Strategi kalibrasi model banjir alternatif untukperkotaan 

DAS: studi kasus Riohacha, Kolombia 

Antonio Krishnamurti Beleño de Oliveira, Osvaldo Moura Rezende, 
Matheus Martins de Sousa, Andrea Nardini dan Marcelo Gomes Miguez 

ABSTRAK 

Kota Riohacha (Kolombia) memiliki kompleks pengaturan perkotaan yang, di bawah tekanan hujan lebat yang berulang, mengalami
peningkatan kerusakan akibat banjir. Dengan tujuan untuk mengidentifikasi solusi sistemik untuk masalah banjir, latihan pemodelan
matematis hidrodinamik dilakukan. Dalam proses pemodelan, kalibrasi dan validasi adalah dua tindakan mendasar yang harus
dilakukan sebelum penggunaan model. Namun, sebagian besar wilayah sungai di seluruh dunia kekurangan informasi
hidrometeorologis, yang sangat diperlukan untuk proses kalibrasi. Makalah ini menyajikan pendekatan asli untuk mengumpulkan
informasi tersebut untuk proses kalibrasi, berdasarkan wawancara dengan penduduk. Hasil dari upaya ini ternyata sangat bagus,
ketika mempertimbangkan jenis perkiraan yang digunakan dalam menggunakan jawaban orang sebagai data keras. Hal ini
mendorong kami untuk mempromosikannya sebagai 
solusi yang berfungsi untuk banyak kasus serupa lainnya, yang semuanya kekurangan data yang sesuai. Kata kunci | kalibrasi,
Kolombia, kelangkaan data, pemodelan hidrodinamik, simulasi banjir perkotaan 

PENDAHULUAN 
Antonio Krishnamurti Beleño de Oliveira (penulis korespondensi) 
Programa de Engenharia Civil / COPPE, Universidade Federal do Rio de Janeiro (UFRJ), Rio de Janeiro, 
Brazil 
E-mail: krishnamurti @ poli.ufrj.br 

Osvaldo Moura Rezende 

Matheus Martins de Sousa 
Programa de Engenharia Ambiental, Universidade Federal do Rio de Janeiro (UFRJ), Rio de Janeiro, 
Brasil 

Andrea Nardini 
Centro Recuperación Ecosistemas Acuáticos (CREACUA), 
Riohacha, 
Kolombia 

Marcelo Gomes Miguez 

Escola Politécnica and Programa de Engenharia Civil / COPPE, 
Universidade Federal do Rio de Janeiro (UFRJ), Rio de Janeiro, 
Brazil 

Banjir perkotaan merupakan masalah yang berkembang di banyakperkotaan (permukimanFreni et al. ).
Pertumbuhan perkotaan yang tidakdan kurangnya infrastruktur air perkotaan yang sesuai memperburuk statistik
bencana banjir (teraturBalica et al. ). Masalah ini sangat signifikan di negara-negara Amerika Latin / Karibia di
mana, menurut Perserikatan Bangsa-Bangsa (Divisi Populasi Urusan Ekonomi dan Sosial Persatuan Bangsa-Bangsa
), populasi akan meningkat 25% pada tahun 2061, mencapai puncak 793 juta orang. 
Makalah ini mengasumsikan bahwa pemodelan matematika memainkan 
peran kunci dalam konteks seperti itu, sebagai alat untuk mengeksplorasi solusi yang mungkin untuk pengendalian
banjir, untuk membantu dalam perencanaan pembangunan perkotaan dan untuk membuat prognosis tentang
skenario yang berbeda (Viero et al. ) . Secara khusus, kesulitan kalibrasi model dalam kenyataan di negara
berkembang (Hagen & Lu ) dibahas dan sebuah proposisi dibuat untuk menghadapi tantangan ini, mengatasi
kekurangan dalam hal catatan data dan informasi topografi. Sebuah studi khusus dilakukan 
: 10.2166 / wst.2019.211 

Diunduh dari https://iwaponline.com/wst/article-pdf/79/11/2095/591672/wst079112095.pdf LND NIVERITETBIBLITEK r

dikembangkan untuk kota Riohacha, terletak di Wilayah paling utara Karibia di Kolombia (di La Guajira) sebagai
kasus eksplorasi untuk menguji pendekatan praktis yang diusulkan. Kota Riohacha memiliki kepentingan sejarah
yang besar dan potensi lingkungan yang tinggi; namun, ia memiliki sejarah pertumbuhan yang tidak teratur dan
peningkatan populasi yang cepat diikuti oleh masalah banjir dan kerusakan lingkungan. Menurut Sensus Demografi
2005 (DANE ), kotamadya telah mengalami pertumbuhan penduduk lebih dari 100% dalam 11 tahun. Urbanisasi
yang cepat ini telah meningkatkan ketahanan tanah dan akibatnya memperburuk banjir di kota. Efek ini mewakili
sebagian besar kota berkembang (Suriya & Mudgal ; Chen et al. ). 
Selain itu, topografi lokal dan hidrografi berkontribusi pada situasi ini, karena Riohacha memiliki beberapa cekungan
dan laguna alami. Kolam alami ini digunakan untuk menyimpan air hujan selama musim hujan. Setelah 

2096 AKB de Oliveira dkk. | Kalibrasi model banjir alternatif untuk daerah aliran sungai perkotaan Water Science & Technology | 79.11 | 2019

Gambar 1 | Peta topografi perkotaan Riohacha (kiri) dan kolam La Esperanza hampir penuh (kanan). 

mencapai ketinggian air tertentu, mereka mulai terhubung satu sama lain, menciptakan jaring drainase
yang dangkal. Namun, sistem drainase alam ini telah sangat terganggu oleh urbanisasi dan infrastruktur
jalan yang diterapkan selama pertumbuhan kota. Sekarang, permukaan air yang meluas mencapai jalan-
jalan dan menggunakannya sebagai saluran (Pérez et al. ). Selain itu, seluruh kota terletak hanya
sedikit di atas permukaan laut rata-rata, sehingga menghambat drainase aliran air hujan, seperti yang telah
ditunjukkan dalam Balica et al. (). Lekukan-lekukan di kawasan perkotaan Riohacha yang ditunjukkan
dalam representasi topografi, bersama dengan gambar salah satu laguna terbesar (La Esperanza), dapat
dilihat pada Gambar 1. 
Pengaturan topografi ini merupakan tantangan untuk pemodelan dan membuat keseluruhan situasi
menarik untuk dibahas, memperkuat penggunaan kota ini sebagai kasus eksplorasi. Namun, Rioha cha
tidak memiliki kumpulan data topografi yang tersedia dan terperinci pada saat penelitian ini dilakukan.
Kesenjangan data ini membatasi penggunaan alat pemodelan berbasis fisik, yang membutuhkan data
topografi yang luas dan tepat. Faktanya, pengukuran aliran juga kurang, dan ini adalah sesuatu yang
membatasi penggunaan hampir setiap model, karena kalibrasi dan validasi memainkan peran inti dalam
tingkat kepercayaan hasil yang dimodelkan. 
 Karena sulitnya memperoleh data, artikel ini bertujuan untuk mengembangkan dan menyajikan strategi
asli untuk kalibrasi dan validasi model, berdasarkan wawancara dan inspeksi lapangan untuk mendapatkan
kembali informasi banjir historis dan untuk mendapatkan pengetahuan tentang situasi fisik yang
sebenarnya. Level banjir serta jalur aliran dan karakteristiknya yang diperoleh dari wawancara diambil
sebagai informasi dasar untuk membuat kembali permukaan banjir untuk proses kalibrasi dan validasi.
Data yang dihasilkan adalah 

Download dari https://iwaponline.com/wst/article-pdf/79/11/2095/591672/wst079112095.pdf LND NIVERITETBIBLITEK r

Basis Data Georeferensi yang memungkinkan reproduksi efek genangan dan jaringan jalur aliran. MODCEL
dipilih sebagai model yang sangat cocok untuk mewakili lingkungan perkotaan yang kekurangan data topo
grafis yang terperinci. Model hidrodinamik ini mensimulasikan situasi fisik melalui sekumpulan flow-cell, yang
merupakan kompartemen yang mampu merepresentasikan karakteristik rata-rata permukaan perkotaan,
menyimpan air dan berkomunikasi satu sama lain melalui sambungan hidrolik, menyusun jaringan aliran
kolam dan jalur banjir (Miguez et al. ; Miguez et al. ). Permukaan banjir yang diambil dari strategi
lapangan digunakan untuk membandingkan ketinggian air (kolam) dan kedalaman air (jalur banjir) yang
diperoleh dari simulasi MODCEL dan karenanya mendukung kalibrasi. 

TINJAUAN PUSTAKA 

Untuk mendekati DAS secara keseluruhan, sambil mencari pendekatan sistem, model matematika menonjol
untuk mendukung diagnosis banjir dan prognosis dalam proses desain solusi. Namun, pemodelan
matematika selalu mewakili tingkat penyederhanaan tertentu dan model harus mewakili secara fisik.
Pendekatan pemodelan hidro dinamis tradisional cenderung mempertimbangkan sistem fluvial sebagai
kursus satu dimensi (1D). Akan tetapi, simulasi banjir secara numerik melalui model 1D dapat menyebabkan
distorsi keseimbangan massa ketika banjir menyebar di wilayah yang luas, sehingga membatasi penggunaan
jenis simulasi ini (Barnard et al. ). Saat menyimulasikan fitur medan yang kompleks, seperti daratan
perkotaan, situasi ini bisa menjadi lebih sulit. Sebaliknya, model 2D, kuasi-2D dan 3D adalah 

2097 AKB de Oliveira dkk. | Kalibrasi model banjir alternatif untuk daerah aliran sungai perkotaan Water Science & Technology | 79.11 | 2019

lebih baik untuk simulasi kekhususan hidraulik, tetapi harus didukung oleh upaya komputasi yang
lebih tinggi dan persyaratan data topografi yang lebih tinggi. Dengan peningkatan kapasitas
pemrosesan komputasi dan peningkatan proses perolehan data topografi, telah terjadi pergerakan
menuju model dengan dimensi lebih tinggi dari 1D untuk solusi masalah hidrodinamika (Kuiry et al.
). Meskipun mendefinisikan dimensi model paling sering fundamental untuk strategi yang
digunakan dalam proses pemodelan, pilihan yang dibuat oleh pemodel untuk merepresentasikan
geometri, topografi dan batimetri, representasi skala dan informasi terkait dapat menjadi lebih penting
untuk akurasi dan keterwakilan dari hasil hidrodinamik yang diperoleh (Eleutério & Mosé ).
Dengan demikian, pertanyaan kunci dalam pemodelan matematika mengacu pada 
pemahaman realitas fisik, mengidentifikasi kebutuhan dan kesenjangan data, mendefinisikan
hipotesis dasar dan penyederhanaan, serta menentukan dimensi dan skala model. Definisi skala
model adalah salah satu aspek terpenting dari studi model (Singh & Kumar ) dan secara
langsung mempengaruhi kebutuhan data. 
Oleh karena itu, mengingat kualitas dan ketersediaan 
data merupakan aspek yang relevan dengan proses pemodelan, pilihan dan asumsi yang dibuat
selama proses ini dapat mengancam keterwakilan hasil yang diperoleh (Hurford et al. ). 
Dalam proses pemodelan, kalibrasi dan validasi 
adalah dua langkah yang harus dilakukan sebelum simulasi untuk tujuan perencanaan atau desain
(Tejaswini & Sathian ). Langkah-langkah ini bertanggung jawab untuk memvalidasi representasi
 topografi dan hidrolik, memberikan keandalan pada interpretasi fisik dan representasi konsekuen.
Mereka diperlukan untuk meningkatkan konsistensi model dan untuk mengurangi ketidakpastian
parameter (Wang et al. ). 
Kompleksitas kota danbanjir yang biasanya besar 
areacenderung mengarah ke model 2D. Pemodelan arus perkotaan 2D, bagaimanapun, dapat
membawa tantangan tambahan bila dibandingkan dengan banjir pedesaan. Jika model medan
terperinci tersedia, dengan resolusi kisi halus beberapa meter, misalnya, tetapi hanya mewakili
topografi lokal sambil mengabaikan bangunan, pola aliran yang benar mungkin tidak cukup terwakili.
Dalam hal ini, ketika merepresentasikan aliran banjir yang melewati kota, bangunan perlu ditentukan
dengan memasukkan balok padat atau / dan dengan meningkatkan koefisien kekasaran di lokasi
bangunan secara(artifisialBellos & Tsakiris ). Dengan cara ini, ketika data kalibrasi tersedia,
koefisien Manning sering kali disesuaikan dengan nilai yang lebih besar daripada yang sesuai dengan
medan sebenarnya (Fewtrell et al. ). Jika tidak ada 

Unduhan dari https://iwaponline.com/wst/article-pdf/79/11/2095/591672/wst079112095.pdf LND NIVERITETBIBLITEK r

data kalibrasi tersedia, pemodel mungkin tidak memperhitungkan efek ini dan hasil yang diperoleh mungkin
menjadi tidak valid. Lebih jauh lagi, dalam praktik teknik, non-kalibrasi model dapat mengakibatkannilai
desain yang terlalu rendah atau terlalu tinggi, mengakibatkan sumber daya (yang signifikan) terbuang
(estimasiTscheikner Gratl et al. ) atau bencana tak terduga. 
Kalibrasi dan validasi model sangat dipengaruhi oleh ketersediaan data atau masalah kualitas (Freni et
al. ; Kleidorfer et al. ). Sebagian besar wilayah sungai di seluruh dunia (terutama daerah
tangkapan perkotaan kecil) kekurangan informasi hidrometeorologi (López et al. ), yang merupakan
masukan yang sangat diperlukan untuk proses kalibrasi dan validasi. Hal ini sering terjadi di negara-negara
Amerika Latin, di mana kurangnya informasi hidrometeorologi (yang dapat diandalkan) merupakan
masalah utama dalam penggunaan model hidrodinamik untuk mendukung proyek drainase perkotaan dan
pengendalian banjir (Santos Júnior & Santos ). 
Kelangkaan dan ketidakpastian data yang tersedia merupakan faktor pembatas utama untuk penilaian
komprehensif perairan perkotaan, tetapi hal ini dapat diselesaikan melalui adaptasi model untuk
mengimbangi ketidaklengkapan data (Espinosa & Otterpohl ). Namun, adaptasi model atau
penyederhanaan model harus didukung oleh interpretasi fisik yang konsisten. Kurangnya data tidak bisa
dengan sendirinya membenarkan penyederhanaan model. Jika ini kasusnya, pemodel dapat membuat
banyak kesalahan, mendistorsi persamaan matematika yang seharusnya merepresentasikan realitas fisik
dan menggunakan kumpulan data non-representatif. 

BAHAN DAN METODE 

Van Dijk et al. () membahas kesulitan memilih teknik pemodelan yang sesuai untuk situasi tertentu.
Pemilihan model mempengaruhi hasil simulasi dan pengambilan keputusan terkait hujan ekstrim. Memilih
teknik pemodelan yang paling sesuai berarti mempertimbangkan keakuratan, waktu yang dihabiskan untuk
langkah komputasi, dan ketersediaan data. Proses pemilihan juga harus mempertimbangkan fakta bahwa
model ini hampir tidak pernah dapat dikalibrasi untuk situasi curah hujan yang ekstrim karena kejadian ini
sangat jarang dan deskripsi banjir yang mencapai tingkat yang sangat tinggi seringkali tidak cukup akurat. 
Selain itu, ketika membahas banjir perkotaan, kalibrasi tidak hanya dapat menimbulkan ketidakpastian
(terutama karena pengukuran data tidak terlalu sering dilakukan di sungai kecil atau saluran air hujan)
tetapi juga penataan kota yang kompleks menghadirkan tantangan model ling. Wilayah perkotaan yang
terendam banjir dapat terdiri dari ketinggian air yang berbeda, dipisahkan oleh dinding dan bangunan atau 

2098 AKB de Oliveira et al. | Kalibrasi model banjir alternatif untuk daerah aliran sungai perkotaan Water Science & Technology | 79.11 | 2019
struktur perkotaan lainnya. Abily dkk. () membahas kemungkinan, kinerja dan batas alat pemodelan standar
untuk simulasi limpasan resolusi tinggi dari daerah padat dengan struktur kompleks yang mempengaruhi (dan
mengubah) jalur drainase. Para penulis ini (ibid.) Berpendapat bahwa pemodelan situs kompleks membutuhkan
perhatian khusus untuk perubahan cepat dalam rezim aliran, kedalaman air yang kecil dan sifat gradien yang
tinggi, dan efek lokal yang ditimbulkan oleh beberapa struktur di atas permukaan tanah. Hambatan fisik, seperti
dinding atau pekerjaan tanah, dapat memutuskan tingkat aliran permukaan, atau menghubungkan area banjir yang
terpisah dengan bendung atau celah, misalnya. 
Mempertimbangkan kekhasan studi kasus Riohacha, termasuk karakteristik medan dan kurangnya data,
MODCEL dipilih karena kemampuannya untuk menangani interferensi topografis atas aliran banjir. MODCEL
adalah model hidrodinamika kuasi-2D di mana DAS dipisahkan menjadi sel-sel aliran; sel tersebut didefinisikan
sebagai kompartemen homogen yang merepresentasikan bagian dari medan (alami atau perkotaan) dan bertindak
secara terintegrasi, menghubungkan satu sama lain dalam mesh aliran dengan hanya menggunakan persamaan
hidrolik satu dimensi. Petak yang dihasilkan 
tidak beraturan, dalam arti bahwa setiap sel dapat mengambil bentuk yang tepat untuk mewakili bagian tertentu
dari medan. Skala yang berbeda mungkin hidup berdampingan dalam representasi kisi sel. Batas sel dapat
ditentukan oleh karakteristik topografi, menggunakan penalaran daerah aliran sungai, tetapi juga dapat ditentukan
oleh fitur perkotaan, seperti kontur bangunan. Representasi sel perkotaan skematik dapat ditemukan pada
Gambar 2. 
Hubungan hidrolik yang berbeda dapat menentukan hubungan antar sel. Yang paling umum digunakan adalah
persamaan dinamis Saint Venant, tetapi struktur lokal, seperti bendung, gerbang celah, dan pompa juga dapat
diwakili. 
MODCEL cocok untuk simulasi topografi 'kotak telur pipih' tertentu Riohacha. Latihan serupa dilakukan oleh
Sousa (), yang melakukan tes yang diusulkan oleh Badan Lingkungan Inggris melalui perbandingan MODCEL
dengan beberapa model matematika (Néelz & Pender ). Salah satu pengujiannya adalah memodelkan
daerah bujur sangkar seluas 2.000 mx 2.000 m dengan bentuk 'kotak telur pipih'. MODCEL menunjukkan hasil
yang memuaskan untuk pengujian ini jika dibandingkan 

Gambar 2 | Representasi skematis dari sel perkotaan dan cara kerjanya dalam model mesh. 
Diunduh dari https://iwaponline.com/wst/article-pdf/79/11/2095/591672/wst079112095.pdf 
 LND NIVERITETBIBLITEK r

2099 AKB de Oliveira et al. | Kalibrasi model banjir alternatif untuk daerah aliran sungai perkotaan Water Science & Technology | 79.11 | 2019

Gambar 3 | Topografi 'kotak telur pipih' diuji dan hasil MODCEL, dibandingkan dengan model lain yang diuji dalam Néelz & Pender (2013). 

ke model lainnya. Ketinggian air dan kecepatan aliran direproduksi secara konsisten (Gambar 3),
menggunakan jumlah elemen yang jauh lebih rendah jika dibandingkan dengan model hidro dinamis
2D yang menggunakan model medan digital (DTM), membuktikan bahwa kurangnya data topografi
yang terperinci tidak membatasi penggunaan ini. model. 
Database kalibrasi biasa untuk Riohacha tidak 
tersedia. Untuk mengatasi kesenjangan ini, dan untuk membuat database kalibrasi yang valid, survei
yang menyertakan sampel rumah tangga yang signifikan dilakukan untuk memetakan efek dari dua
peristiwa curah hujan yang intens: September 2011 (digunakan untuk tujuan kalibrasi) dan November
 2011 (untuk tujuan validasi). Secara khusus, fitur kuncinya adalah kebutuhan untuk menghubungkan
kedalaman banjir yang diamati di dalam rumah dengan yang lokal. 

Diunduh dari https://iwaponline.com/wst/article-pdf/79/11/2095/591672/wst079112095.pdf LND NIVERITETBIBLITEK r

elevasi banjir mengacu pada jalan raya, karena survei lapangan ini hanya dapat mengumpulkan informasi
banjir relatif dari pemilik rumah, tetapi bukan nilai elevasi absolut. Memahami ketidakpastian yang dapat
ditimbulkan oleh prosedur semacam itu diperlukan untuk menilai secara kritis kemungkinan dampak pada
hasil. Namun, perlu diingat bahwa ketidakpastian melekat pada proses pemodelan, dan mungkin berasal
dari beberapa sumber, mulai dari formulasi model itu sendiri hingga ketersediaan data untuk proses
kalibrasi (Deletic et al. ). 
Perangkat sistem informasi geografis (GIS) memungkinkan kami untuk menggabungkan informasi
tentang wilayah dengan informasi yang dikumpulkan selama lokakarya, survei lapangan, dan pertanyaan
lokal yang dilakukan dalam proses partisipatif yang lebih luas 

2100 AKB de Oliveira dkk. | Kalibrasi model banjir alternatif untuk daerah aliran sungai perkotaan Water Science & Technology | 79.11 | 2019

melintasi informasi yang diperoleh. Data dibuang 

jika setidaknya salah satu dari kondisi berikut terjadi: 

(a) nilai yang dilaporkan mewakili kedalaman air yang tinggi pada 
titik dengan kemiringan tinggi atau cekungan kecil; 
(b) nilai yang dilaporkan memiliki kedalaman air yang sangat 
berbeda dari kebanyakan titik terdekat; 
(c) air dilaporkan hanya di dalam rumah, tanpaair 
catatandi jalan. 
Gambar 4 | Skema yang diterapkan untuk merekonstruksi elevasiair tanah dibanjir 

mukadaerah- elevasi air banjir dapat dihitung sebagai Yflood ¼ Yroad þ 

ΔE   ΔI þ h. 

(Nardini & Miguez ). Secara khusus, kemampuan untuk secara geografis menemukan rumah-rumah
yang terkena banjir dan kedalaman banjir yang terkait dan, akibatnya, ketinggian banjir, sangat berguna.
Informasi spasial ini digunakan untuk menghasilkan permukaan banjir yang membantu dalam memahami
bagaimana jalur aliran berkembang dan di mana air disimpan di kolam. Ketika menghubungkan
karakteristik ini dengan sel dan jaring aliran yang dihasilkan, kolam akan mengacu pada kapasitas
penyimpanan sel, sedangkan jalur aliran ditarik di antara setiap pasangan sel dalam jaring atau melalui
sekumpulan sel yang membentuk garis kontinu. aliran. 
Sebagai antisipasi, tim survei lapangan tidak bisa langsung mengukur ketinggian air di rumah tangga
yang tergenang; kenyataannya, hanya perbedaan ketinggian yang dapat diukur, seperti yang ditunjukkan
pada Gambar 4. Berdasarkan gambar ini, kedalaman air terendam h dari sektor terendah rumah diukur,
 seperti yang ditunjukkan oleh penghuni. Kemudian dilakukan pengukuran selisih ketinggian relatif ΔE
antara jalan depan rumah dan pintu masuk rumah (beberapa rumah memiliki semacam pintu air), serta ΔI
antara ambang batas dan lantai terendah, keduanya diambil secara aljabar. tanda sesuai dengan konvensi
gambar. Setelah ketinggianYjalanjalan di depan rumah diketahui (dari raster DTM yang dibuat berdasarkan peta
topografi yang tersedia), informasi relatif tersebut dapat diterjemahkan ke dalam ketinggian air banjir
absolut. 
Setelah analisis rinci dan perbandingan tiap rumah, diamati bahwa beberapa ketinggian atau
kedalaman air secara fisik tidak mungkin terjadi. Beberapa tanggapan tidak akurat karena kelemahan
memori atau pernyataan yang berlebihan (misalnya, terkadang satu rumah diapit oleh dua atau tiga rumah
lainnya yang secara konsisten melaporkan ketinggian air tertentu, sedangkan rumah pertama melaporkan
genangan yang jauh lebih tinggi). Kemudian, analisis reliabilitas dilakukan untuk proses kalibrasi dan
validasi, secara spasial. 

Download dari https://iwaponline.com/wst/article-pdf/79/11/2095/591672/wst079112095.pdf LND NIVERITETBIBLITEK rdisurvei

Data yang(setelah penyaringan tersebut) kemudian dibandingkan dengan hasil simulasi. Namun,
perbedaan yang saling melengkapi dibuat dengan mengingat karakteristik alami dari DAS: sel diklasifikasikan
sebagai 'kolam penyimpanan' atau sebagai 'jalur aliran'. 'Kolam penyimpanan' terjadi di daerah datar dengan
cekungan; di sana, karakteristik utama sel yang mewakili bagian medan tersebut mengacu pada kapasitas
penyimpanannya dengan hampir tidak ada air yang bergerak (setidaknya, bukan sebagai karakter utama).
Sel-sel semacam itu mungkin menunjukkan permukaan medan yang tidak teratur; dengan demikian, variabel
yang sesuai untuk dipertimbangkan saat mengkalibrasi model dalam jenis sel ini adalah ketinggian air (yang
sebagian besar akan horizontal di atas area sel), dan bukan kedalaman air, karena beberapa titik pengukuran
berbeda yang berada di dalam sel tersebut harus ditampilkan nilai ketinggian absolut yang sangat mirip. Sel
'jalur aliran', sebaliknya, mengkarakterisasi zona di mana kemiringan lokal dan pola urbanisasi menunjukkan
keberadaan air yang sebagian besar mengalir, tanpa penyimpanan yang signifikan. Oleh karena itu,
kedalaman air adalah variabel yang sesuai untuk digunakan dalam jenis sel ini, dalam perbandingan model
survei, karena kedalaman ini akan secara langsung berkaitan dengan pengangkutan penampang aliran yang
ditetapkan oleh air yang mengalir. Oleh karena itu, nilai ketinggian air akan berbeda pada permukaan sel,
sehingga membutuhkan interpolasi antar sel untuk menemukan nilai yang tepat dalam model ruang kota.
Gambar 5 

Gambar 5 | Bagian penjelasan dari perbedaan antara 'jalur aliran' dan

'kolam penyimpanan'. 

2101 AKB de Oliveira dkk. | Kalibrasi model banjir alternatif untuk daerah aliran sungai perkotaan Water Science & Technology | 79.11 | 2019

menyajikan penampang skema penjelasan yang menunjukkan perbedaan antara dua pendekatan yang
disebutkan. Permukaan banjir dihasilkan dari proses ini, dengan tujuan memberikan referensi untuk kalibrasi
model. 
 Permukaanbanjir diperoleh sebagai berikut: permukaan raster yang diperoleh interpolasi elevasi air (diperoleh dari
survei) itu dikurangi dari raster dari permukaan tanah dan hanya bagian positif dipilih. 

Gambar 6 | (a) Kalibrasi

arah aliran. Hasil kalibrasi (b) dan validasi (c) untuk 'kolam penyimpanan' dan 'jalur aliran'. 
Diunduh dari https://iwaponline.com/wst/article-pdf/79/11/2095/591672/wst079112095.pdf 
 LND NIVERITETBIBLITEK r

2102 AKB de Oliveira et al. | Kalibrasi model banjir alternatif untuk daerah aliran sungai perkotaan Water Science & Technology | 79.11 | 2019

HASIL DAN PEMBAHASAN 

Sebagai pertimbangan awal, dari Gambar 6 (a), dapat diamati bahwa, secara umum, model cukup mewakili jalur
aliran antar sel. Arah aliran yang diperoleh dari wawancara dan yang disimulasikan oleh MODCEL secara
konsisten terwakili. Perhatikan, bagaimanapun, bahwa model hanya menyediakan informasi ini sepanjang koneksi
yang telah mapan, yang tidak tumpang tindih dengan semua situs tempat orang memberikan masukan. Juga
dapat dilihat bahwa kadang-kadang jalan tertentu dapat menyajikan aliran dalam dua arah yang berlawanan,
karena topografi 'kotak telur yang rata'. Nilai debit dilaporkan pada Gambar 6 (a) cor merespon arus puncak di
setiap link selama acara yang sama. 
Dalam proses kalibrasi, perbandingan simulasi yang disurvei dilakukan di 16 'kolam penyimpanan' dan 21
'aliran 
jalur'. Kedalaman air di beberapa kolam bisa mencapai beberapa meter. Suatu titik dianggap dikalibrasi jika
perbedaan mutlak tidak lebih dari 0,15 m muncul antara titik yang disurvei dan hasil yang dimodelkan di titik yang
sama, jika itu adalah kolam penyimpanan. Sebaliknya, jika titik mengacu pada jalur aliran, dianggap terkalibrasi
jika perbedaannya kurang dari 10%. Hasil kalibrasi dapat dilihat pada Gambar 6 (b). Perbedaan rata-rata antara
nilai yang dimodelkan dan yang disurvei untuk 'kolam penyimpanan' adalah 0,069 m dan untuk 'jalur aliran' adalah
9,4%. 
Mempertimbangkan proses validasi, 13 poin dibandingkan dengan kriteria 'kolam penyimpanan' dan 43 poin
dengan kriteria 'jalur aliran'. Hasil validasi juga dapat dilihat pada Gambar 6 (c). 
Oleh karena itu, hasil yang baik diamati untuk peristiwa kalibrasi dan validasi. Peta kalibrasi banjir yang
diperoleh dapat dilihat pada Gambar 7. 
 Gambar 7 | Peta banjir
diperoleh dari hasil kalibrasi (setara dengan kejadian curah hujan dengan periode ulang 84 tahun). 

Diunduh dari https://iwaponline.com/wst/article-pdf/79/11/2095/591672/wst079112095.pdf 

 LND NIVERITETBIBLITEK r

2103 AKB de Oliveira et al. | Kalibrasi model banjir alternatif untuk daerah aliran sungai perkotaan Water Science & Technology | 79.11 | 2019

Hasil Kalibrasicenderung (setidaknya) sedikit lebih baik daripada hasil validasi. Mempertimbangkan bahwa
acara kalibrasi telah menggunakan intensitas curah hujan yang sangat tinggi dan merupakan salah satu yang
baru-baru ini menyebabkan kerusakan paling parah, diharapkan (dan tampaknya telah dikonfirmasi) bahwa
penduduk akan memiliki tingkat banjir terbaru yang segar di lingkungan mereka. , menyajikan catatan terbaik
untuk perbandingan. 
Untuk memfasilitasi interpretasi hasil, Gambar 6 dan 7 akan dipertimbangkan bersama. Perhatikan, misalnya,
untuk sel 402, yang merupakan laguna alami (disebut Boca Grande), perbandingan tambak memberikan nilai yang
sama di sekitar ketinggian 13 m, dengan kedalaman air lebih dari 1 m. Di sisi lain, sel 404, 406 dan 405,
dihubungkan oleh jalan-jalan (dengan demikian, dihubungkan dengan persamaan dinamis Saint-Venant),
dianggap sebagai jalur aliran, dengan kedalaman air sekitar 0,30 m. Hubungan antara sel-sel lingkungan sekitar
402 dan 404 adalah sebuah bendung, yang membenarkan perbedaan kedalaman air yang ditunjukkan pada
Gambar 7. Situasi ini sama untuk laguna lainnya (304 - Esperanza; 102 - Mano de Dios; 603 - Salada). Penting
untuk diperhatikan bahwa sel bukanlah representasi yang tepat dan detail dari sebagian medan. Faktanya, ini
adalah elemen model yang menafsirkan dan membuat rata-rata informasi dari suatu area yang 
mewakili sebagian medan. Dengan cara ini, sel 402 adalah sebuah laguna, diwakili oleh kurva kedalaman ×
volume dengan bendung yang ditempatkan pada tingkat jalan yang muncul di dalam (di tepi) sel ini. Dengan cara
ini, saat melihat area banjir pada Gambar 7, ketinggian air mengacu pada pusat sel (di dalam laguna) dan bukan di
atas jalan (mewakili bendungan). Keseimbangan massa diperhitungkan dengan benar dalam perhitungan, tetapi
representasi visualnya disederhanakan. Perhatikan bahwa di sekitar Boca Grande Lagoon terdapat sel yang
mewakili area perkotaan pada umumnya (seperti sel 403 dan 408, misalnya), dengan ketinggian yang mirip
dengan jalan yang berfungsi sebagai bendungan dalam representasi laguna. Di sel-sel ini tidak terjadi banjir yang
berarti, yang berarti luapan air tidak penting atau bahkan tidak terjadi di wilayah tersebut. Sebaliknya, di sekitar sel
603, luapan menghasilkan sel-sel yang membanjiri di sekitar Laguna Salada ini. Diskusi ini diilustrasikan pada
Gambar 8, yang menunjukkan representasi parsial dan skematis dari interaksi hydrau lic antara laguna dan
sekitarnya. 
Jenis analisis yang sama dapat dilakukan untuk sel 102, 208, 304 dan 603, yang berhubungan dengan empat
laguna lain di tanah yang tertekan, yaitu: Mano de Dios, El Patron, Esper anza dan Salada. 

Gambar 8 | Representasi
skematis dari interaksi hidrolik antara laguna dan jalan-jalan sekitarnya. 

Diunduh dari https://iwaponline.com/wst/article-pdf/79/11/2095/591672/wst079112095.pdf 

 LND NIVERITETBIBLITEK r

2104 AKB de Oliveira et al. | Kalibrasi model banjir alternatif untuk daerah aliran sungai perkotaan Water Science & Technology | 79.11 | 2019
 KESIMPULAN 

Terlepas dari kurangnya informasi yang layak dan formal untuk kalibrasi model, kampanye lapangan
berdasarkan kuesioner terstruktur dan didukung oleh survei topografi pelengkap lokal dan pencarian tanda
air pada struktur perkotaan, memungkinkan rekonstruksi tingkat banjir dari kejadian-kejadian di masa lalu,
memulihkan informasi yang sebelumnya tidak tersedia. 
Dengan informasi ini dan menggunakan model quasi-2D yang dapat merepresentasikan topografi lokal
dengan cara interpretatif, proses kalibrasi berhasil dilaksanakan dan perbedaan antara peristiwa yang
dihitung dan informasi yang dipulihkan dapat diterima. Validasi juga dianggap berhasil. Hal ini menghindari
kebutuhan akan DTM yang terperinci, yang merupakan model dengan representasi topografi yang bagus
dan area grid kecil, yang mencakup interferensi oleh bangunan. Dengan demikian, dimungkinkan untuk
menyimpulkan bahwa pilihan model dan prosedur kalibrasi menawarkan alternatif yang layak untuk
menyiapkan alat perencanaan; mereka cukup dapat diandalkan bahkan dalam situasi dengan data yang
sangat langka, membuka jalan untuk menemukan solusi yang efisien untuk masalah banjir. Dengan
demikian, hasil dari pekerjaan ini dan metode yang diusulkan dapat digunakan untuk mendukung proses
kalibrasi model hidrodinamika di tempat yang sedikit atau tidak ada informasi yang tersedia. 

DAFTAR PUSTAKA 

Abily, M., Duluc, CM, Faes, JB & Gourbesville, P.  Penilaian kinerja alat pemodelan untuktinggi 
simulasi limpasan resolusimelalui lokasi industri. Jurnal Hidroinformatika 15, 1296–1311. 
Balica, SF, Douben, N. & Wright, NG  Indeks kerentanan banjir pada berbagai skala spasial. Ilmu danAir 
Teknologi60 (10), 2571–2580. 
Balica, SF, Wright, NG & van der Meulen, F.  Indeks kerentanan banjir untuk kota-kota pesisir dan penggunaannya
dalam menilai dampak perubahan iklim. Bahaya Alam 64 (1), 73–105. 
Barnard, T., Barnard, TE, Kuch, AW, Thompson, GR, Mudaliar, S. & Phillips, BC  Evolusi paket pemodelan 1D / 2D
terintegrasi untuk drainase perkotaan. Hidraulik Komputasi Internasional 18, 343–365. 
Bellos, V. & Tsakiris, G.  Membandingkan berbagai metode representasi bangunan untuk pemodelan banjir 2D
diterbangun 
area. Manajemen Sumber Daya Air 29 (2), 379–397. https: // doi.org/10.1007/s11269-014-0702-3. 
Chen, Y., Zhou, H., Zhang, H., Du, G. & Zhou, J.  Urban flood risk warning under rapid urbanization. Environmental 
Research 139, 3–10. 

Downloaded from https://iwaponline.com/wst/article-pdf/79/11/2095/591672/wst079112095.pdf LND NIVERITETBIBLITEK r

DANE – Departamento Administrativo Nacional de Estadística (National Administrative Department of Statistics)  XVII
Censo Nacional de Población Y VI de Vivenda (XVII National Population Census and VI of Housing). DANE, Santafé de
Bogotá, DC. 
Deletic, A., Dotto, CBS, McCarthy, DT, Kleidorfer, M., Freni, G., Mannina, G. & Bertrand-Krajewski, JL  Assessing
uncertainties in urban drainage models. Physics and Chemistry of the Earth, Parts A/B/C 42, 3–10. DOI:10.1016/j.
pce.2011.04.007. 
Eleutério, J. & Mosé, R.  Comparison of strategies used to map riverine flooding: the town of Fislis, in France, as a
case study. In: Proceedings of the 12th International Conference on Urban Drainage – ICUD, 10–15 September 2011,
Porto Alegre, Brazil. International Water Association (IWA). 
Espinosa, G. & Otterpohl, R.  Assessing material flows in urban systems: an approach to maximize the use of incomplete
data sets. Water Science and Technology 70 (6), 1135–1142. doi:10.2166/wst.2014.352. 
Fewtrell, TJ, Bates, PD, Horritt, M. & Hunter, NM  Evaluating the effect of scale in flood inundation modelling in urban
environments. Hydrological Processes: An International Journal 22 (26), 5107–5118. https://doi.org/10. 1002/hyp.7148. 
Freni, G., Mannina, G. & Viviani, G.  Assessment of data availability influence on integrated urban drainage
modelling uncertainty. Environmental Modelling & Software 24 (10), 1171–1181.
https://doi.org/10.1016/j.envsoft.2009.03.007. 
Freni, G., La Loggia, G. & Notaro, V.  Uncertainty in urban flood damage assessment due to urban drainage modelling
and depth-damage curve estimation. Water Science and Technology 61 (12), 2979–2993. 
 Hagen, E. & Lu, XX  Let us create flood hazard maps for developing countries. Natural Hazards 58 (3), 841–843.
Hurford, AP, Maksimovic´, Č. & Leitão, JP  Urban pluvial flooding in Jakarta: applying state-of-the-art technology in a
data scarce environment. Water Science and Technology 62 (10), 2246–2255. doi:10.2166/wst.2010.485. 
Kleidorfer, M., Möderl, M., Fach, S. & Rauch, W.  Optimization of measurement campaigns for calibration of a
conceptual sewer model. Water Science and 
Technology 59 (8), 1523–1530. https://doi.org/10.2166/wst. 2009.154. 
Kuiry, SN, Sen, D. & Bates, PD  Coupled 1D–Quasi-2D flood inundation model with unstructured grids. Journal of
Hydraulic Engineering 136 (8), 493–506. doi:10.1061/ ASCEHY.1943-7900.0000211. 
López, PL, Sutanudjaja, EH, Schellekens, J., Sterk, G. & Bierkens, MF  Calibration of a large-scale hydrological model
using satellite-based soil moisture and 
evapotranspiration products. Hydrology and Earth System Sciences 21, 3125–3144. doi:https://doi.org/10.5194/hess-
21- 3125-2017. 
Miguez, MG, Veról, AP & Carneiro, PRF  Sustainable drainage systems: an integrated approach, combining hydraulic
engineering design, urban land control and river revitalisation aspects. In: Drainage Systems. IntechOpen. 

2105 AKB de Oliveira et al. | An alternative flood model calibration for urban watersheds Water Science & Technology | 79.11 | 2019

Miguez, MG, Peres Battemarco, B., Martins De Sousa, M., Moura Rezende, O., Pires Veról, A. & Gusmaroli, G.  Urban flood
simulation using MODCEL – an alternative quasi-2D conceptual model. Water 9 (6), 445. DOI:10.3390/ w9060445. 
Nardini, A. & Miguez, MG  An integrated plan to sustainably enable the city of Riohacha (Colombia) to cope with a growing
urban flood problem, improving urban and natural environments. Sustainability 8, 198. 30pp. doi: 10. 3390/su8030198. (HTML
Version: http://www.mdpi.com/ 2071-1050/8/3/198/html). 
Néelz, S. & Pender, G.  Delivering Benefits Thorough Evidences: Benchmarking the Latest Generation of 2D
Hydraulic Modelling Packages. Report – SC120002. 
Pérez, JI, Escobar, JR & Fragozo, JM  Influence of Ranchería River on the Flooding of the Town of Riohacha. La Guajira,
Colombia. Congreso Interamericano de Computación Aplicada a la Industria de Procesos (Inter American Congress on
Computing Applied to the Process Industry). Instituto Tecnológico Autónomo de México (Autonomous Technological Institute
of Mexico; ITAM), 188–195. 
Santos Júnior, VJ & Santos, CO  A evolução da urbanização e os processos de produção de inundações urbanas (The
evolution of urbanization and the processes of production of urban floods). Estação Científica (UNIFAP) 3 (1), 19–30. 
Singh, G. & Kumar, E.  Input data scale impacts on modeling output results: a review. Journal of Spatial Hydrology 13 (1), 1–10.  
Sousa, MM  Avaliação Comparativa de Metodologias de Modelagem Hidráulica 2D E seu Impacto na Interpretação E 
Avaliação de Ondas de Cheia (Comparative Evaluation of 2D Hydraulic Modeling Methodologies and Their Impact on Flood
Interpretation and Evaluation). Thesis, COPPE/UFRJ, Rio de Janeiro. 
Suriya, S. & Mudgal, BV  Impact of urbanization on flooding: the Thirusoolam sub watershed – a case study. Journal of
Hydrology 412, 210–219. 
Tejaswini, V. & Sathian, KK  Calibration and validation of swat model for Kunthipuzha basin using SUFI-2 algorithm. International
Journal of Current Microbiology and Applied Sciences 7 (1), 2162–2172. https://doi.org/10.20546/ijcmas. 2018.701.260. 
Tscheikner-Gratl, F., Zeisl, P., Kinzel, C., Leimgruber, J., Ertl, T., Rauch, W. & Kleidorfer, M.  Lost in calibration: why people still
don't calibrate their models, and why they still should – a case study from urban drainage modelling. Water Science and
Technology 74 (10), 2337–2348. doi:10.2166/ wst.2016.395. 
United Nations Department of Economics and Social Affairs Population Division  World Population Prospects: The 2015
Revision. 
Van Dijk, E., van der Meulen, J., Kluck, J. & Straatman, JHM  Comparing modelling techniques for analysing urban pluvial
flooding. Water Science and Technology 69 (2), 305–311. doi:10.2166/wst.2013.699. 
Viero, DP, D'Alpaos, A., Carniello, L. & Defina, A.  Mathematical modeling of flooding due to river bank failure. Advances in
Water Resources 59, 82–94. 
Wang, L., van Meerveld, HJ & Seibert, J.  When should stream water be sampled to be most informative for event based, multi-
criteria model calibration? Hydrology Research 48 (6), 1566–1584. doi:10.2166/nh.2017.197. 

First received 17 January 2019; accepted in revised form 7 June 2019. Available online 20 June 2019 
Downloaded from https://iwaponline.com/wst/article-pdf/79/11/2095/591672/wst079112095.pdf 
 LND NIVERITETBIBLITEK r