La Costa Catalana i el Clima Un conflicte a diferents escales. Agustín Sánchez-Arcilla

Transcripción

1 La Costa Catalana i el Clima Un conflicte a diferents escales Agustín Sánchez-Arcilla 1.- La costa catalana 2.- Llarg-termini: dècades planificació del territori 3.- Curt-termini: dies gestió del risc 4.- Algunes conclusions GECCC 06_2012

2 The CATALAN coast case ~ 700 km High geo- diversity Length ~ 700 km Sand beaches ~ 250 km Urban (pocket beaches ~ 150 km GECCC 06_2012 Open beaches ~ 75 km Coastal fringe width 500 m 6.9% total area CAT - 48% total population CAT

3 Limited no. of extremes Sharp gradients (prediction challenges) The CATALAN coast case ~ 700 km High meteo - diversity 26 Dec 2008 storms GECCC 06_2012

4 The CATALAN coast case ~ 700 km Horizontal variability hindered (by shore rigidization) Horizontal/Vertical erosion (sediment scarcity) Port GECCC Balís 06_2012 Mataró (Nord platja Callao) Trabucador, Delta del Ebre

5 Caracteritzar variabilitat termes impulsors Anàlisi tendències. Downscaling dinàmic. Downscaling estadístic Caracteritzar una part de la resposta costanera Tècniques emprades Anàlisi de tendències Avantatges: Facil d aplicar. Baix cost computacional. Inconvenients: Assumeix tendències mantingudes (no pas escenaris) No considera fàcilment altres oscil lacions superposades

6 Downscaling dinámico CO 2 SCENARIO AOGCM GCM RCM Proyectos europeos PRUDENCE (2004) SST GLOBAL WIND WM bc REGIONAL WIND WM , A2, B2 50 km Valores diarios GLOBAL WAVES GLOBAL SCALE Resolution bc REGIONAL WAVES REGIONAL SCALE ENSEMBLES (2009) /2100 A1B 25 km Valores diarios Permite aplicar escenarios dep. de modelos atmosféricos (variabilidad). Buena representación de los procesos físicos con alto coste computacional.

7 Ventajas: Permite aplicar escenarios. Bajo coste computacional. Downscaling estadístico Inconvenientes: Simplificación del proceso físico. Dificultad de reproducir algunos procesos (e.g. mar de fondo) DOWNSCALING ESTADÍSTICO: relación predictor predictando (Hs)

8 Caso de estudio. Análisis de tendencias DATOS UTILIZADOS HIPOCAS + simuls. + observacs. Base de datos de hindcast forzada a partir datos de reanálisis ( ) XIOM (Generalitat de Catalunya) EP Puertos del Estado J. Pascual Variables principales usadas (single values, mean, max, 95% q) MSL SST H s θwaves

9 Storm Surge Level [cm] Storm Surge Level [cm] Observaciones y tendencias Observaciones Puertos de Barcelona ( ) y Valencia ( ) Tendencia general observada: leve disminución NMM 60 Storm Surges (Barcelona, 92-07) Storm Surges Linear Fit 60 Storm Surges (Valencia, 92-06) Storm Surges Linear Fit Linear Fit Y = -8.03E-006 * X Linear Fit Y = -1.7E-005 * X BNA VAL Year Year

10 Sea Level Height Análisis de tendencias por intervalos NMM (MSL): Disminució ( ) Increment ( ) 2 Simulated SSH for Catalan/Valencia coast. Continuous line: average series (based on different simulations: /60) Delta del Ebro

11 Hsig [cm] Hmax [cm] Observaciones y tendencias Oleaje observado en el Delta del Ebro ( ) Hmax y Hs tienden a disminuir ligeramente con el tiempo Linear Fit Y = * X Hmax Hmax Linear Fit 600 Linear Fit Y = * X Hs Hs Linear Fit Year Year

12 duration of storms [h] duration of storms [h] Duración media tormentas 20 hrs para Hs=1.5m y 19 hrs para Hs=2.0m Tendencia al aumento (mayor para Hs=2.0m) Coeficiente correlación = 0.45 Observaciones y tendencias Duración máxima tormentas 73 hrs para Hs=1.5m y 39 hrs para Hs=2.0m Tendencia al aumento para Hs=1.5m (constancia para Hs=2.0m) Coeficiente correlación = Mean duration of Storms Hs=1.5 Hs= Maximum duration of Storms Hs=1.5 Hs=2.0 Linear Fit for Hs=1.5m Y = 0.01 * X Linear Fit for Hs=1.5m Y = 0.92 * X Linear Fit for Hs=2.0 Y = * X Linear Fit for Hs=2.0 Y = 0.25 * X year year

13 Observaciones y tendencias Número anual de tormentas Umbral de Hs=1.5m Tendencia al aumento (mayor para la zona Norte de la costa catalana

14 Proyecciones. Downscaling dinámico Experimentos realizados: Viento 10 m RCM: RACMO2 GCM: ECHAM5 Escenario: A1B Resol. espacial: 25 km Resol. temporal: 3h Datos ENSEMBLES suministrados por van Meijgaard (KNMI) SWAN Oleaje Variables: H s, H s,swell, T m, θ Resol. espacial: 12.5 km Resol. temporal: 3h 2 periodos 20 años: , VALIDACIÓN COMPARACIÓN

15 Latitude (º) Proyecciones. Downscaling dinámico 44 Elevation (m) 0 43 Buoys (XIOM) Buoys (OPPE) HIPOCAS TARRAGONA TORTOSA ROSES BLANES LLOBREGAT TARRAGONA EXT. BEGUR PALAMÓS Dominios (GEBCO) Longitude (º) -3000

16 Proyecciones. Downscaling dinámico Resultados (Modelo KNMI) Reducción Hs en invierno y otoño Aumento Hs en primavera y verano Invierno Primavera Verano Otoño Razón entre Hs en y Hs en (Casas-Prat et al en preparación)

17 Proyecciones. Downscaling estadístico Modelo estadístico Con Environment Canada (X.L. Wang) Análisis de Regresión Lineal Múltiple (Wang & Swail, 2006) Predictando Hs: altura de ola significante (anomalías) Predictores P: presión superficial (anomalías) G: gradiente al cuadrado de la presión superficial (anomalías) Consideraciones adicionales Procesos físicos como: swell (PCs), temperatura (T) Alta auto-correlación en las series temporales: H(t-1) Modelo prueba distintas variables y sólo retiene las que explican la varianza

18 Proyecciones. Downscaling estadístico Calibración y validación DATOS 44 años de datos de oleaje de hindcast (re-análisis de viento y presión) del proyecto Europeo HIPOCAS Periodo ( ) Δt = 3 h Δx= Δy = 0.5º (excepto para olas en zonas costeras que tomamos 0.125º) Calibración: Validación:

19 Proyecciones. Downscaling estadístico Resultados Preliminares: Reducción del oleaje en invierno X=[P,G,PC] Razón entre Hs en y Hs en (Casas-Prat et al en preparación) CORRELATION COEFFICIENT

20 Re-análisis + Tendencias Oleaje tiende a cambiar distribución direccional en zona N (costa fuera de equilibrio ) b.1) Node 14 (Blanes) a.1) Node b.2) Node 14 (Blanes) a.2) Node b.1) Node 14 (Blanes) c.1) Node 20 (Fòrum) b.2) Node 14 (Blanes) c.2) 2050Node 20 (Fòrum) 2050

21 Respuesta (erosión): Estimación SLR SLR + storm effects Valencia w/no Sub Ebro w/sub Valencia w/no Sub Ebro w/sub Recent Past Present Near Future 10 0 Recent Past Present Near Future Shore-line erosion rates total horizontal meters) for last century (Recent Past), present decade (Present) and by 2100 (Near Future) (Sanchez-Arcilla et al 2011) GECCC 06_2012 GESTIÓN DEL IMPACTO POTENCIAL

22 Respuesta (WQ oxígeno disuelto): Estimación Catalan Gulf coast of & Valencia Gulf of Valencia WQ related to climate change 0% -5% -10% -15% -20% -25% -30% -35% -40% -45% + 3.3ºC +5.0ºC Present Future Projection Water quality degradation (in terms of dissolved oxygen) in 100 years due to the increase of sea water temperature (S.-Arcilla et al 2011) GECCC 06_2012 GESTIÓN DEL IMPACTO POTENCIAL

23 Respuesta (erosión & agitación): Estimación + Proyecciones GESTIÓN DEL IMPACTO POTENCIAL TRANSPORTE LONGITUDINAL DE SEDIMENTOS AGITACIÓN PORTUARIA GECCC 06_2012

24 Respuesta (erosión): Estimación + Proyecciones TRANSPORTE LONGITUDINAL DE SEDIMENTOS Cambios en la tendencia evolutiva del 60% de las playas 63% del 60% empeora GECCC 06_2012

25 pre - MOS PRE-MOS Meteo Module WRF + ECMWF BCs Storm (high ) scale modelling Hydrodynamic module SWAN + ROMS Morphodynamic Module XBEACH + DEM 2008 storm Indicators Module 1990 & 2003 storms GECCC 06_2012

26 Storm (high ) scale response Flooding (water/sand) & damages to promenade No significant damage Flooding Breaching GECCC 06_2012

27 Storm (high ) scale response Playa de S Abanell (Blanes) 3 areas for calibration Río Tordera 700 µm Playa del Pont del Petroli (Badalona) N 350 µm Playa de la Porquerola (Mont-Roig del Camp) 170 µm (similar for Ebre delta) GECCC 06_2012 Posidonea

28 Storm (high ) scale drivers Hydrodynamics: Hs GECCC 06_2012

29 Storm (high ) scale response Morphodynamic module XBEACH Local meshes (grandma mom daughter grand daughter) GECCC 06_2012

30 Storm (high ) scale response Before the storm After the storm Breaching GECCC 06_2012 fan deposits (simulated and observed) contribute to maintening the unit (link to longer term scales)

31 Storm (high ) scale response N GECCC 06_2012

32 The way ahead: combine with engineering scales Net alongshore transport capacity (m 3 / yr) Interval: 1995 / 2006 Cell: Port d Arenys - Port de Blanes Total change: - 20,000 m 3 / yr (loss) Suitable for yearly (mid-term) scales m 3 /y 10,500 m 3 /y 5000 m 3 /y m 3 /y GECCC 06_2012 Llibre Verd Costa Catalana

33 Hs (cm) The way ahead: predict with uncertainties Select the right time scale 650 Z4 Weibull.maximum likelihood Make explicit the uncertainties Return period (years) 5 0 m PDF from observed data GECCC 06_2012

34 The way ahead: predict with uncertainties Potential transport Actual transport Make explicit the uncertainties (eng. scale years) Llibre Verd Costa Catalana Net Sl capacity (m 3 / any) For 1996 / 2006 Cell Port Arenys - Port BCN GECCC 06_2012

35 The way ahead: observations + knowledge Longer time series: better statistics and modelling (hind- & fore- casting) Plan for the change to come (when to start?) Thanks! The research leading to these results has received funding from the European Community's FP7/ under GRANT AGREEMENT Nº (FIELD_AC) and CTM (COVARIANCE) GECCC 06_2012