Als der Hurrikan Florence 2018 als Sturm der Kategorie 1 auf die Küste von North Carolina traf, stellte er neue Niederschlagsrekorde auf und verursachte schädliche 500-jährige Überschwemmungen entlang des Cape Fear River Basin.
Dies ist genau die Art von Wetterereignis Z. George Xue vom Department of Oceanography and Coastal Sciences (DOCS) der Louisiana State University (LSU) glaubt, dass sein neuartiger gekoppelter Computermodellierungsansatz genauer vorhersagen und dadurch Gemeinden bei der Katastrophenplanung unterstützen kann. Xue sagte, soweit er weiß, ist sein Labor das einzige, das diese Technik anwendet.
Xue hat zusammen mit dem DOCS-Doktoranden Daoyang Bao und dem Rest ihres Forschungsteams kürzlich eine Studie veröffentlicht, die die Ereignisse des Hurrikans Florence verwendet, um die Gültigkeit dieses neuen Ansatzes in der Journal of Advances in Modeling Earth Systems.
Die Verbesserung der Genauigkeit von Überschwemmungsvorhersagen kann bei der Vorbereitung auf Hurrikane helfen, sagte John C. Warner vom US Geological Survey, einem weiteren Mitarbeiter der Studie. „Genauere Vorhersagen können Küstenmanagern helfen, Gemeinden besser auf bevorstehende Stürme aufmerksam zu machen.“
Xue sagte, dass diese bahnbrechende gekoppelte Modellierungstechnik auch Gemeinden langfristige Vorteile bieten könnte.
„Unser Modell kann identifizieren, welche Region am anfälligsten für zusammengesetzte Überschwemmungen ist, und nicht nur kurzfristige Vorhersagen, sondern auch Szenarioanalysen hinsichtlich zukünftiger Klima- und Meeresspiegelbedingungen liefern“, sagte er.
Die Komplexität zusammengesetzter Überschwemmungen
Die Küstenüberschwemmungen, die während des Hurrikans Florence auftraten, sind sogenannte zusammengesetzte Überschwemmungen, bei denen zwei oder mehr Überschwemmungsquellen – in diesem Fall mit Regenwasser überschwemmte Flüsse und die aufsteigende Sturmflut des Hurrikans – zusammenlaufen.
Es ist ein komplexes System, das mit den traditionellen Fluss- und Ozeanmodellen nur schwer zu simulieren ist, da keines der beiden vollständig erfasst, wie die verschiedenen Wasserquellen miteinander interagieren.
Bei der gekoppelten Modellierung werden Fluss- und Ozeansimulationen gepaart und gleichzeitig ausgeführt, sodass beide Feedback vom anderen erhalten. Dadurch werden die Bedingungen eines zusammengesetzten Überschwemmungsereignisses nachgebildet, bei dem sich die Sturmflut, die die Landung eines Hurrikans begleitet, und die durch Regen verursachte Überschwemmung, wenn sich der Sturm landeinwärts bewegt, über einem Küstengebiet treffen.
Xue und seine Gruppe koppelten ein Ozeanmodell mit einem Flussmodell, wobei sie Daten nutzten, die während des Hurrikans Florence gesammelt wurden, um die Modellleistung zu validieren. Sie untersuchten die Ergebnisse dieser Simulation im Vergleich zu einem traditionelleren „verbundenen“ Modell, bei dem zwei Simulationen separat ausgeführt werden, und mit den Daten, die während des tatsächlichen Hurrikans von verschiedenen Überwachungsstationen in der Umgebung von Cape Fear gesammelt wurden.
Die gekoppelten Modelle lieferten deutlich bessere Ergebnisse, so die Studie. Die simulierten Wasserstände an der Spitze der Cape Fear-Mündung waren zwischen 20 und 40 Prozent genauer als die vom verknüpften Modell erzeugten. Dies ist auch das erste Mal, dass der Beitrag von Sturmfluten und Sturzfluten zu zusammengesetzten Überschwemmungen quantitativ diagnostiziert wurde.
Xue sagte, dieses gekoppelte Modell stelle eine neue Stufe in einer Idee dar, an der er seit fast 20 Jahren arbeite.
„Ich habe versucht, ein Modellsystem für einen ‚geschlossenen Kreislauf‘ aufzubauen, das Atmosphären-, Ozean- und Flussprozesse in das Land-Mündungs-Ozean-Kontinuum integrieren kann“, sagte Xue. „Dieses neue Modell schließt den Kreislauf, indem es die Fluss- und Landoberflächenprozesse mit denen von der Ozeanseite koppelt.“
Mehr Informationen:
Daoyang Bao et al, A Numerical Investigation of Hurricane Florence‐Induced Compound Flooding in the Cape Fear Estuary Using a Dynamically Coupled Hydrological-Ocean Model, Journal of Advances in Modeling Earth Systems (2022). DOI: 10.1029/2022MS003131