Αξιολόγηση χειμαρρικής επικινδυνότητας των ορεινών λεκανών απορροής της Θράκης με ανάπτυξη ευφυών πληροφοριακών συστημάτων

Abstract

Floods are a natural process with potentially disastrous consequences which may prove irreversible. The geomorphology of Thrace, combined to the significant spatial variability of rainfall, creates favorable conditions for local flooding events. In the present doctoral thesis, we applied the approach to the assessment of vulnerability to sudden flooding in the study area, using GIS software and a combination of fuzzy logic and artificial neural networks, in order to take the appropriate prevention and management measures. We applied three methodologies. In the first one (the Kotoulas method), the erosion was calculated using the Gavrilovic method, as well as the water balance at an annual time step. Then, water basins were classified into five categories of vulnerability from very low to very high, using geospatial process and geographical information systems. In the second method, we developed a fuzzy set with the following factors: slope, aspect, flow accumulation, stream power index, runoff curve number scs, land use-land cover, rainfall intensity, using the rainfall-Modified Fournier index equation, the geological substrate and the topographic humidity index. Then, by using the membership function, the membership degree of each factor was calculated. Afterwards, all the factors were unified, providing thus the overall vulnerability, and were classified in the same categories. The last classification that we created was based on artificial neural networks. Using these factors, we created and validated various models of artificial neural networks of different structure, as well as of different transfer functions. After a statistical analysis, we selected the best model and we sorted the basins in the same categories. In order to control the model results, we compared them to already observed floods. The results indicated the basins of the greatest vulnerability and we suggested prevention, protection and response measures, while we indicatively bounded a possible flood position in a basin (delimitation of flood zones). The models developed are a valuable tool for the implementation of the European Directive 2007/60, while additionally the mapping of flood vulnerability can lead to an immediate intervention in incidents with mild and combination interventions, in order to prevent the deterioration of the landscape of the region and not to disrupt its hydrological regime at the same time.

Τα πλημμυρικά φαινόμενα αποτελούν μια φυσική διαδικασία με ενδεχόμενες καταστροφικές επιπτώσεις που μπορεί να αποβούν μη αναστρέψιμες. Η γεωμορφολογία της περιοχής της Θράκης, σε συνδυασμό με τη σημαντική χωρική μεταβλητότητα της βροχής, δημιουργούν ευνοϊκές συνθήκες για την εκδήλωση τοπικών πλημμυρικών φαινομένων. Στη διδακτορική διατριβή εφαρμόσαμε την προσέγγιση της εκτίμησης τρωτότητας αιφνίδιων πλημμυρών για την περιοχή μελέτης, με χρήση του λογισμικού GIS και με συνδυασμό της ασαφούς λογικής και των τεχνητών νευρωνικών δικτύων, προκειμένου να ληφθούν τα κατάλληλα μέτρα πρόληψης και διαχείρισης. Εφαρμόστηκαν 3 μεθοδολογίες. Στην πρώτη μέθοδο του Κωτούλα, υπολογίστηκε η στεροπαροχή με τη μέθοδο Gavrilovic και το υδατικό ισοζύγιο με ετήσιο χρονικό βήμα. Στη συνέχεια με γεωχωρικές πράξεις και χρήση των γεωγραφικών συστημάτων πληροφορικής έλαβε χώρα η ταξινόμηση των υδρολεκανών σε πέντε κατηγορίες τρωτότητας από πολύ χαμηλή έως πολύ υψηλή. Στη δεύτερη μέθοδο αναπτύξαμε ένα μοντέλο ασαφούς λογικής χρησιμοποιώντας τους εξής παράγοντες: κλίση, έκθεση, συγκέντρωση ροής, δείκτη συρτικής δύναμης, συντελεστή απορροής κατά SCS, εδαφοκάλυψη, ένταση βροχόπτωσης, χρησιμοποιώντας την εξίσωση Modified Fournier index, το γεωλογικό υπόθεμα καθώς και τον δείκτη τοπογραφικής υγρασίας. Στη συνέχεια, με χρήση των συναρτήσεων συμμετοχής υπολογίστηκε ο βαθμός συμμετοχής κάθε παράγοντα. Κατόπιν ενοποιήθηκαν όλοι οι παράγοντες δίνοντας τη συνολική τρωτότητα και ταξινομήθηκαν στις ίδιες κατηγορίες. Το τελευταίο μοντέλο ταξινόμησης που δημιουργήσαμε βασίστηκε στα τεχνητά νευρωνικά δίκτυα. Χρησιμοποιώντας τους παραπάνω παράγοντες δημιουργήσαμε και δοκιμάσαμε διάφορα μοντέλα τεχνητών νευρωνικών δικτύων διαφορετικής δομής και διαφορετικών συναρτήσεων μεταφοράς. Μετά από στατιστικό έλεγχο επιλέξαμε το καλύτερο και ταξινομήσαμε τις λεκάνες στις ίδιες κατηγορίες. Για τον έλεγχο των αποτελεσμάτων των μοντέλων, τα συγκρίναμε με παρατηρημένες πλημμύρες. Τα αποτελέσματα έδειξαν τις λεκάνες με τη μεγαλύτερη τρωτότητα και προτείναμε μέτρα πρόληψης, προστασίας και αντιμετώπισης, ενώ ενδεικτικά οριοθετήσαμε μια πιθανή θέση πλημμύρας σε μια λεκάνη. Τα μοντέλα που αναπτύξαμε αποτελούν ένα πολύτιμο εργαλείο για την εφαρμογή της Ευρωπαϊκής Οδηγίας 2007/60, ενώ επιπλέον η χαρτογράφηση τρωτότητας πλημμυρών μπορεί να οδηγήσει σε άμεση παρέμβαση στα προκύπτοντα συμβάντα με ήπιες και συνδυαστικές παρεμβάσεις, ώστε να αποφευχθεί η αλλοίωση του τοπίου της περιοχής αλλά και να μην διαταραχθεί το υδρολογικό της καθεστώς