Viden om Østersøen ruster os mod stormflod

En gammel tegning af en oversvømmelse sammen med en visning af havdybderne rundt omkring danmark
Danmark ligger udsat mellem to have. I den forkerte situation får vi stormflod. NCKF har rettet blikket mod vores bagvand, Østersøen, og i særlig grad Den Stille Stormflod i 2017.

Danmark er klemt inde mellem Nordsøen og Østersøen, hvilket gør landet sårbart over for stormfloder. Er bagvandet i øst allerede højt, når vandmasserne fra nordvest skubbes ind, skal landet være forberedt på det værste. Derfor er forståelsen af Østersøen, hvor den gennemsnitlige vandstand fra år til år kan variere med mere end en meter, et kardinalpunkt. NCKF har med en kombination af satellit- og gammeldags vandstandsmålere fintunet forståelsen af Østersøen i et nyt eksperimentelt datasæt.

Hvad har vi undersøgt?

Hvor højt vandet står, kan bestemmes enten ved hjælp af observationer eller havmodeller. Observationer viser øjebliksbilleder i enkelte punkter, hvorimod havmodellerne viser dynamikken over større områder. Observationer vil altid have usikkerheder og fejlkilder.

Da observationer anvendes i havmodellerne vil disse usikkerheder og fejlkilder bliver overført til modellen. Nøjagtigheden og præcisionen i modellen afhænger af nøjagtigheden og præcisionen af observationerne. Derudover er modellen afhængig af randbetingelser fra atmosfæren, floder og, for regionale modeller, de åbne rande – der hvor modellens geografiske afgrænsninger nås . (se illustration)

Formålet med dette projekt var at undersøge, om der kan konstrueres et realistisk og brugbart tidsligt finmasket datasæt for vandstand i Østersøen baseret på observationer og dermed uafhængigt af havmodeller og disses potentielle fejlkilder.

Der findes månedsopgørelser af vandstanden baseret på satellit-altimetri (f.eks. vores Baltic+SEAL partneres opgørelser for Østersøen og Nordsøen), men da vandstanden varierer fra dag til dag og fra time til time, vil månedsrapporter ikke kunne stille alle behov. NCKF har valgt at bruge 3-dags opgørelser.

Til daglig bekymrer vi os ikke om havets højde, men stormflod og forhøjet vandstand og konsekvenser deraf er noget, alle har hørt om. En del af vores analyse har derfor været at kvalitetssikre vores datasæt før og under en stormflod: Har vi rent faktisk fanget situationen før den ekstreme begivenhed korrekt?

Hvem kan have glæde af undersøgelsen?

NCKF’s datasæt kan ses som en blåstempling af metoden: Det er muligt at konstruere et vandstandsdatasæt baseret på vandstandsmålere og satellit-altimetri. Metoden kræver dog mere videreudvikling og fintuning samt observationer fra flere år for at blive brugbar.

Hvilke data og metoder har vi benyttet?

For at kunne validere vores datasæt mod en stormflod, kræver det en stormflod. Vi valgte derfor at konstruere det eksperimentelle datasæt for år 2017 hvor den såkaldte Stille Stormflod hærgede 4. og 5. januar i de danske farvande og sydvestlige Østersø.

Som beskrevet ovenfor baseres vores datasæt på observationer. Havniveau kan observeres ved hjælp af forskellige måleinstrumenter. Den ældste metode er vandstandsmålere. Disse måler den relative højde mellem måleinstrumentet og vandoverfladen. De er placeret ved kysten, ofte i havne, og måler ofte med 10-15 minutters mellemrum for samme lokation.

En nyere målemetode er at måle den absolutte vandstand fra satellitter. Satellitter bevæger sig i faste baner rundt om jorden. Når en satellit flyver over et område sendes et radarsignal ned mod jorden. Tiden, det tager for signalet at rejse frem og tilbage til satellitten, omregnes til en afstand og giver dermed højden af havet i forhold til satellittens referencehøjde. Hvor ofte sporet gentages afhænger af satellittens mission.

For Østersøen i 2017 har vi brugt fire satellitmissioner: Jason-2, Jason-3, Cryo-SAT og Sentinel 3a. Missionen med den korteste repetitionstid var Jason-3 med i gennemsnit 10 dage mellem gentagelser af banerne. På grund af den lange repetitionstid samler vi observationer i grupper af tre dage for at få en tilstrækkelig rumlig dækning. Datasættet, præsenteret her, er derfor 3-dags midler.

For at konstruere vandstandsdatasættet har vi brugt optimal interpolationsmetoden DMI-OI, udviklet på DMI til brug for havoverfladetemperatur målt fra satellit. Input til DMI-OI er observationer fra vandstandsmålere, satellit-altimetri samt statistik fra DMI’s stormflodsmodel for år 2017. Denne statistik fortæller noget om generelle rumlige mønstre.

Hvem har vi samarbejdet med?

Projektet blev påbegyndt i ESA-projektet (Den Europæiske Rumorganisation) Baltic+SEAL og arbejdet fortsat i NCKF 2021. I Baltic+SEAL samarbejdede vi med Technical University of Munich, the Finnish Meteorological Institute, University College Cork og DTU Space.

Hvilket resultat fandt vi?

Hovedformålet med projektet var at undersøge, om det var muligt at konstruere et fint tidsligt opløst vandstandsdatasæt baseret på observationer fra vandstandsmålere kombineret med satellit altimetri.

Vores eksperimentelle datasæt med 3-dags middelværdier for året 2017 viser stort potentiale, da de overordnede mønstre og gradienter ofte er fanget. Dog er variabiliteten ofte mindre i vores datasæt end i observationerne og de ekstreme vandstande bliver mindre ekstreme. Dette kan til dels forklares ved valget af tre dage som den tidslige opløsning: vandstandsmålerne måler kontinuerligt gennem hele perioden, mens satellitterne kun fanger øjebliksbilleder af situationen. Disse øjebliksbilleder er ikke nødvendigvis repræsentative for hele 3-dags perioden. Desuden vil det være tilfældigt, om ekstrem vandstand fanges eller ej .

Alligevel repræsenterer vores eksperimentelle datasæt vandstanden meget bedre end de gængse månedsmidler baseret på satellit-altimetri alene.

Hvad kan den nye viden bruges til fremover?

Det eksperimentelle datasæt, præsenteret her , viser potentiale for yderligere udvikling baseret på samme metode .

Hvad er vi nu i stand til, som vi ikke var før?

NCKF har vist, at det er muligt at konstruere et repræsentativt observationsbaseret vandstandsdatasæt med en tidslig opløsning kortere end en måned.


Få mere viden

Få mere viden

Tertiary content, when NOT DK (Country:)