@phdthesis{Haendel2018,
  author    = {H{\"a}ndel, Annabel},
  title     = {Ground-motion model selection and adjustment for seismic hazard analysis},
  url       = {http://nbn-resolving.de/urn:nbn:de:kobv:517-opus4-418123},
  school      = {Universit{\"a}t Potsdam},
  pages     = {122},
  year      = {2018},
  abstract  = {Erdbeben k{\"o}nnen starke Bodenbewegungen erzeugen und es ist wichtig, diese in einer seismischen Gef{\"a}hrdungsanalyse korrekt vorherzusagen. {\"U}blicherweise werden dazu empirisch ermittelte Bodenbewegungsmodelle (GMPE) in einem logischen Baum zusammengef{\"u}gt. Wenn jedoch die Bodenbewegung in einem Gebiet mit geringer Seismizit{\"a}t bestimmen werden soll, dann fehlen in der Regel die Daten, um regionsspezifische GMPEs zu entwickeln. In diesen F{\"a}llen ist es notwendig, auf Modelle aus anderen Gebieten mit guter Datengrundlage zur{\"u}ckzugreifen und diese an die Zielregion anzupassen. Zur korrekten Anpassung werden seismologische Informationen aus der Zielregion wie beispielsweise die standortspezifische D{\"a}mpfung kappa0 ben{\"o}tigt. Diese Parameter lassen sich jedoch ebenfalls nur unzuverl{\"a}ssig bestimmen, wenn die Datengrundlage schlecht ist. In meiner Dissertation besch{\"a}ftige ich mich daher mit der Auswahl von GMPEs f{\"u}r den logischen Baum beziehungsweise deren Anpassung an Regionen mit geringer Seismizit{\"a}t. Ich folge dabei zwei verschiedenen Strategien. Im ersten Ansatz geht es um das Aufstellen eines logischen Baumes, falls kein regionsspezifisches Modell vorhanden ist. Ich stelle eine Methode vor, in der mehrere regionsfremde Modelle zu einem Mixmodell zusammengef{\"u}gt werden. Die Modelle werden dabei je nach ihrer Eignung gewichtet und die Gewichte mittels der wenigen verf{\"u}gbaren Daten aus der Zielregion ermittelt. Ein solches Mixmodell kann als sogenanntes 'Backbone'-Modell verwendet werden, welches in der Lage ist, mittlere Bodenbewegungen in der Zielregion korrekt vorherzusagen. Ich teste diesen Ansatz f{\"u}r Nordchile und acht GMPEs, die f{\"u}r verschiedene Subduktionszonen auf der Welt entwickelt wurden. Die Resultate zeigen, dass das Mixmodell bessere Ergebnisse liefert als die einzelnen GMPEs, die zu seiner Erzeugung genutzt wurden. Es ist außerdem ebenso gut in der Vorhersage von Bodenbewegungen wie ein Regressionsmodell, welches extra f{\"u}r Nordchile entwickelt wurde. Im zweiten Ansatz besch{\"a}ftige ich mich mit der Bestimmung der standortspezifischen D{\"a}mpfung kappa0. kappa0 ist einer der wichtigsten Parameter zur Anpassung eines GMPEs an eine andere Region. Mein Ziel ist es, kappa0 aus seismischer Bodenunruhe anstelle von Erdbeben zu ermitteln, da diese kontinuierlich aufgezeichnet wird. Mithilfe von Interferometrie kann die Geschwindigkeit und D{\"a}mpfung von seismischen Wellen im Untergrund bestimmt werden. Dazu werden lange Aufzeichnungsreihen seismischer Bodenunruhe entweder kreuzkorreliert oder entfaltet (Dekonvolution). Die Bestimmung der D{\"a}mpfung aus Bodenunruhe bei Frequenzen {\"u}ber 1 Hz und in geringen Tiefen ist jedoch nicht trivial. Ich zeige in meiner Dissertation die Ergebnisse von zwei Studien. In der ersten Studie wird die D{\"a}mpfung von Love-Wellen zwischen 1-4 Hz f{\"u}r ein kleines Testarray in Griechenland ermittelt. In der zweiten Studie verwende ich die Daten einer Bohrloch und einer Oberfl{\"a}chenstation aus dem Vogtland, um die D{\"a}mpfung von S-Wellen zwischen 5-15 Hz zu bestimmen. Diese beiden Studien stellen jedoch nur den Ausgangspunkt f{\"u}r zuk{\"u}nftige Untersuchungen dar, in denen kappa0 direkt aus der seismischer Bodenunruhe hergeleitet werden soll.},
  language  = {en}
}