Coupled Continuous-Discontinuous Galerkin Finite Element Solver for Compound Flood Simulations

Deze paper introduceert een nieuw gekoppeld DG-CG eindige-elementenmodel binnen ADCIRC dat regenval en stormvloed nauwkeurig simuleert om samengestelde overstromingen, zoals tijdens Hurricane Harvey, beter te kunnen voorspellen.

De kern

Stel je voor dat je een enorme, digitale waterbak hebt die de kustlijn van de VS nabootst. In deze bak wil je precies voorspellen wat er gebeurt tijdens een orkaan. Maar er is een probleem: een orkaan brengt niet alleen een stormvloed (het water dat van zee op land stroomt), maar ook vaak gigantische regenbuien.

Als deze twee krachten samenkomen, krijg je een combinatie-overstroming (compound flood). Het is alsof je eerst een emmer water over de vloer giet (de stormvloed) en er direct daarna nog een emmer overheen gooit (de regen). Het resultaat is veel erger dan de som van de twee delen afzonderlijk.

Deze paper beschrijft een nieuwe, slimme manier om dit in een computerprogramma te simuleren. Hier is de uitleg in gewone taal, met een paar creatieve vergelijkingen:

1. Het Probleem: Twee verschillende gereedschappen

Voor dit soort simulaties gebruiken wetenschappers vaak een programma genaamd ADCIRC. Dit programma is als een ervaren loodgieter die heel goed kan berekenen hoe water stroomt (de momentum-vergelijkingen).

Maar ADCIRC heeft een zwak punt: het is niet perfect in het bijhouden van elke druppel water die erbij komt of verdwijnt. Als je regen toevoegt, kan het programma soms "vergeten" hoeveel water er precies is, of het kan onstabiel worden (alsof de loodgieter de leidingen laat knappen).

2. De Oplossing: Een hybride team

De auteurs van deze paper hebben een nieuwe methode bedacht die twee verschillende soorten "rekenkracht" combineert. Ze noemen dit een DG-CG koppeling.

• De CG-deel (De Loze Loog): Dit is het oude, vertrouwde deel van ADCIRC. Het is snel en efficiënt voor het berekenen van de stroomsnelheid. Denk hieraan als de snelheidslimiet op de snelweg: het houdt de auto's (het water) goed op koers.
• De DG-deel (De Strakke Boekhouder): Dit is een nieuwere, strengere methode. Het is als een boekhouder die elke cent (of elke druppel) bijhoudt. Hij zorgt ervoor dat als er regen bij komt, die regen ook echt in het totaalplaatje telt. Hij is iets trager, maar onfeilbaar in het bijhouden van de balans.

De creatieve analogie:
Stel je voor dat je een orkest dirigeert.

• De CG-methode is de dirigent die zorgt dat alle instrumenten op hetzelfde tempo spelen (snelheid en stroming).
• De DG-methode is de kassier die precies bijhoudt hoeveel geld er in de kassa ligt (de hoeveelheid water).
• In het verleden probeerden ze de kassier ook de dirigent te laten zijn, maar dat ging vaak mis als er veel regen (nieuwe geldstroom) binnenkwam.
• In deze nieuwe methode laten ze de kassier (DG) alleen zorgen voor de waterstand (de hoogte van het water) en de dirigent (CG) zorgen voor de stroomsnelheid. Ze werken samen, maar elk doet waar hij het beste in is.

3. De Regen: De "Bron"

Een groot deel van de paper gaat over hoe je regen in het model stopt.

• Oude manier: Regen werd soms als een "extra druk" behandeld, wat de rekenregels verwarde.
• Nieuwe manier: De auteurs behandelen regen als een directe bron (zoals een kraan die open gaat). Omdat de DG-methode (de boekhouder) zo goed is in het bijhouden van massa, kan hij deze kraan openen zonder dat het hele systeem uit balans raakt.

Ze gebruiken zelfs wiskundige formules (zoals het R-CLIPER model) om te voorspellen waar de regen valt, gebaseerd op de snelheid van de wind en de positie van de orkaan. Het is alsof je een digitale regenmachine hebt die precies weet waar de wolken hangen.

4. Droog en Nat (Wetting and Drying)

Een van de moeilijkste dingen bij overstromingen is het moment waarop water droog land nat maakt, of juist weer terugtrekt.

• Stel je voor dat je water over een hobbelig terrein giet. Soms is het land droog, soms nat.
• Het oude model kon hier soms in de war van raken.
• Het nieuwe model heeft een slimme "check": als een stuk land droog is, wordt het als een droge spons behandeld. Zodra er genoeg regen of water binnenkomt, wordt het direct als nat gemarkeerd en begint het water te stromen. Dit zorgt ervoor dat het model realistisch kan simuleren hoe een droge straat plotseling onder water komt te staan.

5. De Test: Orkaan Harvey

Om te bewijzen dat het werkt, hebben ze het getest op Orkaan Harvey (2017).

• Harvey was een orkaan die niet alleen een stormvloed bracht, maar ook recordregen.
• Het oude model (alleen CG) voorspelde dat het water een beetje zou stijgen.
• Het nieuwe model (DG-CG met regen) zag dat de regen het waterpeil veel hoger deed stijgen, precies zoals het in het echt gebeurde.
• Het was alsof het oude model dacht: "Oh, het regent een beetje," terwijl het nieuwe model riep: "Wacht, er komt een waterval aan!"

Conclusie

Kortom, deze paper introduceert een slimme manier om twee verschillende rekenmethoden te koppelen. Door de snelheid van het oude systeem te combineren met de precisie van het nieuwe systeem, kunnen wetenschappers nu veel betrouwbaarder voorspellen wat er gebeurt bij een combinatie van stormvloed en regen.

Dit is cruciaal voor de toekomst: als we weten hoe water zich gedraagt tijdens deze extreme combinaties, kunnen we steden beter beschermen en levens redden. Het is alsof we van een ruwe schets zijn gegaan naar een gedetailleerde, 3D-animatie van de natuurkrachten.

Technische samenvatting

Probleemstelling

De paper adresseert het toenemende risico van samengestelde overstromingen (compound floods), waarbij stormvloed (storm surge) en rivierafvoer of regenwaterafvoer gelijktijdig optreden en elkaar versterken. Traditionele modellen, zoals de veelgebruikte ADCIRC-solver, gebruiken de Generalized Wave Continuity Equation (GWCE) in combinatie met een Continuous Galerkin (CG) methode voor de ruimtelijke discretisatie.

• Beperkingen van CG: De CG-methode garandeert geen lokale massabehoud (mass conservation) per element. Dit maakt het moeilijk om bronnen zoals neerslag (regen) nauwkeurig en stabiel in het model te integreren zonder numerieke instabiliteiten of onnauwkeurigheden, vooral bij complexe interacties tussen land en water.
• Noodzaak: Er is een behoefte aan een numeriek model dat zowel de efficiëntie van CG behoudt als de strikte lokale massabehoud van Discontinuous Galerkin (DG) methoden, om regen en stormvloed in één simulatie te kunnen modelleren.

Methodologie

De auteurs ontwikkelen een gekoppelde DG-CG discretisatie van de tweedimensionale ondiepe watervergelijkingen (Shallow Water Equations - SWE) en integreren deze in de ADCARC-framework.

1. Gekoppelde Discretisatie:

   • Continuïteitsvergelijking (Massa): Wordt opgelost met een Discontinuous Galerkin (DG) methode. Dit garandeert exact lokale massabehoud, wat essentieel is voor het correct modelleren van regen als een bronterm ($R$) in de vergelijking.
   • Momentumvergelijkingen: Worden opgelost met de bestaande Continuous Galerkin (CG) methode uit ADCIRC. Dit behoudt de rekenkundige efficiëntie en stabiliteit voor de snelheidsvelden.
   • Koppeling: De oplossing voor het waterpeil ($\zeta$) uit de DG-solver (element-gebaseerd) wordt geprojecteerd naar de CG-ruimte (knooppunt-gebaseerd) om de momentumvergelijkingen te voeden. Omgekeerd worden de snelheden (CG) geprojecteerd naar de DG-ruimte voor de flux-berekeningen.

2. Regenintegratie:

   • Regen wordt toegevoegd als een bronterm in de continuïteitsvergelijking.
   • Het model ondersteunt zowel parametrische regenmodellen (zoals R-CLIPER, gebaseerd op stormparameters) als geobserveerde data (GRIB2-formaat).
   • De methode is ontworpen om stabiel te blijven op zowel natte als droge elementen, waardoor droge gebieden kunnen "nat worden" door regen, zelfs zonder inkomende stroming.

3. Nat/Droog Schematisatie (Wetting and Drying):

   • De auteurs ontwikkelen een hybride nat/droog-algoritme dat de CG- en DG-benaderingen combineert.
   • In tegenstelling tot eerdere DG-only modellen die alleen elementen beheren, gebruikt deze methode de nodale status van CG maar past deze aan met DG-logica voor massabehoud.
   • Een "PositiveDepth"-operator zorgt ervoor dat waterdiepte nooit negatief wordt en dat massa behouden blijft tijdens het overgaan van nat naar droog en vice versa.

4. Implementatie:

   • De solver is modulair geïmplementeerd in ADCIRC.
   • Er wordt gebruik gemaakt van lokale basisfuncties (Dubiner-basis) en numerieke fluxen (Local Lax-Friedrichs) voor de DG-deel.
   • Voor de tijdintegratie wordt een expliciete Euler-methode gebruikt voor de DG-continuïteitsvergelijking (geen stabiliteitsproblemen waargenomen) en een semi-impliciete methode voor de CG-momentumvergelijkingen.

Belangrijkste Bijdragen

• Nieuwe Numerieke Koppeling: De eerste implementatie van een DG-CG gekoppelde solver voor SWE binnen ADCIRC die lokale massabehoud garandeert terwijl de momentum-efficiëntie behouden blijft.
• Robuuste Regenintegratie: Een methode om regen als een variabele bronterm toe te voegen zonder de stabiliteit van het model te schaden, zelfs in gebieden die volledig droog beginnen.
• Hybride Nat/Droog Logica: Een verbeterd algoritme dat de voordelen van zowel CG (nodale continuïteit) als DG (lokale behoudswetten) combineert voor het simuleren van kustoverstromingen.
• Validatie op Schaal: Uitgebreide validatie van kleine schaal laboratoriumtests tot grote schaal orkaan-simulaties.

Resultaten

De methode is getest op een reeks van benchmarks en real-world scenario's:

1. Numerieke Tests (Lynch & Gray, Quarter Annular):

   • De DG-CG methode toont een convergentiegraad die dicht bij het theoretische optimum ligt (ongeveer 2e orde), vergelijkbaar met pure CG, maar met het voordeel van lokale massabehoud.
   • Er werden geen significante numerieke oscillaties of dissipatie waargenomen.

2. Regen op een heuvel (Lake-at-Rest):

   • Het model toonde exacte massabehoud toegevoegd aan de regenbron.
   • Een volledig droog domein kon succesvol nat worden door regen alleen, wat een cruciale functionaliteit voor samengestelde overstromingen is.

3. Neches Rivier (Hurricane Harvey):

   • Bij vergelijking met waarnemingen en de standaard CG-solver (ADCIRC), presteerde de DG-CG solver beter in het voorspellen van piekwaterstanden, vooral in gebieden met hoge advectie.
   • De CG-solver neigde tot onderpredictie, terwijl DG-CG dichter bij de waargenomen pieken lag.

4. Orkaan Harvey (2017) en Ike (2008):

   • Harvey: De simulatie toonde duidelijk het effect van regen op de waterstand na de piek van de stormvloed. De DG-CG methode met regenvoorspelling (IPET model) gaf een significant betere overeenstemming met waargenomen hoogwatermerken (High Water Marks) dan de CG-methode zonder regen.
   • Ike: Voor deze storm, gedomineerd door stormvloed, waren de resultaten van DG-CG en CG bijna identiek, wat aantoont dat de nieuwe methode de prestaties van de bestaande solver niet verslechtert in traditionele scenario's.

5. Rekenprestaties:

   • De DG-CG methode is ongeveer 18% langzamer dan pure CG in seriële uitvoering, voornamelijk door de extra kosten van randintegratie en hellingbegrenzing (slope limiting) in de DG-deel.
   • In parallelle uitvoering (tot 2048 processors) schalen beide methoden goed, hoewel de communicatie-overhead bij DG-CG iets hoger is door extra variabelen (nat/droog vlaggen).

Betekenis en Conclusie

De paper presenteert een belangrijke doorbraak in het modelleren van samengestelde overstromingen. Door de lokale massabehoud van DG te combineren met de efficiëntie van CG, maken de auteurs het mogelijk om regen en stormvloed in één nauwkeurig en stabiel numeriek kader te simuleren.

• Praktische Impact: Het model kan nu beter voorspellen hoe extreme regenval (zoals bij orkaan Harvey) de gevolgen van stormvloed verergert, wat cruciaal is voor risicobeheer en overstromingsbestrijding.
• Toekomstperspectief: Hoewel de methode een grote stap voorwaarts is, erkennen de auteurs dat verdere verbeteringen nodig zijn in de nat/droog-algoritmen voor zeer fijnmazige netwerken en dat toekomstig werk gericht zal zijn op het integreren van andere hydrologische processen zoals infiltratie en verdamping.

Kortom, deze studie levert een robuust, schaalbaar en nauwkeurig instrument voor het voorspellen van complexe overstromingssituaties die door meerdere factoren worden veroorzaakt.