Change search
CiteExportLink to record
Permanent link

Direct link
Cite
Citation style
  • apa
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Other style
More styles
Language
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Other locale
More languages
Output format
  • html
  • text
  • asciidoc
  • rtf
Information Needs for Water Resource and Risk Management: Hydro-Meteorological Data Value and Non-Traditional Information
Uppsala University, Disciplinary Domain of Science and Technology, Earth Sciences, Department of Earth Sciences. (Centre for Natural Disaster Science)ORCID iD: 0000-0002-0835-8897
2016 (English)Doctoral thesis, comprehensive summary (Other academic)Alternative title
Informationsbehov inom vattenförvaltning och riskhantering : Värdet av hårda hydro-meteorologiska data och mjuk information (Swedish)
Abstract [en]

Data availability is extremely important for water management. Without data it would not be possible to know how much water is available or how often extreme events are likely to occur. The usually available hydro-meteorological data often have a limited representativeness and are affected by errors and uncertainties. Additionally, their collection is resource-intensive and, thus, many areas of the world are severely under-monitored. Other areas are seeing an unprecedented – yet local – wealth of data in the last decades. Additionally, the spread of new technologies together with the integration of different approaches to water management science and practice have uncovered a large amount of soft information that can potentially complement and expand the possibilities of water management.

This thesis presents a series of studies that address data opportunities for water management. Firstly, the hydro-meteorological data needs for correctly estimating key processes for water resource management such as precipitation and discharge were evaluated. Secondly, the use of non-traditional sources of information such as social media and human behaviour to improve the efficiency of flood mitigation actions were explored. The results obtained provide guidelines for determining basic hydro-meteorological data needs. For instance, an upper density of 24 rain gauges per 1000 km2 for spatial precipitation estimation beyond which improvements are negligible was found. Additionally, a larger relative value of discharge data respect to precipitation data for calibrating hydrological models was observed. Regarding non-traditional sources of information, social memory of past flooding events was found to be a relevant factor determining the efficiency of flood early warning systems and therefore their damage mitigation potential. Finally, a new methodology to use social media data for probabilistic estimates of flood extent was put forward and shown to achieve results comparable to traditional approaches.

This thesis significantly contributes to integrated water management by improving the understanding of data needs and opportunities of new sources of information thus making water management more efficient and useful for society.

Abstract [sv]

All vattenförvaltning kräver tillgång till data. Data behövs för att kunna fastställa t.ex. hur mycket vatten som finns och sannolikheten för stora översvämningar. De hårda hydro-meteorologiska data som normalt är tillgängliga har inte sällan en begränsad representativitet och påverkas av fel och osäkerheter. Dessutom är datainsamling nästan alltid resurskrävande och därför finns hårda data i begränsad utsträckning, eller inte alls, i stora delar av världen. Samtidigt har man under senaste decennierna fått tillgång till en oöverträffad – men lokal – mängd data i vissa områden. Spridningen av ny teknik har, tillsammans med integreringen av olika vetenskapliga metoder inom vattenförvaltning och praktik, påvisat värdet av mjuk information som potentiellt kan komplettera hårda data och förbättra möjligheterna till en god vattenförvaltning.

Denna avhandling presenterar studier som belyser vilka möjligheter vattenförvaltningen har vid olika tillgång på hårda data och mjuk information. Först utvärderades vilka krav som kan ställas på hydro-meteorologiska data för att korrekt kunna beskriva nyckelprocesser som nederbörd och vattenföring vid bestämning av vattenresurser. Därefter utforskades möjligheterna att förbättra översvämningsberäkningar med hjälp av mjuk information från sociala medier och rörande mänskligt beteende. Resultaten gav riktlinjer för att bestämma värdet av hydro-meteorologiska data. Till exempel visades att information om nederbördens rumsliga fördelning inte förbättras nämnvärt vid en mätartäthet över 24 regnmätare per 1000 km2. Det relativa värdet av vattenföring visade sig också vara större än för nederbörd för att kalibrera hydrologiska modeller. Det visade sig att en befolknings minne av tidigare översvämningar påverkar effektiviteten hos tidiga varningssystem för översvämningar och deras möjlighet att begränsa skador. Slutligen har en ny metod föreslagits för att använda sociala medier för sannolikhetsberäkningar av översvämmade områden. Metoden visade sig leda till resultat som var jämförbara med traditionella metoder.

Avhandlingens huvudsakliga bidrag till en integrerad vattenförvaltning är att öka förståelsen för vilka data som krävs för olika förvaltningsmål och vilka möjligheter som finns att utnyttja mjuk information för att effektivisera vattenförvaltningen göra den mer användbar för samhället.

Abstract [ca]

La disponibilitat de dades és extremadament important per a la gestió de l’aigua. Sense dades no seria possible conèixer ni la quantitat d'aigua disponible ni la freqüència d’esdeveniments extrems. Les dades hidrometeorològiques normalment disponibles tenen una representativitat limitada, es veuen afectades per errors i incerteses i la seva recol•lecció requereix nombrosos recursos, cosa que produeix que moltes zones del món no estiguin adequadament monitoritzades. Així i tot, en les últimes dècades s’ha generat una quantitat de dades sense precedents però de manera localitzada. A més, la difusió de noves tecnologies, juntament amb la integració de diferents enfocaments han permès utilitzar una gran quantitat de dades “toves” per complementar i ampliar les possibilitats en la gestió de l'aigua.

Aquesta tesi presenta estudis que aborden algunes de les oportunitats ofertes per les dades per a millorar la gestió de l'aigua. En primer lloc es va avaluar la quantitat necessària de dades hidrometeorològiques per estimar correctament processos clau per a la gestió dels recursos hídrics. En segon lloc es va explorar l'ús de fonts no tradicionals d'informació per millorar l'eficiència de la mitigació d'inundacions. Per exemple, es va identificar una densitat màxima de 24 pluviòmetres per 1000 km2 per estimar la distribució espacial de precipitació, per sobre de la qual les millores són insignificants. A més, es va observar que les dades d’escorrentia tenen un valor relatiu més gran per al calibratge de models hidrològics que les dades de precipitació. Pel que fa a la informació no tradicional, la memòria social d’anteriors inundacions es va identificar com un factor rellevant per a determinar l'eficiència dels sistemes d'alerta d'inundacions i, per tant, del seu potencial per mitigar danys. Finalment, es va proposar una nova metodologia per utilitzar informació provinent de xarxes socials per a realitzar estimacions probabilístiques d'extensió d’inundacions i es va demostrar el seu potencial per aconseguir resultats comparables als d’enfocaments tradicionals.

Aquesta tesi aporta avenços significatius per a la gestió integrada de l'aigua mitjançant la millora de la comprensió de les necessitats de dades i de les oportunitats presentades per noves fonts d'informació. D’aquesta manera contribueix a una gestió de l'aigua més eficient i útil per a la societat.

Abstract [es]

La disponibilidad de datos es sumamente importante para la gestión del agua. Sin datos no sería posible determinar la cantidad de agua disponible o la frecuencia de eventos extremos. Los datos hidrometeorológicos normalmente disponibles tienen una representatividad limitada, son afectados por errores e incertidumbres y su recolección requiere de abundantes recursos, lo cual causa que muchas zonas del mundo no estén adecuadamente monitorizadas. En contraste, en las últimas décadas se ha generado una cantidad de datos sin precedentes pero de manera localizada. Además, la difusión de nuevas tecnologías, conjuntamente con la integración de distintos enfoques, ha permitido usar una gran cantidad de datos “blandos” para complementar y ampliar las posibilidades en la gestión del agua.

Esta tesis presenta estudios que abordan las oportunidades ofrecidas por los datos para mejorar la gestión del agua. En primer lugar se evaluó la cantidad necesaria de datos hidrometeorológicos para estimar correctamente procesos clave para la gestión de recursos hídricos. En segundo lugar se exploró el uso de fuentes no tradicionales de información para mejorar la eficiencia de la mitigación de inundaciones. Por ejemplo, se identificó una densidad máxima de 24 pluviómetros por 1000 km2 para estimar la distribución espacial de precipitación más allá de la cual las mejoras son insignificantes. Además se observó que los datos de escorrentía tienen un mayor valor relativo para la calibración de modelos hidrológicos que el de los datos de precipitación. Respecto a la información no tradicional, la memoria social de inundaciones pasadas fue identificada como un factor relevante para determinar la eficiencia de los sistemas de alerta de inundaciones y, por lo tanto, de su potencial para mitigar daños. Finalmente, se propuso una nueva metodología para usar información proveniente de redes sociales para realizar estimaciones probabilísticas de extensión de inundaciones y se demostró su potencial para conseguir resultados comparables a los de enfoques tradicionales.

Esta tesis aporta avances significativos para la gestión integral del agua a través de la mejora de la comprensión de las necesidades de datos y de las oportunidades presentadas por nuevas fuentes de información, contribuyendo a una gestión del agua más eficiente y útil para la sociedad.

Place, publisher, year, edition, pages
Uppsala: Acta Universitatis Upsaliensis, 2016. , 74 p.
Series
Digital Comprehensive Summaries of Uppsala Dissertations from the Faculty of Science and Technology, ISSN 1651-6214 ; 1419
Keyword [en]
water management, data resolution, non-traditional data, floods, modelling, social memory, precipitation, runoff, social media, interpolation, data value
Keyword [ca]
gestió de l’aigua, resolució de les dades, dades no tradicionals, inundacions, modelització, memòria social, precipitació, escorrentia, xarxes socials, interpolació, valor de les dades
Keyword [sv]
avrinning, befolkningars minne, dataupplösning, datavärde, interpolering, mjuk information, modellering, nederbörd, sociala medier, vattenförvaltning, översvämning
Keyword [es]
gestión del agua, resolución de los datos, datos no tradicionales, inundaciones, modelización, memoria social, precipitación, escorrentía, redes sociales, interpolación, valor de los datos
National Category
Oceanography, Hydrology, Water Resources
Research subject
Hydrology
Identifiers
URN: urn:nbn:se:uu:diva-301645ISBN: 978-91-554-9679-1 (print)OAI: oai:DiVA.org:uu-301645DiVA: diva2:957429
Public defence
2016-10-20, Hambergsalen, Villavägen 16, Uppsala, 10:00 (English)
Opponent
Supervisors
Available from: 2016-09-28 Created: 2016-08-23 Last updated: 2016-11-01
List of papers
1. Location and Density of Rain Gauges for the Estimation of Spatial Varying Precipitation
Open this publication in new window or tab >>Location and Density of Rain Gauges for the Estimation of Spatial Varying Precipitation
2015 (English)In: Geografiska Annaler. Series A, Physical Geography, ISSN 0435-3676, E-ISSN 1468-0459, Vol. 97, no 1, 167-179 p.Article in journal (Refereed) Published
Abstract [en]

Accurate estimation of precipitation and its spatial variability is crucial for reliable discharge simulations. Although radar and satellite based techniques are becoming increasingly widespread, quantitative precipitation estimates based on point rain gauge measurement interpolation are, and will continue to be in the foreseeable future, widely used. However, the ability to infer spatially distributed data from point measurements is strongly dependent on the number, location and reliability of measurement stations.

In this study we quantitatively investigated the effect of rain gauge network configurations on the spatial interpolation by using the operational hydrometeorological sensor network in the Thur river basin in north-eastern Switzerland as a test case. Spatial precipitation based on a combination of radar and rain gauge data provided by MeteoSwiss was assumed to represent the true precipitation values against which the precipitation interpolation from the sensor network was evaluated. The performance using scenarios with both increased and decreased station density were explored. The catchment-average interpolation error indices significantly improve up to a density of 24 rain gauges per 1000 km2, beyond which improvements were negligible. However, a reduced rain gauge density in the higher parts of the catchment resulted in a noticeable decline of the performance indices. An evaluation based on precipitation intensity thresholds indicated a decreasing performance for higher precipitation intensities. The results of this study emphasise the benefits of dense and adequately distributed rain gauge networks.

Keyword
precipitation monitoring, point measurements, sensor networks, interpolation
National Category
Oceanography, Hydrology, Water Resources
Research subject
Hydrology
Identifiers
urn:nbn:se:uu:diva-244441 (URN)10.1111/geoa.12094 (DOI)000350500400011 ()
Available from: 2015-02-16 Created: 2015-02-16 Last updated: 2017-12-04Bibliographically approved
2. Influence of Hydro-Meteorological Data Spatial Aggregation on Streamflow Modelling
Open this publication in new window or tab >>Influence of Hydro-Meteorological Data Spatial Aggregation on Streamflow Modelling
2016 (English)In: Journal of Hydrology, ISSN 0022-1694, E-ISSN 1879-2707, Vol. 541, 1212-1220 p.Article in journal (Refereed) Published
Abstract [en]

Data availability is important for virtually any purpose in hydrology. While some parts of the world continue to be under-monitored, other areas are experiencing an increased availability of high-resolution data. The use of the highest available resolution has always been preferred and many efforts have been made to maximize the information content of data and thus improve its predictive power and reduce the costs of maintenance of hydrometric sensor networks. In the light of ever-increasing data resolution, however, it is important to assess the added value of using the highest resolution available. In this study we present an assessment of the relative importance of hydro-meteorological data resolution for hydrological modelling. We used a case study with high-resolution data availability to investigate the influence of using models calibrated with different levels of spatially aggregated meteorological input data to estimate streamflow for different periods and at different locations. We found site specific variations, but model parameterizations calibrated using sub-catchment specific meteorological input data tended to produce better streamflow estimates, with model efficiency values being up to 0.35 efficiency units higher than those calibrated with catchment averaged meteorological data. We also found that basin characteristics other than catchment area have little effect on the performance of model parameterizations applied in different locations than the calibration site. Finally, we found that using an increased number of discharge data locations has a larger impact on model calibration efficiency than using spatially specific meteorological data. The results of this study contribute to improve the knowledge on assessing data needs for water management in terms of adequate data type and level of spatial aggregation.

Keyword
Data resolution; Spatial aggregation; Discharge; Precipitation; Relative efficiency; Model calibration
National Category
Oceanography, Hydrology, Water Resources
Research subject
Hydrology
Identifiers
urn:nbn:se:uu:diva-301509 (URN)10.1016/j.jhydro1.2016.08.026 (DOI)000386410400043 ()
Note

Correction in: Journal of Hydrology, Volume 548, May 2017, Pages 818-819. DOI:10.1016/j.jhydrol.2016.11.047

Available from: 2016-09-02 Created: 2016-08-23 Last updated: 2017-11-24Bibliographically approved
3. Impact of social preparedness on flood early warning systems
Open this publication in new window or tab >>Impact of social preparedness on flood early warning systems
2017 (English)In: Water resources research, ISSN 0043-1397, E-ISSN 1944-7973, Vol. 53, no 1, 522-534 p.Article in journal (Refereed) Published
Abstract [en]

Flood early warning systems play a major role in the disaster risk reduction paradigm as cost-effective methods to mitigate flood disaster damage. The connections and feedbacks between the hydrological and social spheres of early warning systems are increasingly being considered as key aspects for successful flood mitigation. The behavior of the public and first responders during flood situations, determined by their preparedness, is heavily influenced by many behavioral traits such as perceived benefits, risk awareness, or even denial. In this study, we use the recency of flood experiences as a proxy for social preparedness to assess its impact on the efficiency of flood early warning systems through a simple stylized model and implemented this model using a simple mathematical description. The main findings, which are based on synthetic data, point to the importance of social preparedness for flood loss mitigation, especially in circumstances where the technical forecasting and warning capabilities are limited. Furthermore, we found that efforts to promote and preserve social preparedness may help to reduce disaster-induced losses by almost one half. The findings provide important insights into the role of social preparedness that may help guide decision-making in the field of flood early warning systems.

Keyword
damage; early warning; efficiency; flood; modeling; social preparedness
National Category
Oceanography, Hydrology, Water Resources
Research subject
Hydrology
Identifiers
urn:nbn:se:uu:diva-301512 (URN)10.1002/2016WR019387 (DOI)000394911200031 ()
Available from: 2016-09-02 Created: 2016-08-23 Last updated: 2017-11-21Bibliographically approved
4. Probabilistic Flood Mapping Using Volunteered Geographical Information
Open this publication in new window or tab >>Probabilistic Flood Mapping Using Volunteered Geographical Information
(English)Manuscript (preprint) (Other academic)
National Category
Oceanography, Hydrology, Water Resources
Identifiers
urn:nbn:se:uu:diva-301513 (URN)
External cooperation:
Available from: 2016-09-02 Created: 2016-08-23 Last updated: 2016-09-02

Open Access in DiVA

fulltext(2718 kB)152 downloads
File information
File name FULLTEXT01.pdfFile size 2718 kBChecksum SHA-512
05d35c47bf93c78df9ba0f11be4fbcc35a1ce59bfffb13ae2f711432765922016f03b278f29a8b553b7db73b56ac515012d6975ad494fcda47c251d0710d2fcf
Type fulltextMimetype application/pdf
errata(5911 kB)21 downloads
File information
File name ERRATA01.pdfFile size 5911 kBChecksum SHA-512
c40e2b62845aa9140c760f22055d644fe64a895dab9e29de65c9212fab23a71634a08d023bd80e53e4850e40bb361175c5c8fe6f944a6ec08d2af637fe995fc7
Type errataMimetype application/pdf

Authority records BETA

Girons Lopez, Marc

Search in DiVA

By author/editor
Girons Lopez, Marc
By organisation
Department of Earth Sciences
Oceanography, Hydrology, Water Resources

Search outside of DiVA

GoogleGoogle Scholar
Total: 152 downloads
The number of downloads is the sum of all downloads of full texts. It may include eg previous versions that are now no longer available

isbn
urn-nbn

Altmetric score

isbn
urn-nbn
Total: 873 hits
CiteExportLink to record
Permanent link

Direct link
Cite
Citation style
  • apa
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Other style
More styles
Language
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Other locale
More languages
Output format
  • html
  • text
  • asciidoc
  • rtf