Stormflod over Danmark – modellering, prognoser og eksempler fra Østersøen
KVANT · 01.10.2024 · 35 (3)
DOI: 10.7146/kvant.168530 ↗Kurz gefasst
Fachartikel in der Zeitschrift KVANT, online erschienen am 01.10.2024. Verfasst von Kristine S Madsen und 8 weiteren Autor:innen.
Abstract (Originalsprache)
Stormfloden i oktober 2023 gav Danmark den højeste vandstand i Østersøen i over 100 år. Artiklen dykker ned i de oceanografiske og meteorologiske mekanismer bag begivenheden. De kan beskrives i tre trin, som kombinerede akkumuleret vindpåvirket vandmasse og stærk østenvind. Med et fysisk fundament i Navier-Stokes, kontinuitets- og termodynamiske ligninger beskriver forfatterne DMI's moderne modelkompleks til prognoser: højtopløste atmosfære- og havmodeller, nesting-teknikker og ensemblekørsler. Artiklen viser, hvordan små variationer i vind og geografi kan føre til store forskelle i stormflodsudvikling. De vagtgående meteorologer bruger modelprognoser og observationer af vandstanden omkring Danmark til at udsende varsler. Den historiske stormflod i 1872 inddrages som et spejl og advarsel om, hvad der kan ske i et varmere klima, hvor 20-årshændelser vil forekomme med få års mellemrum. Et stærkt eksempel på anvendt fysik i samfundets tjeneste.
Zitieren
APA
Madsen, K. S., Nielsen, J. W., Larsen, M. A., Stendel, M., Aakjær, P., Pelt, S., Yang, X., Buch, E., & Hansen, E. K. (2024). Stormflod over Danmark – modellering, prognoser og eksempler fra Østersøen. KVANT, 35(3). https://doi.org/10.7146/kvant.168530
Vancouver
Madsen KS, Nielsen JW, Larsen MA, Stendel M, Aakjær P, Pelt S, et al. Stormflod over Danmark – modellering, prognoser og eksempler fra Østersøen. KVANT. 2024;35(3). doi:10.7146/kvant.168530
BibTeX
@article{Madsen2024,
author = {Madsen, Kristine S and Nielsen, Jacob W. and Larsen, Morten A.D and Stendel, Martin and Aakjær, Peter and Pelt, Sebastian and Yang, Xiaohua and Buch, Erik and Hansen, Erik K.},
title = {Stormflod over Danmark – modellering, prognoser og eksempler fra Østersøen},
journal = {KVANT},
year = {2024},
volume = {35},
number = {3},
doi = {10.7146/kvant.168530}
}
EUVIMED