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

Sintesi Tecnica: Attribuzione dell'impatto del cambiamento climatico e demografico sugli impatti delle inondazioni composte causate dal ciclone tropicale Idai in Mozambico

Problematica
Gli impatti degli eventi meteorologici estremi derivano da una complessa interazione tra driver climatici e socio-economici. Sebbene gli studi tradizionali di attribuzione degli impatti si siano concentrati sempre più sul ruolo del cambiamento climatico, rimane una lacuna nei framework che attribuiscano simultaneamente gli impatti sia al clima che ai driver non climatici (come la crescita della popolazione) e che disaggreghino tali impatti in base alla severità dell'evento e alla vulnerabilità socio-economica. Gli studi esistenti spesso non riescono a propagare i driver socio-economici agli impatti effettivi o a tenere conto dei cambiamenti nell'esposizione e nella vulnerabilità, particolarmente in regioni con scarsità di dati. Inoltre, le dichiarazioni di attribuzione aggregate possono mascherare gli effetti sproporzionati del cambiamento climatico su specifici gruppi socio-economici vulnerabili. Questo studio affronta tali lacune analizzando il ciclone tropicale (TC) Idai, che ha colpito il Mozambico nel 2019, causando decessi significativi e influenzando 1,85 milioni di persone.

Metodologia
Gli autori utilizzano un esteso "framework di attribuzione basato sulla storyline" utilizzando una catena di modelli applicabile globalmente per simulare l'inondazione composta in condizioni fattuali e controfattuali.

• Scenari: Sono stati costruiti quattro scenari per distinguere i contributi del cambiamento climatico e della variazione della popolazione dal 1975:
  1. Fattuale: Condizioni climatiche osservate del 2019 e dati della popolazione del 2020.
  2. Controfattuale Climatico: Dati della popolazione del 2019 e rimozione dei trend climatici (precipitazioni, velocità del vento, innalzamento del livello del mare) per rappresentare le condizioni di base del 1975 (riduzione del 6% delle precipitazioni, riduzione del 4% della velocità del vento, rimozione di 7 cm di SLR).
  3. Controfattuale della Popolazione: Condizioni climatiche del 2019 e dati della popolazione del 1975.
  4. Controfattuale Climatico + Popolazione: Entrambi i trend climatici e i dati della popolazione riportati alle basi del 1975.
• Modellazione dell'evento (Hazard): L'inondazione composta è stata simulata utilizzando un modello a complessità ridotta (SFINCS) guidato da condizioni al contorno da D-Flow FM (marea, ondata di tempesta, onde) e scarico idrologico da wflow. Le forzanti meteorologiche hanno combinato i dati di rianalisi ERA5 e i dati best-track di IBTrACS. Le mappe di inondazione sono state generate con una risoluzione di 25 m, considerando profondità $\ge$ 0,15 m.
• Modellazione dell'Esposizione: L'esposizione della popolazione è stata calcolata sovrapponendo le mappe di inondazione ai dati della popolazione del Global Human Settlement Layer (GHSL) (risoluzione di 100 m, scalata a 25 m). Le caratteristiche socio-economiche (ricchezza, tipo di insediamento, età, sesso, istruzione, dimensione del nucleo familiare) sono state derivate da un dataset globale del 2015 (Ton et al.) scalato alla risoluzione dell'inondazione.
• Metriche di Attribuzione: Il cambiamento attribuibile ($A$) è stato calcolato come la variazione relativa della popolazione esposta tra lo scenario fattuale ($F$) e quello controfattuale ($CF$):$A(%) = \frac{F - CF}{F} \times 100$.
• Disaggregazione: I risultati sono stati disaggregati per:
  • Profondità dell'inondazione: Bassa (0,15–0,5 m), da moderata ad alta (0,5–1,5 m) e molto alta (>1,5 m).
  • Gruppi Socio-Economici: Definiti per vulnerabilità (es. poveri, rurali, bassa istruzione, anziani/infanti, donne, sesso femminile, che vivono soli vs più ricchi, urbani, istruiti, età lavorativa, uomini, sesso maschile, nuclei familiari multi-persona).

Contributi Chiave

1. Attribuzione a Dual-Driver: Lo studio espande il framework della storyline per attribuire gli impatti simultaneamente al cambiamento climatico e al cambiamento della popolazione, dimostrando che la variazione della popolazione è il driver dominante per il TC Idai.
2. Valutazione Disaggregata dell'Impatto: A differenza delle classificazioni binarie "esposto/non esposto", lo studio disaggrega gli impatti per categorie di profondità dell'inondazione, rivelando che l'attribuzione dei driver varia significativamente in base alla severità dell'inondazione.
3. Analisi della Disuguaglianza Socio-Economica: L'articolo attribuisce gli impatti del cambiamento climatico attraverso diversi gruppi socio-economici, evidenziando come le metriche aggregate possano oscurare il carico sproporzionato posto sulle popolazioni vulnerabili.
4. Espansione Metodologica: Il framework integra le condizioni di esposizione controfattuali (popolazione del 1975) insieme alle condizioni di hazard controfattuali, permettendo una comprensione più sfumata di come i driver interagiscono.

Risultati

• Attribuzione Complessiva: Nello scenario fattuale, circa 250.000 persone sono state esposte a inondazioni composte.
  • Cambiamento della Popolazione: Ha rappresentato l'80% della popolazione esposta.
  • Cambiamento Climatico: Ha rappresentato il 9% della popolazione esposta.
  • Effetto Combinato: L'effetto congiunto di entrambi i driver ha rappresentato l'84% della popolazione esposta. L'effetto combinato è stato inferiore alla somma dei singoli effetti poiché la crescita della popolazione avviene in aree che si allagano solo in presenza delle condizioni climatiche attuali.
• Disaggregazione per Profondità dell'Inondazione:
  • La frazione di popolazione esposta attribuibile al cambiamento climatico aumenta con la profondità dell'inzione (3% per profondità basse, 13% per moderata-alta e 24% per molto alta).
  • Il cambiamento della popolazione è il driver dominante in tutte le categorie, ma contribuisce maggiormente in termini assololi alla categoria di profondità moderata-alta (89% della popolazione esposta in questa categoria).
  • Il cambiamento climatico ha principalmente aumentato le profondità da moderata-alta a molto alta nelle aree rurali, e da bassa a moderata-alta in aree urbane come Beira.
• Disaggregazione Socio-Economica:
  • Utilizzando una classificazione binaria (esposto vs non esposto), il cambiamento climatico sembrava colpire maggiormente i gruppi meno vulnerabili (più ricchi, urbani), a causa dell'alta densità di popolazione nelle aree urbane dove piccoli cambiamenti nell'estensione delle inondazioni influenzano molte persone.
  • Tuttavia, disaggregando per profondità dell'inondazione, il cambiamento climatico ha colpito in modo sproporzionato i gruppi più vulnerabili (più poveri, rurali). Nelle aree rurali, il cambiamento climatico ha spostato le profondità dell'inondazione da moderata-alta a molto alta, impattando direttamente le popolazioni vulnerabili che vi risiedono.
  • Questa disparità è mascherata nelle valutazioni aggregate, che non riescono a cogliere lo spostamento della severità dell'evento che colpisce specifici gruppi.

Significato e Rivendicazioni
L'articolo sostiene che il suo significato primario risiede nel dimostrare che la aggregazione spaziale dell'attribuzione dell'impatto può mascherare gli effetti sproporzionati del cambiamento climatico sui gruppi socio-economici vulnerabili. Passando dalle classificazioni binarie dell'impatto a categorie discrete di profondità dell'inondazione e alla disaggregazione socio-economica, lo studio rivela che, mentre la crescita della popolazione è il driver primario per il volume dell'esposizione, il cambiamento climatico aumenta in modo sproporzionato la severità delle inondazioni per le popolazioni più vulnerabili nelle aree rurali.

Gli autori concludono che la gestione del rischio futuro e le dichiarazioni di attribuzione devono essere informate dalle politiche riguardo a quali driver e metriche includere. Argomentano che comprendere l'interazione tra cambiamento climatico e demografico è essenziale per il Mozambico, dove la popolazione è proiettata a raddoppiare entro il 2050, e che ignorare la distribuzione degli impatti tra i gruppi socio-economici porta a una comprensione incompleta del rischio climatico. Lo studio nota inoltre i limiti relativi alla risoluzione grossolana dei dati socio-economici per il Mozambico e suggerisce che approcci a metodi misti, che combinano l'attribuzione quantitativa con l'analisi causale qualitativa, potrebbero chiarire ulteriormente i driver indiretti come la deforestazione e la dinamica della vulnerabilità.