MARC

 008260126s2025        us                              c    eng  d
■001000017359015
■00520260202104822
■006m          o    d                
■007cr#unu||||||||
■020    ▼a9798293823949
■035    ▼a(MiAaPQ)AAI32169271
■040    ▼aMiAaPQ▼cMiAaPQ
■0820  ▼a620
■1001  ▼aYoung,  Alexander  Lehtonen.▼0(orcid)0009-0001-6026-0221
■24510▼aSensor-Driven  Flood  Risk  Monitoring  in  Levee-Protected  Floodplains  and  Urban  Storm  Sewer  Networks
■260    ▼a[Sl]▼bCornell  University▼c2025
■260  1▼aAnn  Arbor▼bProQuest  Dissertations  &  Theses▼c2025
■300    ▼a231  p
■500    ▼aSource:  Dissertations  Abstracts  International,  Volume:  87-03,  Section:  B.
■500    ▼aAdvisor:  Albertson,  John.
■5021  ▼aThesis  (Ph.D.)--Cornell  University,  2025.
■520    ▼aFlooding  continues  to  pose  a  global  threat  to  life  and  property  and  communities  in  both  rural  and  urban  areas  face  compound  flood  risk  from  riverine,  pluvial,  coastal  flooding,  or  combinations  of  these  three  types.  Riverine  flooding  is  often  managed  with  levees  that  reduce  the  frequency  of  low-magnitude  floods  and  protect  infrastructure  in  low-lying  floodplains.  Flooding  in  urban  areas  is  often  managed  with  stormwater  collection  systems,  which  convey  water  away  from  populated  areas.  Sufficiently  large  precipitation  events  can  overwhelm  flood  defense  infrastructure,  especially  when  the  infrastructure  is  poorly  maintained  or  degraded  from  its  design  specifications.  Levees  can  fail  due  to  overtopping  or  erosion  and  stormwater  collection  systems  can  exhibit  unexpected  capacity  reductions,  for  example  due  to  blockages.  In  recent  decades,  advancements  in  low-cost  depth,  velocity,  flow  sensors,  increases  in  computer  modeling  resolution,  and  new  data  processing  algorithms  have  given  municipalities  a  broad  set  of  tools  for  monitoring  and  modeling  their  combined  flood  risk.  Given  the  rapid  development  of  these  tools,  there  are  still  many  unanswered  questions  about  how  to  efficiently  and  effectively  allocate  sensors,  interpret  sensor  and  model  data  to  characterize  flood  risk,  and  validate  the  outputs.  This  thesis  addresses  aspects  of  these  three  questions  through  case  studies  and  simulations  in  a  levee  protected  floodplain,  a  model  of  an  urban  stormwater  system,  and  a  laboratory-scale  stormwater  pipe.  Specifically,  the  studies  address  monitoring  of  flood  propagation  in  real  time,  detection  of  stormwater  system  sections  that  are  at  risk  of  overflow,  and  diagnosis  of  blockages  and  retention  basin  silting  in  early  stages  of  formation.  The  first  study  explores  installing  a  sensitivity-based  flow  depth  sensor  network  across  a  floodplain  to  calibrate  flow  resistance  parameters  for  a  levee  breach  flood  model  in  real  time.  The  sparse  network  of  sensors  is  sufficient  to  accurately  estimate  the  parameters  and  produce  an  accurate  flood  forecast  with  enough  lead  time  to  guide  downstream  emergency  preparation.  The  following  three  studies  focus  on  sensor  applications  to  urban  stormwater  system  monitoring  for  emergent  flood  risk.  The  first  study  in  this  vein  optimizes  the  placement  of  depth  and  flow  sensors  in  a  large  (~1000  manhole)  sewer  system  to  ensure  complete  detection  of  pipe  blockage  driven  overflows.  Optimized  networks  consist  of  sensors  in  manholes  with  large  fields  of  view,  meaning  they  experience  backup  from  blockages  far  downstream.  Results  from  numerical  simulations  show  that  the  optimized  sensor  networks  outperform  randomly  assigned  sensor  networks  in  blockage-induced  overflow  detection.  In  the  second  study,  fire  hydrant  flushing  is  used  as  a  known  impulse  to  a  section  of  stormwater  system  and  the  resulting  impulse-response  hydrograph  measured  downstream  is  used  to  detect  blockages  and  retention  basin  silting.  A  calibration-optimization  procedure  estimates  the  parameters  of  a  simple  stormwater  system  numerical  model  to  also  diagnose  the  location  and  severity  of  the  blockages  and  retention  basin  silting.  Blockages  and  retention  basin  silting  of  varying  severity  were  accurately  diagnosed  with  the  procedure  under  increasing  noise  contamination,  though  localization  and  severity  characterization  suffered  at  high  noise  levels.  For  the  final  study,  blockage  detection  from  downstream  depth  sensor  measurements  is  investigated  with  experiments  in  a  laboratory-scale  stormwater  system.  A  hydrograph  recession  rate  metric  was  able  to  accurately  detect  and  locate  in  time  a  40%  and  60%  pipe  diameter  constriction  from  a  sensor  placed  60  diameters  downstream  of  the  blockage.  This  result  introduces  a  novel  sewer  data  analysis  technique  with  the  potential  to  augment  existing  data-driven  blockage  detection  methods.  Taken  together,  this  thesis  builds  new  methodologies  for  implementation  of  sensor-based  flood  risk  management,  but  also  highlights  the  need  for  developing  solutions  tailored  to  the  needs  of  specific  municipalities  due  to  the  diverse  range  of  flood  risks  and  no  one-size-fits-all  approach.
■590    ▼aSchool  code:  0058.
■650  4▼aHydraulic  engineering
■650  4▼aFluid  mechanics
■650  4▼aEnvironmental  engineering
■653    ▼aFlooding
■653    ▼aHydraulic  modeling
■653    ▼aLevee  breach
■653    ▼aSewer  sensing
■653    ▼aStormwater  management
■690    ▼a0218
■690    ▼a0204
■690    ▼a0775
■690    ▼a0474
■71020▼aCornell  University▼bCivil  and  Environmental  Engineering.
■7730  ▼tDissertations  Abstracts  International▼g87-03B.
■790    ▼a0058
■791    ▼aPh.D.
■792    ▼a2025
■793    ▼aEnglish
■85640▼uhttp://www.riss.kr/pdu/ddodLink.do?id=T17359015▼nKERIS▼z이  자료의  원문은  한국교육학술정보원에서  제공합니다.

미리보기

내보내기

chatGPT토론

Ai 추천 관련 도서