμα των πρακτικών λήψης αποφάσεων μέσω συμμετοχικών προσεγγίσεων στα πλαίσια ολοκληρωμένης διαχείρισης των αστικών πλημμυρών. Συγκεκριμένα, εισάγει και εφαρμόζει μια ολοκληρωμένη προσέγγιση εμπλοκής ενδιαφερομένων, η οποία υλοποιείται μέσω μιας σειράς διεπιστημονικών εργαστηρίων και συνεντεύξεων. Στόχος αυτών των δραστηριοτήτων είναι η επιλογή μέτρων που βασίζονται στην φύση, ως στρατηγικές μετριασμού και προσαρμογής στις αστικές πλημμύρες και τη δημιουργία ενός ολοκληρωμένου πλαισίου για τον σχεδιασμό και την εφαρμογή τους. Η μεθοδολογική βάση αποτελεί προσαρμογή της μεθοδολογίας «Vulnerability and Capacity Assessment» που αναπτύχθηκε από τον Ερυθρό Σταυρό, χρησιμοποιώντας εξειδικευμένα εργαλεία κοινωνικής έρευνας. Στο πλαίσιο αυτής της προσέγγισης, διαφορετικές ομάδες τοπικών ενδιαφερομένων, εμπειρογνωμόνων και υπευθύνων λήψης αποφάσεων αξιολογούν επιλεγμένες από ειδικούς για την περιοχή λύσεις που βασίζονται στη φύση. Λαμβάνει χώρα ιεράρχηση των μέτρων αυτών σε κοινωνικό, οικονομικό και περιβαλλοντικό επίπεδο με χρήση ειδικά επιλεγμένων δεικτών βιωσιμότητας. Η τελική φάση περιλαμβάνει το σχεδιασμό και την εκτίμηση του κόστους των μέτρων που επιλέχτηκαν μέσω της συλλογικής αξιολόγησης, χρησιμοποιώντας μια σειρά διαφορετικών μοντέλων. Τελικά, αυτή η διαδικασία καταλήγει στην ανάπτυξη μιας ολοκληρωμένης, ευρέως αποδεκτής και βιώσιμης διαχειριστικής πρότασης. Το Κεφάλαιο 4 παρουσιάζει μια ήπια, μη δομική προσέγγιση προσαρμογής, με επίκεντρο την ανάπτυξη ενός Συστήματος Έγκαιρης Παρακολούθησης και Πρόβλεψης Πλημμύρας με στόχο την παροχή έγκαιρων και έγκυρων προβλέψεων της κρίσιμης στάθμης υπερχείλισης σε ένα αστικό χείμαρρο μικρής κλίμακας. Οι λεκάνες διαλείπουσας ροής, που χαρακτηρίζονται από σύντομους χρόνους συγκέντρωσης και έντονες, μικρής διάρκειας καταιγίδες, αντιμετωπίζουν συχνά αιφνίδιες πλημμύρες ταχείας απόκρισης, ενισχύοντας την ανάγκη για ένα αποτελεσματικό σύστημα έγκαιρης πρόβλεψης και προειδοποίησης. Αυτό το κεφάλαιο αντιμετωπίζει την πρόκληση του προγραμματισμού ενός συστήματος σε πραγματικό χρόνο ικανό να ανιχνεύει αποτελεσματικά επικείμενες πλημμύρες και να ανταποκρίνεται γρήγορα στις απαιτήσεις τέτοιων σεναρίων. Το σύστημα ενισχύεται από ένα δίκτυο τηλεμετρικών σταθμών παρακολούθησης στάθμης, ένα φυσικό υδρολογικό μοντέλο και έναν αλγόριθμο βαθιάς μάθησης, που συνεργάζονται για την πρόβλεψη κρίσιμων επιπέδων στάθμης. Συγκεκριμένα, πέντε διακριτές αρχιτεκτονικές νευρωνικών δικτύων Μακράς Βραχύχρονης Μνήμης (LSTM) εξετάζονται για την ανάλυση χρονοσειρών και την πραγματοποίηση προβλέψεων πολλαπλών βημάτων για βραχυπρόθεσμους χρόνους πρόβλεψης 15 λεπτών, 30 λεπτών, 45 λεπτών και 1 ώρας. Επιπλέον, εφαρμόζονται τεχνικές ανάλυσης σημασίας χαρακτηριστικών και συντονισμού υπερπαραμέτρων για τη βελτίωση της ακρίβειας της πρόβλεψης. Τελικά, αυτή η προσέγγιση αποδεικνύει την αξιοπιστία της, αντιπροσωπεύοντας ένα σημαντικό βήμα προς την ενίσχυση της ανθεκτικότητας έναντι των αιφνίδιων πλημμυρών. Συλλογικά τα κεφάλαια παρέχουν μια ολοκληρωμένη επισκόπηση τόσο των προκλήσεων όσο και των λύσεων στη διαχείριση των αστικών πλημμυρών. Ερμηνεύοντας τις υδρολογικές επιπτώσεις της κλιματικής αλλαγής, δημιουργώντας συμμετοχικές λύσεις βασισμένες στη φύση και εφαρμόζοντας καινοτόμα συστήματα πρόβλεψης με τεχνικές βαθιάς μάθησης, αυτή η έρευνα στοχεύει να ενισχύσει την ανθεκτικότητα των αστικών περιοχών στις πλημμύρες, ειδικά υπό το πρίσμα του μεταβαλλόμενου κλίματος.