Цель: сравнить экономическую уязвимость прибрежных городов в $5$ климатических регионах к штормовым паводкам — какие карты/данные использовать и как их обработать.
Ключевые карты и статистические источники
- Гидродинамика / опасность:
- Global Tide and Surge Reanalysis (GTSR) / GTSM — глобальные карты штормовых накатов и статистика возвратных периодов.
- ERA5 (ECMWF) — ветры/давление для моделирования штормов; морские волновые/сатурн. данные.
- Национальные/региональные результаты ADCIRC / Delft3D / HySEA (если доступны) — детальные карты экстремальных наводнений.
- NOAA CO‑OPS / PSMSL — исторические приливные и наблюдаемые накатные уровни (приливные станции).
- Рельеф и затопляемость:
- DEM: SRTM, AW3D30, TanDEM‑X, локальные LIDAR (если доступны) — для карт затопления.
- Высотная неизв., вертикальные смещения береговой линии (компенсация).
- Воздействие (exposure):
- Global Human Settlement Layer (GHSL), WorldPop, LandScan — плотность населения и застройка.
- OpenStreetMap / Microsoft / Google building footprints — здания и инфраструктура.
- Gridded GDP / G‑Econ / Kummu et al. / VIIRS nightlights — распределение экономической активности и стоимости активов.
- Уязвимость / урон:
- FEMA / JBA / UNISDR depth‑damage functions (функции «глубина → доля ущерба») и отраслевые кривые повреждаемости.
- EM‑DAT, Munich Re NatCat, Swiss Re sigma — исторические потери и верификация.
- Климатические и сценарные данные:
- IPCC AR6 / CMIP6 (SSP сценарии) — сценарии повышения уровня моря и изменения штормов.
- Карты для классификации регионов:
- Köppen‑Geiger (глобальная карта климатических зон) — выбрать $5$ климатических типов/регионов.
Методика (пошагово)
1. Выбор городов: по одному представителю в $5$ климатических классах Köppen (пример: тропический — Mumbai, сухой — Dubai, средиземноморский — Barcelona, умеренный океанический — Rotterdam, континентальный/холодный — St. Petersburg).
2. Сбор данных: загрузить GTSR/реаналитику, DEM, GHSL/WorldPop, gridded GDP, локальные наблюдения (приливные станции), исторические убытки.
3. Генерация сценариев накатов:
- использовать GTSR/модели ADCIRC или локальные гидродинамические расчёты для наборов возвращающихся уровней (напр. $T=\{10,50,100,500\}$ лет).
- учесть приливную фазу и сценарии повышения уровня моря (SSP).
4. Инундационная карта (inundation): наложить уровни на DEM → карты затопленных ячеек/площадей и глубин $h(x,y)$.
5. Экспозиция: для каждой ячейки оценить стоимость активов $A(x,y)$ (гридированные GDP/оценка стоимости зданий) и население $P(x,y)$.
- Суммарная экспозиция: ${\mathrm{E}}_{\mathrm{tot}}={\sum }_{x,y}A(x,y)$.
6. Уязвимость/повреждаемость: применить depth–damage функции $DR(h)$ (доля повреждения от глубины). Пример математически:
- для ячейки ущерб $D(x,y)=A(x,y)\cdot DR(h(x,y))$.
- ожидаемый годовой ущерб (EAD): $\mathrm{EAD}={\sum }_j{p}_j{\sum }_{x,y}{D}_j(x,y)$, где $p_j$ — вероятность события j (альтернативно $\mathrm{EAD}={\sum }_j{P}_j\cdot D_j$).
7. Нормализация и индексы:
- нормализованный риск $V=\frac{\mathrm{EAD}}{{\mathrm{E}}_{\mathrm{tot}}}$ — экономическая уязвимость доли годового ожидаемого ущерба.
- альтернативно: EAD на человека $EAD\_pc=\frac{\mathrm{EAD}}{{\sum }_{x,y}P(x,y)}$.
8. Анализ чувствительности и неопределённости:
- варьировать $DR(h)$, DEM (вертикальная погрешность), SLR‑сценарии, частоты штормов; показать диапазоны для $V$.
9. Верификация: сравнить рассчитанные повреждения/частоты с историческими данными EM‑DAT / страховыми потерями.
10. Визуализация и сравнение:
- карты: hazard (уровни с вероятностями), exposure (стоимость/население), damage (EAD) и normalized vulnerability $V$.
- графики: EAD vs сценарий, вклад секторов (жильё, инфраструктура), чувствительность.
Ключевые формулы (минимум)
- Ущерб в ячейке: $D(x,y)=A(x,y)\cdot DR(h(x,y))$.
- Ожидаемый годовой ущерб: $\mathrm{EAD}=\sum _j{P}_j\sum _{x,y}{D}_j(x,y)$.
- Нормализованный индекс уязвимости: $V=\frac{\mathrm{EAD}}{{\mathrm{E}}_{\mathrm{tot}}}$.
- Для статистики экстремумов можно применять GEV/POT, например GEV CDF: $F(x)=\exp [-(1+\xi \frac{x-\mu }{\sigma }{)}^{-1/\xi }]$.
Выводы/ожидаемые результаты
- Карты и численные индексы $V$ для $5$ городов с оценкой неопределённости.
- Причины различий: экспозиция (стоимость активов), рельеф/высота, защитные сооружения, форма уязвимости (DR), сезонность штормов и локальные особенности (дамбы, каналы).
- Рекомендации по дальнейшему улучшению: локальные LIDAR, детальные модели гидродинамики, детальные функции damage по типам зданий и секторов.
Если нужно, подготовлю примерный список конкретных ссылок и команд для скачивания перечисленных наборов данных и краткий шаблон рабочего процесса (ПК‑команды / GIS/HEC‑RAS/ADCIRC).