Floods, wildfires, heatwaves and droughts often result from a combination of interacting physical processes across multiple spatial and temporal scales. The combination of processes (climate drivers and hazards) leading to a significant impact is referred to as a ‘compound event’. Traditional risk assessment methods typically only consider one driver and/or hazard at a time, potentially leading to underestimation of risk, as the processes that cause extreme events often interact and are spatially and/or temporally dependent. Here we show how a better understanding of compound events may improve projections of potential high-impact events, and can provide a bridge between climate scientists, engineers, social scientists, impact modellers and decision-makers, who need to work closely together to understand these complex events. Compound events, events of significant impact that are caused by a combination of processes, are difficult to predict. This Perspective discusses the need for a systematic approach to improve risk assessment of these events.

Young generations are severely threatened by climate change

Abstract Forecasting and early warning systems are important investments to protect lives, properties, and livelihood. While early warning systems are frequently used to predict the magnitude, location, and timing of potentially damaging events, these systems rarely provide impact estimates, such as the expected amount and distribution of physical damage, human consequences, disruption of services, or financial loss. Complementing early warning systems with impact forecasts has a twofold advantage: It would provide decision makers with richer information to take informed decisions about emergency measures and focus the attention of different disciplines on a common target. This would allow capitalizing on synergies between different disciplines and boosting the development of multihazard early warning systems. This review discusses the state of the art in impact forecasting for a wide range of natural hazards. We outline the added value of impact‐based warnings compared to hazard forecasting for the emergency phase, indicate challenges and pitfalls, and synthesize the review results across hazard types most relevant for Europe.

Coastal risks are increasing from both development and climate change. Interest is growing in the protective role that coastal nature-based measures (or green infrastructure), such as reefs and wetlands, can play in adapting to these risks. However, a lack of quantitative information on their relative costs and benefits is one principal factor limiting their use more broadly. Here, we apply a quantitative risk assessment framework to assess coastal flood risk (from climate change and economic exposure growth) across the United States Gulf of Mexico coast to compare the cost effectiveness of different adaptation measures. These include nature-based (e.g. oyster reef restoration), structural or grey (e.g., seawalls) and policy measures (e.g. home elevation). We first find that coastal development will be a critical driver of risk, particularly for major disasters, but climate change will cause more recurrent losses through changes in storms and relative sea level rise. By 2030, flooding will cost $134–176.6 billion (for different economic growth scenarios), but as the effects of climate change, land subsidence and concentration of assets in the coastal zone increase, annualized risk will more than double by 2050 with respect to 2030. However, from the portfolio we studied, the set of cost-effective adaptation measures (with benefit to cost ratios above 1) could prevent up to $57–101 billion in losses, which represents 42.8–57.2% of the total risk. Nature-based adaptation options could avert more than $50 billion of these costs, and do so cost effectively with average benefit to cost ratios above 3.5. Wetland and oyster reef restoration are found to be particularly cost-effective. This study demonstrates that the cost effectiveness of nature-based, grey and policy measures can be compared quantitatively with one another, and that the cost effectiveness of adaptation becomes more attractive as climate change and coastal development intensifies in the future. It also shows that investments in nature-based adaptation could meet multiple objectives for environmental restoration, adaptation and flood risk reduction.

Abstract. Fluvial floods are destructive hazards that affect millions of people worldwide each year. Forecasting flood events and their potential impacts therefore is crucial for disaster preparation and mitigation. Modeling flood inundation based on extreme value analysis of river discharges is an alternative to physical models of flood dynamics, which are computationally expensive. We present the implementation of a globally applicable, open-source fluvial flood model within a state-of-the-art risk modeling framework. It uses openly available data to rapidly compute flood inundation footprints of historic and forecasted events for the estimation of associated impacts. For the example of Pakistan, we use this flood model to compute flood depths and extents and employ it to estimate population displacement due to floods. Comparing flood extents to satellite data reveals that incorporating estimated flood protection standards does not necessarily improve the flood footprint computed by the model. We further show that, after calibrating the vulnerability of the impact model to a single event, the estimated displacement caused by past floods is in good agreement with disaster reports. Finally, we demonstrate that this calibrated model is suited for probabilistic impact-based forecasting.

Abstract Coastal ecosystems provide a range of services including erosion prevention, clean water provision and carbon sequestration. With climate change, the rapid change in frequency and intensity of tropical cyclones may alter the composition of the ecosystems themselves potentially degrading the services they provide. Here we classify global ecoregions into dependent, resilient and vulnerable and show that a combined 9.4% of the surface of all terrestrial ecosystems is susceptible to transformation due to cyclone pattern changes between 1980–2017 and 2015–2050 under climate scenario SSP5-8.5 using the STORM model. Even for the most resilient ecosystems already experiencing winds >60 m s −1 regularly, the average interval between two storms is projected to decrease from 19 to 12 years which is potentially close to their recovery time. Our study advocates for a shift in the consideration of the tropical cyclone impact from immediate damage to effects on long-term natural recovery cycles.

Successful recoveries of households in the aftermath of extreme weather events are key to avoid long-term poverty implications. Yet, in frequently hit regions, there may not always be enough time for households to recover in-between recurrent events. There is a common narrative that the resulting incomplete recoveries aggravate adverse impacts, but there may also be counteracting mechanisms where a cluster of events leads to less destruction than a series of well-separated events because, after the first events, there are less assets left that can be destroyed by the subsequent events. To develop a systematic quantitative understanding for the interplay of the different mechanisms, we extend an agent-based household model to recurrent floods and study their welfare effects in the Philippines in dependence of household exposure and income. We find that incomplete recoveries increase cumulative consumption and well-being losses across the study period 2000-2018 by 40%.While low-income households suffer the highest well-being losses, lower-middle income households experience the largest relative increase in well-being (280%) and consumption losses (130%) due to incomplete recoveries. Our results show that the impacts of recurrent extreme weather events on households are not additive. In consequence, the well-being and consumption losses can be critically underestimated when concluding from the poverty implications of an individual event on the implications of recurrent events, as usually done in conventional disaster risk management. Thus, accounting for incomplete recoveries may allow to develop more effective risk management strategies and better prepare societies for an intensification of these events under global warming.