Choose an application

• Reference Manager
• EndNote
• RefWorks (Direct export to RefWorks)

This book examines the nature of flood in different landscapes and the various factors that contribute to flooding in different areas. It identifies flood risk zones in different terrain types and provides valuable insights into the anthropogenic, geographical, hydro-geological, and geomorphological aspects of flood-prone areas to achieve sustainable risk management. The book also explores the impact of avalanches, global warming, and flash floods in different settings where such types of flooding have become more common. In addition, the volume provides case studies to evaluate the impact of flooding in both natural and man-made environments. To better understand and manage floods, the book combines advanced geospatial tools and techniques with indigenous knowledge. Using machine learning and multiple-criteria decision analysis, the book provides an amalgamation of technology and indigenous knowledge to assess flood susceptibility. The book also includes strategies to manage flood risks and case studies that demonstrate best practices in flood risk management. The volume is a valuable resource for researchers, students, and policy makers to understand the causes of floods and their socio-economic impact in different areas.

Natural disasters. --- Water. --- Hydrology. --- Geology. --- Geomorphology. --- Physical geography. --- Natural Hazards. --- Physical Geography. --- Floods --- Risk assessment.

Choose an application

• Reference Manager
• EndNote
• RefWorks (Direct export to RefWorks)

Floods are one of the most significant natural hazards. Flood events are common in Rwanda, particularly in the northwest region where the Nyarutovu watershed, the focus of this study, is located. This region frequently experiences flash floods, as was the case in May 2023 when over 130 people lost their lives. There is an urgent need for the development of flash flood forecasting techniques, given the increasing risk of such events.
The objective of this study was to model the dynamics influencing the relationship between precipitation and runoff in the Nyarutovu watershed.
To achieve this, rigorous cleaning and preparation of precipitation and discharge data were performed, resulting in a time series from January 1, 2023, to May 3, 2023. Thirteen hydrologic events were selected for modeling, involving the separation of baseflow and differentiation between individual events. Then, the hydrologic modeling software HEC-HMS was employed, employing various methods to simulate the runoff in the watershed.
The results obtained from the hydrologic modeling, both before and after calibration, were fairly poor and do not allow for any flood forecasting for the Nyarutovu watershed.
The main reason for these poor outcomes was attributed to uncertainties in the data, which probably significantly affected the accuracy of the modeling more than the chosen methods. Particularly, precipitation data, critical for hydrologic modeling, seem to lack accuracy due to its spatial variability across the watershed and uncertainties associated with interpolation from punctual observations. Additionally, the discharge data were approximate and prone to errors, which also propagated in the hydrologic modeling process.
Looking forward, it would be interesting to explore whether remote sensing precipitation data such as satellite or microwaves links from cellular communication networks observations could be used to monitor flash floods in the studied area. Les inondations représentent l'un des risques naturels les plus importants. Elles sont fréquentes au Rwanda, et en particulier au nord-ouest, où se situe le bassin versant de Nyarutovu, sujet de cette étude. Cette région est souvent affectée par des crues éclair, comme celle survenue en mai 2023 qui a entraîné la mort de plus de 130 personnes. Il est crucial de développer des techniques de prévision des crues éclair, lesquelles sont amenées à se multiplier.
L'objectif de cette étude était d'analyser et de modéliser les interactions entre les précipitations et le ruissellement dans le bassin versant de Nyarutovu. Pour cela, des données de précipitations et de débits ont été, le plus rigoureusement possible, nettoyées et préparées résultant en une série temporelle de précipitation et de débit allant du 1 janvier 2023 au 3 mai 2023. Treize événements ont été sélectionnés pour la modélisation hydrologique, impliquant la séparation du débit de base et la distinction entre les événements individuels. Le logiciel de modélisation hydrologique HEC-HMS a été utilisé, employant différentes méthodes pour simuler le ruissellement dans le bassin versant.
Les résultats obtenus de la modélisation hydrologique, tant avant qu'après la calibration sont insatisfaisants et ne permettent aucune prédiction des crues pour le bassin versant de Nyarutovu.
Ces mauvais résultats sont principalement dus aux incertitudes entourant les données, lesquelles ont probablement eu un impact plus significatif sur la précision de la modélisation que les méthodes sélectionnées. En particulier, les données de précipitations, cruciales pour la modélisation hydrologique, semblent ne pas être assez précises en raison de leur variabilité spatiale dans le bassin versant et des incertitudes liées à l'interpolation à partir d’observations ponctuelles. De plus, les données de débits étaient également entachées d’erreurs se propageant lors de la modélisation hydrologique
À l'avenir, il serait intéressant d'examiner si les données de précipitations obtenues par télédétection, telles que les données satellitaires ou les observations faites via liaisons micro-ondes des réseaux de communication cellulaires pourraient être utilisées pour le suivi des crues éclaires dans la zone d’étude.

Precipitation-runoff --- HEC-HMS --- Rwanda --- Hydrologic modeling --- Nyarutovu --- Mukungwa --- Flash floods --- Physique, chimie, mathématiques & sciences de la terre > Sciences de la terre & géographie physique