A Multi-Source Impact Database for Flood and Storm Risk in Guyana: Towards Empirical Vulnerability Curves

Abstract

Alluvioni e tempeste sono tra i principali pericoli climatici in Guyana, ma i loro impatti sono registrati da fonti che differiscono per copertura, metriche di impatto e denominazione dei pericoli, per cui nessun archivio è completo o coerente. I modelli di impatto richiedono di collegare intensità del pericolo, popolazione esposta e impatto osservato e, senza un riferimento osservato affidabile, non possono essere calibrati né validati. Questa tesi ne pone le basi in due parti. Prima, nove fonti, database sui disastri e articoli di giornale elaborati con modelli linguistici, sono state armonizzate in un unico database di 442 record, consolidati in 199 eventi (1971–2024), con un'unica definizione di persone colpite e una classificazione dei pericoli che distingue i meccanismi costieri, estuarini, fluviali e di tempesta. Poi, una serie giornaliera di tempi di ritorno della pioggia (NASA IMERG, 2002–2024) su 1.709 celle di 10 km è stata combinata con una stima della popolazione corretta per cella, per quantificare le persone esposte a piogge di severità crescente. Gli eventi meglio documentati sono anche i più gravi: l'85,4% degli eventi si basa su una sola fonte e le fonti che confermano un evento crescono con l'impatto (ρ di Spearman = 0,52). Gli eventi registrati calano nettamente dopo il 2013, quando DesInventar si interrompe, e i campi di impatto sono scarsi: colpiti riportati per il 26% degli eventi e sfollati per il 16%. Gli impatti di flash flood e alluvioni pluviali, i pericoli di interesse, non sono registrati separatamente: il confronto tra esposizione e impatto usa quindi le alluvioni in generale e dà solo rapporti indicativi. Database e dataset di esposizione sono quindi una base, non un modello di vulnerabilità completo: con dati sulle caratteristiche di popolazione e beni esposti permetterebbero di sviluppare curve di vulnerabilità e, intanto, offrono un riferimento osservato specifico per la Guyana per calibrare e validare i modelli di impatto.

Floods and storms are among the main climate-related hazards in Guyana, but their impacts are recorded by sources that differ in coverage, impact metrics and hazard naming, so no single record is complete or consistent. Models that estimate flood impact need hazard intensity, exposed population and observed impact to be linked, and without a reliable observed reference they cannot be calibrated or validated. This thesis lays the groundwork for that reference in two parts. First, nine sources, from global disaster databases to news articles processed with large language models, were harmonized into one database of 442 records, consolidated into 199 events between 1971 and 2024, with a single definition of affected people and a hazard classification that keeps coastal, estuarine, fluvial and storm mechanisms distinct. Second, a daily record of rainfall return period (NASA IMERG, 2002–2024) over 1,709 cells of 10 km was combined with a corrected cell-level population estimate to measure how many people were exposed to rainfall of increasing severity. The best-documented events are also the most severe: 85.4% of events rest on a single source, and the number of confirming sources increases with impact (Spearman's ρ = 0.52). Recorded events drop sharply after 2013, when DesInventar ends, and impact fields are sparse: affected people are reported for 26% of events and displaced people for 16%. Impacts of flash and pluvial floods, the hazards of interest, are not recorded separately, so the comparison between exposure and impact relies on floods in general and yields only indicative ratios. The database and the exposure dataset are therefore a foundation rather than a finished vulnerability model: combined with data on the characteristics of the exposed population and assets, they would allow vulnerability curves to be developed and, in the meantime, offer a Guyana-specific observed reference for calibrating and validating flood impact models.