Published February 1, 2024 | Version v1
Publication Metadata-only

Regional flood frequency analysis in North Africa

Creators

  • 1. University of Montpellier
  • 2. Institut de Recherche pour le Développement
  • 3. French National Centre for Scientific Research
  • 4. Université Mohammed VI Polytechnique
  • 5. Mohammed V University
  • 6. Centre de Formation et de Recherche sur les Environnements Méditerranéens
  • 7. Sidi Mohamed Ben Abdellah University
  • 8. University of Ghardaia
  • 9. Badji Mokhtar University
  • 10. University of Carthage
  • 11. Cadi Ayyad University

Description

The Maghreb countries located in North Africa are strongly impacted by floods, causing extended damage and numerous deaths. Until now, the lack of accessibility of river discharge data prevented regional studies on potential changes in flood hazards or the development of regional flood frequency estimation methods. A new database of daily river discharge data for 98 river basins located in Algeria, Morocco, and Tunisia, has been compiled, with an average of 36 years of complete records over the time period 1960–2018. A peaks-over-threshold sampling of flood events is considered first to detect trends in the annual frequency and the magnitude of floods. The trend analysis results revealed no significant changes in flood frequency or magnitude at the regional level, with only a few spurious trends due to isolated extreme or clustered events. An envelope curve relating maximum floods for a range of catchment areas in North Africa has been developed, for the first time in this region with such a large database. Then, regional estimation methods for flood quantiles were compared. The regional estimation from multiple catchment characteristics (including soil types, land use, elevation, and geology) was performed by comparing two multiple linear regression methods, Stepwise regression and Lasso regression, and a machine learning algorithm, Random Forests. Results indicate a better performance of the Lasso regression to estimate flood quantiles at ungauged locations, with mean absolute relative errors close to 50 % and relative bias close to 20 %. The most relevant catchment predictors identified by the regression models are the topographic wetness index, which provides better estimates than catchment area, but also altitude, mean annual rainfall, and soil bulk density. The results of this study could be useful to improve operational procedures for sizing hydraulic structures at ungauged sites.

⚠️ This is an automatic machine translation with an accuracy of 90-95%

Translated Description (Arabic)

تتأثر دول المغرب العربي الواقعة في شمال إفريقيا بشدة بالفيضانات، مما تسبب في أضرار طويلة ووفيات عديدة. حتى الآن، حال عدم إمكانية الوصول إلى بيانات تصريف الأنهار دون إجراء دراسات إقليمية حول التغييرات المحتملة في مخاطر الفيضانات أو تطوير طرق تقدير تواتر الفيضانات الإقليمية. تم تجميع قاعدة بيانات جديدة لبيانات التصريف النهري اليومية لـ 98 حوضًا نهريًا تقع في الجزائر والمغرب وتونس، بمتوسط 36 عامًا من السجلات الكاملة خلال الفترة الزمنية 1960–2018. يعتبر أخذ عينات الذروة فوق العتبة لأحداث الفيضانات أولاً للكشف عن الاتجاهات في التكرار السنوي وحجم الفيضانات. كشفت نتائج تحليل الاتجاه عن عدم وجود تغييرات كبيرة في تواتر الفيضانات أو حجمها على المستوى الإقليمي، مع وجود عدد قليل فقط من الاتجاهات الزائفة بسبب الأحداث المتطرفة أو المتجمعة المعزولة. تم تطوير منحنى مغلف يتعلق بالفيضانات القصوى لمجموعة من مناطق مستجمعات المياه في شمال إفريقيا، لأول مرة في هذه المنطقة مع قاعدة بيانات كبيرة كهذه. ثم تمت مقارنة طرق التقدير الإقليمية لكميات الفيضانات. تم إجراء التقدير الإقليمي من خصائص مستجمعات المياه المتعددة (بما في ذلك أنواع التربة واستخدام الأراضي والارتفاع والجيولوجيا) من خلال مقارنة طريقتين متعددتين للانحدار الخطي، الانحدار التدريجي وانحدار لاسو، وخوارزمية التعلم الآلي، الغابات العشوائية. تشير النتائج إلى أداء أفضل لانحدار لاسو لتقدير كميات الفيضانات في المواقع غير المقاسة، مع متوسط أخطاء نسبية مطلقة تقترب من 50 ٪ وتحيز نسبي يقترب من 20 ٪. أكثر تنبؤات مستجمعات المياه ذات الصلة التي حددتها نماذج الانحدار هي مؤشر الرطوبة الطبوغرافية، والذي يوفر تقديرات أفضل من منطقة مستجمعات المياه، ولكن أيضًا الارتفاع ومتوسط هطول الأمطار السنوي والكثافة الظاهرية للتربة. قد تكون نتائج هذه الدراسة مفيدة لتحسين الإجراءات التشغيلية لتحديد حجم الهياكل الهيدروليكية في المواقع غير المقاسة.

Translated Description (French)

Les pays du Maghreb situés en Afrique du Nord sont fortement touchés par les inondations, causant des dommages étendus et de nombreux décès. Jusqu'à présent, le manque d'accessibilité des données sur les débits des rivières a empêché les études régionales sur les changements potentiels des risques d'inondation ou le développement de méthodes régionales d'estimation de la fréquence des inondations. Une nouvelle base de données sur les débits quotidiens de 98 bassins hydrographiques situés en Algérie, au Maroc et en Tunisie a été compilée, avec une moyenne de 36 années d'enregistrements complets sur la période 1960–2018. Un échantillonnage des pics au-dessus du seuil des inondations est considéré en premier lieu pour détecter les tendances de la fréquence annuelle et de l'ampleur des inondations. Les résultats de l'analyse des tendances n'ont révélé aucun changement significatif dans la fréquence ou l'ampleur des inondations au niveau régional, avec seulement quelques tendances parasites dues à des événements extrêmes isolés ou groupés. Une courbe d'enveloppe reliant les inondations maximales pour une gamme de bassins versants en Afrique du Nord a été développée, pour la première fois dans cette région avec une base de données aussi importante. Ensuite, les méthodes d'estimation régionales pour les quantiles d'inondation ont été comparées. L'estimation régionale à partir de multiples caractéristiques de bassin versant (y compris les types de sol, l'utilisation des terres, l'altitude et la géologie) a été réalisée en comparant deux méthodes de régression linéaire multiple, la régression par étapes et la régression de Lasso, et un algorithme d'apprentissage automatique, Random Forests. Les résultats indiquent une meilleure performance de la régression de Lasso pour estimer les quantiles d'inondation à des emplacements non jaugés, avec des erreurs relatives absolues moyennes proches de 50 % et un biais relatif proche de 20 %. Les prédicteurs de captage les plus pertinents identifiés par les modèles de régression sont l'indice d'humidité topographique, qui fournit de meilleures estimations que la zone de captage, mais aussi l'altitude, les précipitations annuelles moyennes et la densité apparente du sol. Les résultats de cette étude pourraient être utiles pour améliorer les procédures opérationnelles de dimensionnement des structures hydrauliques sur les sites non jaugés.

Translated Description (Spanish)

Los países del Magreb ubicados en el norte de África se ven fuertemente afectados por las inundaciones, causando daños prolongados y numerosas muertes. Hasta ahora, la falta de accesibilidad a los datos de descarga fluvial impedía realizar estudios regionales sobre posibles cambios en los peligros de inundación o el desarrollo de métodos regionales de estimación de la frecuencia de las inundaciones. Se ha compilado una nueva base de datos de datos diarios de descargas fluviales para 98 cuencas fluviales ubicadas en Argelia, Marruecos y Túnez, con un promedio de 36 años de registros completos durante el período 1960–2018. Un muestreo de picos por encima del umbral de eventos de inundación se considera primero para detectar tendencias en la frecuencia anual y la magnitud de las inundaciones. Los resultados del análisis de tendencias no revelaron cambios significativos en la frecuencia o magnitud de las inundaciones a nivel regional, con solo unas pocas tendencias espurias debido a eventos extremos aislados o agrupados. Se ha desarrollado una curva envolvente que relaciona las inundaciones máximas para una variedad de áreas de captación en el norte de África, por primera vez en esta región con una base de datos tan grande. Luego, se compararon los métodos de estimación regional para los cuantiles de inundación. La estimación regional a partir de múltiples características de captación (incluidos los tipos de suelo, el uso de la tierra, la elevación y la geología) se realizó comparando dos métodos de regresión lineal múltiple, regresión escalonada y regresión Lasso, y un algoritmo de aprendizaje automático, Random Forests. Los resultados indican un mejor rendimiento de la regresión de Lasso para estimar los cuantiles de inundación en ubicaciones no calibradas, con errores relativos absolutos medios cercanos al 50 % y sesgo relativo cercano al 20 %. Los predictores de captación más relevantes identificados por los modelos de regresión son el índice de humedad topográfica, que proporciona mejores estimaciones que el área de captación, pero también la altitud, la precipitación media anual y la densidad aparente del suelo. Los resultados de este estudio podrían ser útiles para mejorar los procedimientos operativos para dimensionar estructuras hidráulicas en sitios no calibrados.

Additional details

Additional titles

Translated title (Arabic)
تحليل تواتر الفيضانات الإقليمية في شمال أفريقيا
Translated title (French)
Analyse régionale de la fréquence des inondations en Afrique du Nord
Translated title (Spanish)
Análisis regional de la frecuencia de las inundaciones en el norte de África

Identifiers

Other
https://openalex.org/W4391180037
DOI
10.1016/j.jhydrol.2024.130678

Is supplement to
https://openalex.org/W2324615561 (Other)
https://openalex.org/W2086120259 (Other)
https://openalex.org/W2245170124 (Other)
https://openalex.org/W2076393078 (Other)
https://openalex.org/W3186982001 (Other)
https://openalex.org/W2137941439 (Other)
https://openalex.org/W1984402782 (Other)
https://openalex.org/W1999913942 (Other)
https://openalex.org/W2004200960 (Other)
https://openalex.org/W1999891779 (Other)

GreSIS Basics Section

Is Global South Knowledge
Yes
Country
Tunisia

References

  • https://openalex.org/W1506971690
  • https://openalex.org/W1776911451
  • https://openalex.org/W1930638912
  • https://openalex.org/W1966269751
  • https://openalex.org/W1970667808
  • https://openalex.org/W1980322846
  • https://openalex.org/W1981646498
  • https://openalex.org/W1982004894
  • https://openalex.org/W1988957919
  • https://openalex.org/W1992974705
  • https://openalex.org/W2005283340
  • https://openalex.org/W2021372939
  • https://openalex.org/W2022923231
  • https://openalex.org/W2036606648
  • https://openalex.org/W2036983007
  • https://openalex.org/W2047972470
  • https://openalex.org/W2048050620
  • https://openalex.org/W2068480436
  • https://openalex.org/W2082983485
  • https://openalex.org/W2087406343
  • https://openalex.org/W2094875871
  • https://openalex.org/W2097208041
  • https://openalex.org/W2103751670
  • https://openalex.org/W2108484081
  • https://openalex.org/W2108719872
  • https://openalex.org/W2109967574
  • https://openalex.org/W2110065044
  • https://openalex.org/W2111183161
  • https://openalex.org/W2111410742
  • https://openalex.org/W2115434317
  • https://openalex.org/W2119511083
  • https://openalex.org/W2135046866
  • https://openalex.org/W2137354438
  • https://openalex.org/W2138326978
  • https://openalex.org/W2141889958
  • https://openalex.org/W2142897671
  • https://openalex.org/W2151984094
  • https://openalex.org/W2156664121
  • https://openalex.org/W2164540610
  • https://openalex.org/W2293053967
  • https://openalex.org/W2318680928
  • https://openalex.org/W2330498668
  • https://openalex.org/W2354577268
  • https://openalex.org/W2559688884
  • https://openalex.org/W2559956284
  • https://openalex.org/W2560922075
  • https://openalex.org/W2753666478
  • https://openalex.org/W2787894218
  • https://openalex.org/W2791715277
  • https://openalex.org/W2803716159
  • https://openalex.org/W2804665581
  • https://openalex.org/W2845302506
  • https://openalex.org/W2887994794
  • https://openalex.org/W2911964244
  • https://openalex.org/W2943160824
  • https://openalex.org/W3004861155
  • https://openalex.org/W3014125413
  • https://openalex.org/W3019618788
  • https://openalex.org/W3026790002
  • https://openalex.org/W3039517534
  • https://openalex.org/W3040653888
  • https://openalex.org/W3045439616
  • https://openalex.org/W3093805634
  • https://openalex.org/W3113214534
  • https://openalex.org/W3133462027
  • https://openalex.org/W3153074292
  • https://openalex.org/W3205795020
  • https://openalex.org/W3206088290
  • https://openalex.org/W4212883601
  • https://openalex.org/W4214606544
  • https://openalex.org/W4224230988
  • https://openalex.org/W4248705221
  • https://openalex.org/W4252871143
  • https://openalex.org/W4308767348
  • https://openalex.org/W4310151040
  • https://openalex.org/W4385896526