Kartläggning av översvämningshotade järnvägstunnlar med GIS

Transkript

1 Kartläggning av översvämningshotade järnvägstunnlar med GIS En fallstudie av Norralatunneln Mapping of railway tunnels that are exposed to flooding using GIS A case study of the Norrala tunnel Erik Fridholm Johan Sjögren Fakulteten för humaniora och samhällsvetenskap, Naturgeografi Högskoleingenjör i Geografiska Informationssystem Examensarbete 15 hp Handledare: Jan-Olov Andersson Examinator: Kristina Eresund Löpnummer: 2014:03

2 Förord Detta examensarbete om 15 högskolepoäng på C-nivå avslutar vår utbildning på GIS-ingenjörsprogrammet vid Karlstads Universitet. Examensarbetet är utfört på uppdrag av Trafikverket. Vi vill passa på att tacka våra handledare från Trafikverket, Eva Liljegren och Monika Rydstedt Nyman för idén till arbetet och den hjälp som vi har fått under arbetets gång. Tack också till Jan-Olov Andersson, vår handledare vid Karlstads Universitet för den tid du har ägnat åt att hjälpa oss med vårt arbete. Slutligen vill vi även tacka alla övriga personer som på något sätt har bidragit till detta arbete. Karlstad, juni 2014 i

3 Abstract In August 2013 the Norrala tunnel just north of Söderhamn was flooded, which caused a train stuck in the tunnel. In the future the intensity and the amount of rainfall are expected to increase in this area, which can lead to an increased risk of flooding. The purpose of this study was to use GIS to investigate whether it is possible to identify which railroad tunnels that are exposed to flooding during heavy rainfall. In order to investigate this, a GIS analysis was performed on the Norrala tunnel. The data used for this study was the National Elevation Model. The result of the study contains maps representing the catchment area for the tunnels and wetness index for the north and the middle rescue tunnel. The flood analysis shows that the rescue tunnel that was flooded in August 2013 has a catchment area of 1,1km², which is 20 times as big as the catchment area for any of the other tunnel entrances. The study shows that GIS is a great tool for flood mapping. With the chosen method in combination with the National Elevation Model, it is possible to identify tunnels that are exposed to flooding. The field study that was performed shows that the Swedish property map has flaws concerning hydrology. More than 90% of the water that ended up in the tunnel came from the west side of the highway E4, through a passage for wildlife. After the tunnel, the water was initially directed through a manmade stream that follows the route of the property map. Further down, the manmade stream disappears and the water then follows the topography to the protection barrier nearby the tunnel. In the study, no calculations were made about the amount of water that flooded to the tunnel during the flooding in August Investigations of the climate change indicate that the amount of rainfall will increase in the area. Therefore a further investigation is recommended, where the goal should be to protect the tunnel from flooding. The method that has been used is applicable at any type of infrastructure. The Swedish Transport Administration is recommended to use this method to investigate infrastructure and for future planning. Keywords: GIS, Flooding analysis, Railway tunnel, Climate adaptation, Catchment area, TWI, SWI, Swedish Transport Administration, the Norrala tunnel. ii

4 Sammanfattning I augusti år 2013 översvämmades Norralatunneln strax norr om Söderhamn, vilket orsakade att ett tåg fastnade i tunneln. I framtiden förväntas intensiteten och mängden nederbörd att öka i detta område, vilket kan leda till en ökad risk för översvämning. Syftet med examensarbetet var att med GIS undersöka om det går att identifiera vilka järnvägstunnlar som är översvämningshotade vid kraftig nederbörd. GIS-analyser utfördes på Norralatunneln, där den Nationella Höjdmodellen användes som indata till undersökningen. Resultatet av studien innehåller ett antal kartor som redovisar avrinningsområden för samtliga tunnelmynningar och fuktighetsindex för den norra och mellersta räddningstunneln. Översvämningsanalysen visar att den räddningstunnel som översvämmades i augusti år 2013 har ett avrinningsområde på 1,1 km², vilket är mer än 20 gånger så stort som avrinningsområdet för någon av de andra tunnelmynningarna. Studien visar att GIS är ett bra verktyg för översvämningskartering och med den valda metoden i kombination med den Nationella Höjdmodellen är det möjligt att identifiera översvämningshotade tunnlar. Den fältstudien som genomfördes visar på brister i fastighetskartan gällande vattendrag. Mer än 90 % av vattnet som rann in i tunneln kom från västsidan av E4:an genom en älgpassage. Därefter leddes vattnet ner mot räddningstunneln via en grävd bäck som till en början följer fastighetskartans sträckning. Den tydligt grävda bäcken försvinner dock och vattnet följer därefter topografin till skyddsdiket intill tunnelmynningen. I arbetet gjordes inga beräkningar på hur mycket vatten som flödade ner till tunneln i samband med översvämningen. Undersökningar av framtida klimat visar på att nederbördsmängden i området kommer att öka. Därför rekommenderas en vidare studie där målet borde vara att ta fram ett lämpligt alternativ för att skydda tunneln från översvämning. Analyserna som har utförts är tillämpningsbara även på andra typer av infrastruktur, därför rekommenderas Trafikverket att använda sig av metoden vid projektering och undersökning av infrastruktur. Nyckelord: GIS, Översvämningsanalys, Järnvägstunnel, Klimatanpassning, Avrinningsområde, TWI, SWI, Trafikverket, Norralatunneln iii

5 Innehållsförteckning Förord... i Abstract...ii Sammanfattning... iii 1. Inledning Bakgrund Syfte Problemformulering Frågeställningar Avgränsningar Teori Extrem nederbörd Avrinningsområde Fuktighetsindex Metod Studieområde Data Beräkning av avrinningsområde Databearbetning - avrinningsområde Skapande av avrinningsområde Beräkning av fuktighetsindex Bearbetning av data till SAGA Skapande av fuktighetsindex Resultat Flödeslinjer Tunnelmynningarnas avrinningsområde Fuktighetsindex vid räddningstunnlarna Topographic Wetness Index SAGA Wetness Index Diskussion och slutsatser Metoddiskussion Resultatdiskussion... 24

6 5.3 Framtidsutsikter och åtgärdsförslag Referenser Bilaga 1 Nederbörd Bilaga 2 Verktyg Bilaga 3 Bilder från Norralatunneln... 36

7 1. Inledning 1.1 Bakgrund Den 11 augusti 2013 fastnade ett tåg med 180 passagerare i Norralatunneln, på grund av att vatten och bråte flödade in genom tunnelns mellersta räddningstunnel. (Hultman, 2013). Under dagen föll extremt mycket regn strax norr om Söderhamn vid Norralatunneln, drygt 100 mm (bilaga 1) (Norin 2014). Även under dagarna innan olyckan föll mycket nederbörd, ca 45 mm (SMHI 2014). Senare under samma dag, efter att tåget hade suttit fast i den nästan fyra kilometer långa tunneln i ca fyra timmar kunde det börja backa tillbaka mot Söderhamn (Martikainen, 2013). Under måndagen jobbade Trafikverket med att bedöma skadorna på tunneln. Spåren i tunneln var inte skadade men en räddningsväg förstördes i samband med översvämningen (Trafikverket, 2013). Under tisdagsmorgonen kunde trafiken börja rulla men med reducerad hastighet på grund av ett signalfel som uppstått (Carp, 2013). Under planeringsfasen för Norralatunneln utförde Banverket (numera Trafikverket) en banutredning. Utredningen behandlade flertalet olika miljökonsekvensundersökningar som exempelvis buller, vibration, luftföroreningar, naturmiljö, mm. I utredningen för naturmiljö gjordes inga undersökningar kring geologi eller hydrologi (P 1992:10). 1.2 Syfte Syftet med examensarbetet är att med användning av GIS undersöka om det går att identifiera vilka järnvägstunnlar som är översvämningshotade vid extremt regn och extrem avrinning i tunnelområdet. En fallstudie kommer att utföras på Norralatunneln med syftet att utveckla och testa en metod för att förutsäga och kartlägga översvämningsrisker. 1.3 Problemformulering I Sverige förväntas medeltemperaturen att öka mer än medelvärdet för den globala temperaturökningen. Fram till år 2100 förväntas medeltemperaturen att öka med upp till sju grader under vinterhalvåret och upp till fyra grader under sommar-halvåret. Mängden nederbörd förväntas öka i större delen av Sverige under de flesta månaderna och även intensiteten av regnen beräknas öka. Sedan 1950-talet har en ökning med upp till 1,8 mm/timme uppmätts vid de intensivaste regnen. Den ökade mängden nederbörd och intensitet ger en ökad risk för översvämning. Extrema flöden som idag är 100-årsflöden kan bli allt vanligare i framtiden. Med tanke på att risken för översvämning förväntas att öka måste hänsyn tas till detta vid planering av framtida byggnationer av väg och järnväg (SOU 2007:60). 1

8 1.4 Frågeställningar Går det att förutse vilka järnvägstunnlar som riskerar att översvämmas vid kraftig nederbörd med GISanalyser? Är den Nationella Höjdmodellen ett tillförlitligt indata för översvämningskartering? 1.5 Avgränsningar Examensarbetet har avgränsats till att undersöka Norralatunneln strax norr om Söderhamn. Anledningen till att Norralatunneln valdes är att en av tunnelns räddningstunnlar översvämmades i samband med ett kraftigt skyfall den 11 augusti 2013, vilket resulterade i avbrott i tågtrafiken. Detta gör att det är möjligt att jämföra resultatet av GIS-analysen med en verklig händelse. Vidare har en avgränsning gjorts att endast undersöka fuktighetsindex på två av räddningstunnlarna vid Norralatunneln. Detta på grund av att en av dessa två tunnlar har översvämmats medan den andra tunneln användes för att kunna jämföra resultatet av analyserna. 2

9 2. Teori 2.1 Extrem nederbörd I framtiden beräknas en markant ökning av extremt väder i Europa, framförallt i form av perioder av hög temperatur och extrem nederbörd. Förändringen av den extrema nederbörden skiljer sig åt mellan olika regioner. I framtiden bedöms den extrema nederbörden öka under alla årstider i norra Europa (WGII AR5). I Sverige förväntas nederbörden öka i hela landet och under hela året, sommaren beräknas dock bli något torrare i södra Sverige. Den kraftiga nederbörden förväntas främst öka under höst och vinter, även under våren beräknas antalet extrema regn öka men inte i samma omfattning. Under sommaren beräknas antalet dagar med mer än 10 mm regn istället minska. Betydande ökningar kommer att ske av de intensivaste regnen, framförallt på längre sikt (Figur 1). En tendens till att de extrema regnen ökar märks redan idag vid jämförelse av äldre väderdata. Figur 1. Nederbördsförändring vid extrem nederbörd. Enligt Sveriges Metrologiska och Hydrologiska Institut (SMHI) kommer den genomsnittliga årliga avrinningen att öka i större delen av landet. Detta kommer att leda till större flöden och högre vattennivåer med konsekvensen av en ökning av antalet översvämningar i delar av Sverige (SOU 2007:60). I området kring Norralatunneln visar samtliga av SMHI:s klimatmodeller på en ökning av både årsmedelnederbörd och maximal dygnsmedelnederbörd (bilaga 1) (SMHI u.å). 2.2 Avrinningsområde Det går att på en given plats i ett vattendrag bestämma storleken på det landområde vars avrinning av nederbörd förr eller senare passerar vid den platsen. Detta område kallas för vattendragets avrinningsområde (SMHI, 2009). 3

10 Efter tillkomsten av den Nya Nationella Höjdmodellen (NNH) (se 3.2 Data) är det nu möjligt att utföra noggranna beräkningar av vattendelare, noggrannhet och upplösning. Den gamla höjdmodellen hade inte tillräcklig upplösning och kvalitet för detta. En digital höjdmodell är en digital modell som representerar terrängens topografi (Olsson, 2009). Metoden för framräkning av avrinningsområden går ut på att med hjälp av verktyg i GIS-programvaran ArcGIS 10.1, skapa en hydrologisk modell för ytavrinning i landskapet. De skapade avrinningsområdena används bland annat för att anlägga och restaurera våtmarker samt inom miljöövervakning av både jord- och skogsbruksmark för att beräkna markanvändningen till provtagningspunkter (Länsstyrelsen Dalarna, 2012). 2.3 Fuktighetsindex Topographic Wetness Index (TWI) är ett index som beskriver hur terrängens topografi påverkar ett områdes fördelning av markfuktighet och visar hur vattenmättad marken är (Qin et al., 2009). Fuktighetsindexet baseras på antagandet att det är topografin som kontrollerar hur vattnet rör sig och därmed var marken sannolikt är fuktig. Höga indexvärden påvisas oftast i flacka konvergerande områden, medan brantare terrängpartier brukar ha låga värden (Schmidt & Persson 2003). Ett TWI räknas fram med hjälp av en höjdmodell i rasterformat, den formel som används för att räkna fram indexvärdena i en viss punkt är: TWI = ln(a/tan b) Där a är rastercellens ackumulationsvärde, d.v.s. storleken på punktens avrinningsområde och b är terrängens lutning i punkten (Figur 2) (Qin et al., 2009). Figur 2. Fuktighetsindex. För beräkning av avrinningsområde finns olika algoritmer, dessa kan delas in i två kategorier: single-flowdirection (sfd) och multiple-flow-direction (mfd). Den enklaste algoritmen är en sfd-algoritm med åtta flödesriktningar, kallad D8. Begreppet D8 innebär att hela rastercellens yta leds in i den brantaste av dess omgivande rasterceller. En nackdel med detta är att flödet därmed enbart har åtta möjliga riktningar. För att lösa problemet med bristerna i D8-metoden skapades mfd-algoritmer. MD8 är en sådan mfd-algoritm, metoden fördelar flödet till de omgivande rastercellerna med lägre värde. Fördelningen sker proportionellt med lutningen (Andersson, 2009). 4

11 I figur 3 redovisas hur sfd- och mfd-algoritmer beräknar flödet på en höjdprofil med lägsta punkten i nedre vänstra hörnet. Figur 3. Jämförelse av flödesalgoritmer De flesta GIS-program använder sfd-algoritmer, flera studier visar dock på att mer avancerade algoritmer ger ett betydligt bättre resultat. För att undersöka detta genomfördes en studie på tre områden i Tjecken, där 11 flödesriktningsalgoritmer användes för att beräkna ett TWI. I samtliga tre försöksområden erhölls bäst resultat med en mfd-algoritm, medan en sfd-algoritm uppvisade sämst resultat (Kopecký & Čížková, 2010). SAGA Wetness Index (SWI) liknar TWI, men framräkningen av upptagningsområdet skiljer sig åt genom att SWI baseras på en mfd-algoritm. SWI beräknar därför en mer realistisk hög markfuktighet i flacka områden och dalgångar där cellerna ligger nära ett vattendrag (Milevski et al., 2007). 5

12 3. Metod I arbetet användes en höjdmodell och ESRI:s (Environmental Systems Research Institute) programvara ArcGIS Datat omvandlades till ett raster och avrinningsområden skapades, en utförlig beskrivning av de verktyg som användes vid analyserna presenteras i bilaga 2. Två olika fuktighetsindex, TWI och SWI, beräknades fram. Dessa analyser utfördes i open source programmet SAGA (System for Automated Geoscientific Analyses). 3.1 Studieområde Det område som studerades ligger ca en mil norr om Söderhamn i Gävleborgs län (Figur 4). I området ligger den nästan fyra kilometer långa Norralatunneln, som utöver två huvudingångar även har tre räddningstunnlar (Figur 5). Under E4an, strax väster om den mellersta räddnings-tunneln, finns en älgpassage där stora delar av vattnet passerade vid översvämningen innan det rann ner i räddningstunneln. Figur 4. Norralatunnelns läge. 6

13 Figur 5. Översiktskarta Norralatunneln. 3.2 Data Sedan 2009 arbetar Lantmäteriet med att laserskanna hela Sverige i syfte att ta fram en ny nationell höjdmodell som ska ersätta den tidigare modellen, den nya modellen kallas NH (Nationell Höjdmodell, tills juni 2013 NNH). Målet är att fram till 2015 hinna framställa en heltäckande modell för landet i form av ett två meters raster med ett medelfel på 0,5 meter i höjd (Myndigheten för samhällsskydd och beredskap (Lantmäteriet, u.å). Den gamla nationella höjdmodellen har 50 meters upplösning och ett beräknat medelfel på 2,5 meter (Lantmäteriet, 2010). Avsikten med en ny höjdmodell är att kunna bemöta ett högre krav på översvämningskartering samt framtida klimatförändringar. Datainsamlingen sker med flygburen laserskanning och resultatet blir ett punktmoln där varje punkt har en x-, y- och z koordinat. Punktmolnen sparas i s.k. LAS-filer (Trafikverket, 2012). 7

14 Lantmäteriet levererar den nya höjdmodellen som två olika produkter, dels som ett raster med cellstorleken två meter och dels i form av ett punktmoln med de laserskannade punkterna. Samtliga objekttyper på och ovanför markytan finns representerade i punktmolnet. För att skapa en terrängmodell för markytan krävs att punkter som inte representerar markytan sållas bort. Klassificeringen av punkterna sker med automatiska metoder, men vissa objekt som exempelvis broar kan bli felklassificerade. Efter den automatiska klassificeringen sker en manuell översyn, trots detta blir klassificeringen aldrig felfri. Detta leder till fel i höjdmodellen som kan vara svåra att upptäcka. I LAS-filerna ingår klasserna: Oklassificerade punkter Punkter på mark Punkter på vatten Punkter på broar (Lantmäteriet 2014). Utöver NH-data användes även ortofoton (rektifierade flygbilder) över Norralatunneln, för visualisering av resultatet och lokalisering av potentiella fel i höjdmodellen. 3.3 Beräkning av avrinningsområde Databearbetning - avrinningsområde Lantmäteriets höjddata levererades i form av LAS-filer. För att erhålla en digital höjdmodell krävdes därför en bearbetning av LAS-filerna. Figur 6 visar tillvägagångssättet för databearbetningen. Figur 6. Databearbetning i Modelbuilder. Inledningsvis användes verktyget Create LAS Dataset för att skapa ett dataset som refererade de individuella LAS-filerna. Vid större skalor presenterades informationen i form av ett rutnät, men vid överblick av ett mindre område visades samtliga punkter. Efter att LAS-filerna lagrats i ett dataset användes verktyget LAS Dataset To Raster för att skapa en digital höjdmodell över området. För att höjdmodellen ska fungera riktigt ur ett hydrologiskt perspektiv är det i många fall nödvändigt att sänka sjöar och vattendrag. Detta eftersom NH anger marknivåns höjd och inte tar hänsyn till vägtrummor, 8

15 vilket medför att vägar och broar fungerar som vattendelare trots att vattnet i verkligheten rinner förbi obehindrat. Genom att sänka marknivån där det finns sjöar och vattendrag kan detta problem lösas (Länsstyrelsen Dalarna, 2012). I det aktuella området kring Norralatunneln lokaliserades två potentiella hinder där en sänkning av rastret behövde utföras, en älgpassage under E4:an och en väg med en trumma väster om den mellersta räddningstunneln. Av höjdvärdena för dessa objekt framgick det att älgporten var bearbetad av Lantmäteriet, eftersom marken där hade rätt höjd. Vägen mellan de två körbanorna på E4an hade kvar sitt höga värde (Figur 7). Figur 7. Lokaliserad vägtrumma. Sänkningen av rastret vid trumman omfattade flera steg där det första steget i processen var att med verktyget "Create Feature" skapa en linje (polyline) genom bron, parallellt med E4an. Därefter konverterades denna polyline till rasterformat med verktyget "Feature to Raster". I processen valdes cellstorleken på det nya rastret till två meter, alltså samma cellstorlek som på höjdmodellen. För att det nya rastret och höjdrastret skulle överlappa varandra korrekt och inte vara förskjutna i förhållande till varandra användes funktionen "Processing Extent" vilket anpassade det nya rastret efter höjdrastrets position. Höjdskillnaden mellan E4ans vägren och den bro som går över vägrenen mellan de två körbanorna kontrollerades i NH-datat och uppskattades till två meter. Därpå användes verktyget "Reclassify" för att ändra värdet på pixlarna i det nya skiktet till två meter, dvs. den höjd som rastret skulle sänkas med. 9

16 Slutligen användes verktyget "minus" till att dra bort det skapade rastret över bron från den ursprungliga höjdmodellen. Med hjälp av denna metod fungerade inte längre bron som en vattendelare i analysen, utan vatten kunde passera förbi i samma höjd som trumman Skapande av avrinningsområde I undersökningen av Norralatunneln användes den metodik som Länsstyrelsen Dalarna beskriver i sin metodbeskrivning för uträkning av avrinningsområden. Beräkningen utfördes kring Norralatunnelns två tunnelingångarna samt de tre räddningstunnlarna. De verktyg som användes i ArcGIS utfördes i programvarans funktion ModelBuilder, (Figur 8). Figur 8. Avrinningsområde i ModelBuilder. För att kunna beräkna ett avrinningsområde krävs det att höjdmodellen som används är fri från fördjupningar, vilket är nödvändigt för att vattnet inte ska stanna upp i terrängen utan flöda fritt som i verkligheten. Med hjälp av verktyget Fill skapades därför en ny digital höjdmodell med igenfyllda sänkor. Nästa steg i processen som utfördes för att räkna fram ett avrinningsområde kring tunnelmynningen var att räkna fram vattnets flödesriktning i cellerna, verktyget "Flow Direction" användes till detta. Därpå beräknades hur många celler som bidrar med vatten till en angiven cell, till detta användes verktyget "Flow Accumulation". Detta var nödvändigt för att i ett senare skede kunna räkna ut avrinningsområdets storlek. Ett lager med en punkt skapades sedan vid den tunnelingång vars avrinningsområde skulle räknas ut. Punkten representerade sedan den cell som punkten var placerad i. För att avrinningsområdets fullständiga storlek skulle räknas ut krävdes det att den skapade punkten placerades på en cell med ett högt ackumulationsvärde. Därför användes verktyget "Snap Pour Point" som flyttar punkten till den cell i närheten som har störst ackumulationsvärde. Ett högsta värde på fyra meter angavs för att förflyttningen av punkten inte skulle bli orimligt hög utan stanna kvar i tunnelmynningens närhet. 10

17 Slutligen räknades tunnelmynningens avrinningsområde ut med hjälp av verktyget "Watershed". Resultatet blev då ett raster som visade avrinningsområdets storlek. För att lättare kunna visualisera områdets omfattning gjordes lagret om från raster till vektordata med verktyget "Raster to Polygon". 3.4 Beräkning av fuktighetsindex Bearbetning av data till SAGA. För att SAGA skall kunna bearbeta data måste det anpassas till ett dataformat som programmet klarar av. Det data som fanns att tillgå var en höjdmodell i rasterformat. Med hjälp av ArcGIS omvandlades rastret till ett punktskikt. Sedan importerades punktskiktet till SAGA och där skapades ett rastergrid på 2x2 m med hjälp av verktyget Thin Plate Spline (local), som är baserad på en Spline Interpolation algoritm Skapande av fuktighetsindex För att kunna använda verktyget TWI så krävs det först att verktyget Slope används för att beräkna fram lutningsparameterar. Med hjälp av lutningen och höjdmodellen som skapades tidigare så beräknades ett TWI. SWI kräver endast en höjdmodell för att kunna användas till skillnad från TWI som kräver en lutning. Verktyget SWI skapar nämligen de lager som behövs som en del i beräkningarna av SWI. 11

18 4. Resultat I detta kapitel presenteras resultaten från de tidigare beskrivna analyserna. Först redovisas en 3d modell över området, med en vertikal förstärkning på fem gånger (Figur 9). Sedan redovisas flödeslinjer inom avrinningsområdena kring de två norra räddningstunnlarna. Därefter presenteras de enskilda tunnelmynningarnas avrinningsområden samt storleken på dessa. Slutligen redovisas två karteringar av fuktighetsindex kring hela Norralatunneln. Figur 9. 3d-modell över området. 12

19 4.1 Flödeslinjer Under arbetet genomfördes en fältundersökning av området kring den mellersta räddningstunneln, för att se hur väl vattendragen stämmer överrens med de skapade flödeslinjerna och bäckarna i Lantmäteriets fastighetskarta. Vid undersökningen framkom det brister i fastighetskartan (Figur 10). Bäcken närmast räddningstunneln följer till en början fastighetskartans sträckning, men sedan försvinner den tydligt grävda bäcken och vattnet följer topografin. Detta resulterar i att vattnet från bäcken hamnar i skyddsdiket intill tunnelmynningen. Figur 10. Vattendrag. 13

20 Resultatet av det ackumulationsflöde som skapades i samband med beräkningen av avrinningsområden presenteras nedan i Figur 11 och 12. Flödeslinjer skapades till alla avrinningsområden, men enbart linjer kring de två norra räddningstunnlarna redovisas på grund av att de övriga tunnmynningarna har små avrinningsområden och därför få flödeslinjer. I resultatet redovisas enbart flödeslinjer som ligger inom eller i anslutning till tunnelmynningarnas avrinningsområde, övriga linjer har tagits bort för att göra figuren mer lättförståelig. Flödet representerar den väg i terrängen som vattnet beräknas flöda och presenteras som blå linjer, där en mörkare färg indikerar ett högre flöde. Figur 11. Flödeslinjer för de två norra räddningstunnlarna. 14

21 Figur 12. Flödeslinjer i de två norra räddningstunnlarnas närområde. 4.2 Tunnelmynningarnas avrinningsområde I processen att skapa avrinningsområden användes de tidigare redovisade flödeslinjerna för att beräkna hur stort avrinningsområde varje enskild tunnelingång har. Gränsen för avrinnings-områdena markeras med en svart linje, och all ytavrinning från nederbörd som faller inom avrinningsområdet hamnar tillslut i tunnelmynningen. Bilder på Norralatunnelns räddnings-tunnlar och området i närheten av den mellersta räddningstunneln redovisas i bilaga 3. 15

22 Analysen visar på att den mellersta räddningstunneln har överlägset störst avrinningsområde av de undersökta tunnelmynningarna, det var denna tunnel som drabbades av översvämning i augusti Avrinningsområdet omfattar ca 1,13 km², majoriteten av området ligger väster om E4:an men på grund av en älgpassage kan vattnet passera under vägen. Även diket mellan vägens två körriktningar ingår i tunnelns avrinningsområde, eftersom denna nederbörd leds till älgpassagen och därefter mot tunneln (Figur 13). Figur 13. Den mellersta räddningstunnelns avrinningsområde. 16

23 Storleken på avrinningsområdet för den norra räddningstunneln uppgår till ca m² och området gränsar direkt mot avrinningsområdet för den mellersta räddningstunneln (Figur 14). Figur 14. Den norra räddningstunnelns avrinningsområde. 17

24 Avrinningen till den södra räddningstunneln sker från berget öster om tunnelmynningen och från vägen som leder ned i tunneln, området är dock begränsat och omfattar ungefär m² (Figur 15). Figur 15. Den södra räddningstunnelns avrinningsområde. 18

25 Den norra ingången har ett litet avrinningsområde på ca m² (Figur 16). Att området inte är större beror på att marken lutar från tunneln vilket gör att enbart vatten direkt ovanför tunneln ingår i avrinningsområdet, resten leds bort. Figur 16. Den norra tunnelingångens avrinningsområde. 19

26 Förhållandena vid Norralatunnelns södra ingång påminner om de vid norra ingången, där marken lutar bort från tunneln. Detta medför att storleken på tunnelns avrinningsområde endast är ca m² (Figur 17). Figur 17. Den södra tunnelingångens avrinningsområde. 4.3 Fuktighetsindex vid räddningstunnlarna Två olika fuktighetsindex, TWI och SWI, skapades i området kring de två norra räddnings-tunnlarna. I rapporten presenteras dessa index med samma geografiska utsträckning för att en jämförelse lätt ska kunna göras. Resultatet av både TWI och SWI redovisas med samma färgskala, där blå färg indikerar att marken är fuktig och vattenmättat medan orange färg visar på låg fuktighet i marken. 20

27 4.3.1 Topographic Wetness Index I Figur 18 illustreras markens fuktighet baserat på ett framräknat TWI. Orangea områden påvisas på höjder, vägbanker och vid tunnelingångarnas sidor. Indexet presenterar få stora områden med sammanhängande hög markfuktighet. Inga stora fuktiga områden påvisas i direkt närhet till räddningstunnlarna. Figur 18. Topografic Wetness Index. 21

28 4.3.2 SAGA Wetness Index Resultatet av det fuktighetsindexet som grundar sig på en mfd-algoritm ger ett resultat med betydligt större utbredning av fuktig mark (Figur 19). Områden med ett högt index i TWI får även i SWI ett högt värde, men utbredningen är större och flera områden har tillkommit. I och med att de olika cellerna har fler flödesriktningar i ett SWI än ett TWI så illustreras Saga Wetness Index med mjukare former. Områden med hög markfuktighet påvisas i närhet till räddningstunnlarna, men själva tunnelmynningarna beräknas ha en låg markfuktighet. Figur 19. Saga Wetness Index. 22

29 5. Diskussion och slutsatser 5.1 Metoddiskussion Den nationella höjdmodellen användes som grund för alla analyser i arbetet. Medelfelet i höjd för modellen är 0,5 meter, men i många fall är noggrannheten högre vilket gör det möjligt att utföra noggranna översvämningskarteringar. Höjdmodellen grundar sig på ett punktmoln med flera olika objekttyper, t.ex. träd, broar, mark och byggnader. Denna klassificering sker med hjälp utav automatiska metoder, vilket kan resultera i felaktigheter i höjdmodellen. I denna undersökning påträffades ett sådant objekt. En trumma var nämligen klassificerad som mark och det innebär att höjdmodellen hade fel höjdvärde vid trumman. Med hjälp av manuell editering i programvaran ArcGIS åtgärdades denna felaktighet så att höjdvärdet vid trumman blev korrekt. Det är dock möjligt att fler områden med felaktiga höjdvärden existerar som inte har upptäckts. Metoden som användes för att beräkna avrinningsområden grundas på en undersökning som utfördes av Länsstyrelsen i Dalarna. Metoden använder sig av de hydrologiska verktygen i ArcGIS för att utföra beräkningarna. Av de ingående verktygen i modellen kräver två verktyg manuell inställning, vilket kan leda till missvisande resultat vid felaktig användning. Dessa två verktyg är Fill och Snap Pour Point. Verktyget Fill används för att skapa en hydrologiskt korrekt höjdmodell genom att fylla igen sänkor i terrängen så att vattnet kan flöda fritt. I arbetet valdes att alla sänkor på högst fyra meter skulle fyllas igen. Problemet som uppstod var att om ett för lågt gränsvärde valdes ledde det till att vattnet inte kunde flöda fritt. Om istället ett för högt värde valdes så fylldes tunnelmynningen igen och vatten kunde inte flöda ner till tunneln. Genom undersökningar av flödet i höjdmodellen drogs slutsatsen att det bästa resultatet uppnås vid ett värde på fyra meter. Problemet med verktyget Snap Pour Point är snarlikt det ovan nämnda fallet. Om en för stor sökradie anges så kan flödespunkten placeras i ett vattendrag som punkten egentligen inte tillhör, används en för låg sökradie kan punkten hamna utanför ett vattendrag istället. TWI och SWI är två olika metoder som redovisar fuktighetsindex, dvs. hur fuktigt ett område är i förhållande till omgivningen. Fuktighetsindex visar inte direkt om ett område är översvämningshotat, utan det visar om ett område har en hög markfuktighet. Däremot kan ett område med högt fuktighetsindex i kombination med ett stort avrinningsområde leda till översvämningar i samband med nederbörd. Detta eftersom en stor del av nederbörden då kommer att rinna längs med markytan. Enligt studier visar SWI en mer realistisk representation av markfuktigheten, i arbetet valdes dock att använda både TWI och SWI för att kunna jämföra resultatet utav två olika metoder. 23

30 5.2 Resultatdiskussion Ett avrinningsområde skapades för varje enskild tunnelingång i Norralatunneln, dvs. för de tre räddningstunnlarna och huvudingångarna. Resultatet visar på att räddningstunnlarna har ett betydligt större avrinningsområde än huvudingångarna. Avrinningsområdet för den mellersta räddningstunneln är så stort som 1,1 km² och det var den tunneln som blev översvämmad den 11 augusti 2013, då mer än 100 mm nederbörd föll i området. Den norra räddningstunnelns avrinningsområde är 5 % av mellersta tunnelns avrinningsområde, vilket är det näst största avrinningsområdet. Noterbart är att denna tunnel inte blev översvämmad vid samma mängd nederbörd. I och med att metoden visar att den tunnel som översvämmats också har störst avrinningsområde kan slutsatsen dras att metoden är relevant för denna typ av studie. Mer än 90 % av det vatten som hamnade i tunneln kom från västra sidan av E4:an genom älgpassagen, placeringen av älgpassagen är därför olämplig ur ett hydrologiskt perspektiv. Strax efter älgpassagen har en trumma placerats som leder vattnet mot ett skyddsdike som ligger strax intill räddningstunneln. Noggrannheten på de skapade avrinningsinområdena kan inte bli bättre än det data som de grundar sig på, i detta fall NH-data som har en noggrannhet på 0,5 meter i höjd. Det gör att gränsen för avrinningsområdet, dvs. vattendelaren, inte är exakt. Vid granskning av den norra och mellersta räddningstunnelns avrinningsområde framkommer det att de har en gemensam vattendelare. Detta tyder på ett tillförlitligt resultat, eftersom det varken förekommer överlappning eller luckor mellan gränserna. Slutsatsen är att NHdata är lämpligt att använda för översvämningskartering. Undersökningen av fuktighetsindex visar att SWI ger en bättre modell av verkligheten än vad TWI gör, vilket stämmer överens med tidigare forskning. Den stora begräsningen i TWI ligger i att flödesmodelleringen enbart flödar i en av åtta riktningar, medan SWI kan flöda i oändligt många riktningar. Fuktighetsindex är ett bra verktyg att använda som komplement till en översvämningsanalys, men som en fristående undersökning ger det inte tillräcklig information för en översvämningskartering. 5.3 Framtidsutsikter och åtgärdsförslag Norralatunneln ligger i ett område som kommer att få en ökade framtida nederbörd och därför måste åtgärder vidtas för att motverka att en liknande översvämning sker igen. Att flytta tunneln är inget alternativ och därför borde fokus ligga på att vidta skyddsåtgärder för att förebygga översvämning. En möjlig åtgärd skulle kunna vara att förstärka vallen väster om den mellersta räddningstunneln, där det idag finns en bäck (bilaga 3). Ett annat alternativ är att gräva om diket som leder vatten från älgpassagen ner till bäcken. Det är små höjdskillnader i området, vilket förenklar möjligheten att leda om vattnet. 24

31 I arbetet har ingen beräkning gjorts på hur mycket vatten som flödade ner till tunneln i samband med översvämningen. Med tanke på den förväntade ökningen av nederbörd rekommenderas vidare studie av ytavrinning i området. Målet bör då vara att ta fram en lösning på hur tunneln kan skyddas. Analyserna som har utförts är tillämpningsbara även på andra typer av infrastruktur, därför rekommenderas Trafikverket att använda sig av metoden vid projektering och undersökning av infrastruktur. 25

32 Referenser Andersson, J-O.(2009). A GIS-based landscape analysis of dissolved organic carbon in boreal headwater streams. Karlstad: Faculty of Social and Life Sciences. Tillgänglig: [ ] Carp, O. (2013). Fortsatta förseningar i tågtrafiken. Dagens Nyheter. 13 augusti. ESRI (2011A). Minus (Spatial Analyst). [Elektronisk]. Tillgänglig: [ ]. ESRI (2011B). Fill (Spatial Analyst). [Elektronisk]. Tillgänglig: [ ]. ESRI (2011C).How Fill works [Elektronisk]. Tillgänglig: [ ]. ESRI (2012A). Feature to Raster (Conversion). [Elektronisk]. Tillgänglig: [ ]. ESRI (2012B). Reclassify (Spatial Analyst). [Elektronisk]. Tillgänglig: [ ]. ESRI (2012C).How Sink works. [Elektronisk]. Tillgänglig: / [ ]. ESRI (2012D) How Flow Direction works.[elektronisk]. Tillgänglig: /[ ]. ESRI (2012E).How Flow Accumulation works.[elektronisk]. Tillgänglig: /[ ]. ESRI (2012F). Snap Pour Point (Spatial Analyst).[Elektronisk]. Tillgänglig: [ ]. 26

33 ESRI (2012G).How Watershed works. [Elektronisk]. Tillgänglig: 000/ [ ]. ESRI (2013A). Create LAS Dataset (Data Management). [Elektronisk]. Tillgänglig: [ ]. ESRI (2013B).An overview of remap classes (arpy.sa).[elektronisk]. Tillgänglig: [ ]. Hultman, A. (2013). Stopp i tågtrafiken. Sveriges Television. 11 augusti. Kopecký, M. and Čížková, Š. (2010).Using topographic wetness index in vegetation ecology: does the algorithm matter?. International Association for Vegetation Science. Tillgänglig: [ ]. Lantmäteriet (2010). Produktbeskrivning: GSD-höjddata, grid 50+. Tillgänglig: uktbeskrivningar/hojd50plus.pdf [ ]. Lantmäteriet (2014). Produktbeskrivning: Laserdata. Gävle: Lantmäteriet. Tillgänglig: beskrivningar/laserdat.pdf [ ]. Lantmäteriet (u.å). Fakta om laserskanning. [Elektronisk]. Tillgänglig: [ ]. Länsstyrelsen Dalarna (2012). En metodbeskrivning för beräkning av avrinningsområden utifrån Nya nationella höjdmodellen i ArcMap. Dalarna: Länsstyrelsen Dalarna. Tillgänglig: 2012/PM%20Metodbeskrivning%20avrinningsomraden%20NNH% pdf [ ]. Martikainen, R. (2013). Översvämningar efter kraftigt regnoväder. Expressen.11 augusti. Milevski, I., Dragićević, S.& Kostadinov, S. (2007). DIGITAL ELEVATION MODEL AND SATELLITE IMAGES AN ASSESSMENT OF SOIL EROSION POTENTIAL IN THE PCINJA CATCHMENT. GlasnikSrpskog geografskog društva. Tillgänglig: [ ]. Norin, L. (2014). norrala1_ _all. Sveriges Meteorologiska och Hydrologiska Institut. Olsson, P-O. (2009). Digitala höjdmodeller och höjdsystem. Insamling av höjddata med fokus på flygburen laserskanning. Lund: Centrum för Geobiosfärsvetenskap Naturgeografi och Ekosystemanalys. 27

34 Tillgänglig: 7 [ ] P 1992:10. BANUTREDNING Söderhamn-Enånger. Gävle: Banverket. Schmidt, F & Persson A. (2003).Comparison of DEM Data Capture and Topographic Wetness Indices. Dordrecht: Kluwer Academic Publishers. Tillgänglig: 66= _22dc6288e a6d2c66671d7b76&ext=.pdf [ ]. SOU 2007:60. Klimat- och sårbarhetsutredningen. Stockholm: Miljödepartementet. SMHI (2009). Avrinningsområde. [Elektronisk]. Tillgänglig: [ ]. SMHI (2014). Meteorologiska observationer, Söderala. [Elektronisk]. Tillgänglig: [ ]. SMHI (u.å) Klimatscenarier. [Elektronisk]. Tillgänglig: 99&sc=a1b&sc=rcp45&sy=0&sx=0%20- %20area=swe&dnr=99&sc=rcp45&seas=ar&var=n#area=swe&dnr=99&sc=rcp45&seas=ar&var=n [ ]. Trafikverket (2012). NNH i Trafikverket. Borlänge: Trafikverket. Tillgänglig: [ ]. Trafikverket (2013). Stopp i tågtrafiken på Ostkustbanan till måndag kväll. [Elektronisk]. Tillgänglig: [ ]. Qin, C-Z., Zhu, A-X., Pei, T., Li, B-L., Scholten, T., Behrens T. & Zhou C-H. (2009). An approach to computing topographic wetness index based on maximum downslope gradient. Springer US. Tillgänglig: y.pdf?auth66= _8e83f95329d08f0bdd1b60a3440d043a&ext=.pdf [ ]. WGII AR5. Climate Change 2014: Impacts, Adaptations and Vulnerability. Yokohama : Intergovernmental Panel on Climate Change. 28

35 Bilaga 1 Nederbörd I bilaga 1 presenteras först en väderkarta (figur 20) över området kring Söderhamn, med information om mängden nederbörd som föll den 11 augusti. Därefter redovisas SMHIs statistik från flera olika klimatscenarier över beräknad framtida nederbördsmängd och intensitet (figur 21-26). Figur 20. Nederbörd den 11 augusti Diagrammen nedan redovisar beräknad procentuell förändring av årsnederbörd för det område där Norralatunneln är belägen. Diagrammets svarta kurva visar medelvärdet av SMHIs använda klimatscenarier, medan det grå fältet visar variationer på scenarierna. De färgade staplarna symboliserar tidigare nederbördsmängder, gröna staplar visar nederbördsmängder större än det normala och gula staplar nederbördsmängder mindre än det normala. 29

36 Figur 21. Förändring av årsnederbörd enligt scenario RCP 4,5. Figur 22. Förändring av årsnederbörd enligt scenario RCP 8,5. 30

37 Figur 23. Förändring av årsnederbörd enligt scenario SRES A1B. Figur 24. Förändring av största dygnsnederbörd enligt scenario RCP 4,5. 31

38 Figur 25. Förändring av största dygnsnederbörd enligt scenario RCP 8,5. Figur 26. Förändring av största dygnsnederbörd enligt scenario SRES A1B. 32

39 Bilaga 2 Verktyg Nedan presenteras en mer utförlig beskrivning av de verktyg i programvaran ArcGIS som användes för att beräkna tunnelingångarnas avrinningsområde. Verktygen presenteras i den ordning som de användes i under arbetets gång. Create LAS Dataset Ett LAS-dataset används för flygburen laserskanning i las-format. Lasfiler innehåller vanligvis geografisk referensinformation som läses in av datasetet. Vid skapandet av ett dataset finns möjlighet att ange vilket koordinatsystem datat ska presenteras i, anges inget av användaren används det koordinatsystem som den första inlästa LAS-filen tillhör (ESRI 2013A). Feature to Raster Verktyget konverterar vektordata, från geodatabaser och shapefiler, till raster. Konvertering kan ske med filer innehållande punkter, linjer och polygoner. I processen anges vilket attributfält i vektordatat som ska ligga till grund för cellernas värde samt cellstorleken på det nya rastret (ESRI 2012A). Reclassify Detta är ett verktyg som ändrar värdet på cellerna i ett raster. För att verktyget ska kunna utföras krävs det att cellerna i rastret har giltiga värden. I fältet Reclass field anges vilket attributfält vars värden ska ändras. Fältet remap anger hur klassificeringen ska gå till (ESRI 2012B). Remap objects är listor som ger cellvärden till nya celler. Det finns två metoder för att klassificera data, klassificering med olika intervaller och klassificering med individuella värden (ESRI 2013B). Minus Verktyget Minus subtraherar cellvärdena i ett raster från motsvarande celler i ett annat raster med samma utbredning (Figur 27) (ESRI 2011A). Figur 27. Verktyget Minus. 33

40 Fill Verktyget använder sig av en höjdmodell som indata för beräkningarna. Vid beräkning med verktyget anges en maximal höjddifferens för vilka sänkor som skall åtgärdas (ESRI 2011B). Definitionen av en sänka i en höjdmodell är att en cell har en odefinierad flödesriktning, det kan hända i två fall. Det ena fallet är om alla celler kring cellen har ett högre värde än cellen i fråga. Det andra fallet är om två celler flödar in i varandra, vilket då resulterar i en loop (ESRI 2012C). Fill använder sig av flera olika verktyg för att lokalisera och fylla upp sänkor i höjdmodellen, verktyget itererar igenom höjdmodellen flera gånger för att skapa en komplett modell (Figur 28) (ESRI 2011C). Figur 28. Illustration av verktyget fill. Flow Direction För att kunna utföra Flow Direction krävs ett raster med höjddata. Vid beräkning av vilken riktning vattnet flödar så placeras verktyget i en cell och jämför den cellens höjd med närliggande cellers höjd. När den närliggande cellen med lägst höjdvärde är identifierad tilldelas den utvalda cellen ett värde baserat på i vilken riktning vattnet beräknas flöda (Figur 29) (ESRI 2012D). Figur 29. Illustration av en beräkning med Flow Direction. 34

41 Flow Accumulation Verktyget använder sig av ett Flow Direction -lager som indata för att göra beräkningar. När verktyget används undersöks en utvald cell och beräknar hur många av de närliggande cellerna som flödar in i den utvalda cellen (Figur 30) (ESRI 2012E). Figur 30. Flow Accumulation. Snap Pour point För att kunna placera utloppspunkter korrekt så används angivna punkter och ett Flow Accumulation - lager som indata. När verktyget utförs anges en s.k. snap distance, det innebär att en sökradie anges. Med hjälp av denna radie kan verktyget söka efter det största värdet i Flow Accumulation -rastret och placerar utloppspunkten i den cellen (ESRI 2012F). Watershed Som indata till verktyget Watershed krävs det ett Flow Direction -lager och ett lager med utloppspunkter eller en höjdmodell. Med hjälp av dessa lager kan verktyget beräkna fram avrinningsområdets storlek. I beräkningen utgår verktyget från utloppspunkterna och beräknar vilka celler som bidrar med vatten till varje utloppspunkt, därefter görs en uppdelning i avrinningsområden (Figur 31). Om en höjdmodell används kan endast ett avrinningsområde beräknas som inte innehåller några delavrinningsområden (ESRI 2012G). Figur 31. Beräkning av avrinningsområden. 35

42 Bilaga 3 Bilder från Norralatunneln Nedan presenteras bilder som togs i samband med ett besök vid Norralatunneln den 12 maj 2014 (Figur 32-37). Figur 32. Södra räddningstunneln. Figur 33. Mellersta räddningstunneln, sett från bergskanten. 36

43 Figur 34. Mellersta räddningstunneln. 37

44 Figur 35. Norra räddningstunneln. 38

45 Figur 36. Dike väster om den mellersta räddningsingången. 39

46 Figur 37. Älgpassage under E4an. 40