proiecții ale nivelurilor extreme ale mării la scară globală și inundații costiere episodice rezultate în secolul 21
Seturi de date și prelucrare
o descriere detaliată a seturilor de date utilizate în acest studiu este furnizată în secțiunea “Metode”. Deoarece accentul se pune aici la scară globală, TSL (t) pe parcursul perioadei (1979-2014) a fost determinat de-a lungul coastelor globale la un total de 9.866 de puncte care aproximează segmentele de coastă definite anterior în baza de date dinamică interactivă de evaluare a vulnerabilității (DIVA)12 (vezi Fig. S1), denumit aici “puncte DIVA”. Valorile istorice ale surge (\(s\)) au fost determinate în această perioadă din setul de date Global Tide and Surge Reanalysis (GTSR) 8. Nivelurile de maree (T)au fost determinate din setul de date numeric tide model FES2014 (soluție cu element finit) 13. Pentru a determina configurarea undei, (WS), sunt necesare condițiile de undă nearshore (apă adâncă) (înălțimea semnificativă a undei, \(H_{S0}\) și lungimea de undă, \(l_{0}\)). Deoarece nu există un set de date privind modelul de undă nearshore validat și acceptat pe scară largă, în acest scop au fost testate două seturi de date diferite privind modelul de undă de reanaliză: ERA-Interim14 și GOW215, acestea din urmă fiind adoptate în cele din urmă (a se vedea SM1, SM2, tabelul S3). Configurarea valurilor a fost determinată în funcție de abruptul valurilor de adâncime (\(H_{S0} /l_{0}\)) și panta patului folosind abordarea Shore Protection Manual (SPM) 16,17. O formulare alternativă de configurare a undelor propusă de Stockdon și colab.18 a fost, de asemenea, testat și s-a constatat că produce rezultate similare (a se vedea SM1, SM2 și SM5). După testarea unei serii de pante de pat reprezentative, a fost adoptată în cele din urmă o valoare de 1/30 (a se vedea SM1, SM2). Deoarece fiecare dintre seturile de date ale modelului se află pe grile globale diferite și la rezoluție temporală diferită, fiecărui punct DIVA i s-a atribuit valoarea celui mai apropiat punct de rețea pentru fiecare model și cantitățile respective de T, S și WS au fost interpolate în timp la o rezoluție de 10 minute. Abordarea de mai sus nu include nicio contribuție a run-up-ului valurilor, în concordanță cu majoritatea studiilor publicate7,9,11, deoarece run-up-ul nu are ca rezultat o creștere susținută (de ordinul orelor) a TSL. Acest lucru este în contrast cu studiul recent al lui Melet și colab.19,20.
seriile temporale istorice ale TSL în perioada (1979-2014) au fost calculate folosind Eq. 1. Această abordare ignoră interacțiunile neliniare dintre aceste procese8. De exemplu, atât creșterea, cât și configurarea valurilor vor fi influențate de faza mareei. Comparația cu datele măsurate de maree sugerează că astfel de interacțiuni, cel puțin la această scară globală, nu par să aibă un impact semnificativ asupra rezultatelor (vezi SM1, SM2). Datele de validare din perioada istorică au fost obținute din setul de date gesla-221 tide gauge, care cuprinde date despre nivelul mării în 681 de locații din întreaga lume (Vezi Fig. S1).
pentru a determina amploarea inundațiilor costiere, s-au obținut date privind topografia costieră din setul de date dem (MERIT DEM) cu mai multe erori Eliminate22. Deși rezoluția nativă a MERIT DEM este de ~ 90 m la ecuator, o versiune mai grosieră de rezoluție de 1 km,în concordanță cu studiile anterioare8,23, 24 a fost utilizată pentru prezenta aplicație pentru a reduce cheltuielile de calcul și pentru a asigura o rezoluție comparabilă cu celelalte seturi de date utilizate. MERIT se bazează pe setul de date SRTM V4.1 DEM25, dar cu o precizie verticală îmbunătățită (vezi secțiunea “Metode”).
pentru a determina activele expuse ca urmare a inundațiilor, sunt necesare atât bazele de date privind populația în rețea, cât și produsul intern brut (PIB). Datele populației au fost obținute de la GPWv4 Rev. 1126 baza de date și datele PIB de la Kummu și colab.27.
nivelul istoric global total al Mării
validarea în perioada retrasă este imperativă pentru încrederea în proiecțiile viitoare. Seria de timp a modelului TSL a fost comparată cu datele gesla-2 tide gauge în perioada 1979-2014. Performanța modelului în perioada hindcast a fost evaluată la fiecare dintre cele 681 de locații GESLA-2 prin determinarea atât a erorii pătrate medii rădăcină (RMSE), cât și a părtinirii percentilei superioare (\(părtinire^{p}\)), diferența valorilor percentilei mai mari (95 până la 99) între modelul TSL și datele gabaritului de maree. Performanța globală a modelului global a fost apoi evaluată în termeni de RMSE medie (ARMSE) și medie \(bias^{p}\) (\(abias^{p}\)) pentru toate locațiile GESLA-28. Datele gesla-2 tide gauge au fost comparate atât cu modelul T + S + WS, cât și cu T + S. În plus, atât modelele de undă Gow2, cât și cele interimare ERA,o varietate de pante de pat și două formule empirice diferite16,17, 18 au fost utilizate pentru a calcula WS. Rezultatele complete sunt prezentate în tabelele S1 și S1 și discutate în SM1. Deoarece diferențele dintre diferitele valori ale ARMSE și \(abias^{p}\) nu sunt mari pentru diferitele combinații și pentru că, așa cum s-a arătat ulterior, WS este o componentă relativ mică a inundațiilor episodice totale, ne limităm discuția aici la cazurile în care WS este calculat cu modelul GOW2, formularea SPM16,17 și panta medie a patului de 1/30. După cum sa menționat mai sus, scara globală a analizei a însemnat că o abordare relativ simplistă a fost utilizată în mod necesar pentru a determina WS16,17. Deoarece rezultatele au arătat în cele din urmă că WS nu a fost o componentă semnificativă a inundațiilor episodice (5%, a se vedea SM3), este puțin probabil ca erorile cauzate de această abordare să influențeze semnificativ rezultatele finale.
pentru T + S, brațul mediu global este de 0,197 m, ceea ce este comparabil cu valoarea de 0,170 m obținută de Muis și colab.8, unde un model mai vechi de maree (FES 2012) a fost utilizat împreună cu un set Semnificativ mai mic de locații de maree (472). Includerea WS nu face nicio modificare apreciabilă a ARMSE, de fapt crescând-o ușor la 0,204 m (a se vedea tabelul S1). Această lipsă de impact asupra WS nu este surprinzătoare, deoarece WS este de așteptat să reprezinte doar o contribuție apreciabilă în timpul evenimentelor de furtună, care este slab capturată de ARMSE. Distribuția globală a valorilor RMSE pentru T + S + WS este prezentată la fiecare locație GESLA-2 în Fig. S2. Deși există un outlier ocazional în date, RMSE este mai mică de 0,2 m la 75% din locații și mai mică de 0,5 m la marea majoritate (93%) din locații. Contribuția WS în perioadele de furtună (Fig. S8, S9) pot fi evaluate din valorile \(abias^{p}\). Tabelul S2, arată că pentru T + S,\ (abias^{p}\) crește în mărime odată cu creșterea nivelului percentilei. Odată cu adăugarea lui WS,\ (abias^{p}\) scade, devenind aproximativ constantă în toate percentilele. Reducerea \(abias^{p}\) este de 60% la percentila 99, indicând includerea rezultatelor WS într-un acord mai bun între model și indicatoarele de maree în timpul evenimentelor de furtună. Îmbunătățirea în \(\stânga / {bias^{p} } \ dreapta/\), la locațiile individuale ale gabaritului de maree este prezentată în Fig. S4.
validarea prezentată mai sus indică faptul că estimările TSL derivate din model sunt, în general, în acord cu datele indicatorului de maree și că includerea WS face o îmbunătățire a performanței, în special în timpul evenimentelor de furtună extremă. După cum sa menționat în SM1, nu este clar câte dintre indicatoarele de maree de validare răspund la WS datorită locațiilor lor. Ceea ce este clar, totuși, este că, fără includerea WS, există o subpredicție globală a TSL în timpul furtunilor. De asemenea, așa cum se arată în Fig. S4, îmbunătățirea \(\left / {bias^{p} } \ right/\) poate fi văzută în marea majoritate a locațiilor gabaritului de maree. Nu se cunoaște dacă acest lucru se datorează de fapt WS sau unei sistematice sub predicția lui S. Ceea ce este clar este că includerea WS, modelată folosind abordarea relativ simplă adoptată, are ca rezultat un model care funcționează bine în comparație cu indicatoarele de maree în majoritatea locațiilor.
estimări ale valorii Extreme a nivelului total al Mării
după cum sa menționat mai sus, atât S, cât și WS sunt episodice. Pentru inundațiile costiere episodice, aceste contribuții legate de furtună la nivelurile extreme ale mării sunt adesea critice7,8,28,29. Predicția stocastică a unor astfel de extreme implică montarea unei funcții adecvate de distribuție a probabilității (pdf) la o serie de timp istorică și apoi extrapolarea la probabilitatea dorită de apariție (de exemplu, 0,01 în orice an sau evenimentul de 100 de ani). În cazul TSL, cea mai comună abordare a fost să se ia în considerare maximele anuale (AM) și să se potrivească fie unei distribuții Gumbel cu doi parametri (GUM)8,30, fie unei distribuții generalizate a valorilor extreme cu trei parametri (GEVD)7,30,31. O limitare semnificativă a abordărilor AM este că seriile de timp cu valoare extremă rezultate au puține valori (1 pe an). Acest lucru duce la intervale de încredere relativ mari la montarea și extrapolarea pdf-ului. O alternativă este utilizarea tuturor vârfurilor de furtună peste un prag specificat-adică abordarea vârfurilor peste prag, PoT31,32. În acest din urmă caz, se poate demonstra că datele urmează o distribuție Pareto generalizată (GPD)32 sau varianta sa cu doi parametri, distribuția exponențială (EXP). O alternativă la abordarea utilizată mai sus pentru reconstituirea seriilor de timp istorice pe termen lung este utilizarea unei abordări Monte-Carlo de ansamblu9. Acest lucru este discutat în SM4.
analiza valorii Extreme (EVA) adoptată poate avea un impact major asupra estimărilor statistice rezultate ale extremelor (în acest caz, nivelurile extreme ale mării)31 (Vezi Fig. S10). Prin urmare, este important să vă asigurați că EVA aleasă aproximează în mod optim atât datele modelului, cât și datele indicatorului de maree. Prin urmare, o serie de abordări EVA au fost testate pentru a determina care reprezintă în mod optim atât datele modelului, cât și datele indicatorului de maree (vezi SM2). Rezultatele indică faptul că abordarea PoT echipată cu un GPD și un prag de percentilă 98 (GPD98) se potrivește atât cu indicatorul de maree, cât și cu datele modelului cu cea mai mică eroare. Această combinație oferă cea mai bună potrivire a datelor de maree în 33% din locații și cea mai bună potrivire a datelor modelului (la punctele DIVA) în 34% din locații (Vezi Fig. S5). Acest rezultat este în concordanță cu constatările lui Wahl și colab.31. Analiza EVA completă este descrisă în SM2.
o analiză suplimentară a impactului abordării EVA selectate asupra nivelului extrem al Mării proiectat, precum și a sensibilității metodei utilizate pentru determinarea WS este prezentată în tabelul S3. Acest tabel ia în considerare părtinirea medie dintre gabaritul mareei și rezultatele modelului pentru o perioadă de întoarcere de 20 de ani (\(ESL^{h20}-ESL_{Gauge}^{H20}\)) în cele 355 (dintr – un total de 681) locații de gabarit de maree care au o durată de cel puțin 20 de ani în intervalul de timp al modelului storm surge (1979-2014). Aceste rezultate indică o părtinire medie de 17 mm cu includerea WS determinată din modelul GOW2, o pantă de 1/30 pat și un GPD98 EVA (vezi Fig. S7). Cu toate acestea, o serie de alte combinații de calcul EVA și WS dau rezultate similare. Toate cazurile care includ WS, au o prejudecată medie relativ mică, indicând faptul că rezultatele sunt robuste, indiferent de alegerea modelului de undă, panta patului și EVA. Ceea ce este clar, totuși, este că, dacă WS nu este inclus, există o părtinire negativă consistentă (modelul subestimează nivelul extrem al Mării). Pentru GPD98 cu o pantă de 1/30 pat, părtinirea absolută medie este redusă cu 88%, indicând o îmbunătățire semnificativă. Prin urmare, includerea configurației valurilor pare să producă modele de niveluri extreme ale mării (\(ESL^{h20}\)) care sunt în acord mai bine cu datele înregistrate.
cu această validare a modelului \(ESL^{h20}\), rezultatele au fost extinse la o perioadă de întoarcere de 1 în 100 de ani (\(ESL^{H100}\)) și evaluate la toate punctele DIVA. Distribuția globală a \(ESL^{h100}\) este prezentată în Fig. 1a. Această cifră arată că valorile care depășesc 5 m apar de-a lungul părților nordice ale coastelor Atlanticului și Pacificului din America de nord, ale coastelor Atlanticului și Mării Nordului din Europa și China. Rezultatele arată coerența regională cu \(ESL^{h100}\) variind treptat de-a lungul coastelor. Rețineți că aceste estimări\ (ESL^{h100}\) subestimează valorile din regiunile ciclonice tropicale datorită rezoluției modelului8 și dimensiunii limitate a eșantionului33,34.
Fig. S6 arată, de asemenea, impactul WS singur, calculat ca \(ESL_{T + S + WS}^{H100} – ESL_{T + S}^{H100}\). Această figură prezintă valori extreme WS până la 0.5 m, distribuția urmând în mare măsură zone cu înălțime mare a valurilor extrem de semnificative35. În special, părțile nordice ale coastelor Atlanticului și Pacificului din America de Nord, coasta atlantică a Europei, vârful sudic al coastei Pacificului din America de Sud, Coasta de sud a Australiei și o mare parte din Asia prezintă contribuții pentru perioada de întoarcere de 100 de ani de WS mai mari de 0,4 m. Prin urmare, deși WS are doar un impact foarte mic asupra valorilor generale ale ARMSE TSL între datele modelului și ale indicatorului de maree, acesta devine o componentă mai mare în ceea ce privește nivelurile mării cu valoare extremă (în medie o creștere de 17% a \(ESL^{h100}\) datorită WS peste toate punctele DIVA).
proiecții viitoare ale nivelurilor extreme ale mării și inundațiilor de coastă
valorile \(ESL^{H100}\) oferă baza pentru a determina inundațiile episodice pentru ziua de azi și pentru viitor. Valorile \(ESL^{h100}\) la fiecare punct DIVA au fost asociate cu o regiune înconjurătoare (a se vedea SM3) și inundații calculate folosind următoarea abordare a căzii planare8. Topografia a fost definită de setul de date MERIT DEM, care are un datum vertical al geoidului EGM96 (Modelul gravitațional al Pământului 1996). Pentru a aduce valorile \(ESL^{h100}\) la același datum, topografia oceanică dinamică medie (MDOT) 25,36 valori au fost adăugate la estimările valorii extreme (\(ESL^{h100} + MDOT\)) 23. Linia de coastă a fost definită folosind baza de date globală de Geografie ierarhică de înaltă rezoluție (Gshhg) 37. Ulterior a fost utilizată o abordare bazată pe GIS prin care orice punct de rețea de MERIT este considerat inundat dacă are o altitudine mai mică de \(ESL^{h100}\) și este conectat la țărm prin apă.
gradul de inundații de coastă este o funcție atât de \(ESL^{F100}\) și topografia de coastă. Figura 2 prezintă o hartă globală a inundațiilor “hotspot” regiuni în 2100 pentru RCP8.5. Pentru a ajunge la acest rezultat, zona de inundații pe unitatea de lungime a liniei de coastă a fost determinată pentru fiecare dintre punctele DIVA (inundație normalizată km2/km). Analiza de față presupune că nu există apărare costieră (diguri, ziduri maritime etc.). Prin urmare, în loc să prezinte valori absolute ale inundației în 2100, Fig. 2 arată schimbarea inundațiilor din prezent până în 2100. Zonele cu creșteri semnificative ale inundațiilor sunt observate în Europa de Nord-Vest, India/Golful Bengal, Asia de sud-est și de Est.
regiuni globale “hotspot” de schimbări în inundațiile costiere episodice în 2100 pentru RCP8.5. Adică diferența dintre inundațiile episodice proiectate în 2100 minus inundațiile episodice actuale. Cercurile umplute arată locațiile în care modificarea inundației normalizate (adică modificarea suprafeței inundate împărțită la lungimea coastei) este mai mare de 1 km2/km. Dimensiunea cercului este legată de schimbarea mărimii inundației normalizate. Culoarea cercului este legată de nivelul extrem al Mării proiectat în 2100 (\(ESL_{T + S + WS}^{F100}\)) (figura generată folosind ArcGIS V.10.5.1. 7333, www.esri.com). notă: pentru a adăuga claritate, în cazul în care punctele se suprapun, nu fiecare punct este afișat pe figură.
Figura 3 prezintă atât \(ESL^{F100}\), cât și zona de inundații rezultată pentru un număr de regiuni “hotspot” prezentate în Fig. 2. Deși amploarea inundațiilor nu pare mare în astfel de parcele, amploarea inundațiilor globale pentru RCP8.5 este de 661.000–1.009.000 km2 (aprox. 0,5-0,7% din suprafața terestră globală, mai mare decât suprafața terestră a Franței). Rețineți că intervalul de valori reprezintă intervalul de încredere al percentilei 90 (a se vedea secțiunea “Metode”). Tabelul 1 prezintă amploarea inundațiilor globale pentru fiecare PCR atât pentru 2050, cât și pentru 2100. Fișierul auxiliar de date suplimentare Google Earth permite examinarea valorilor \(ESL^{h100}\) și \(ESL^{F100}\) în orice locație de ieșire.
analiza ulterioară a contribuțiilor relative ale diferitelor procese fizice la inundațiile costiere episodice proiectate (prezentate în tabelul 1) până la sfârșitul secolului XXI (a se vedea SM3) indică următoarele contribuții pentru RCP8.5: T + S (63%), RSLR (32%), WS (5%). Acest rezultat demonstrează că, în secolul următor, T + S va rămâne procesul dominant în determinarea amplorii inundațiilor globale. Cu toate acestea, RSLR crește semnificativ frecvența inundațiilor de coastă. Pentru RCP8.5, inundații asociate cu ziua de azi 100 de ani evenimente perioada de întoarcere va avea loc, în medie, cel puțin o dată la fiecare 10 ani la sud de 50 n latitudine. Trebuie remarcat (a se vedea SM2) că modificarea exactă a frecvenței acestor evenimente extreme de inundații este sensibilă la analiza EVA utilizată.
expunerea populației și a activelor
estimările globale ale inundațiilor descrise mai sus oferă baza pentru estimarea atât a populației, cât și a activelor expuse riscului de inundații costiere episodice. Expunerea activelor a fost estimată utilizând relația5, 24 \(a = 2.8 \ ori P \ ori G\), unde \(A\) este valoarea activului expus inundațiilor (US$), \(P\) este populația și \(G\) este Produsul Intern Brut pe cap de populație (US$/cap). După cum sa menționat mai sus, populația a fost estimată din Baza de date Gpwv426 și PIB-ul pe cap de locuitor din Kummu și colab.27. Tabelul 1 prezintă suprafața inundată împreună cu populația și activele expuse pentru ziua de azi, 2050 și 2100 în cadrul RCP4.5 și 8.5. Toate valorile sunt în 2011 US$ și își asumă 2015 populație și PIB, în concordanță cu bazele de date utilizate. Pentru a face o comparație directă între perioadele actuale și cele viitoare, nu a fost inclusă aici nicio încercare de a proiecta modificări ale PIB-ului sau ale populației în anii următori. Rezultatele proiectului arată că populația potențial expusă inundațiilor costiere episodice va crește de la 128-171 milioane la 176-287 milioane în 2100 în cadrul RCP8.5, unde intervalul reprezintă intervalul de încredere al percentilei 90 (a se vedea secțiunea “Metode”) (o creștere de la aproximativ 1,8–2,4% din populația lumii la 2,5–4,1%). Activele totale expuse sunt proiectate să crească de la 6.466-9.135 miliarde USD la 8.813–14.178 miliarde USD, reprezentând o creștere de la 9-13% la 12-20% din PIB-ul global. După cum sa menționat mai sus, aceste valori presupun că nu există apărare împotriva inundațiilor și, prin urmare, vor supraestima adevăratele valori. Cu toate acestea, rezultatele indică faptul că pentru RCP8.5, până în 2100 se estimează că valorile medii ale suprafeței inundate, populației afectate și activelor amenințate vor crește cu 48%, 52% și, respectiv, 46%.
