Znowu ten deszcz — ulepszone modele statystyczne powodzi
Gdy zarządcy zasobami wodnymi przeprowadzają analizę częstości powodzi, jednym z największych wyzwań jest modelowanie dwóch lub większej liczby zmiennych zależnych. W projekcie IMPALA (Improved multivariate frequency analysis of flood extremes by copulas in a non-stationary environment) zaoferowano multidyscyplinarne rozwiązanie tego problemu. Odpowiedź obejmuje oparte na kopule wielowymiarowe modelowanie częstości ekstremów powodziowych, które uwzględnia informacje na temat historycznych i regionalnych ekstremów niezmierzonych. Kopuły to narzędzia statystyczne, które służą do opisywania zależności między dwiema zmiennymi losowymi i sprawdzają się w modelowaniu częstości wielowymiarowych ekstremów powodziowych. Celem inicjatywy IMPALA było udoskonalenie wielowymiarowego modelowania częstości zmiennych powodziowych poprzez zwiększenie liczby obserwacji na ekstremach rozkładu brzegowego danych powodziowych. Do jednowymiarowej analizy częstości powodziowej dołączono nadzwyczajne dane powodziowe, przy użyciu bayesowskiej metody Monte Carlo z zastosowaniem łańcucha Markowa. Wykorzystano współczesne ogólnoeuropejskie bazy danych zawierające zapisy natężenia przepływu i deskryptory zlewni, a także dane uzyskane od odpowiednich organów austriackich i słowackich. Z założenia badania zajmujące się dopasowywaniem jednowymiarowych lub wielowymiarowych modeli częstości do danych obserwowanych nie wykraczają poza statystykę; czynniki hydrologiczne i/lub meteorologiczne procesów powodziowych zwykle nie są badane. Dlatego zespół projektu IMPALA kierował się przede wszystkim filozofią, zgodnie z którą rozróżnianie między mechanizmami prowadzącymi do powodzi jest nieuniknione. W ramach projektu powstała nowa metodologia pozwalająca zidentyfikować burze o charakterze konwekcyjnym na podstawie wysokorozdzielczych danych klimatologicznych i wyładowań atmosferycznych. Metodologia okazała się przydatna w typologii procesów powodziowych, ponieważ burze konwekcyjne są prekursorami gwałtownych powodzi. W powiązanym badaniu przyjrzano się zmianom wielkości Clausiusa-Clapeyrona wzrostu intensywności opadów wraz temperaturą powietrza. Wyniki mają poważne implikacje dla ryzyka hydrologicznego: w następstwie zmiany klimatu oczekiwany jest wzrost średniej temperatury powietrza, co sugeruje wyższą prędkość skalowania Clausiusa-Clapeyrona, czego manifestacją mogą być gwałtowniejsze ulewy, a w konsekwencji, gwałtowne powodzie. Naukowcy zbadali, czy powodzie zmieniały się w przeszłości, a także przyjrzeli się procesom w atmosferze, zlewniom i systemom rzecznym w Europie, które są czynnikami napędowymi takich zmian. Ponadto dokonano przeglądu metod oceny, czy częstość powodzi może nasilić się w przyszłości, a także sporządzono sugestie w zakresie zintegrowanego zarządzania żywnością, aby poradzić sobie z ryzykiem przyszłych powodzi. Przeanalizowano zależność między szczytami fali powodziowej a objętością wody powodziowej w Austrii w kontekście różnych procesów powodziowych (synoptycznych, gwałtownych i powstających wskutek topnienia śniegu). Odkryto, że niepewność w modelach statystycznych można zredukować za pomocą głębszej analizy hydrologicznej czynników wpływających na szczyty i objętości powodziowe. Wiarygodność szacunków częstości można także zwiększyć, biorąc pod uwagę przydatność modelu i mechanizmy generowania powodzi w regionie docelowym. Wyniki projektu IMPALA pomogą znaleźć odpowiedź na wiele pytań teoretycznych i praktycznych dotyczących ryzyka powodziowego i cyklu hydrologicznego. W ten sposób wspierają one działalność społeczności naukowej i przynoszą korzyści profesjonalnym użytkownikom końcowym, prawodawcom zajmującym się łagodzeniem skutków powodzi, organizacjom pozarządowym oraz władzom krajowym, regionalnym i lokalnym.
Słowa kluczowe
Powódź, wielowymiarowy, analiza częstości, ekstrema powodziowe, szczyt fali powodziowej, objętość wody powodziowej, kopuły, rozkład dwuwymiarowy, metoda Monte Carlo z zastosowaniem łańcucha Markowa, mechanizmy napędowe powodzi, procesy
