Att förstå multipla naturolyckor: Metodik för analys, bedömning och visualisering av kaskadhändelserShow others and affiliations
Responsible organisation
2025 (Swedish)Report (Other academic)
Abstract [sv]
Denna rapport är ett delresultat av forskningsprojektet: Cascading Natural Hazards: Visualizing, Learning and Understanding (CAZULU), som finansierats av MSB och Formas (MSB 2019-06050). Ett syfte med CAZULU-projektet var att, på ett icke-probabilistiskt sätt, analysera och visualisera kaskadmönstren för naturolyckor/naturhändelser, vilka omfattar skred, i utvalda avrinningsområden i Sverige. Dessa kaskadhändelser omfattar händelser före skredet såsom extrema väderhändelser (för lite eller för mycket nederbörd), översvämning, yterosion, erosion längs vattendrag och händelser efter skredet såsom flodvågor, uppdämning, eventuella dammbrott och översvämning.
Rapporten beskriver den stegvisa utvecklingen av en semi-kvantitativ metod för analys av kaskadhändelser och visualisering av resultatet i GIS-miljö. Vidare redovisas användning och utvärdering av metoden i två skredbenägna områden längs vattendrag i Sverige: längs Göta älv och Ångermanälven. Med den framtagna metoden är det möjligt att särskilja områden längs ett vattendrag där det är mer troligt att en kaskadhändelse skulle kunna inträffa. Detta är värdefullt vid planering och för att kunna prioritera var åtgärder för övervakning eller förstärkning ska genomföras för att göra mest nytta. Analysen längs Göta älv och Ångermanälven visar att metodens användbarhet beror på hur lång kaskadhändelsekedja analysen resulterar i och hur bra det går att ta fram indikatorer för de olika händelserna.
Place, publisher, year, edition, pages
Linköping: Statens geotekniska institut, 2025. , p. 55
Keywords [sv]
multipla naturhändelser, kaskadhändelser, skred, metodutveckling, Göta älv, Ångermanälven, naturolyckor, skredanalys, GIS-visualisering, erosionsrisk, skredkartläggning, geoteknisk metodik, riskbedömning
National Category
Geotechnical Engineering and Engineering Geology
Identifiers
URN: urn:nbn:se:swedgeo:diva-1083OAI: oai:DiVA.org:swedgeo-1083DiVA, id: diva2:1930805
2025-01-242025-01-242025-02-07