Het resultaat:neerslag was slechts bij ongeveer 25% van de bijna 125.000 overstromingen de enige bepalende factor. Bodemvocht was in iets meer dan 10% van de gevallen de doorslaggevende factor, en het smelten van de sneeuw en de luchttemperatuur waren de enige factoren in slechts ongeveer 3% van de gevallen.

Daarentegen werd 51,6% van de gevallen veroorzaakt door ten minste twee factoren. Met circa 23% komt de combinatie van neerslag en bodemvocht het meest voor.

Bij het analyseren van de gegevens ontdekten de UFZ-onderzoekers echter dat drie – of zelfs alle vier – factoren gezamenlijk verantwoordelijk kunnen zijn voor een overstroming.

Temperatuur, bodemvocht en sneeuwdiepte waren bijvoorbeeld doorslaggevende factoren bij ongeveer 5.000 overstromingen, terwijl alle vier de factoren doorslaggevend waren bij ongeveer 1.000 overstromingen. En dat niet alleen:"We hebben ook aangetoond dat overstromingen extremer worden als er meer factoren bij betrokken zijn", zegt Dr. Jakob Zscheischler, hoofd van de UFZ-afdeling "Compound Environmental Risks" en senior auteur van een artikel gepubliceerd in het tijdschrift Wetenschappelijke vooruitgang .

In het geval van eenjarige overstromingen kan 51,6% aan verschillende factoren worden toegeschreven; in het geval van vijf- en tienjarige overstromingen kan respectievelijk 70,1% en 71,3% aan verschillende factoren worden toegeschreven. Hoe extremer een overstroming is, des te meer drijvende factoren er zijn en des te waarschijnlijker het is dat deze op elkaar inwerken bij het genereren van gebeurtenissen. Deze correlatie geldt vaak ook voor individuele stroomgebieden en wordt overstromingscomplexiteit genoemd.

Volgens de onderzoekers hebben rivierbekkens in de noordelijke regio's van Europa en Amerika, evenals in het Alpengebied, een lage overstromingscomplexiteit. Dit komt omdat het smelten van sneeuw de dominante factor is voor de meeste overstromingen, ongeacht de omvang van de overstroming. Hetzelfde geldt voor het Amazonebekken, waar het hoge bodemvocht als gevolg van het regenseizoen vaak een belangrijke oorzaak is van overstromingen van verschillende ernst.

In Duitsland zijn de Havel en de Zusam, een zijrivier van de Donau in Beieren, stroomgebieden met een lage overstromingscomplexiteit. Regio's met rivierbekkens met een hoge overstromingscomplexiteit omvatten voornamelijk Oost-Brazilië, de Andes, Oost-Australië, de Rocky Mountains tot aan de westkust van de VS, en de West- en Midden-Europese vlakten.

In Duitsland omvat dit de Moezel en de bovenloop van de Elbe. "Rivierbekkens in deze regio's kennen over het algemeen verschillende overstromingsmechanismen", zegt Jakob Zscheischler. Stroomgebieden in de Europese vlakten kunnen bijvoorbeeld worden getroffen door overstromingen die worden veroorzaakt door de combinatie van hevige neerslag, actief smelten van sneeuw en een hoge bodemvochtigheid.

De complexiteit van overstromingsprocessen in een stroomgebied hangt echter ook af van het klimaat en de toestand van het landoppervlak in het betreffende stroomgebied. Dit komt omdat elk stroomgebied zijn eigen bijzondere kenmerken heeft. De onderzoekers keken onder meer naar de klimaatvochtigheidsindex, de bodemtextuur, de bosbedekking, de grootte van het stroomgebied en de riviergradiënt.

"In drogere streken zijn de mechanismen die tot overstromingen leiden doorgaans heterogener. Voor gematigde overstromingen is meestal slechts een paar dagen zware regenval voldoende. Voor extreme overstromingen moet het langer regenen op toch al vochtige grond", zegt hoofdauteur Dr. Shijie Jiang, die nu werkt bij het Max Planck Instituut voor Biogeochemie in Jena.

De wetenschappers gebruikten verklaarbare machine learning voor de analyse. "Ten eerste gebruiken we de potentiële factoren die de overstroming beïnvloeden, de luchttemperatuur, het bodemvocht en de sneeuwdiepte, evenals de wekelijkse neerslag - elke dag wordt beschouwd als een individuele drijvende factor - om de omvang van de afvoer en dus de omvang van de overstroming te voorspellen, " legt Zscheischler uit.

Vervolgens kwantificeerden de onderzoekers welke variabelen en combinaties van variabelen hebben bijgedragen aan de afvoer van een bepaalde overstroming en in welke mate. Deze aanpak wordt verklaarbare machine learning genoemd, omdat het in het getrainde model de voorspellende relatie blootlegt tussen overstromingsaanjagers en afvloeiing tijdens een overstroming.

"Met deze nieuwe methodologie kunnen we kwantificeren hoeveel drijvende factoren en combinaties daarvan relevant zijn voor het optreden en de intensiteit van overstromingen", voegt Jiang toe.

Verwacht wordt dat de bevindingen van de UFZ-onderzoekers toekomstige overstromingen zullen helpen voorspellen. "Ons onderzoek zal ons helpen bijzonder extreme overstromingen beter in te schatten", zegt Zscheischler.

Tot nu toe werden zeer extreme overstromingen geschat door extrapolatie van minder extreme overstromingen. Dit is echter te onnauwkeurig omdat de individuele bijdragende factoren hun invloed kunnen veranderen voor verschillende overstromingsgrootten.

Meer informatie: Shijie Jiang et al., Samengestelde effecten bij overstromingsoorzaken vormen een uitdaging voor schattingen van extreme rivieroverstromingen, Wetenschappelijke vooruitgang (2024). DOI:10.1126/sciadv.adl4005. www.science.org/doi/10.1126/sciadv.adl4005

Journaalinformatie: Wetenschappelijke vooruitgang

Aangeboden door Helmholtz Vereniging van Duitse Onderzoekscentra