Development and Application of a Raster-based Stormwater Simulation Model(ラスター型雨水シミュレーションモデルの開発とその応用)

氏名 Chau Nguyen Xuan Quang
学位の種類 博士(工学)
学位記番号 博甲第465号
学位授与の日付 平成20年3月25日
学位論文題目 Development and Application of a Raster-based Stormwater Simulation Model (ラスター型雨水シミュレーションモデルの開発とその応用)
 主査 教授 陸 旻皎
 副査 准教授 力丸 厚
 副査 准教授 細山田得三
 副査 准教授 熊倉 俊郎
 副査 東京大学大学院新領域創成科学研究科准教授 黄 光偉

平成19(2007)年度博士論文題名一覧] [博士論文題名一覧]に戻る.

Acknowledgements p.v
Abstruct p.vii
List of figures p.ix
List of tables p.xiii

Chapter 1 Introduction
 1.1 Problem statement p.1
 1.2 Objectives of the research p.3
Chapter 2 Development of a raster-based stormwater simulation model
 2.1 Introduction p.5
 2.2 Model description p.7
 2.3 Governing equations p.8
 2.3.1 Surface runoff generation p.8
 2.3.2 Overland flow routing p.11
 2.3.3 Channel flow routing p.16
 2.3.4 Linkage of surface flow and channel flow p.17
 2.4 Summary p.20
Chapter 3 Neural network-based radar rainfall estimation
 3.1 Introduction p.21
 3.2 Methodology of neural network-based radar rainfall estimation p.22
 3.2.1 Introduction of neural network p.22
 3.2.2 Neural network based radar rainfall estimation p.25 Network architecture selection p.25 Data processing p.26 Network training p.26
 3.3 Study basin and data p.27
 3.4 Simple description of the distributed hydrologic model p.28
 3.5 Results and discussion p.29
 3.5.1 Performance evaluation criteria p.29
 3.5.2 Development of the trained newral network p.30
 3.5.3 Radar rainfall estimation results p.31
 3.5.4 Hydrologic modeling results p.33
 3.6 Conclusions p.36
Chapter 4 A progressive slope based filter method for laser altimetry data processing
 4.1 Introduction p.39
 4.2 Slope based filter method p.40
 4.3 Progressive slope based filter method p.41
 4.4 Laser altimetry data processiong p.47
 4.4.1 Experiment p.47
 4.4.2 Application of the proposed filtering algorithm for Kamedagou Basin p.52
 4.5 Generation of Digital Elevation Model p.52
 4.6 Conclusions p.54
Chapter 5 Model Applications
 5.1 Study area p.55
 5.2 Input data and model setup p.57
 5.3 Model calibration p.61
 5.4 Analysis of flood reproduction results p.61
 5.5 Inundation mitigation planning p.69
 5.6 Conclusions p.72
Chapter 6 Conclusions and Recommendations
 6.1 Conclusions p.73
 6.2 Recommendations & further studies p.74

A raster-based stormwater simulation model was formulated and applied in this research. The proposed model was designed to simulate not only surface runoff flow but also underground pipe flow. Surface rainfall runoff modeling is operated on watershed data discretized into square raster elements of desired spatial resolution. Thus, spatial variability of hydrologic parameters can be handled in very fine scale. Generated surface runoff at each raster element is routed to the inlets of the drainage channel/pipe network by using two-dimensional diffusion wave approximation. The EXTRAN model (the hydraulic component of SWMM) was adopted model are not only hydrograph at inlets and basin outlet but also the water depth on ground surface. The water depth on ground surface is used to establish the flood risk map.

The raster-based stormwater simulation model is ideally suited for use with radar rainfall which is a crucial input for hydrologic modeling in ungauged or poorly gauged basins. However, uncertainty largely limits the applicability of poorly gauged basins. However, uncertainty largely limits the applicability of radar rainfall in hydrologic modeling. In this research, a neural network was trained to establish the relationship between the radar reflectivity (Z) and ground rainfall measurement (R) at raingauge sites. Then, the radar rainfall estimated by using the trained neural network (RNN) over the basin is applied for distributed hydrologic modeling in order to evaluate the performance of the trained neural network over the basin. From the results of radar rainfall estimation at raingauge sites and streamflow simulation, it is concluded that the neural network technique is more appropriate method for radar rainfall estimation than the existing operational Z-R relationship. The network trained at the rain gauge sites is accurate, stable, and robust for estimating radar rainfall over the basin.

Quality of Digital Elevation Model (DEM) is one of significant important factors for successful raster-based distributed hydrologic modeling. Recently, high quality DEM can be generated from the laser altimetry data. To generate high quality DEM from laser altimetry data, a progressive slope-based filter method was successfully developed to remove the non-ground measurement points from laser altimetry data. In the proposed filter method, the new method was proposed for removing the blinder points from the raw laser altimetry data. The new filtering method was successfully applied for laser altimetry data processing in Kamedagou basin. The comparisons of simulation results respectively obtained from laser-DEM and conventional DEM indicated that laser-DEM provides better simulation results than the conventional DEM.

The proposed model was successfully applied to reproduce the flood on 04, August, 1998 in Kamedagou basin. The results showed that simulated water levels are well agreement with the observed water levels at gauges. The result also indicated that simulated inundation extent quite matches with the observed one. Further more, the well calibrated raster-based stormwater simulation model is used to inundation mitigation planning. The simulation results suggest that the more construction of drainage channel network and pumping capacity are necessary to reduce inundation in some parts of Kamedagou region.

 本論文は、「Development and Application of a Raster-based Stormwater Simulation Model(ラスター型雨水シミュレーションモデルの開発とその応用)」と題し、6章より構成される。
 第2章「Development of a raster-based stormwater simulation model(ラスター型雨水シミュレーションモデルの開発)」では、モデルの全体像と支配方程式、そして各構成要素、表面流出の発生、表面流れの計算、水路の流れの計算、そして地表面と水路における流れの相互作用について述べている。特に水路の流れについては、SWMMモデルのEXTRANを導入することにより、単一あるいは網状の管路と開水路ネットワークにおける流れのシミュレーションを可能にしている。結果として、これらの水の流れを一元的に考慮した地表面の浸水深が得ることができる。
 第3章「Neural network-based radar rainfall estimation(ニューラルネットワークによるレーダー雨量の推定)」では、シミュレーションモデルとレーダー雨量計の組み合わせを視野に入れ、従来のレーダー方程式に代わり、ニューラルネットワークによるレーダー雨量の推定法を開発した。MLFN型ニューラルネットワークがレーダー雨量の推定に有効であることが示された。その結果として、雨量の推定精度がレーダー方程式と同等かそれ以上であることが分かった。また、推定結果を分布型水文モデルに入力し、流出解析を行った結果、点雨量だけでなく面的推定精度も良いことが明らかになった。
 第4章「A progressive slope based filter method for laser altimetry data processing(勾配に基づくプログレシブなレーザー標高データ処理技術)」では、最新の航空機搭載レーザースキャナーによる標高データから都市部低平地の地表面地形データを抽出する新しい技術について述べている。ここでは、勾配に基づく新しいフィルタリング技術が提案され、水路面や屋根面などのデータを効率的に精度よく取り除き、地表面地形データを作成することができるようになった。
 第5章「Model applications(モデル応用)」では、モデルの応用について述べている。まず、8.4豪雨で甚大な浸水被害を出した新潟市亀田郷のデータを収集し、モデルを実装した。その結果、モデルが当時の鳥屋野潟の水位、そして亀田郷の浸水範囲を精度よく再現できることが示された。また、親松揚水機場の付近に揚水能力を増強した場合のシミュレーションも行い、すべての地域の浸水を解消できないが、揚水機場の新設が氾濫域の現象に効果があることが示された。また、第4章での方法で得られた亀田郷の高分解能地形データを用いたシミュレーションを行い、その雨水シミュレーションへの影響を評価した。
 第6章「Conclusions and recommendatins(結論と今後の課題)」では、本論文のまとめを示している。