From Hazard Co-occurrence to Risk Mechanisms: Climate–Anthropogenic Interactions in Multi-Hazard Risk Formation
Cette étude analyse la formation des risques multi-aléas à travers trois régions indiennes afin d'identifier trois mécanismes distincts — la propagation séquentielle, l'interaction et la connectivité, et le stress cumulatif — qui expliquent comment les influences climatiques et anthropiques interagissent pour produire des risques complexes, fournissant ainsi un cadre orienté vers les mécanismes pour l'évaluation et la gouvernance anticipatives des risques.
Article original sous licence CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Ceci est une explication générée par l'IA de l'article ci-dessous. Elle n'a pas été rédigée ni approuvée par les auteurs. Pour une précision technique, consultez l'article original. Lire la clause de non-responsabilité complète
La gestion des catastrophes repose depuis longtemps sur un principe simple : si vous pouvez prédire un événement dangereux unique, vous pouvez vous y préparer. Mais la nature ne livre que rarement des menaces de manière isolée. Une forte averse peut déclencher un glissement de terrain, qui bloque ensuite une rivière, provoquant ainsi une inondation en aval. Ou une longue période de sécheresse peut fragiliser le sol, rendant une tempête ultérieure bien plus destructrice qu'elle ne l'aurait été autrement. Les scientifiques appellent ces situations des situations « multi-risques », où différents dangers se chevauchent ou se succèdent. Pendant des années, les chercheurs ont tenté de cartographier ces chevauchements, en comptant souvent combien de dangers surviennent en même temps ou au même endroit. Cependant, savoir simplement que deux dangers coexistent n'explique pas comment ils se combinent pour créer un désastre spécifique et complexe. Cela ne nous dit pas pourquoi une combinaison particulière de pluie et de roche mène à une catastrophe, tandis qu'une autre combinaison, apparemment similaire, ne produit guère plus qu'une route boueuse. Pour véritablement comprendre le risque, nous devons regarder au-delà de la liste des aléas et examiner les fils invisibles qui les relient.
Une nouvelle étude menée par les chercheurs Nisha Thankappan et Sonu Varghese déplace l'attention du comptage des aléas vers la compréhension des manières spécifiques dont ils se lient entre eux. L'équipe a analysé des preuves provenant de trois régions très différentes en Inde, chacune représentant un paysage unique et une manière différente dont le danger se propage. Ils ont examiné les montagnes glacées et escarpées de l'Himalaya occidental, les pentes luxuriantes et pluvieuses des Ghats occidentaux au Kerala, et le bassin de l'Upper Bhima, aride et agricole. En comparant les rapports scientifiques et les registres institutionnels de ces trois lieux, les chercheurs ont découvert que le risque multi-aléa ne se forme pas d'une manière unique et uniforme. Au lieu de cela, ils ont identifié trois « mécanismes », ou modèles, distincts, par lesquels le danger voyage et évolue.
Le premier modèle, que les chercheurs appellent « propagation séquentielle », a été observé le plus clairement dans l'Himalaya occidental. Ici, le risque se comporte comme une réaction en chaîne. Un événement unique, tel qu'une avalanche massive de roches et de glace, sert de point de départ. Une fois que cette masse initiale de matériaux commence à se déplacer, elle se transforme au cours de son trajet. Dans la catastrophe de Chamoli en 2021, une avalanche de roches et de glace n'a pas seulement cessé là où la roche est tombée ; elle s'est transformée en un flux rapide qui a dévalé la vallée, détruisant tout sur son passage bien au-delà du site d'origine. Dans ce type de système, la clé pour comprendre le danger est de suivre comment un processus se transforme en un autre et jusqu'où ce nouveau processus peut voyager. La menace n'est pas seulement la chute initiale, mais la transformation de cette chute en une vague de destruction mobile qui porte sa propre inertie.
En revanche, les Ghats occidentaux du Kerala illustrent un second modèle appelé « interaction et connectivité ». Dans cette région, le danger ne commence pas nécessairement par un événement massif unique qui se transforme ensuite. Au lieu de cela, le risque émerge de la manière dont les différentes parties du paysage communiquent entre elles. Les précipitations intenses interagissent avec la forme des collines, le type de sol et la façon dont l'eau circule dans les vallées. Lorsqu'un glissement de terrain se produit, par exemple dans le district de Wayanad, les dommages sont déterminés par la manière dont les débris se déplacent à travers les réseaux de rivières et les vallées connectés. L'eau et la boue ne font pas que tomber ; elles voyagent le long de voies physiques spécifiques qui relient les montagnes aux établissements situés en contrebas. Ici, le risque est défini par les connexions elles-mêmes. Si le paysage est hautement connecté, un petit problème en un point peut rapidement se propager à de nombreux autres, non pas parce qu'un événement s'est transformé en un autre, mais parce que les conditions ont permis à l'impact de circuler librement à travers le système.
Le troisième modèle, trouvé dans le bassin de l'Upper Bhima, est différent encore. Cette région est sujette à la sécheresse, et le risque ici se construit avec le temps plutôt que de se propager dans l'espace. Les chercheurs appellent cela « stress cumulatif et changement de l'état du système ». Dans cette zone, une seule saison sèche ne cause pas seulement une soif immédiate ; elle modifie l'état même de la terre et des populations qui y vivent. Lorsqu'une sécheresse frappe, les agriculteurs comptent sur les eaux souterraines pour maintenir leurs cultures en vie. Si la sécheresse persiste, ces eaux souterraines sont épuisées. Au moment où arrive la prochaine période de sécheresse, le système est déjà affaibli car la réserve d'eau est partie. Le risque n'est pas seulement le manque de pluie, mais le fait que le système a été altéré par le stress précédent. L'état de la terre et les ressources disponibles pour la communauté sont différents de ce qu'ils étaient auparavant, rendant le choc suivant beaucoup plus difficile à survivre.
L'étude souligne que le climat et l'activité humaine jouent des rôles différents dans chacun de ces trois modèles, et qu'ils ne peuvent pas être traités comme une cause unique et uniforme. Dans l'Himalaya, le climat fournit les conditions pour la chute de roche initiale, mais les infrastructures humaines, comme les routes, peuvent déterminer où les débris finissent par atterrir. Au Kerala, les fortes pluies interagissent avec le paysage naturel, mais les établissements humains construits sur les pentes ou près des rivières déterminent qui est blessé. Dans le bassin de la Bhima, le climat apporte la sécheresse, mais les choix humains concernant la quantité d'eau pompée et la gestion des terres décident de la gravité des conséquences. Les chercheurs ont constaté que les actions humaines n'ajoutent pas simplement le danger ; elles entrent dans le processus de risque à différents points, modifiant la façon dont le système réagit.
Cette distinction importe profondément pour la préparation de l'avenir. Si une région fonctionne comme l'Himalaya, où le danger voyage en chaîne, la meilleure préparation consiste à surveiller le premier signe d'un changement et à avertir les populations en aval avant l'arrivée du flux. Si une région ressemble au Kerala, où le danger circule par des voies connectées, la préparation nécessite de comprendre l'ensemble du réseau de rivières et de pentes, et non seulement l'endroit où la pluie tombe. Si une région est comme le bassin de la Bhima, où le danger s'accumule au fil du temps, la préparation doit se concentrer sur la gestion des ressources à long terme, en veillant à ce que le système ne soit pas vidé à sec avant la prochaine crise. L'étude suggère qu'une approche uniforme de l'alerte aux catastrophes est insuffisante. Au lieu de cela, nous devons comprendre le mécanisme spécifique à l'œuvre dans chaque lieu.
Les chercheurs précisent avec prudence que ces trois modèles ne sont pas des boîtes rigides qui ne se chevauchent jamais. Un seul paysage peut présenter des signes de plus d'un modèle, et le mécanisme dominant peut changer selon l'événement spécifique. Cependant, en identifiant quel modèle est le plus actif, les scientifiques et les planificateurs peuvent poser de meilleures questions. Ils peuvent cesser de demander simplement « quels aléas se produisent ? » pour commencer à demander « comment ces aléas se connectent-ils ? ». Ce changement de perspective offre une voie plus claire pour anticiper le risque. Il déplace l'attention du comptage des catastrophes vers la compréhension des histoires qu'elles racontent sur la façon dont notre environnement et nos sociétés sont liés. En reconnaissant si une menace se propage, circule ou s'accumule avec le temps, nous pouvons adapter nos défenses à la nature réelle du danger, plutôt que de deviner sur la base d'une simple liste de ce qui pourrait mal tourner.
Noyé(e) sous les articles dans votre domaine ?
Recevez des digests quotidiens des articles les plus récents correspondant à vos mots-clés de recherche — avec des résumés techniques, dans votre langue.