21世紀における地球規模の極端な海面水位の予測とその結果として生じる沿岸洪水

データセットと処理

本研究で使用されるデータセットの詳細な説明は、”方法”のセクションに記載されています。 ここでの焦点は地球規模であるため、期間（1979年-2014年）のTSL(t)は、動的対話型脆弱性評価データベース（DIVA）12で以前に定義された沿岸セグメントを近似する9,866点で世界の海岸線に沿って決定された（図参照）。 S1)、ここでは”DIVA points”と呼ぶ。 サージ(\(S\))の歴史的な値は、グローバル潮とサージ再分析(GTSR)データセット8からこの期間にわたって決定されました。 潮汐レベル（T）は、数値潮汐モデルデータセットFES2014（有限要素解）13から決定された。 波の設定（WS）を決定するためには、沿岸（深海）の波条件（有意な波高、\（H_{s0}\）および波長、\（L_{0}\））が必要である。 広く検証され、受け入れられているグローバル沿岸波モデルデータセットがないので、二つの異なる再解析波モデルデータセットは、この目的のためにテス 波のセットアップは、深海波の急峻さ（\（H_{s0}/L_{0}\））と海岸保護マニュアル（SPM）approach16、17を使用してベッド斜面の関数として決定されました。 Stockdon et al.によって提案された代替波セットアップ定式化。また、図１ ８を試験し、同様の結果が得られることを見出した（ＳＭ１、ＳＭ２およびＳＭ５を参照）。 一連の代表的なベッド斜面をテストした後、1/30の値が最終的に採用されました（SM1、SM2を参照）。 各モデルデータセットは異なるグローバルグリッド上にあり、異なる時間分解能であるため、各DIVAポイントには各モデルに最も近いグリッド点の値が 上記のアプローチには、発表された研究の大部分と一致する波の上昇の寄与は含まれていません7、9、11、ランアップはTSLの持続的な（時間のオーダー）上昇をもた これは、Melet et al.の最近の研究とは対照的である。19,20.

期間（1979年-2014年）にわたるTSLの歴史的な時系列は、Eqを使用して計算されました。 1. このアプローチは、これらのプロセス間の非線形相互作用を無視します8。 例えば、サージと波のセットアップの両方が、潮の位相によって影響されるでしょう。 測定された潮汐計データとの比較は、少なくともこの地球規模では、そのような相互作用が結果に大きな影響を及ぼさないようであることを示唆している（SM1、SM2を参照）。 過去の期間にわたる検証データは、世界中の681箇所の海面データからなるGESLA-221潮位計データセットから得られました（図参照）。 S1）。

沿岸の洪水の程度を決定するために、マルチエラー除去改良地形DEM（MERIT DEM）データセット22から沿岸地形データを取得しました。 メリットDEMのネイティブ解像度は赤道で-90mですが、以前の研究と一致する粗い1km解像度バージョン8、23、24は、計算コストを削減し、使用される他のデー メリットはSRTM v4.1DEM dataset25に基づいていますが、垂直精度が向上しています（”方法”のセクションを参照）。

洪水により露出した資産を決定するためには、グリッド化された人口と国内総生産（GDP）の両方のデータベースが必要です。 集団データは、Ｇｐｗｖ４Ｒｅｖ． 1126Kummu et al.からのデータベースとGDPデータ。27.

過去の世界の総海面

将来の予測に対する信頼のためには、ハインドキャスト期間における検証が不可欠である。 モデルTSL時系列は、GESLA-2潮位計データと1979年から2014年の期間にわたって比較されました。 ハインドキャスト期間にわたるモデルのパフォーマンスは、681GESLA-2場所のそれぞれで、二乗平均平方根誤差（RMSE）と上部百分位バイアス（\（bias^{p}\））、モデルTSLと潮汐計データとの間の高百分位値（95番目から99番目）の差を決定することによって評価された。 次いで、全グローバルモデルの性能を、すべてのＧＥＳＬＡ−２位置における平均ＲＭＳＥ（ＡＲＭＳＥ）および平均\(ｂｉａｓ^{ｐ}\)(\(ａｂｉａｓ^{ｐ}\))の観点から評価した8。 GESLA-2潮位計データは、モデルT+S+WSとT+Sの両方と比較した。 完全な結果は表S1およびS1に示され、SM1で説明されています。 ARMSEと\(abias^{p}\)のさまざまな値の違いは、異なる組み合わせでは大きくなく、続いて示されているように、WSは総エピソード洪水の比較的小さな成分であるため、ここではWSがGOW2モデル、SPM16,17定式化、1/30のミッドレンジベッド傾きで計算される場合に限定します。 上記のように、分析のグローバルスケールは、WS16,17を決定するために比較的単純なアプローチが必然的に使用されたことを意味しました。 結果は最終的にWSがエピソード洪水の重要な要素ではなかったことを示したので（5％、SM3を参照）、このアプローチによって引き起こされるエラーは、最終的な結

t+Sの場合、全球平均ARMSEは0.197mであり、これはMuisらによって得られた0.170mの値に匹敵する。8、古い潮モデル（FES2012）は、潮のゲージの場所（472）のかなり小さいセットと一緒に使用されました。 WSを含めるとARMSEに大きな変化はなく、実際には0.204mにわずかに増加します表S1を参照。 WSは嵐のイベントの間にかなりの貢献を表すだけであると予想されているので、WSへの影響のこの欠如は驚くべきことではありません。 Ｔ＋Ｓ＋ＷＳについてのＲＭＳＥの値の大域的分布は、図２の各ＧＥＳＬＡ−２位置に示される。 S2… データには時折外れ値がありますが、RMSEは場所の75%で0.2m未満、大部分の場所(93%)で0.5m未満です。 嵐の期間中のWSの貢献（図。 S8,S9)は、\(abias^{p}\)の値から評価することができる。 表S2は、T+Sの場合、百分位レベルの増加とともに大きさが増加することを示しています。\(abias^{p}\)は、t+Sの場合、百分位レベルの増加に伴って大きさが WSを加算すると、\(abias^{p}\)は減少し、すべての百分位数にわたってほぼ一定になります。 \(Abias^{p}\)の減少は99パーセンタイルで60%であり、WSを含めると暴風時のモデルと潮汐計の間でより良い一致が得られることを示しています。 個々の潮位計位置での\(\left|{bias^{P}}\right|\)の改善を図3に示します。 S4…

上で概説した検証は、モデルから導出されたTSL推定値が一般的に潮汐計データとよく一致し、WSを含めることは、特に極端な嵐のイベントの間に、パフォーマ SM1に記載されているように、検証潮汐計のいくつがその位置のためにWSに応答するかは不明である。 しかし、明らかなのは、WSを含めることなく、嵐の間にTSLの世界的な予測が不十分であるということです。 また、図に示すように。 S4では、\(\left|{bias^{P}}\right|\)の改善は、大部分の潮汐計位置で見ることができます。 これが実際にWSによるものなのか、それともSの体系的な予測の下でのものなのかは知られていません。 明らかなことは、採用された比較的単純なアプローチを使用してモデル化されたWSを含めることは、ほとんどの場所で潮汐計と比較して良好に機能す

総海面の極値推定値

上記のように、SとWSの両方がエピソード的です。 エピソード的な沿岸洪水の場合、極端な海面へのこれらの嵐関連の寄与はしばしば重要である7、8、28、29。 このような極値の確率的予測には、適切な確率分布関数（pdf）を歴史的な時系列に当てはめ、次に所望の発生確率（例えば、任意の年または100年のイベントで0.01）に外挿することが含まれる。 TSLの場合、最も一般的なアプローチは、年間最大値（AM）を考慮し、二パラメータGumbel分布（GUM）8,30または三パラメータ一般化極値分布（GEVD）7,30,31のいずれかに適合するこ AMアプローチの重要な制限は、結果として得られる極値時系列にはほとんど値がないことです（1年あたり）。 これにより、pdfを近似して外挿すると、比較的大きな信頼区間が得られます。 別の方法は、指定されたしきい値を超えるすべての嵐のピーク、すなわちしきい値アプローチを超えるピーク、Pot31、32を使用することです。 この後者の場合、データは、一般化パレート分布（ＧＰＤ）３ ２またはその２パラメータの変形である指数分布（ＥＸＰ）に従うことを示すことができる。 長期的な歴史的な時系列を再構築するために上記で使用されたアプローチの代わりに、アンサンブルモンテカルロアプローチ9を使用することです。 これはSM4で説明されています。

採用された極値分析（EVA）は、結果として得られる極端な（この場合は極端な海面）31の統計的推定値に大きな影響を与える可能性がある（図参照）。 S10）。 したがって、選択したEVAがモデルと潮汐計の両方のデータに最適に近似することを確認することが重要です。 したがって、モデルと潮汐計の両方のデータを最適に表すかを決定するために、一連のEVAアプローチをテストしました（SM2を参照）。 結果は、GPDと98パーセンタイルしきい値(GPD98)を適合させたポットアプローチが、潮汐ゲージとモデルデータの両方に最小誤差で適合することを示しています。 この組み合わせにより、33%の場所で潮位計データに最適な適合が得られ、34%の場所でモデルデータ(DIVAポイント)に最適な適合が得られます(図1を参照)。 S5）。 この結果は、Ｗａｈｌ ｅ ｔ ａ ｌ．31. 完全なEVA分析はSM2に記載されています。

選択されたEVAアプローチが予測された極端な海面に及ぼす影響と、WSを決定するために使用された方法の感度のさらなる分析を表S3に示します。 この表では、高潮モデルの期間（1979-2014）内に少なくとも20年の期間を持つ355（合計681）の潮汐ゲージ位置にわたって、20年間のリターン期間（\（ESL^{H20}-ESL_{Gauge}^{H20}\）の潮汐ゲージとモデル結果の間の平均バイアスを考慮しています。 これらの結果は、ＧＯＷ２モデルから決定されたＷＳ、１／３ ０床勾配およびＧＰＤ９ ８ＥＶＡを含む１ ７ｍｍの平均バイアスを示している（図１を参照）。 S7）。 しかし、EVAとWSの計算の他の組み合わせの数は、同様の結果をもたらします。 ＷＳを含むすべてのケースは比較的小さい平均バイアスを持ち，波モデル，ベッドスロープおよびＥＶＡの選択に関係なく，結果はロバストであることを示した。 しかし、明らかなのは、WSが含まれていない場合、一貫した負のバイアスがあることです（モデルは極端な海面を過小評価します）。 勾配が1/30のGPD98では、平均絶対バイアスが88%減少し、有意な改善が示されます。 したがって、波の設定を含めると、記録されたデータとよりよく一致するモデルの極端な海面（\(ESL^{H20}\)）が生成されるように見えます。

モデル化された\(ESL^{H20}\)のこの検証により、結果は100年に1の戻り期間に拡張され(\(ESL^{H100}\))、すべてのDIVAポイントで評価されました。 \(ESL^{H100}\)の大域分布を図3に示します。 1a. この図は、5mを超える値が、北米の大西洋と太平洋沿岸、ヨーロッパと中国の大西洋と北海沿岸の両方の北部に沿って発生することを示しています。 結果は、海岸線に沿って徐々に変化する\(ESL^{H100}\)との地域的な一貫性を示しています。 これらの\(ESL^{H100}\)の推定値は、モデルresolution8と限られたサンプルサイズ33,34のために熱帯低気圧地域の値を過小評価していることに注意してください。

S6はまた、\(ESL_{T+S+WS}.{H100}-ESL_{T+S}.{H100}\)として計算されたWS単独の影響も示しています。 この図は、0までの極端なWS値を示しています。5mで、分布域は主に大規模な極大波高の領域に従っている35。 特に、北アメリカの大西洋および太平洋沿岸の北部、ヨーロッパの大西洋沿岸、南アメリカの太平洋沿岸の南端、オーストラリアの南海岸およびアジアの大部分は、100年の帰還期間の寄与が0.4mを超えることを示している。 したがって、WSはモデルと潮汐計データの間のARMSE TSLの全体的な値には非常に小さい影響しかありませんが、極端な値の海面が関係する大きな成分になります（すべてのDIVAポイントでWSが原因で平均17％の\(ESL^{H100}\)増加します）。

極端な海面水位と沿岸洪水の将来予測

\(ESL^{H100}\)値は、現在と将来の一時的な洪水を決定するための基礎を提供する。 各歌姫点における\(ESL^{H100}\)の値は、周囲の領域(SM3を参照)と関連付けられ、次の平面バスタブアプローチ8を使用してフラッディングが計算されました。 地形は、EGM96ジオイド（Earth Gravitational Model1996）の垂直データを持つMERIT DEMデータセットによって定義されました。 この同じデータに\(ESL^{H100}\)の値をもたらすために、平均動的海洋地形(MDOT)25,36の値が極値推定値(\(ESL^{H100}+MDOT\))23に追加されました。 海岸線は、Global Self-consistent Hierarchical High-resolution Geography(GSHHG)データベース37を使用して定義されました。 その後、gisベースのアプローチが使用され、標高が\(ESL^{H100}\)未満であり、水によって海岸線に接続されている場合、メリットグリッドポイントは浸水とみなされます。

沿岸の洪水の程度は\(ESL^{F100}\)と沿岸の地形の両方の関数です。 図2は、rcp8.5の2100年の洪水”ホットスポット”地域のグローバルマップを示しています。 この結果に到達するために、海岸線の単位長さあたりの洪水面積を各DIVAポイント（正規化された浸水km2/km）について決定した。 現在の分析では、沿岸防御（堤防、海の壁など）がないと仮定しています。). したがって、2100における浸水の絶対値を示すのではなく、図。 図2は、現在から2100への浸水の変化を示しています。 洪水が大幅に増加している地域は、北西ヨーロッパ、インド/ベンガル湾、東南アジア、東アジアで見られます。

2100年のrcp8.5のためのエピソード的な沿岸洪水の変化のグローバルな”ホットスポット”地域。 つまり、2100年の予測されたエピソード洪水から現在のエピソード洪水を差し引いた差です。 塗りつぶされた円は、正規化された浸水の変化（すなわち、海岸の長さで割った浸水面積の変化）が1km2/kmを超える場所を示しています。 円の大きさは、正規化された浸水の大きさの変化に関連しています。 円の色は、2100年に投影された極端な海面に関連しています（\(ESL_{T+S+WS}^{F100}\)）（ArcGIS v.10.5.1.7333を使用して生成された図、www.esri.com注:ポイントが重なり合う場所を明確にするために、すべてのポイントが図に表示されるわけではありません。

図3は、\(ESL^{F100}\)と、図3に示す「ホットスポット」領域の数についてのフラッディング領域の両方を示しています。 2. このようなプロットでは洪水の程度は大きくは表示されませんが、RCP8.5の世界的な洪水の程度は661,000–1,009,000km2（約。 世界の土地面積の0.5–0.7％、フランスの土地面積よりも大きい）。 値の範囲は、90番目の百分位信頼区間を表すことに注意してください(“メソッド”のセクションを参照)。 表1は、2050年と2100年の両方の各RCPのグローバルフラッディングの範囲を示しています。 補助補助データGoogle Earthファイルでは、任意の出力場所で\(ESL^{H100}\)と\(ESL^{F100}\)の値を調べることができます。

21世紀末までに予測されたエピソード的な沿岸洪水（表1に示す）に対する異なる物理プロセスの相対的な寄与のさらなる分析（SM3参照）は、RCP8.5の次の寄与を示している：T+S（63％）、RSLR（32％）、WS（5％）。 この結果は、次の世紀にわたって、T+Sが世界的な洪水の程度を決定する上で支配的なプロセスであり続けることを示しています。 しかし、RSLRは沿岸洪水の頻度を大幅に増加させます。 RCP8のために。5、現在の100年の帰還期間の出来事に関連する洪水は、平均して、北緯50度の南で少なくとも10年に一度発生するでしょう。 これらの極端な洪水事象の頻度の正確な変化は、使用されるEVA分析に敏感であることに留意すべきである（SM2を参照）。

人口と資産エクスポージャー

上記の洪水の世界的な推定値は、人口と一時的な沿岸洪水のリスクのある資産の両方を推定するための基礎を提供する。 資産エクスポージャーは、関係を使用して推定されました5,24\(A=2.ここで、\(A\)は洪水にさらされた資産価値(US$)、\(P\)は人口、\(G\)は人口1人当たりの国内総生産(US//head)です。 上記のように、人口はGpwv4データベース26から、一人当たりGDPはKummu et alから推定された。27. 表1は、rcp4.5と8.5の両方の下で、現在、2050年と2100年のために露出した人口と資産と一緒に浸水した面積を示しています。 すべての値は2011年のUS$であり、使用されているデータベースと一致する2015年の人口とGDPを前提としています。 現在と将来の期間を直接比較するために、将来の年のGDPや人口の変化を予測する試みはここに含まれていません。 その結果、沿岸洪水にさらされる可能性のある人口は、rcp8.5の下で128–171万人から176–287万人に2100万人に増加することが予測されており、スパンは90パーセンタイル信頼区間を表している（”方法”のセクションを参照）（世界人口の約1.8-2.4％から2.5-4.1％に増加する）。 公開された総資産は、6,466–9,135億米ドルから8,813–14,178億米ドルに増加すると予測されており、世界のGDPの9-13％から12-20％への増加を表しています。 上記のように、これらの値は洪水防御が行われていないと仮定しているため、真の値を過大評価します。 しかし、結果は、RCP8.5のために、2100年までに浸水面積、影響を受けた人口と脅かさ資産の平均値は、それぞれ48％、52％と46％増加すると予測されていることを示