Partout dans le monde, les inondations catastrophiques devraient devenir plus fréquentes et plus graves avec le changement climatique. Mais qu’est-ce que cela signifiera pour votre communauté locale? Une compréhension détaillée des risques locaux est cruciale pour pouvoir s’adapter à ces changements et atténuer efficacement les risques d’inondation dans un climat changeant.
Dans une étude récemment publiée dans Hydrologie et sciences du système terrestreune équipe de recherche de l’Institut des sciences industrielles de l’Université de Tokyo, a présenté l’approche la plus efficace pour créer de futures cartes des risques d’inondation en utilisant deux méthodes différentes combinées à une simulation du changement climatique et a comparé les résultats avec les cartes historiques des risques d’inondation.
« Pour simuler les inondations dans le monde, nous avons utilisé le modèle de plaine inondable à grande échelle basé sur le bassin versant (CaMa-Flood), un modèle efficace utilisé pour représenter l’écoulement du canal et l’inondation des plaines inondables. Nous avons utilisé les données de ruissellement pour générer des cartes des risques d’inondation, la réduction d’échelle simulée des niveaux d’eau des rivières sur des cartes d’élévation de résolution de 100 m », explique l’auteur principal Yuki Kimura.
Les chercheurs ont ensuite généré trois types de cartes des risques d’inondation : des cartes historiques basées sur les données de ruissellement enregistrées et deux cartes basées sur les futures profondeurs d’inondation. Les profondeurs d’inondation futures ont été estimées par deux méthodes différentes : la méthode de correction du ruissellement et la méthode de recherche. Ils diffèrent principalement par la méthode de traitement des données et le calcul des profondeurs d’inondation futures. Les futures cartes d’aléas générées à l’aide de ces deux méthodes ont ensuite été comparées aux cartes d’aléas historiques et entre elles.
Pour comprendre les différences entre les résultats de ces deux méthodes, les chercheurs ont sélectionné deux cas tests à examiner plus en détail : les bassins de la rivière Chi-Mun, un affluent du fleuve Mékong en Asie du Sud-Est, et le fleuve Amazone en Amérique du Sud. . Les cartes résultant des deux méthodes ont prédit avec succès l’augmentation des risques d’inondation dans le bassin de la rivière Chi-Mun. Cependant, la méthode de correction du ruissellement semble avoir des incohérences dans l’aléa dans le bassin de l’Amazone par rapport aux projections du modèle climatique. Sur la base d’une analyse plus approfondie des deux méthodes et de leurs résultats, la méthode de recherche s’est avérée plus fiable et supérieure à la méthode de correction du ruissellement pour la construction future d’une carte des risques.
Selon les résultats de la méthode de recherche, environ 1,86 milliard de personnes vivent actuellement dans des zones où l’ampleur des inondations dans la future simulation a dépassé celle d’une inondation avec une période de retour de 100 ans historiquement. « Notre évaluation des risques a également indiqué que l’approche conventionnelle utilisant des cartes de dangers historiques au lieu de futures cartes de simulation conduit à une sous-estimation de la population touchée d’environ 200 millions de personnes dans le monde », déclare l’auteur principal de l’étude, Dai Yamazaki.
Ces résultats soulignent l’importance de développer des cartes à haute résolution des risques futurs pour estimer les risques locaux liés au changement climatique. Grâce à la nouvelle approche et aux précieuses données fournies par l’équipe de recherche, des cartes haute résolution des risques futurs peuvent être créées pour estimer plus précisément les risques d’inondation dus au changement climatique, ce qui nous aidera à mieux nous préparer aux catastrophes qui accompagnent le changement climatique.
Plus d’information:
Yuki Kimura et al, Méthodologie de construction d’une carte des risques d’inondation pour un climat futur, Hydrologie et sciences du système terrestre (2023). DOI : 10.5194/hess-27-1627-2023