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

Resumo Técnico: Atribuição de Impactos das Mudanças Climáticas e Populacionais nos Impactos de Inundações Compostas do Ciclone Tropical Idai em Moçambique

Definição do Problema
Os impactos de eventos climáticos extremos resultam de uma interação complexa entre impulsionadores climáticos e socioeconômicos. Embora os estudos tradicionais de atribuição de impactos tenham se concentrado cada vez mais no papel das mudanças climáticas, permanece uma lacuna em estruturas que atribuam simultaneamente os impactos tanto às mudanças climáticas quanto aos impulsionadores não climáticos (como o crescimento populacional) e que desagreguem esses impactos por severidade do perigo e vulnerabilidade socioeconômica. Estudos existentes frequentemente falham em propagar os impulsionadores socioeconômicos para os impactos reais ou em considerar mudanças na exposição e na vulnerabilidade, particularmente em regiões com escassez de dados. Além disso, declarações de atribuição agregadas podem mascarar os efeitos desproporcionais das mudanças climáticas sobre grupos socioeconômicos específicos e vulneráveis. Este estudo aborda essas lacunas analisando o Ciclone Tropical (CT) Idai, que atingiu Moçambique em 2019, causando mortes significativas e afetando 1,85 milhão de pessoas.

Metodologia
Os autores empregam um "framework de atribuição de linha de base" (storyline attribution framework) estendido, utilizando uma cadeia de modelos aplicável globalmente para simular inundações compostas sob condições fatuais e contrafatuais.

• Cenários: Quatro cenários foram construídos para distinguir as contribuições das mudanças climáticas e populacionais desde 1975:
  1. Factual: Condições climáticas observadas de 2019 e dados populacionais de 2020.
  2. Contrafactual Climático: Dados populacionais de 2019 com tendências climáticas (precipitação, vento, elevação do nível do mar) removidas para representar as condições de base de 1975 (redução de 6% na precipitação, redução de 4% na velocidade do vento, remoção de 7 cm de elevação do nível do mar).
  3. Contrafactual Populacional: Condições climáticas de 2019 com dados populacionais de 1975.
  4. Contrafactual Climático + Populacional: Tanto as tendências climáticas quanto os dados populacionais revertidos para as bases de 1975.
• Modelagem de Perigo: A inundação composta foi simulada usando um modelo de complexidade reduzida (SFINCS) impulsionado por condições de contorno do D-Flow FM (maré, ressaca, ondas) e vazão hidrológica do wflow. O forçamento meteorológico combinou dados de reanálise ERA5 e dados de trajetória de melhor curso (best-track) do IBTrACS. Mapas de inundação foram gerados com resolução de 25 m, considerando profundidades $\ge$ 0,15 m.
• Modelagem de Exposição: A exposição populacional foi calculada sobrepondo mapas de inundação com dados populacionais do Global Human Settlement Layer (GHSL) (resolução de 100 m, reduzida para 25 m). Características socioeconômicas (riqueza, tipo de assentamento, idade, sexo, educação, tamanho do domicílio) foram derivadas de um conjunto de dados global de 2015 (Ton et al.) reduzido para a resolução da inundação.
• Métricas de Atribuição: A mudança atribuível ($A$) foi calculada como a mudança relativa na população exposta entre os cenários factual ($F$) e contrafactual ($CF$):$A(%) = \frac{F - CF}{F} \times 100$.
• Desagregação: Os resultados foram desagregados por:
  • Profundidade da Inundação: Baixa (0,15–0,5 m), Moderada-a-Alta (0,5–1,5 m) e Muito Alta (>1,5 m).
  • Grupos Socioeconômicos: Definidos por vulnerabilidade (ex: pobres, rurais, baixa escolaridade, idosos/infantes, mulheres, classe média/ricas, urbanas, instruídas, idade ativa, sexo masculino, domicílios com várias pessoas vs. mais ricos, urbanos, instruídos, idade ativa, sexo feminino, domicílios de uma única pessoa).

Principais Contribuições

1. Atribuição de Duplo Impulsionador: O estudo expande o framework de linha de base para atribuir impactos simultaneamente às mudanças climáticas e às mudanças populacionais, demonstrando que a mudança populacional é o principal impulsionador para o CT Idai.
2. Avaliação de Impacto Desagregada: Diferente das classificações binárias de "exposto/não exposto", o estudo desagrega os impactos por categorias de profundidade de inundação, revelando que a atribuição dos impulsionadores varia significamente dependendo da severidade da inundação.
3. Análise de Desigualdade Socioeconômica: O artigo atribui os impactos das mudanças climáticas através de diferentes grupos socioeconômicos, destacando como métricas agregadas podem ocultar o fardo desproporcional colocado sobre populações vulneráveis.
4. Expansão Metodológica: O framework integra condições de exposição contrafactual (população de 1975) juntamente com condições de perigo contrafactual, permitindo uma compreensão mais matizada de como os impulsionadores interagem.

Resultados

• Atribuição Geral: No cenário factual, aproximadamente 250.000 pessoas foram expostas a inundações compostas.
  • Mudança Populacional: Foi responsável por 80% da população exposta.
  • Mudança Climática: Foi responsável por 9% da população exposta.
  • Efeito Combinado: O efeito conjunto de ambos os impulsionadores foi responsável por 84% da população exposta. O efeito combinado foi menor que a soma dos efeitos individuais devido ao crescimento populacional ocorrer em áreas que só inundam sob condições de mudança climática.
• Desagregação por Profundidade de Inundação:
  • A fração da população exposta atribuível às mudanças climáticas aumentou com a profundidade da inundação (3% para profundidades baixas, 13% para moderadas-a-altas e 24% para muito altas).
  • A mudança populacional foi o impulsionador dominante em todas as categorias, mas contribuiu mais em números absolutos para a categoria de profundidade de inundação moderada-a-alta (89% da população exposta nesta categoria).
  • As mudanças climáticas aumentaram primariamente as profundidades de inundação de moderada-a-alta para muito alta em áreas rurais, e de baixa para moderada-a-alta em áreas urbanas como Beira.
• Desagregação Socioeconômica:
  • Ao utilizar uma classificação binária (exposto vs. não exposto), as mudanças climáticas pareceram afetar mais os grupos menos vulneráveis (mais ricos, urbanos), devido à alta densidade populacional em áreas urbanas onde pequenas mudanças na extensão da inundação afetam muitas pessoas.
    os entanto, ao desagregar por profundidade de inundação, as mudanças climáticas afetaram desproporcionalmente grupos socioeconômicos mais vulneráveis (mais pobres, rurais). Em áreas rurais, as mudanças climáticas deslocaram as profundidades de inundação de moderada-a-alta para muito alta, impactando diretamente as populações vulneráveis que lá residem.
  • Essa disparidade é mascarada em avaliações agregadas, que não conseguem capturar o deslocamento da severidade do perigo que afeta grupos específicos.

Significância e Alegações
O artigo alega que sua principal significância reside em demonstrar que a agregação espacial da atribuição de impactos pode mascarar os efeitos desproporcionais das mudanças climáticas sobre grupos socioeconômicos vulneráveis. Ao ir além das classificações binárias de impacto para categorias discretas de profundidade de inundação e desagregação socioeconômica, o estudo revela que, embora o crescimento populacional seja o principal impulsionador do volume de exposição, as mudanças climáticas aumentam desproporcionalmente a severidade das inundações para as populações mais vulneráveis em áreas rurais.

Os autores concluem que a gestão de riscos futura e as declarações de atribuição devem ser informadas por políticas sobre quais impulsionadores e métricas incluir. Eles argumentam que compreender a interação entre as mudanças climáticas e populacionais é essencial para Moçambique, onde a população deve dobrar até 2050, e que ignorar a distribuição dos impactos entre os grupos socioeconômicos leva a uma compreensão incompleta do risco climático. O estudo também observa limitações quanto à resolução grosseira dos dados socioeconômicos para Moçambique e sugere que abordagens de métodos mistos, combinando atribuição quantitativa com análise causal qualitativa, poderiam elucidar ainda mais os impulsionadores indiretos, como o desmatamento e a dinâmica de vulnerabilidade.