Skip to main content
Aller à la page d’accueil de la Commission européenne (s’ouvre dans une nouvelle fenêtre)
français français
CORDIS - Résultats de la recherche de l’UE
CORDIS
CORDIS Web 30th anniversary CORDIS Web 30th anniversary
Spatial dependencies of storm surges and global risk assessment.

Article Category

Article available in the following languages:

La cartographie des ondes de tempête côtières comble une lacune de la modélisation des risques d’inondation

Une nouvelle initiative de l’UE révèle que des ondes de tempête peuvent frapper plusieurs zones côtières à la fois, modifiant ainsi la façon dont nous prévoyons les inondations dans le monde entier.

Les inondations côtières comptent parmi les catastrophes naturelles les plus dommageables et s’aggravent avec l’élévation du niveau de la mer. Cependant, les modèles traditionnels de prévision des risques d’inondation évaluent généralement une zone à la fois, sans tenir compte du fait que les niveaux extrêmes de la mer de différentes zones peuvent être liés. Il s’agit là d’un oubli dangereux. Le projet SpaDeRisks, financé par l’UE et coordonné par Philip Ward de la Vrije Universiteit Amsterdam, entend combler cette lacune en cartographiant les dépendances spatiales des ondes de tempête à l’échelle mondiale. En déterminant quand et comment différentes côtes pourraient être touchées en même temps, le projet pose les bases d’une réponse aux catastrophes, d’une planification urbaine et d’une conception d’assurances plus intelligentes.

De nouvelles informations concernant les risques d’inondation dans le monde

Jusqu’à présent, les empreintes spatiales des inondations avaient principalement été étudiées dans les rivières, et non dans les océans. Cependant, comme l’explique Alejandra Enriquez(s’ouvre dans une nouvelle fenêtre) chercheuse de SpaDeRisks: «L’étude des dépendances spatiales des niveaux extrêmes de la mer permettra de déterminer les endroits qui sont le plus souvent touchés simultanément, ce qui, espérons-le, aidera les gestionnaires des situations d’urgence». En analysant les modèles numériques mondiaux et les données des échelles de marées, le projet a permis d’identifier des schémas de niveaux extrêmes de la mer. Le fait que différentes zones côtières soient touchées simultanément pourrait mettre à rude épreuve les systèmes nationaux de réponse et induire une sous-estimation des préjudices économiques. La recherche a également révélé des changements saisonniers et décennaux dans le comportement des ondes de tempête. Les empreintes spatiales se modifient au fil du temps, sous l’influence des conditions météorologiques saisonnières. Les modèles climatiques pourraient également jouer un rôle dans certaines régions, comme El Niño(s’ouvre dans une nouvelle fenêtre) et l’oscillation nord-atlantique(s’ouvre dans une nouvelle fenêtre), mais des recherches supplémentaires sont encore nécessaires. «Nous avons trouvé des preuves que des systèmes climatiques plus vastes peuvent influencer certaines de ces configurations spatiales», révèle Alejandra Enriquez. Ces informations sont essentielles pour les modèles de risque d’inondation. «Ignorer les dépendances spatiales peut affecter la réponse aux inondations et la planification des assurances, les dommages économiques peuvent en effet être sous-estimés si ces dépendances ne sont pas prises en compte», ajoute Alejandra Enriquez.

Définir les futurs points chauds des inondations en fonction des marées

Réalisé avec le soutien du programme Actions Marie Skłodowska-Curie(s’ouvre dans une nouvelle fenêtre), SpaDeRisks a également révélé que les cycles de marée à long terme peuvent modifier de manière significative les probabilités d’inondation au fil du temps. Ces cycles prévisibles impliquent que certaines années ou régions peuvent courir un risque élevé d’inondation, même en l’absence d’élévation du niveau de la mer ou de tempêtes majeures. «Nos recherches ont identifié des périodes de risque élevé d’inondation côtière liées à la combinaison d’ondes de tempête extrêmes et de cycles de marée à long terme», explique Alejandra Enriquez. «Les marées astronomiques étant totalement prévisibles, nous pouvons déterminer à l’avance les années et les lieux où le risque d’inondation sera le plus élevé et nous y préparer en conséquence.» Cette vision non stationnaire du risque d’inondation remet en question les modèles traditionnels et suggère que la planification des inondations doit tenir compte du moment autant que de l’emplacement.

Des outils pour les collectivités et la planification climatique

Au cours du projet, Alejandra Enriquez a contribué au lancement de HazardAware.org un outil en libre accès qui aide les habitants du golfe du Mexique à évaluer l’exposition de leurs habitations aux risques côtiers et météorologiques. L’outil indique les pertes annuelles, les profils de risque, les indices de vulnérabilité sociale et suggère même des mesures de protection. Il associe les avancées du projet en matière de modélisation à l’accessibilité du monde réel, confiant ainsi la science directement aux personnes les plus exposées.

De la recherche à une planification plus intelligente

Face à l’élévation du niveau de la mer et à la pression exercée sur les côtes, SpaDeRisks fournit une feuille de route pour les futures évaluations des risques. Son ensemble de données synthétiques mondiales sur les ondes de tempête apporte de nouvelles possibilités de modélisation aux scientifiques, aux gouvernements et aux assureurs. «En identifiant l’endroit et le moment où le risque d’inondation est le plus élevé, nous pouvons aider les communautés à se préparer plus efficacement et à allouer les ressources de manière plus efficiente», explique Alejandra Enriquez. Ce faisant, SpaDeRisks ouvre la voie à une tarification plus précise des assurances, à un meilleur aménagement urbain et à une adaptation climatique transfrontalière plus robuste, transformant la science en résilience.

Mots‑clés

SpaDeRisks, ondes de tempête, modèle de risque d’inondation, inondation côtière, cycles de marée, élévation du niveau de la mer, adaptation au climat, ensemble de données synthétique