Current approaches to design flood-sensitive infrastructure typically assume a stationary rainfall distribution and neglect many uncertainties. These assumptions are inconsistent with observations that suggest intensifying extreme precipitation events and the uncertainties surrounding projections of the coupled natural-human systems. Here we demonstrate a safety factor approach to designing urban infrastructure in a changing climate. Our results show that assuming climate stationarity and neglecting deep uncertainties can drastically underestimate flood risks and lead to poor infrastructure design choices. We find that climate uncertainty dominates the socioeconomic and engineering uncertainties that impact the hydraulic reliability in stormwater drainage systems. We quantify the upfront costs needed to achieve higher hydraulic reliability and robustness against the deep uncertainties surrounding projections of rainfall, surface runoff characteristics, and infrastructure lifetime. Depending on the location, we find that adding safety factors of 1.4 to 1.7 to the standard stormwater pipe design guidance produces robust performance to the considered deep uncertainties. The insights gained from this study highlight the need for updating traditional engineering design strategies to improve infrastructure reliability under socioeconomic and environmental changes.


翻译:目前设计防洪基础设施的方法通常假定降雨量分布不稳,忽视许多不确定因素。这些假设与表明极端降水事件加剧以及自然-人类系统结合预测的不确定性的观察结果不一致。这里我们展示了在气候变化中设计城市基础设施的安全因素方法。我们的结果表明,假设气候不稳和忽视深刻的不确定性会大大低估洪水风险,导致基础设施设计选择不善。我们发现,气候不确定性支配着影响暴风雨排水系统水力可靠性的社会经济和工程不确定性。我们量化了在降雨预测、地表径流特征和基础设施寿命方面实现更高的水力可靠性和稳健性所需的前期成本。我们发现,根据地点,在标准防洪水管设计指南中增加1.4至1.7的安全因素,可以产生对深层不确定性的有力表现。从这项研究中获得的见解突出表明,需要更新传统的工程设计战略,以便在社会经济和环境变化中提高基础设施的可靠性。

0
下载
关闭预览

相关内容

【Manning新书】现代Java实战,592页pdf
专知会员服务
99+阅读 · 2020年5月22日
【2020新书】C++20 特性 第二版,A Problem-Solution Approach
专知会员服务
58+阅读 · 2020年4月26日
专知会员服务
60+阅读 · 2020年3月19日
【强化学习资源集合】Awesome Reinforcement Learning
专知会员服务
93+阅读 · 2019年12月23日
机器学习入门的经验与建议
专知会员服务
92+阅读 · 2019年10月10日
灾难性遗忘问题新视角:迁移-干扰平衡
CreateAMind
17+阅读 · 2019年7月6日
CCF推荐 | 国际会议信息10条
Call4Papers
8+阅读 · 2019年5月27日
CCF推荐 | 国际会议信息8条
Call4Papers
9+阅读 · 2019年5月23日
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
Transferring Knowledge across Learning Processes
CreateAMind
27+阅读 · 2019年5月18日
IEEE | DSC 2019诚邀稿件 (EI检索)
Call4Papers
10+阅读 · 2019年2月25日
LibRec 精选:推荐系统的常用数据集
LibRec智能推荐
17+阅读 · 2019年2月15日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
计算机 | CCF推荐会议信息10条
Call4Papers
5+阅读 · 2018年10月18日
Arxiv
0+阅读 · 2021年10月19日
Arxiv
0+阅读 · 2021年10月18日
Arxiv
0+阅读 · 2021年10月16日
VIP会员
相关资讯
灾难性遗忘问题新视角:迁移-干扰平衡
CreateAMind
17+阅读 · 2019年7月6日
CCF推荐 | 国际会议信息10条
Call4Papers
8+阅读 · 2019年5月27日
CCF推荐 | 国际会议信息8条
Call4Papers
9+阅读 · 2019年5月23日
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
Transferring Knowledge across Learning Processes
CreateAMind
27+阅读 · 2019年5月18日
IEEE | DSC 2019诚邀稿件 (EI检索)
Call4Papers
10+阅读 · 2019年2月25日
LibRec 精选:推荐系统的常用数据集
LibRec智能推荐
17+阅读 · 2019年2月15日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
计算机 | CCF推荐会议信息10条
Call4Papers
5+阅读 · 2018年10月18日
Top
微信扫码咨询专知VIP会员