ADAPTING TO SEA LEVEL RISE

Transcripción

1 ADAPTING TO SEA LEVEL RISE Iñigo Losada Rodríguez Instituto de Hidráulica Ambiental de Cantabria, IH Cantabria Universidad de Cantabria

2

3

4

5

6

7 Coastal flooding Inundation/sumergence vs. Flooding Flooding: Combined effects!!! MA: Marea astronómica MM: Marea meteorológica RU: Run-up CI: Cota de inundación Waves Wind Atmospheric pressure CI RU MM Nivel de marea Mean Sea Level MA Nivel de referencia (Subsidence)

8 Reconstrucción histórica oleaje: GOW 1.2. BASES DE DATOS

10 1.2. BASES DE DATOS TAREA 1.1. Reconstrucción histórica oleaje: GOW

12 1.2. BASES DE DATOS

13 Coastal flooding Inundation/sumergence vs. Flooding Flooding: Combined effects!!! MA: Marea astronómica MM: Marea meteorológica RU: Run-up CI: Cota de inundación Waves Wind Atmospheric pressure CI RU MM Nivel de marea Mean Sea Level SLR MA Nivel de referencia (Subsidence)

14

15 CAN WE ASSESS THE RISKS ASSOCIATED TO SLR? CAN WE ADAPT TO SLR? RISK REDUCTION

16 ADAPTATION TAKES PLACE LOCALLY HIGH RESOLUTION CASE STUDY 200 Km

17 CAN WE ASSESS THE RISKS ASSOCIATED TO SLR? CAN WE ADAPT TO SLR? RISK REDUCTION

18 WE NEED TO ASSESS HIGH RESOLUTION HAZARDS BOTH HISTORIC AND PROJECTED TO THE FUTURE

19 Met ocean Atmospheric conditions Sea level Waves SS Temperature Hydro meteo Precipitation River discharge

20 1.3. HISTÓRICO COASTAL WAVES Characteristic winter conditions

21 1.3. HISTÓRICO STORM SURGE MM max (m) Luarca Avilés Ribadesella

22 1.3. HISTÓRICO STORM SURGE HISTORIC TRENDS

23 1.3. HISTÓRICO MEAN SEA LEVEL TRENDS (mm)

24 ASTRONOMICAL TIDE MA max (m) 1.3. HISTÓRICO TOTAL WATER LEVEL (TWL) TWL (t) = MA(t) + MM(t) + Setup(t) α = 0.04 playa α = 0.08 puerto/acantilado Acantilados/puertos Playa

25 NIVEL DEL MAR TOTAL (TWL) MA MM TWL Hs Setup 1.3. HISTÓRICO

26 TOTAL WATER LEVEL (TWL) 1.3. HISTÓRICO

27 PROJECTIONS

28 1.4. PROYECCIONES WAVE PROJECTIONS. Changes in H s12 (m) RCP4.5 RCP

29 1.4. PROYECCIONES STORM SURGE PROJECTIONS. Changes in MM 95% (cm) RCP4.5 RCP

30 1.4. PROYECCIONES LOCAL RELATIVE SEA LEVEL RISE PROJECTIONS (m) Slangen et al. 2014

31

32 4. EXPOSICIÓN Source: IGN (DTM) LiDAR 5 m EXPOSURE Coastal defences High resolution shoreline

33 2.2. DATOS SOCIOECONÓMICOS Resolución espacial = 1 Ha Population database JRC (2006)

34 2.2. DATOS SOCIOECONÓMICOS Land use database SIOSE Agrícola, industrial, servicios, urbano Fuente: IGN

35 2.2. DATOS SOCIOECONÓMICOS Base Cartográfica Numérica BCN25/BTN25 BaseCartográficaNumérica1: Basededatosgeográfica2Ddereferenciaaescala 1: que cubre toda España. Edificios Instalaciones industriales Infraestructuras críticas Redes de comunicación Fuente: IGN

36 Income per capita by municpality. Year: En euros. Fuente: SADEI Socioeconomic indicators Gross value added by sector and municipality. x1000 euros. Year: Fuente: SADEI

37 2.4. DATOS ECOSISTEMAS Ecosystem services valuation VANE VANE Valoración de los Activos Naturales de España

38 ASSESSING FLOODING IMPACTS

39 3 horizontes temporales: 2 tipos de inundación: Año horizonte Actual FLOODING SCENARIOS Tipo de inundación 2050 CI 2100 CLIMA ACTUAL MEDIO PLAZO: AÑO 2050 LARGO PLAZO: AÑO 2100 INUNDACIÓN PERMANENTE (SLR) EVENTOS EXTREMOS DE INUNDACIÓN (CI) Escenario Escenarios climático CI EA1 T1 EA2 T2 EM1 SLR1+T1 EM2 SLR1+T2 SLR EL1 SLR4 EL2 SLR2+T1 CI EL3 SLR2+T2 EL4 SLR3+T1 EL5 SLR3+T INUNDACIÓN SLR1 = 0.24 m SLR2 = 0.45 m (RCP4.5) SLR3 = 0.65 m (RCP8.5) SLR4 = 1 m (High++) T1 = 100 años T2 = 500 años

40 FLOODING MODEL RFSM EDA (Rapid Flood Spreading Method Explicit Diffusion wave with Acceleration term) Modelo 2D de almacenamiento de celdas (Gouldby et al., 2008) Basado en una aproximación difusiva de las SWE con inercia local Malla computacional formada por Impact Zones con sub elemento topografía Proporciona la altura de columna de agua en cada celda y velocidades

41 3.1. INUNDACIÓN Modelado de la INUNDACIÓN Distribución espacial de las mallas de inundación para RFSM EDA MALLA 6 MALLA 5 MALLA 4 MALLA 3 MALLA 2 MALLA 1

42 3.1. INUNDACIÓN ESCENARIOS DE INUNDACIÓN Escenario 1.- CLIMA PRESENTE Tr=100 GIJÓN VILLAVICIOSA RIBADESELLA

43 GIJÓN ESCENARIOS DE CAMBIO CLIMÁTICO. EVENTOS EXTREMOS 3.1. INUNDACIÓN Escenario 6.- SLR=0.45 m Tr=100 Escenario 8.- SLR=0.65 m Tr=100

44

45 Escenario 1.- CLIMA PRESENTE Tr=100 AREA FLOODED Escenario 3.- AÑO HORIZONTE 2050 Tr=100 + SLR=0.24 m Hectars per municip. Escenario 8.- AÑO HORIZONTE 2100 Tr=100 + SLR=0.65 m Escenario 5.- AÑO HORIZONTE 2100 SLR=1 m PERMANENT FLOODING

46 ASSESSING CONSEQUENCES/RISK

47 RISK SCENARIOS Climatic Scenarios AÑO HORIZON TE INUNDACIÓN PERMANENTE SLR (m) RCP4.5 RCP8.5 High++ EVENTOS EXTREMOS CI (T= Periodo de Retorno) 2050 SLR1= T1=100 T2= SLR2=0.4 5 SLR3=0.6 5 SLR4=1 T1=100 T2=500 Socioeconomic scenarios AÑO HORIZONTE POBLACIÓN/GDP Actual S S S2

48 RISK SCENARIOS YEAR PRESENT Flooding/In undation CI 2050 CI 2100 CLIMATIC SCENARIOS SOCIOECONOMIC SCENARIOS RISK SCENARIOS T1 S0 Escenario1 T2 S0 Escenario2 T1+SLR1 S1 Escenario3 T2+SLR1 S1 Escenario4 SLR SLR4 S2 Escenario5 CI T1+SLR2 S2 Escenario6 T2+SLR2 S2 Escenario7 T1+SLR3 S2 Escenario8 T2+SLR3 S2 Escenario9

49 Affected population Combined effect of extreme events and SLR LUARCA Escenario 1.- CLIMA PRESENTE Tr=100 Escenario 4.- MEDIO PLAZO SLR=0.24 m + Tr=100 Escenario 11.- LARGO PLAZO SLR=0.65 m + Tr=100

50 Escenario 1.- CLIMA PRESENTE Tr=100 POBLACIÓN AFECTADA Escenario 3.- AÑO HORIZONTE 2050 Tr=100 + SLR=0.24 m En base a las proyecciones oficiales Escenario 8.- AÑO HORIZONTE 2100 Tr=100 + SLR=0.65 m Considerando la población actual Relativo al censo de Población de 2010 Escenario 5.- AÑO HORIZONTE 2100 SLR=1 m INUNDACIÓN PERMANENTE Considerando la población actual

51 POBLACIÓN AFECTADA Escenario 2.- CLIMA PRESENTE Tr=500 Escenario 4.- AÑO HORIZONTE 2050 Tr=500 + SLR=0.24 m En base a las proyecciones oficiales Escenario 9.- AÑO HORIZONTE 2100 Tr=500 + SLR=0.65 m Relativo al censo de Población de 2010 Considerando la población actual

52 POBLACIÓN AFECTADA % POBLACIÓN AFECTADA POR CONCEJO

53 INDUSTRIAL GROSS VALUE ADDED BASE DE DATOS: DISTRIBUCIÓN ESPACIAL DE INSTALACIONES BCN25/BTN25 (IGN) ESCENARIOS DE INUNDACIÓN MINORACIÓN DEL DAÑO ( ) IDENTIFICACIÓN DE LAS INSTALACIONES AFECTADAS DETERMINACIÓN DE LOS DÍAS DE PÉRDIDA DE PRODUCTIVIDAD DETERMINACIÓN DE LA COTA DE INUNDACIÓN DE CADA INSTALACIÓN DETERMINACIÓN AFECTADA DEL VAB AFECTADO ( ) COTA DE INUNDACIÓN DÍAS DE PÉRDIDA DE PRODUCTIVIDAD TIPO DE INUNDACIÓN CI 0.5 m 0.5 m < CI 1 m 1 m < CI 1.5 m CI >1.5 m CI > Evento Extremo Evento Extremo Evento Extremo Evento Extremo Inundación Permanente

54 NAVIA VAB Industrial afectado Escenario 1.- CLIMA PRESENTE Tr=100 Escenario 4.- MEDIO PLAZO SLR=0.24 m + Tr=100 Escenario 9.- LARGO PLAZO SLR=1.5 m Escenario 11.- LARGO PLAZO SLR=0.65 m + Tr=100

55 Escenario 1.- CLIMA PRESENTE Tr=100 AFFECTED GROSS VALUE ADDED INDUSTRIAL SECTOR Escenario 3.- AÑO HORIZONTE 2050 Tr=100 + SLR=0.24 m CONSIDERANDO: DURACIÓN DE PÉRDIDA DE PRODUCCIÓN (PÉRDIDA PARCIAL) Sin proyectar y sin tasa de descuento CONSIDERANDO: DURACIÓN DE PÉRDIDA DE PRODUCCIÓN (PÉRDIDA PARCIAL) Escenario 8.- AÑO HORIZONTE 2100 Tr=100 + SLR=0.65 m Sin proyectar y sin tasa de descuento CONSIDERANDO: DURACIÓN DE PÉRDIDA DE PRODUCCIÓN (PÉRDIDA PARCIAL) Relativo al VAB del Sector Industrial por concejo de 2010 Escenario 5.- AÑO HORIZONTE 2100 SLR=1 m INUNDACIÓN PERMANENTE Sin proyectar y sin tasa de descuento PÉRDIDA TOTAL DE LA PRODUCCIÓN VAB de 2010 industrial agregado a nivel de provincia: 4, (en miles de )

56 % VAB INDUSTRIAL AFECTADO POR CONCEJO AFFECTED GROSS VALUE ADDED INDUSTRIAL SECTOR

57 Escenario 1.- CLIMA PRESENTE Tr=100 Valoración de los Activos Naturales de España (VANE) CONSIDERANDO: PÉRDIDA TOTAL DE SERVICIOS ECOSISTÉMICOS Escenario 3.- AÑO HORIZONTE 2050 Tr=100 + SLR=0.24 m Sin proyectar y sin tasa de descuento Escenario 8.- AÑO HORIZONTE 2100 Tr=100 + SLR=0.65 m CONSIDERANDO: PÉRDIDA TOTAL DE SERVICIOS ECOSISTÉMICOS Sin proyectar y sin tasa de descuento CONSIDERANDO: PÉRDIDA TOTAL DE SERVICIOS ECOSISTÉMICOS Relativo al VAB agregado por concejo de 2010 Escenario 5.- AÑO HORIZONTE 2100 SLR=1 m INUNDACIÓN PERMANENTE Sin proyectar y sin tasa de descuento PÉRDIDA TOTAL DE SERVICIOS ECOSISTÉMICOS VAB de 2010 agregado a nivel de provincia: 19, (en il d )

58 % VAB AFECTADO POR CONCEJO POR PÉRDIDA DE SERVICIOS ECOSISTÉMICOS

59 AFFECTED HOUSING STOCK DE CAPITAL BASE DE DATOS: DISTRIBUCIÓN ESPACIAL DE VIVIENDAS (IGN) ESCENARIOS DE INUNDACIÓN MINORACIÓN DEL DAÑO ( ) IDENTIFICACIÓN DE LAS VIVIENDAS AFECTADAS APLICACIÓN DE LAS CURVAS DE DAÑO (CASO: EVENTOS EXTREMOS) DETERMINACIÓN DE LA COTA DE INUNDACIÓN DE CADA VIVIENDA DETERMINACIÓN AFECTADA DEL STOCK DE CAPITAL AFECTADO ( ) CORRECCIÓN POR RENTA SEGÚN CONCEJO 23% 25%

60 NAVIA Stock Viviendas afectado Escenario 1.- CLIMA PRESENTE Tr=100 Escenario 4.- MEDIO PLAZO SLR=0.24 m + Tr=100 Escenario 9.- LARGO PLAZO SLR=1.5 m Escenario 11.- LARGO PLAZO SLR=0.65 m + Tr=100

61 LUARCA Stock Viviendas afectado Influencia de la combinación de Eventos Extremos y Subida del Nivel del Mar a Medio y Largo Plazo Escenario 1.- CLIMA PRESENTE Tr=100 Escenario 4.- MEDIO PLAZO SLR=0.24 m + Tr=100 Escenario 11.- LARGO PLAZO SLR=0.65 m + Tr=100

62 E1.- CLIMA PRESENTE TR=100 STOCK DE CAPITAL DE VIVIENDA AFECTADO CONTINENTE E 3.- H=2050 TR=100 + SLR=0.24 m Sin proyectar y sin tasa de descuento E 8.- H=2100 TR=100 + SLR=0.65 m Sin proyectar y sin tasa de descuento Sin proyectar y sin tasa de descuento SIN FUNCIÓN DE DAÑO Sin proyectar y sin tasa de descuento CON FUNCIÓN DE DAÑO E 5.- H=2100 SLR=1 m INUNDACIÓN PERMANENTE Sin proyectar y sin tasa de descuento SIN FUNCIÓN DE DAÑO Relativo al Stock de Capital de vivienda de 2011 Stock de Capital de vivienda de 2011: 26, (en miles de )

63 STOCK DE CAPITAL DE VIVIENDA AFECTADO CONTINENTE % STOCK DE CAPITAL DE VIVIENDA CONTINENTE AFECTADO POR CONCEJO

64 CRITICAL INFRASTRUCTURES Identificación de las infraestructuras críticas según el Plan Nacional de Protección de Infraestructuras Críticas

65 CRITICAL INFRASTRUCTURES Escenario 3.- SLR=0.24 m Tr=100 (Horizonte 2050) SAN PEDRO COLUNGA RIBADESELLA NALÓN

66 CRITICAL INFRASTRUCTURES Escenario 8.- SLR=0.65 m Tr=100 (Horizonte 2100) CANDÁS CUEVA AVILÉS RIBADESELLA

67 RISK ASSESSMENT RISK SPATIAL DISTRIBUTION RE-SCALING OF SOCIOECONOMIC INDICATORS Riesgo alto Riesgo moderado-alto Riesgo moderado Riesgo bajo THRESHOLDS DEFINED FOR THE MAXIMUM VALUES UNDER SCENARIO 1 Adaptation goal: Keep present risk level AGGREGATED AND WEIGTHED RISK: Stocks (35%) and Gross Net Value (30%) Population (35%), Capital

68 RISK ASSESSMENT CLIMA PRESENTE HORIZONTE 2050 HORIZONTE 2100 INUNDACIÓN PERMANENTE

69 ADAPTATION IS ALREADY OCCURING

70 For the 21st century, the benefits of protecting against increased coastal flooding and land loss due to submergence and erosion at the global scale are larger than the social and economic costs of inaction (high agreement, limited evidence). Without adaptation, hundreds of millions of people will be affected by coastal flooding and will be displaced due to land loss by year 2100; the majority of those affected are from East, Southeast, and South Asia (high confidence). At the same time, protecting against flooding and erosion is considered economically rational for most developed coastlines in many countries under all socioeconomic and sea level rise scenarios analyzed, including for the 21st century GSMLR of above 1 m (high agreement, low evidence).

71 The relative costs of adaptation vary strongly between and within regions and countries for the 21st century (high confidence). Some low-lying developing countries (e.g., Bangladesh, Vietnam) and small island states are expected to face very high impacts and associated annual damage and adaptation costs of several percentage points of gross domestic product (GDP). Developing countries and small island states within the tropics dependent on coastal tourism will be impacted directly not only by future sea level rise and associated extremes but also by coral bleaching and ocean acidification and associated reductions in tourist arrivals (high confidence).

72 The analysis and implementation of coastal adaptation has progressed more significantly in developed countries than in developing countries towards climate resilient and sustainable coasts (high confidence). Given ample adaptation options, more proactive responses can be made and based on technological, policy related, financial, and institutional support. Observed successful adaptations include major projects (e.g., Thames Estuary, Venice Lagoon, Delta Works) and specific practices in both developed countries (e.g., Netherlands, Australia) and developing countries (e.g., Bangladesh). More countries and communities carry out coastal adaptation measures including those based on integrated coastal zone management, local communities, ecosystems, and disaster reduction, and these measures are mainstreamed into relevant strategies and management plans (high confidence).

73

74

75

76

77

78

79 HEALTHY AND FUNCTIONAL ECOSYSTEMS A1 A2 A3 Wetlandprotectionand restoration Protected areas and marine conservation agreemnts Taxes on enviromental and ecosystem services

80 Protection and wetland restoration OBJECTIVE: To reduce coastal erosion and flooding be creating new habitats and generating environmental benefits by holding the shoreline CHARACTERISTICS: Highly efficient Natural adaptive capacity Marshes and mangrove forest are the main restore wetlands

81 Reducing coastal exposure B1 Beach nourishment B2 Dune restoration and artificial creation B3 Shoreline stabilization by natural solutions B4 Seawalls B5 Dikes B6 Retreat B7 Accommodation to coastal flooding

82 OBJECTIVE: Beach nourishment Avoid coastal erosion + benefit coastal flooding prevention CHARACTERISTICS: Engineering measure (soft) Usually combined with dune creation or restoration Effective under mean conditions. Extreme events may require additional sediment

83

84

85 Fig. 1 Concepts of upgrading in which an increase in crest level is acceptable. Hans F. Burcharth, Thomas Lykke Andersen, Javier L. Lara Upgrade of coastal defence structures against increased loadings caused by climate change: A first methodological approach Coastal Engineering, Volume 87, 2014,

86 Fig. 2 Concepts of upgrading in which an increase in crest level is not acceptable. Hans F. Burcharth, Thomas Lykke Andersen, Javier L. Lara Upgrade of coastal defence structures against increased loadings caused by climate change: A first methodological approach Coastal Engineering, Volume 87, 2014,

87

88

89

90

91 Medida: (retreat, coastal realignment) NAVIA

92 ESCENARIO 8: m y Tr=100 CANDÁS Caso de partida: ó PARA REDUCIR EL REBASE Accomodate by increasing brakwater height

93 Caso de partida: ESCENARIO 3: m y Tr=100 LUANCO Protect by increasing flood defense ESCENARIO 6: m y Tr=100 2 tipos de infra críticas afectadas ESCENARIO 8: m y Tr=100

94 NATURE-BASED SOLUTIONS FOR DISASTER RISK REDUCTION Coral reefs Salt marshes Seagrasses Mangroves

95 Nature based Features (NBF) are those that may mimic characteristics of natural features but are created by human design, engineering, and construction to provide specific services such as coastal risk reduction or adaptation.

96 Saunders et al. (2014) a, Seagrass meadows and coral reefs form distinct ecosystems, yet often live in close proximity in linked tropical marine ecosystems. b, Coral reefs block and dissipate wave energy and permit seagrass, which is less wave tolerant, to exist in protected lagoons. c, Deepening water from sea-level rise will allow larger, more energetic waves to traverse the reef into the lagoon, reducing habitat suitability for seagrass

97 Temmerman et al. (2013)

98 M.D. Spalding et al. (2014)

99 M.D. Spalding et al. (2014)

100 ADAPTATION STRATEGY

101

102

103 ADAPTING TO SEA LEVEL RISE Iñigo Losada Rodríguez Instituto de Hidráulica Ambiental de Cantabria, IH Cantabria Universidad de Cantabria