در سال‌های اخیر، مطالعه‌ی افزایش سطح آب دریاها (SLR) به دلیل تأثیر فزاینده‌ی تغییرات اقلیمی بر اقیانوس‌های سیاره‌ی ما، از اولویت بی‌نظیری برخوردار شده است. ^۱٫ اصطلاح SLR به طور کلی به افزایش تدریجی سطح متوسط ​​آب‌های آزاد سیاره‌ای اشاره دارد. ^۱ ، ۲٫ افزایش نسبی سطح آب دریاها (RSLR) و افزایش شدید سطح آب دریاها (ESLR) دو مفهوم حیاتی در این زمینه هستند که هر کدام نشان‌دهنده‌ی یک شیب منحصر به فرد از این پدیده می‌باشند . ^۲٫ اگرچه این دو مفهوم اغلب به طور همزمان مورد بحث قرار می‌گیرند، اما تمایزات و تعاملات آنها کلید درک آینده‌ی محیط‌های ساحلی و پیامدهای گسترده‌تر آن برای استراتژی‌های سازگاری با آب و هوا است . ^۳ .

افزایش نسبی سطح دریا (RSLR)، که اغلب به صورت محاوره‌ای به عنوان SLR شناخته می‌شود، تغییر سطح دریا را نسبت به سطوح خشکی مجاور توصیف می‌کند ^۴ ، ۵٫ این مفهوم هم افزایش مطلق سطح آب دریا در سطح جهانی ناشی از انبساط حرارتی آب دریا، ذوب شدن صفحات یخ و هم تغییرات محلی در ارتفاع زمین را در بر می‌گیرد ^۴٫ افزایش شدید سطح آب دریا (ESLR) ^۵ که توسط هیئت بین دولتی تغییرات اقلیمی (IPCC) تعریف شده است، نشان دهنده حد بالایی افزایش سطح آب دریا در طول قرن بیست و یکم است ^۶٫ این حد بالایی با ادغام بالاترین تخمین‌ها از همه عوامل مؤثر با تأثیر اضافی رویدادهای شدید مانند طوفان‌ها، موج‌ها و جزر و مدهای بلند تعیین می‌شود که پیش‌بینی می‌شود (با درجه‌ای از عدم قطعیت) در آینده شدیدتر و مکررتر شوند ^۵ ، ۶٫ این رویدادهای شدید، که قادر به ایجاد سیل فاجعه‌بار هستند، به یک نقطه کانونی برای محققان و سیاست‌گذاران تبدیل شده‌اند، زیرا تهدیدات فوری و ملموسی را برای جوامع ساحلی و اکوسیستم‌ها ایجاد می‌کنند ^۷ . تخمین برای RSLR برای حدود ۱۰۰ سال آینده از ۰.۲ تا بیش از ۲ متر در بدترین حالت ^۲ ، ۸ متغیر است . وقوع یک رویداد ESLR می‌تواند این مقدار را بیش از چهار برابر کند و به طور بالقوه سطح دریا را تا حداکثر ۸ متر افزایش ^دهد .

گرمایش جهانی، که عمدتاً ناشی از انتشار گازهای گلخانه‌ای (GHGs) است، علت اصلی SLR است. افزایش غلظت گازهای گلخانه‌ای در جو منجر به افزایش دمای جهانی می‌شود که به نوبه خود باعث ذوب شدن کلاهک‌های یخی و انبساط حرارتی آب‌های اقیانوس می‌شود ^{۲ ، ۷ ، ۸ ، ۹٫} تحقیقات اخیر نشان می‌دهد که ذوب شدن سریع صفحات یخی گرینلند و قطب جنوب ممکن است به طور قابل توجهی بیشتر از انبساط حرارتی به تنهایی در افزایش شدید سطح دریا نقش داشته باشد، به ویژه در سناریوهای گرمایش بیش از ۱٫۵ درجه سانتیگراد ^۸ ، ۹٫ دمای بالا همچنین فراوانی و شدت رویدادهای شدید آب و هوایی، از جمله طوفان‌ها و موج‌های طوفان را افزایش می‌دهد که اثرات مخرب ESLR را بر مناطق ساحلی آسیب‌پذیر تقویت می‌کند (به عنوان مثال خطر بیشتر سیل و فرسایش ساحلی) ^۱۰ .

به طور کلی، SLR، در هر دو شکل شدید و نسبی خود، آماده است تا تأثیرات قابل توجهی بر مناطق ساحلی جهان اعمال کند، و میزان این تأثیرات به عوامل مختلفی از جمله نرخ SLR، آسیب‌پذیری زیرساخت‌های محلی، ویژگی‌های ژئومورفولوژیکی، الگوهای کاربری زمین، روند رشد جمعیت و ظرفیت‌های سازگاری جامعه بستگی دارد ^{۱ ، ۲ ، ۵ ، ۶ ، ۱۱٫} در حالی که بخش‌های مختلف با آسیب‌پذیری ^{۱۱ ، ۱۲ ، ۱۳ ، ۱۴} مواجه هستند ، کشاورزی در مناطق ساحلی پست به ویژه در معرض خطر است ^۱۲٫ علاوه بر این، به ویژه سیل می‌تواند به محصولات کشاورزی آسیب برساند، عملکرد را کاهش دهد و پیامدهای بلندمدتی برای امنیت غذایی و ثبات اقتصادی داشته باشد ^{۱۵ ، ۱۶ ، ۱۷ ، ۱۸ ، ۱۹ ، ۲۰} .

اگرچه می‌دانیم که ESLR تنها تهدید پیش روی کشاورزی ساحلی نیست، اما در ادبیات به عنوان یکی از محرک‌های اصلی تخریب طولانی‌مدت زمین شناخته شده است که منجر به از دست رفتن بهره‌وری مرتبط در مناطق کم‌ارتفاع می‌شود. از این رو، این کار بر افزایش شدید سطح دریا (ESLR) به دلیل پتانسیل آن برای ایجاد تلفات قابل توجه و خسارات اقتصادی تمرکز دارد . ^۲۱٫ هدف ما نقشه‌برداری از مناطق آسیب‌پذیر در برابر ESLR در اروپا و حوزه مدیترانه است تا ارزیابی اولیه‌ای از تأثیرات اقتصادی بر کشاورزی ارائه دهیم. ^{۲۲ ، ۲۳٫} با در نظر گرفتن سناریوهای مختلف ^۳ و سطوح آسیب‌پذیری، ما یک ارزیابی ریسک جامع برای اطلاع‌رسانی در مورد بومی‌سازی سیاست‌ها و استراتژی‌های کاهش مؤثر ارائه می‌دهیم . ^۲۲٫ برخلاف اکثر مطالعاتی که بر آسیب‌های شهری و زیرساختی تأکید دارند. ^{۲۴ ، ۲۵} ، این تحقیق تأثیرات منحصر به فرد و پایدار ESLR را بر روی زمین‌های زراعی و سیستم‌های غذایی برجسته می‌کند.

تخمین میزان آسیب‌پذیری مناطق ESLR

مناطق مستعد ESLR در اروپا و در امتداد ساحل شمال آفریقا با استفاده از پیش‌بینی‌های سطح آب‌های بسیار بالای جهانی مرکز تحقیقات مشترک (JRC) مدل‌سازی شده‌اند، در حالی که تحلیل مورفولوژیکی بر اساس DeltaDTM ^۲۶ و AHN DEM (مجموعه داده‌های ارتفاع ملی Actueel Hoogtebestand Nederland- Dutch) ^{۲۷ ، ۲۸} انجام شده است . JRC، ESLR را به عنوان مجموع RSLR و سطوح آب‌های بسیار بالای دریا (ESL) ناشی از جزر و مد، امواج و خیزاب‌های طوفانی تعریف می‌کند. همه این عوامل در سناریوی پایه، که با استفاده از داده‌های مشاهده شده از دوره ۱۹۸۰ تا ۲۰۱۴ ساخته شده است، و در چهار پیش‌بینی اقلیمی آینده‌نگر که مسیرها و بازه‌های زمانی مختلف انتشار گازهای گلخانه‌ای را در نظر می‌گیرند، گنجانده شده‌اند. به طور خاص، این تحلیل دو مسیر تغییر اقلیم متمایز را بر اساس مسیرهای تمرکز نماینده (RCP) مشخص بررسی می‌کند: RCP 4.5، که نشان‌دهنده یک سناریوی انتشار متوسط ​​با فرض تثبیت از طریق تلاش‌های کاهش انتشار است، و RCP 8.5، که منعکس‌کننده یک سناریوی انتشار بالا مطابق با مداخله محدود یا بدون مداخله در سیاست‌های اقلیمی است. این سناریوهای RCP برای مدل‌سازی اثرات ESLR پیش‌بینی‌شده تحت فرضیات مختلف و متضاد استفاده می‌شوند. سناریوی RCP 4.5 افزایش متوسطی در دمای جهانی را نشان می‌دهد که در آن اثر اقلیمی فعالیت‌های انسانی با اقدامات کاهش مؤثر کاهش می‌یابد ^۲۱٫ برعکس، RCP 8.5 سناریوی شدیدتری است که در آن انتشار گازهای گلخانه‌ای در طول قرن بیست و یکم همچنان افزایش می‌یابد. RCP 8.5 عموماً به عنوان مبنایی برای سناریوهای بدترین حالت تغییر اقلیم استفاده می‌شود، در ابتدا بر اساس چیزی بود که ثابت شد بیش از حد تخمین خروجی‌های پیش‌بینی‌شده زغال‌سنگ است ^۲۹٫ سناریوی پایه، برگرفته از کار ووسدوکاس و همکاران. ^{شکل ۲۱} ، شرایط فعلی سطح دریا را برای دوره مرجع ۱۹۸۰-۲۰۱۴ نشان می‌دهد. در طول این دوره، ارتفاعات جزر و مدی در امتداد خط ساحلی جهانی با استفاده از مدل FES2014 به دست آمد، که هارمونیک‌های جزر و مدی را با گردش اقیانوسی و نیروی جوی باروتروپیک ترکیب می‌کند تا تصویری دقیق از دینامیک فعلی سطح دریا ایجاد کند. این مبنا، مرجع اساسی برای ارزیابی اثرات آینده افزایش شدید سطح دریا (ESLR) را فراهم می‌کند. با مقایسه پیش‌بینی‌های آینده با این معیار امروزی، ارزیابی تغییرات در میزان و شدت طغیان ساحلی تحت سناریوهای مختلف اقلیمی امکان‌پذیر می‌شود. دو بازه زمانی که اثرات فعالیت‌های انسانی برای آنها اندازه‌گیری می‌شود، ۲۰۵۰ و ۲۱۰۰ هستند، بنابراین در مجموع ۵ سناریوی مختلف در نظر گرفته می‌شود. برای هر سناریو، سه سطح شدت طغیان در نظر گرفته شده است که مربوط به صدک‌های پنجم، پنجاهم و نود و پنجم پیش‌بینی‌های افزایش شدید سطح دریا (ESLR) مشتق شده از شبیه‌سازی‌های مونت کارلو، پس از کار اصلی ووسدوکاس و همکاران است. ^۲۱این صدک‌ها طیف وسیعی از نتایج بالقوه را در بر می‌گیرند، از یک تخمین محافظه‌کارانه با حد پایین در صدک پنجم، که نشان‌دهنده حداقل افزایش سطح دریا و طغیان محدود است، تا صدک پنجاهم، که منعکس‌کننده میانگین و محتمل‌ترین پیش‌بینی تحت فرضیات مدل‌سازی اقلیمی فعلی است، تا صدک نود و پنجم، که بدترین سناریوی ممکن با افزایش شدید سطح دریا و طغیان گسترده را نشان می‌دهد. ما عدم قطعیت را به عنوان نماینده‌ای برای آسیب‌پذیری در نظر می‌گیریم تا نقشه‌های مکانی را تولید کنیم که احتمال تأثیر ESLR بر مناطق خاص در آینده را نشان می‌دهد. ^{۸ ، ۲۰٫} در این کار، ما «آسیب‌پذیری» را به عنوان ترکیبی از شرایط مناسب جغرافیایی (یعنی DEM پایین – مدل ارتفاعی رقومی – همراه با محدوده احتمال ESLR با توجه به پیش‌بینی‌های موجود) در نظر می‌گیریم.

نقشه‌های مناطق آسیب‌دیده با کم کردن مدل ارتفاعی دیجیتال (DEM) از پیش‌بینی‌های ESLR با دوره بازگشت ۱۰۰ ساله تولید می‌شوند. پیش‌بینی‌های ESLR به صورت نقاطی روی خط ساحلی ارائه می‌شوند. هر نقطه شامل سطح دریا بر حسب متر برای یک رویداد شدید است که احتمال وقوع آن در هر سال ۱٪ است. پیش‌بینی‌ها ۵ سناریوی اقلیمی و ۳ کلاس شدت سیل را برای مجموع ۱۵ ترکیب ممکن با هم تلاقی می‌کنند. ^۳۰. ارتباط مکانی مکان‌های زمینی با نزدیکترین تخمین‌های ESLR در امتداد ساحل، که از طریق موزاییک‌کاری تیسن انجام می‌شود، تمام پیکسل‌های ارتفاعی داخلی رستری مرتبط با یک مقدار نمونه ESLR خاص را شناسایی می‌کند. متعاقباً، کم کردن مقادیر ارتفاع از تخمین‌های ESLR پیش‌بینی‌شده، امکان تعیین وسعت جغرافیایی مناطقی را که احتمالاً تحت تأثیر افزایش سطح اقیانوس‌ها در آینده قرار می‌گیرند، فراهم می‌کند . ^۳۱. بزرگی سیل با در نظر گرفتن فاصله خط ساحلی و شیب زمین تخمین زده شد. شیب در واقع یک معیار دقیق برای هیدرولوژی زمین است ^{۳۲ ، ۳۳} ، که به آن اجازه می‌دهد مسیرهای سیلاب را در نظر بگیرد. سپس، یک تابع واپاشی نمایی اعمال می‌شود و مناطقی که پیکسل‌هایی با پیوستگی مکانی با خط ساحلی یا با بدنه‌های آبی دائمی که مستقیماً به آن متصل هستند، ندارند، به عنوان مناطق ایزوله شناسایی و حذف می‌شوند ^۳۲٫ در نتیجه، نقشه‌های سیل به دست می‌آوریم که در آنها هر سلول ۳۰ متر × ۳۰ متر از ۰ تا ۱۰۰ متغیر است. این مقدار به مساحت هر سلول که در آب فرو رفته است اشاره می‌کند و امکان ایجاد تخمین‌های خاص مکانی از آسیب‌پذیری سیل را فراهم می‌کند.

بینش‌های تاریخی و پیش‌بینی‌های آینده

اولین نتیجه حاصل از پیش‌بینی‌های ما (شکل ۱ ) این است که قرار گرفتن بیشتر در معرض ESLR به طور خطی با مساحت بزرگتری از زمین‌های تحت تأثیر مرتبط نیست. این به دلیل مورفولوژی و هیدرولوژی خط ساحلی است. به عنوان مثال، در ساحل غربی ایرلند، پیش‌بینی‌های ESLR بسیار شدید هستند، اما به دلیل صخره‌های بسیار بلند و شیب‌دار، مناطق آسیب‌پذیر در برابر یک رویداد شدید کوچکتر هستند . ^۳۴٫ برعکس، مناطقی وجود دارند که بزرگی پدیده شدید پیش‌بینی‌شده در آنها جزو شدیدترین‌ها نیست، اما عواقب آن می‌تواند فاجعه‌بار باشد، مانند دلتای نیل. شکل ۱a نشان می‌دهد که ۵ منطقه کلان وجود دارد که آسیب‌پذیری قابل توجهی در برابر رویدادهای ESLR نشان می‌دهند. اولین و قابل توجه‌ترین آنها، سواحل (i) بلژیک، هلند، آلمان و دانمارک را که رو به دریای شمال هستند، گروه‌بندی می‌کند. این منطقه علاوه بر سیل معروف و ذکر شده دریای شمال در سال ۱۹۵۳، سابقه طولانی در سیل ساحلی دارد. ^۳۵ رویداد دیگر با بزرگی مشابه در طول قرن‌ها رخ داده است که باعث گسترش مرگ و میر و ویرانی شده است. از جمله موارد قابل توجه در میان این موارد می‌توان به سیل سنت لوسیا در سال ۱۲۸۷، سیل سنت مارسلوس در سال ۱۳۶۲، سیل سنت فلیکس در سال ۱۵۳۰ و سیل کریسمس در سال ۱۷۱۷ اشاره کرد ^{. ۳۶} که هر کدام پتانسیل مرگبار امواج طوفانی دریای شمال را نشان می‌دهند. این رویدادها بخش وسیعی از شمال غربی اروپا را تحت تأثیر قرار دادند و در مجموع منجر به تقریباً ۱۴۰۰۰ مرگ و میر شدند . ^۳۵. بسیاری از این امواج طوفانی همچنین عواقب فاجعه‌باری در سراسر کانال انگلیس داشته‌اند و (ii) بریتانیا را به عنوان یکی دیگر از مناطق پرخطر شناسایی کرده‌اند. پس از این موارد، (iii) دره پو، (iv) ساحل غربی فرانسه و (v) دلتای نیل قرار دارند . ^۳۷ .

این مناطق به دلیل تلاقی عوامل محیطی و انسانی، آسیب‌پذیری فزاینده‌ای را در برابر ESLR تجربه می‌کنند. در منطقه دریای شمال و بریتانیا، افزایش موج‌های طوفان اغلب افزایش سطح دریا را تشدید می‌کند و خطرات مربوط به زیرساخت‌ها و زیستگاه‌های ساحلی را تشدید می‌کند. برعکس، در دره پو و دلتای نیل ^۳۷ ، فرونشست ناشی از فرآیندهای طبیعی و انسانی منجر به کاهش قابل توجه ارتفاع زمین نسبت به سطح دریا شده و آسیب‌پذیری آنها را در برابر سیل افزایش می‌دهد. علاوه بر این، این مناطق از درجات مختلفی از مدیریت ناکافی ساحلی رنج می‌برند که نمی‌تواند اثرات افزایش سطح دریا را به طور مؤثر کاهش دهد. این عوامل با هم ترکیب می‌شوند تا فراوانی و شدت سیل ^۳۸ را افزایش دهند و خطرات قابل توجهی را برای سیستم‌های اکولوژیکی، ثبات اقتصادی و جمعیت‌های انسانی در این مناطق ایجاد کنند ^{۳۳ ، ۳۶ ، ۳۹} .

با توجه به پنج سناریوی تغییر اقلیم که قبلاً ذکر شد، مشاهده می‌کنیم که مساحت تحت تهدید رویداد ESLR با شدت پیش‌بینی اقلیمی و بازه زمانی در نظر گرفته شده افزایش می‌یابد. بنابراین – همانطور که به طور منطقی انتظار می‌رفت – سناریوی RCP8.5 بسیار شدیدتر از RCP4.5 است و به طور مشابه ^، پیش‌بینی‌ها برای سال ۲۱۰۰ بدتر از پیش‌بینی‌های سال ۲۰۵۰ و سناریوی پایه ^۲۹ است . در سناریوی پایه، کل مساحت تخمینی تحت تهدید ESLR در امتداد سواحل اروپا و شمال آفریقا از ۴۴۰۱۴ تا ۴۹۸۴۹ کیلومتر مربع با میانگین ۴۶۶۱۴ کیلومتر مربع متغیر است ^. این ^مقادیر نسبتاً ثابت می‌مانند و به ترتیب افزایش جزئی ۸٪ و ۱۱٪ برای سناریوهای RCP4.5 و RCP8.5 به طور متوسط ​​در سه سطح خطر در بازه زمانی پیش‌بینی ۲۰۵۰ مشاهده می‌شود. با این حال، افزایش‌های قابل توجه‌تری در پیش‌بینی‌های سال ۲۱۰۰ مشاهده می‌شود. به طور خاص، منطقه در معرض خطر برای سناریوی RCP4.5، ۱۸٪ نسبت به سناریوی پایه و برای سناریوی RCP8.5، ۳۵٪ نسبت به سناریوی پایه ۳۸ افزایش می‌یابد. اگرچه سناریوی پایه ارجحیت دارد، اما ما شاهد افزایش جزئی در سال ۲۰۵۰ بدون تفاوت قابل توجه بین دو سناریوی RCP در سه سطح خطر هستیم. از سوی دیگر، در بازه زمانی ۲۱۰۰، ما شاهد تفاوت‌های قابل توجه بین سناریوهای RCP8.5 و RCP4.5 هستیم، به ویژه برای شدیدترین رویدادهایی که بعید به نظر می‌رسند اما می‌توانند مخرب‌ترین اثرات را داشته باشند، که منجر به افزایش ۲۴ درصدی در مناطقی با آسیب‌پذیری کم می‌شود. با توجه به تشدید این خطرات، ضروری است که استراتژی‌های مدیریت ساحلی قوی و آینده‌نگرانه‌ای را که شامل اقدامات کاهش و سازگاری متناسب با این آسیب‌پذیری‌ها هستند، ادغام کنیم و تاب‌آوری جوامع آسیب‌دیده را در برابر SLR قریب‌الوقوع و رویدادهای شدید مرتبط تضمین کنیم . ^۸

از پوشش گیاهی تا تلفات محصولات کشاورزی

پس از تخمین مناطق تحت تأثیر ESLR، تجزیه و تحلیل بیشتر برای بررسی تأثیرات اقتصادی و اجتماعی انجام شد. برای این منظور، مناطق ESLR با Corine Global Land Cover ^۴۰ همپوشانی شده و تقاطع‌ها محاسبه می‌شوند.

در شکل ۲٫A ، ما شاهد شیوع قابل توجهی از زمین‌های کشاورزی آسیب‌پذیر (شکل‌های ۲٫A و ۲٫C ) هستیم که ۴۹٫۷٪ از کل را تشکیل می‌دهد، در مقایسه با مناطق طبیعی (۴۷٫۸٪) (شکل‌های ۲٫A و ۲٫D ) و شهری (۲٫۵٪) (شکل‌های ۲٫A و ۲٫B ). الگوهای مختلف تغییرات در LC منطقه آسیب‌دیده نیز در شکل ۳٫A نشان داده شده است . زمین‌های کشاورزی کمترین تغییرپذیری را در سناریوهای مختلف نشان می‌دهند (شکل‌های ۳٫A و ۳٫C ). این الگو را می‌توان با توزیع مکانی زمین‌های کشاورزی توضیح داد که معمولاً در مناطق ساحلی کم‌ارتفاع نزدیک به دهانه رودخانه‌ها و مصب رودخانه‌ها قرار دارند – مناطقی که از نظر تاریخی به دلیل خاک‌های حاصلخیز، دسترسی آسان به آبیاری و اتصال حمل و نقل ^۴۱ مورد توجه بوده‌اند . در نتیجه، زمین‌های کشاورزی حتی در معرض رویدادهای ESLR متوسط ​​​​نیز قرار دارند که آسیب‌پذیری مداوم آنها را برجسته می‌کند. در مقابل، مناطق شهری آسیب‌پذیری بالاتری در برابر رویدادهای خارق‌العاده نشان می‌دهند ⁽ شکل ۳٫B ) – که اگرچه احتمال وقوع کمتری دارند، اما می‌توانند تأثیر شدیدتری داشته باشند ^(۴۲) . یک نمایه آسیب‌پذیری متفاوت: در حالی که میزان مطلق قرار گرفتن آنها کمتر است، حساسیت آنها به رویدادهای فاجعه‌بار ESLR به طور قابل توجهی بیشتر است. این نشان دهنده شیوه‌های برنامه‌ریزی شهری استراتژیک دیرینه است که تمایل دارند شهرها را کمی در داخل خشکی قرار دهند یا از طریق پدافندهای مهندسی شده مانند خاکریزها، دیوارهای دریایی و موانع موج طوفان از آنها محافظت کنند ^{(۴۳ ، ۴۴} ). این مشاهده با دیدگاه‌های برنامه‌ریزی شهری استراتژیک که مناطق شهری را دور از ساحل یا در مکان‌هایی که توسط موانع طبیعی یا مصنوعی محافظت می‌شوند، قرار می‌دهند، سازگار است ^(۴۵ ). اگرچه شهرها در شرایط متوسط ​​سطح دریا بهتر محافظت می‌شوند، اما همچنان در معرض سناریوهای شدید هستند که می‌توانند هم محافظت‌های طبیعی و هم مصنوعی را تحت الشعاع قرار دهند و منجر به آسیب قابل توجه به زیرساخت‌ها و افزایش خطرات برای جان انسان‌ها شوند ^(۴۶) . بنابراین، نتایج ما دو آسیب‌پذیری متمایز اما مکمل را برجسته می‌کند: (i) زمین‌های کشاورزی در معرض طیف وسیعی از سناریوهای ESLR قرار دارند که خطرات سیستماتیکی را برای تولید مواد غذایی ایجاد می‌کنند. در حالی که (ii) مناطق شهری در طول رویدادهای نادر و شدید، با پیامدهای اجتماعی و اقتصادی بالقوه ویرانگر، در معرض خطر حاد قرار دارند. آسیب‌پذیری شدید زمین‌های کشاورزی در برابر ESLR، به دلیل از دست دادن احتمالی تولید کشاورزی ناشی از سیل در زمین‌های کشاورزی ساحلی با ارزش بالا، تهدیدی جدی برای امنیت غذایی اروپا محسوب می‌شود. ^{۴۲ ، ۴۴} (شکل ۳٫C)بسیاری از مناطق حاصلخیز اروپا، مانند دلتاهای رودخانه در ایتالیا، هلند و مصر، در نزدیکی سواحل دریا واقع شده‌اند. از آنجایی که ESLR با تغییرات اقلیمی همچنان تشدید می‌شود، احتمال کاهش تولیدات کشاورزی و به خطر افتادن زنجیره‌های تأمین مواد غذایی می‌تواند منجر به افزایش ناامنی غذایی در سراسر قاره شود و نیاز فوری به شیوه‌های کشاورزی انعطاف‌پذیر و تقویت دفاع ساحلی را برجسته می‌کند . ^۴۵

ارزیابی تأثیر کشاورزی ESLR بر زمین‌های ساحلی

با بررسی عمیق‌تر تحلیل اقتصادی، ما اثرات یک رویداد ESLR بر تولید کشاورزی را در سناریوهای مختلف تغییر اقلیم، کمی‌سازی کردیم. با استفاده از مجموعه داده‌های GAEZ 2015 ^۴۸ ، که داده‌های بهره‌وری را برای ۲۶ محصول با وضوح تقریبی ۸٫۵ کیلومتر مربع ارائه می‌دهد ^، میزان ضرر بالقوه در تولید کشاورزی را که می‌تواند از چنین رویدادی ناشی شود، تخمین زدیم ^۴۹٫ با همپوشانی پیش‌بینی‌های ESLR بر روی مجموعه داده‌های GAEZ، درصد هر سلول آسیب‌پذیر در برابر ESLR را محاسبه کردیم.

ما فرض کردیم که در سال وقوع این رویداد هیچ تولیدی صورت نگرفته و توزیع محصول در هر سلول یکنواخت بوده است، که ما را قادر ساخت تا میزان کلی از دست دادن بهره‌وری کشاورزی را تخمین بزنیم. نمودار همراه، میانگین از دست دادن بهره‌وری کشاورزی را برای هر کشور نشان می‌دهد (شکل ۴٫A ). نکته قابل توجه این است که هلند بالاترین درصد از دست دادن را نشان می‌دهد، که از ٪ در سناریوی پایه تا ۱۸٫۸۱٪ در بدترین حالت متغیر است. کشورهای دیگر مانند لیبی، پرتغال، ایتالیا، فرانسه، آلمان و آلبانی، تلفاتی بین ۱ تا ۱۰ درصد را نشان ^{می‌دهند} .

پیش‌بینی‌های ما نشان می‌دهد که تأثیر اقتصادی ESLR بر کشاورزی می‌تواند شدید باشد، به‌ویژه در مناطقی که زمین‌های کشاورزی در نزدیکی ساحل قرار دارند. به‌طور خاص، وضعیت مصر نشان می‌دهد که چگونه حتی مواجهه اندک با ESLR، با توجه به مورفولوژی و کاربری زمین منطقه، می‌تواند منجر به اثرات فاجعه‌بار شود. دلتای نیل، منطقه‌ای پرجمعیت و بسیار تغییر یافته، تقریباً تمام فعالیت‌های کشاورزی و سایر فعالیت‌های تولیدی کشور را در خود جای داده است. یک رویداد ESLR شدید در این منطقه، همانطور که در تحلیل ما منعکس شده است، عواقب فاجعه‌باری خواهد داشت. برای تخمین تأثیر اقتصادی این پدیده، داده‌های بهره‌وری برای هر سلول (اندازه‌گیری شده بر حسب ۱۰۰۰ تن) در قیمت هر تن که توسط FAOSTAT برای هر کشور ثبت شده است، ضرب می‌شود . ^۵۱٫ این تحلیل نتایج جالبی را به همراه دارد و کشورهایی را آشکار می‌کند که ممکن است در نگاه اول چندان تحت تأثیر قرار نگرفته باشند. اگرچه مصر از نظر کل خسارات کشاورزی همچنان در صدر جدول قرار دارد، اما هلند، ترکیه، فرانسه و آلمان نیز در کنار بریتانیا و بلژیک، عمدتاً به دلیل محصولات خاصی که احتمالاً تحت تأثیر ESLR قرار می‌گیرند، به‌طور قابل‌توجهی تحت تأثیر قرار می‌گیرند. هلند به دلیل ژئومورفولوژی خاص خود، علیرغم اتخاذ استراتژی‌های کاهش اثرات، به طور قابل توجهی تحت تأثیر قرار گرفته است. این استراتژی‌ها شامل ساخت دیوارهای دریایی و خاکریزها برای محافظت، در درجه اول جمعیت و زیرساخت‌های اصلی، در برابر رویدادهای ESLR است.

ترکیه یک مورد قابل توجه ^۵۲ را ارائه می‌دهد ، که مناطق خاصی از آن در برابر ESLR آسیب‌پذیر هستند، مانند منطقه بافرا. بافرا که در منطقه‌ای پست در نزدیکی ساحل دریای سیاه واقع شده و رودخانه قزل‌ایرماق از آن می‌گذرد، کمترین تأثیر را از موج‌های طوفانی دریای سیاه می‌گیرد ^۵۱٫ با این حال، پیش‌بینی‌ها نشان می‌دهد که برخی از مناطق هنوز در معرض خطر سیل هستند. با توجه به اینکه این زمین‌ها از حاصلخیزترین زمین‌های ترکیه هستند و برای کشت تنباکوی باکیفیت مورد استفاده قرار می‌گیرند، پیامدهای اقتصادی آن می‌تواند قابل توجه باشد. با در نظر گرفتن ارزش کل تولید آسیب‌پذیر در برابر ESLR در تمام محصولات و کشورها برای ۱۰۰ سال آینده ^۵۳، کل مبلغ از ۸۰۰ میلیون دلار در بهترین حالت تا ۱٫۵ میلیارد دلار در بدترین حالت متغیر است (شکل ۵ ).

این یافته‌ها بر نیاز فوری به اقدامات پیشگیرانه برای حفاظت از بهره‌وری کشاورزی در مواجهه با خطرات فزاینده ناشی از افزایش شدید سطح آب دریا تأکید می‌کند ^. تجربه هلند نشان می‌دهد که برای دستیابی به توافق و اجرای طرح‌های حفاظت از سواحل در مقیاس بزرگ، به ۲۵ تا ۵۰ سال زمان نیاز است ^{. تفاوت} در میزان خسارت‌های احتمالی در کشورهای مختلف، اهمیت استراتژی‌های خاص منطقه را که شیوه‌های کشاورزی محلی ، انواع محصولات و آسیب‌پذیری‌های جغرافیایی هر منطقه را در نظر می‌گیرند، برجسته می‌کند. برای کشورهایی مانند هلند، که حتی در سناریوهای کم‌خطرتر نیز خسارات قابل توجهی پیش‌بینی می‌شود، بهبود دفاع ساحلی قوی و توسعه گونه‌های مقاوم به شوری می‌تواند برخی از اثرات منفی را کاهش دهد ^. علاوه بر این، تقویت سیستم‌های هشدار اولیه و بهبود برنامه‌ریزی منطقه‌ای می‌تواند به کاهش بار اقتصادی بر کشورهای دارای مناطق پرخطر مانند دلتای نیل و بافرا کمک کند. علاوه بر این، تحقیقات اخیر نشان داده است که گونه‌های خاصی که به دلیل پتانسیل سوخت زیستی شناخته شده‌اند، نمی‌توانند به تنهایی مکانیسم‌های بسیار سازگار با تنش شوری را فعال کنند (بسیار بالا در زمین‌های تحت تأثیر ESLR)، بلکه حتی در خاک‌های شور نیز رشد می‌کنند (به عنوان مثال Schrenkiella parvula از خانواده Brassicaceae) ^۵۵ ، از این رو این نشانه‌ای است که استراتژی‌های کشاورزی با هدف سازگاری با تغییرات اقلیمی ممکن است باعث بازنگری در الگوی کشاورزی فعلی، ترجیح محصولات سوخت زیستی در خاک‌های شور، و در نتیجه ذخیره زمین‌های زراعی غیر شور برای محصولات تجاری شود.

با توجه به مخاطرات اقتصادی مربوطه، همکاری بین‌المللی و تأمین بودجه برای تحقیق در مورد شیوه‌های کشاورزی مقاوم ^۱۵ و فناوری‌های سازگاری با آب و هوا بسیار مهم خواهد بود ^۴۶. این تلاش‌های مشترک نه تنها باید با هدف جلوگیری از خسارات فوری، بلکه با هدف تضمین پایداری بلندمدت ^۵۶ سیستم‌های تولید مواد غذایی در سطح جهان، از آنها در برابر رویدادهای ESLR آینده و سایر چالش‌های مرتبط با آب و هوا محافظت کند ^۴۸ .

شناسایی ناحیه آسیب‌پذیر ESLR

در این مطالعه، ما از پیش‌بینی‌های ESLR توسعه‌یافته توسط ووسدوکاس و همکاران، ^۲۱، برای مشخص کردن مناطق آسیب‌پذیر در برابر رویدادهای افزایش شدید سطح دریا (ESLR) در سراسر اروپا و شمال آفریقا استفاده کردیم. پیش‌بینی‌های ESLR توسط ووسدوکاس و همکاران، ^۲۱، به این دلیل انتخاب شدند که جدیدترین و جامع‌ترین تخمین‌های مکانی را ارائه می‌دهند و مبتنی بر یک چارچوب قوی اقلیمی هستند. مجموعه داده‌های آنها بین افزایش نسبی سطح دریا و رویدادهای شدید تمایز قائل می‌شود، در عین حال معیارهای ESLR یکپارچه و مقادیر دوره بازگشت ۱۰۰ ساله را بر حسب متر ارائه می‌دهد – که ادغام مستقیم با داده‌های ارتفاعی را تسهیل می‌کند و ارزیابی‌های ریسک و خسارات اقتصادی مداوم را امکان‌پذیر می‌سازد. یک نقشه رستری با وضوح ۹۰ متر برای برجسته کردن این مناطق در معرض خطر تولید شد. مدل مکانی توسعه‌یافته شامل DeltaDTM ^۲۶ ، یک مجموعه داده ارتفاعی ساحلی با وضوح تقریبی ۳۰ متر (برای اروپا و شمال آفریقا) و AHN DEM، یک DTM 0.5 (وضوح مکانی ۰.۵ متر) فقط برای هلند است. از این رو، برای هلند از مجموعه داده‌های دقیق‌تری (AHN، با وضوح ۰٫۵ متر) استفاده می‌شود، جایی که داده‌های ارتفاعی دقیق و زیرساخت‌های حفاظتی گسترده‌ای در دسترس است. این امر امکان نمایش دقیق‌تر موانع ساخته دست بشر مانند خاکریزها و دیوارهای دریایی را فراهم می‌کند. برای سایر کشورها، عناصر اصلی حفاظت ساحلی را با استفاده از داده‌های مرکز و شبکه فناوری آب و هوا (CTCN) که اطلاعات جهانی در مورد دفاع ساحلی ارائه می‌دهد، لحاظ می‌کنیم. دلیل این امر آن است که هلند، از زمان سیل ویرانگر دریای شمال در سال ۱۹۵۳، تنها کشوری است که اقدامات گسترده حفاظت از سیل را اجرا کرده است و به این کشور اجازه می‌دهد تا به طور مؤثر اثرات افزایش سطح دریا و رویدادهای شدید سطح دریا را کاهش دهد تا نه تنها از زمین‌های کشاورزی، بلکه از مناطق پرجمعیت، فعالیت‌های اجتماعی-اقتصادی و زیرساخت‌های حیاتی نیز محافظت کند.

کشورهای دیگری مانند بریتانیا، ایتالیا، آلمان و ایالات متحده چند سیستم موانع دریایی و سد خاکی را اجرا کرده‌اند که با سیستم یکپارچه هلند قابل مقایسه نیستند. با این وجود، برای در نظر گرفتن این عناصر برای سایر کشورها، یک مجموعه داده اصلی با سد خاکی و سد خاکی بر اساس مرکز فناوری آب و هوا و شبکه ^۶۰ ایجاد و سپس با DTM ادغام شد. به این ترتیب، ما اطمینان حاصل می‌کنیم که در تجزیه و تحلیل، ساختارهای سازگاری ساخته دست بشر را که تأثیر ESLR را در مناطق ساحلی که در آن حضور دارند، به طور گسترده کاهش می‌دهند، در نظر بگیریم. در نتیجه، ارزیابی ما باید به عنوان منعکس کننده یک مبنای عدم سازگاری برای اکثر کشورها، با استثنائات محدود در مواردی که داده‌ها اجازه می‌دهند، تفسیر شود. در حالی که این رویکرد امکان ادغام جزئی اقدامات ساختاری در مقیاس بزرگ را فراهم می‌کند، ما اذعان داریم که حفاظت‌های محلی یا در مقیاس کوچک‌تر ممکن است به دلیل عدم وجود داده‌های هماهنگ و با وضوح بالا در کل منطقه مورد مطالعه، به طور کامل ثبت نشوند. بنابراین، تلاش‌های آینده باید ادغام (که به راحتی در مدل ما قابل اجرا است) مجموعه داده‌های کامل‌تر در مورد حفاظت ساحلی را در اولویت قرار دهند تا سناریوهای سازگاری را در مقیاس محلی دقیق‌تر، زمانی که این داده‌ها در دسترس قرار گیرند، بهتر نشان دهند. برای این منظور، کاشی‌های منفرد با فرمت .tif، با استفاده از اسکریپت‌های جاوا اسکریپت در موتور گوگل ارث پردازش شدند.

در حالی که پیش‌بینی‌های ESLR که ما به کار می‌بریم، در حال حاضر تعاملات پویا بین جزر و مد، امواج و طغیان‌های طوفانی در آب‌های ساحلی آزاد را منعکس می‌کنند، رویکرد مدل‌سازی ما این سطوح پیش‌بینی‌شده دریا را به اثرات مکانی-صریح خشکی تبدیل می‌کند. برای انجام این کار، ما از یک روش اتصال هیدرولوژیکی استفاده می‌کنیم که نه تنها ارتفاع مطلق، بلکه مسیرهای جریان توپوگرافی و شیب را نیز در نظر می‌گیرد. این روش با جلوگیری از گسترش غیرواقعی آب در خشکی بر روی حوضه‌های ایزوله، مدل‌های ساده «وان حمام» را بهبود می‌بخشد و یک مصالحه عملی بین واقع‌گرایی فیزیکی و مقیاس‌پذیری ارائه می‌دهد. اگرچه این روش پیچیدگی کامل هیدرودینامیک ساحلی یا بالاروی موج را شبیه‌سازی نمی‌کند، اما یک چارچوب قابل اعتماد و تکرارپذیر برای ارزیابی قرار گرفتن در معرض سیل در مناطق جغرافیایی بزرگ و تحت سناریوهای مختلف ESLR آینده فراهم می‌کند.

برای ادغام سناریوهای ESLR با دوره بازگشت ۱۰۰ ساله ارائه شده توسط مرکز تحقیقات مشترک (JRC) در قالب .csv، این فایل‌ها را به قالب نقطه‌ای .shp تبدیل کردیم. توزیع مکانی داده‌های نقطه‌ای نیاز به شبکه‌ای از چندضلعی‌های تیسن داشت که از طریق نمودار ورونوی ساخته شده بود. این رویکرد روش‌شناختی تضمین می‌کند که هر منطقه در مدل با نزدیکترین نقطه پیش‌بینی ساحلی مرتبط است و تجزیه و تحلیل مکانی پیوسته را تسهیل می‌کند ^۵۹٫ چندضلعی‌های تیسن با استفاده از ArcGIS Pro تولید و متعاقباً رستری شده و برای پردازش بیشتر در Google Earth Engine (GEE) بارگذاری شدند.

منطق شناسایی مناطق آسیب‌پذیر ESLR ^{به شرح زیر} است :

با توجه به L و S، دو مجموعه که به ترتیب نشان‌دهنده نقاط روی خشکی و دریا هستند، و با تعریف توابع: که ارتفاع از سطح دریا را برای هر جفت مختصات مشخص می‌کند، و که هر نقطه روی ساحل، را با مقدار نسبی ارتفاع رویداد شدید سطح دریا مرتبط می‌کند، تابع ریسک R تابع و تبدیل ورونوی را تعریف کردیم. این تابع مناطق آسیب‌پذیر را شناسایی می‌کند و مقداری بین ۰ و ۱ به آنها اختصاص می‌دهد، در حالی که مناطق غیر آسیب‌پذیر و آب‌های آزاد Null در نظر گرفته می‌شوند. تابع ریسک به صورت معکوس تابع نمایی هزینه-فاصله R(x,y) تعریف می‌شود . تابع هزینه، تابعی است که مقاومت یا دشواری انتشار رویداد سطح دریا به داخل خشکی را بسته به شیب‌های توپوگرافی محلی، زبری سطح و پیوستگی زمین‌های پست، کمّی می‌کند. به عبارت دیگر، مناطقی با ارتفاع کم و اتصال زیاد به خط ساحلی، هزینه کمتر و در نتیجه مقادیر ریسک بالاتری خواهند داشت، در حالی که مناطقی که در ارتفاعات بالاتر قرار دارند یا توسط موانع توپوگرافی قابل توجهی از هم جدا شده‌اند، هزینه‌های بالاتر و در نتیجه امتیاز ریسک کمتری را نشان می‌دهند. به این ترتیب، فاصله از ساحل، مورفولوژی زمین و کاهش نمایی سیل نیز در نظر گرفته می‌شود. برای انجام این کار، از GEE (یک کتابخانه Arcpy Python که برای نمایش کاشی‌های نقشه و چاپ نمایش‌های غنی Earth Engine استفاده می‌شود) برای محاسبه تفاوت‌های بین پیش‌بینی‌های DEM و ESLR استفاده شد. به سلول‌هایی که اختلاف مثبت داشتند ، مقدار تهی اختصاص داده شد که نشان‌دهنده مناطقی است که تحت تأثیر ESLR قرار نگرفته‌اند، در حالی که به سلول‌هایی که مقادیر منفی داشتند، مقدار برابر با ۱ داده شد که نشان‌دهنده مناطقی است که احتمالاً تحت تأثیر ESLR قرار گرفته‌اند. سپس، از این مناطق برای ماسک کردن مکانی لایه‌های رستری شیب که با استفاده از بسته TAGEE در GEE استخراج شده‌اند، استفاده شد. این لایه‌های رستری در ArcGIS Pro استخراج و پردازش شدند. تابع ریسک قبلاً تعریف شده در محیط ESRI با استفاده از ابزار Distance Accumulation پیاده‌سازی شد، که در آن لایه‌های شیب به عنوان رستر هزینه عمل می‌کردند، خط ساحلی OpenStreetMap (OSM) به عنوان منبع سیل تعیین شد در حالی که فایل شکل اصلی Sea Barriers به ​​عنوان مانع طغیان تنظیم شد. این عملیات بسیار مهم است، زیرا نتایج مثبت کاذب، مانند مناطق فرورفته زیر سطح دریا، بدون هیچ ارتباط مکانی با آب‌های آزاد و/یا واقع در صدها کیلومتر از ساحل را حذف می‌کند. در نهایت، یک تابع نمایی معکوس طبق گفته بوتل و همکاران (۲۰۱۶) برای مدل‌سازی گسترش طغیان ^{۵۸ اعمال شد.}این روش برای تمام جایگشت‌های ممکن از جمله: سناریوهای تغییر اقلیم، بازه‌های زمانی و سطوح آسیب‌پذیری اجرا شد. بنابراین، این روش منجر به ۱۵ رستر tif تک باندی شد. هر رستر دارای پیکسل‌هایی با مقادیری از ۰ تا ۱۰۰ است که مساحت هر پیکسل را تحت تهدید یک رویداد ESLR نشان می‌دهد. به این ترتیب، ما نقشه‌های مکانی صریحی تولید می‌کنیم که وسعت مکانی یک رویداد ESLR را با احتمال افزایشی حاشیه‌ای ۱٪ در هر سال نشان می‌دهد.

ارزیابی پوشش زمین

نقشه‌برداری آسیب‌پذیری، بینش‌های مهمی را برای تحلیل‌های زیست‌محیطی و اجتماعی-اقتصادی، به‌ویژه از طریق کاوش پوشش زمین در مناطق مستعد ESLR، ارائه می‌دهد. رویکرد اولیه ما شامل بررسی دقیق ویژگی‌های پوشش زمین است ^۴۷٫ ما از روشی استفاده کردیم که وسعت جغرافیایی پیش‌بینی‌شده پیش‌بینی‌های آینده ESLR را بر روی نقشه‌های کاربری زمین فعلی همپوشانی می‌کند و امکان ارزیابی اثرات بالقوه را در دسته‌های مختلف کاربری زمین فراهم می‌کند. به‌طور خاص، ما از Corine Global Land Cover ^۴۰ استفاده کردیم که آن را در EPSG:3035 با وضوح تقریبی ۱۰۰ متر ^۲۳ دوباره پیش‌بینی کردیم . برای ساده‌سازی تحلیل، ۲۰ کلاس نماینده عناصر طبیعی – به استثنای مواردی که به عنوان «ساخته شده» (کد ۴۰) و «زمین‌های زراعی» (کد ۵۰) تعیین شده‌اند – در یک کلاس «طبیعی» ادغام کردیم که منجر به سه دسته اصلی شد: ساخته شده، زمین‌های زراعی و طبیعی ^۱۰ .

متعاقباً، با فرض ثابت ماندن الگوهای کاربری زمین و مقادیر مرتبط در آینده، لایه Corine طبقه‌بندی‌شده با ۱۵ سناریوی پیش‌بینی ESLR مجزا همپوشانی می‌شود. این ادغام، مقادیر پوشش زمین را به لایه‌های ESLR مربوطه اختصاص می‌دهد و طبقه‌بندی هر پیکسل را بر اساس آسیب‌پذیری آن در برابر افزایش سطح دریا تسهیل می‌کند. سپس از تابع «Tabulate Area» در Arcpy برای محاسبه مساحت تحت پوشش پیکسل‌ها در هر کلاس استفاده می‌شود. نتایج این تحلیل مکانی با دقت گردآوری و در قالب جدولی ^۲۹ ذخیره شد . این رویکرد اصلاح‌شده نه تنها درک ما از توزیع مکانی بالقوه و شدت اثرات ESLR را افزایش می‌دهد، بلکه از تصمیم‌گیری قوی برای استراتژی‌های کاهش و سازگاری در مناطق ساحلی آسیب‌پذیر نیز پشتیبانی می‌کند و اهمیت اتخاذ آن را در بخش کشاورزی نیز برجسته می‌کند.

خسارات تولید کشاورزی و تأثیرات اقتصادی

با توجه به اینکه ۴۹.۷٪ از زمین‌های تحت تأثیر افزایش شدید سطح دریا (ESLR) کشاورزی هستند، ما به ارزیابی پتانسیل از دست رفتن قابلیت زمین و ارزش محصولات کشاورزی ناشی از چنین رویدادهایی پرداختیم. برای این تجزیه و تحلیل، ما از مجموعه داده‌های مناطق جهانی کشاورزی-اکولوژیکی (GAEZ) 2015 استفاده کردیم. این مجموعه داده‌ها، داده‌های جهانی و شبکه‌ای (با وضوح ۵ دقیقه قوسی) را در مورد مناطق کشت آبی و دیم، تولید و عملکرد در ۲۶ محصول و دسته مختلف محصول، بر اساس آمار ملی، ارائه می‌دهد. ابتدا، فایل‌های .tif از GAEZ 2015 به سیستم مختصات ETRS 1989 LAEA (EPSG: 3035) بازطراحی شدند. با استفاده از کتابخانه پایتون GDAL، سلول‌های آسیب‌پذیر ESLR (حدود ۳۰ متر) را در هر سلول GAEZ (حدود ۸.۶ کیلومتر) کمّی کردیم. سپس مکمل درصد هر سلول GAEZ آسیب‌پذیر در برابر ESLR را محاسبه می‌کنیم. این منجر به ایجاد یک رستر از ۰ تا ۱ می‌شود که در آن سلول‌های با مقدار ۱ نشان دهنده عدم تأثیر ESLR هستند، در حالی که سلول‌های با مقدار ۰ کاملاً تحت تأثیر یک رویداد ESLR قرار می‌گیرند. سپس این رستر مشتق شده در رستر بهره‌وری GAEZ ضرب شد تا تلفات بهره‌وری کشاورزی برای هر یک از ۱۵ سناریوی تغییر آب و هوا و در ۲۶ محصول ^۴۷ تخمین زده شود . این محاسبه توزیع یکنواخت مناطق کشت شده در هر سلول و ترکیب ثابت محصولات را در طول زمان فرض می‌کند. این فرضیات ما را قادر ساخت تا با دقت معقول، کل تولید کشاورزی برای هر کشور و خسارات مربوطه مربوط به رویدادهای ESLR ^۴۳ را تخمین بزنیم .

برای تخمین تأثیر اقتصادی یک رویداد ESLR، ما نمودار بهره‌وری کشاورزی (به ازای هر پیکسل ۱۰۰۰ تن) را برای هر یک از ۱۵ سناریو در قیمت تولیدکننده به ازای هر تن از هر محصول بر اساس کشور ضرب کردیم. قیمت ۲۶ محصول – یا گروه محصولات – توسط FAOSTAT دانلود می‌شود و دسته‌های محصولات بر اساس فراداده GAEZ 2015 ایجاد می‌شوند. سپس، آمار منطقه‌ای برای تجمیع داده‌ها در سطح ملی (NUTS-0) محاسبه می‌شود. این محصولات همچنین در ۶ کلاس اصلی طبق طبقه‌بندی FAO گروه‌بندی می‌شوند. این امر درک بهتری از روندهای کلان کشاورزی و جزئیات خاص بخش را ممکن می‌سازد (شکل ۶ ). سایر آمارهای توصیفی برای تکمیل تجزیه و تحلیل محاسبه می‌شوند و نتایج در نقشه‌ها نمایش داده می‌شوند. نتایج جالبی در مناطق فقیرتر به دست می‌آید که با مدیریت خوب زمین‌های ساحلی می‌توانند خطرات مرتبط با یک رویداد ESLR را کاهش دهند ^۱۸ .

چشم‌اندازهای آینده و محدودیت‌های کلیدی

این مطالعه به طور اساسی مناطق آسیب‌پذیر در برابر افزایش شدید سطح آب دریا (ESLR) را مشخص کرده و درک عمیق‌تری از خطرات بالقوه را تقویت کرده و امکان توسعه استراتژی‌های هدفمند برای مدیریت و کاهش زمین‌های ساحلی را فراهم کرده است . ^۱۲ یافته‌های ما از طریق تجزیه و تحلیل دقیق با استفاده از مدل‌های جغرافیایی و اقتصادی پیشرفته، تأثیرات عمیق ESLR را بر مناطق ساحلی، با تمرکز ویژه بر زمین‌های کشاورزی که ۵۸٪ از مناطق در معرض خطر را شامل می‌شوند، برجسته می‌کند. تحقیقات ما بر نیاز حیاتی به استراتژی‌های کاهش کارآمد برای کاهش مواجهه و افزایش تاب‌آوری، به ویژه در مناطق کشاورزی که ارزش اقتصادی و اجتماعی قابل توجهی را حفظ می‌کنند، تأکید می‌کند. ادغام پیش‌بینی‌های ESLR با مجموعه داده‌های GAEZ، دیدگاه جدیدی در مورد تأثیرات اقتصادی بالقوه ارائه داده است که نه تنها تهدیدات فوری، بلکه چالش‌های بلندمدت برای امنیت غذایی و ثبات اقتصادی منطقه‌ای را نیز نشان می‌دهد. این تأثیرات به ویژه در مناطقی مانند دلتای نیل برجسته‌تر است، جایی که حتی رویدادهای ESLR متوسط ​​​​نیز به دلیل جمعیت متراکم منطقه و وابستگی به کشاورزی می‌تواند عواقب فاجعه‌باری داشته ^باشد .

علاوه بر این، پیشرفت‌های روش‌شناختی در این مطالعه، چارچوبی قوی برای تحقیقات و سیاست‌گذاری‌های آینده ارائه می‌دهد. با ترکیب DTM با وضوح بالا، داده‌های موانع دریایی با داده‌های دقیق محصولات کشاورزی و اقتصادی، ما امکان نقشه‌برداری دقیق‌تر از آسیب‌پذیری ESLR و پیامدهای اقتصادی آن را فراهم کرده‌ایم. علاوه بر این، این مطالعه از یک رویکرد روش‌شناختی جامع استفاده می‌کند که جنبه‌های مورفولوژیکی و هیدرولوژی سیل را که هرگز در مقیاس بزرگ اعمال نشده بود، در نظر می‌گیرد. این رویکرد نه تنها درک ما از توزیع مکانی خطرات را افزایش می‌دهد، بلکه از تدوین استراتژی‌های سازگاری خاص منطقه نیز پشتیبانی می‌کند که در مواجهه با افزایش حوادث ESLR ضروری هستند. با این حال، این مطالعه بدون محدودیت نیست . ^۱۸٫ وضوح DTM جهانی به کار رفته، اگرچه در میان بالاترین وضوح‌های موجود در حال حاضر است، ممکن است به طور ناکافی ویژگی‌های جغرافیایی در مقیاس کوچک‌تر را که بر ارزیابی‌های آسیب‌پذیری تأثیر می‌گذارند، به ویژه ساختارهای انسانی مانند خاکریزها، دایک‌ها و دروازه‌های آب که برای جلوگیری از نفوذ آب دریا طراحی شده‌اند، نشان دهد. ما معتقدیم که با استفاده از DTM 0.5 متری برای هلند و ایجاد یک مجموعه داده با ویژگی‌های ساخته دست بشر، به طور مؤثر به این موضوع پرداخته‌ایم. با این حال، مطالعات موردی بسیار محلی با هدف تقلید از روش پیشنهادی، ممکن است از پذیرش داده‌های DTM و زیرساخت‌های با وضوح بالاتر مبتنی بر مکان، سود بیشتری ببرند.

نکته مهم روش‌شناختی دیگر مربوط به رویکرد مدل‌سازی سیل اتخاذ شده در مطالعه ما است. ما می‌دانیم که مدل توپوگرافی ما فرآیندهای پیچیده هیدرودینامیکی مانند برهمکنش‌های موج طوفان، بالاآمدگی موج یا تقویت جزر و مد را شبیه‌سازی نمی‌کند. با این حال، پیش‌بینی‌های ESLR که ما به عنوان ورودی استفاده کردیم – به ویژه پیش‌بینی‌های Vousdoukas و همکاران (۲۰۱۸) – از قبل این محرک‌های پویا را در نظر گرفته‌اند و تخمینی قوی از سطوح شدید مورد انتظار دریا در خط ساحلی تحت سناریوهای مختلف آب و هوایی ارائه می‌دهند. مدل ما با تبدیل آنها به الگوهای مواجهه داخلی، با استفاده از رویکرد هزینه-فاصله که ارتفاع، شیب و نزدیکی به خط ساحلی را در بر می‌گیرد، بر اساس این پیش‌بینی‌ها ساخته می‌شود. اگرچه این روش هیدرودینامیک نیست، اما امکان تقریب واقع‌بینانه از وسعت سیل زمینی در مقیاس قاره‌ای را فراهم می‌کند و تعادلی بین دقت و امکان‌سنجی محاسباتی برقرار می‌کند. این روش بهبود قابل توجهی نسبت به مدل‌های استاتیک “وان حمام” ارائه می‌دهد، در حالی که برای دامنه‌های مکانی بزرگ که شبیه‌سازی‌های هیدرولیکی با وضوح بالا امکان‌پذیر نیستند، قابل اجرا است. این چارچوب مدل‌سازی، در عین حال که ساده‌سازی شده است، رویکردی مؤثر و قابل تکرار برای شناسایی نقاط حساس در معرض خطر و پشتیبانی از برنامه‌ریزی سازگاری در مقیاس منطقه‌ای ارائه می‌دهد.

علاوه بر این، ما اذعان داریم که یکی از محدودیت‌های بالقوه تحلیل ما، فرض توزیع ثابت محصولات کشاورزی است که تخصیص مکانی و ترکیب زمین‌های کشاورزی را در طول زمان ثابت نگه می‌دارد. به این ترتیب، برآوردهای زیان اقتصادی ما، سازگاری‌های بالقوه آینده در الگوهای کشت یا تغییرات کاربری زمین را که ممکن است در پاسخ به فشارهای اقلیمی، تغییرات بازار یا پیشرفت‌های فناوری رخ دهد، در نظر نمی‌گیرد. در حالی که ما کاملاً موافقیم که این پویایی‌ها مهم هستند و شایسته بررسی در کارهای آینده هستند، گنجاندن آنها نیاز به پیش‌بینی‌های صریح مکانی دارد که در حال حاضر در وضوح و دامنه مطالعه ما در دسترس نیستند. اما مهمتر از آن، هدف اصلی کار ما ارائه یک ارزیابی ریسک واضح و ملموس برای سیاست‌گذاران و ذینفعان محلی بر اساس سیستم‌های کشاورزی موجود امروزی است. ما معتقدیم که ارجاع به توزیع‌های فعلی محصولات، درک فوری‌تر و مرتبط‌تری از آنچه در سناریوهای (ESLR) در معرض خطر است، فراهم می‌کند. در مقابل، ارائه نتایج بر اساس سیستم‌های کشاورزی فرضی آینده – در حالی که از نظر علمی معتبر هستند – خطر پنهان کردن پیامدهای مستقیم برای جوامع امروزی، سیستم‌های غذایی و اقتصادهای منطقه‌ای را به همراه دارد. ناگفته نماند که این سناریوهای آینده‌نگر نیز عدم قطعیت قابل توجهی دارند و به فرضیاتی وابسته‌اند که عدم قطعیت کلی نتایج تولید شده را تقویت می‌کنند. به همین دلایل، ما تصمیم گرفته‌ایم که تحلیل خود را بر اساس پیکربندی‌های کشاورزی امروزی بنا کنیم و تخمینی محافظه‌کارانه اما مرتبط با سیاست از تأثیرات بالقوه ESLR ارائه دهیم. این انتخاب از هدف اصلی مطالعه پشتیبانی می‌کند: افزایش آگاهی از خطراتی که متوجه چشم‌اندازهای کشاورزی فعلی است و اطلاع‌رسانی در مورد استراتژی‌های سازگاری به موقع و هدفمند.

با توجه به این یافته‌ها و محدودیت‌ها، ضروری است که تحقیقات آینده به اصلاح مدل‌های مکانی و اقتصادی تأثیر ESLR ادامه دهند . افزایش دقت مدل‌سازی، همراه با داده‌های پویای اقتصادی و کشاورزی، در توسعه استراتژی‌های مؤثرتر سازگاری و کاهش اثرات بسیار مهم خواهد بود. ^یک DTM با وضوح بالاتر که آب‌بندهای مصنوعی و دیوارهای دریایی را نیز در نظر بگیرد، پیش‌بینی‌های دقیق‌تر و به‌روزتری ارائه می‌دهد (اگرچه، تا آنجا که ما می‌دانیم، این امر برای مقیاس تجزیه و تحلیل انجام شده در این کار در دسترس نیست). این استراتژی‌ها باید نه تنها با مناظر فیزیکی و اقتصادی، بلکه با زمینه‌های اجتماعی-فرهنگی مناطق آسیب‌دیده نیز متناسب باشند و تضمین کنند که آسیب‌پذیرترین جوامع برای مقاومت در برابر چالش‌های ناشی از تغییرات اقلیمی مجهز هستند. اگرچه این مطالعه تجزیه و تحلیل کامل هزینه-فایده از گزینه‌های سازگاری را انجام نمی‌دهد، اما هشدار می‌دهیم که چارچوب‌بندی دقیق چنین مقایسه‌هایی پیرامون ارزش کشاورزی ممکن است گمراه‌کننده باشد. مناطق ساحلی اغلب دارایی‌های حیاتی متعددی را فراتر از زمین‌های زراعی، از جمله سکونتگاه‌های پرجمعیت، زیرساخت‌ها و مکان‌های میراث فرهنگی، متمرکز می‌کنند. بنابراین، اقدامات حفاظتی نه تنها باید از نظر بازده اقتصادی آنها، بلکه از نظر ضرورت اجتماعی آنها نیز ارزیابی شوند. با این وجود، این مطالعه با گزارش میزان مواجهه با زمین‌های کشاورزی در سطح ملی، ابزاری مقدماتی اما مرتبط با سیاست‌گذاری برای شناسایی مناطقی که برنامه‌ریزی سازگاری در آنها ممکن است به فوریت مورد نیاز باشد، ارائه می‌دهد. بنابراین، تحقیقات ما، با ارائه ارزیابی جامع از خطرات و یک طرح کلی دقیق برای کاهش، قطعه‌ای حیاتی از پازل تاب‌آوری اقلیمی را تکمیل می‌کند ^۵۸. این مطالعه خواستار رویکردی یکپارچه است که تحقیقات علمی را با سیاست‌گذاری عملی ترکیب می‌کند ^۵۹ ، و از همکاری و نوآوری بین‌المللی برای محافظت از آسیب‌پذیرترین مناطق ساحلی ما در برابر چالش‌های قریب‌الوقوع افزایش شدید سطح دریا ^{۲۱ ، ۶۱} استفاده می‌کند .