气候变化下演变景观上的风暴潮预测
大气与海洋物理
2024-01-03 v1
摘要
希望在有限计算预算下利用长寿命基础设施（例如堤坝、防洪墙）管理沿海洪水风险的规划者面临一个权衡。模拟大量未来时间段或具有不同地面沉降、海平面上升、陆地淤积假设的场景，限制了在每个场景和时间段内可以运行的风暴模拟数量。机器学习方法已被开发用于减少预测来自许多热带气旋事件的风暴潮的计算负担，但先前的工作集中于根据风暴参数预测单一景观上的风暴潮。在本分析中，我们提出了一个深度学习模型，该模型还结合了景观特征和边界条件（例如平均海平面）。该模型由来自Advanced Circulation (ADCIRC)水动力模拟的路易斯安那州沿海峰值风暴潮高程数据集提供信息，该数据集包含十一个场景：一个2020年基线以及2030年至2070年每十年时间切片，在两种不同的地面沉降和海平面上升速率变化下。在十个场景上训练以对第十一个进行预测，在每个场景90个风暴和超过94,000个地理位置上，总体均方根误差(RMSE)为0.086 m，总体平均绝对误差(MAE)为0.050 m。我们还聚合了每个场景中的90个风暴以生成年超越概率分布；将模型预测的年超越概率(AEP)估计值与原始ADCIRC模拟进行比较的双样本Kolmogorov-Smirnov检验，仅在1.1%的情况下拒绝了预测值和ADCIRC AEP值来自同一分布的零假设。
引用
@article{arxiv.2401.00862,
title = {Prediction of storm surge on evolving landscapes under climate change},
author = {David R Johnson and Mohammad Ahmadi Gharehtoragh},
journal= {arXiv preprint arXiv:2401.00862},
year = {2024}
}