Projekce globálním měřítku, extrémně vysoké hladiny moře a následné epizodické pobřežní záplavy v průběhu 21. Století

datových souborů a zpracování,

podrobný popis datové sady použité v této studii je uveden v “Metody” části. Jako pozornost je zde zaměřena na globální měřítku, TSL(t) za období (1979-2014) byla stanovena podél globální pobřeží na celkem 9,866 bodů, které přibližné pobřežní segmenty dříve definované v Dynamické Interaktivní Posouzení Zranitelnosti databáze (DIVA)12 (viz Obr. S1), zde označované jako “DIVA body”. Historické hodnoty přepětí (\(s\)) byly v tomto období stanoveny z dat Global Tide and Surge Reanalysis (GTSR) dataset8. Úrovně přílivu (T) byly stanoveny z numerické datové sady modelu přílivu FES2014 (řešení konečných prvků)13. Za účelem určení vlna setup, (WS), nearshore (hlubinných) vlna podmínek (významná výška vln, \(H_{s0}\) a vlnové délce \(L_{0}\)) jsou povinné. Jako neexistuje všeobecně uznána a přijata globální nearshore vlna model dataset, dvě různé nové vyhodnocení vlna model soubory dat byly testovány pro tento účel: ERA-Interim14 a GOW215, s ní nakonec přijat (viz SM1, SM2, Stolní S3). Nastavení vln bylo stanoveno jako funkce strmosti vln hluboké vody (\(H_{S0} / L_{0}\)) a sklonu lože pomocí přístupu Shore Protection Manual (SPM) 16,17. Alternativní formulace nastavení vln navržená Stockdonem et al.18 bylo také testováno a bylo zjištěno, že přináší podobné výsledky (viz SM1, SM2 a SM5). Po testování řady reprezentativních sjezdovek byla nakonec přijata hodnota 1/30(viz SM1, SM2). Jako každý model datové soubory jsou na různých globálních sítí a na různé časové rozlišení, každý DIVA bodu byla přiřazena hodnota z nejbližší bod mřížky pro každý model a příslušné množství T, S a WS byly interpolovány v čase do 10-min rozlišení. Výše uvedený přístup nezahrnuje žádné příspěvky wave run-up, v souladu s většinou publikovaných studies7,9,11, protože run-up nemá za následek trvalé (v řádu hodin) nadmořská výška TSL. To je na rozdíl od nedávné studie Melet et al.19,20.

historická časová řada TSL za období (1979-2014) byla vypočtena pomocí Eq. 1. Tento přístup ignoruje nelineární interakce mezi těmito procesy8. Například, jak přepětí, tak nastavení vln bude ovlivněno fází přílivu. Srovnání s naměřenými údaji o přílivu a odlivu naznačuje, že se nezdá, že by takové interakce, alespoň v tomto globálním měřítku, měly významný dopad na výsledky (viz SM1, SM2). Validační údaje za historické období byly získány z datového souboru gesla-221 tide gauge, který obsahuje údaje o hladině moře na 681 místech po celém světě (viz obr. S1).

aby bylo možné určit rozsah pobřežních záplav, byly získány údaje o pobřežní topografii z datadisku dem (MERIT DEM) s více chybami odstraněnými.22. I když nativní rozlišení ZÁSLUHOU DEM je ~ 90 m na Rovníku, hrubší rozlišení 1 km znění, v souladu s předchozími studies8,23,24 byla použita pro tuto žádost snížit výpočetní náklady a zajistit rozlišení srovnatelné s jinými soubory dat použity. MERIT je založen na dataset25 SRTM v4.1 DEM, ale se zvýšenou vertikální přesností (viz část” metody”).

pro stanovení aktiv vystavených záplavám jsou vyžadovány jak databáze gridded population, tak databáze hrubého domácího produktu (HDP). Údaje o populaci byly získány z GPWv4 Rev. 1126 databáze a data HDP od Kummu et al.27.

Historická globální celková hladina moře

validace v období hindcast je nezbytná pro důvěru v budoucí projekce. Časová řada modelu TSL byla porovnána s údaji gesla-2 tide gauge za období 1979-2014. Model výkon přes hindcast období byl hodnocen na každé 681 GESLA-2 místa podle určení střední kvadratická chyba (RMSE) a horní percentil zkreslení (\(bias^{p}\)), rozdíl vyšší percentil hodnot (95 až 99) mezi model TSL a příliv měřidlo data. Celkový výkon globálního modelu byl poté hodnocen z hlediska průměrné RMSE (ARMSE)a průměrné \(bias^{p}\) (\(abias^{p}\)) na všech místech GESLA-28. Údaje gesla-2 tide gauge byly porovnány s oběma modely T + S + WS a T + S. kromě toho byly pro výpočet WS použity modely gow2 i ERA-Interim wave, různé svahy postele a dvě různé empirické formulace16,17,18. Kompletní výsledky jsou uvedeny v tabulkách S1 a S1 a diskutovány v SM1. Jako rozdíly mezi různými hodnotami ARMSE a \(abias^{p}\) nejsou velké pro různé kombinace a protože, jak je následně uvedeno, WS je relativně malou část z celkového epizodické záplavy, jsme se omezit naši diskusi zde na případy, kde WS je počítáno s GOW2 model, SPM16,17 formulace a mid-range postele svahu 1/30. Jak bylo uvedeno výše, globální měřítko analýzy znamenalo,že k určení WS16, 17 byl nezbytně použit relativně zjednodušující přístup. Výsledky nakonec ukázaly, že WS není významnou součástí epizodické záplavy (5%, viz SM3), chyby způsobené tímto přístupem jsou nepravděpodobné, že by výrazně ovlivnit konečné výsledky.

T + S, globálně v průměru ARMSE je 0.197 m, což je srovnatelná hodnota 0.170 m, získaná Muis et al.8, kde byl použit starší model tide (FES 2012) spolu s výrazně menší sadou míst tide gauge (472). Zařazení WS neposkytuje žádné znatelné změny ARMSE, ve skutečnosti zvyšuje se mírně 0.204 m (viz Tabulka S1). Tento nedostatek dopadu na WS není překvapující, protože se očekává, že WS bude představovat značný příspěvek během bouřkových událostí, který je ARMSE špatně zachycen. Globální rozdělení hodnot RMSE pro T + S + WS je znázorněno na každém místě GESLA-2 na obr. S2. Ačkoli je v datech občas odchylka, RMSE je menší než 0,2 m na 75% míst a méně než 0,5 m na drtivé většině (93%) míst. Příspěvek WS během bouřkových období (obr. S8, S9) lze hodnotit z hodnot \(abias^{p}\). Tabulka S2 ukazuje, že pro T + S, \(abias^{p}\) se zvyšuje s rostoucí úrovní percentilu. S přidáním WS se \(abias^{p}\) snižuje a stává se přibližně konstantní ve všech percentilech. Snížení \(abias^{p}\) je 60% na 99%, což naznačuje zařazení WS výsledky v lepší dohodu mezi modelem a příliv měřidla během bouří. Zlepšení \(\left / {bias^{P} } \right|\) na jednotlivých místech přílivu je znázorněno na obr. S4.

validace je uvedeno výše, naznačuje, že model odvozený TSL odhady jsou obecně v dobré shodě s tide gauge data a že zařazení WS dělá zlepšení ve výkonu, zejména během extrémních bouří. Jak je uvedeno v SM1, není jasné, kolik validačních měřidel přílivu reaguje na WS kvůli jejich umístění. Je však jasné, že bez zahrnutí WS existuje globální nedostatečná predikce TSL během bouří. Také, jak je znázorněno na obr. S4, zlepšení \(\left / {bias^{P} } \right|\) lze vidět na drtivé většině míst tide gauge. Není známo, zda je to skutečně způsobeno WS nebo systematickou predikcí S. Je jasné, že zahrnutí WS, modelováno pomocí relativně jednoduchého přijatého přístupu, má za následek model, který funguje dobře ve srovnání s měřidly přílivu na většině míst.

odhady extrémní hodnoty celkové hladiny moře

jak bylo uvedeno výše, S I WS jsou epizodické. Pro epizodické pobřežní záplavy jsou tyto příspěvky související s bouří k extrémním hladinám moře často kritické7, 8,28, 29. Stochastická predikce takových extrémů zahrnuje přizpůsobení vhodné funkce distribuce pravděpodobnosti (pdf) historické časové řadě a poté extrapolaci na požadovanou pravděpodobnost výskytu (např. V případě TSL, nejčastější přístup je zvážit Roční Maxima (AM) a aby se vešly buď dvou parametrů Gumbelova rozdělení (GUMA)8,30 nebo tři parametru Generalized Extreme Value distribution (GEVD)7,30,31. Významným omezením am přístupů je to, že výsledná časová řada extrémních hodnot má několik hodnot (1 za rok). To vede k relativně velkým intervalům spolehlivosti při montáži a extrapolaci pdf. Alternativou je použití všech vrcholů bouře nad stanovenou prahovou hodnotou-tj. přístup Peaks over Threshold, PoT31, 32. V tomto případě, data mohou být zobrazeny podle Zobecněné Paretovo Rozdělení (GPD)32 nebo je jeho dva-parametr varianta, Exponenciální Rozdělení (EXP). Alternativou k výše použitému přístupu při rekonstrukci dlouhodobé historické časové řady je použití přístupu ensemble Monte-Carlo9. To je popsáno v SM4.

přijatá analýza extrémních hodnot (EVA)může mít zásadní dopad na výsledné statistické odhady extrémů (v tomto případě extrémní hladiny moří)31 (viz obr. S10). Proto je důležité zajistit, aby zvolená EVA optimálně aproximovala data modelu I přílivu. Proto byla testována řada přístupů EVA, aby se určilo, které optimálně reprezentují data modelu I přílivu (viz SM2). Výsledky ukazují, že přístup PoT vybavený prahem GPD a 98. percentilem (GPD98) odpovídá jak měřidlu přílivu, tak údajům modelu s nejmenšími chybami. Tato kombinace poskytuje nejlepší přizpůsobení údajům tide gauge ve 33% lokalit a nejlepší přizpůsobení údajům modelu (v bodech DIVA) ve 34% lokalit (viz obr. S5). Tento výsledek je v souladu se zjištěními Wahl et al.31. Kompletní EVA analýza je popsána v SM2.

další analýza vlivu vybraných EVA přístup na předpokládané extrémní hladinou moře, stejně jako citlivost metody použité k určení WS je uveden v Tabulce S3. Tato tabulka se domnívá, průměrná odchylka mezi tide gauge a výsledky modelu pro 20-rok Návratnost Období (\(ESL^{H20} – ESL_{Měřidlo}^{H20}\)) přes 355 (z celkového počtu 681) příliv měřidlo místech, které mají trvání alespoň 20 let, během nárůst bouře model časové rozpětí (1979-2014). Tyto výsledky ukazují střední zkreslení 17 mm se zahrnutím WS určeného z modelu GOW2, sklonu postele 1/30 a GPD98 EVA (viz obr. S7). Řada dalších kombinací výpočtu EVA A WS však přináší podobné výsledky. Všechny případy, které zahrnují WS, mají relativně malé znamenat zkreslení, což naznačuje, že výsledky jsou robustní, bez ohledu na výběr vlnového modelu, postel svahu a EVA. Je však jasné, že pokud WS není zahrnut, existuje konzistentní negativní zkreslení (model podceňuje extrémní hladinu moře). Pro GPD98 se sklonem 1/30 lože je střední absolutní zkreslení sníženo o 88%, což naznačuje významné zlepšení. Proto se zdá, že zahrnutí nastavení vln vytváří model extrémních hladin moře (\(ESL^{H20}\)), které jsou v lepší shodě se zaznamenanými daty.

s touto validací modelovaného \(ESL^{H20}\) byly výsledky prodlouženy na dobu návratu 1 Za 100 let (\(ESL^{H100}\)) a vyhodnoceny ve všech bodech DIVA. Globální rozdělení \(ESL^{H100}\) je znázorněno na obr. 1a. Tento obrázek ukazuje, že hodnoty přesahující 5 m se vyskytují podél severních částí Atlantického i tichomořského pobřeží Severní Ameriky, Atlantického a Severního moře v Evropě a Číně. Výsledky ukazují regionální konzistenci s \(ESL^{H100}\), která se postupně mění podél pobřeží. Všimněte si, že tyto \(ESL^{H100}\) odhady podceňovat hodnoty v tropických cyklón regionů vzhledem k modelu resolution8 a omezený vzorek size33,34.

obr. S6 také ukazuje dopad samotného WS, vypočtený jako \(ESL_{T + S + WS}^{H100} – ESL_{T + S}^{H100}\). Tento obrázek ukazuje extrémní hodnoty WS až 0.5 m, s distribucí převážně po oblastech velké extrémně významné vlnové výšky35. Zejména severní části Atlantiku i v Pacifiku pobřeží Severní Ameriky, Atlantské pobřeží Evropy, jižní část Tichomořského pobřeží Jižní Ameriky, jižní pobřeží Austrálie a velké části Asie show 100-leté lhůty pro vrácení příspěvků WS větší než 0,4 m. Proto, i když WS má jen velmi malý vliv na celkové hodnoty ARMSE TSL mezi model a příliv měřidlo dat, je větší složka, kde extrémní hodnoty hladiny moře (v průměru o 17% nárůst v \(ESL^{H100}\) vzhledem k WS, přes všechny DIVA bodů).

budoucí projekce extrémních hladin moří a pobřežních záplav

hodnoty \(ESL^{H100}\) poskytují základ pro určení epizodických záplav pro současnost a pro budoucnost. Hodnoty \(ESL^{H100}\) v každém DIVA bodu byly spojeny s okolním regionu (viz SM3) a záplavy vypočítá pomocí následujících rovinné vanou approach8. Topografie byla definována podle ZÁSLUH DEM dataset, který má vertikální údaj EGM96 geoid (Země Gravitační Model 1996). Aby hodnoty \(ESL^{H100}\) na to stejné datum, Znamenalo, Dynamické Topografie Oceánu (MDOT)25,36 hodnoty byly přidány do extrémních hodnot odhadů (\(ESL^{H100} + MDOT\))23. Pobřeží bylo definováno pomocí globální soběstačné hierarchické geografie s vysokým rozlišením (GSHHG) database37. Následně byl použit přístup založený na GIS, podle něhož je jakýkoli bod záslužné mřížky považován za zaplavený, pokud má nadmořskou výšku menší než \(ESL^{H100}\) a je připojen k pobřeží vodou.

rozsah pobřežních záplav je funkcí jak \(ESL^{F100}\), tak pobřežní topografie. Obrázek 2 ukazuje globální mapu záplavových oblastí “hotspot” v roce 2100 pro RCP8. 5. Dospět k tomuto výsledku, záplavy, plocha na jednotku délky pobřeží byly určeny pro každý DIVA bodů (normalizované zaplavení km2/km). Tato analýza předpokládá, že neexistují žádné pobřežní obrany (hráze, mořské stěny atd.). Proto spíše než ukazovat absolutní hodnoty zaplavení v roce 2100, obr. 2 ukazuje změnu inundace ze současnosti na 2100. Oblasti s výrazným nárůstem záplav jsou vidět v severozápadní Evropě, Indii/Bengálském zálivu, jihovýchodní a východní Asii.

Globální “hotspot” regiony změny v epizodické pobřežní záplavy v roce 2100 pro RCP8.5. To znamená, že rozdíl mezi předpokládanými epizodické povodní v roce 2100 minus současnosti epizodické záplavy. Vyplněné kruhy ukazují místa, kde změna normalizovaného zaplavení (tj. změna zaplavené plochy dělená délkou pobřeží) je větší než 1 km2 / km. Velikost kruhu souvisí se změnou velikosti normalizovaného zaplavení. Barva kruhu se vztahuje k předpokládané extrémní mořské hladiny v roce 2100 (\(ESL_{T + S + WS}^{F100}\)) (obrázek vytvořen pomocí programu ArcGIS v. 10.5.1.7333, www.esri.com). Poznámka: chcete-li přidat jasnost, kde se body překrývají, ne každý bod je znázorněno na obrázku.

Obrázek 3 ukazuje, jak \(ESL^{F100}\) a výsledný zaplavení prostor pro řadu “hotspot” regionů je znázorněno na Obr. 2. I když se rozsah povodní na těchto pozemcích nezdá velký, globální povodňový rozsah pro RCP8. 5 je 661,000-1,009,000 km2 (cca. 0,5-0,7% celosvětové rozlohy, větší než rozloha Francie). Všimněte si, že rozsah hodnot představuje 90. interval spolehlivosti percentilu (viz část” metody”). Tabulka 1 ukazuje globální povodňový rozsah pro každou RCP pro roky 2050 i 2100. Pomocná doplňková Data Google Earth soubor umožňuje zkoumání hodnot \(ESL^{H100}\) a \(ESL^{F100}\) na libovolném výstupním místě.

Další analýza relativní příspěvky z různých fyzikálních procesů na plánované epizodické pobřežní záplavy (viz. Tabulka 1) na konci dvacet-první století (viz SM3) uvádí následující příspěvky pro RCP8.5: T + S (63%), RSLR (32%), WS (5%). Tento výsledek ukazuje, že v příštím století zůstane T + S dominantním procesem při určování rozsahu globálních záplav. RSLR však výrazně zvyšuje frekvenci pobřežních záplav. Pro RCP8.5, záplavy spojené se současnými událostmi 100letého období návratu se v průměru vyskytnou nejméně jednou za 10 let jižně od 50°severní šířky. Je třeba poznamenat (viz SM2), že přesná změna frekvence těchto extrémních povodňových událostí je citlivá na použitou analýzu EVA.

expozice obyvatelstva a aktiv

globální odhady povodní popsané výše poskytují základ pro odhad populace i aktiv ohrožených epizodickými pobřežními záplavami. Expozice aktiv byla odhadnuta pomocí vztahu5, 24 \(A = 2.8 \times P \krát G\), kde \(A\) je hodnota aktiv vystavených zaplavení (US$), \(P\) je počet obyvatel a \(G\) je Hrubý Domácí Produkt na obyvatele (US$/kus). Jak bylo uvedeno výše, populace byla odhadnuta z databáze Gpwv426 a HDP na obyvatele od Kummu et al.27. Tabulka 1 ukazuje zaplavenou plochu spolu s počtem obyvatel a aktivy vystavenými pro současnost, 2050 a 2100 v rámci RCP4. 5 a 8.5. Všechny hodnoty jsou v roce 2011 US$ a předpokládají 2015 populace a HDP, v souladu s použitými databázemi. Pro přímé srovnání mezi současností a budoucími obdobími zde nebyl zahrnut žádný pokus promítnout změny HDP nebo populace v budoucích letech. Výsledky projektu, který obyvatelstvo potenciálně vystavené epizodické pobřežní záplavy zvýší z 128-171 milionů 176-287 milionů v roce 2100 podle RCP8.5, kde rozpětí představuje 90. percentil intervalu spolehlivosti (viz “Metody” části) (nárůst z přibližně 1,8–2,4% světové populace na 2,5–4.1%). Celková aktiva vystavena, se očekává, že zvýší od US$6,466–US$9,135 miliard US$8,813–US$14,178 miliard eur, což představuje nárůst z 9-13% na 12-20% globálního HDP. Jak je uvedeno výše, tyto hodnoty předpokládají, že nejsou zavedeny žádné protipovodňové ochrany, a proto budou nadhodnocovat skutečné hodnoty. Nicméně, výsledky ukazují, že pro RCP8.5, do roku 2100 předpokládá se, že průměrné hodnoty z oblasti zaplaveny, počet obyvatel zasažených a ohrožených aktiv se zvýší o 48%, 52% a 46%, resp.