Estimación de los costos de los daños causados ​​por inundaciones costeras a la infraestructura de tránsito ante el futuro aumento del nivel del mar

Aug 06, 2023

Comunicaciones Tierra y Medio Ambiente volumen 4, Número de artículo: 137 (2023) Citar este artículo

2923 Accesos

45 altmétrico

Detalles de métricas

El aumento futuro del nivel del mar (SLR) y los aumentos asociados en la frecuencia e intensidad de las inundaciones costeras plantean amenazas importantes para las comunidades costeras y los sistemas de tránsito. Sin embargo, la literatura y la práctica actuales carecen de métodos para estimar los costos de los daños por inundaciones a los sistemas de transporte. Aquí, construimos un marco de estimación de costos de daños por inundaciones específicos para eventos para sistemas de tránsito, simulando por separado el ingreso de inundaciones a espacios subterráneos. Aplicamos este marco al sistema de tránsito ferroviario MBTA en Boston, estimando los daños causados ​​por varias inundaciones costeras con SLR y proyectamos las pérdidas anualizadas esperadas (EAL) hasta 2100 con SLR incierto. Estimamos que los EAL para el sistema MBTA se han duplicado desde 2008 a $24,4 millones/año y se espera que alcancen $58 millones/año para 2030 en todos los escenarios SLR. Nuestros resultados sugieren que, en ausencia de esquemas de adaptación, particularmente en los lugares de entrada a los túneles, el riesgo de inundaciones costeras continuará acelerándose, lo que podría resultar en inundaciones permanentes de secciones subterráneas y bajas del sistema de tránsito.

Se espera que el cambio climático y el aumento del nivel del mar (SLR) aumenten la frecuencia y gravedad de las inundaciones costeras, planteando una amplia gama de desafíos técnicos, sociales, económicos y científicos1,2. En ausencia de medidas de mitigación, el aumento de la exposición a estos peligros dará como resultado mayores riesgos y mayores consecuencias de inundaciones3,4. Al igual que cualquier otra inversión del sector público o privado, motivar la inversión en dicha reducción del riesgo de inundaciones requiere una demostración de que los beneficios (es decir, evitar futuros daños relacionados con inundaciones) superan los costos (de diseño, construcción y mantenimiento). Cuantificar los beneficios de reducción del riesgo de inundaciones costeras de un proyecto determinado en términos monetarios requiere la evaluación de los costos de los daños por inundaciones para toda la gama de posibles inundaciones costeras contra las cuales se espera que un proyecto determinado brinde protección.

Si bien existe una base bien establecida de literatura y práctica centrada en estimar los costos de los daños causados ​​por inundaciones en edificios comerciales y residenciales tanto para aplicaciones del sector público3,5,6,7,8,9 como del privado10,11, todavía se han utilizado metodologías similares. ampliarse a los activos de infraestructura física. A pesar de décadas de práctica e investigación, los métodos existentes de estimación de costos de daños por inundaciones y las evaluaciones de adaptación climática resultantes descuidan rutinariamente los beneficios de la reducción del riesgo de inundaciones para las infraestructuras públicas9,12,13. En las zonas urbanas, las consecuencias de los daños a las infraestructuras físicas probablemente representen una parte importante de los costos de los daños directos. Por ejemplo, los sistemas de infraestructura regional en el área metropolitana de Nueva York y Nueva Jersey sufrieron $17,1 mil millones en daños directos debido al huracán Sandy en 2012, lo que corresponde al 23% de los $62,3 mil millones estimados en costos generales de daños directos, con un estimado de $5 mil millones en costos directos. Daños al sistema de tránsito de la ciudad de Nueva York (NYCT)14. A medida que el nivel del mar continúa aumentando, los administradores y planificadores de infraestructura necesitarán cada vez mejores métodos de cuantificación del riesgo de inundaciones para comprender los riesgos futuros proyectados y los beneficios de reducción de riesgos de las inversiones de capital en proyectos de adaptación climática. Si bien algunos estudios anteriores incluyen estimaciones bastante superficiales de los beneficios de la reducción del riesgo de inundaciones para la infraestructura, ya sea a través de un multiplicador porcentual basado en datos limitados de estudios de casos15 o la inclusión de la infraestructura como una categoría separada de uso de la tierra16, estos métodos no abordan adecuadamente los mecanismos causales que caracterizan la consecuencias de la exposición a inundaciones para los activos o subsistemas de infraestructura.

En el caso particular de los sistemas de transporte rápido ferroviario urbano, que a menudo están ubicados bajo tierra o atraviesan llanuras aluviales a nivel, comprender el riesgo de inundaciones presente y futuro proyectado no solo requiere una comprensión sólida de la exposición proyectada a inundaciones costeras futuras, sino que también requiere una comprensión detallada de los sistemas de infraestructura asociados (por ejemplo, energía, señales, etc.), la disposición física de las estaciones, túneles y sistemas de ventilación, así como su relación con el entorno construido, particularmente donde el agua puede fluir hacia espacios subterráneos17 ,18. Si bien la gravedad de las inundaciones a lo largo de las partes a nivel de un sistema de transporte se puede inferir directamente a partir de mapas de inundaciones19,20 o simulaciones hidrodinámicas21, la determinación de la gravedad de las inundaciones en las partes subterráneas del sistema es menos sencilla. Se han propuesto diversos métodos para evaluar la exposición a inundaciones en espacios subterráneos, entre ellos: i) inferencia a partir de la extensión de la inundación en la superficie del suelo21, ii) estimación probabilística como porcentaje de la longitud total de la red de túneles22, iii) aproximación mediante una estimación heurística basada en la gravedad (es decir, suponiendo que el agua fluye cuesta abajo a través de una red de túneles18,23, o iv) mediante evaluación de expertos24,25. La extensión de las inundaciones se puede simular con mayor fidelidad (es decir, incluyendo las profundidades estimadas de las inundaciones) mediante un modelo hidráulico, si se dispone de información suficiente para caracterizar los volúmenes de entrada de agua a lo largo del tiempo26,27,28,29,30. Dadas estas extensiones de inundación resultantes, los estudios anteriores se han centrado principalmente en caracterizar la seguridad de los túneles durante eventos de evacuación24,27, el rendimiento de la red mediante medidas teóricas de gráficos18,21 o la vulnerabilidad medida por varios índices23,29. Aunque un pequeño subconjunto de los estudios revisados ​​intenta cuantificar los daños monetarios a la infraestructura de tránsito ferroviario, ya sea en función de la longitud del túnel inundado22 o mediante categorías de daños basadas en la profundidad de la inundación19,20, ninguno de los métodos de evaluación caracteriza los daños a nivel de activos ni considera significativamente las fuentes. de incertidumbre en la evaluación de daños. Además, ninguno de los estudios encuestados ha empleado un modelo hidrodinámico-hidráulico acoplado de alta fidelidad para informar un modelo de estimación de costos de daños por inundaciones.

Para abordar esta brecha en la literatura, desarrollamos un modelo de estimación de costos de daños a nivel de activos para la infraestructura ferroviaria de tránsito rápido, mediante la estimación de la extensión y gravedad de la inundación mediante el acoplamiento de un modelo hidrodinámico de riesgo de inundación costera previamente establecido31 con un modelo hidráulico dependiente del tiempo de las partes subterráneas de una red de transporte. Aquí, estimamos el alcance y el costo de los daños asociados de las inundaciones costeras en la red de tránsito rápido ferroviario de MBTA en Boston (configuración a partir de 2021; Fig. 1) para un conjunto de eventos de inundaciones costeras bajo un nivel de referencia del mar y varias condiciones SLR futuras proyectadas. . Utilizando estas proyecciones de inundaciones para todo el sistema, utilizamos estimaciones de costos de reemplazo a nivel de activos y relaciones específicas del tránsito entre la profundidad de la inundación y la gravedad de los daños32, para estimar los daños relacionados con las inundaciones mediante una implementación novedosa del método de pérdida unitaria6,33. Nuestros análisis incorporan incertidumbres en las estimaciones de profundidad de las inundaciones34, valores de reemplazo de activos (a través de una estimación de contingencia incierta calibrada con datos de aumento de costos del mundo real35 y funciones de daños en profundidad36 mediante simulación de Monte Carlo. Utilizando las estimaciones resultantes de daños por inundaciones costeras específicas del evento, evaluamos el rango completo de pérdidas anualizadas esperadas (EAL) para el sistema de tránsito rápido ferroviario de MBTA, que caracteriza la relación entre EAL y SLR. Dada esta relación y las últimas proyecciones de SLR disponibles1,37,38,39, luego desarrollamos estimaciones de EAL a lo largo del tiempo. para el sistema de tránsito rápido ferroviario MBTA hasta finales del siglo XXI.

A nivel, las extensiones y profundidades de las inundaciones (que se muestran en un gradiente escalonado azul) están superpuestas por las profundidades promedio de las inundaciones a lo largo de los segmentos del sistema ferroviario de tránsito rápido (azul fluorescente) y los volúmenes de entrada de los túneles (azul cielo con contorno negro). A nivel, las partes del sistema de tránsito ferroviario se muestran con finas líneas negras; Las partes subterráneas (túneles) se muestran con líneas negras gruesas. Los nombres de las ubicaciones clave en el sistema se muestran en el color de la línea de tránsito correspondiente. Recuadro inferior derecho: descripción general del sistema de tránsito ferroviario MBTA (con los colores de línea correspondientes).

Utilizando los datos disponibles del Modelo de Riesgo de Inundaciones Costeras de Massachusetts (MC-FRM), evaluamos el riesgo de inundaciones costeras para el sistema de tránsito rápido ferroviario de MBTA considerando eventos de inundaciones de diferentes períodos de retorno (1 en 2 años, 1 en 10 años). año, 1 en 20 años, 1 en 100 años, 1 en 1.000 años) en cuatro regímenes de aumento del nivel del mar (SLR) (+0,07 m, +0,43 m, +0,79 m, +1,34 m) medido en relación con una línea de base de 2000 (época de mareas 1991-2009). La Figura 1 proporciona una muestra representativa de la gravedad de las inundaciones regionales, los volúmenes de entrada de túneles en todo el sistema y las profundidades de las inundaciones bajo un evento de inundación de 1 en 100 años (es decir, 1% de probabilidad de excedencia de inundaciones costeras, CFEP) con +0,79 m de SLR. Aquí, observamos inundaciones generalizadas en todo el Gran Boston, con inundaciones a lo largo de toda la Línea Azul, porciones significativas de las Líneas Naranja, Roja y Plata, y en instalaciones críticas de mantenimiento ferroviario a lo largo de las Líneas Naranja, Azul y Roja. Los resultados en la Fig. 1 muestran inundaciones generalizadas a lo largo de las porciones a nivel del sistema con volúmenes significativos de afluencia hacia las porciones subterráneas del sistema, principalmente a través de portales de túneles, que generan afluencias un orden de magnitud mayor que otras vías de ingreso en tránsito. estaciones (p. ej., entradas de estaciones, conductos de ventilación, etc.). Los análisis muestran inundaciones generalizadas en las partes subterráneas del sistema en el centro de Boston, debido a la naturaleza interconectada del espacio subterráneo que permite que las inundaciones inunden las líneas adyacentes en el sistema (por ejemplo, la Línea Roja en el evento de muestra que se muestra). Aquí, esperamos profundidades de inundación superiores a 5 m a lo largo de la mayoría de los túneles de las Líneas Roja, Naranja, Azul y Plata, llegando hasta la corona de los túneles en funcionamiento. A este nivel de inundación de agua salada, esperamos que la mayoría de los activos lineales (es decir, ferrocarriles, señales, energía, iluminación) y estaciones sufran daños equivalentes a al menos el 75% del costo de reemplazo32.

Teniendo en cuenta el alcance y la gravedad proyectados de las inundaciones de agua salada en todo el sistema, estimamos $5,300 millones (2020 USD) en daños directos por inundación al sistema ferroviario de tránsito rápido MBTA, con pérdidas esperadas de ~$1,200 millones para los sistemas Rojo, Azul y Líneas Naranjas, como se muestra en la estimación probabilística de pérdidas por inundaciones que se muestra en la Fig. 2. Observamos además que se espera que los daños a las estaciones de conexión (es decir, estaciones donde los pasajeros pueden hacer transbordo) contribuyan con 1.400 millones de dólares en pérdidas por inundaciones, una proporción mayor que cualquier otra línea de forma aislada. Observamos que la incertidumbre significativa en las estimaciones de los costos de reemplazo de las estaciones de tránsito informa en gran medida la incertidumbre en las estimaciones de los costos de los daños por inundaciones de las estaciones, así como la incertidumbre en las estimaciones generales de los daños por inundaciones.

a Función de densidad de probabilidad (PDF) para daños generales en todo el sistema (gris). b PDF de costos de daños por línea de tránsito (colores correspondientes a cada línea). c–g PDF para costos de daños por tipo de activo para cada línea de tránsito (colores correspondientes a cada línea). El PDF sombreado más claro indica los costos de daños a las estaciones. El PDF sombreado más oscuro indica los costos de daños a los activos lineales.

La Figura 3 proporciona un resumen de las estimaciones probabilísticas del costo de los daños por inundaciones para el sistema de tránsito rápido ferroviario MBTA en todas las condiciones evaluadas del nivel del mar y la gravedad de las inundaciones (consulte la Figura complementaria 1 para obtener un resumen de las distribuciones de muestra subyacentes y las Figuras complementarias 3 a 22 para correspondientes afluencias y extensiones de las inundaciones). Aquí encontramos que se espera que los costos de daños estimados bajo las inundaciones costeras de 1 en 20 años (5% CFEP) y 1 en 100 años (1% CFEP) aumenten más de 10 veces en comparación con el SLR basal (+0,07 m SLR), incluso bajo la condición SLR más moderada evaluada (+0,43 m). Bajo el SLR futuro, las inundaciones costeras más frecuentes, en particular las que ocurren una vez cada dos años (50% CFEP), resultan en costos de daños estimados que son significativamente mayores que los esperados bajo inundaciones costeras comparativamente menos frecuentes bajo la condición SLR de referencia. Según las condiciones de referencia del nivel del mar de 2008 (+0,07 m de SLR), esperamos pérdidas por inundaciones de 24 millones de dólares para una inundación costera de 1 en 20 años (5% CFEP) y 66 millones de dólares en pérdidas por inundación para una inundación de 1 en 100. evento de un año (1% CFEP). Incluso con un SLR comparativamente moderado de +0,43 m (posible en el puerto de Boston ya en 2040 según las últimas proyecciones SSP5-8,5 SLR1,37,38,39), esperamos aumentos significativos en las pérdidas por inundaciones proyectadas. Por ejemplo, se espera que una inundación costera que ocurre una vez cada dos años (50% CFEP) cause $82 millones en daños por inundación, lo que es mayor que las pérdidas esperadas en una inundación que ocurre una vez cada 100 años para la línea de base. condiciones del nivel del mar. Teniendo en cuenta los riesgos de inundación por debajo de +1,34 m de SLR (posible en el puerto de Boston tan pronto como 2075 según las últimas proyecciones SSP5-8,5 SLR1,37,38,39), esperamos pérdidas por inundaciones de varios órdenes de magnitud mayores, con el mismo 1-in- Inundación costera de 2 años que resultó en pérdidas esperadas de $5.400 millones, lo que sugiere una inundación permanente de toda la Línea Azul, así como de las partes subterráneas interconectadas de la red en el centro de Boston, con vías de inundación a través de la Estación Aquarium en la Línea Azul, así como a través de los portales del túnel a lo largo de las Líneas Naranja y Roja, todo ello asumiendo que no existen medidas de adaptación implementadas (Figura 18 complementaria).

Valores esperados (línea gruesa) e intervalo de confianza del 90% (región sombreada) de los costos de daños por inundaciones costeras por debajo de +0,07 m SLR (azul claro), +0,43 m SLR (azul), +0,79 m SLR (azul oscuro) y +1,34 m SLR (azul marino). Valores SLR especificados en relación con una línea de base del año 2000.

Al estimar las pérdidas anualizadas esperadas (EAL) para el sistema de tránsito rápido ferroviario MBTA, observamos un aumento no lineal significativo con respecto al SLR (Fig. 4a). De hecho, el nivel del mar en el puerto de Boston ya ha aumentado ~0,1 m por encima de la línea de base de 200040, de modo que la exposición EAL actual de $24,4 millones ya representa un aumento de más del doble en la exposición por encima de los niveles de referencia de 2008 (EAL = $9,5 millones). . Este aumento se debe principalmente al aumento previsto en la frecuencia de las inundaciones a lo largo de la Línea Azul. Como se muestra en la Fig. 4b, en relación con el valor medio, esperamos que el rango de valores EAL (como se describe por los valores máximo y mínimo) disminuya con SLR, lo que tiene el efecto práctico de aumentar la normalidad de la probabilidad beta generalizada resultante. distribuciones (es decir, \(\alpha\) y \(\beta\) convergen) que describen la incertidumbre EAL, como se muestra en la Fig. 4c, d.

a Mínimo (línea discontinua de color naranja claro), media (línea continua de color naranja y puntos de datos) y máximo (línea discontinua de color naranja oscuro) EAL frente al aumento del nivel del mar (SLR). b EAL mínimo (naranja claro) y máximo (naranja oscuro) como porcentaje del valor medio de EAL. c valores de los parámetros de distribución beta generalizados (parámetro alfa en rojo, parámetro beta en azul) frente a SLR. d Funciones de densidad de probabilidad EAL para varios valores de SLR de muestra (gradiente de color de azul marino a verde bosque para valores SLR crecientes).

Considerando la EAL a lo largo del tiempo para varios escenarios SLR inciertos1,37,38,39, como se muestra en la Fig. 5, esperamos que la EAL aumente al menos dos órdenes de magnitud (es decir, 100×) en todos los escenarios SLR para 2100, aunque la El intervalo de confianza del 90% también abarca un orden de magnitud en todos los escenarios. Estos resultados sugieren que incluso en el escenario de calentamiento más bajo presentado (es decir, SSP1-2.6), la MBTA podría esperar que su riesgo de inundaciones costeras alcance ~$1.200 millones en EAL para 2100, un aumento de 49 veces en comparación con los niveles actuales. Según el peor escenario de SLR evaluado (proyección de baja confianza SSP5-8.5), esperamos que el EAL alcance los $9.600 millones para 2100, en ausencia de medidas de adaptación. En todos los escenarios, esperamos que el riesgo de inundaciones costeras aumente a ~$60 millones en EAL para 2030, lo que representa un aumento de 2,6 veces (es decir, un crecimiento interanual del 16%) con respecto a los niveles actuales para finales de esta década. Para 2050, los valores EAL oscilarán entre ~$175 millones (bajo los escenarios SSP1-2.6 y SSP2-4.5) a $200-$250 millones (bajo los escenarios SSP5-8.5 y de baja confianza), lo que representa un aumento de 7 a 10 veces por encima de los niveles actuales. . Más allá de 2050, las estimaciones de EAL comienzan a divergir significativamente dependiendo de la proyección SLR.

Valores esperados (línea gruesa) e intervalo de confianza del 90 % (regiones sombreadas) para EAL incierto a lo largo del tiempo, dadas proyecciones futuras inciertas de SLR según: a Proyección SSP1-2.6 (verde), b Proyección SSP2-4.5 (azul), c SSP5- 8,5 (naranja), proyección d SSP5-8,5 que incluye procesos de baja confianza (rojo).

Estos resultados sugieren que el riesgo de inundaciones costeras del sistema de tránsito rápido ferroviario de MBTA ha aumentado significativamente en la última década y se espera que aumente a una tasa de crecimiento anual del 16% hasta el final de la década, alcanzando un estimado de $58 millones en EAL para 2030. en todos los escenarios de trayectoria socioeconómica compartida (SSP)1,37,38,39. A falta de que se completen las medidas regionales de adaptación al cambio climático o cambios significativos en el sistema MBTA, nuestros resultados sugieren que incluso bajo proyecciones SLR más modestas (SSP1-2.6), los aumentos esperados en el nivel del mar resultarán en aumentos significativos en la exposición al riesgo de inundaciones costeras para la MBTA. en el corto y largo plazo. Bajo la condición SLR más severa evaluada (+1,34 m), lo cual es totalmente plausible a finales de este siglo según varias proyecciones (SSP3-7.0, SSP5-8.5, SSP 5-8.5 baja conf.1,37,38,39 ), esperamos inundaciones regulares de porciones significativas del sistema en ausencia de medidas de adaptación efectivas. Según la proyección SLR más severa considerada (escenario de baja confianza SSP5-8.5), el EAL de $9.300 millones esperado para 2100 representa el 96% del último presupuesto de capital quinquenal de la MBTA41 e implica reparaciones perpetuas relacionadas con inundaciones y cortes permanentes del servicio en todo el sistema. Si bien tal resultado es teóricamente posible y claramente insostenible, sólo ocurriría en ausencia total de medidas adicionales de protección contra inundaciones o de adaptación al clima. Aunque representativo de un futuro pesimista (es decir, en el que no se emprende ninguna adaptación hasta finales de siglo), el análisis presentado aquí proporciona un contrafactual útil que puede establecer una expectativa básica de daños futuros, que puede servir como base para la cuantificación de Beneficios de reducción del riesgo de inundaciones de futuros proyectos de adaptación.

El marco de análisis (incluida la recopilación de datos que requiere) y los resultados posteriores también pueden informar directamente las medidas de adaptación climática y ayudar a priorizar los esfuerzos de reducción del riesgo de inundaciones en todo el sistema. La catalogación de las ubicaciones críticas más bajas (LCL), un paso crucial en el análisis presentado, puede proporcionar a las agencias de tránsito una lista completa de ubicaciones donde probablemente se necesiten medidas de mitigación del riesgo de inundaciones. En conjunto con los resultados proporcionados por el análisis hidrodinámico e hidráulico combinado presentado anteriormente, los planificadores y tomadores de decisiones pueden comprender mejor qué LCL están más expuestos a las inundaciones costeras y los consiguientes volúmenes de afluencia, costos de daños, etc.

Dentro de este estudio de caso, la Estación Acuario (Fig. 1; ~+2,5 m NAVD88) es probablemente el primer lugar que experimente inundaciones costeras, al igual que otros LCL en elevaciones comparables o más bajas (es decir, la mayoría de los portales de túneles, la Estación Central Square, Kendall/MIT Station y la estación Alewife) están situadas detrás de presas (por ejemplo, la estación Kendall/MIT en la Línea Roja se encuentra detrás de la presa New Charles River) o rodeadas por un terreno comparativamente más alto (por ejemplo, el Portal del Aeropuerto en la Línea Azul). Aunque es probable que la Estación Acuario sea el primer lugar que experimente inundaciones durante una inundación costera, las consecuencias de la exposición a las inundaciones en las ubicaciones de los portales de los túneles son desproporcionadamente graves, ya que permiten entradas mucho mayores en las partes subterráneas del sistema, debido en parte a su comparativamente elevaciones invertidas bajas y flujo de canal abierto en gran medida sin obstáculos. En conjunto, estos resultados sugieren que la máxima prioridad debería ser proporcionar medidas de reducción del riesgo de inundaciones en la Estación del Acuario y en las ubicaciones de los portales de los túneles.

El alcance de las inundaciones en ciertos escenarios (p. ej., la inundación costera que ocurre 1 cada 2 años con +1,34 m SLR; Figura complementaria 18) demuestra que las partes interconectadas de la red subterránea están suficientemente bien conectadas hidráulicamente en las estaciones de interconexión para permitir que las inundaciones para fluir entre líneas de tránsito. Este resultado es significativo, ya que sugiere que, en ausencia de un nivel uniforme de protección en todos los LCL conectados a la red del túnel central, un flujo de entrada suficiente en un solo LCL desprotegido (en particular los portales del túnel) podría, no obstante, resultar en una inundación significativa de la red del túnel central. negando así los beneficios de la protección en otros lugares. Esto tiene implicaciones significativas y prácticas para los administradores de infraestructura de tránsito, destacando que las medidas de mitigación del riesgo de inundaciones para la red de túneles centrales deben diseñarse como un sistema para brindar protección uniforme en todos los LCL para garantizar su efectividad. Dada su enorme contribución al ingreso de inundaciones, se debe otorgar alta prioridad a la protección de los portales de los túneles, particularmente en comparación con la protección de las partes a nivel del sistema ferroviario de tránsito rápido.

Al considerar dichas inversiones en proyectos de reducción del riesgo de inundaciones (es decir, adaptación al cambio climático) a más largo plazo, el marco de análisis presentado puede permitir la creación rápida de prototipos y la simulación del desempeño de posibles medidas de adaptación o proyectos regionales de protección contra inundaciones, lo que permitirá a los planificadores cuantificar mejor los beneficios ( es decir, pérdidas por inundaciones evitadas) de posibles medidas de adaptación. Los administradores de infraestructura pueden confiar en estos beneficios de reducción del riesgo de inundaciones para presentar argumentos comerciales más claros para las inversiones en adaptación climática. El riesgo de fijación de precios proporciona una mejor justificación para el financiamiento, ya sea a través de programas de inversión de capital establecidos o la introducción de nuevos mecanismos de financiamiento, como impuestos de evaluación especiales, tarifas de resiliencia o bonos verdes42,43,44. A diferencia de evaluaciones anteriores, la fidelidad del modelo a nivel de activos también puede permitir a los administradores de infraestructura explorar las implicaciones en instalaciones individuales o para subsistemas separados (por ejemplo, sistemas de señales), permitiendo así la discretización del riesgo y las prioridades de adaptación relacionadas de una manera consistente con las normas organizacionales establecidas. fronteras y permitir una delegación más eficaz de responsabilidades dentro de una agencia de tránsito.

Además de informar y estimar el valor de los esfuerzos de planificación de la adaptación, el marco de análisis y los resultados presentados pueden informar y apoyar la estructuración de estrategias de transferencia de riesgos a corto plazo. Las estimaciones a corto plazo de los costos de los daños por inundaciones para una inundación costera particular (por ejemplo, 1 en 100 años) o las pérdidas anualizadas esperadas pueden ayudar a las agencias de tránsito en la fijación de precios y la negociación de medidas de transferencia de riesgos, como los seguros convencionales basados ​​en indemnizaciones. políticas o estrategias de transferencia de riesgo menos convencionales, como la emisión de bonos paramétricos de catástrofe o bonos de resiliencia43,44. El marco de análisis presentado puede permitir a las aseguradoras y agencias de tránsito diseñar activadores de políticas paramétricas específicas para infraestructura, al tiempo que permite fijar precios más efectivos para pagos posteriores de pólizas de seguro paramétricas o bonos de catástrofe.

Si bien las proyecciones de pérdidas por inundaciones costeras presentadas son indudablemente significativas, es probable que representen una subestimación de los costos generales. En caso de que se produzcan daños importantes y generalizados en la red de transporte, los costos de restauración y reparación del sistema pueden estar sujetos a fuerzas macroeconómicas que podrían aumentar significativamente los costos generales de reparación (por ejemplo, restricciones en la cadena de suministro o en la disponibilidad de mano de obra32,45,46). , el análisis presentado aquí supone que los administradores de infraestructura optarán por reparar completamente los activos o reemplazarlos en especie, en lugar de actualizarlos con equipos más modernos o costosos. Además de los costos de daños directos a la infraestructura cuantificados en esta investigación, existen costos indirectos significativos. asociados con la interrupción del sistema, que no se cuantifican en este estudio. La pérdida de acceso al transporte público perturbará los viajes e impondrá importantes consecuencias económicas adversas a los pasajeros47,48, la interrupción del negocio (es decir, la pérdida de ingresos por tarifas) y las pérdidas asociadas con la interrupción del sistema, que no se cuantifican en este estudio. 49. Por el contrario, las restricciones presupuestarias y financieras pueden obligar a los administradores de infraestructura a aplazar la reparación de los daños relacionados con las inundaciones, reduciendo nominalmente los costos de los daños causados ​​por las inundaciones al trasladar reparaciones comparativamente menos urgentes (por ejemplo, el deterioro de las paredes de los bancos de los túneles50) a un trabajo pendiente de mantenimiento, aplazando potencialmente las reparaciones durante varios años50. Si se enfrentan a daños significativos y generalizados y a una disponibilidad inadecuada de capital, los administradores de infraestructura pueden verse obligados a abandonar la infraestructura dañada y alterar los patrones de servicio, realizando de hecho una retirada involuntaria pero controlada que sin duda tendría implicaciones significativas para el entorno construido y el sistema socioeconómico adyacente51 .

Aunque el análisis presentado sólo considera el riesgo de inundaciones costeras, el marco es fácilmente extensible para considerar otras fuentes de inundaciones (es decir, inundaciones pluviales o fluviales) o peligros de inundaciones compuestas, en caso de que haya suficientes datos disponibles para caracterizar adecuadamente la futura no estacionariedad regional esperada en estos riesgos adicionales. fuentes de inundación en un rango lo más amplio posible. Además, el marco de análisis presentado también puede permitir considerar los aumentos inducidos por la SLR en los niveles de agua subterránea52, que según métodos analíticos convencionales53 conducirían a tasas más altas de infiltración de agua subterránea en los túneles. Además, el marco de análisis presentado es fácilmente extensible a otros tipos de sistemas de infraestructura (por ejemplo, redes de carreteras, tuberías, redes eléctricas regionales, etc.) suponiendo que haya suficiente información que caracterice la fragilidad de las inundaciones costeras a nivel de activos (es decir, curvas de daño de profundidad específicas de los activos). están fácilmente disponibles para los activos y subsistemas relevantes.

Es probable que los sistemas ferroviarios de tránsito rápido en las ciudades costeras ya estén experimentando aumentos significativos en el riesgo de inundaciones costeras. El marco de análisis propuesto puede permitir a los administradores de infraestructura comprender las consecuencias de los daños directos asociados con inundaciones costeras más graves en condiciones futuras de SLR y cuantificar cómo la exposición al riesgo de inundaciones costeras aumenta con el tiempo. Demostramos que el riesgo de inundaciones costeras para el sistema de tránsito rápido ferroviario de MBTA, medido por las pérdidas anualizadas esperadas (EAL), ya se ha más que duplicado desde 2008 y se espera que se duplique nuevamente para 2030 si no se toman medidas de adaptación o reducción del riesgo de inundaciones. Incluso a corto plazo, la falta de adaptación provocará niveles inaceptables de riesgo de inundaciones costeras. La planificación adecuada para un riesgo de inundaciones costeras en rápido aumento requiere comprender dónde puede fluir el agua hacia las partes subterráneas de una red de transporte, así como comprender cómo puede fluir el agua entre las partes subterráneas interconectadas de la red. Nuestros resultados sugieren que en ausencia de medidas efectivas de adaptación y reducción del riesgo de inundaciones en todas las vías de entrada de las inundaciones, las partes subterráneas interconectadas de una red aún pueden experimentar inundaciones significativas. Al modelar la exposición a las inundaciones costeras y cuantificar los costos de los daños directos resultantes y las pérdidas anualizadas esperadas, los administradores de infraestructura de tránsito pueden planificar mejor los proyectos de adaptación, cuantificar directamente sus beneficios de reducción del riesgo de inundaciones y establecer un caso comercial claro para inversiones específicas y viables en la adaptación climática.

La cuantificación de los costos de los daños por inundaciones costeras requiere una comprensión detallada de la exposición al riesgo de inundaciones costeras, así como una comprensión de cómo se espera que cambie la gravedad de la exposición con el futuro SLR. Aquí, nos basamos en datos de simulación hidrodinámica previa proporcionados por el Modelo de riesgo de inundaciones costeras de Massachusetts (MC-FRM31) para caracterizar la exposición al riesgo de inundaciones costeras para una variedad de eventos de inundaciones costeras de diversa gravedad para varios regímenes SLR. Una extensión del anterior modelo de riesgo de inundaciones del puerto de Boston (BH-FRM54), el MC-FRM cubre un área más amplia con una resolución espacial más alta (hasta 3 m). Tanto el BH-FRM como el MC-FRM simulan un conjunto de tormentas tropicales y extratropicales sintéticas (calibradas según la severidad de las tormentas presentes y futuras esperadas) para caracterizar la gama completa de posibles inundaciones costeras que impactan a Massachusetts54. Cada ejecución de simulación simula dinámicamente una variedad de procesos físicos, considerando mareas, corrientes, marejadas ciclónicas inducidas por cizalladura del viento, olas cercanas a la costa, subidas y desbordamientos de las olas para caracterizar completamente el riesgo de inundaciones costeras31,54. El MC-FRM caracteriza el riesgo de inundaciones en 4 regímenes SLR (+0,07 m; una línea de base de 2008, +0,43 m, +0,79 m, +1,34 m; en relación con la línea de base del año 2000). Estas condiciones particulares de SLR representan el límite superior (percentil 99,5) de las peores proyecciones de SLR (RCP8.555) en consonancia con la política establecida por la oficina de Gestión de Zonas Costeras de Massachusetts31. Para los propósitos de este análisis, evaluamos la exposición a inundaciones y los costos de daños para 1 en 2 años (50% de probabilidad de excedencia de inundaciones costeras; CFEP), 1 en 10 años (10% CFEP), 1 en -Inundaciones de 20 años (5% CFEP), 1 en 100 años (1% CFEP) y 1 en 1000 años (0,1% CFEP) para cada régimen SLR. Para cada evento de inundación costera, el MC-FRM proporciona profundidades de inundación, así como elevaciones de la superficie del agua a lo largo del tiempo para un conjunto de 30 regiones hidráulicamente distintas del dominio del modelo. Este catálogo de inundaciones costeras sirve como base para el modelo de estimación de costos de daños por inundaciones, como se muestra en la Fig. 6.

Un catálogo de eventos de inundaciones costeras (azul claro) del Modelo de Riesgo de Inundaciones Costeras de Massachusetts54 informa el modelo de inundaciones del sistema (azul). Este modelo, junto con las estimaciones de costos de reemplazo (verde claro) y las relaciones entre profundidad y daño (rojo claro), informan el modelo de estimación de costos de daños por inundaciones (verde), que permite estimar las pérdidas por inundaciones específicas de cada evento y los daños anualizados.

A continuación, construimos un modelo hidráulico de las partes subterráneas del sistema ferroviario de tránsito rápido MBTA utilizando el modelo de gestión de aguas pluviales de la EPA (SWMM 5.1; en lo sucesivo, SWMM). Si bien SWMM se utiliza normalmente para analizar la escorrentía de las precipitaciones y diseñar sistemas de infraestructura de drenaje de aguas pluviales, como su nombre lo indica, una función clave del software es la simulación del flujo unidimensional a través de redes de tuberías en tiempo discreto. SWMM determina el recorrido del flujo a través de una red de tuberías mediante las ecuaciones de flujo 1-D completas de St Venant y calcula el flujo en tuberías individuales mediante la ecuación de Manning56.

Caracterizamos las porciones subterráneas del sistema a través de un conjunto de uniones, \(J=\{{j}_{i}\,|{i}={{{{\mathrm{1,2}}}}}, \ldots ,J\}\) conectados por un conjunto de enlaces, \(L=\{{l}_{k}=({j}_{i},{j}_{j})\,|{ k}={{{{\mathrm{1,2}}}}},\ldots ,{L;\; i},j={{{{\mathrm{1,2}}}}},\ldots ,{J;\; i}\ne j\}\). Cada cruce se caracteriza por una elevación inversa, \({E}^{J}=\{{e}_{i}^{J}=|{i}={{{{\mathrm{1,2}} }}},\ldots ,J\}\) expresado en relación con el datum vertical de América del Norte de 1988 (NAVD88) y una profundidad máxima, \({D}^{J}=\{{d}_{i}^ {J}=|{i}={{{{\mathrm{1,2}}}}},\ldots ,J\}\). Obtenemos elevaciones inversas a partir de gráficos de geometría de vía para cada línea de transporte (documentación interna de MBTA), seleccionando ubicaciones de cruces como límites de estaciones subterráneas y en cambios en la pendiente de la vía (es decir, puntos de intersección vertical, PVI, a lo largo de la alineación vertical de la vía). Los enlaces se describen con más detalle mediante una longitud, \({\varLambda }^{L}=\{{\lambda }_{k}^{L}\,|{k}={{{{\mathrm{1,2 }}}}},\ldots ,L\}\) también se obtuvo directamente de los gráficos de alineación de vías y una sección transversal del túnel como se proporciona en el manual de inspección de túneles de MBTA (documentación interna). Consideramos cada túnel de línea de tránsito rápido como una serie separada de enlaces conectados. Las interconexiones hidráulicas en las estaciones de conexión (es decir, de transferencia) se modelan mediante la inclusión de un enlace separado, cuya longitud y sección transversal dependen del número total de interconexiones (es decir, escaleras, huecos de ascensores, salas mecánicas de varios niveles) entre las líneas de tránsito de conexión. en la estación como se identifica en los planos de construcción conforme a obra (documentación interna de MBTA). Además de las principales partes subterráneas interconectadas del sistema en el centro de Boston, en el análisis modelamos los túneles de la Línea Roja en Cambridge y Dorchester como secciones de túnel independientes. Por último, según el juicio de expertos y la discusión con la MBTA, ignoramos la presencia de bombas de túnel existentes (diseñadas principalmente para la infiltración de agua subterránea), ya que no hay información suficiente para caracterizar adecuadamente su capacidad comparativamente mínima.

Para cada evento de inundación dentro del catálogo de eventos (es decir, para n = 20 eventos de inundación costera), desarrollamos un conjunto de profundidades de inundación en todo el sistema de tránsito ferroviario rápido a través de un modelo de inundación para todo el sistema. Primero tomamos muestras de las profundidades de inundación proporcionadas por MC-FRM a lo largo de las partes a nivel del sistema en un conjunto de ubicaciones de muestra del sistema (SSL) cuando estaban disponibles, extrapolando las profundidades de inundación según sea necesario en función de los datos disponibles y las distribuciones esperadas de valores extremos generalizados (GEV) que describen nivel extremo del mar en el puerto de Boston40 modulando el parámetro de ubicación cuando sea necesario para ajustarlo a SLR2. Los SSL se colocaron en cualquiera de los extremos de los andenes, puentes o pasos subterráneos de las estaciones a nivel. A cada SSL se le asignó una identificación, asociada con una línea de tránsito, y se le asignó una estación longitudinal consistente con los datos internos de alineación de la vía MBTA (Tabla complementaria 1). Luego, al evaluar la exposición a inundaciones costeras para las partes subterráneas del sistema, obtenemos datos de series temporales de elevación de la superficie del agua para cada ubicación crítica más baja (LCL57) en el sistema. Para cada LCL (Tabla complementaria 2), dada su elevación estimada (proporcionada por datos disponibles públicamente58), sus dimensiones y características hidráulicas, calculamos el flujo de entrada para cada paso de tiempo proporcionado utilizando ecuaciones hidráulicas estándar59:

Donde\(\,{h}_{{LCL}}\left(t\right)\) denota la elevación de la superficie del agua en el paso de tiempo t, \({w}_{{LCL}}\) denota la característica hidráulica ancho del LCL, \({{{{{\rm{S}}}}}}}_{{LCL}}\) denota la pendiente del LCL en casos de flujo de canal abierto, y \(n\ ) denota el coeficiente de rugosidad de Manning. Luego sumamos las afluencias de LCL geoespacialmente adyacentes y asignamos la serie temporal de afluencia resultante como entrada en un modelo hidráulico de las porciones subterráneas del sistema de tránsito construido en EPA SWMM 5.156. Las profundidades de inundación subterráneas y a nivel resultantes se utilizan para definir una elevación de la superficie del agua para cada línea ferroviaria de tránsito rápido; Las elevaciones de la parte superior de las coronas de los ferrocarriles y de los túneles se utilizan para determinar las profundidades de las inundaciones en un intervalo de 3 m a lo largo de cada línea, en los límites de las plataformas de las estaciones y en las ubicaciones de las instalaciones de mantenimiento de los ferrocarriles.

A continuación, dadas estas extensiones de inundación para un evento de inundación de interés, en el modelo de estimación de costos, generamos estimaciones probabilísticas mediante simulación de Monte Carlo, estimando repetidamente los costos de los daños por inundación mediante un muestreo estocástico de variables inciertas para generar una muestra grande (n = 10,000 ensayos) de estimaciones de costos de daños por inundaciones. En cada prueba, las pérdidas por inundaciones se estiman mediante el método de pérdida unitaria6, donde el costo total del daño, \({C}_{D}\), se define como:

Donde \({R}_{i}\) es el costo de reemplazo incierto muestreado de la unidad \(i\), \({d}_{i}\) es la profundidad de inundación incierta muestreada en la unidad \(i\) , \({{f}_{{dd}}}_{i}({d}_{i})\) el factor de daño de profundidad incierto muestreado para la unidad \(i\) dada su profundidad de inundación, y \(N\) es el número total de unidades en el área de estudio. Aquí, discretizamos los activos lineales en incrementos de 3 metros (ferrocarril, señales, energía, iluminación, estructura del túnel) y consideramos las instalaciones individuales (estaciones, patios de mantenimiento) como unidades de análisis separadas. Generamos estimaciones inciertas de costos de reemplazo a través de un proceso de dos pasos. En primer lugar, cuando están disponibles, obtenemos estimaciones puntuales de los costos de reposición de todos los activos a partir de la documentación interna de la MBTA y de informes de inversión de capital y comparaciones de ofertas disponibles públicamente60,61,62,63,64. Las estimaciones de costos de reemplazo se revisaron mediante entrevistas con el personal de MBTA y se elevaron a los niveles de precios de 2020 cuando correspondía. En segundo lugar, estas estimaciones puntuales se convierten en estimaciones de costos de reemplazo inciertas (es decir, probabilísticas) aplicando un factor de contingencia incierto calibrado a la variabilidad del mundo real en los costos de proyectos ferroviarios35, en consonancia con las recomendaciones de mejores prácticas para la estimación de contingencias de costos en etapas iniciales65. En consecuencia, asumimos que las estimaciones de costos de reposición siguen una distribución normal \(N(1.45{C}_{{est}},0.38{C}_{{est}})\) donde \({C}_{{est} }\) denota el costo de reemplazo estimado puntual para un activo de interés determinado. Las Tablas complementarias 3 y 4 proporcionan las estimaciones puntuales del costo de reposición y las estimaciones inciertas del costo de reposición empleadas en el análisis.

Los factores de daño en profundidad inciertos para cada tipo de activo se generan mediante un proceso similar de dos pasos. Para cada tipo de asistencia, primero establecemos una curva de daño en profundidad esperada, aplicando las funciones de daño en profundidad de agua salada específicas del tránsito proporcionadas por Martello et al.32. A continuación, la variabilidad y la incertidumbre en la relación profundidad-daño se caracterizan mediante el método descrito por Egorova et al.36. En este método, se genera una función de daño en profundidad incierta a través de una distribución beta (es decir, \({f}_{{dd}}\left(d\right)=\,\beta (\alpha (d),\ beta (d))\)) informado por una relación de profundidad-daño esperada (es decir, media), \({{f}^{* }}_{{dd}}(d)\), y un parámetro de incertidumbre, \(k=0.4\), que caracteriza la variabilidad en los resultados a una profundidad determinada, \(d\). Los parámetros de distribución beta, \(\alpha (d)\) y \(\beta (d)\), se definen como:

Finalmente, en consonancia con trabajos anteriores34,66 para reconocer la incertidumbre en las profundidades de inundación estimadas para un escenario determinado, consideramos la incertidumbre de la profundidad de la inundación para cada unidad de análisis mediante una distribución normal, \(d=N({d}_{{est}} ,0.122{d}_{{est}})\), donde \({d}_{{est}}\) denota la profundidad de inundación estimada en la unidad de análisis de interés.

Para cada evento de inundación costera, después de completar todas las pruebas, desarrollamos estadísticas resumidas (es decir, mínima, máxima, media, varianza) que caracterizan las estimaciones generales de pérdidas por inundación, así como las de cada línea, instalación inundada y clase de activo lineal (resumidas). tanto para todo el sistema como para cada línea de tránsito). Las distribuciones de probabilidad de desglose de costos se aproximan mediante distribuciones beta generalizadas basadas en estadísticas resumidas de distribución de muestras67. Las pérdidas anualizadas esperadas (EAL) se calculan calculando el área bajo la curva de pérdidas por inundaciones versus CFEP:

donde \({f}_{B}(p)\) denota el costo de los daños por inundación para una determinada probabilidad de excedencia de inundación costera (CFEP), \(p\). Utilizando esta ecuación, calculamos el EAL utilizando las estimaciones de pérdidas por inundaciones media, mínima y máxima obtenidas del modelo de estimación de costos de daños por inundaciones. Aquí, desarrollamos una función continua de forma cerrada para describir cómo la media y la varianza de los valores de EAL varían con SLR mediante regresión polinómica. También caracterizamos cómo los valores mínimo y máximo de EAL (expresados ​​como porcentaje de los valores medios de EAL) varían con SLR mediante una regresión de ley de potencia. Esto permite la caracterización directa de cómo se espera que cambien las estimaciones inciertas de EAL con respecto a SLR, aunque es insuficiente para caracterizar EAL a lo largo del tiempo, ya que cualquier caracterización de este tipo requiere la selección de una proyección de SLR.

Para desarrollar estimaciones de cómo cambia EAL a lo largo del tiempo, aplicamos un enfoque separado basado en simulación de Monte Carlo, considerando la incertidumbre en EAL y SLR. Primero, caracterizamos la incertidumbre en EAL con respecto al valor SLR mediante una distribución beta generalizada, \({{EAL}}_{{SLR}}\beta (\alpha ,\beta ,{{EAL}}_{\min }({SLR}),{{EAL}}_{\max }({SLR}))\), donde:

\(\alpha\) y \(\beta\) son parámetros de forma, \({{EAL}}_{\min }\left({SLR}\right),\,{{EAL}}_{\max }\left({SLR}\right),\,{{EAL}}_{{mean}}\left({SLR}\right),\,{{EAL}}_{{{{{\mathrm{ var}}}}}}\left({SLR}\right)\) son el mínimo, el máximo, la media y la varianza de EAL para el valor SLR de interés. Caracterizar la incertidumbre EAL de esta manera (es decir, definir una distribución de probabilidad mediante un conjunto de funciones de forma cerrada) permite el desarrollo de la incertidumbre EAL para cualquier valor SLR. Utilizando esta caracterización de la incertidumbre de EAL y un subconjunto de proyecciones SLR disponibles para el puerto de Boston proporcionadas por el IPCC1,37,38,39 como se muestra en la Fig. 2 complementaria, estimamos EAL hasta 2100 en un intervalo de = 10 años. Para cada año de interés, generamos n = 10 000 valores EAL generando primero una muestra SLR y luego desarrollando y muestreando la distribución de probabilidad EAL asociada.

Una parte de los datos que respaldan los hallazgos de este estudio están sujetos a un acuerdo de confidencialidad y no pueden ponerse a disposición del público. Los datos restantes que respaldan los hallazgos de este estudio están disponibles públicamente en: https://doi.org/10.5281/zenodo.7764881. Los conjuntos de datos utilizados para generar las cifras presentadas en este estudio están disponibles en: https://doi.org/10.6084/m9.figshare.22329079.

Los modelos y el código que respaldan los hallazgos de este estudio están disponibles públicamente en: https://doi.org/10.5281/zenodo.7764881.

Panel Intergubernamental sobre Cambio Climático (IPCC). Cambio climático 2022: impactos, adaptación y vulnerabilidad. Contribución del Grupo de Trabajo II al Sexto Informe de Evaluación del Panel Intergubernamental sobre el Cambio Climático (Cambridge University Press, 2022).

Dulce, WV et al. Escenarios de aumento del nivel del mar global y regional para los Estados Unidos: proyecciones medias actualizadas y probabilidades extremas del nivel del agua a lo largo de las costas de los EE. UU. Informe Técnico NOAA NOS 01 (Administración Nacional Oceánica y Atmosférica, Servicio Oceánico Nacional, 2022). https://oceanservice.noaa.gov/hazards/sealevelrise/noaa-nostechrpt01-global-regional-SLR-scenarios-US.pdf.

Hallegatte, S., Green, C., Nicholls, RJ y Corfee-Morlot, J. Pérdidas futuras por inundaciones en las principales ciudades costeras. Nat. Subir. Cambio 3, 802–806 (2013).

Artículo de Google Scholar

Strauss, BH y cols. Daños económicos del huracán Sandy atribuibles al aumento del nivel del mar causado por el cambio climático antropogénico. Nat. Comunitario. 12, 2720 (2021).

Artículo CAS Google Scholar

Cuerpo de Ingenieros del Ejército de los Estados Unidos (USACE). Catálogo de funciones residenciales de daños en profundidad utilizadas por el Cuerpo de Ingenieros del Ejército en la estimación de daños por inundaciones. Informe IWR 92-R-3. https://www.iwr.usace.army.mil/Portals/70/docs/iwrreports/92-R-3.pdf (1992).

de Moel, H. Incertidumbre en el riesgo de inundaciones. Tesis doctoral (Universidad VU de Ámsterdam, 2012) https://research.vu.nl/ws/portalfiles/portal/42215325/complete+dissertation.pdf.

Cuerpo de Ingenieros del Ejército de los Estados Unidos (USACE). Análisis de reducción de daños por inundaciones de HEC-FDA - Manual del usuario. Informe CPD-72 Versión 1.4.1. (USACE, 2016) https://www.hec.usace.army.mil/software/hec-fda/documentation/CPD-72_V1.4.1.pdf.

Agencia Federal para el Manejo de Emergencias (FEMA). Guía del usuario del modelo de inundación Hazus: Hazus 5.1 (FEMA, 2022) https://www.fema.gov/sites/default/files/documents/fema_hazus-5.1-flood-model-user-guidance.pdf.

Cuerpo de Ingenieros del Ejército de los Estados Unidos (USACE). Estudio de viabilidad de la gestión del riesgo de tormentas costeras del Estudio de puertos y afluentes de Nueva York-Nueva Jersey (HATS): Borrador del Informe de viabilidad integrado y Declaración de impacto ambiental Teir 1 (USACE, 2022). https://www.nan.usace.army.mil/Portals/37/NYNJHATS%20Draft%20Integrated%20Feasibility%20Report%20Tier%201%20EIS_1.pdf.

Gerl, T., Kreibich, H., Franco, G., Marechal, D. & Schröter, K. Una revisión de los modelos de pérdidas por inundaciones como base para la armonización y la evaluación comparativa. Más uno 11, e0159791 (2016).

Artículo de Google Scholar

Franco, G., Becker, JF y Arguimbau, N. Métodos de evaluación de modelos de riesgo de inundaciones en la industria de (rea)seguros. Seguridad Hídrica 11, 100069 (2020).

Artículo de Google Scholar

Oddo, PC y cols. Profundas incertidumbres en las proyecciones de aumento del nivel del mar y marejadas ciclónicas: implicaciones para la gestión del riesgo de inundaciones costeras. Anal de riesgo. 40, 153-168 (2020).

Artículo de Google Scholar

Rasmussen, DJ, Buchanan, MK, Kopp, RE y Oppenheimer, M. Un marco de asignación de daños por inundaciones para la protección costera con una profunda incertidumbre en el aumento del nivel del mar. El futuro de la Tierra, 8, (2020). https://doi.org/10.1029/2019EF001340.

Aerts, JCJH, Botzen, WJW, de Moel, H. & Bowman, M. Estimaciones de costos para estrategias de protección y resiliencia contra inundaciones en la ciudad de Nueva York: estrategias de gestión de inundaciones para la ciudad de Nueva York. Ana. Académico de Nueva York. Ciencia. 1294, 1–104 (2013).

Artículo de Google Scholar

Hallegatte, S. y col. Evaluación de los impactos del cambio climático, el aumento del nivel del mar y el riesgo de marejadas ciclónicas en las ciudades portuarias: un estudio de caso sobre Copenhague. Subir. Cambio 104, 113-137 (2011).

Artículo de Google Scholar

De Moel, H. & Aerts, JCJH Efecto de la incertidumbre en el uso de la tierra, los modelos de daños y la profundidad de las inundaciones en las estimaciones de los daños por inundaciones. Nat. Peligros 58, 407–425 (2011).

Artículo de Google Scholar

Jacob, K., Rosenzweig, C., Horton, R., Major, D. y Gornitz, V. Adaptaciones de la MTA al cambio climático: un imperativo categórico (Autoridad de Transporte Metropolitana (MTA), 2008). https://new.mta.info/document/10451.

Martello, MV, Whittle, AJ, Keenan, JM y Salvucci, FP Evaluación de la resiliencia al cambio climático de la red ferroviaria de tránsito rápido de Boston. Transp. Res. Parte D Transp. Reinar. 97, 102908 (2021).

Artículo de Google Scholar

Kellermann, P., Schönberger, C. & Thieken, AH Aplicación a gran escala del modelo de daños por inundaciones Pérdida de infraestructura ferroviaria (RAIL). Nat. Peligros Sistema Tierra Ciencia. 16, 2357–2371 (2016).

Artículo de Google Scholar

Bubeck, P. y col. El calentamiento global aumentará el riesgo de inundaciones en los ferrocarriles europeos. Subir. Cambio 155, 19–36 (2019).

Artículo de Google Scholar

Sun, H., Li, M., Jiang, H., Ruan, X. & Shou, W. Análisis de la resiliencia a las inundaciones de la red metropolitana desde una perspectiva de sistema complejo utilizando el modelo hidrodinámico de la red y el enfoque FBWM: un estudio de caso de Wuhan . Sensores remotos 14, 3451 (2022).

Artículo de Google Scholar

Compton, KL (ed.) Gestión del riesgo de desastres e incertidumbre: modelización del riesgo de inundaciones repentinas para Viena y su sistema de metro (IIASA, 2009).

Sun, D., Wang, H., Lall, U., Huang, J. y Liu, G. Evaluación del riesgo de viajes en metro durante inundaciones basada en datos de tarjetas inteligentes. Geomat. Nat. Riesgo de peligros 13, 2796–2818 (2022).

Artículo de Google Scholar

Forero-Ortiz, E., Martínez-Gomariz, E. & Cañas Porcuna, M. Una revisión de los enfoques de evaluación del impacto de las inundaciones para infraestructuras subterráneas en áreas urbanas: un enfoque en los sistemas de transporte. Hidrol. Ciencia. J. 65, 1943-1955 (2020).

Artículo de Google Scholar

Wang, G. y col. Evaluación del riesgo de inundaciones de los sistemas de metro en áreas metropolitanas en un escenario de hundimiento del terreno: un estudio de caso de Beijing. Sensores remotos 13, 637 (2021).

Artículo de Google Scholar

Rosenzweig, C., et al. (ed.). Respondiendo al cambio climático en el estado de Nueva York: Evaluación integrada de ClimAID para una adaptación eficaz al cambio climático. Reporte técnico. (Autoridad de Investigación y Desarrollo Energético del Estado de Nueva York (NYSERDA), 2011). www.nyserda.ny.gov.

Terada, M., Ishigaki, T., Ozaki, T., Baba, Y. y Toda, K. Inundación del metro por inundaciones fluviales y evacuación de estaciones de metro. En Actas del 37º Congreso Mundial de la IAHR (Congreso Mundial de la IAHR, 2017).

Autoridad de Transporte de la Bahía de Massachusetts (MBTA). ENVPS04 – Orden de trabajo n.° 1 – Informe del modelo de inundación de adaptación y evaluación de vulnerabilidad al cambio climático – Línea azul MBTA – Desde la estación del acuario hasta el portal Maverick (Weston & Sampson y Arup., 2019).

Forero-Ortiz, E., Martínez-Gomariz, E., Cañas Porcuna, M., Locatelli, L. & Russo, B. Evaluación del riesgo de inundaciones en un sistema ferroviario subterráneo bajo el impacto del cambio climático: un estudio de caso de Barcelona Metro. Sostenibilidad 12, 5291 (2020).

Artículo de Google Scholar

Miura, Y. et al. Un marco metodológico para determinar una estrategia óptima de protección costera contra las marejadas ciclónicas y el aumento del nivel del mar. Nat. Peligros 107, 1821–1843 (2021).

Artículo de Google Scholar

Grupo Woods Hole (WHG). (2021, octubre). Elevaciones de la superficie del agua de series temporales del modelo de riesgo de inundaciones costeras de Massachusetts. [conjunto de datos]. Grupo Woods Hole (WHG), 2021).

Martello, MV, Whittle, AJ y Lyons-Galante, HR Curvas de daño en profundidad para infraestructura ferroviaria de tránsito rápido. J. Gestión del riesgo de inundaciones. https://doi.org/10.1111/jfr3.12856 (2023).

Wagenaar, DJ, de Bruijn, KM, Bouwer, LM & de Moel, H. Incertidumbre en las estimaciones de daños por inundaciones y su efecto potencial en las decisiones de inversión. Nat. Peligros Sistema Tierra Ciencia. 16, 1-14 (2016).

Artículo de Google Scholar

Prahl, BF, Rybski, D., Boettle, M. & Kropp, JP Funciones de daño para peligros relacionados con el clima: unificación y análisis de incertidumbre. Nat. Peligros Sistema Tierra Ciencia. 16, 1189-1203 (2016).

Artículo de Google Scholar

Flyvbjerg, B., Holm, MS & Buhl, S. Subestimar los costos en proyectos de obras públicas: ¿error o mentira? Mermelada. Plan. Asociación. 68, 279–295 (2002).

Artículo de Google Scholar

Egorova, R., van Noortwijk, JM & Holterman, SR Incertidumbre en la estimación de daños por inundaciones. En t. J. Gestor de Cuenca del Río. 6, 139-148 (2008).

Artículo de Google Scholar

Fox-Kemper, B. et al. Cambios en el nivel del océano, la criósfera y el mar. En: Cambio climático 2021: la base de la ciencia física. Contribución del Grupo de Trabajo I al Sexto Informe de Evaluación del Panel Intergubernamental sobre el Cambio Climático (eds Masson-Delmotte, V., et al.) (Cambridge University Press, 2021).

Garner, GG y cols. Proyecciones del nivel del mar IPCC AR6 (Versión 20210809) [Conjunto de datos]. (Zenod, 2021a). https://doi.org/10.5281/ZENOD.5914709.

Garner, GG y cols. Proyecciones de aumento del nivel del mar IPCC AR6 (Versión 20210809) [Conjunto de datos]. (PO.DAAC, 2021b). https://podaac.jpl.nasa.gov/announcements/2021-08-09-sea-level-projections-from-the-IPCC-6th-Assessment-Report.

NOAA. Boston, MA – ID de la estación: 8443970. https://tidesandcurrents.noaa.gov/stationhome.html?id=8443970 (2021).

Autoridad de Transporte de la Bahía de Massachusetts (MBTA). Plan de inversión de capital (CIP) propuesto para el año fiscal 23-27 de la Autoridad de Transporte de la Bahía de Massachusetts – marzo de 2022 (MassDOT, 2022). https://cdn.mbta.com/sites/default/files/2022-03/2022-03-24-proposed-fy23-27-mbta-cip-2.pdf.

Levy, DL y Herst, R. Financiamiento de la resiliencia climática: movilización de recursos e incentivos para proteger a Boston de los riesgos climáticos (Laboratorio de Soluciones Sostenibles, Universidad de Massachusetts Boston, 2018). https://www.umb.edu/editor_uploads/images/centers_institutes/sustainable_solutions_lab/Financing_Climate_Resilience_April_2018.pdf.

Keenan, JM Financiamiento e inversión para la adaptación climática en California (Routledge, Taylor & Francis Group, 2019).

Chen, C. y Bartle, JR Financiamiento innovador de infraestructura: una guía para gobiernos estatales y locales. (Publicaciones internacionales Springer, 2022). https://doi.org/10.1007/978-3-030-91411-0.

Olsen, AH y Porter, KA Lo que sabemos sobre el aumento de la demanda: breve resumen. Nat. Peligros Rev. 12, 62–71 (2011).

Artículo de Google Scholar

Golan, MS, Trump, BD, Cegan, JC & Linkov, I. Resiliencia de la cadena de suministro de vacunas: revisión de enfoques de modelado en el contexto de la pandemia de COVID-19. Gestión de Ind. Sistema de datos. 121, 1723–1748 (2021).

Artículo de Google Scholar

Suarez, P., Anderson, W., Mahal, V. & Lakshmanan, TR Impactos de las inundaciones y el cambio climático en el transporte urbano: una evaluación del desempeño de todo el sistema del área metropolitana de Boston. Transp. Res. Parte D Transp. Reinar. 10, 231–244 (2005).

Artículo de Google Scholar

Sun, J., Chow, ACH y Madanat, SM Preocupaciones por la equidad en la protección de la infraestructura de transporte contra el aumento del nivel del mar. Transp. Política 100, 81–88 (2021).

Artículo de Google Scholar

Academias Nacionales de Ciencias, Ingeniería y Medicina (NASEM). Incorporación de los costos y beneficios de las medidas de adaptación en la preparación para eventos climáticos extremos y la guía sobre el cambio climático (p. 25744). (Junta de Investigación del Transporte, Administración Nacional Oceánica y Atmosférica, 2020). https://doi.org/10.17226/25744.

O'Rourke, TD Agentes de cambio para una infraestructura resiliente. En la Reunión Anual de PEER de 2020, UC Berkeley (PEER, 2020).

Balboni, C. ¿En peligro? Las inversiones en infraestructura y la persistencia de las ciudades costeras. Soy. Economía. Rev. https://economics.mit.edu/files/22033 (2021).

Hummel, MA, Berry, MS y Stacey, MT El aumento del nivel del mar afecta los sistemas de tratamiento de aguas residuales a lo largo de las costas de EE. UU. El futuro de la Tierra 6, 622–633 (2018).

Artículo de Google Scholar

Kong, WK Evaluación del ingreso de agua para túneles de roca: una herramienta para la planificación de riesgos. Mecánico de rocas. Ing. Rock. 44, 755–765 (2011).

Artículo de Google Scholar

Bosma, K. y col. Informe del proyecto piloto MassDOT-FHWA: Evaluaciones de vulnerabilidad al cambio climático y condiciones climáticas extremas y opciones de adaptación para la arteria central (MassDOT, 2015). https://www.mass.gov/files/documents/2018/08/09/MassDOT_FHWA_Climate_Change_Vulnerability_1.pdf.

Kopp, RE y cols. Evolución de la comprensión de la física de la capa de hielo de la Antártida y la ambigüedad en las proyecciones probabilísticas del nivel del mar. El futuro de la Tierra 5, 1217-1233 (2017).

Artículo de Google Scholar

Rossman, Manual del usuario del modelo de gestión de aguas pluviales de Los Ángeles, versión 5.1 (Agencia de Protección Ambiental de EE. UU., Laboratorio Nacional de Investigación de Gestión de Riesgos, 2015). https://www.epa.gov/sites/default/files/2019-02/documents/epaswmm5_1_manual_master_8-2-15.pdf.

Martello, MV Resiliencia de las redes de tránsito rápido en el contexto del cambio climático. Tesis de maestría (Instituto de Tecnología de Massachusetts, 2020) https://dspace.mit.edu/handle/1721.1/127329.

Servicio Geológico de los Estados Unidos (USGS). Elevación del Mapa Nacional (TNM). [conjunto de datos]. (Servicio Geológico de los Estados Unidos (USGS), 2021) https://apps.nationalmap.gov/elevation/.

Finnemore, EJ y Franzini, JB Mecánica de fluidos con aplicaciones de ingeniería (10ª ed.) (McGraw-Hill, 2009).

Autoridad de Transporte de la Bahía de Massachusetts (MBTA). Comparación de ofertas: Contrato R44CN01 – Pista de prueba de la Línea Roja, South Boston, MA (MassDOT, 2017) https://bc.mbta.com/business_center/bidding_solicitations/pdf/Bid%20Comparison%20Rpt%20-%20R44CN01.pdf.

Autoridad de Transporte de la Bahía de Massachusetts (MBTA). Comparación de ofertas: Contrato Q09CN02 – Reemplazo de señal y traquería del ramal de la Línea Verde D: de Beaconsfield a Riverside, Newton y Brookline (MassDOT, 2018). https://old.mbta.com/business_center/bidding_solicitations/pdf/Bid%20Comparison%20Rpt%20-%20Q09CN02.pdf.

Autoridad de Transporte de la Bahía de Massachusetts (MBTA). Comparación de ofertas: Contrato B22CN02 – Reparación/rehabilitación del viaducto East Cambridge (Lechmere), Boston y Cambridge, MA (MassDOT, 2019a). https://bc.mbta.com/business_center/bidding_solicitations/pdf/Bid%20Comparison%20Rpt%20-%20B22CN02.pdf.

Autoridad de Transporte de la Bahía de Massachusetts (MBTA). Plan de inversión de capital de MBTA FY20-24: Guía de evaluación (Departamento de Transporte de Massachusetts, MassDOT, 2019c).

Autoridad de Transporte de la Bahía de Massachusetts (MBTA). Comparación de ofertas: Contrato A25CN01 – Consolidación de la estación secundaria de la Línea Verde B, Boston, MA (MassDOT, 2020). https://bc.mbta.com/business_center/bidding_solicitations/pdf/Bid%20Comparison%20Rpt%20-%20A25CN01.pdf.

Junta de Investigación del Transporte (TRB) y Academias Nacionales de Ciencias, Ingeniería y Medicina (NASEM). Orientación para la estimación y gestión de costos de proyectos de carreteras durante la planificación, programación y preconstrucción (The National Academies Press, 2007). https://doi.org/10.17226/14014.

Saint-Geours, N., Grelot, F., Bailly, J.-S. & Lavergne, C. Clasificación de fuentes de incertidumbre en la modelización de daños por inundaciones: un estudio de caso sobre el análisis de costo-beneficio de un proyecto de mitigación de inundaciones en el delta del Orb, Francia: Clasificación de fuentes de incertidumbre en la modelización de daños por inundaciones. J. Gestión del riesgo de inundaciones. 8, 161-176 (2015).

Artículo de Google Scholar

Guthrie, Manual electrónico de métodos estadísticos de WF NIST/SEMATECH (Manual NIST 151) [Conjunto de datos]. (Instituto Nacional de Estándares y Tecnología, 2020). https://doi.org/10.18434/M32189.

Descargar referencias

La investigación presentada en este estudio fue apoyada por la Autoridad de Transporte de la Bahía de Massachusetts (MBTA) y el Departamento de Defensa de los Estados Unidos (a través del Programa de Becas por Servicio SMART del Departamento de Defensa). Las opiniones expresadas en este artículo son las de los autores y no representan las de la MBTA.

Departamento de Ingeniería Civil y Ambiental, Instituto de Tecnología de Massachusetts, 77 Massachusetts Avenue, Cambridge, MA, EE. UU.

Michael V. Martello y Andrew J. Whittle

También puedes buscar este autor en PubMed Google Scholar.

También puedes buscar este autor en PubMed Google Scholar.

Este estudio fue conceptualizado por AJW y MVM y supervisado por AJW. MVMAJW revisó el manuscrito y discutió los resultados con MVM en todas las etapas. MVM y AJW revisaron el manuscrito en respuesta a los comentarios de los revisores.

Correspondencia a Michael V. Martello.

Los autores declaran no tener conflictos de intereses.

Communications Earth & Environment agradece a Karl Kim, Jiayun Sun y los demás revisores anónimos por su contribución a la revisión por pares de este trabajo. Editor principal: Joe Aslin. Los informes de los revisores pares están disponibles.

Nota del editor Springer Nature se mantiene neutral con respecto a reclamos jurisdiccionales en mapas publicados y afiliaciones institucionales.

Acceso Abierto Este artículo está bajo una Licencia Internacional Creative Commons Attribution 4.0, que permite el uso, compartir, adaptación, distribución y reproducción en cualquier medio o formato, siempre y cuando se dé el crédito apropiado a los autores originales y a la fuente. proporcione un enlace a la licencia Creative Commons e indique si se realizaron cambios. Las imágenes u otro material de terceros en este artículo están incluidos en la licencia Creative Commons del artículo, a menos que se indique lo contrario en una línea de crédito al material. Si el material no está incluido en la licencia Creative Commons del artículo y su uso previsto no está permitido por la normativa legal o excede el uso permitido, deberá obtener permiso directamente del titular de los derechos de autor. Para ver una copia de esta licencia, visite http://creativecommons.org/licenses/by/4.0/.

Reimpresiones y permisos

Martello, MV, Whittle, AJ Estimación de los costos de los daños por inundaciones costeras a la infraestructura de tránsito ante el futuro aumento del nivel del mar. Entorno Terrestre Comunitario 4, 137 (2023). https://doi.org/10.1038/s43247-023-00804-7

Descargar cita

Recibido: 05 de septiembre de 2022

Aceptado: 14 de abril de 2023

Publicado: 24 de abril de 2023

DOI: https://doi.org/10.1038/s43247-023-00804-7

Cualquier persona con la que compartas el siguiente enlace podrá leer este contenido:

Lo sentimos, actualmente no hay un enlace para compartir disponible para este artículo.

Proporcionado por la iniciativa de intercambio de contenidos Springer Nature SharedIt

Al enviar un comentario, acepta cumplir con nuestros Términos y pautas de la comunidad. Si encuentra algo abusivo o que no cumple con nuestros términos o pautas, márquelo como inapropiado.