banner

Блог

May 23, 2023

Оценки численности населения, землепользования и экономического воздействия в Европе с разрешением 100 м с 1870 по 2020 год.

Научные данные, том 10, Номер статьи: 372 (2023) Цитировать эту статью

Подробности о метриках

Понимание влияния изменения климата на прошлые экстремальные погодные явления является жизненно важной исследовательской задачей. Однако последствия изменения климата не видны в наблюдаемых рядах данных о последствиях из-за быстрого развития социальных и экономических обстоятельств, в которых произошли эти события. Набор данных HANZE v2.0 (Исторический анализ природных опасностей в Европе), представленный в этом исследовании, дает количественную оценку эволюции ключевых социально-экономических факторов в Европе с 1870 года, а именно землепользования, населения, экономической деятельности и активов. Он состоит из алгоритмов для перераспределения базового (2011 г.) землепользования и численности населения за любой конкретный год на основе большой коллекции исторических статистических данных субнационального и национального уровня, а затем дезагрегирования данных о производстве и материальных активах по секторам экономики в систему высокого разрешения. сетка. Наборы растровых данных, созданные с помощью модели, позволяют реконструировать воздействие в зоне действия любого экстремального явления как во время его возникновения, так и в любое время между 1870 и 2020 годами. Это позволяет отделить последствия изменения климата от последствий изменения воздействия.

Средняя глобальная температура превысила потепление на 1 °C по сравнению с доиндустриальными временами. Растет число исследований, позволяющих количественно оценить воздействие изменения климата на природные, управляемые и антропогенные системы мира1,2. Однако для систем с сильными неклиматическими факторами изменений доступно меньше количественных оценок3. Тематические исследования показали сильное влияние дополнительных факторов, особенно в случае наводнений, где неопределенность нынешнего риска уже высока. Например, риск наводнений в бассейне Рейна оказался наименее чувствительным к изменению атмосферных воздействий, но более чувствительным к изменениям емкости водохранилища, высоты дамб, землепользования, стоимости активов или частных мер предосторожности4. Вусдукас и др.5 показали, что защита от наводнений была самым большим источником неопределенности при оценке риска прибрежных наводнений на испытательных полигонах на Пиренейском полуострове. Оценки стоимости активов в данном месте (воздействие) и функции уязвимости к наводнениям, которые указывают долю активов, потерянных при заданной интенсивности наводнений, резко различаются между странами6,7,8,9. Было показано, что ущерб от ураганов в Европе не увеличивается после поправки на увеличение воздействия10, а его объяснение осложняется контрастными тенденциями в опасностях11 и очень высокой неопределенностью в отношении функций уязвимости12. Наконец, лишь небольшая часть лесных пожаров в Европе вызвана природными источниками, поэтому человеческий фактор имеет решающее значение для понимания частоты этих бедствий13.

Многие исследования показали отсутствие тенденции к увеличению прямых экономических потерь от стихийных бедствий в Европе, США или Австралии с поправкой на рост воздействия14,15,16,17,18. Количественная оценка изменений воздействия, таких как тип землепользования, численность населения, объем производства, стоимость активов и неопределенность этого воздействия, имеет жизненно важное значение не только из-за его большого прямого влияния на наблюдаемые воздействия, но и из-за косвенных эффектов. В случае наводнений районы с высокой степенью воздействия, как правило, лучше защищены19 и менее уязвимы20, а землепользование может локально модулировать речной сток сильнее, чем изменение климата21.

Доступные исторические реконструкции воздействия имеют ограниченную полезность для объяснения изменения климата в долгосрочной перспективе либо из-за низкого разрешения, ограниченного пространственного охвата, либо из-за охвата только определенного компонента воздействия. Например, HILDA22,23,24 включает только сильно агрегированный земельный покров стран Европейского Союза, хотя и с высоким разрешением в 1 км, охватывающим период с 1900 по 2010 год. Глобальный набор данных HYDE25 охватывает период с 10 000 лет до н.э. и население, но имеет разрешение всего 5 угловых минут (9 км по экватору). HYDE широко применяется как при моделировании глобального климата, так и при моделировании воздействий на него, включая ISIMIP26. На основе HYDE также была создана дезагрегация ВВП27, которая использовалась, например, в исследовании глобальных наводнений, проведенном Зауэром и др.28. Анализ риска наводнений и лесных пожаров, в частности, требует очень высокого разрешения данных о воздействии, поскольку они являются весьма локальными явлениями. Тем не менее, данные о населении с высоким разрешением доступны в лучшем случае за несколько временных шагов для каждого набора данных, начиная не дальше 197529. Дезагрегирование экономических данных в основном ограничивается одним показателем экономической активности, таким как плотность населения30 или ночное освещение31.

{T}_{L}\). That creates a surplus population \({U}_{LG}^{L}\):/p> \sum {T}_{L}{S}_{LG}\), it is redistributed proportionally to the threshold:/p> 0, t < 2011 and St < 0, t > 2011, the number of households, and therefore extent of urban areas, expanded over time. For timesteps before 2011 this means that some of the urban fabric has to be removed from the baseline land cover/use raster dataset (case A), while for timesteps after 2011 more urban fabric has to be added (case B). The changes in grid-cell population P will depend on the distance from urban centres d. The distance from urban centres used here is a weighted average of different measures of population centres ("combined distance") in order to capture the multiple levels of hierarchy existing in urban networks. Five different datasets were tested and, based on a calibration process explained in the Supplementary Text S2 (the same as in Paprotny et al.32), four of those datasets were selected for the combined distance from urban centres. The datasets and their weights are as follows:/p>

ДЕЛИТЬСЯ