banner
Centro notizie
Ampia conoscenza nella vendita e nella produzione

Stime della popolazione, dell’uso del suolo e dell’esposizione economica per l’Europa con una risoluzione di 100 m dal 1870 al 2020

May 10, 2023

Dati scientifici, volume 10, numero articolo: 372 (2023) Citare questo articolo

124 accessi

1 Altmetrico

Dettagli sulle metriche

Comprendere l’influenza dei cambiamenti climatici sugli impatti meteorologici estremi del passato è un compito di ricerca vitale. Tuttavia, gli effetti del cambiamento climatico sono oscurati nelle serie di dati sugli impatti osservati a causa della rapida evoluzione delle circostanze sociali ed economiche in cui si sono verificati gli eventi. Il set di dati HANZE v2.0 (Historical Analysis of Natural HaZards in Europe) presentato in questo studio quantifica l’evoluzione dei principali fattori socioeconomici in Europa dal 1870, vale a dire l’uso del territorio, la popolazione, l’attività economica e le risorse. Consiste in algoritmi per riallocare l'uso del territorio e la popolazione di riferimento (2011) per un dato anno sulla base di un'ampia raccolta di statistiche storiche a livello subnazionale e nazionale, e quindi disaggregare i dati sulla produzione e sulle risorse materiali per settore economico in un file ad alta risoluzione griglia. I set di dati raster generati dal modello consentono di ricostruire l’esposizione all’interno dell’impronta di qualsiasi evento estremo sia al momento in cui si è verificato che in qualsiasi momento tra il 1870 e il 2020. Ciò consente la separazione degli effetti del cambiamento climatico dagli effetti del cambiamento dell’esposizione.

La temperatura media globale ha superato il riscaldamento di 1°C rispetto all’epoca preindustriale. Sono sempre più numerose le ricerche che quantificano gli effetti dei cambiamenti climatici sui sistemi naturali, gestiti e umani del mondo1,2. Tuttavia, è disponibile una quantificazione inferiore per i sistemi con forti fattori di cambiamento non climatici3. I casi di studio hanno indicato una forte influenza di ulteriori fattori, soprattutto per le inondazioni, dove l’incertezza del rischio attuale è già elevata. Ad esempio, il rischio di inondazioni nel bacino del Reno è risultato meno sensibile ai cambiamenti della forzante atmosferica, ma più ai cambiamenti nella capacità del bacino, all’altezza delle dighe, all’uso del territorio, al valore degli asset o alle misure precauzionali private4. Vousdoukas et al.5 hanno dimostrato che la protezione dalle inondazioni era la principale fonte di incertezza nelle valutazioni del rischio di inondazioni costiere nei siti di prova nella penisola iberica. Le stime sul valore dei beni in una determinata posizione (esposizione) e le funzioni di vulnerabilità alle inondazioni, che indicano la quota di beni che vanno perduti a una data intensità di alluvione, variano drasticamente tra i paesi6,7,8,9. È stato dimostrato che i danni provocati dalle tempeste in Europa non aumentano dopo la correzione per l’aumento dell’esposizione10, con un’attribuzione complicata dalle tendenze contrastanti della pericolosità11 e dall’elevata incertezza sulle funzioni di vulnerabilità12. Infine, solo una piccola parte degli incendi in Europa sono causati da fonti naturali, rendendo i fattori umani fondamentali per comprendere la frequenza di tali disastri13.

Molti studi non hanno indicato alcuna tendenza al rialzo nelle perdite economiche dirette dovute ai rischi naturali in Europa, Stati Uniti o Australia se corrette per la crescita dell’esposizione14,15,16,17,18. Quantificare i cambiamenti nell’esposizione, come il tipo di uso del territorio, la popolazione, la produzione economica, il valore dei beni e la sua incertezza è vitale non solo a causa della sua grande influenza diretta sugli impatti osservati, ma anche degli effetti indiretti. In caso di inondazioni, le aree ad alta esposizione tendono ad essere meglio protette19 e meno vulnerabili20, mentre l’uso del territorio può modulare localmente la portata dei fiumi in modo più forte del cambiamento climatico21.

Le ricostruzioni storiche disponibili dell’esposizione hanno un’utilità limitata per l’attribuzione dei cambiamenti climatici in una prospettiva a lungo termine, a causa della bassa risoluzione, della copertura spaziale limitata o della copertura solo di una particolare componente dell’esposizione. Ad esempio, HILDA22,23,24 include solo la copertura del suolo altamente aggregata per i paesi dell'Unione Europea, sebbene con un'elevata risoluzione di 1 km che copre gli anni dal 1900 al 2010. Il set di dati globale HYDE25 spazia dagli anni 10.000 a.C. al 2017 d.C. sia per l'uso del suolo e popolazione, ma ha una risoluzione di soli 5 minuti d'arco (9 km sull'equatore). HYDE è ampiamente applicato sia nella modellazione del clima globale che in quella dell’impatto climatico, incluso ISIMIP26. Sulla base di HYDE, è stata creata anche una disaggregazione del PIL27 e utilizzata ad esempio nello studio sull'attribuzione delle inondazioni globali di Sauer et al.28. In particolare, l’analisi del rischio di inondazioni e incendi richiede una risoluzione molto elevata dei dati di esposizione perché si tratta di fenomeni altamente locali. Tuttavia, i dati sulla popolazione ad alta risoluzione sono disponibili, nella migliore delle ipotesi, per pochi intervalli temporali per set di dati, risalendo non oltre il 197529. La disaggregazione dei dati economici è per lo più limitata a un singolo predittore dell’attività economica, come la densità di popolazione30 o l’illuminazione notturna31.

{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>