Skenario genangan untuk evaluasi kerusakan banjir di daerah polder

1. Perkenalan
Daerah polder datar yang dilindungi oleh tanggul ada di banyak tempat di seluruh
dunia, terutama di delta sungai dataran rendah. Daerah-daerah ini sangat rentan
dalam hal terjadi pelanggaran tanggul selama tingkat air yang tinggi dan karena
konsentrasi tinggi orang dan modal (Smith and Ward, 1998). Untuk keputusan dan
investasi dalam manajemen risiko banjir, perkiraan yang dapat diandalkan
terhadap potensi kerusakan diperlukan (misalnya Vrijling et al., 1998). Karena sifat
probabilitas rendah dari banjir ekstrim dan oleh karena itu ketersediaan terbatas,
atau bahkan tidak ada sama sekali, data kerugian historis, simulasi peristiwa
kehilangan menggunakan model bencana diperlukan untuk sampai pada kisaran
realistis potensi kerusakan. Hal ini terutama terjadi di Belanda, di mana peristiwa
banjir karena tanggul tanggul dengan dampak luas sangat jarang. Peristiwa
kerugian yang telah didokumentasikan dengan baik hanya terdiri dari peristiwa
gelombang badai besar pada tahun 1953 (Van Dantzig, 1956; Gerritsen, 2005).
Baru-baru ini, peristiwa banjir sungai pada tahun 1993 dan 1995 melibatkan
kerugian ekonomi yang cukup besar, tetapi terbatas pada genangan yang relatif
kecil dan tidak ada pelanggaran tanggul terjadi (Wind et al., 1999). Dengan
menerapkan pendekatan pemodelan yang menggunakan hubungan kerugian banjir
berdasarkan peristiwa banjir di wilayah lain di dunia, adalah mungkin untuk
memperkirakan potensi risiko banjir untuk peristiwa banjir ekstrim. Sementara
lembah sungai di lembah-lembah umumnya menghadapi tingkat penggenangan yang
berbeda selama banjir, daerah polder dataran rendah menghadapi banyak peristiwa
banjir yang dapat terjadi di lokasi yang berbeda, dengan konsekuensi yang sangat
berbeda. Lokasi banjir di polder tergantung pada kegagalan pertahanan banjir yang
tidak dapat diprediksi, yang menimbulkan masalah khusus untuk penilaian risiko
banjir yang akurat. Ini biasanya diselesaikan dengan penciptaan skenario banjir yang
berbeda. Secara khusus kedalaman genangan maksimum dari skenario banjir
digunakan untuk menghitung kerusakan (Messner et al., 2007; Rijkswaterstaat,
2005a). Pemodelan hidrodinamik dua dimensi telah umum digunakan untuk
membuat perkiraan kemungkinan limpasan banjir dan kedalaman genangan untuk
banjir tertentu (Van der Most andWehrung, 2005; Rijkswaterstaat, 2006; Jonkman
dkk., 2008). Akan tetapi, sejumlah kecil skenario yang dapat diproduksi secara wajar
dengan cara ini, dan resolusi horizontal yang relatif kasar dari skenario banjir
membatasi kegunaan model-model ini untuk perkiraan kerugian resolusi spasial yang
tinggi untuk area yang luas. Pemodelan hidrodinamik dua dimensi telah umum
digunakan untuk membuat perkiraan kemungkinan limpasan banjir dan kedalaman
genangan untuk banjir tertentu (Van der Most andWehrung, 2005; Rijkswaterstaat,
2006; Jonkman dkk., 2008). Akan tetapi, sejumlah kecil skenario yang dapat
diproduksi secara wajar dengan cara ini, dan resolusi horizontal yang relatif kasar
dari skenario banjir membatasi kegunaan model-model ini untuk perkiraan kerugian
resolusi spasial yang tinggi untuk area yang luas. Biasanya ada trade-off antara detail
fisik dari model, dan skala spasial dan ukuran wilayah studi (Hunter et al., 2007).
Khususnya, pembangunan kurva probabilitas kerugian membutuhkan sejumlah besar
perkiraan kerusakan potensial (Messner et al., 2007). kurva probabilitas kerugian
seperti itu diperlukan, karena mereka memberikan informasi penting untuk
pengambilan keputusan tentang kebijakan manajemen risiko banjir, karena mereka
dapat menunjukkan berbagai kemungkinan kerugian. Kurva probabilitas kerugian
memungkinkan evaluasi integral dari kurva kerugian, termasuk nilai-nilai ekstrim.
Penilaian berdasarkan perkiraan risiko probabilistik dapat membantu untuk
mendukung keputusan tentang alokasi keuangan publik untuk pengurangan risiko,
penilaian proyek manajemen banjir, dan untuk menunjukkan kesesuaian
pengeluaran anggaran publik (Vrijling, 2001; MNP, 2004; Messner et al. ., 2007; De
Bruijn dan Klijn, 2009). Selain itu, pengenalan potensi asuransi swasta di Belanda
untuk kerugian banjir karena pemecahan tanggul membutuhkan evaluasi akurat
kerugian dan probabilitas mereka (Botzen dan Van den Bergh, 2008). Jumlah
skenario banjir yang relatif kecil saat ini tersedia dari pemodelan hidrodinamik di
Belanda mungkin tidak cukup memungkinkan untuk memperhitungkan variasi dalam
jumlah air membanjiri, ketidakpastian yang terkait dengan potensi kegagalan
pertahanan banjir sekunder, dan lokasi potensi tanggul yang berbeda-beda.
pelanggaran dan kerugian terkait. Selain itu, resolusi spasial skenario penggenangan
sangat menentukan keakuratan perkiraan yang dibuat menggunakan fungsi
kerusakan kedalaman, dan oleh karena itu keakuratan potensi kerugian. Pemodelan
hidrodinamik, tergantung pada jenis model yang terlibat, biasanya terbatas pada
resolusi kasar, atau area investigasi terbatas, karena permintaan dan waktu
komputasi komputer yang tinggi. Perkiraan saat ini risiko banjir di Belanda biasanya
dibatasi hingga resolusi 100 m. Untuk area studi yang luas, perkiraan tingkat
genangan relatif terhadap ketinggian permukaan tanah yang sebenarnya (akurasi
vertikal), dan lokasi yang tepat dari batas-batas kategori kerugian yang berbeda
(keakuratan horizontal) hanya diperkirakan secara kasar, menyebabkan
ketidakpastian dalam estimasi potensi kerugian. . Jelas, resolusi yang sangat halus
akan ideal, tetapi ada batas untuk analisis apa pun. Di sini kita mendemonstrasikan
kegunaan peningkatan yang cukup besar dalam resolusi genangan, dengan
menggunakan model elevasi pada resolusi horizontal 5-m. Proyek Belanda “Risiko
banjir dan keselamatan di Belanda” (Floris) adalah untuk memberikan perkiraan
patokan untuk risiko banjir di mana kebijakan nasional akan didasarkan yang terkait
dengan evakuasi, perlindungan banjir, dan pengurangan risiko (Rijkswaterstaat,
2005b; Van der Most dan Wehrung, 2005). Proyek ini menyediakan analisis risiko
banjir rinci untuk area studi kasus, menggunakan skenario dari pemodelan
hidrodinamik pada resolusi 100-m. Namun skenario banjir ini hanya terdiri dari 13
skenario saat ini (Rijkswaterstaat, 2006). Kami menyajikan pendekatan alternatif
untuk membuat sejumlah besar skenario banjir di area yang dilindungi oleh satu
tanggul utama, menggunakan model elevasi digital resolusi tinggi. Jumlah skenario
ini lebih besar dibandingkan dengan skenario hidrodinamik saat ini yang tersedia.
Pendekatan kami dalam banyak kasus akan lebih mudah dan lebih cepat dilakukan
untuk area studi yang lebih luas. Ini memuji pendekatan hidrodinamika yang lebih
rinci, dengan memberikan penilaian risiko dengan akurasi yang memadai, tetapi
pada skala geografis yang lebih besar. Ini juga melengkapi penilaian risiko skala
nasional perkiraan pertama yang baru-baru ini dibuat dari risiko banjir saat ini dan
masa depan (misalnya MNP, 2004; Rijkswaterstaat, 2005a; Klijn dkk. 2007; Aerts et
al., 2008), tetapi itu tidak mempertimbangkan berbagai peristiwa banjir yang
berbeda yang bisa terjadi di polder individu. Metode kami sebagian besar bertujuan
untuk menyediakan platform untuk memberikan lebih banyak detail untuk perkiraan
risiko dinamis dari waktu ke waktu, karena perubahan penggunaan lahan dan
perubahan iklim. Pendekatan ini diterapkan ke daerah studi di sepanjang sungai
Meuse di selatan Belanda. Potensi kerugian kemudian dihitung dengan model
kerugian sederhana menggunakan kurva kedalaman-kerusakan. Pendekatan ini
melibatkan identifikasi 23 sub-basin individu yang berpotensi terendam dan
akibatnya penciptaan skenario banjir yang terdiri dari berbagai kombinasi sub-basin
yang terendam. Modul kerusakan yang kami terapkan dapat menggabungkan
seperangkat parameter kecil yang menggambarkan penggunaan lahan saat ini dan
masa depan, serta pecahan kerugian berdasarkan perkiraan kedalaman genangan.
Penelitian selanjutnya akan menerapkan berbagai skenario penggunaan lahan dan
perubahan iklim untuk memperkirakan dampak perubahan sosioekonomi dan iklim
terhadap potensi kerugian banjir di masa depan. Dalam sebuah makalah yang
menyertainya (Bouwer et al., 2009), kami menyediakan analisis skenario untuk tahun
2040, berdasarkan pada skenario dan pendekatan pemodelan kerugian yang
disajikan di sini. Proyeksi risiko masa depan seperti itu berguna untuk
memperkirakan kejadian probabilitas rendah yang dapat terjadi selama puluhan
tahun ke depan, dan yang menentukan manfaat keputusan investasi selama rentang
waktu ini. Penilaian tersebut membutuhkan metode yang cukup rinci tetapi
sederhana dan layak untuk dilaksanakan (Klijn et al., 2007; Aerts et al., 2008).
Pendekatan kami mengasumsikan bahwa cekungan individu di dalam area ring
tanggul utama terisi hingga batas cekungan terendah. Pendekatan ini mengabaikan
fakta bahwa banjir memiliki sifat dinamis dan hanya mengasumsikan kerugian akibat
penggenangan. Ini adalah penyederhanaan yang dapat diterima, mengingat
topografi daerah polder yang relatif datar, dan fakta bahwa kecepatan aliran tinggi
umumnya hanya terjadi secara lokal, dekat dengan pemecah tanggul. Metode
meniru pendekatan diterapkan untuk banjir lembah yang menggunakan interpolasi
 linier tingkat air banjir dan persimpangan mereka dengan model elevasi permukaan
(Apel et al., 2009). Meskipun metode ini memiliki pemodelan hidrodinamika yang
kurang baik, tetapi model banjir yang lebih rinci umumnya lebih memprihatinkan
daripada model bahaya (Apel et al., 2009). Keuntungan utama dari pendekatan kami
adalah bahwa sejumlah besar peristiwa banjir potensial dapat diciptakan dengan
sedikit usaha. Untuk area studi kasus kami, kami menerapkan model elevasi dengan
resolusi horisontal 5-m. Baik kisaran besar skenario banjir dan resolusi horizontal
tinggi akan mengurangi setidaknya sebagian dari ketidakpastian yang dihadapi dalam
pemodelan kehilangan banjir. Perkiraan kerugian banjir yang dihasilkan dari
pendekatan kami dibandingkan dengan perkiraan kerugian dari proyek Floris
(Rijkswaterstaat, 2006).

Gambar. 1. Peta penggunaan lahan dari area studi, area tanggul ban 36 Land van Heusen / de
Maaskant (sumber: Land-use Scanner).

2. Area studi, metode dan data

Daerah penelitian terdiri dari daerah lingkar cincin 36, yang disebut Land van
Heusden / de Maaskant di selatan Belanda (Gambar 1). Area ring dike adalah area
yang tertutup oleh pertahanan banjir primer tunggal (tanggul), dan di beberapa area
juga oleh dataran yang lebih tinggi. Dike ring area 36 terdiri dari area polder 740
km2, dan dibatasi oleh sungai Meuse ke utara dan timur, dan dilindungi oleh tanggul
sepanjang peregangan ini. Bahaya banjir di wilayah ini terdiri dari debit sungai yang
tinggi di sungai Meuse, yang terutama terjadi di musim dingin, dan itu dapat
menyebabkan tingkat air yang tinggi dan akibatnya akibat dari rentangan tanggul.
Sekitar 79% dari wilayah tersebut ditempati oleh pertanian, alam, dan rekreasi, dan
20% lainnya oleh daerah perkotaan. Kota-kota besar yang terletak di daerah ini
adalah Den Bosch (136 000 penduduk) dan Oss (76 000 jiwa). Beberapa fitur
infrastruktur utama seperti jalan raya, jalan, tanggul dan kanal membedah daerah
tersebut. Wilayah studi relevan untuk mempelajari risiko banjir karena dua alasan.
Pertama, ia mewakili Belanda, karena terdiri dari daerah perkotaan dengan
kepadatan tinggi, khususnya kota-kota Den Bosch dan Oss, dan daerah pertanian
 yang luas, khususnya padang rumput. Kedua, telah ditemukan bahwa daerah
tersebut, berbeda dengan beberapa daerah cincin tanggul yang lebih kecil, tidak
mungkin banjir sepenuhnya jika terjadi pemecah tanggul (Rijkswaterstaat, 2005a: p.
24). Oleh karena itu, pendekatan pemodelan diperlukan yang memperhitungkan
berbagai kemungkinan peristiwa genangan yang mempengaruhi bagian yang
berbeda dari wilayah studi dan yang dapat terjadi pada saat terjadi kegagalan
tanggul. Semua area di Belanda yang dilindungi oleh tanggul telah diberi tingkat
perlindungan yang berbeda di bawah Undang-undang Pertahanan Banjir tahun 1996,
sesuai dengan potensi keparahan banjir dan jumlah orang dan jumlah modal yang
berisiko (Van der Most dan Wehrung, 2005; Bouwer dan Vellinga, 2007). Menurut
Undang-Undang ini, area studi kasus kami harus dilindungi oleh tanggul yang dapat
menahan tingkat air sungai dengan interval pengulangan 1250 tahun. Perhatikan
bahwa interval pengulangan ini berbeda dari probabilitas banjir untuk area ring
tanggul, karena kegagalan tanggul di satu tempat tidak akan menyebabkan banjir
langsung di seluruh area. Selain itu, kegagalan tanggul juga dapat terjadi pada
ketinggian air dengan frekuensi yang lebih tinggi dari sekali dalam 1250 tahun
(Vrijling, 2001). Probabilitas kegagalan aktual dari rentangan tanggul individu dan
elemen lain dari sistem perlindungan banjir telah dihitung untuk cincin tanggul ini
dan bagian lain dari Belanda oleh proyek Floris (Rijkswaterstaat, 2005c).
2.1 Data ketinggian permukaan
Model elevasi resolusi tinggi tersedia dari Kementerian Transportasi, Pekerjaan
Umum, dan Pengelolaan Air untuk Belanda, yang disebut "Actueel Hoogtebestand
Nederland" (AHN; database Elevasi Saat Ini Belanda). Pengukuran titik untuk model
ini telah diturunkan menggunakan altimetri laser udara pada kepadatan titik asli
dari 1 pengukuran per 16m2 (Huising dan Pereira, 1998). Sejumlah produk raster
yang berbeda dibuat dari pengukuran ini, salah satunya adalah model elevasi grid
pada resolusi horizontal 5 m, yang dibuat menggunakan interpolasi pembobotan
jarak terbalik (inverse distance weighting interpolation). Akurasi vertikal dari data
elevasi diperkirakan sekitar 10–15 cm untuk dataran rata (Huising dan Pereira,
1998). Perusahaan yang mengumpulkan data menyaring grid ini untuk ketinggian
yang dihasilkan dari bangunan dan vegetasi di daerah non-perkotaan. Namun, grid
masih mengandung ketinggian yang terdistorsi oleh bangunan dan vegetasi di
daerah perkotaan, dan juga mengandung beberapa celah "nodata", khususnya di
atas wilayah perairan. Perbedaan ketinggian yang sedikit dapat mengakibatkan
ketidakakuratan yang cukup besar dalam memperkirakan potensi kerusakan
menggunakan kurva kerusakan-mendalam. Khususnya di daerah perkotaan, penting
untuk menyaring nilai-nilai yang tidak mencerminkan tingkat dasar, karena daerah
perkotaan biasanya merupakan bagian terbesar dari kerusakan (misalnya
Rijkswaterstaat, 2006).
Untuk penilaian kedalaman genangan yang mana bangunan dan benda berharga
lainnya diekspos, maka sangat penting untuk memiliki perkiraan yang akurat dari
ketinggian permukaan yang sebenarnya (vertikal), serta lokasi sebenarnya
(horizontal) dari kedalaman genangan ini yang terkait dengan lokasi sebenarnya dari
orang-orang dan modal yang berisiko. Ini dapat dicapai dengan model elevasi
resolusi tinggi. Tingkat permukaan adalah apa yang biasanya disebut sebagai 'bumi
kosong'; yaitu permukaan yang bebas dari vegetasi, bangunan dan struktur buatan
manusia lainnya (NRC, 2007). Untuk memperoleh elevasi bumi yang gundul ini,
diperlukan koreksi untuk fitur-fitur tinggi seperti pohon dan rumah di daerah
perkotaan. Kami menerapkan filter minimum ke grid 5-m yang menggerakkan
jendela pencarian persegi panjang di atas grid dan menetapkan nilai terendah yang
ditemukan di setiap jendela pencarian ke sel pusat.
Karena ukuran yang berbeda dari benda-benda di daerah-daerah ini, tiga filter yang
berbeda diterapkan untuk industri, pemukiman dan daerah pedesaan. Ketiga
kategori tersebut didefinisikan berdasarkan data statistik penggunaan lahan CBS
(CBS, 2000). Untuk kawasan industri, di mana elevasi kompleks bangunan yang
relatif besar perlu dikoreksi, jendela pencarian besar dari 18 sel grid yang luas (sama
dengan 8100m2) dipilih. Untuk daerah pemukiman, jendela pencarian yang lebih
kecil dari 10 sel grid yang luas (sama dengan 2500m2) dipilih, karena sebagian besar
bangunan tempat tinggal lebih kecil dan menempati ruang kurang dari bangunan di
kawasan industri. Untuk daerah pedesaan, di mana hanya sedikit distorsi yang perlu
dikoreksi, jendela pencarian hanya dua sel grid (sama dengan 100m2) diterapkan. Di
dalam area ini diasumsikan bahwa nilai sel terendah mewakili elevasi lokal yang
sebenarnya. Beberapa struktur buatan manusia, khususnya badan sedimen yang
tidak bisa didekompakan yang membawa jalan, jalur kereta api, tanggul dan fitur
infrastruktur lainnya dibebaskan dari filter minimum, karena mereka membentuk
hambatan sekunder penting untuk banjir. Oleh karena itu mereka mempertahankan
elevasi asli mereka. Dalam proyek Floris, filter minimum telah diterapkan juga untuk
menghasilkan data elevasi untuk perkiraan risiko banjir (Rijkswaterstaat, 2005a).
Keuntungan prosedur yang diterapkan untuk koreksi nilai elevasi adalah tidak
memerlukan sumber informasi sekunder yang ekstensif, misalnya dataset yang
menggambarkan lokasi gedung yang tepat. Selain itu, metode ini mampu
memperbaiki fitur-fitur tinggi lainnya, dan mengisi sebagian besar celah "tidak ada
data" di raster, yang terjadi terutama di atas wilayah perairan. Perhatikan bahwa
rekonstruksi ketinggian sebenarnya di atas permukaan air tidak penting untuk
tujuan kita, karena tidak ada kerusakan banjir dihitung untuk area yang ditempati
oleh air.
Sebuah penilaian visual dari bagian dari model elevasi yang dikoreksi (Gambar 2b)
dan perbandingan dengan foto udara (Gambar 2c) menunjukkan bahwa teknik
penyaringan berhasil menghilangkan elevasi yang dihasilkan dari bangunan, pohon
dan struktur tinggi lainnya dari daerah perkotaan. , sementara meninggalkan pusat
kota tua yang relatif lebih tinggi. Saluran air dan parit, bagaimanapun, sedikit
melebar.
 Selain pemeriksaan visual, kami melakukan validasi nilai elevasi vertikal, dengan
membandingkan elevasi grid ke elevasi permukaan yang diukur di tanah dengan
survei topografi. Data-data ini dikumpulkan selama tahun 1950-an dan 1960-an, dan
merupakan bagian dari dataset vektor TOP10 untuk Belanda. Pengukuran lapangan
tidak lagi dibuat, karena dataset AHN telah menggantikan elevasi TOP10. Untuk area
studi kasus yang digambarkan pada Gambar 2, total 216 pengukuran titik individual
dari tahun 1954 dikumpulkan dari dataset ini (Gambar 2d), dan dibandingkan
dengan DEM yang dikoreksi dan tidak dikoreksi berdasarkan data AHN.
Perbandingan data dibagi untuk daerah perkotaan dan industri di satu sisi, dan
daerah pedesaan di sisi lain (Gambar 2d), untuk atribut offset ke tipe penggunaan
lahan. Yang jelas adalah bahwa offset terbesar dalam DEM yang tidak dikoreksi
terjadi untuk kawasan perkotaan dan industri (Gambar 3a), yaitu sekitar + 52% rata-
rata. Setelah koreksi, perbedaan rata-rata hanya 7,4%. Dan kecuali untuk beberapa
pencilan, yang menyangkut peningkatan tinggi pada tanggul di daerah pedesaan, di
mana pepohonan menghasilkan penyimpangan besar dari DEM, ketinggian untuk
kawasan perkotaan dan industri yang terdiri dari kategori kerugian terbesar
mendekati peningkatan terukur yang sebenarnya dengan sangat baik (Gambar 3b).
Untuk daerah pedesaan, koreksi menyebabkan sedikit pengurangan dalam
penyimpangan antara data AHN dan pengukuran lapangan (3,0% dan 0,3%
perbedaan, masing-masing untuk DEM yang tidak dikoreksi dan dikoreksi).
Perlu dicatat, bagaimanapun, bahwa analisis ini hanya menangkap sebagian dari
efek teknik penyaringan. Hanya beberapa titik pengukuran bertepatan dengan sel-
sel grid DEM yang mencerminkan ketinggian rumah. Dengan demikian, efek koreksi
hanya ditunjukkan untuk beberapa lokasi ini. Bahkan, sejumlah besar sel-sel grid
yang mewakili ketinggian bangunan dikoreksi dengan menerapkan teknik filter. Oleh
karena itu kami juga menyertakan perbandingan antara perbedaan model elevasi
asli dan model elevasi yang disaring dengan lokasi rumah yang sebenarnya (Gambar
4a). Efek dari penyaringan di daerah perkotaan menunjukkan lagi bahwa hambatan
tinggi (termasuk vegetasi dan kendaraan antara bangunan) secara akurat dihapus.
Lokasi bangunan diambil dari dataset vektor TOP10 untuk Belanda. Foto udara di
Gambar. 4b memberikan bukti lebih lanjut bahwa gangguan dari bangunan dan
benda-benda lain telah dihapus dari data elevasi.
2.2 Pengembangan skenario genangan
Beberapa faktor hidrologi mempengaruhi tingkat kerusakan, termasuk kedalaman
genangan, kecepatan aliran, durasi genangan, dan polusi. Namun, kedalaman
genangan biasanya merupakan parameter utama dari mana pecahan kerusakan
dihitung (Messner et al., 2007). Umumnya, kerusakan karena kecepatan aliran yang
tinggi hanya terjadi di area kecil di dekat tanggul tanggul. Ini terutama berlaku untuk
daerah polder, karena topografi datar mereka, menyebabkan kecepatan aliran
menjadi relatif rendah di sebagian besar wilayah. Selain itu, penelitian telah
menemukan bahwa kecepatan aliran tinggi memiliki pengaruh yang besar terhadap
kerusakan jalan, tetapi tidak terlalu penting untuk kategori kerugian lainnya
(Kreibich et al., 2009). Dalam penelitian ini maka kepentingan utamanya adalah
untuk menentukan kedalaman genangan maksimum yang dapat terjadi di berbagai
segmen polder di daerah penelitian. Perkiraan genangan dengan demikian dapat
direduksi menjadi situasi statis dari genangan maksimum di suatu area,
dibandingkan dengan pendekatan dinamis yang mencoba untuk mensimulasikan
aliran air dan kedalaman genangan aktual untuk lokasi yang berbeda dari waktu ke
waktu. Oleh karena itu, dampak kecepatan aliran tinggi diabaikan dalam penelitian
ini.

Gambar. 2. Model elevasi asli 5-m (a) dan setelah aplikasi filter minimum (b), foto udara dari area
yang sama pada tahun 2007 (c), dan pengukuran permukaan titik permukaan tanah dan kelas
tutupan lahan (d) , untuk lokasi lihat Gambar. 1.

Topografi area polder yang digambarkan oleh tanggul tunggal tidak sepenuhnya
datar, dan dapat dibagi lagi menjadi sejumlah daerah individu "drainase".
Menggunakan Sistem Informasi Geografis (SIG), cekungan ini diidentifikasi secara
otomatis (ESRI, 2009). Analisis ini adalah dasar untuk menggambarkan cekungan
individu.
Gambar. 3. Perbandingan nilai model elevasi digital (DEM) dengan pengukuran lapangan elevasi untuk
DEM yang tidak dikoreksi (a) dan dikoreksi (b).

Ukuran minimum dari cekungan ditentukan oleh hambatan linear utama yang dapat
dikenali di area studi kasus. Cekungan berukuran cukup untuk menampung volume
besar air, seperti yang kami tunjukkan nanti. Dengan menggunakan pendekatan
otomatis, total 23 sub-cekungan ditemukan untuk menggambarkan kompartemen
individu utama yang hadir dalam model elevasi untuk area tersebut, mengakui
pentingnya batas-batas utama yang dibuat oleh tanggul dan badan sedimen lainnya
yang membawa infrastruktur utama, seperti sebagai jalan dan jalur kereta api (Gbr.
5). Dengan menggabungkan berbagai kumpulan cekungan, kami tiba di 42 skenario
genangan yang berbeda yang mencakup peristiwa genangan yang sangat kecil dan
besar.

Gambar. 4. Perbedaan peta antara model elevasi asli dan disaring untuk daerah perkotaan (a), dan
foto udara dari area yang sama pada tahun 2007 (b), untuk lokasi lihat Gambar. 2.
Gambar. 5. Cekungan yang diidentifikasi di area studi dan beberapa jalan raya utama (garis tebal) dan
jalur kereta api (garis putus-putus), 13 lokasi pelanggaran ditunjukkan oleh titik-titik.

Tingkat air untuk setiap skenario ditentukan oleh elevasi bagian terendah dari batas
cekungan, yang ditemukan dengan menganalisis fitur linear dalam data elevasi asli
(tanpa filter). Dengan elevasi batas, maksud kami adalah elevasi batas sub basin
individu yang kami peroleh dari model elevasi. Batas ini dapat terdiri dari bagian
tanggul, atau hambatan yang tinggi di daerah tersebut, seperti badan sedimen yang
ditinggikan yang mendukung jalan raya dan jalur kereta api. Alasan untuk
menggunakan elevasi terendah ini adalah karena kita mengasumsikan bahwa
ketinggian genangan maksimum yang dapat dicapai di suatu area sama dengan
rintangan terendah yang melingkupi area ini. Segera setelah tingkat genangan
mencapai titik ini, air akan mengalir ke sub-basin berikutnya. Pendekatan serupa
juga diambil oleh studi Floris, yang tiba pada perkiraan umum kerusakan akibat
banjir dengan mensimulasikan efek tingkat genangan maksimum untuk semua
daerah tanggul di Belanda hingga ke tingkat tingkat tanggul minimum di sekitar area
tersebut (Rijkswaterstaat , 2005a). Setelah menetapkan tingkat air maksimum
(relatif terhadap data persenjataan nasional), kedalaman genangan dihitung untuk
setiap sel grid dalam skenario genangan yang memiliki tingkat elevasi di bawah
permukaan air ini. Karena definisi dari bagian terendah dari batas cekungan tidak
diragukan lagi memasukkan ketidakpastian tentang kedalaman genangan
maksimum yang mungkin, kami juga melakukan analisis sensitivitas. Kedalaman
genangan rata-rata untuk setiap skenario diturunkan dan kemudian dikurangi
sebesar 10%. Efek dari pengurangan ini terhadap kerusakan terhitung dilaporkan
secara terpisah.
Probabilitas untuk skenario penggenangan diambil dari skenario yang
dikembangkan dalam proyek Floris (Rijkswaterstaat, 2006). Perkiraan probabilitas
ini termasuk mode kegagalan yang berbeda dari segmen tanggul dan elemen lain
 seperti bendungan, pintu air, dll. Peluang telah ditetapkan dari penelitian terperinci
untuk 13 bentangan pertahanan banjir (Rijkswaterstaat, 2005c, 2006). Modus
kegagalan utama dan kemungkinan besar untuk segmen tanggul adalah perpipaan,
yang terdiri dari aliran air di bawah badan tanggul yang menyebabkan erosi dan
keruntuhan akibatnya (lihat Vrijling, 2001). Untuk 42 skenario, lokasi pelanggaran
dan probabilitas kegagalan diambil dari Proyek Floris (Rijkswaterstaat, 2006), yang
menetapkan probabilitas kegagalan, yang menggabungkan pemuatan dan sifat
struktur pelindung di lokasi yang merupakan titik terlemah dalam 13 segmen
tanggul bersebelahan dengan area tergenang. 13 lokasi pelanggaran ini ditunjukkan
pada Gambar. 5. Probabilitas total kegagalan di setiap segmen tanggul dijaga pada
tingkat yang sama seperti dalam proyek Floris (probabilitas 3,56 × 10−2 per tahun).
Perhatikan bahwa periode kembali ini adalah perkiraan konservatif (sangat)
(Rijkswaterstaat, 2006). Diasumsikan bahwa pelanggaran dengan volume genangan
rendah kemungkinannya sama dengan kejadian banjir dengan volume besar air
yang berasal dari kegagalan tanggul di lokasi yang sama. Volume banjir mengikuti
dari jumlah cekungan dan daerah yang tergenang (yaitu kapasitas daerah
membatasi volume air masuk). Volume yang terkait dengan 13 skenario dari proyek
Floris nantinya akan dibandingkan dengan volume dari skenario yang dihasilkan
dalam makalah ini. Kemungkinan pi dari skenario i ditentukan oleh

dimana p1 ... pj adalah probabilitas kegagalan dari lokasi pelanggaran yang berbeda
dalam segmen tanggul j dari cekungan yang dibanjiri, dan n1 ... nj adalah jumlah
skenario penggenangan yang terjadi karena kegagalan segmen tanggul tertentu.
Seperti dalam proyek Floris, diasumsikan bahwa tanggul gagal hanya di satu lokasi,
karena pelanggaran akan meringankan beban air sungai di sepanjang segmen
tanggul lain (Rijkswaterstaat, 2006), meskipun efek pasti dari fenomena ini saat ini
masih belum diketahui dan tidak dapat diukur secara akurat (Van Mierlo et al.,
2008).
2.3 Perkiraan kerusakan
Model “Damage Scanner” (Klijn et al., 2007) digunakan untuk menghitung
kerusakan fisik langsung dari banjir berdasarkan serangkaian fungsi kerusakan
kedalaman untuk 13 jenis penggunaan lahan yang berbeda. Model Damage Scanner
ini adalah penyederhanaan model HIS-SSM (Kok et al., 2005), dan telah diterapkan
dalam proyek Floris. Model HIS-SSM adalah model kerusakan banjir paling
komprehensif yang tersedia di Belanda, dan telah dijelaskan dan dievaluasi dalam
Messner et al. (2007). Kerusakan langsung yang dihasilkan oleh model termasuk
kerusakan untuk kategori kerugian yang berbeda, seperti bangunan, infrastruktur,
tanaman, dan konten bangunan, serta kerugian akibat gangguan bisnis. Kerugian
dari gangguan bisnis terdiri dari hilangnya perputaran bisnis di luar wilayah banjir,
tidak mengasumsikan efek substitusi (Kok et al., 2005). Selain kerusakan langsung,
model HISSSM juga menghasilkan rata-rata 5% kerusakan tidak langsung untuk
semua kategori kerugian. Perkiraan yang dihasilkan dari model Pemindai Kerusakan
yang kami sajikan di sini karena itu sudah termasuk bagian dari kerusakan tidak
langsung ini. Penyederhanaan diperlukan karena sejumlah besar informasi
terperinci yang diperlukan untuk model HIS-SSM tidak tersedia untuk proyeksi
perubahan penggunaan lahan di masa mendatang, dan orang dan aset terbuka,
yang tidak dapat diestimasi untuk semua kategori kerugian yang termasuk dalam
model HIS-SSM . Kerusakan dalam model Pemindai Kerusakan dihitung berdasarkan
fungsi kerusakan kedalaman, dan mempertimbangkan kedalaman penggenangan
saja. Dalam model HIS-SSM, di mana model Pemindai Kerusakan merupakan
penyederhanaan, fungsi kerusakan kedalaman diperkirakan menggunakan
kombinasi data empiris pada kerugian banjir dan kedalaman genangan, serta
penilaian ahli (Messner et al., 2007).
Perlu dicatat bahwa kerusakan langsung yang dihitung di sini menggunakan model
Pemindai Kerusakan hanya terdiri dari sebagian dari semua kerusakan langsung
harga nyata yang terkait dengan banjir. Kerusakan langsung harga juga termasuk
kehilangan kendaraan, gangguan bisnis, operasi evakuasi dan penyelamatan, biaya
pembersihan, dan rekonstruksi dan rehabilitasi, tetapi ini tidak diperhitungkan di
sini. Selain itu, ada juga kerusakan langsung yang tidak berwujud (misalnya korban
jiwa dan cedera), serta harga yang nyata (misalnya kerugian bagi perusahaan di luar
daerah banjir) dan kerusakan tidak langsung yang tidak berwujud (misalnya
gangguan sosial dan trauma psikologis) (Jonkman dkk. , 2008). Namun, kerusakan
langsung umumnya menjadi bagian besar dari total biaya, dan diperkirakan untuk
kejadian bencana aktual baru-baru ini berjumlah antara 50 dan sekitar 90% dari
total kerusakan (RebelGroup, 2007). Selain itu, mereka adalah yang paling mudah
dihitung, dan dianggap sebagai indikator penting dari tingkat keparahan bencana
alam.
Fungsi kerusakan kedalaman berhubungan dengan fraksi kehilangan maksimum
terhadap kedalaman air (Gambar 6) dan telah ditetapkan untuk berbagai tipe
penggunaan lahan (Klijn et al., 2007). Tabel 1 mencantumkan kategori penggunaan
lahan yang berbeda dan jumlah kerusakan maksimumnya, yang mewakili rata-rata
di seluruh negara dan diasumsikan berlaku untuk semua area lingkar tanggul di
Belanda. Rata-rata ini berlaku untuk cincin tanggul 36, sebagai perbandingan antara
model Pemindai Kerusakan dan model HISSSM rinci menunjukkan hanya sedikit bias
sekitar 0-2% (Klijn et al., 2007).
Gbr. 6. Fungsi kerusakan kedalaman untuk berbagai kategori penggunaan lahan di kelas perkotaan
(a) dan pertanian (b) (Klijn et al., 2007).

Tabel 1. Kelas penggunaan lahan yang berbeda dan jumlah kerusakan maksimum
(tingkat harga tahun 2000).

n
 di mana saya adalah kategori penggunaan lahan, r adalah lokasi di daerah banjir, m
adalah jumlah kategori penggunaan lahan, n adalah jumlah lokasi di daerah banjir, i
(hr) adalah fungsi kerusakan kedalaman tergantung pada kedalaman genangan , dan
Dmax, saya adalah jumlah kerusakan maksimum untuk kategori penggunaan lahan i.
2.4 Pola penggunaan lahan
Pola penggunaan lahan untuk situasi saat ini berasal dari peta dasar model Pemindai
Penggunaan Tanah (Schotten et al., 2001). Model ini juga menyediakan proyeksi
perubahan penggunaan lahan simulasi di masa mendatang untuk tahun 2040,
berdasarkan klaim spasial dan peta kesesuaian untuk berbagai jenis penggunaan
lahan. Dampak proyeksi penggunaan lahan di bawah skenario pengembangan
sosioekonomi yang berbeda pada perkiraan kerusakan banjir dinilai dalam
penelitian berikutnya (Bouwer et al., 2009). Di sini kami menerapkan pola
penggunaan lahan dasar dari model untuk tahun 2000, yang juga merupakan tahun
referensi dari model kerusakan. Pola penggunaan lahan di area studi kasus untuk
situasi dasar ini ditunjukkan pada Gambar. 1. Data Pemindai Penggunaan Tanah
untuk situasi dasar disediakan pada resolusi spasial horizontal 25m dan 100 m.
Resolusi 100 m digunakan untuk proyeksi perubahan penggunaan lahan di masa
depan. Untuk memperkirakan efek perhitungan kerugian pada resolusi tinggi
dibandingkan dengan resolusi kasar, kami menghitung kerugian untuk resolusi 5
meter (resolusi DEM asli), 25 m, dan 100 m. Untuk tujuan ini, grid penggunaan lahan
seluas 25 m telah diturunkan ke resolusi 5 m. Diketahui bahwa kisi-kisi penggunaan
lahan 100 m sedikit melebih total area yang dicakup oleh kawasan pemukiman dan
pertanian (rata-rata sebesar 4%) dan jauh meremehkan total area yang dicakup oleh
infrastruktur (rata-rata sebesar 64%), dibandingkan dengan grid 25-m (Loonen dan
Koomen, 2008). Skenario genangan dikumpulkan dari grid 5-m ke grid 25 dan 100-
m, menggunakan mean dari sel-sel input.

3. Hasil
42 skenario genangan terdiri dari peta kedalaman genangan pada resolusi horizontal
5, 25, dan 100 m. Skenario didasarkan pada genangan satu cekungan, atau
kombinasi dari beberapa cekungan. Serangkaian skenario, dikembangkan untuk satu
lokasi pelanggaran yang mungkin dibangun sebagai berikut: skenario minimum
untuk pelanggaran di tanggul sepanjang cekungan 16 (Gambar. 5) kekhawatiran
banjir hanya di cekungan 16, ini adalah skenario nomor 6 (Tabel 2) . Jika basin yang
berdekatan 17 dipengaruhi, skenario 2 terjadi. Lebih banyak cekungan dapat
dibanjiri (cekungan 15, 16, 17, 18, dan 19, dalam skenario 5), sampai jalur kereta api
di sebelah timur meluap (Gbr. 5), yang menimbulkan skenario 18, dan seterusnya.
Tabel 2 mencantumkan masing-masing skenario dan cekungan yang dikandungnya.
Area permukaan yang tergenang ditemukan untuk skenario yang berbeda berkisar 5-
374 km2, dengan rata-rata 81 km2. Kisaran ini sebanding dengan kisaran area
tergenang, yang dihasilkan dari pemodelan hidrodinamik untuk area studi ini, yang
berkisar 7–303 km2, dan mencakup rata-rata 98 km2 (Rijkswaterstaat, 2006).

Tabel 2. Skenario genangan.

Gbr. 7. Perkiraan kerusakan banjir untuk skenario 24 dan 9.

Peta kerugian yang dihasilkan untuk dua skenario penggenangan dengan kerugian
agregat terendah dan tertinggi (Gambar 7) menunjukkan bahwa kerugian rendah di
daerah pedesaan (skenario 9 dan 24), dan tertinggi di daerah perkotaan, khususnya
di kota Den Bosch (skenario 24). Apa yang jelas dari peta untuk skenario 24, adalah
bahwa di dalam kota Den Bosch, kerugian yang relatif rendah terjadi di pusat kota
tua di tengah kota (bandingkan Gbr. 1), karena ketinggiannya sedikit lebih tinggi
dibandingkan dengan bagian lain. kota. Kerugian tertinggi terjadi di area yang relatif
baru dengan pabrik dan bisnis di sisi timur laut kota Den Bosch, dan utara kota Oss.
Perkiraan kerugian yang dikumpulkan untuk semua jenis penggunaan lahan berkisar
antara 49 juta C untuk skenario 9 dan 11 miliar C untuk skenario 24 (Tabel 3). Proyek
Floris melaporkan kerugian antara 66 juta dan 7,0 miliar C berdasarkan 13 skenario
genangan yang berbeda. Kerusakan yang diharapkan per tahun dihitung dengan
mengumpulkan perkiraan kerusakan untuk setiap skenario dikalikan dengan
probabilitas untuk setiap skenario. Kerusakan yang diperkirakan rata-rata adalah
26,2 juta C per tahun dalam studi saat ini, sementara proyek Floris melaporkan
kerusakan yang diperkirakan sebesar 33 juta C per tahun (Rijkswaterstaat, 2006).
Alasan utama untuk perbedaan ini, selain dari model kerugian yang berbeda yang
digunakan, adalah bahwa pendekatan kami menganggap bahwa beberapa skenario
genangan hanya mencakup wilayah geografis yang relatif kecil dan memiliki
kedalaman genangan yang terbatas. Ini mengurangi jumlah kerugian rata-rata yang
terkait dengan skenario genangan.
Perkiraan ketinggian yang akurat dari tanggul dan elemen infrastruktur
mempengaruhi hasil kami, karena kedalaman maksimum yang mungkin dari
genangan di cekungan individu ditentukan oleh fitur ini. Kami percaya bahwa elemen
yang paling penting, seperti jalan raya dan tanggul yang berada di antara 10-30m
lebar secara akurat tercermin dalam data. Kemungkinan, sumber ketidakpastian lain,
seperti perkiraan kemungkinan tanggul tanggul dan ketidakpastian dalam kurva
kerusakan mendalam akan mempengaruhi perkiraan kerugian lebih dari ketinggian
elemen infrastruktur dan kedalaman penggenangan yang dihasilkan.

Tabel 3. Skenario kerusakan dan probabilitas.

Gambar. 8. Kurasi estimasi kurva kemungkinan, menggunakan peta penggunaan lahan 25-m dan 100-
m resolusi.

Kami melakukan analisis sensitivitas efek perkiraan tingkat genangan maksimum

pada kerugian. Pengurangan 10% pada tingkat genangan dari skenario (lihat Sect.
2.2), menghasilkan pengurangan rata-rata 10,9% dalam kerugian agregat (maksimum
−14,6%, minimum −7,4%). Kami percaya bahwa ketidakpastian sebenarnya dalam
estimasi tingkat batas cekungan dalam metode kami adalah urutan besarnya lebih
kecil, yang mengarah ke ketidakpastian yang lebih rendah baik di tingkat
penggenangan dan perkiraan kerugian agregat.
Kurva kerugian-probabilitas diciptakan dengan menghitung probabilitas kumulatif
peristiwa kerusakan, dan merencanakan ini sesuai dengan ukuran kerusakan
mereka. Kurva demikian menunjukkan kemungkinan bahwa kerugian tertentu setara
atau terlampaui. Banyaknya skenario penggenangan yang kami buat, memungkinkan
konstruksi kurva kerugian-probabilitas, yang mencakup peristiwa yang relatif kecil,
serta peristiwa kerugian besar (Gambar 8). Kurva untuk peta penggunaan lahan 25-m
dan 100-m resolusi diperlihatkan.
Hilangnya saham untuk berbagai jenis penggunaan lahan sangat berbeda dari yang
ditemukan dalam proyek Floris untuk daerah yang dikering ini (Tabel 4), tetapi
memiliki magnitudo yang sama. Sebagai contoh, daerah perkotaan bertanggung
jawab atas sebagian besar kerugian menurut perkiraan kami (66–70%), sementara
Floris juga melaporkan sebagian besar kerugian dalam kategori ini, meskipun jauh
lebih kecil (45%). Menurut perhitungan kami, kerugian untuk pertanian dan
penggunaan lahan komersial datang di tempat kedua dan ketiga (11 dan 11-12%,
masing-masing), seperti perhitungan Floris (25 dan 24%, masing-masing). Alasan
utama untuk perbedaan adalah perbedaan dalam perhitungan kerugian. Proyek
Floris menggunakan serangkaian besar kategori kerugian (Kok et al., 2005). Oleh
karena itu, beberapa perbedaan kemungkinan karena perbedaan dalam model
kerugian. Model kerugian HIS-SSM yang digunakan dalam proyek Floris lebih unggul
dalam hal jumlah kategori kerugian, dan detail dalam cara kerugian dihitung. Namun,
alasan untuk mengembangkan pendekatan sederhana terletak pada penerapan
skenario penggunaan lahan di masa depan dalam penelitian selanjutnya, yang model
kehilangannya lebih sederhana lebih cocok.
Sejauh mana resolusi grid dari perhitungan kerugian mempengaruhi perkiraan
kerusakan juga diselidiki. Kerugian dihitung secara terpisah untuk peta genangan 25-
m dan 100-m dan peta penggunaan lahan 25-m dan 100-m. Kami menemukan
beberapa perbedaan dalam perkiraan kerusakan antara grid genangan 25-m dan
100-m.

Tabel 4. Perbandingan pembagian kerusakan per kategori penggunaan lahan dalam

penelitian ini dengan hasil dari proyek Floris (Rijkswaterstaat, 2006).

Dibandingkan dengan perkiraan kerugian berdasarkan pada set data 25-m inundasi,
perkiraan kerugian agregat per skenario menggunakan dataset 100-m hingga 54%
lebih tinggi untuk skenario dengan kerugian kurang dari 4 miliar C, dan hingga 12%
lebih tinggi untuk skenario dengan total kerugian 4 miliar C dan lebih tinggi. Namun,
kerugian keseluruhan adalah dari urutan besarnya yang sama: total kerusakan yang
diperkirakan berjumlah 23,6 juta C per tahun untuk grid 25 m, dan menjadi 26,2 juta
C per tahun untuk grid 100 m. Perbedaan yang lebih mencolok ditemukan untuk
kategori penggunaan lahan yang berbeda. Perkiraan untuk kategori "infrastruktur"
menambahkan hingga 3,9% dari total kerusakan berdasarkan pada grid 100-m, tetapi
hingga 8,0% untuk grid 25-m (Tabel 5). Seperti yang kami laporkan sebelumnya di
Sekte. 2.4 tentang pola penggunaan lahan, kisi-kisi penggunaan lahan seluas 100 m
sangat meremehkan luasnya elemen infrastruktur (kereta api dan jalan), karena
bentuknya yang sempit. Luasnya daerah perkotaan pada gilirannya secara umum
dibesar-besarkan menggunakan grid 100-m. Hal ini menyebabkan estimasi yang
terlalu tinggi dari daerah perkotaan yang terkena banjir, dan karena itu kehilangan
total. Kerusakan yang diperkirakan di daerah perkotaan kepadatan tinggi berbeda
sebanyak 1,8 juta C (Tabel 5), menyiratkan overestimasi 22% untuk grid 100-m relatif
terhadap grid 25-m. Daerah perkotaan dengan kepadatan tinggi di dunia nyata
hanya memiliki luasan yang kecil, tetapi terlalu tinggi dalam kisi 100 m. Temuan-
temuan ini menyiratkan bahwa penggunaan informasi dengan resolusi horizontal
yang kasar dapat menyebabkan perkiraan kerusakan yang berlebihan di atas dan di
bawah untuk kategori-kategori penggunaan lahan tertentu. Khususnya, dalam
resolusi kasar, kerugian total cenderung dibesar-besarkan untuk skenario-skenario di
mana luasan luas daerah perkotaan terendam.
 Untuk memperkirakan lebih lanjut kepekaan perkiraan kerusakan terhadap resolusi
grid, kami menghitung kerusakan menggunakan grid 5-m inundasi dan peta
penggunaan lahan yang diambil kembali untuk skenario 24, yang mencakup semua
sub-cekungan terendam yang potensial di wilayah tersebut ( Gambar 7). Kami
menemukan bahwa menggunakan jaringan penggenangan 5 m, total kerugian
sebesar 9246 juta C untuk skenario 24. Ini adalah sekitar 4,3% lebih kecil dari
perkiraan menggunakan grid 25-m banjir (9663 juta C total kerusakan), dan sekitar
13% lebih sedikit dari perkiraan menggunakan grid genangan 100 m (10 681 juta
total kerusakan C). Ini menyiratkan bahwa menggunakan peta genangan resolusi
yang lebih tinggi, perkiraan kerugian secara umum akan menurun, dan perkiraan
untuk beberapa kategori penggunaan lahan seperti infrastruktur dapat meningkat.

Tabel 5. Kerusakan yang diperkirakan untuk berbagai kategori penggunaan lahan

menggunakan peta penggunaan lahan 25-m dan 100-m resolusi.

4. Diskusi dan kesimpulan

Tujuan dari penelitian ini adalah untuk mengembangkan metode yang mampu
mensimulasikan banjir di area polder, dan menghitung kehilangan banjir terkait.
Secara khusus, metode ini dapat digunakan untuk studi skenario terperinci tentang
dampak perkembangan sosioekonomi dan iklim di masa depan terhadap risiko
banjir. Jumlah skenario yang relatif kecil yang dapat diproduksi secara wajar oleh
pemodelan hidrodinamik, dan resolusi horisontal relatifnya, membatasi kegunaan
model-model ini untuk perkiraan kerugian resolusi spasial yang tinggi untuk area
yang luas. Metode ini melengkapi pendekatan hidrodinamika yang lebih rinci,
dengan memberikan penilaian risiko dengan akurasi yang memadai, tetapi pada
skala geografis yang lebih besar. Makalah ini telah menunjukkan bahwa pendekatan
ini memungkinkan simulasi peristiwa banjir untuk sejumlah lokasi tanggul tanggul,
berdasarkan model elevasi resolusi tinggi. Berbagai variasi volume air tergenang
diperhitungkan. Selain itu, ketidakpastian terkait dengan jumlah yang berbeda dari
volume air yang membanjir dan potensi keruntuhan hambatan linear dapat
diperhitungkan, karena skenario termasuk versi dengan dan tanpa penggenangan
dari cekungan yang berdekatan yang dilindungi oleh elemen lansekap linier.
Metode ini diterapkan ke daerah polder di selatan Belanda, beresiko dari banjir
sungai Meuse. Upaya untuk mengembangkan berbagai skenario saat ini jauh lebih
sedikit daripada upaya yang terlibat dalam pemodelan hidrodinamik. Skenario kami
dan kerugian banjir yang diakibatkan dibangun untuk mengilustrasikan kisaran
potensi kerugian banjir, dan untuk menilai dampak relatif dari penggunaan lahan dan
perubahan sosial ekonomi dalam penelitian selanjutnya. Pembentukan berbagai
skenario genangan memberikan dasar yang baik untuk membangun kurva
probabilitas kerugian. Kurva seperti itu penting dalam analisis risiko serta dalam
pengembangan dan evaluasi kebijakan manajemen banjir. Kurva ini memungkinkan
perkiraan kerugian maksimum, serta kerugian rata-rata tahunan yang diharapkan.
Kisaran terhitung dan nilai kerusakan yang diharapkan dibandingkan dengan
perhitungan awal dari studi Floris (Rijkswaterstaat, 2006), yang memperkirakan
kerugian banjir berdasarkan simulasi banjir hidrodinamik dan model kehilangan yang
lebih rinci. Namun, ada beberapa perbedaan penting antara kerugian yang
diperkirakan dalam penelitian kami dan yang ditemukan dalam studi Floris, yang
terutama dihasilkan dari pendekatan pemodelan kerugian yang berbeda.
Kami juga menunjukkan bahwa resolusi pemodelan kerugian memiliki pengaruh
yang besar terhadap kerugian yang dihitung dengan model kerugian yang sama.
Studi kami menunjukkan bahwa perkiraan kerusakan berdasarkan peta
penggenangan kasar, kesalahan dapat berjumlah 22% terlalu tinggi dan 100%
meremehkan untuk kategori kepadatan tinggi daerah perkotaan dan infrastruktur,
masing-masing. Ini memiliki implikasi penting untuk evaluasi risiko banjir yang tepat
dengan menggunakan skenario genangan resolusi kasar yang diterapkan dalam
pemodelan risiko banjir. Kerugian dari daerah perkotaan dan infrastruktur adalah
penting, karena mereka merupakan bagian terbesar dalam total kerugian agregat.
Perkiraan efektivitas langkah-langkah mitigasi di lingkungan perkotaan dan
infrastruktur perlu memperhitungkan risiko yang sebenarnya. Kerusakan yang
diperkirakan menggunakan grid penggenangan beresolusi tinggi diharapkan akan
lebih dekat dengan potensi kerugian yang sebenarnya, karena kedalaman genangan
lebih akurat, dan posisinya lebih akurat dibandingkan dengan kelas penggunaan
lahan. Kami diperkirakan kerusakan maksimum menjadi 9,2 miliar C menggunakan
resolusi tinggi (5-m), sementara proyek Floris memperkirakan kerusakan maksimum
sebesar 7,5 miliar C (Rijkswaterstaat, 2006) menggunakan model kerugian yang lebih
rinci. Penelitian lain memperkirakan kerugian maksimum untuk cincin tanggul ini
menjadi 17,7 miliar C (Rijkswaterstaat, 2005a) dan 10,3 miliar C (Klijn et al., 2007).
Penting untuk menekankan bahwa ketidakpastian besar juga terjadi di bagian
pemodelan kerugian, dan tidak hanya dalam penilaian kedalaman genangan. Secara
khusus, hubungan antara kedalaman genangan dan fraksi kerusakan umumnya tidak
pasti. Bentuk sebenarnya dari kurva kedalaman-kerusakan tidak diketahui, dan
merupakan sumber utama ketidakpastian dalam perkiraan risiko banjir (Merz et al.,
2004, 2008). Juga jumlah kerusakan maksimum yang digunakan di sini (Tabel 1)
hanyalah perkiraan untuk nilai aset rata-rata untuk seluruh negara, dan bukan nilai
objek sebenarnya di area studi kasus.