Διερεύνηση της επίδρασης του δείκτη ENSO στον πλημμυρικό κίνδυνο και τις αιτήσεις αποζημίωσης στις ΗΠΑ

Η παρούσα πτυχιακή εργασία πραγματεύεται τη διερεύνηση της επίδρασης των φαινομένων ENSO (El Niño–Southern Oscillation) σε σχέση με τα πλημμυρικά φαινομένα στις Ηνωμένες Πολιτείες, καθώς και τη πίθανή σύνδεσή τους με τα αιτήματα αποζημιώσεων του Εθνικού Προγράμματος Ασφάλισης Πλημμυρών (NFIP). Δεδομένης της αυξανόμενης συχνότητας και σφοδρότητας των καιρικών φαινομένων εξαιτίας των κλιματικών μεταβολών, η εργασία επιχειρεί να ποσοτικοποιήσει το βαθμό συσχέτισης μεταξύ δεικτών των μελετώμενων δεικτών ENSO και καταγεγραμμένων οικονομικών μεγεθών τόσο σε επίπεδο Πολιτειών όσο Κομητειών στις Η.Π.Α. Ιδιαίτερη έμφαση δίνεται στη ανάλυση της Πολιτείας της Καλιφόρνια, η οποία παρουσιάζει αυξημένη ευαισθησία στα φαινόμενα El Niño. Η μεθοδολογία, που αναπτύχθηκε βασίστηκε στην αξιοποίηση πολλαπλών βάσεων δεδομένων (ENSO indices από NOAA, US-CAMELS streamflow data, COBE SST, DEM, NHD, OSM, US Census), με σκοπό την εξαγωγή γεωχωρικών και φυσικών χαρακτηριστικών όπως η υδρογραφική και οδική πυκνότητα, το μέσο υψόμετρο, η απόσταση από τη θάλασσα και οι συντεταγμένες κεντροειδών Κομητειών και ο πληθυσμός. Ακόμα έλαβε χώρα ανάλυση τους με τη χρήση στατιστικών εργαλείων όπως ο συντελεστής συσχέτισης Pearson και η μέθοδος της Υπέρβασης Κατωφλιού (threshold overcome analysis) για διαφορετικές τιμές κατώφλιων (90–99%), καθώς και την ανάπτυξη ενός μοντέλου μηχανικής εκμάθησης τύπου, με προβλεπόμενη τιμή τα αιτήματα αποζημίωσεων ανά 100.000 κατοίκους. Τα αποτελέσματα της ανάλυσης υποδεικνύουν ότι η συσχέτιση δεικτών ENSO με τις παροχές υδάτων (streamflow extremes) είναι πολύ μεγαλύτερη από τη συσχέτιση με τα Ασφαλιστικά Αιτήματα Αποζημιώσεων, γεγονός που εξηγείται από την επιρροή κοινωνικοοικονομικών παραγόντων στην διαδικασία καταγραφής αιτημάτων αποζημίωσης. Η Πολιτεία της Καλιφόρνια σημειώνει τη μεγαλύτερη θετική συσχέτιση μεταξύ του δείκτη μέγιστης ετήσιας τιμής ENSO και αιτημάτων αποζημίωσης (MAX_ENSO–claims) μεταξύ όλων των Πολιτειών (r ≈ 0.35), ενώ το αναπτυχθέν μοντέλο CatBoost πέτυχε ικανοποιητική ακρίβεια (R² = 0.638) μέσω της χρήσης στατικών και δυναμικών χαρακτηριστικών. Η μελέτη συμπεραίνει ότι οι δείκτες ENSO είναι καλό να ενσωματώνονται σε εργαλεία πρόβλεψης κινδύνου. Η εργασία προτείνει τη μελλοντική εφαρμογή της μεθοδολογίας σε περισσότερες Πολιτείες ή και στο σύνολο των Η.Π.Α, καθώς και την ενσωμάτωση επιπλέον δεδομένων εισαγωγής, με στόχο τη βελτιστοποίηση της ακρίβειας των μοντέλων πρόβλεψης.