Zeespiegelvariabiliteit in en rondom de Noordzee

Gastblog van Tim Hermans

Natuurlijke schommelingen in het jaarlijks gemiddelde zeeniveau in de Noordzee kunnen oplopen tot meer dan 10 centimeter, bijvoorbeeld in Den Helder. Die grote variaties van het ene op het andere jaar vormen een belangrijk deel van het lokaal gemeten zeespiegelsignaal in relatief korte observatie-reeksen zoals satellietmetingen (beschikbaar vanaf 1993). Bij het bepalen van de mondiaal gemiddelde zeespiegelstijging op basis van satellietmetingen (iets meer dan 3 mm/jaar in de periode 1993-2015; Oppenheimer et al., 2019), speelt inter-jaarlijkse variabiliteit een relatief kleine rol. Dit omdat de zeespiegelvariabiliteit in verschillende regio’s dan min of meer wordt uitgemiddeld. Echter, regionaal kan natuurlijke variabiliteit van het zeeniveau op korte termijn de zeespiegelstijging als gevolg van klimaatverandering overschaduwen. Dit bemoeilijkt ook de vergelijking (bijvoorbeeld in de Zeespiegelmonitor, 2018) tussen recente waarnemingen en projecties van regionale zeespiegelstijging in scenario’s voor de toekomst (bijvoorbeeld van Van den Hurk et al., 2014 of Vermeersen et al., 2018) of tussen waarnemingen en projecties van opwarming. Die projecties zijn namelijk gebaseerd op klimaatmodellen, die wel zeespiegelvariabiliteit simuleren, maar niet per se met dezelfde timing als zeespiegelvariabiliteit in de werkelijkheid.

Regionale zeespiegelstijging of zelfs een versnelling van die stijging zou een stuk makkelijker te detecteren zijn zonder inter-jaarlijkse zeespiegelvariabiliteit. Voor een deel van de variabiliteit van het zeeniveau kun je corrigeren, mits je goed begrijpt wat de oorzaak hiervan is. Een studie uit 2017 van Theo Gerkema (NIOZ) en Matias Duran-Matute (TU Eindhoven) (Gerkema and Duran-Matute, 2017) is hier een mooi voorbeeld van. Gerkema en Duran-Matute laten zien dat de inter-jaarlijkse variabiliteit van de zeespiegel aan de Nederlandse kust nauw samenhangt met de gemiddelde kracht en de richting van de wind in dat jaar. In een jaar waarin er gemiddeld een sterke wind vanuit het (zuid)westen waait is het gemiddelde zeeniveau aan de Nederlandse kust hoger, en andersom, omdat de wind het water als het ware opstuwt in richting van de Nederlandse kust. Het resultaat is een positieve correlatie tussen het jaarlijks gemiddelde zeeniveau en windenergie in de west/oost richting. Het gemeten windsignaal kun je vervolgens gebruiken om het gemeten zeeniveau te corrigeren voor schommelingen die worden aangedreven door de wind. Het resultaat is een meetsignaal met een stuk minder ruis, waardoor de foutmarge van de geschatte zeespiegeltrend met een factor 4 kan afnemen (Gerkema and Duran-Matute, 2017).

Een ander voorbeeld van inter-jaarlijkse variabiliteit is te zien in klimaatmodellen. Voor dezelfde klimaatmodellen als waarop zeespiegelprojecties voor de 21^e eeuw gebaseerd zijn (bijv. Church et al., 2013; Van den Hurk et al., 2014; Vermeersen et al., 2018), zijn ook simulaties beschikbaar waarbij de concentratie broeikasgassen in de atmosfeer constant wordt gehouden op het niveau van voor de industriële revolutie (zogenaamde ‘pre-industrial control runs’, Taylor et al., 2012). Ondanks dat het zeeniveau in deze simulaties dus niet wordt beïnvloed door klimaatverandering, zijn er in zulke simulaties over periodes van 20 jaar toch trends in het zeeniveau van meer dan 2 mm/jaar in de Noordzee te vinden (Tinker et al., 2020). Die trends moeten dus wel worden veroorzaakt door de interne variabiliteit van het model. De trend in het zeeniveau in de Noordzee zoals afgeleid uit satellietmetingen is ongeveer net zo groot (Sterlini et al., 2017), en dus niet zo makkelijk van die variabiliteit te onderscheiden.

Om de oorzaken van zeespiegelvariabiliteit in de Noordzee en daaromheen beter te begrijpen, en dus beter te kunnen corrigeren voor de ruis rondom metingen van zeespiegelstijging, heb ik samen met mijn co-auteurs (Hermans et al., 2020a) een oceaanmodel ontwikkeld met de software ROMS (Regional Ocean Modeling System, Shchepetkin and McWillams, 2005)). Vorige studies die keken naar de oorzaken van zeespiegelvariabiliteit in dit gebied baseerden hun conclusies namelijk vooral op de correlaties tussen waarnemingen van processen in de atmosfeer en de nabijgelegen Atlantische oceaan en waarnemingen van het zeeniveau, en op de correlaties tussen waarnemingen van het zeeniveau op verschillende locaties (bijv. Wakelin et al., 2003; Miller and Douglas, 2007; Calafat et al., 2012; Dangendorf et al., 2014; Frederikse et al., 2016, etc.). Echter, net als altijd betekent correlatie niet per definitie causaliteit. Bovendien zijn er niet op alle plekken van de Noordzeekust peilmetingen beschikbaar, en hebben satellietmetingen een lagere nauwkeurigheid in de buurt van de kust (Andersen and Scharroo, 2011). Een oceaanmodel is dus nuttig om een beter ruimtelijk beeld te vormen en om de causaliteit te onderzoeken.

Hoe werkt zo’n oceaanmodel nou eigenlijk? Het komt in principe neer op het gebruiken van een softwarepakket om voor een bepaald gebied, bijvoorbeeld de Noordzee, oceanografische vergelijkingen op te lossen en daarmee te simuleren hoe de temperatuur en het zoutgehalte van de oceaan, maar ook de stroomsnelheden en het zeeniveau, veranderen als functie van tijd onder invloed van de processen die zich afspelen in de nabijgelegen oceaan en in de atmosfeer boven de Noordzee. Het model is best ingewikkeld, maar met een beetje inlezen kun je zelf simpele simulaties draaien, en dat op je eigen laptop (https://www.myroms.org/)! Een ander voordeel van een regionaal model is dat je simulaties kunt draaien met een relatief hoge horizontale en verticale resolutie. Hiermee kun je de kleinschalige processen die een rol spelen in het Noordzeegebied beter simuleren. Dat wil zeggen dat je bijvoorbeeld de eigenschappen van de oceaan iedere 10 km berekent, in plaats van iedere 100 km zoals in de meeste mondiale klimaatmodellen die worden gebruikt om zeespiegelprojecties te maken (bijvoorbeeld Vermeersen et al., 2018). De resolutie kan overigens ook gevolgen hebben voor de grootte van die zeespiegelprojecties (Hermans et al., 2020b).

Belangrijk om te weten is dat een regionaal model ook ergens ophoudt, namelijk bij de randen van het domein waarvoor je je model hebt ontwikkeld. In ons geval ziet dat eruit als in Figuur 1. Aan de randen van het domein mist er dus informatie, en moet je het model voorschrijven welke temperatuur, zoutgehalte, stroomsnelheden en zeeniveau de oceaan daar dient te hebben. Op basis van die randvoorwaarden genereert het model dan een consistente oplossing binnen het domein.

Figuur 1: Kaart van het domein van het oceaanmodel, met de diepte van de oceaanbodem in meter, en de Noord, Oost, Zuid en West randen van het domein aangeven in zwart/wit. De rode lijnen geven weer waar de diepte van de zee 80 en 200 m is. De buitenste rode lijn (200 m diep) markeert de steile overgang van het continentale plat naar de diepere oceaan (uit Hermans et al., 2020a).

We baseren de randvoorwaarden in dit geval op een heranalyse van de oceaan (genaamd GLORYS; Fernandez and Lellouche, 2018). Een heranalyse is een combinatie van een model met observaties, die een zo goed mogelijke weergave probeert te maken van veranderingen van de oceaan in de afgelopen pak ‘m beet 30 jaar. Heranalyses bestaan ook voor de atmosfeer, en ook daarvan hebben we er een gebruikt (genaamd ERA5; CDS, 2017) om de randvoorwaarden aan het oppervlak van het oceaanmodel voor te schrijven. Dat houdt in dat we elke 6 uur voorschrijven hoe hard en in welke richting de wind waait, hoeveel neerslag er valt en hoeveel water er uit de oceaan verdampt, hoeveel atmosferische druk er op de oceaan wordt uitgeoefend en hoeveel zonnestraling de oceaan voelt. Die variabelen zijn dus op elk tijdstip anders, en als gevolg daarvan zal het zeeniveau op ieder tijdstip variëren. De atmosferische druk is een belangrijke factor die de zeespiegel beïnvloedt via het zogenaamde omgekeerde barometer effect: een lokaal relatief hoge luchtdruk drukt het zeewater naar beneden, en andersom.

Met al deze randvoorwaarden draaien we een simulatie van het zeeniveau vanaf 1995 tot 2018. Voor deze simulatie berekenen we eerst de lineaire trend in het zeeniveau, en trekken die van het totaal gesimuleerde signaal af. De grootte van de overgebleven schommelingen in het jaarlijkse gemiddelde zeeniveau rondom die lineaire trend kun je uitdrukken met een zogenaamde standaarddeviatie (Figuur 2). Datzelfde doen we voor de satellietmetingen van de zeespiegel. Hoe groter de standaarddeviatie, hoe groter de variabiliteit. Figuur 2 laat zien dat de standaarddeviatie die we simuleren met ons model (Figuur 2a) goed overeenkomt met de standaarddeviatie afgeleid uit de satellietmetingen (Figuur 2b). In deze vergelijking nemen we het effect van de atmosferische druk nog niet mee, omdat voor dat effect in de meeste satellietdata al gecorrigeerd is. Onze simulatie en de waarnemingen komen goed overeen (Hermans et al., 2020a), maar natuurlijk zijn er ook verschillen – zowel het model als de waarnemingen zijn imperfect. Wat in Figuur 2 ook opvalt is dat de Noordzee langs de kust van Nederland, Duitsland (Duitse bocht) en Denemarken feloranje of zelfs geel kleurt: de zeespiegelvariabiliteit is daar relatief heel groot. Op andere plekken is de variabiliteit een stuk kleiner (donkerpaars).

Figuur 2: Standaarddeviatie in centimeters (een maat van de grootte van zeespiegelvariabiliteit) in het Noordzeegebied en daaromheen voor (a) de simulatie van ons model, en (b) de variabiliteit zoals waargenomen in satellietmetingen. Een kleine standaarddeviatie (donkerpaars) betekent weinig variabiliteit, en een grote standarddeviatie (geel) betekent veel variabiliteit (afgeleid uit Hermans et al., 2020a).

Waarom is de schommeling van het jaarlijkse gemiddelde zeeniveau op de ene plek groter dan op de andere? Welke processen zitten hier precies achter? Voor het beantwoorden van die vragen is een regionaal model erg nuttig. Je kunt namelijk spelen met de randvoorwaarden, en kijken wat er gebeurt met de variabiliteit van het zeeniveau. Door dit slim te doen, kun je het effect van bepaalde oorzaken van zeespiegelvariabiliteit isoleren. In ons originele experiment (Figuur 2a) variëren we de randvoorwaarden om de zoveel tijd. Bijvoorbeeld, we schrijven elke 6 uur een andere windsnelheid en richting voor, en die wind zal dus in het ene jaar sterker zijn dan in het andere. Maar wat als we ervoor kiezen om elk jaar dezelfde wind voor te schrijven? Het resultaat is een kleinere schommeling van het jaarlijkse gemiddelde zeeniveau. Op plekken waar de schommeling het sterkst afneemt ten opzichte van het experiment waar we wél elk jaar een andere wind voorschrijven, wordt de zeespiegelvariabiliteit dus het sterkst beïnvloed door de variabiliteit van de wind. Op deze manier hebben we een aantal verschillende simulaties gedaan om de gevoeligheid van zeespiegelvariabiliteit voor de variabiliteit van externe factoren (de randvoorwaarden die we voorschrijven) te testen (Figuur 3).

In Figuur 3a laten we voor de duidelijkheid nog eens de grootte van de inter-jaarlijkse zeespiegelvariabiliteit zien die je krijgt als je alle randvoorwaarden tegelijkertijd van jaar tot jaar varieert. In tegenstelling tot Figuur 2a nemen we nu ook het effect van de atmosferische druk mee in de simulatie. In Figuur 3b laten we de grootte van de zeespiegelvariabiliteit zien die je krijgt als je geen enkele randvoorwaarde varieert van jaar tot jaar. Het resultaat is dan ook bijna geen inter-jaarlijkse zeespiegelvariabiliteit, behalve in de diepe oceaan waar spontaan variabiliteit kan ontstaan dankzij instabiele stromingen. In Figuur 3c zie je dat als je alleen de atmosfeer-randvoorwaarden van jaar tot jaar verandert (wind, atmosferische druk, neerslag, verdamping en zonnestraling), maar de oceaan-randvoorwaarden elk jaar hetzelfde houdt (temperatuur, zout, stroming en zeeniveau aan de zijkanten van het domein), de zeespiegelvariabiliteit bijna net zo groot is als in Figuur 3a. Dit experiment laat dus zien dat de zeespiegelvariabiliteit in de Noordzee voornamelijk wordt veroorzaakt door de variabiliteit van de atmosfeer. Figuur 3d, het experiment waarin alleen de oceaan-randvoorwaarden elk jaar veranderen, bevestigt dit: de variabiliteit in de Noordzee is dan relatief klein. Een interessant detail is dat het zeeniveau op bijna alle plekken op het continentale plat op vrijwel dezelfde manier op en neer gaat in dit experiment. Die variabiliteit blijkt voornamelijk afkomstig te zijn van de west- en zuidranden van het domein (Hermans et al., 2020a).

Een andere interessante vondst is dat de som van de variabiliteit in de gevoeligheidsexperimenten in Figuur 3b en 3c, optellen tot vrijwel dezelfde variabiliteit in de Noordzee als in Figuur 3a (Figuur 3e en 3f). Dat dat verschil klein is suggereert dat het effect van niet-lineaire interacties tussen de oceaan en de atmosfeer en van bovengenoemde spontane processen op inter-jaarlijkse zeespiegelvariabiliteit in de Noordzee te verwaarlozen zijn. Oftewel, we hoeven ons niet te druk te maken over de vraag of we niet te veel variabiliteit over het hoofd zien als we het effect van de verschillende processen onafhankelijk van elkaar beschouwen, zoals in Figuur 3 en 4.

Figuur 3: Verschillende simulaties om de gevoeligheid van de grootte van de inter-jaarlijkse zeespiegelvariabiliteit (standaard deviatie in cm) te testen voor de variabiliteit in de atmosfeer- (oppervlak) en oceaan-randvoorwaarden (zijkanten van het domein), waarbij: (a) alle randvoorwaarden variëren van jaar tot jaar, (b) geen enkele van de randvoorwaarden variëren van jaar tot jaar, (c) alleen de atmosfeer-randvoorwaarden variëren van jaar tot jaar, (d) alleen de oceaan-randvoorwaarden variëren van jaar tot jaar, (e) de grootte van de som van de variabiliteit in (c) en (d), en (f) het verschil tussen (e) en (a) (uit Hermans et al., 2020a).

Met dezelfde soort tests kun je het effect van variabiliteit in de atmosfeer op de variabiliteit van het zeeniveau verder opsplitsen in de effecten van atmosferische druk (Figuur 4b), wind (Figuur 4c) en de combinatie van neerslag, verdamping en zonnestraling (Figuur 4d). Hieruit is te zien dat opstuwing door de wind een dominante rol speelt in het zuiden en oosten van de Noordzee, en rondom Schotland. Op de meeste plekken speelt ook de luchtdruk een belangrijke rol, terwijl het effect van neerslag, verdamping en zonnestraling minder groot is. Ook in dit geval telt de variabiliteit in ieder experiment ongeveer op tot de variabiliteit in het experiment waarin alle atmosfeer-randvoorwaarden variëren van jaar tot jaar (vergelijk Figuur 4a met Figuur 4e).

Figuur 4: Verschillende simulaties om de gevoeligheid van de grootte van de inter-jaarlijkse zeespiegelvariabiliteit (standaard deviatie in cm) te testen voor de variabiliteit in de verschillende componenten van de atmosfeer-randvoorwaarden, waarbij: (a) alle atmosfeer-randvoorwaarden variëren van jaar tot jaar, (b) alleen de atmosferische druk varieert van jaar tot jaar, (c) alleen de wind varieert van jaar tot jaar, (d) alleen de neerslag, verdamping en zonnestraling variëren van jaar tot jaar, (e) de grootte van de som van de variabiliteit in (b), (c) en (d), en (f) het verschil tussen (e) en (a) (uit Hermans et al., 2020a).

Er zit nog een hoop andere nieuwe informatie in deze experimenten. We kunnen bijvoorbeeld nu voor zowel alle locaties aan de kust als verder op zee uitrekenen hoe belangrijk de invloed van iedere drijver is op de variabiliteit van het zeeniveau. In Den Helder bijvoorbeeld, zoals al eerder met observaties was aangetoond (Gerkema and Duran-Matute, 2017), is de invloed van variabiliteit van de wind dominant, terwijl in Brest (Frankrijk) de invloed van variabiliteit in de atmosferische druk domineert. Weer ergens anders, bijvoorbeeld in de buurt van Edinburgh, zijn zowel de wind als de atmosferische druk belangrijk. Onze simulaties geven ook inzicht in wat de correlatie tussen het zeeniveau op verschillende plekken veroorzaakt. Bijvoorbeeld, wanneer het jaargemiddelde zeeniveau in Den Helder relatief hoog is, is het vaak relatief laag in Brest – het jaargemiddelde zeeniveau in deze plaatsen is negatief gecorreleerd. De oorzaak is dat een sterke (zuid)westenwind, die zorgt voor een hoger zeeniveau in Den Helder (Figuur 4c), vaak gepaard gaat met een hoog drukgebied in de buurt van Brest, wat het zeeniveau daar als het ware omlaagdrukt (Figuur 4b). Een andere kwestie is de sterkte positieve correlatie tussen het zeeniveau aan de Portugese kust en het zeeniveau ten oosten van Ierland en Schotland vele honderden kilometers verder noordelijk. Vorige studies gebaseerd op observaties hebben hier verschillende theorieën over naar voren geschoven (Miller and Douglas, 2007; Sturges and Douglas, 2011; Calafat et al., 2012; Chafik et al., 2019), maar met onze simulaties kunnen we duidelijker laten zien dat op z’n minst een deel van de positieve correlatie wordt veroorzaakt door de variabiliteit van winden parallel aan uitgestrekte stukken kustlijn.

Het nauwkeurig vaststellen van hoe hard de zeespiegel aan onze kust momenteel stijgt is erg belangrijk voor beleidsmakers in ons land (Haasnoot et al., 2019). Toekomstige studies kunnen onze resultaten en de nieuwe inzichten in ons artikel hopelijk gebruiken om beter te corrigeren voor de variabiliteit van het zeeniveau in de metingen, en daardoor beter te bepalen hoe hard de zeespiegel lokaal daadwerkelijk stijgt dankzij klimaatverandering.

Meer weten? Het hele artikel is gratis te downloaden op de volgende website: https://doi.org/10.1029/2020JC016325

Met dank aan: Theo Gerkema

Ir. Tim Hermans is een PhD student bij het NIOZ en werkzaam bij de afdeling Estuarine & Delta Systems. Tim werkt ook mee aan het IPCC AR6 rapport als Chapter Scientist van hoofdstuk 9 Ocean, cryosphere, and sea level change.

Referenties

Andersen, O. B., and Scharroo, R. (2011). “Range and Geophysical Corrections in Coastal Regions: And Implications for Mean Sea Surface Determination,” in Coastal Altimetry, eds. K. A., C. P., and B. J. (Springer, Berlin, Heidelberg). doi:10.1007/978-3-642-12796-0.

Baart, F., Rongen, G., Hijma, M., Kooi, H., De Winter, R., and Nicolai, R. (2018). Zeespiegelmonitor 2018.

Calafat, F. M., Chambers, D. P., and Tsimplis, M. N. (2012). Mechanisms of decadal sea level variability in the eastern North Atlantic and the Mediterranean Sea. J. Geophys. Res. Ocean. 117, 1–14. doi:10.1029/2012JC008285.

CDS (2017). ERA5: Fifth generation of ECMWF atmospheric reanalyses of the global climate. Copernicus Clim. Chang. Serv. (C3S). Copernicus Clim. Chang. Serv. Clim. Data Store. Available at: https://cds.climate.copernicus.eu/cdsapp#!/home [Accessed October 15, 2019].

Chafik, L., Nilsen, J. E. Ø., Dangendorf, S., Reverdin, G., and Frederikse, T. (2019). North Atlantic Ocean Circulation and Decadal Sea Level Change During the Altimetry Era. Sci. Rep. 9, 1041. doi:10.1038/s41598-018-37603-6.

Church, J. A., Clark, P. U., Cazenave, A., Gregory, J. M., Jevrejeva, S., Levermann, A., et al. (2013). Sea Level Change. in In: Climate Change 2013: The Physical Science Basis. Contribution of Working Group I to the Fifth Assessment Report of the Intergovernmental Panel on Climate Change, eds. T. F. Stocker, D. Qin, G.-K. Plattner, M. Tignor, S. K. Allen, J. Boschung, et al. (Cambridge University Press, Cambridge, United Kingdom and New York, NY, USA.).

Dangendorf, S., Calafat, F. M., Arns, A., Wahl, T., Haigh, I. D., and Jensen, J. (2014). Mean sea level variability in the North Sea: Processes and implications. J. Geophys. Res.  Ocean. 119, 6820–6841. doi:10.1002/2014JC010192.Received.

Fernandez, E., and Lellouche, J. M. (2018). Product User Manual: For the GLOBAL Ocean Sea Physical Reanalysis product GLOBAL_REANALYSIS_PHY_001_030.

Frederikse, T., Riva, R., Kleinherenbrink, M., Wada, Y., van den Broeke, M., and Marzeion, B. (2016). Closing the sea level budget on a regional scale: Trends and variability on the Northwestern European continental shelf. Geophys. Res. Lett. 43, 10,864-10,872. doi:10.1002/2016GL070750.

Gerkema, T., and Duran-Matute, M. (2017). Interannual variability of mean sea level and its sensitivity to wind climate in an inter-tidal basin. Earth Syst. Dyn. 8, 1223–1235. doi:https://doi.org/10.5194/esd-8-1223-2017.

Haasnoot, M., Kwadijk, J., Van Alphen, J., Le Bars, D., Van den Hurk, B., Diermanse, F., et al. (2019). Adaptation to uncertain sea-level rise; how uncertainty in Antarctic mass-loss impacts the coastal adaptation strategy of the Netherlands. Environ. Res. Lett. Available at: http://iopscience.iop.org/10.1088/1748-9326/ab666c.

Hermans, T. H. J., Bars, D. Le, Katsman, C. A., and Camargo, C. M. L. (2020a). Drivers of Interannual Sea Level Variability on the Northwestern European Shelf. J. Geophys. Res. Ocean. 125, 1–18. doi:10.1029/2020JC016325.

Hermans, T. H. J., Tinker, J., Palmer, M. D., Katsman, C. A., Vermeersen, B. L. A., and Slangen, A. B. A. (2020b). Improving sea-level projections on the Northwestern European shelf using dynamical downscaling. Clim. Dyn. 54, 1987–2011. doi:10.1007/s00382-019-05104-5.

Miller, L., and Douglas, B. C. (2007). Gyre-scale atmospheric pressure variations and their relation to 19th and 20th century sea level rise. Geophys. Res. Lett. 34, 1–5. doi:10.1029/2007GL030862.

Oppenheimer, M., Glavovic, B. C., Hinkel, J., Wal, R. van de, Magnan, A. K., Abd-Elgawad, A., et al. (2019). “Sea Level Rise and Implications for Low Lying Islands, Coasts and Communities,” in IPCC Special Report on the Ocean and Cryosphere in a Changing Climate, eds. H.-O. Pörtner, D. C. Roberts, V. Masson-Delmotte, P. Zhai, M. Tignor, E. Poloczanska, et al.

Shchepetkin, A. F., and McWillams, J. C. (2005). The regional oceanic modeling system (ROMS): a split-explicit, free-surface, topography-following-coordinate oceanic model. Ocean Model. 9, 347–404. doi:10.1016/j.ocemod.2004.08.002.

Sterlini, P., Le Bars, D., de Vries, H., and Ridder, N. (2017). Understanding the spatial variation of sea level rise in the North Sea using satellite altimetry. J. Geophys. Res.  Ocean. 122, 6498–651.

Sturges, W., and Douglas, B. C. (2011). Wind effects on estimates of sea level rise. J. Geophys. Res. Ocean. 116. doi:10.1029/2010JC006492.

Taylor, K., Stouffer, R. J., and Meehl, G. A. (2012). An overview of CMIP5 and the experiment design. Bull Am Meteorol Soc 93, 485–498. doi:10.1175/BAMS-D-11-00094.1.

Tinker, J., Palmer, M. D., Copsey, D., Howard, T., Lowe, J. A., and Hermans, T. H. J. (2020). Dynamical downscaling of unforced interannual sea‑level variability in the North‑West European shelf seas. Clim. Dyn. 55, 2207–2236. doi:10.1007/s00382-020-05378-0.

Van den Hurk, B., Siegmund, P., Klein Tank, A. (Eds), Attema, J., Bakker, A., Beersma, J., et al. (2014). KNMI’14: Climate Change scenarios for the 21st Century – A Netherlands perspective. De Bilt, The Netherlands Available at: http://www.climatescenarios.nl/.

Vermeersen, B. L. A., Slangen, A. B. A., Gerkema, T., Baart, F., Cohen, K. M., Dangendorf, S., et al. (2018). Sea-level change in the Dutch Wadden Sea. Netherlands J. Geosci. 97, 79–127. doi:10.1017/njg.2018.7.

Wakelin, S. L., Woodworth, P. L., Flather, R. A., and Williams, J. A. (2003). Sea-level dependence on the NAO over the NW European Continental Shelf. Geophys. Res. Lett. 30, 1–4. doi:10.1029/2003GL017041.