THALIS-CCSEAWAVS. Π. Πρίνος, Καθηγητής ΑΠΘ Συντονιστής. HOME

Transcript

1 THALIS-CCSEAWAVS Estimating the effects of Climate Change on SEa level and WAve climate of the Greek seas, coastal Vulnerability and Safety of coastal and marine structures Π. Πρίνος, Καθηγητής ΑΠΘ Συντονιστής HOME

2 THALIS-CCSEAWAVS Eρευνητική Ομάδα 1 : HYDRO_AUTh Τομέας Υδραυλικής και Τεχνικής Περιβάλλοντος, Τμήμα Πολιτικών Μηχανικών ΑΠΘ Π. Πρίνος, Γ. Κρεστενίτης, Χ. Κουτίτας, Θ. Καραμπάς (Καθ. ΑΠΘ) José Jiménez (Καθ. Universitat Politècnica de Catalunya) Π. Γαλιατσάτου, Θ. Κόφτης, Α. Κομπιάδου, Ι. Ανδρουλιδάκης, Χ. Μακρής (Μεταδιδάκτορες ΑΠΘ) Δ. Κόκκινος, Β. Μπαλτίκας (ΥΔ ΑΠΘ) Ερευνητική Ομάδα 2 : GEO_AUTh Τομέας Μετεωρολογίας και Κλιματολογίας, Γεωλογικό Τμήμα ΑΠΘ Κ. Τολίκα, Χ. Αναγνωστοπούλου (Επ. Καθηγήτριες ΑΠΘ) Ι. Τεγούλιας, Κ. Βελίκου (ΥΔ), Κ. Βαγενάς (ΜΠΕ) HOME

3 THALIS-CCSEAWAVS Ερευνητική Ομάδα 3 : MARINE_AEGEAN Τμήμα Επιστημών της Θάλασσας, Πανεπιστήμιο Αιγαίου Ελένη-Ανθή Τράγου (Επ. Καθηγήτρια Παν. Αιγαίου) Ι. Μαμούτος, Γ. Κακαγιάννης (ΥΔ) Ερευνητική Ομάδα 4 : NAVAL_NTUA Τομέας Ναυτικής και Θαλάσσιας Υδροδυναμικής, Σχολή Ναυπηγών Μηχανολόγων Μηχανικών, ΕΜΠ Γ. Αθανασούλης (Καθ. ΕΜΠ), Κ. Μπελιμπασάκης (Αν. Καθ. ΕΜΠ), Θ. Γεροστάθης (Επ. Καθ. ΤΕΙ Αθηνών), E. Rusu (Καθ. Dunarea de Jos Galati) Π. Γαβριλιάδης (Μεταδιδάκτορας), Ι. Γεωργίου, Α. Καπελώνης (ΥΔ) HOME

4 Multi-Model Approach for Climate Change Effects on Sea Level, Wave Climate, Coastal Vulnerability and Coastal Structures Emission scenarios Global climate Regional climate Bias- Correction MSL, Wave and Storm Surge Climate Extremes Coastal Vulnerability extreme (A2) ARPEGE Aladin CLM Linear Scaling LEVEL I SWAN Wind Temperature Flood Vulnerability Index intermediate (A1B) moderate (B1) BCM CGCM3 CRCM HadRM HIRHAM Adv. Scaling 1 Adv. Scaling 2 MECSM LEVEL II SWAN GrCSM Waves Storm Surges Storm surges and Atmosphere Erosion Vulnerability Index 2 degrees (E1) ECHAM5 (3x) HadCM (3x) PROMES RACMO RCA Advection correction Quantile Mapping LEVEL III SWAN GrCSM Coastal Structures Empirical formulae MIROC RCA3 RegCM Upgrading of Coastal Structures

5 EMISSION SCENARIOS A1. The A1 storyline and scenario family describes a future world of very rapid economic growth, global population that peaks in mid-century and declines thereafter, and the rapid introduction of new and more efficient technologies. Major underlying themes are convergence among regions, capacity building and increased cultural and social interactions, with a substantial reduction in regional differences in per capita income. The A1 scenario family develops into three groups that describe alternative directions of technological change in the energy system. The three A1 groups are distinguished by their technological emphasis: fossil intensive (A1FI), non-fossil energy sources (A1T), or a balance across all sources (A1B) (where balanced is defined as not relying too heavily on one particular energy source, on the assumption that similar improvement rates apply to all energy supply and end-use technologies). A2. The A2 storyline and scenario family describes a very heterogeneous world. The underlying theme is self-reliance and preservation of local identities. Fertility patterns across regions converge very slowly, which results in continuously increasing population. Economic development is primarily regionally oriented and per capita economic growth and technological change more fragmented and slower than other storylines.

6 EMISSION SCENARIOS B1. The B1 storyline and scenario family describes a convergent world with the same global population, that peaks in mid-century and declines thereafter, as in the A1 storyline, but with rapid change in economic structures toward a service and information economy, with reductions in material intensity and the introduction of clean and resource-efficient technologies. The emphasis is on global solutions to economic, social and environmental sustainability, including improved equity, but without additional climate initiatives. B2. The B2 storyline and scenario family describes a world in which the emphasis is on local solutions to economic, social and environmental sustainability. It is a world with continuously increasing global population, at a rate lower than A2, intermediate levels of economic development, and less rapid and more diverse technological change than in the A1 and B1 storylines. While the scenario is also oriented towards environmental protection and social equity, it focuses on local and regional levels.

7 EMISSION SCENARIOS- Εκπομπές Διοξειδίου του Άνθρακα, Οξείδιου του Αζώτου, Τετραχλωριούχου Ανθρακα Και Διοξειδίου του Θείου HOME

8 REGIONAL CLIMATE MODELLING- RegCM Model Description- Physics Parameterizations Radiation Scheme NCAR CCM3 Land Surface Models BATS1e Planetary Boundary Layer Scheme Holtslag PBL Convective Precipitation Schemes Kuo Scheme Grell Scheme (25km) MIT-Emanuel Scheme (10Km, modified) Large-Scale Precipitation Scheme Subgrid Explicit Moisture Scheme (SUBEX) Ocean Flux Parameterization BATS (*) Zeng Scheme Pressure Gradient Scheme (fu fields) Lake Model (not used) Aerosols and Dust (Chemistry HOME Model, not used)

9 REGIONAL CLIMATE MODELLING- RegCM Model Description - Dynamic Equations Horizontal momentum equations Continuity and sigmadot equations Thermodynamic equation and equation for Omega Hydrostatic equation HOME

10 BIAS CORRECTION-Quantile Mapping Bias Correction Techniques Quantile mapping Χ c = F c -1 (F m (Χ m )) Parametric quantile-quantile transformations (Maraun et al., 2010; Piani et al., 2010) : Linear Polynomial Scale Non-parametric quantile-quantile transformations (Boé et al., 2007; Themeßl et al., 2011): The empirical distribution functions of the control or observed data and of the data resulting utilizing RCMs, are represented using tables of empirical percentiles. The values between are assessed by a monotonic tricubic spline function.

11 Bias correction of wave data The data used for bias correction Cover a period of 10 years Result from the wave prediction model WAM forced with the non-hydrostatic model ETA for the Thracian Sea and with SKIRON for other areas. Thracian Sea Non parametric quantile transformation Marine area of Chania Marine area of Katakolo Marine area of Lesvos Parametric polynomial Parametric scale Parametric power HOME

12 Mean Sea Level, Wave and Storm Surge Modelling Mean Sea Level Rise Wave Modelling SWAN Model Three Levels ( Level I, Level II, Level III) Three Time Periods ( , , Storm Surge Modelling MeCSM- Level I GrCSM- Level II Three Time Periods ( , , HOME

13 MEAN SEA LEVEL RISE Μέση παγκόσμια στάθμη από δορυφορική υψομετρία ( ) Ανοδική τάση Global mm/y trend Mediterranean trend Atmospheric trend Steric trend Mass trend ± ± ± ±0.1 Cazenave & Le Cozannet +1.2± ± ± ±0.1 6 ο Πανελλήνιο Συνέδριο -0.5± ±0.2 ΔΙΑΧΕΙΡΙΣΗ ΚΑΙ ΒΕΛΤΙΩΣΗ ΠΑΡΑΚΤΙΩΝ ΖΩΝΩΝ ± ±0.5 Αθήνα Νοεμβρίου 2014 Tsimplis (2011)

14 MEAN SEA LEVEL RISE ροβλέψεις της μέσης στάθμης για τον 21 ο αιώνα Υπερετήσια μεταβλητότητα με τη διόρθωση για τη μάζα North Aegean Cretan σταθερή τάση 2.5 mm/yr North Ionian 0.15 South Ionian

15 WAVE MODELLING SWAN model (ver ABC), Delft University of Technology Third-generation wave model that computes random, short-crested wind-generated waves in open sea, coastal regions and inland waters CCSEAWAVS simulations: o Bug 1: Last day of each century not recorded (boundary data ok) o Bug 2: Time drift for large simulation times o Minor code modification to allow longer contiguous non-stationary runs

16 General model setup Computational Grids Level-I (0.2 o x0.2 o ) 20km Level-II (0.05 o x0.05 o ) 5km Level-III (0.005 o ), local nearshore areas

17 Model input: Wind Wind data Source: CCSEAWAVS project, ICTP_6hr dataset Location: Mediterranean sea Spatial resolution: (25x25km for Level 1, 10x10km for Levels 2,3) Temporal resolution: 6 hours Temporal span: 150 years ( )

18 WP2 Model input: Wind Wind data Source: CCSEAWAVS project Location: Mediterranean sea Spatial resolution: (25x25km, 10x10km) Temporal resolution: 6 hours Temporal span: 150 years ( )

19 Model input: Bathymetry Bathymetry for Levels I, II using the GEBCO database ( ).

20 Model input: Bathymetry Bathymetry for Levels I, II using the GEBCO database ( ).

21 Κυματικό κλίμα - Σημαντικό ύψος κύματος (Επίπεδο II) Περίοδος υψηλής ενέργειας (Νοέμβριος Απρίλιος) Μέσο σημαντικό ύψος κύματος στις Ελληνικές Θάλασσες (Επίπεδο ΙI) 6 o Πανελλήνιο Συνέδριο για τη Διαχείριση και Βελτίωση Παράκτιων Ζωνών Ίδρυμα Ευγενίδου, Αθήνα, Νοεμβρίου 2014

22 Model input: Bathymetry Composite bathymetry for Level III using GEBCO (depth>200m) + HNHS maps (depth<200m). Areas 1-8

23 Model input: Bathymetry Composite bathymetry for Level III using GEBCO (depth>200m) + HNHS maps (depth<200m). Area 1

24 WP2 Model input: Bathymetry Composite bathymetry for Level III using GEBCO (depth>200m) + HNHS maps (depth<200m).

25 Κυματικό κλίμα - Σημαντικό ύψος κύματος (Επίπεδο III) Νότιος Θερμαϊκός (Κατερίνη έως όρος Όσσα) Μέσο σημαντικό ύψος κύματος 6 o Πανελλήνιο Συνέδριο για τη Διαχείριση και Βελτίωση Παράκτιων Ζωνών Ίδρυμα Ευγενίδου, Αθήνα, Νοεμβρίου 2014

26 Κυματικό κλίμα - Σημαντικό ύψος κύματος (Επίπεδο III) Πάργα έως Καστροσυκία (Παξοί & Αντίπαξοι) Μέσο σημαντικό ύψος κύματος 6 o Πανελλήνιο Συνέδριο για τη Διαχείριση και Βελτίωση Παράκτιων Ζωνών Ίδρυμα Ευγενίδου, Αθήνα, Νοεμβρίου 2014

27 Κυματικό κλίμα - Σημαντικό ύψος κύματος (Επίπεδο III) Κυπαρισσιακός κόλπος Μέσο σημαντικό ύψος κύματος 6 o Πανελλήνιο Συνέδριο για τη Διαχείριση και Βελτίωση Παράκτιων Ζωνών Ίδρυμα Ευγενίδου, Αθήνα, Νοεμβρίου 2014

28 Κυματικό κλίμα - Σημαντικό ύψος κύματος (Επίπεδο III) Κόλπος Χανίων Μέσο σημαντικό ύψος κύματος 6 o Πανελλήνιο Συνέδριο για τη Διαχείριση και Βελτίωση Παράκτιων Ζωνών Ίδρυμα Ευγενίδου, Αθήνα, Νοεμβρίου 2014

29 Κυματικό κλίμα - Σημαντικό ύψος κύματος (Επίπεδο III) Δυτική περιοχή της Λέσβου Μέσο σημαντικό ύψος κύματος 6 o Πανελλήνιο Συνέδριο για τη Διαχείριση και Βελτίωση Παράκτιων Ζωνών Ίδρυμα Ευγενίδου, Αθήνα, Νοεμβρίου 2014

30 Κυματικό κλίμα - Σημαντικό ύψος κύματος (Επίπεδο III) Κόλπος Ηρακλείου και Μαλίων (Δία) Μέσο σημαντικό ύψος κύματος 6 o Πανελλήνιο Συνέδριο για τη Διαχείριση και Βελτίωση Παράκτιων Ζωνών Ίδρυμα Ευγενίδου, Αθήνα, Νοεμβρίου 2014

31 Κυματικό κλίμα - Σημαντικό ύψος κύματος (Επίπεδο III) Βόρεια περιοχή της Κέρκυρας (Οθωνοί, Ερεικούσσα, Μαθράκι) Μέσο σημαντικό ύψος κύματος 6 o Πανελλήνιο Συνέδριο για τη Διαχείριση και Βελτίωση Παράκτιων Ζωνών Ίδρυμα Ευγενίδου, Αθήνα, Νοεμβρίου 2014

32 Κυματικό κλίμα - Σημαντικό ύψος κύματος (Επίπεδο III) Ανατολική περιοχή Θρακικού Πελάγους (Σαμοθράκη) Μέσο σημαντικό ύψος κύματος 6 o Πανελλήνιο Συνέδριο για τη Διαχείριση και Βελτίωση Παράκτιων Ζωνών Ίδρυμα Ευγενίδου, Αθήνα, Νοεμβρίου 2014

33 Κυματικό κλίμα - Σημαντικό ύψος κύματος (Επίπεδο III) Ανατολική περιοχή Θρακικού Πελάγους (Σαμοθράκη) Μέσες διευθύνσεις (Βορειοανατολικές) 6 o Πανελλήνιο Συνέδριο για τη Διαχείριση και Βελτίωση Παράκτιων Ζωνών Ίδρυμα Ευγενίδου, Αθήνα, Νοεμβρίου 2014

34 Κυματικό κλίμα - Σημαντικό ύψος κύματος (Επίπεδο III) Ανατολική περιοχή Θρακικού Πελάγους (Σαμοθράκη) Μέσες διευθύνσεις (Νοτιοδυτικές) 6 o Πανελλήνιο Συνέδριο για τη Διαχείριση και Βελτίωση Παράκτιων Ζωνών Ίδρυμα Ευγενίδου, Αθήνα, Νοεμβρίου 2014

35 Κυματικό κλίμα - Σημαντικό ύψος κύματος (Επίπεδο III) Ανατολική περιοχή Θρακικού Πελάγους (Σαμοθράκη) Περίοδος υψηλής ενέργειας (Νοέμβριος Απρίλιος) Μέση τιμή των τριών υψηλοτέρων τιμών του σημαντικού ύψους κύματος ανά έτος 6 o Πανελλήνιο Συνέδριο για τη Διαχείριση και Βελτίωση Παράκτιων Ζωνών Ίδρυμα Ευγενίδου, Αθήνα, Νοεμβρίου 2014

36 STORM SURGE MODELLING- Level 1 Mediterranean Climate Surge Model (MeCSM) Model Description 2-dimensional hydrodynamic model (Krestenitis et al., 2011 J Coast Conserv) Grid resolution 1/10 o x 1/10 o Forcing: wind data and atmospheric pressure from climate A1B scenario Long-term simulaiton period ( ) Output: Sea Level elevation (storm surge variability) Model Domain 1/10 o x1/10 o

37 LEVEL 1- Mediterranean Climate Surge Model (MeCSM) Model Description Forcing: atmospheric data from 3 RCM: ICTP, MPI, KNMI (25 x 25 km) Interpolation on model s grid (1/10 o x1/10 o ) Wind at 10 m Estimation of surface drag coefficient (Cs) sx C S W W x & sy C S W Wy i.e. C S = ( W) / 10 3 (Smith & Banke, 1975) C S = for W < 7.0 m/s, C S = for W > 20.0 m/s and 10 3 C S = 0.115W+0.235, 7.0 m/s W 20.0 m/s (Amorocho and DeVries, 1980) Major Equations: Continuity and momentum 2 2 u u u z 1 P 1 u u v u v fu g k t x y x x (h z) (h z) 2 2 v v v z 1 P 1 y u u v u v fu g k t x y y y (h z) (h z) z (h z)u (h z)v t x y 0

38 LEVEL 1- Mediterranean Climate Surge Model (MeCSM) Results Model validation with in situ measurements storm surge index The 5% of the values are higher than the distribution shown below ( ) (good agreement, low errors)

39 LEVEL 1- Mediterranean Climate Surge Model (MeCSM) Results trends of annual extremes for 9 Med sub-regions

40 LEVEL 2- Greek Seas Climate Surge Model (GrSCSM) 2-dimensional hydrodynamic model (Krestenitis et al., 2011 J Coast Conserv) Grid resolution 1/20 o x 1/20 o Boundary Conditions: Nesting from MeCSM simulations trends of annual extremes for 6 Med sub-regions

41 LEVEL 2- Greek Seas Climate Surge Model (GrSCSM) Evolution of annual maximum SLH (m) for Thessaloniki Station from MeCSM and GrSCSM simulations storm surge index Evolution of annual maximum SLH (m) for Iraklio Station from MeCSM and GrSCSM simulations HOME

42 EXTREMES Μέσες μηνιαίες ταχύτητες και διευθύνσεις ανέμου HOME

43 Διαφορές Μέσων μηνιαίων ταχυτήτων και διευθύνσεις ανέμου

44 Διαφορές Μέσων μηνιαίων ταχυτήτων και διευθύνσεις ανέμου

45

46

47 Μέσες μηνιαίες συχνότητες (%) ακραίων ανέμων,

48 Διαφορές Μέσων μηνιαίων συχνοτήτων(%) ακραίων ανέμων, και

49 EXTREMES- The non-stationary GEV distribution (1) 1) The Generalized Extreme Value distribution function (GEV): z G( z) exp{ [1 ( σ ξ 0 μ )] 1 / } {z: 1+ξ(z-μ)/σ >0}, - < μ <, σ >0, -1< ξ <1 ξ > 0 ξ < 0 G( z) z exp[ exp{ ( σ μ )}] Gumbel distribution Fréchet distribution Weibull distribution T-years return level: The level to be exceeded at least once in T years (stationarity). Extrapolation Δεν έχουν -1άνω ( T) G φράγμα u = (1-1/ T) T-years return level Η κατανομή είναι άνω φραγμένη Block maxima (e.g. annual, monthly e.t.c.)

50 EXTREME The non-stationary WAVES- The GEV non-stationary distribution GEV distribution Non stationarity The return level x p corresponding to a return period of 1/p, is assessed as a function of time. It represents the quantile of the distribution function of the variable in a given year: xp σt () ξ() t -1/ ξ ( t) μ( t) - {1-[-log(1-1/ p) } for ξ(t) 0 To incorporate the seasonal component in the GEV model: p μ( t) 2i 1 cos( i t) 2 sin( i ) 0 i t i 1 p ( t) exp( 2i 1 cos( i t) 2 ξ sin( i )) 0 i t i 1 pξ ( 2 t) = ξ0 + ξ2i-1 cos( iωt) + ξ i sin( iωt)) i=1 ω = 2π/T p μ, p σ, p ξ define the number of sinusoidal harmonics 26 seasonal models fitted to the data (p μ, p σ, p ξ = 1,2)

51 The non-stationary GEV distribution Selection of the most appropriate model: Minimization of the AICc criterion Diagnostic plots (p-p plot, q-q plot) Deviance statistic, D 2P( P +1) AICc = -2log( L) + 2P + N - P -1 L : likelihood function P : number of parameters N: number of data Annual return levels corresponding to non-exceedance probability, q (Menéndez et al., 2009): q = exp{ x [1+ ξ( t)( q - μ( t) σ( t) )] -1 / ξ ( t ) 95% Confidence Interval: The three GEV parameters are assumed to follow a multivariate Normal distribution function samples of parameters are simulated from the fitted nonstationary GEV model. dt}

52 Ionian Sea Aegean Sea Study areas and data 8 study areas Thracian Sea (area 1) Katerini (area 2) Lesvos (area 6) Chania (area 5) Heraklio (area 7) Parga (area 3) Katakolo (area 7) Corfu (area 8) The wave data result from a wave prediction system formulated for the Greek Seas (0.05 o x0.05 o ), based on SWAN and cover 150 years ( ). The atmospheric forcing consists of wind velocity and direction of model RegCM3 with spatial resolution 10x10km.

53 Selection of representative points Homogeneity measures of Hosking and Wallis (1997) Homogeneity measures are assessed based on the annual and monthly maxima of H s in the period , for all the studied grid points and for all the study areas. The homogeneity measures (H-statistic) represent the variability of the L-moments of the datasets of the selected points compared to the respective variability expected for a homogeneous region. Η-statistic includes the components Η(1), Η(2) and Η(3). If all these are lower than unity, then the studied area can be characterised as adequately homogeneous. One representative data point is selected for each distinct homogeneous region in the study areas

54 Study Areas and Selection of representative points Thracian Sea Marine area of Katerini Marine area of Parga

55 Analysis of extreme waves In the N. Aegean Sea an increase in the severity of extreme H s is obvious in the period , compared to In , a decrease in extreme H s is observed, compared to Thracian Sea: The increase in reaches 14% (RP=50years) The decrease in is slight Lesvos: The increase in reaches 19% (RP=50 years) The decrease in reaches 9% (RP=50 years)

56 Analysis of extreme storm surges In the N. Aegean Sea an increase in the extreme storm surge is obvious in the period , compared to In , a decrease in extreme storm surge is observed, compared to Thracian Sea: The increase in is up to 15% (RP=50years) The decrease in is up to 15 % Lesvos: The increase in is up to 15% (RP=50 years) The decrease in is up 15% (RP=50 years) HOME

57 COASTAL VULNERABILITY HOME

58 COASTAL VULNERABILITY- Flood Vulnerability Index STIMATION 1 st Approach: FVI based on storm classification and cluster analysis Storm definition (Hs threshold minimum duration 6h) Cluster Analysis (Agglomerative hierarchical clustering) based on energy content E t t 2 1 H s dt Run-up estimation (peak) for each storm tan tan 1/ 2 2 Ru H L H L s 0 Storm surge value for the peak of each storm Average values of Ru and ξ for each class s Calculation of Flood Intermediate Parameter (FIP) Ru Ru FIP B 0 2 1/ 2

59 COASTAL-VULNERABILITY- FVI ESTIMATION 1 st Approach: FVI based on storm classification and cluster analysis Assessment of Flood Vulnerability Index (FVI) 5-class scale for vulnerability indices (Mendoza & Jimenez, 2009)

60 COASTAL VULNERABILITY- FVI ESTIMATION 2 nd Approach: FVI based on extreme value analysis of annual maxima Ru and ξ Storm definition (Hs threshold minimum duration 6h) Find annual maximum storm (Hsmax Tp ) Run-up estimation (peak) for each storm Annual maxima Storm Surge (ξ) Extreme value analysis (GEV) Return period of 50,100 & 500 years Calculation of Flood Intermediate Parameter for each return period Ru FIP B Assessment of Flood Vulnerability Index (FVI) (Mendoza & Jimenez, 2011)

61 FLOOD VULNERABILITY AREA OF KATERINI A= B= Katerini Storm Classes St EC Hs D (h) ξ (m) (m) (m 2 h) St C= EC Hs D (h) ξ (m) (m) (m2 h) St EC Hs D (h) ξ (m) (m) (m 2 h) ,8 26 0, ,8 26 0, ,8 26 0, ,0 56 0, ,0 53 0, ,0 59 0, , , ,2 90 0, , , , , , , , , , , , , , ,13

62 FLOOD VULNERABILITY AREA OF CHANIA A= B= C= Κατηγορίες Chania καταιγίδων St D (h) Hs (m) 2,9 3,3 3,7 4,3 6,0 EC (m2h) ξ (m) 0,03 0,05 0,07 0,07 0,18 St D (h) Hs (m) 2,8 3,1 3,5 4,1 4,6 EC (m2h) ξ (m) 0,04 0,03 0,05 0,03 0,08 St D (h) Hs (m) 2,9 3,5 4,2 4,7 6,3 EC (m2h) ξ (m) 0,01 0,03 0,02 0,09 0,04

63 RESULTS 2 nd Approach A= Area of Chania B= Flood Vulnerability for storms with return period of 50 years All profiles result in very high vulnerability for present and future climate conditions C= HOME

64 COASTAL STRUCTURES HOME