Libmurg Flood Impact Package.
Project description
De Water in Balans pandentool bepaalt op basis van een set van maximale waterdieptekaarten (rasters) en panden (polygonen) het risico op wateroverlast en de herkomst van het overlast gevende water.
Er zijn 3 manieren om de tool te gebruiken, die elk hieronder zullen worden toegelicht - In QGIS (de makkelijkste manier om de tool eenmalig te runnen) - Via de command line (vooral handig voor de verwerking van meerdere scenarios op een reproduceerbare manier) - In een Python script (voor de verwerking van meerdere scenarios op een reproduceerbare manier en voor de integratie van deze analyse in grotere Python workflows)
Gebruikershandleiding: QGIS plugin
Installatie
De plugin is in de QGIS plugin repository beschikbaar als Limburg Flood Impact. Instructies voor de installatie van QGIS plugins vind je hier: https://docs.qgis.org/latest/en/docs/user_manual/plugins/plugins.html.
Na de installatie zal er in de Processing Toolbox in de categorie ‘Limburg Flood Impact’ een aantal processing algorithms zijn toegevoegd. Deze dienen in een bepaalde volgorde te worden doorlopen. Zie hiervoor het stappenplan.
Stappenplan
Verzamel de benodigde data en voeg deze toe aan het QGIS project. Zie voor meer details hierover de paragraaf ‘Invoer en uitvoer’.
Voer achter elkaar de processing algorithms uit. Voor de juiste volgorde en meer informatie, zie de paragraaf ‘Methode en stappenplan’. Controleer na het uitvoeren van elke stap de attribute table van de pandentabel.
Als je niet kan programmeren maar dit proces wel verder wilt automatiseren, dan kan dat binnen QGIS met de Graphical Modeler. Zie hiervoor https://docs.qgis.org/3.22/en/docs/user_manual/processing/modeler.html
Gebruikershandleiding: Command line
Om de tool via de command line te kunnen gebruiken, heb je Python nodig en moet je de python library limburg-flood-impact nodig.
> pip install limburg-flood-impact
Vervolgens kan je de verschillende stappen uitvoeren door het betreffende commando als volgt aan te roepen:
> check_address -b path_to_buildings_data -a path_to_adress_data
Meer informatie over de specifieke manier om elk script aan te roepen kan met het argument -h:
> check_address -h
Voor een uitgebreidere uitleg over de argumenten van deze scripts, zie onder “Invoer en uitvoer”
Gebruikershandleiding: Python
Installeer het python package limburg-flood-impact
> pip install limburg-flood-impact
Voer de stappen uit zoals beschreven in de paragraaf “Methode en stappenplan”. Let erop dat alle data voldoet aan de eisen die daaraan worden gesteld in “Invoer en uitvoer”.
Invoer en uitvoer
Panden (‘buildings’)
Beschrijving: Deze input moet een selectie zijn uit de BAG. De makkelijkste manier om deze data (in het juiste formaat) te verkrijgen is door een selectie te maken uit de PDOK WFS service BAG WFS: pand en deze selectie op te slaan in een GeoPackage. In QGIS is deze WFS service beschikbaar via de PDOK Services plugin. Geometrietype: Polygon Verplicht attribuut: identificatie (string) Bestandsformaat: GeoPackage
Verblijfsobjecten (‘addresses’)
Beschrijving: Deze input moet een selectie zijn uit de BAG. De makkelijkste manier om deze data (in het juiste formaat) te verkrijgen is door een selectie te maken uit de PDOK WFS service BAG WFS: Verblijfsobject en deze selectie op te slaan in een GeoPackage. In QGIS is deze WFS service beschikbaar via de PDOK Services plugin. Geometrietype: Point Verplicht attribuut: pandidentificatie (string) Bestandsformaat: GeoPackage
Maximale waterdiepte (‘T10’, ‘T25’, ‘T100’)
Normering regionale wateroverlast (‘flood protection norm’)
Beschrijving: Polygonen die aangeven voor welke herhalingstijd het betreffende gebied beschermt moet zijn. Deze input moet een selectie zijn uit de laag “Normering regionale wateroverlast” van de WFS service “Provinciale beleidsplannen” van de provincie Limburg. Geometrietype: Polygon Verplicht attribuut: “NORM” Bestandsformaat: GeoPackage Overige instructies: Om deze gegegevens te verkrijgen: maak in QGIS verbinding met de WFS service https://portal.prvlimburg.nl/geodata/PROVINCIALE_BELEIDSPLANNEN/wfs? . Deze service bevat een groot aantal lagen. Voeg de laag “Normering regionale wateroverlast” toe aan het QGIS project. Maak een selectie op basis van het gebied waarvoor de analyse moet worden gedaan. Sla deze selectie op als GeoPackage.
Methode en stappenplan
De methode bestaat uit vier stappen. In elke stap wordt er meer informatie over elk pand bekend; de methode wordt zo ingericht, dat al deze informatie beschikbaar blijft en als attributen aan het pand worden toegevoegd.
1. Bepalen of panden een adres hebben
Gebruik
QGIS: Check Addresses
Command line: check_addresses -h
Python:
from limburg_flood_impact.check_address import check_building_have_address from pathlib import Path buildings_path = Path("C:/Temp/buildings.gpkg") addresses_path = Path("C:/Temp/adresses.gpkg") check_building_have_address(buildings_path, adresses_path)
Algoritme
Aan de panden wordt het veld heeft_adres (boolean) toegevoegd. Dit attribuut krijgt de waarde True als het pand gekoppeld kan worden aan een verblijfsobject op basis van pand.identificatie = verblijfsobject.pandidentificatie en anders de waarde False.
2. Kwetsbare panden classificeren per neerslagverdeling (stedelijke/landelijke/gebiedsbrede neerslag)
Gebruik
QGIS: - Classify Area Wide Rain - Classify Rural Rain - Classify Urban Rain
Python:
from limburg_flood_impact.classify_area_wide_rain import classify_area_wide_rain, classify_rural_rain, classify_urban_rain from pathlib import Path buildings_path = Path("C:/Temp/buildings.gpkg") t10_path = Path("C:/Temp/water_depth_t10.tif") t25_path = Path("C:/Temp/water_depth_t25.tif") t100_path = Path("C:/Temp/water_depth_t100.tif") classify_urban_rain(buildings_path, t10_path, t25_path, t100_path) classify_rural_rain(buildings_path, t10_path, t25_path, t100_path) classify_area_wide_rain(buildings_path, t10_path, t25_path, t100_path)
Algoritme
NB: de hieronder beschreven ‘bewerkingen’ van de waterdieptekaart gelden alleen voor de bepaling van het risico op wateroverlast per pand. Voor andere doeleinden (zoals kaarten) blijft de oorspronkelijke waterdieptekaart behouden.
De maximale waterdiepte wordt steeds bepaald door het pand te bufferen met 1x de pixelgrootte en van alle pixels die binnen die buffer liggen de maximale waarde te nemen.
De verwerking wordt gedaan in tegels van 1.000 bij 1.000 meter. Per tegel wordt het onderstaande algoritme uitgevoerd, voor de panden waarvan de centroide binnen de tegel ligt. Om randeffecten te voorkomen, wordt er een overlap gehanteerd van 50 meter. Dat wil zeggen dat er steeds een uitsnede van 1.100 bij 1.100 meter uit de invoerrasters wordt gemaakt.
Neerslag op stedelijk gebied: - Waterdieptepixels met waterdiepte < 2 cm worden verwijderd (op nodata gezet) - Dit raster wordt gepolygoniseerd - Waterdieptepixels die in polygonen liggen die kleiner zijn dan 200 m2 worden verwijderd (op nodata gezet) - De maximale waterdiepte tegen de gevel wordt bepaald - Is de maximale waterdiepte groter dan 15 cm, dan krijgt dit pand de tussenclassificatie “Risico” (in het attribuut stedelijk_t10 / stedelijk_t25 / stedelijk_t100) - Is de maximale waterdiepte kleiner of gelijk aan 15 cm, dan krijgt dit pand de tussenclassificatie “Geen risico”
Neerslag op landelijk gebied: - Waterdieptepixels met waterdiepte < 2 cm worden verwijderd (op nodata gezet) - Dit raster wordt gepolygoniseerd - Waterdieptepixels die in polygonen liggen die kleiner zijn dan 200 m2 worden verwijderd (op nodata gezet) - De maximale waterdiepte tegen de gevel wordt bepaald - Is de maximale waterdiepte groter dan 15 cm, dan krijgt dit pand de tussenclassificatie “Kwetsbaar pand door landelijke neerslag” - Is de maximale waterdiepte kleiner of gelijk aan 15 cm, dan krijgt dit pand de tussenclassificatie “geen kwetsbaar pand door landelijke neerslag”
Neerslag gebiedsbreed: - Waterdieptepixels met waterdiepte < 2 cm worden verwijderd (op nodata gezet) - De maximale waterdiepte tegen de gevel wordt bepaald. Dit is de “maximale waterdiepte inclusief kleine plassen” - Het waterdiepteraster zonder pixels < 2 cm wordt gepolygoniseerd - Waterdieptepixels die in polygonen liggen die kleiner zijn dan 200 m2 worden verwijderd (op nodata gezet) - De maximale waterdiepte tegen de gevel wordt opnieuw bepaald. Dit is de “maximale waterdiepte exclusief kleine plassen” - Is de maximale waterdiepte inclusief kleine plassen ≤ 15 cm, dan krijgt dit pand de tussenclassificatie “geen kwetsbaar pand door gebiedsbrede neerslag” - Is de maximale waterdiepte exclusief kleine plassen > 15 cm, dan krijgt dit pand de tussenclassificatie “Kwetsbaar pand door gebiedsbrede neerslag, regionale herkomst”. - Is de maximale waterdiepte inclusief kleine plassen > 15 cm, maar de maximale waterdiepte exclusief kleine plassen ≤ 15 cm, dan krijgt dit pand de tussenclassificatie “risicopand door gebiedsbrede neerslag, lokale herkomst”.
3. Samengevoegde classificatie per bui (T10/T25/T100)
Gebruik
QGIS: Combine Classification
Command line: combine_classification -h
Python:
from limburg_flood_impact.combine_classification import combine_classification from pathlib import Path buildings_path = Path("C:/Temp/buildings.gpkg") combine_classification(buildings_path)
Algoritme
In deze stap worden de tussenclassificaties per neerslaggebied vertaald naar 1 klasse per pand per bui. Dit wordt gedaan met de vertaaltabel https://github.com/nens/limburg-flood-impact/blob/main/misc/classificatie.xlsx
4. Toetsing aan de norm
Gebruik
QGIS: Test Against Flood Protection Norm
Command line: test_against_flood_protection_norm -h
Python:
from limburg_flood_impact.test_against_flood_protection_norm import test_against_flood_protection_norm from pathlib import Path buildings_path = Path("C:/Temp/buildings.gpkg") flood_norm_path = Path("C:/Temp/flood_protection_norm.gpkg") test_against_flood_protection_norm(buildings_path=buildings_path, flood_norm_path=flood_norm_path)
Algoritme
Optioneel kan elk pand getoetst worden aan de norm. Daarbij wordt de volgende methodiek gehanteerd: - Bepalen in welk normgebied het pand ligt. Eerst wordt in de boolean velden in_normgebied_t10, in_normgebied_t25 en in_normgebied_t100 genoteerd of het pand (deels) in het betreffende normgebied ligt. - Vervolgens wordt in het string veld ‘normgebied’ genoteerd welke norm van toepassing is. Ligt het pand in meer dan 1 normgebied (pand ligt op de grens), dan wordt de hoogste norm aangehouden (T100 boven T25 boven T10 boven Geen norm). - Als het pand de norm “T100” heeft toegekend gekregen, wordt de klasse voor de T100 bui overgenomen in het attribuut “toetsingsklasse” - Als het pand de norm “T25” heeft toegekend gekregen, wordt de klasse voor de T25 bui overgenomen in het attribuut “toetsingsklasse” - Als het pand de norm “T10” heeft toegekend gekregen, wordt de klasse voor de T10 bui overgenomen in het attribuut “toetsingsklasse” - Als het pand de norm “Geen norm” heeft toegekend gekregen, wordt “n.v.t.” ingevuld in het attribuut “toetsingsklasse” - De toetsingsklasse wordt vervolgens vertaald naar “Voldoet aan norm” (ja/nader onderzoeken). Zie de vertaaltabel (https://github.com/nens/limburg-flood-impact/blob/main/misc/classificatie.xlsx)
Project details
Release history Release notifications | RSS feed
Download files
Download the file for your platform. If you're not sure which to choose, learn more about installing packages.
Source Distribution
Built Distribution
File details
Details for the file limburg_flood_impact-0.8.0.tar.gz
.
File metadata
- Download URL: limburg_flood_impact-0.8.0.tar.gz
- Upload date:
- Size: 20.3 kB
- Tags: Source
- Uploaded using Trusted Publishing? No
- Uploaded via: twine/4.0.2 CPython/3.10.12
File hashes
Algorithm | Hash digest | |
---|---|---|
SHA256 | b2981aee56b88e45824ebfb5a10046a13d18346ba7a72b86221281649517b708 |
|
MD5 | ceb33348708b46b0d3270b0e0a9c7686 |
|
BLAKE2b-256 | ffb869c948ae4bf309bb0032bcd5fa902b3a7c1fc8e73665610db31e403e13c9 |
File details
Details for the file limburg_flood_impact-0.8.0-py3-none-any.whl
.
File metadata
- Download URL: limburg_flood_impact-0.8.0-py3-none-any.whl
- Upload date:
- Size: 24.0 kB
- Tags: Python 3
- Uploaded using Trusted Publishing? No
- Uploaded via: twine/4.0.2 CPython/3.10.12
File hashes
Algorithm | Hash digest | |
---|---|---|
SHA256 | ea2439e3498ffa54ccc7477a38789419dd52bbb5600d31008d2d6b78c31884ad |
|
MD5 | e686809d565c08275fc864f45c55edf9 |
|
BLAKE2b-256 | 875de5bf421721ce9f17f7a5ba7d82ffc54f3038dc75bccf73a89a75a6b97a58 |