| dc.description.abstract | Naturkatastrofer har blitt et viktig globalt problem. Hvert år katastrofale hendelser som flom, jordskjelv, jordskred, tornadoer, tsunamier og vulkanutbrudd omfattende skade på eiendom og infrastruktur, og mest tragisk er betydelig tap av menneskeliv. Flom, en av de vanligste typene naturkatastrofer, blir stadig hyppigere og mer alvorlige over hele verden, noe som fører til økende økonomiske tap. I Norge oppstår det flom hvert år, og det har kontinuerlig merkbare virkninger. Derfor er det viktig å investere in flomforskning for å utvikle omfattende flomhåndteringsstrategier
Målet med denne masteroppgaven er å studere og identifisere potensielle flomsoner i Bø-Seljord-bassenget i Telemark fylke, Norge, ved bruk av Multi-Criteria Modelling og Geografiske Informasjonssystemer (GIS). For å oppnå dette ble til sammen ti flomindikatorer utarbeidet ved bruk av geospatiale data fra flere kilder. Disse indikatorene inkluderer høyde, helning, avstand fra elver, dreneringstetthet, topografisk våthetsindeks (TWI), strømmekraftindeks (SPI), Normalisert Differanse Vegetasjons indeks (NDVI), Normalisert Differanse Snø indeks (NDSI), arealbruk og dekke, og geologi. En multikollineartets analyse ble deretter utført for disse indikatorene. Indikatorene ble deretter analysert og tildelt vekter ved bruk av Multi-Criteria Decision Analysis (MCDA). Denne prosessen førte til generering av et fluvialt flomktsomhetskart. Til slutt ble historiske flomregistre brukt for å evaluere kartets nøyaktighet.
Resultatene viser at 16.5%, 9.7% og 4.68% av studieområdet er klassifisert som moderat, høyt og svært høyt utsatt for flom. Totalt sett er det funnet at mesteparten av studieområdet, mer enn 65%, ikke et utsatt for flom. Modellens ROC-AUC-verdi på 0.957 indikerer høy prediktiv nøyaktighet. Videre gjennomgikk flomaktsomhetskartet en sensitivitetsanalyse, som også ga gunstige resultater.
Flomaktsomhetskartet som ble generert fra denne forskningen kan tilby betydelig for lokale myndigheter ved å gi essensiell innsikt og informasjon for å forbedre beslutningsprosesser og støtte implementeringen av effektive risikohåndteringsstrategier.
Nøkkelord: GIS, MCDA, AHP, Flom, Flomaktsomhet, ROC-AUC, Naturkatastrofe | |
| dc.description.abstract | Natural disasters have become an important global problem. Every year, catastrophic events such as floods, earthquakes, landslides, tornadoes, tsunamis, and volcanic eruptions cause extensive damage to property and infrastructure, and most tragically there is significant loss of human life. Floods, one of the most common types of natural disasters, are increasingly frequent and severe worldwide, leading to increasing financial losses. In Norway, floods occur every year and continuously cause noticeable impacts. Therefore, investing in flood research to develop comprehensive flood management strategies is essential.
The aim of this master’s thesis is to study and identify potential flood zones in the Bø-Seljord basin of Telemark County, Norway, suing Multi-Criteria Modelling and Geographic Information Systems (GIS). To achieve this, a total of ten flood indicators were prepared using multi-sourced geospatial data. These indicators include elevation, slope, distance from rivers, drainage density, Topographic Wetness Index (TWI), Stream Power Index (SPI), Normalized Difference Vegetation Index (NDVI), Normalized Difference Snow Index (NDSI), land use and land cover, and geology. A multicollinearity analysis was then conducted for these indicators. The indicators were then analysed and assigned weights using Multi-Criteria Decision Analysis (MCDA). This process led to the generation of a fluvial flood susceptibility map. Finally, historical flood records were utilized to evaluate the accuracy of the map.
The results show that 16.5%, 9.7%, and 4.68% of the study area are classified as moderately, highly, and very highly susceptible to flooding, respectively. Overall, most of the study area, accounting for more than 65%, is found to be non-susceptible to flooding. The model’s ROC-AUC value indicates of 0.957 indicates high predictive accuracy. Furthermore, the susceptibility map underwent sensitivity analysis, which also yielded favourable results.
The flood susceptibility map generated from this research may offer significant utility for local authorities, providing essential insights and information to improve decision-making processes and support the implementation of effective risk management strategies.
Keywords: GIS, MCDA, AHP, Flooding, Flood Susceptibility, ROC-AUC, and Natural Disaster | |
