A spatially-dependent synthetic global dataset of extreme sea level events
A spatially-dependent synthetic global dataset of extreme sea level events
复制标题
极端海平面事件的空间相关综合全球数据集
DOI：
10.1016/j.wace.2023.100596
复制
发表时间：
2023
影响因子：
8
通讯作者：
Ward, Philip J.
中科院分区：
文献类型：
--
作者：
Li, Huazhi;Haer, Toon;Couasnon, Anaïs;Enríquez, Alejandra R.;Muis, Sanne;Ward, Philip J.
当前的沿海洪水风险评估未能捕捉大规模的洪水空间依赖性。在本文中，我们开发了第一个全球合成数据集的空间依赖的极端海平面事件，通过应用现有的条件多元统计模型，40年全球再分析海平面。由此产生的数据集包含10，000年的极端事件，在当前气候条件下具有现实的空间依赖性。对再分析数据的基准测试显示出高度一致性，平均事件足迹大小的决定系数（R2）为0.96，50年一遇水位的平均偏差为-0.04 m。通过比较著名的历史事件，我们表明，我们的方法可以产生类似的空间特征的事件。我们的数据集使未来开发空间依赖的洪水灾害地图，以获得准确的大规模风险概况，这有助于对沿海洪水的空间模式产生新的见解，并支持沿海社区制定有效的管理计划。
Current coastal flood risk assessments fail to capture flood spatial dependence at large scales. In this paper, we develop the first global synthetic dataset of spatially-dependent extreme sea level events, by applying an existing conditional multivariate statistical model to 40-year global reanalysis sea levels. The resulting dataset contains 10,000 years of extreme events with realistic spatial dependence under current climate conditions. The benchmarking against reanalysis data demonstrates a high agreement, with a coefficient of determination (R 2) of 0.96 for the mean event footprint sizes and a mean bias of− 0.04 m for 1 in 50-year water levels. By comparing well-known historic events, we show that our approach can produce events with similar spatial characteristics. Our dataset enables the future development of spatially-dependent flood hazard maps for deriving accurate large-scale risk profiles, which can help yield new insights into the spatial patterns of coastal flooding and support coastal communities in devising effective management plans.
登录
查看更多内容
DOI：
--
发表时间：
2015
期刊：
影响因子：
--
作者：
J. Pérez;M. Menéndez;P. Camus;F. Méndez;I. Losada
通讯作者：
I. Losada
空间依赖性在大规模洪水风险估计中的作用
影响因子：
4.6
作者：
A. D. Metin;N. Dung;K. Schröter;S. Vorogushyn;B. Guse;H. Kreibich;B. Merz
通讯作者：
B. Merz
国家级应急计划中极端沿海洪水情景的空间分析和模拟
DOI：
--
发表时间：
2016
期刊：
影响因子：
--
作者：
D. Wyncoll;I. Haigh;B. Gouldby;D. Hames;Stefan Laeger;A. Wall;P. Hawkes;A. Hammond
通讯作者：
A. Hammond
影响因子：
3.2
作者：
Haigh, Ivan D.;Marcos, Marta;Thompson, Philip
通讯作者：
Thompson, Philip
影响因子：
1.7
作者：
C. Keef;J. Tawn;R. Lamb
通讯作者：
R. Lamb