Flexibele en aanpasbare strategieën voor bescherming tegen stijgende zeespiegels zijn de meest kosteneffectieve, blijkt uit modelstudie

Plantages van strandgras, zoals deze in de duinen van Seaside Park, zijn een strategie die gemeenschappen aan de New Jersey-kust hanteren om stranderosie te verminderen. Strandgras stabiliseert zandduinen en versterkt de kustbestendigheid tegen stormen.

Publieke functionarissen die zeeweringen, dijken en andere beschermingsmaatregelen ontwerpen tegen stijgende zeespiegels kunnen geld besparen als hun oplossingen flexibel zijn en zich in de loop der tijd aanpassen aan de stijging van het zeeniveau, volgens een analyse van wetenschappers van Rutgers en Princeton.

Een dergelijke aanpak is superieur aan een methode waarbij planners en ingenieurs een enkele oplossing creëren die bedoeld is om langdurig te zijn. Door gebruik te maken van een analyse ondersteund door een kunstmatige intelligentietechniek (AI) die bekendstaat als versterkend leren, modelleerden de onderzoekers het proces van besluitvorming over het behoud van kustinfrastructuur in de tijd—stappen die uiteindelijk door mensen en niet door computers zullen worden ondernomen.

De conclusies van hun studie, gepubliceerd in de Proceedings of the National Academy of Sciences, zijn rechtstreeks van invloed op toekomstige inspanningen van planners en ingenieurs die werken in plaatsen zoals New York City en de kust van New Jersey om overstromingen tegen te gaan.

De analyse is ontworpen om publieke functionarissen te helpen die worden geconfronteerd met het dilemma om acties te ondernemen—acties die dure, langdurige investeringen vereisen—zonder exact te weten in welke mate de getijhoogtes door klimaatverandering zullen stijgen.

“Als je denkt dat er een kans is, zoals wij, op een zeer hoge stijging van het zeeniveau en jouw reactie is om slechts één keer te handelen, moet je beslissen hoeveel gewicht je aan die uitkomst geeft,” zei Robert Kopp, een onderscheiden professor aan de Rutgers School of Arts and Sciences en een auteur van de studie.

“Als je er niet voldoende nadruk op legt, loop je het risico dat je onderaangepast bent en zeer grote schade zult lijden. Maar als je het belang van die uitkomst overdrijft, kun je over-aangepast zijn, en zul je te veel geld hebben uitgegeven.”

De onderzoekers analyseerden uitgebreide gegevens over overstromingen, die steeds meer schade veroorzaken langs de kust van de VS en over de hele wereld. “Verdedigingen worden gebouwd om kustgebieden te beschermen voor de komende decennia of langer,” zei Ning Lin, een professor in civiele en milieutechniek aan Princeton en een auteur van de studie. “Echter, klimaatprojecties zijn voor een groot deel onzeker over lange tijdshorizonten.”

Om met deze onvoorspelbaarheid om te gaan, zei Ling dat planners flexibel moeten zijn en bereid moeten zijn hun plannen aan te passen aan toekomstige observaties van klimaatcondities. Hoewel dit uiterst uitdagend kan zijn vanwege de complexiteit van de klimaatwetenschap, zal het benutten van vooruitgangen in datawetenschap effectieve oplossingen bieden, voegde ze eraan toe.

De moeilijkheid voor publieke functionarissen om deze uitdagingen het hoofd te bieden, wordt versterkt door het grote aantal variabelen dat waarschijnlijk op onvoorziene manieren zal verschuiven.

“Flexibele benaderingen, zoals die we modelleren met versterkend leren, stellen planners in staat om te beschermen tegen hoge stijgingen zonder buitensporige kosten te maken,” zei Kopp.

In de studie simuleerden de onderzoekers inspanningen om Manhattan te verdedigen tegen zeespiegelstijging tot het einde van de eeuw. Het doel was om te bepalen of een besluitvormingsproces dat systematisch observaties en updates incorporeert superieur zou zijn aan andere methoden over een dergelijke lange periode.

Om dit te doen, simuleerden de onderzoekers beslissingen door stadsplanners in intervallen van 10 jaar tot het jaar 2100. Ze vergeleken verschillende hypothetische inspanningen, waaronder een dynamische aanpak die de hoogte van een zeewering in de loop van de tijd verhoogde op basis van interpretaties van nieuwe gegevens, en een statische aanpak waarbij de hoogte van een gebouwde zeewering werd gebaseerd op historische 100-jarige overstromingsprojecties.

Ze ontdekten dat een dynamische aanpak minder kost dan andere methoden en effectiever het risico op zeer slechte uitkomsten vermindert. Versterkend leren is een type machine learning waarbij een computerprogramma beslissingen neemt en positieve versterking ontvangt op basis van resultaten. Ontwerpers trainen het programma door het door enorme hoeveelheden gesimuleerde beslissingen te laten lopen, waardoor het leert door middel van trial-and-error in plaats van expliciete instructies van programmeurs.

Het verdedigen van Manhattan en andere kustgebieden tegen de aanstorming van stormen en stijgende zeespiegels is niet alleen complex, maar vereist ook het maken van moeilijke beslissingen onder onzekere omstandigheden, zeiden de onderzoekers. Voor elk tijdsinterval in de studie maakten planners beslissingen op basis van waargenomen zeespiegelstijging en ongeveer 80.000 verschillende scenario’s van toekomstige zeespiegelstijging en bijbehorende beslissingen als reactie.

Hoewel klimaatadaptatiebeslissingen niet eenvoudig zijn, is versterkend leren een zeer efficiënt systeem voor het incorporeren van observaties en het bijwerken van plannen om optimale oplossingen te vinden voor het beperken van de impact van extreme gebeurtenissen, zeiden de onderzoekers.

“De analyse van de situatie in New York City is geenszins uniek,” zei Michael Oppenheimer, een professor in de geowetenschappen en internationale betrekkingen aan Princeton en een auteur van de studie. “De methode kan breed worden toegepast, hoewel het voordeel ten opzichte van andere analysemethoden van plaats tot plaats zou variëren.”

De auteurs maken deel uit van het Megalopolitan Coastal Transformation Hub, een Rutgers-geleide consortium van onderzoeksinstellingen dat werkt aan de vooruitgang van de wetenschap over hoe kustklimaatrisico’s, landvormen en menselijke beslissingen met elkaar in interactie staan om klimaatrisico’s vorm te geven en klimaatadaptatie in de regio’s New York City, New Jersey en Philadelphia te bevorderen.