Impact attribution of climate and population change on compound flood impacts from tropical cyclone Idai in Mozambique

Resumen Técnico: Atribución de Impactos del Cambio Climático y Poblacional en los Impactos de Inundaciones Compuestas por el Ciclón Tropical Idai en Mozambique

Planteamiento del Problema
Los impactos de los eventos meteorológicos extremos resultan de una compleja interacción de impulsores climáticos y socioeconómicos. Si bien los estudios de atribución de impactos tradicionales se han centrado cada vez más en el papel del cambio climático, existe una brecha en los marcos que atribuyen simultáneamente los impactos tanto al cambio climático como a los impulsores no climáticos (como el crecimiento poblacional) y que desagregan estos impactos según la severidad del peligro y la vulnerabilidad socioeconómica. Los estudios existentes a menudo no propagan los impulsores socioeconómicos hacia los impactos reales ni tienen en cuenta los cambios en la exposición y la vulnerabilidad, particularmente en regiones con escasez de datos. Además, las declaraciones de atribución agregadas suelen ocultar los efectos desproporcionados del cambio climático sobre grupos socioeconómicos específicos y vulnerables. Este estudio aborda estas brechas mediante el análisis del Ciclón Tropical (CT) Idai, que tocó tierra en Mozambique en 2019, causando fatalidades significativas y afectando a 1,85 millones de personas.

Metodología
Los autores emplean un "marco de atribución de línea base" (storyline attribution framework) extendido, utilizando una cadena de modelos aplicable globalmente para simular inundaciones compuestas bajo condiciones fácticas y contrafácticas.

• Escenarios: Se construyeron cuatro escenarios para desentrañar las contribuciones del cambio climático y del cambio poblacional desde 1975:
  1. Fácticos: Condiciones climáticas observadas de 2019 y datos de población de 2020.
  2. Contrafáctico Climático: Datos de población de 2019 y eliminación de las tendencias climáticas (reducción del 6% en la precipitación, reducción del 4% en la velocidad del viento, eliminación de 7 cm de aumento del nivel del mar) para representar las condiciones de la línea base de 1975.
  3. Contrafáctico Poblacional: Condiciones climáticas de 2019 y datos de población de 1975.
  4. Contrafáctico Climático + Poblacional: Tanto las tendencias climáticas como los datos de población revertidos a sus líneas base de 1975.
• Modelado de Peligros: Las inundaciones compuestas se simularon mediante un modelo de complejidad reducida (SFINCS) impulsado por condiciones de contorno de D-Flow FM (marea, marejada ciclónica, olas) y descarga hidrológica de wflow. La forzante meteorológica combinó datos de reanálisis ERA5 y datos de trayectoria de mejor seguimiento de IBTrACS. Se generaron mapas de inundación a una resolución de 25 m, considerando profundidades $\ge$ 0,15 m.
• Modelado de Exposición: La exposición de la población se calculó superponiendo los mapas de inundación con los datos de población del Global Human Settlement Layer (GHSL) (resolución de 100 m, reducida a 25 m). Las características socioeconómicas (riqueza, tipo de asentamiento, edad, sexo, educación, tamaño del hogar) se derivaron de un conjunto de datos global de 2015 (Ton et al.) reducido a la resolución de la inundación.
• Métricas de Atribución: El cambio atribuible ($A$) se calculó como el cambio relativo en la población expuesta entre los escenarios fácticos ($F$) y contrafácticos ($CF$):$A(%) = \frac{F - CF}{F} \times 100$.
• Desagregación: Los resultados se desagregaron por:
  • Profundidad de la inundación: Baja (0,15–0,5 m), Moderada-a-Alta (0,5–1,5 m) y Muy Alta (>1,5 m).
  • Grupos Socioeconómicos: Definidos por vulnerabilidad (ej., pobres, rurales, baja educación, ancianos/infantes, mujeres, vivir solos frente a más ricos, urbanos, educados, edad laboral, hombres, hogares de varias personas).

Contribuciones Clave

1. Atribución de Doble Impulsor: El estudio expande el marco de línea base para atribuir impactos simultáneamente al cambio climático y al cambio poblacional, demostrando que el cambio poblacional es el impulsor dominante para el TC Idai.
2. Evaluación de Impacto Desagregada: A diferencia de las clasificaciones binarias de "expuesto/no expuesto", el estudio desagrega los impactos por categorías de profundidad de inundación, revelando que la atribución de los impulsores varía significamente según la severidad de la inundación.
3. Análisis de Desigualdad Socioeconómica: El artículo atribuye los impactos del cambio climático a través de diferentes grupos socioeconómicos, destacando cómo las métricas agregadas pueden ocultar la carga desproporcionada que recae sobre las poblaciones vulnerables.
4. Expansión Metodológica: El marco integra condiciones de exposición contrafáctica (población de 1975) junto con condiciones de peligro contrafácticas, permitiendo una comprensión más matizada de cómo interactúan los impulsores.

Resultos

• Atribución General: En el escenario fáctico, aproximadamente 250.000 personas estuvieron expuestas a inundaciones compuestas.
  • Cambio Poblacional: Representó el 80% de la población expuesta.
  • Cambio Climático: Representó el 9% de la población expuesta.
  • Efecto Combinado: El efecto conjunto de ambos impulsores representó el 84% de la población expuesta. El efecto combinado fue menor que la suma de los efectos individuales debido a que el crecimiento poblacional ocurre en áreas que solo se inundan bajo las condiciones del cambio climático.
• Desagregación por Profundidad de Inundación:
  • La fracción de la población expuesta atribuible al cambio climático aumentó con la profundidad de la inundación (3% para profundidades bajas, 13% para moderadas-a-altas, y 24% para muy altas profundidades).
  • El cambio poblacional fue el impulsor dominante en todas las categorías, pero contribuyó más en números absolutos a la categoría de profundidad de inundación moderada-a-alta (89% de la población expuesta en esta categoría).
  • El cambio climático aumentó principalmente las profundidades de inundación de moderada-a-alta a muy alta en áreas rurales, y de baja a moderada-a-alta en áreas urbanas como Beira.
• Desagregación Socioeconómica:
  • Al utilizar una clasificación binaria (expuesto vs. no expuesto), el cambio climático parecía afectar más a los grupos menos vulnerables (más ricos, urbanos), debido en gran medida a la alta densidad de población en áreas urbanas donde pequeños cambios en la extensión de la inundación afectan a muchas personas.
  • Sin embargo, al desglosar por profundidad de inundación, el cambio climático afectó desproporcionadamente a los grupos más vulnerables (más pobres, rurales). En las zonas rurales, el cambio climático desplazó las profundidades de inundación de moderada-a-alta a muy alta, impactando directamente a las poblaciones vulnerables que viven allí.
  • Esta disparidad queda enmascarada en las evaluaciones agregadas, que no logran capturar el cambio en la severidad del peligro que afecta a grupos específicos.

Significancia y Reivindicaciones
El artículo sostiene que su principal significancia radica en demostrar que la agregación espacial de la atribución de impactos puede ocultar los efectos desproporcionados del cambio climático sobre los grupos socioeconómicos vulnerables. Al ir más allá de las clasificaciones binarias de impacto hacia categorías de profundidad de inundación discretas y la desagregación socioeconómica, el estudio revela que, si bien el crecimiento poblacional es el principal impulsor del volumen de exposición, el cambio climático aumenta desproporcionadamente la severidad de las inundaciones para las poblaciones más vulnerables en las zonas rurales.

Los autores concluran que la gestión de riesgos futura y las declaraciones de atribución deben estar informadas por políticas respecto a qué impulsores y métricas incluir. Argumentan que comprender la interacción entre el cambio climático y el cambio poblacional es esencial para Mozambique, donde se proyecta que la población se duplique para 2050, y que ignorar la distribución de los impactos entre los grupos socioeconómicos conduce a una comprensión incompleta del riesgo climático. El estudio también señala las limitaciones respecto a la resolución gruesa de los datos socioeconómicos para Mozambique y sugiere que los enfoques de métodos mixtos, que combinen la atribución cuantitativa con el análisis causal cualitativo, podrían esclarecer aún más los impulsores indirectos como la deforestación y la dinámica de vulnerabilidad.