Enhanced predictive capability of storm surge models in the bay of Bengal

Shashank, Vagamare Ganapati; Rao, Mano; Jensen, Jürgen; Schüttrumpf, Holger; Sriiam, V.; Sannasiraj, S. A.

doi:HT031173292

Enhanced predictive capability of storm surge models in the bay of Bengal

Shashank, Vagamare Ganapati^RWTH*

2025

Verantwortlichkeitsangabevorgelegt von Vagamare Ganapati Shashank

ImpressumAachen : RWTH Aachen University 2025

Umfang1 Online-Ressource : Illustrationen

Dissertation, Rheinisch-Westfälische Technische Hochschule Aachen, 2025. - Dissertation, Indian Institute of Technology Madras, 2025

Cotutelle-Dissertation. - Veröffentlicht auf dem Publikationsserver der RWTH Aachen University

Genehmigende Fakultät
Fak03

Hauptberichter/Gutachter
Sannasiraj, S. A. (Thesis advisor) ; Schüttrumpf, Holger (Thesis advisor)^RWTH* ; Sriiam, V. (Thesis advisor) ; Jensen, Jürgen (Thesis advisor) ; Rao, Mano (Thesis advisor)

Tag der mündlichen Prüfung/Habilitation
2025-03-14

Online
DOI: 10.18154/RWTH-2025-04366
URL: https://publications.rwth-aachen.de/record/1010841/files/1010841.pdf

Einrichtungen

Lehrstuhl und Institut für Wasserbau und Wasserwirtschaft (314410)

Inhaltliche Beschreibung (Schlagwörter)
cyclone wind field (frei) ; numerical modeling (frei) ; statistical modeling (frei) ; storm surge (frei)

Thematische Einordnung (Klassifikation)
DDC: 624

Kurzfassung
Ein vertieftes Verständnis tropischer Wirbelstürme (Tropical Cyclones, TCs) in der Bucht von Bengalen (Bay of Bengal, BoB) und ihrer Auswirkungen auf Küstenprozesse durch Sturmfluten, Windwellen und Küstenüberflutungen ist entscheidend zum Schutz dicht besiedelter Gebiete. Solche Ereignisse verursachen erhebliche Schäden. Ein verbessertes Verständnis von TCs und deren Auswirkungen im küstennahen Bereich ist wesentlich, um die Genauigkeit von Vorhersagen zu erhöhen, die Katastrophenvorsorge zu verbessern, widerstandsfähige Küstenschutzmaßnahmen zu entwickeln und eine effektive Planung zu ermöglichen. Dieses Wissen unterstützt zudem die Abschwächung sozioökonomischer und ökologischer Auswirkungen durch nachhaltige Managementstrategien und den Schutz von Ökosystemen. Die vorliegende Studie untersucht Sturmfluten mithilfe numerischer und statistischer Modellierungsansätze. Sturmbedingte Wellen, Küstenüberflutungen und Veränderungen in der Morphologie des küstennahen Meeresbodens werden mit einem gekoppelten hydrodynamisch-wellen-morphodynamischen Modellierungsrahmen analysiert. Hauptziel der Studie ist es, die Vorhersagefähigkeit mithilfe statistischer und numerischer Modellierungen durch eine vereinfachte Methodik zu verbessern, die auf einem gründlichen Verständnis von Zyklonen und deren Auswirkungen auf die Küstendynamik basiert. Für den numerischen Modellierungsansatz werden hydrodynamische Modelle (ADCIRC und TELEMAC-2D), Wellenmodelle (SWAN und TOMAWAC) sowie das morphodynamische Modell (GAIA) verwendet, um die Auswirkungen im Küstenbereich auf Wasserstände, Windwellen, Überflutungen und die Entwicklung des Meeresbodens infolge von Stürmen in der BoB zu untersuchen. Da der zyklonische Wind die Hauptantriebskraft zur Vorhersage von Fluten und Überflutungen darstellt, ist eine verbesserte Darstellung der TC-Windfelder entscheidend. Daher konzentriert sich die Studie auf die Verbesserung der Rückrechnung von Windfeldern in der BoB und schlägt einen erweiterten kombinierten Windfeldansatz vor, bei dem fünf parametrische Windmodelle [Jelesnianski, Rankine-Vortex, Willoughby, Holland und das Generalisierte Asymmetrische Holland-Modell (GAHM)] bewertet werden. Zwei globale Winddatensätze des Europäischen Zentrums für mittelfristige Wettervorhersagen (ECMWF-Reanalyse) und des Weather Research Forecast (WRF)-Modells dienen als Hintergrundwindfelder zur Ansteuerung des gekoppelten ADCIRC+SWAN-Modells. Ein kombinierter Ansatz überlagert parametrische und Hintergrundwindfelder reibungslos. Weiterhin wird eine Sensitivitätsanalyse der vorhergesagten Sturmfluten, Windwellen und Küstenüberflutungen in Abhängigkeit der verschiedenen Windmodelle durchgeführt. Ein kombiniertes Windmodell auf Basis von GAHM und WRF simuliert das Hintergrundwindfeld sowie die interne Struktur des Zyklons in der BoB-Region am Besten. Darüber hinaus wird festgestellt, dass die Untersuchung der morphologischen Veränderungen des küstennahen Meeresbodens infolge von Zyklonen wichtig ist, da sie die Küstenstabilität, den Sedimenttransport und die Erosion beeinflussen. Dieses Verständnis unterstützt ein effektives Küstenmanagement und die Katastrophenvorsorge. Daher wird in der vorliegenden Studie ein gekoppeltes Modell bestehend aus Hydrodynamik (TELEMAC-2D), Wellen (TOMAWAC) und Morphodynamik (GAIA) zur Untersuchung morphodynamischer Veränderungen während Sturmfluten eingesetzt. Hier wird TELEMAC gegenüber ADCIRC bevorzugt, da es ein integriertes morphodynamisches Modul enthält. Ein modifiziertes parametrisches Windmodell wird eingeführt, um die Windfelddarstellung in der Nähe und Entfernung vom Zyklonzentrum zu verbessern. Dieses Modell ist einfacher und recheneffizienter als das zuvor verwendete kombinierte Windfeldmodell (GAHM+WRF). Die simulierten Sturmfluten und Windwellen werden mit In-situ-Beobachtungen während TC Hudhud (2014) und TC Vardah (2016) validiert. Die simulierte morphodynamische Entwicklung des Meeresbodens wird mit Felddaten nach dem Landfall von TC Nivar (2020) validiert. Zudem wird die Leistungsfähigkeit verschiedener Formulierungen zum Sedimenttransport untersucht, um die morphodynamischen Veränderungen des Meeresbodens während TC Nivar (2020) unter sturmbedingten Strömungen und Wellen vorherzusagen. Es zeigt sich, dass das Engelund-Hansen-Modell am besten für rein strömungsbedingte Entwicklungen geeignet ist, während das Bijker-Modell für kombinierte Strömungen und Wellen entlang der offenen Küste der BoB überlegen ist. Die Berücksichtigung der Wellen neben den Strömungen hat die Vorhersagefähigkeit des gekoppelten Modells verbessert. Der statistische Modellierungsansatz führt einen neuartigen Index zur Abschätzung des Sturmflutpotenzials tropischer Zyklone ein – den Tropical Cyclone Surge Potential Index (TCSPI) –, um potenzielle maximale Sturmfluthöhen in der Nähe des Landfalls entlang der gesamten BoB-Küste zu bestimmen. Statistische Modelle werden oft zur Sturmflutvorhersage eingesetzt, da sie effizientere Berechnungen als numerische Modelle ermöglichen. Der vorgeschlagene TCSPI integriert atmosphärische Parameter, die für die BoB-Region häufig in Echtzeit verfügbar sind, sowie Bathymetriedaten. Die Einbeziehung der Anströmrichtung verbessert den TCSPI gegenüber bestehenden Sturmflutindizes. Zusätzlich werden bekannte, auf Regressionsverfahren basierende überwachte Machine-Learning-Modelle auf kleinen Datensätzen verwendet, um schnell maximale Sturmfluthöhen über große Küstengebiete der BoB vorherzusagen – basierend auf denselben atmosphärischen Eigenschaften und Bathymetriedaten, die im TCSPI verwendet werden. Maximale Sturmflutwerte historischer TC-Ereignisse in der BoB, abgeleitet aus TCSPI, ADCIRC und ML-Modellen, werden mit Beobachtungen verglichen. Die Fehler beim TCSPI sind vergleichsweise geringer bei kleineren Datensätzen. Die Einbeziehung der Anströmrichtung im TCSPI verbessert die Genauigkeit der Vorhersage maximaler Sturmfluthöhen historischer TCs um bis zu 17 % (beobachtet) bzw. 19 % (ADCIRC-simuliert). Mit dem TCSPI-Modell wird außerdem eine Sturmflut-Gefahrenkarte für die Ostküste Indiens erstellt, um eine effektive langfristige Planung in den Küstenbezirken zu unterstützen, die genaue Schätzungen maximaler Sturmfluthöhen durch Zyklone erfordert. Traditionelle Methoden zur Erstellung solcher Gefahrenkarten beruhen auf komplexen, vollständig physikbasierten numerischen Modellen mit synthetischen Zyklonpfaden, was den Prozess aufwendig und zeitintensiv macht. Mithilfe historischer Daten des IMD (1982–2022) werden Wiederkehrperioden basierend auf den Windgeschwindigkeiten beim Landfall für jeden indischen Küstenstaat bestimmt. Zudem werden Klimaprojektionen des IPCC berücksichtigt. Eine einfache und recheneffiziente Methodik zur Schätzung der maximalen Sturmfluthöhen wird entwickelt und anschließend zur Erstellung der Gefahrenkarten genutzt. Für verschiedene Wiederkehrperioden werden maximale Sturmfluthöhen entlang der Küstenbezirke der indischen Ostküste geschätzt. Für eine Wiederkehrperiode von 100 Jahren ergibt sich, dass eine maximale Fluthöhe von etwa 10 m im nördlichen BoB auftritt, wobei 19 von 30 Küstenbezirken eine hohe Anfälligkeit für Sturmfluten aufweisen, wobei sich die Spitzenfluten aufgrund des Klimawandels um 10 % bis 18 % erhöhen.

An enhanced understanding of Tropical Cyclones (TCs) in the Bay of Bengal (BoB) and their impact on coastal processes due to storm surge, wind waves, and coastal inundation is crucial for protecting densely populated areas. These events cause significant damage. An enhanced understanding of TCs and their nearshore impacts is vital for improving forecast accuracy, disaster preparedness, developing resilient coastal defences, and effective planning. This understanding also supports mitigating socio-economic and environmental impacts by fostering sustainable management strategies and promoting ecosystem conservation. The present study examines the storm surge through numerical and statistical modeling approaches. Storm-driven waves, coastal inundation, and changes in nearshore bed morphology are analyzed using a coupled hydrodynamic-wave-morphodynamic modeling framework. The main motivation of the study is to enhance predictive capabilities using both statistical and numerical modeling approaches with a simplified methodology by thoroughly understanding cyclones and their impact on coastal dynamics. For the numerical modeling approach, the study employs hydrodynamic models (ADCIRC and TELEMAC-2D), wave models (SWAN and TOMAWAC), and the morphodynamic model (GAIA) to investigate the nearshore impacts on water levels, wind waves, inundation, and morphodynamic bed evolution caused by the storms in the BoB. Since the cyclonic wind is the primary force for predicting surges and inundations, a better representation of TC wind fields is vital. Therefore, it focuses on improving the cyclonic wind field hindcast for the BoB. It proposes an enhanced blended wind field approach in which the five parametric wind models [Jelesnianski, Rankine vortex, Willoughby, Holland, and Generalized Asymmetric Holland (GAHM)] are assessed. Two global wind datasets from the European Centre for Medium-Range Weather Forecasts (ECMWF) Reanalysis and Weather Research Forecast (WRF) model are considered as background wind fields to drive the coupled ADCIRC+SWAN model. A blending approach smoothly superimposes the parametric and background wind fields. Further, the sensitivity analysis is performed on the predicted storm surges, wind waves, and coastal inundation due to different cyclone wind models. A blended wind model based on GAHM and WRF is found to better simulate the background wind field with the internal structure of the cyclone in the BoB region. Further, it is noted that studying nearshore morphological bed evolution due to cyclones is important as it impacts coastal stability, sediment transport, and erosion. The understanding aids in effective coastal management and disaster mitigation. Therefore, the present study adopts a coupled hydrodynamic (TELEMAC-2D) -wave (TOMAWAC) -morphodynamic (GAIA) model to investigate morphodynamic changes during storm surges. Here, the TELEMAC model is considered over the ADCIRC model because it includes a built-in morphodynamic module within the TELEMAC system. It introduces a modified parametric wind model to enhance wind field representation near and far from the cyclone center. This model is simpler and computationally efficient compared to the previously used blended wind field (GAHM+WRF). The simulated storm surges and wind waves are validated with in-situ observations during TC Hudhud (2014) and TC Varadah (2016), and the simulated morphodynamic bed evolution is validated with field measurements made after the landfall of TC Nivar (2020). Further, the performance of different bed load transport formulations is evaluated to predict morphodynamic bed evolution during TC Nivar (2020) under storm-induced currents and waves. It is found that the Engelund-Hansen model is most effective for only current-induced bed evolution, while the Bijker model excels for combined current and waves along the open coast of BoB. Incorporating the effect of waves along with current has enhanced the predictive capability of the coupled model framework. The statistical modeling approach introduces a novel Tropical Cyclone Surge Potential Index (TCSPI) to estimate potential peak surge levels from tropical cyclones near landfall points along the entire BoB coastline. Statistical models are generally considered for predicting storm surges as they offer more computationally efficient estimates than numerical models. The proposed TCSPI incorporates atmospheric parameters that are often readily available in real-time for BoB along with bathymetry information. The inclusion of approach angle information leads to improvements in the TCSPI over other existing surge indices. Further, it utilizes renowned regression-based supervised machine learning (ML) models on small data samples to rapidly predict peak surge height across an extensive coastal region of BoB using the same atmospheric characteristics and bathymetry information that are considered in the TCSPI at the landfall time frame. Peak surge values for historical TC events in the BoB, derived from TCSPI, ADCIRC, and ML models, are compared with observations. The errors associated with TCSPI are comparatively lower when the dataset sample size is smaller. The consideration of approach angle information in the TCSPI improves the accuracy of the overall prediction of peak surge height associated with historical TCs by up to 17% and 19% for observed and ADCIRC-simulated peak surges, respectively. Further, using the TCSPI model, a surge hazard map is being created for the eastern coast of India for effective long-term planning along the coastal districts that necessitate accurate estimates of peak surge heights associated with cyclones. Traditional methods for developing surge hazard maps rely on complex, fully physics-based numerical models requiring synthetic cyclone tracks, making the process intricate and time-consuming. Using historical data from the IMD (1982–2022), return periods are being determined based on cyclone wind speeds at landfall for each Indian coastal state. Additionally, climate change projections from the IPCC are being considered. A simple and computationally efficient methodology is being developed to estimate peak surge heights and then used to create surge hazard maps. Peak surge heights for various return periods are being estimated along the coastal districts of the Indian east coast. For a 100-year return period, it is observed that about a 10 m maximum surge occurs along the northern BoB, and 19 out of 30 coastal districts show high vulnerability to storm surges, with peak surges increasing by 10% to 18% due to climate change.

OpenAccess:
PDF
(additional files)