[論文レビュー] Combination of Lidar Elevations, Bathymetric Data, and Urban Infrastructure in a Sub-Grid Model for Predicting Inundation in New York City during Hurricane Sandy

Jon Derek Loftis, Harry V. Wang+2 more|arXiv (Cornell University)|Dec 2, 2014

Tropical and Extratropical Cyclones Research参考文献 21被引用数 6

ひとこと要約

本稿では、ニューヨークシティにおけるハリケーン・サンディの際の高潮および浸水予測を改善するために、高分解能LiDAR標高データ、水深データ、都市インフラ（建物および高速道路のトンネル）を統合したグリッド内モデル化手法を提示する。各グリッドセル内での微細な地形的・構造的特徴を解像することで、FEMAの浸水範囲と75％の空間一致を達成し、インフラの組み込みで80％まで向上。平均絶対誤差は38 mから32 mに低減された。

ABSTRACT

We present the geospatial methods in conjunction with results of a newly developed storm surge and sub-grid inundation model which was applied in New York City during Hurricane Sandy in 2012. Sub-grid modeling takes a novel approach for partial wetting and drying within grid cells, eschewing the conventional hydrodynamic modeling method by nesting a sub-grid containing high-resolution lidar topography and fine scale bathymetry within each computational grid cell. In doing so, the sub-grid modeling method is heavily dependent on building and street configuration provided by the DEM. The results of spatial comparisons between the sub-grid model and FEMA's maximum inundation extents in New York City yielded an unparalleled absolute mean distance difference of 38m and an average of 75% areal spatial match. An in-depth error analysis reveals that the modeled extent contour is well correlated with the FEMA extent contour in most areas, except in several distinct areas where differences in special features cause significant de-correlations between the two contours. Examples of these errors were found to be primarily attributed to lack of building representation in the New Jersey region of the model grid, occluded highway underpasses artificially blocking fluid flow, and DEM source differences between the model and FEMA. Accurate representation of these urban infrastructural features is critical in terms of sub-grid modeling, because it uniquely affects the fluid flux through each grid cell side, which ultimately determines the water depth and extent of flooding via distribution of water volume within each grid cell. Incorporation of buildings and highway underpasses allow for the model to improve overall absolute mean distance error metrics from 38m to 32m and area comparisons from 75% spatial match to 80% with minimal additional effort.

研究の動機と目的

• ニューヨーク市のような複雑な都市環境における洪水浸水予測の正確性を向上させるグリッド内モデルフレームワークの開発。
• 高分解能地形および水深データに加え、都市インフラがグリッド内水の分布と洪水範囲に与える影響を調査すること。
• ハリケーン・サンディ期のニューヨーク市におけるFEMAの観測最大浸水範囲と比較して、モデルの性能を評価すること。
• 特にインフラ表現とデータソースの不一致に関連する洪水モデル化における主な誤差要因を特定・分析すること。

提案手法

• モデルはグリッド内アプローチを採用し、各計算グリッドセル内に詳細なLiDAR地形と微細な水深データを有する高分解能内部グリッドを設ける。
• 建物や高速道路トンネルなどの都市インフラが、グリッドセル境界を越える流体フラックスと水の分布に影響を与えるように明示的に表現される。
• 浅水域方程式を有限体積法で解き、部分的な湿潤・乾燥状態は従来の流体力学的ネスティングではなく、グリッド内解像度によって処理する。
• 空間一致と絶対平均距離指標を用いて、FEMAの観測最大浸水範囲と比較してモデル結果を検証する。
• 誤差解析を実施し、ニュージャージー地域の建物データ欠落、トンネルによる人工的流れの遮断、デジタル標高モデル（DEM）のソース差異に起因する乖離を特定する。
• インフラデータの組み込み前後でのモデル性能を定量的に比較し、正確性の向上を評価する。

実験結果

リサーチクエスチョン

• RQ1 グリッド内モデルに詳細な都市インフラを組み込むことで、ニューヨーク市の高潮浸水予測の正確性はどの程度向上するか？
• RQ2 観測されたFEMAの浸水範囲と比較した場合、グリッド内洪水モデルにおける主な誤差要因は何か？
• RQ3 高分解能LiDARおよび水深データは、複雑な都市環境におけるグリッド内モデル性能をどの程度向上させるか？
• RQ4 モデルとFEMAデータの間でデジタル標高モデル（DEM）のソースに差異がある場合、モデル化されたと観測された洪水範囲の空間一致にどのような影響を与えるか？
• RQ5 インフラ表現を伴うグリッド内モデリングにより、洪水範囲予測の平均絶対誤差は低減可能か？

主な発見

• グリッド内モデルは、ハリケーン・サンディ期のニューヨーク市におけるFEMAの観測最大浸水範囲と75％の空間一致を達成した。
• 建物および高速道路トンネルの組み込みにより、空間一致は75％から80％に向上し、平均絶対距離誤差は38 mから32 mに低減された。
• 主な誤差要因は、ニュージャージー地域での建物表現の欠落、トンネルによる人工的流れの遮断、モデルとFEMA間のデジタル標高モデル（DEM）の差異であった。
• モデルの予測浸水境界は、大部分の地域でFEMAの範囲と良好に相関していたが、トンネルやデータ欠落といった特殊な特徴がある場所では相関が低下した。
• グリッド内アプローチにより、微細な地形的・構造的データを活用することで、グリッドセル内での部分的湿潤・乾燥状態が効果的に解像され、現実性と正確性が向上した。
• 結果から、各グリッドセル内での流体フラックスと水深分布の正確な表現には、都市インフラの正確な表現が不可欠であることが示された。