Reliable and long-term hindcast data of water levels are essential in quantifying return period and values of extreme water levels. In order to inform design decisions on a local flood control district level, process-based numerical modeling has proven an essential tool to provide the needed temporal and spatial coverage for different extreme value analysis methods. To determine the importance of different physical processes to the extreme water levels we developed a process-based numerical model (Delft3D Flexible Mesh) and applied it to simulate a large, urban, high-energy coastal estuary (the San Francisco Bay). The unstructured grid with 1D/2DH model elements, allows for efficient model simulations and therefore it was possible to simulate over 70 years between 1950 and 2019. Results show significant skill in reproducing observations for the entire modeled time period with an average root-mean-square error of 8.0 cm. A process-based modeling approach allows for the explicit in- and exclusion of different physical processes to quantify their importance to the extremes. For the 100-year still water level (SWL), tide (70%) and non-tidal residual (NTR) (25%) explain the majority of the simulated high water levels in the Bay relative to Mean Higher High Water (MHHW). However, closer to the Delta, local fluvial inflow increases in importance. For longer return periods, the importance of tide decreases and the importance of remote NTRs and fluvial inflow increases.

可靠和长期的水位后报数据对于量化重现期和极端水位值至关重要。为了为当地防洪区级别的设计决策提供信息，基于过程的数值建模已被证明是一种必不可少的工具，可为不同的极值分析方法提供所需的时间和空间覆盖范围。为了确定不同物理过程对极端水位的重要性，我们开发了一个基于过程的数值模型 (Delft3D 柔性网格)，并将其应用于模拟大型城市高能量沿海河口（旧金山湾）。具有 1D/2DH 模型元素的非结构化网格允许进行高效的模型模拟，因此可以模拟 1950 年至 2019 年之间的 70 多年。结果表明，在重现整个建模时间段的观察结果方面具有显着的技巧，平均均方根误差为 8.0 厘米。基于过程的建模方法允许明确地引入和排除不同的物理过程，以量化它们对极端情况的重要性。对于 100 年静水位 (SWL)，潮汐 (70%) 和非潮汐残留 (NTR) (25%) 解释了海湾中相对于平均高水位 (MHHW) 的大部分模拟高水位. 然而，靠近三角洲，当地河流流入的重要性增加。对于较长的重现期，潮汐的重要性降低，而远程 NTR 和河流流入的重要性增加。基于过程的建模方法允许明确地引入和排除不同的物理过程，以量化它们对极端情况的重要性。对于 100 年静水位 (SWL)，潮汐 (70%) 和非潮汐残留 (NTR) (25%) 解释了海湾中相对于平均高水位 (MHHW) 的大部分模拟高水位. 然而，靠近三角洲，当地河流流入的重要性增加。对于较长的重现期，潮汐的重要性降低，而远程 NTR 和河流流入的重要性增加。基于过程的建模方法允许明确地引入和排除不同的物理过程，以量化它们对极端情况的重要性。对于 100 年静水位 (SWL)，潮汐 (70%) 和非潮汐残留 (NTR) (25%) 解释了海湾中相对于平均高水位 (MHHW) 的大部分模拟高水位. 然而，靠近三角洲，当地河流流入的重要性增加。对于较长的重现期，潮汐的重要性降低，而远程 NTR 和河流流入的重要性增加。当地河流流入的重要性增加。对于较长的重现期，潮汐的重要性降低，而远程 NTR 和河流流入的重要性增加。当地河流流入的重要性增加。对于较长的重现期，潮汐的重要性降低，而远程 NTR 和河流流入的重要性增加。