[論文レビュー] Validation and Improvement of Data Assimilation for Flood Hydrodynamic Modelling Using SAR Imagery Data

Thanh Huy Nguyen, Anthéa Delmotte+4 more|arXiv (Cornell University)|Sep 9, 2021

Flood Risk Assessment and Management参考文献 13被引用数 4

ひとこと要約

本研究では、データ同化を用いてモデルのバイアスを補正し、洪水拡大予測を向上させるために、Sentinel-1 SAR画像と洪水動態モデルを統合する。2021年1月から2月にかけてのガロンヌ・マルマンダーズ流域を対象とし、データ同化により不確実性が低減され、地上観測ゲージおよびSAR由来の洪水マップによる検証において、自由走行シミュレーションに比べて洪水拡大の精度が顕著に向上することを示した。

ABSTRACT

Relevant comprehension of flood hazards has emerged as a crucial necessity, especially as the severity and the occurrence of flood events intensify with climate changes. Flood simulation and forecast capability have been greatly improved thanks to advances in data assimilation. This approach combines in-situ gauge measurements with hydrodynamic models, aiming to correct the hydraulic states and reduce the uncertainties in the model parameters, e.g., friction coefficients, inflow discharge. These methods depend strongly on the availability and quality of observations, thus requiring other data sources to improve the flood simulation and forecast quality. Sentinel-1 images collected during a flood event were used to classify an observed scene into dry and wet areas. The study area concerns the Garonne Marmandaise catchment, and focuses on recent flood event in January-February 2021. In this paper, seven experiments are carried out, two in free run modes (FR1 and FR2) and five in data assimilation modes (DA1 to DA5). A model-observation bias was diagnosed and corrected over the beginning of the flood event. Quantitative assessments are carried out involving 1D metrics at Vigicrue observing stations and 2D metrics with respect to the Sentinel-1 derived flood extent maps. They demonstrate improvements on flood extent representation thanks to the data assimilation and bias correction.

研究の動機と目的

• 衛星由来の洪水拡大データを水動態モデルに統合することで、洪水予測精度を向上させること。
• 地上観測データとSAR画像を用いて初期状態のバイアスを補正することで、モデルの不確実性を低減すること。
• 1次元のゲージデータと2次元のSAR由来洪水マップを用いて、データ同化が洪水拡大表現に与える影響を評価すること。
• 実際の洪水イベント中に、異なるデータ同化設定がシミュレーションの整合性をどのように向上させるかを評価すること。
• 複数の観測データ源を統合した、運用可能な洪水モデル構築の検証済みフレームワークを提供すること。

提案手法

• 地上観測ゲージデータとSentinel-1 SAR由来の洪水拡大マップを用いて、粗さ係数や流入流量などのモデル状態とパラメータをデータ同化により補正する。
• Sentinel-1 SAR画像を処理して、洪水状態を乾燥域と湿潤域に分類し、2次元洪水拡大の検証基盤とする。
• 7つの実験を実施：自由走行シミュレーション2つ（FR1, FR2）とデータ同化走行5つ（DA1–DA5）、それぞれ異なる同化戦略と観測入力を有する。
• 洪水発生直後にモデルと観測のバイアスを診断し、初期状態の正確性を向上させるために補正を実施する。
• 定量的評価には、Vigicrueの1次元指標と、シミュレートされた洪水拡大とSAR由来の拡大を比較する2次元指標を用いる。
• シミュレーションエンジンとしてTELEMAC-MASCARET水動態モデルを用い、データ同化はモデル状態の反復的補正により実装する。

実験結果

リサーチクエスチョン

• RQ1 SAR由来の洪水拡大データを用いたデータ同化は、実際の洪水イベントにおける洪水拡大予測の精度をどのように向上させるか？
• RQ2 洪水発生直後にバイアス補正を実施することで、水動態シミュレーションの性能はどの程度向上するか？
• RQ3 異なるデータ同化設定（DA1–DA5）は、不確実性低減と洪水拡大表現の向上において、どのように比較されるか？
• RQ4 地上観測ゲージデータとSAR画像を併用することの洪水モデリングにおける追加価値は、自由走行シミュレーションに比べてどの程度か？
• RQ5 SAR由来の洪水拡大データは、運用型洪水予報システムにおける信頼できる観測制約として機能できるか？

主な発見

• データ同化により自由走行シミュレーションに比べ、洪水境界のシミュレーションと観測結果の一致が明確に向上し、洪水拡大の表現が顕著に改善された。
• SAR由来の洪水拡大データを観測制約として用いることで、モデルの不確実性が低減され、洪水予測の空間的精度が向上した。
• 洪水発生直後のバイアス補正により、特に初期段階の洪水動態のモデル性能が明確に向上した。
• 2次元指標の定量的評価により、データ同化走行（DA1–DA5）が自由走行シミュレーション（FR1, FR2）よりも、Sentinel-1が観測した実際の洪水拡大と一致することが確認された。
• 地上観測ゲージデータとSAR画像の両方を統合することで、単独で使用する場合よりも、より強固で信頼性の高い洪水予報が得られた。
• 本研究では、特に観測が限られる環境においても、SAR画像を運用型データ同化に活用する可能性が検証された。