Identifying and managing hotspots to extreme events : application to NW Mediterranean conditions

Premi Extraordinari de Doctorat, promoció 2018-2019. Àmbit d’Enginyeria Civil i AmbientalThe impact of coastal storms is one of the costliest forms of natural disaster, as it affects a particularly valuable fringe both from the socioeconomic and ecologic perspectives. In addition, storm-induced erosion and inundation risks are expected to rise in the near future due to changing conditions related to climate change combined with current trends on urbanization and population growths and beach losses associated with long-term erosion. The assessment of the hazard component is complex, due to the multidimensionality of the processes involved, the inherent uncertainties of the analysis and the multiple scales in which the hazard characterization must be performed. In this context, there is a need for providing risk assessment methodologies allowing coastal managers integrated decision making based on the analysis of present and future conditions. The present PhD thesis focuses on the development of such methodologies, both at regional scale with the purpose of hotspot identification and at local scale with the aim of providing detailed hazard or risk assessments. The work starts with the study of two main sources of uncertainty involved in hazard assessment: the assignment of probabilities of occurrence to given hazard magnitudes and the definition of the shape of the storm to assess induced hazards. Applying lessons learned from these uncertainty studies, different hazard and risk assessment approaches are proposed based on the use of Bayesian Networks (BNs). They have been selected due to their efficiency in combining multiple variables and characterizing their dependency relations to predict system behaviour while explicitly including uncertainties. Obtained results highlight the importance of characterizing the hazard probabilities focusing the statistical assessment at coastal response (the so called response approach), especially if detailed hazard estimation (e.g. inundation maps) are to be produced. The use of the alternative approach (event approach, assigning probabilities to event characteristics to later estimate hazards from that event) produces only similar results when assessing simple variables such as run-up or total water levels at the coast, and only in locations with high correlations between involved storm variables. Results also indicate that detailed hazard estimation, as pursued with process-based modelling, may be affected by significant errors when using synthetic triangular events, i.e. design storms with assumed triangular evolution over their duration. These errors are observed to be significant for a wide range of tested conditions, involving different morphologies (dissipative to intermediate-reflective), wave climates (NW Mediterranean and N Adriatic) and storm energy contents. The proposed methodology at regional scale (~100 km) consists of simple hazard and exposure indicators calculated at ~1 km coastal sectors and has been successfully applied for hotstpot detection at the Maresme coast. The Tordera Delta is identified as a significant hotspot to both erosion and inundation risks. This framework has been improved with the use of BNs to account for intra-sector morphological variability and model uncertainties. Results from the BN regional assessment highlight the importance of a fully stochastic hazard characterization with the inclusion of model errors to avoid under-predictions. This BN approach also allowed a detailed assessment of the conditional dependencies between hazards and both storm and morphological characteristics giving deeper insight on system response and useful information for the development of coastal adaptation plans. The proposed methodology at the hotspot local scale (~1-10 km) consists of different BN set-ups following the Source-Pathway-Receptor-Consequences model and trained with large datasets of simulated hazards. They are applied to the Tordera Delta to analyse risk reduction measures and to stochastically obtain the risk profile under present and future scenarios. Hazard simulations are performed though detailed process-based modelling. A XBeach set-up is specifically developed for conditions at the Tordera Delta and validated with an historical extreme event (the Sant Esteve 2008 storm) obtaining a BSS of 0.68 for the morphological response at the subaerial beach. Local scale results show a high sensitivity of the Tordera Delta to incoming wave direction, with associated changes on induced hazards comparable to those of worst-case SLR scenarios (e.g. RCP 8.5, 2100). When assessing the efficiency of risk reduction measures, it is obtained that increasing beach height through an artificial dune is the most efficient action against inundation while managed receptors retreat is the only efficient option against erosion, as beach nourishment is very ephimeral even under mild storm conditions due to background erosion. The method also permits to define probabilistic setbacks for different hazards and risk levels, and characterizes hazardous storm characteristics under different scenarios. Finally, the BN approach is tested as storm-induced retreat predictive model based on simple storm parameters. Once fed with a large number of storm simulations, results show a great potential to perform as surrogate of simple parametric models at complex study sites where their applicability is limited, e.g. curvilinear coasts with high alongshore morphological variability and beach-structure interactions. Overall, the use of BNs to characterize hazards and risks associated to coastal storms at different scales has been proved robust, as it can include many natural variabilities and problem uncertainties by efficiently assimilating large datasets. It is a flexible and communication-friendly approach that can be adapted to other specific problems related to coastal evolution, or other natural hazards. The method can be potentially imporved with larger datasets and/or used in combination with other machine learning techniques.El impacto de temporales en la costa es uno de los fenómenos naturales más costosos, dado que afecta a un litoral de gran valor tanto des del punto de vista socioeconómico como ecológico. Además, se espera un aumento de los riesgos de erosión e inundación durante los episodios de tormenta, debido a las condiciones climáticas cambiantes, así como a las tendencias actuales de urbanización, aumento de población en las costas y a la pérdida progresiva de playas asociada a la erosión a largo plazo. La multidimensionalidad de los procesos involucrados, las incertidumbres inherentes en los análisis y las múltiples escalas para abordar el problema hacen que la erosión e inundación costera sean complejas de evaluar. Por ello, se requieren metodologías de evaluación de riesgo que permitan una gestión integrada basada en el análisis de condiciones presentes y futuras. Esta Tesis Doctoral se centra en el desarrollo de dichas metodologías, tanto a escala regional, con el objetivo de identificar “hotspots” (zonas sensibles), como a escala local con el propósito de proporcionar evaluaciones detalladas de riesgo o amenaza. El trabajo empieza por el estudio de dos de las principales fuentes de incertidumbre en el análisis de amenazas: la asignación de probabilidades a las magnitudes de erosión e inundación y la adopción de formas de tormenta sintéticas para la estimación de las mismas. De los resultados de dichos estudios se desprenden las metodologías propuestas, que se basan en el uso de Redes Bayesianas (RBs). Éstas se han seleccionado por su eficiencia para predecir el comportamiento de sistemas, combinando múltiples variables y evaluando sus inter-dependencias, permitiendo al mismo tiempo la inclusión de incertidumbres de forma explícita. Los resultados obtenidos destacan la importancia de basar el análisis estadístico en la respuesta costera a la hora de de asignar probabilidades a las amenazas (el llamado método de la respuesta), en especial si se requiere la obtención de resultados detallados como mapas de inundación. El uso del método alternativo (el método del evento, que asigna probabilidades a características de tormenta para luego estimar su impacto) lleva a resultados parecidos solo cuando se analizan variables simples como el remonte o el nivel total de mar en la costa, y únicamente en lugares con una alta correlación entre las variables de tormenta implicadas. Los resultados también indican que la adopción de tormentas sintéticas triangulares, i.e., tormentas diseñadas con forma triangular a lo largo de su duración, puede llevar a errores significativos si se pretende una estimación detallada de la respuesta costera frente a las tormentas, como por ejemplo la que se busca con el uso de modelos numéricos basados en la física de los procesos. Dichos errores se han observado para un amplio rango de condiciones analizadas, incluyendo diferentes morfologías (disipativas y reflejantes), climas de oleaje (Noroeste Mediterráneo o Adriático Norte) y energía de las tormentas. La metodología propuesta a escala regional (~100 km) consiste en el uso de indicadores simples de amenaza y de exposición, calculados para sectores de ~1 km. Se ha aplicado con éxito en la costa del Maresme, donde el delta de la Tordera ha sido identificado como principal hotspot para el riesgo tanto de erosión como de inundación. La metodología ha sido posteriormente mejorada con el uso de las RBs, permitiendo tener en cuenta tanto la variabilidad morfológica intra-sector como la incertidumbre asociada a los modelos usados. Los resultados obtenidos con la RB regional destacan la importancia de caracterizar estocásticamente las amenazas junto con la consideración de los errores de los modelos para evitar sub-predicciones. La RB también ha permitido la caracterización de las correlaciones entre magnitudes de amenaza y características de tormenta o de morfología, dando mayor información sobre la respuesta del sistema, de gran utilidad para el desarrollo de planes de adaptación costera. La metodología propuesta a escala local (~1-10 km) consiste en diferentes esquemas de RB siguiendo el modelo “Source-Pathway-Receptor-Consequences” y usando largas series de datos simulados de erosión e inundación. Las RBs se han aplicado al delta de la Tordera para analizar la eficiencia de algunas medidas de protección frente al impacto de tormentas, así como para caracterizar estocásticamente el perfil de riesgo en condiciones actuales y futuras. La estimación de amenazas se ha realizado usando un modelo numérico basado en la física de los procesos, el XBeach. Éste se ha configurado y ajustado para el delta de la Tordera, y se ha validado con datos de un evento extremo (tormenta de Sant Esteve 2008) para el que se obtiene un BSS de 0.68 para la respuesta morfológica de la parte emergida de la playa. Los resultados a escala local muestran una alta sensibilidad del delta a la dirección del oleaje incidente, con cambios en la estima de amenazas de magnitud similar al esperado para escenarios pesimistas de subida del nivel del mar (e.g. RPC 8.5, 2100). En cuento a las medidas de protección, la construcción de una duna artificial para incrementar la cota de la playa ha resultado la medida más eficiente contra la inundación, mientras que el retranqueo de receptores resulta ser la única medida efectiva contra la erosión. Esto es debido a que las alimentaciones de playa resultan ser muy efímeras, incluso bajo tormentas suaves. La metodología permite la definición de retranqueos de forma probabilista para diferentes amenazas y niveles de riesgo, así como la caracterización de condiciones de tormenta relacionas con diferentes niveles de riesgo y bajo diferentes escenarios. Finalmente, la RB se ha probado como modelo para la predicción del de retroceso de playa frente a temporales, basado en parámetros de tormenta simples. Una vez alimentada con un gran conjunto de datos simulados, los resultados de la RB muestran un gran potencial de la misma para actuar como sustituta de modelos paramétricos en casos de estudio complejos donde éstos tienen una aplicabilidad limitada, como en el caso de costas muy curvilíneas con gran variabilidad morfológica, y con presencia de estructuras que generan procesos locales. En su conjunto, el uso de RBs para la caracterización de riesgos y amenazas asociados al impacto de temporales usa grandes conjuntos de datos para incluir múltiples variabilidades e incertidumbres, dotando al análisis de gran robustez. Es un método flexible, aplicable a otros problemas científicos ya sean costeros o relacionados con otros fenómenos naturales, y que facilita la comunicación de resultados. La metodología puede ser potencialmente mejorada con el uso de mejores conjuntos de datos y/o usada en combinación con otras técnicas del campo del machine learning.L'impacte de temporals a la costa és un dels fenòmens naturals més costosos, atès que afecta un litoral de gran valor tant des del punt de vista socioeconòmic com ecològic. A més, s'espera un augment dels riscos d'erosió i inundació durant els episodis de tempesta, a causa de les condicions climàtiques canviants, així com de les tendències actuals d'urbanització, augment de població a les costes i de la pèrdua progressiva de platges associada a la erosió a llarg termini. La multi-dimensionalitat dels processos involucrats, les incerteses inherents en les anàlisis i les múltiples escales per abordar el problema fan que l'erosió i inundació costanera siguin complexes d'avaluar. Per això, es requereixen metodologies d'avaluació del risc que permetin una gestió integrada basada en l'anàlisi de condicions presents i futures. Aquesta tesi doctoral es centra en el desenvolupament d'aquestes metodologies, tant a escala regional, amb l'objectiu d'identificar "hotspots" (zones sensibles), com a escala local, amb el propòsit de proporcionar avaluacions detallades de risc o amenaça. El treball comença per l'estudi de dues de les principals fonts d'incertesa en l'anàlisi d'amenaces: l'assignació de probabilitats a les magnituds d'erosió i inundació, i l'adopció de formes de tempesta sintètiques per a l'estimació de les mateixes. Dels resultats d'aquests estudis es desprenen les metodologies proposades, que es basen en l'ús de Xarxes Bayesianes (XBs). Aquestes s'han seleccionat per la seva eficiència a l’hora de predir el comportament de sistemes, combinant múltiples variables, evaluant-ne les inter-dependències, i permetent al mateix temps la inclusió d'incerteses de manera explícita. Els resultats obtinguts destaquen la importància de basar l'anàlisi estadística en la resposta costanera a l'hora de d'assignar probabilitats a les amenaces (l'anomenat mètode de la resposta), especialment si es requereix l'obtenció de resultats detallats com ara mapes d'inundació. L'ús del mètode alternatiu (el “mètode de l'esdeveniment”, que assigna probabilitats a característiques de tempesta per després estimar el seu impacte) porta a resultats semblants només quan s'analitzen variables simples com el run-up o el nivell total de mar a la costa, i únicament en localitzacions amb una alta correlació entre les variables de tempesta implicades. Els resultats també indiquen que l'adopció de tempestes sintètiques triangulars, i.e., tempestes dissenyades amb forma triangular al llarg de la seva durada, pot portar a errors significatius si es pretén una estimació detallada de la resposta costanera causada per tempestes, com ara la que es busca amb l'ús de models numèrics basats en la física dels processos. Aquests errors s'han observat per a un ampli rang de condicions analitzades, incloent diferents morfologies (dissipatives i reflectants), climes d'onatge (Nord-oest Mediterrani o Adriàtic Nord) i energia de les tempestes. La metodologia proposada a escala regional (~100 km) consisteix en l'ús d'indicadors simples d'amenaça i d'exposició, calculats per sectors de ~1 km. S'ha aplicat amb èxit a la costa del Maresme, on el delta de la Tordera ha estat identificat com a principal hotspot pels riscos tant d'erosió com d'inundació. La metodologia ha estat posteriorment millorada amb l'ús de les XBs, permetent tenir en compte tant la variabilitat morfològica intra-sector com la incertesa associada als models usats. Els resultats obtinguts amb la XB regional destaquen la importància de caracteritzar estocàsticament les amenaces juntament amb la consideració dels errors dels models per evitar sub-prediccions. La XB també ha permès la caracterització de les correlacions entre magnituds d'amenaça i característiques de tempesta o de morfologia, donant major informació sobre la resposta del sistema, de gran utilitat pel desenvolupament de plans d'adaptació costanera. La metodologia proposada a escala local (~1-10 km) consisteix en diferents esquemes de XB seguint el model "Source-Pathway-Receptor-Consequences" i usant llargues sèries de dades simulades d'erosió i inundació. Les XBs s'han aplicat al delta de la Tordera per analitzar l'eficiència d'algunes mesures de protecció enfront de l'impacte de tempestes, així com per caracteritzar estocàsticament el perfil de risc en condicions actuals i futures. L'estimació d'amenaces s'ha realitzat utilitzant un model numèric basat en la física dels processos, el XBeach. Aquest s'ha configurat i ajustat pel delta de la Tordera, i s'ha validat amb dades d'un esdeveniment extrem (tempesta de Sant Esteve 2008) per al qual s'obté un BSS de 0.68 per a la resposta morfològica de la part subaèria de la platja . Els resultats a escala local mostren una alta sensibilitat del delta a la direcció de l'onatge incident, amb variacions en les amenaces estimades de magnitud similar a l'esperat per a escenaris pessimistes de pujada del nivell del mar (e.g. RPC 8.5, 2100). Respecte a les mesures de protecció, la construcció d'una duna artificial per incrementar la cota de la platja ha resultat la mesura més eficient contra la inundació, mentre que la reculada de receptors resulta ser l'única mesura efectiva contra l'erosió. Això és degut al fet que les alimentacions de platja resulten ser molt efímeres, fins i tot sota tempestes suaus. La metodologia permet la definició de reculades de forma probabilista per a diferents amenaces i nivells de risc, així com la caracterització de condicions de tempesta relaciones amb risc salt i sota diferents escenaris. Finalment, la XB s'ha provat com a model per a la predicció del retrocés de platja davant de temporals, basat en paràmetres de tempesta simples. Un cop alimentada amb un gran conjunt de dades simulades, els resultats de la XB mostren un gran potencial de la mateixa per actuar com a substituta de models paramètrics en casos d'estudi complexos on aquests tenen una aplicabilitat limitada, com en el cas de costes molt curvilínies amb gran variabilitat morfològica, i amb presència d'estructures que generen processos locals. En el seu conjunt, l'ús de XBs per a la caracterització de riscos i amenaces associats a l'impacte de temporals fa servir grans conjunts de dades per incloure múltiples variabilitats i incerteses, dotant a l'anàlisi de gran robustesa. És un mètode flexible, aplicable a altres problemes científics ja siguin costaners o relacionats amb altres fenòmens naturals, i que facilita la comunicació de resultats. La metodologia pot ser potencialment millorada amb l'ús de millors conjunts de dades i/o usat en combinació amb altres tècniques del camp del machine learning.Award-winningPostprint (published version