TY  - THES
A1  - Aich, Valentin
T1  - Floods in the Niger River Basin in the face of global change
T1  - Hochwasser im Niger Einzugsgebiet im Kontext des Globalen Wandels
BT  - analysis, attribution and projections
BT  - Analyse, Zuschreibung und Projektionen
N2  - In the last decade, the number and dimensions of catastrophic flooding events in the Niger River Basin (NRB) have markedly increased. Despite the devastating impact of the floods on the population and the mainly agriculturally based economy of the riverine nations, awareness of the hazards in policy and science is still low. The urgency of this topic and the existing research deficits are the motivation for the present dissertation.
The thesis is an initial detailed assessment of the increasing flood risk in the NRB. The research strategy is based on four questions regarding (1) features of the change in flood risk, (2) reasons for the change in the flood regime, (3) expected changes of the flood regime given climate and land use changes, and (4) recommendations from previous analysis for reducing the flood risk in the NRB.
The question examining the features of change in the flood regime is answered by means of statistical analysis. Trend, correlation, changepoint, and variance analyses show that, in addition to the factors exposure and vulnerability, the hazard itself has also increased significantly in the NRB, in accordance with the decadal climate pattern of West Africa. The northern arid and semi-arid parts of the NRB are those most affected by the changes.
As potential reasons for the increase in flood magnitudes, climate and land use changes are attributed by means of a hypothesis-testing framework. Two different approaches, based on either data analysis or simulation, lead to similar results, showing that the influence of climatic changes is generally larger compared to that of land use changes. Only in the dry areas of the NRB is the influence of land use changes comparable to that of climatic alterations.
Future changes of the flood regime are evaluated using modelling results. First ensembles of statistically and dynamically downscaled climate models based on different emission scenarios are analyzed. The models agree with a distinct increase in temperature. The precipitation signal, however, is not coherent. The climate scenarios are used to drive an eco-hydrological model. The influence of climatic changes on the flood regime is uncertain due to the unclear precipitation signal. Still, in general, higher flood peaks are expected. In a next step, effects of land use changes are integrated into the model. Different scenarios show that regreening might help to reduce flood peaks. In contrast, an expansion of agriculture might enhance the flood peaks in the NRB. Similarly to the analysis of observed changes in the flood regime, the impacts of climate- and land use changes for the future scenarios are also most severe in the dry areas of the NRB.
In order to answer the final research question, the results of the above analysis are integrated into a range of recommendations for science and policy on how to reduce flood risk in the NRB. The main recommendations include a stronger consideration of the enormous natural climate variability in the NRB and a focus on so called “no-regret” adaptation strategies which account for high uncertainty, as well as a stronger consideration of regional differences. Regarding the prevention and mitigation of catastrophic flooding, the most vulnerable and sensitive areas in the basin, the arid and semi-arid Sahelian and Sudano-Sahelian regions, should be prioritized. Eventually, an active, science-based and science-guided flood policy is recommended. The enormous population growth in the NRB in connection with the expected deterioration of environmental and climatic conditions is likely to enhance the region´s vulnerability to flooding. A smart and sustainable flood policy can help mitigate these negative impacts of flooding on the development of riverine societies in West Africa.
N2  - Während des vergangenen Jahrzehnts nahmen die Anzahl und die Ausmaße von katastrophalen Hochwassern im Einzugsgebiet des Nigerflussess (NEZG) deutlich zu. Trotz der verheerenden Auswirkungen der Hochwasserkatastrophen auf die Menschen und die hauptsächlich auf Landwirtschaft basierende Wirtschaft der Anrainerstaaten wird das Thema von Politik und Wissenschaft noch kaum beachtet.
Die vorliegende Dissertation ist die erste ausführliche Analyse des steigenden Hochwasserrisikos im NEZG. Die Forschungsstrategie basiert auf vier Fragen nach (1) der Art der Veränderungen des Hochwasserrisikos, (2) den Ursachen der Veränderungen im Hochwasserregime, (3) den zukünftigen Entwicklungen im Hochwasserregime hinsichtlich der erwartenden Klima- und Landnutzungswandel und (4) den aus den Untersuchungen abgeleiteten Empfehlungen zur Reduzierung des Hochwasserrisikos im NEZG.
Die Frage nach den Merkmalen der Veränderungen im Hochwasserrisiko wurde mithilfe von statistischen Untersuchungen beantwortet. Die Analysen zeigen, dass neben den Risikofaktoren Exponiertheit und Verwundbarkeit auch die Hochwasserstände selbst im NEZG in den letzten Jahrzehnten signifikant und entsprechend der typischen dekadischen Klimamuster Westafrikas angestiegen sind.
Als potentielle Ursachen des Hochwasseranstiegs werden Klima- und Landnutzungswandel untersucht. Zwei verschiedene Ansätze, basierend auf Daten sowie auf Simulationen, führen zu ähnlichen Ergebnissen und zeigen, dass der Einfluss der Klimaveränderungen im Allgemeinen größer als der des Landnutzungswandels ist.
Das zukünftige Hochwasserrisiko wird anhand des öko-hydrologisches Modells SWIM abgeschätzt. Der Einfluss des Klimawandels auf das Hochwasserregime ist auf Grund des problematischen Niederschlagssignals unsicher. Tendenziell werden aber höhere Maximalabflüsse erwartet. Der Effekt der Landnutzungsänderung beeinflusst das Hochwasserverhalten ebenfalls stark, besonders in den trockenen Gebieten. Verschiedene Szenarien zeigen, dass Renaturierung hülfe, Hochwasserspitzen zu kappen. Eine Ausweitung der Agrarflächen dagegen würde die Hochwässer im NEZG weiter verstärken
Zentrale Empfehlungen sind eine stärkere Einbeziehung der enorm starken natürlichen Klimavariabilität im NEZG und eine Fokussierung auf sogenannte „no-regret“ Anpassungsstrategien. Dabei sollte den verwundbarsten Regionen des Einzugsgebiets, den ariden und semi-ariden Regionen, Priorität eingeräumt werden. Die enorme Bevölkerungszunahme im NEZG verbunden mit der zu erwartenden Verschlechterung der Umwelt- und Klimabedingungen wird mit hoher Wahrscheinlichkeit auch die Verwundbarkeit bezüglich Hochwässer weiter ansteigen lassen. Eine vernünftige und nachhaltige Hochwasserpolitik kann helfen, die negativen Folgen auf die Entwicklung der Anrainerstaaten des Nigerflusses abzumindern.
KW  - flood
KW  - Niger
KW  - climate change
KW  - land use change
KW  - Hochwasser
KW  - Niger
KW  - Klimawandel
KW  - Landnutzungswandel
Y1  - 2015
U6  - http://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:kobv:517-opus4-91577
ER  - 
TY  - THES
A1  - Kemter, Matthias
T1  - River floods in a changing world
T1  - Flusshochwasser in einer sich ändernden Welt
N2  - River floods are among the most devastating natural hazards worldwide. As their generation is highly dependent on climatic conditions, their magnitude and frequency are projected to be affected by future climate change. Therefore, it is crucial to study the ways in which a changing climate will, and already has, influenced flood generation, and thereby flood hazard. Additionally, it is important to understand how other human influences - specifically altered land cover - affect flood hazard at the catchment scale.

The ways in which flood generation is influenced by climatic and land cover conditions differ substantially in different regions. The spatial variability of these effects needs to be taken into account by using consistent datasets across large scales as well as applying methods that can reflect this heterogeneity. Therefore, in the first study of this cumulative thesis a complex network approach is used to find 10 clusters of similar flood behavior among 4390 catchments in the conterminous United States. By using a consistent set of 31 hydro-climatological and land cover variables, and training a separate Random Forest model for each of the clusters, the regional controls on flood magnitude trends between 1960-2010 are detected. It is shown that changes in rainfall are the most important drivers of these trends, while they are regionally controlled by land cover conditions.

While climate change is most commonly associated with flood magnitude trends, it has been shown to also influence flood timing. This can lead to trends in the size of the area across which floods occur simultaneously, the flood synchrony scale. The second study is an analysis of data from 3872 European streamflow gauges and shows that flood synchrony scales have increased in Western Europe and decreased in Eastern Europe. These changes are attributed to changes in flood generation, especially a decreasing relevance of snowmelt. Additionally, the analysis shows that both the absolute values and the trends of flood magnitudes and flood synchrony scales are positively correlated. If these trends persist in the future and are not accounted for, the combined increases of flood magnitudes and flood synchrony scales can exceed the capacities of disaster relief organizations and insurers.

Hazard cascades are an additional way through which climate change can influence different aspects of flood hazard. The 2019/2020 wildfires in Australia, which were preceded by an unprecedented drought and extinguished by extreme rainfall that led to local flooding, present an opportunity to study the effects of multiple preceding hazards on flood hazard. All these hazards are individually affected by climate change, additionally complicating the interactions within the cascade. By estimating and analyzing the burn severity, rainfall magnitude, soil erosion and stream turbidity in differently affected tributaries of the Manning River catchment, the third study shows that even low magnitude floods can pose a substantial hazard within a cascade.

This thesis shows that humanity is affecting flood hazard in multiple ways with spatially and temporarily varying consequences, many of which were previously neglected (e.g. flood synchrony scale, hazard cascades). To allow for informed decision making in risk management and climate change adaptation, it will be crucial to study these aspects across the globe and to project their trajectories into the future. The presented methods can depict the complex interactions of different flood drivers and their spatial variability, providing a basis for the assessment of future flood hazard changes. The role of land cover should be considered more in future flood risk modelling and management studies, while holistic, transferable frameworks for hazard cascade assessment will need to be designed.
N2  - Flusshochwasser gehören zu den verheerendsten Naturkatastrophen weltweit. Ihre Entstehung hängt von klimatischen Bedingungen ab, weshalb vorhergesagt wird, dass sich ihre Magnituden und Häufigkeit durch den Klimawandel ändern werden. Daher ist es notwendig zu untersuchen, auf welche Art sich ein verändertes Klima - auch im Vergleich mit Effekten durch Landbedeckungsänderungen - auf Hochwasserentstehung und -gefahr auswirken könnte und das bereits getan hat.

Diese kumulative Arbeit beleuchtet drei Teilaspekte dieses Themas. In der ersten Studie werden mittels maschinellen Lernens die wichtigsten Variablen entdeckt und untersucht, die die Änderungen von Hochwassermagnituden in 4390 Einzugsgebieten in den USA von 1960-2010 kontrolliert haben. Es wird gezeigt, dass Änderungen der Regenmengen der entscheidende Faktor waren, während Landnutzung regional von großer Bedeutung war. Die zweite Studie untersucht von 1960-2010 Änderungen in der Distanz innerhalb welcher Hochwasser in verschiedenen Flüssen gleichzeitig auftreten. Daten von 3872 europäischen Flusspegeln zeigen, dass sich die Fläche der gleichzeitigen Überflutung in Westeuropa vergrößert und in Osteuropa verkleinert hat, was auf abnehmende Relevanz der Schneeschmelze bei der Hochwasserentstehung zurückzuführen ist. Die dritte Studie behandelt die Auswirkungen kaskadierender Naturkatastrophen auf Hochwasser am Beispiel der australischen Waldbrände 2019/2020. Die Untersuchung der verschieden stark betroffenen Nebenflüsse des Manning River zeigt, dass in einer Naturgefahrenkaskade selbst gewöhnliche Hochwasser substantielle Auswirkungen haben können.

Diese Arbeit zeigt, dass die Menschheit Hochwassergefahren auf verschiedene Arten und mit räumlich sowie zeitlich variablen Resultaten beeinflusst. Diese Aspekte müssen zukünftig global näher untersucht und ihre Entwicklung für die Zukunft modelliert werden, um fundierte Entscheidungen in Hochwasserschutz treffen zu können. Für Hochwassermagnituden und die Fläche gleichzeitiger Überflutung können hierfür die präsentierten Methoden adaptiert werden.
KW  - hydrology
KW  - climate change
KW  - flood
KW  - Hydrologie
KW  - Klimawandel
KW  - Hochwasser
Y1  - 2022
U6  - http://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:kobv:517-opus4-558564
ER  - 
TY  - THES
A1  - Samprogna Mohor, Guilherme
T1  - Exploring the transferability of flood loss models across flood types
N2  - The estimation of financial losses is an integral part of flood risk assessment. The application of existing flood loss models on locations or events different from the ones used to train the models has led to low performance, showing that characteristics of the flood damaging process have not been sufficiently well represented yet. To improve flood loss model transferability, I explore various model structures aiming at incorporating different (inland water) flood types and pathways. That is based on a large survey dataset of approximately 6000 flood-affected households which addresses several aspects of the flood event, not only the hazard characteristics but also information on the affected building, socioeconomic factors, the household's preparedness level, early warning, and impacts. Moreover, the dataset reports the coincidence of different flood pathways. Whilst flood types are a classification of flood events reflecting their generating process (e.g. fluvial, pluvial), flood pathways represent the route the water takes to reach the receptors (e.g. buildings). In this work, the following flood pathways are considered: levee breaches, river floods, surface water floods, and groundwater floods. 
The coincidence of several hazard processes at the same time and place characterises a compound event. In fact, many flood events develop through several pathways, such as the ones addressed in the survey dataset used. Earlier loss models, although developed with one or multiple predictor variables, commonly use loss data from a single flood event which is attributed to a single flood type, disregarding specific flood pathways or the coincidence of multiple pathways. This gap is addressed by this thesis through the following research questions: 1. In which aspects do flood pathways of the same (compound inland) flood event differ? 2. How much do factors which contribute to the overall flood loss in a building differ in various settings, specifically across different flood pathways? 3. How well can Bayesian loss models learn from different settings? 4. Do compound, that is, coinciding flood pathways result in higher losses than a single pathway, and what does the outcome imply for future loss modelling?
Statistical analysis has found that households affected by different flood pathways also show, in general, differing characteristics of the affected building, preparedness, and early warning, besides the hazard characteristics. Forecasting and early warning capabilities and the preparedness of the population are dominated by the general flood type, but characteristics of the hazard at the object-level, the impacts, and the recovery are more related to specific flood pathways, indicating that risk communication and loss models could benefit from the inclusion of flood-pathway-specific information.
For the development of the loss model, several potentially relevant predictors are analysed: water depth, duration, velocity, contamination, early warning lead time, perceived knowledge about self-protection, warning information, warning source, gap between warning and action, emergency measures, implementation of property-level precautionary measures (PLPMs), perceived efficacy of PLPMs, previous flood experience, awareness of flood risk, ownership, building type, number of flats, building quality, building value, house/flat area, building area, cellar, age, household size, number of children, number of elderly residents, income class, socioeconomic status, and insurance against floods. After a variable selection, descriptors of the hazard, building, and preparedness were deemed significant, namely: water depth, contamination, duration, velocity, building area, building quality, cellar, PLPMs, perceived efficacy of PLPMs, emergency measures, insurance, and previous flood experience. The inclusion of the indicators of preparedness is relevant, as they are rarely involved in loss datasets and in loss modelling, although previous studies have shown their potential in reducing losses. In addition, the linear model fit indicates that the explanatory factors are, in several cases, differently relevant across flood pathways. 
Next, Bayesian multilevel models were trained, which intrinsically incorporate uncertainties and allow for partial pooling (i.e. different groups of data, such as households affected by different flood pathways, can learn from each other), increasing the statistical power of the model. A new variable selection was performed for this new model approach, reducing the number of predictors from twelve to seven variables but keeping factors of the hazard, building, and preparedness, namely: water depth, contamination, duration, building area, PLPMs, insurance, and previous flood experience. The new model was trained not only across flood pathways but also across regions of Germany, divided according to general socioeconomic factors and insurance policies, and across flood events. The distinction across regions and flood events did not improve loss modelling and led to a large overlap of regression coefficients, with no clear trend or pattern. The distinction of flood pathways showed credibly distinct regression coefficients, leading to a better understanding of flood loss modelling and indicating one potential reason why model transferability has been challenging.
Finally, new model structures were trained to include the possibility of compound inland floods (i.e. when multiple flood pathways coincide on the same affected asset). The dataset does not allow for verifying in which sequence the flood pathway waves occurred and predictor variables reflect only their mixed or combined outcome. Thus, two Bayesian models were trained: 1. a multi-membership model, a structure which learns the regression coefficients for multiple flood pathways at the same time, and 2. a multilevel model wherein the combination of coinciding flood pathways makes individual categories. The multi-membership model resulted in credibly different coefficients across flood pathways but did not improve model performance in comparison to the model assuming only a single dominant flood pathway. The model with combined categories signals an increase in impacts after compound floods, but due to the uncertainty in model coefficients and estimates, it is not possible to ascertain such an increase as credible. That is, with the current level of uncertainty in differentiating the flood pathways, the loss estimates are not credibly distinct from individual flood pathways.
To overcome the challenges faced, non-linear or mixed models could be explored in the future. Interactions, moderation, and mediation effects, as well as non-linear effects, should also be further studied. Loss data collection should regularly include preparedness indicators, and either data collection or hydraulic modelling should focus on the distinction of coinciding flood pathways, which could inform loss models and further improve estimates. Flood pathways show distinct (financial) impacts, and their inclusion in loss modelling proves relevant, for it helps in clarifying the different contribution of influencing factors to the final loss, improving understanding of the damaging process, and indicating future lines of research.
N2  - Die Schätzung finanzieller Schäden ist ein wesentlicher Bestandteil der Hochwasserrisikoanalyse. Die Anwendung bestehender Hochwasserschadensmodelle auf anderen Orten oder Ereignisse als jene, die zur Kalibrierung der Modelle verwendet wurden, hat zu einer geringen Modellgüte geführt. Dies zeigt, dass die Merkmale des Hochwasserschadensprozesses in den Modellen noch nicht hinreichend repräsentiert sind. Um die Übertragbarkeit von Hochwasserschadensmodellen zu verbessern, habe ich verschiedene Modellstrukturen untersucht, die darauf abzielen, unterschiedliche Hochwassertypen und wirkungspfade einzubeziehen. Dies geschieht auf der Grundlage eines großen Datensatzes von ca. 6000 Fällen überschwemmungsgeschädigter Haushalte, der mehrere Aspekte des Hochwasserereignisses berücksichtigt. Diese sind nicht nur die Gefährdungsmerkmale, sondern auch Informationen über das betroffene Gebäude, sozioökonomische Faktoren, die Vorsorge des Haushalts, die Frühwarnung und die Auswirkungen. Darüber hinaus enthält der Datensatz Informationen über das Vorkommen verschiedener Hochwasserwirkungspfade. Im Gegensatz zu den Hochwassertypen, die eine Klassifizierung von Hochwasserereignissen darstellen und deren Entstehungsprozess widerspiegeln (z. B. Fluss- oder Regenhochwasser), repräsentieren die Hochwasserwirkungspfade den Weg, den das Wasser nimmt, um die Rezeptoren (z. B. die Gebäude) zu erreichen. In dieser Arbeit werden folgende Hochwasserwirkungspfade betrachtet: Deichbrüche, Flusshochwasser, Überflutung durch oberflächlich abfließendes Wasser und Grundwasserhochwasser. Das Zusammentreffen mehrerer Gefahrenprozesse zur selben Zeit und am selben Ort kennzeichnet ein Verbundereignis (compound event). Tatsächlich entwickeln sich viele Hochwasserereignisse über mehrere Wirkungspfade, z. B. die vorher erwähnten. Frühere Schadensmodelle, die zwar mit einer oder mehreren Prädiktorvariablen entwickelt wurden, verwenden in der Regel Schadensdaten eines einzelnen Hochwasserereignisses, das einem bestimmten Hochwassertyp zugeordnet wird. Spezifische Hochwasserwirkungspfade oder das Zusammentreffen mehrerer Wirkungspfade werden dabei vernachlässigt. An dieser Forschungslücke setzt die vorliegende Arbeit mit folgenden Forschungsfragen an: 1) Inwiefern unterscheiden sich die Hochwasserwirkungspfade desselben (zusammengesetzten) Hochwasserereignisses? 2) Inwieweit unterscheiden sich die Faktoren, die zum gesamten Hochwasserschaden an einem Gebäude beitragen, in verschiedenen Situationen, insbesondere bei verschiedenen Hochwasserwirkungspfaden? 3) Wie gut können Bayes'sche Schadensmodelle aus verschiedenen Situationen lernen? 4) Führen gemischte, d. h. mehrere zusammentreffende Hochwasserwirkungspfade, zu höheren Schäden als ein einzelner Pfad und was bedeuten die Ergebnisse für die künftige Schadensmodellierung?
Die statistische Analyse zeigt, dass Haushalte, die von verschiedenen Hochwasserwirkungspfaden betroffen sind, im Allgemeinen neben den Gefahrenmerkmalen auch unterschiedliche Eigenschaften des betroffenen Gebäudes sowie der Vorsorge und der Frühwarnung aufweisen. Die Variablen des Frühwarnsystems und die Vorsorge der Bevölkerung werden von dem allgemeinen Hochwassertyp dominiert, wohingegen die Merkmale der Gefahr auf Objektebene, die Auswirkungen und die Wiederherstellung von den spezifischeren Hochwasserwirkungspfaden dominiert. Dies deutet darauf hin, dass Risikokommunikation und Schadensmodelle von der Einbeziehung hochwasserwirkungspfad-spezifischer Informationen profitieren könnten.
Für die Entwicklung des Schadensmodells wurden mehrere potenziell relevante Prädiktoren analysiert: Wassertiefe, Dauer, Geschwindigkeit, Verschmutzung, Vorwarnzeit, wahrgenommenes Wissen über Selbstschutz, Warninformation, Warnquelle, Zeitspanne zwischen Warnung und Handlung, Notfallmaßnahmen, Umsetzung von Vorsorgemaßnahmen auf Grundstücksebene (PLPMs), wahrgenommene Wirksamkeit von PLPMs, frühere Hochwassererfahrungen, Bewusstsein für das Hochwasserrisiko, Eigentumsverhältnisse, Gebäudetyp, Anzahl der Wohnungen, Gebäudequalität, Gebäudewert, Haus-/Wohnungsfläche, Gebäudefläche, Keller, Alter der befragten Person, Haushaltsgröße, Anzahl der Kinder, Anzahl der älteren Menschen, monatliches Einkommen sowie sozioökonomischer Status und Versicherung gegen Hochwasser. Nach einer Variablenauswahl wurden folgende Deskriptoren der Gefahr, des Gebäudes und der Vorbereitung als signifikant eingestuft: Wassertiefe, Verschmutzung, Überflutungsdauer, Geschwindigkeit, Gebäudefläche, Gebäudequalität, Keller, PLPMs, wahrgenommene Wirksamkeit von PLPMs, Notfallmaßnahmen, Versicherung und frühere Hochwassererfahrung. Die Einbeziehung der letztgenannten Gruppe von Faktoren ist von Bedeutung, da Indikatoren für die Vorsorge nur selten in Schadensdatensätze und Schadensmodellierung integriert werden, obwohl frühere Studien gezeigt haben, dass sie zur Verringerung von Schäden beitragen können. Die lineare Modellanpassung zeigte, dass die erklärenden Faktoren in mehreren Fällen je nach Hochwasserpfad unterschiedlich relevant sind. 
Als Nächstes wurden Bayes'sche Mehrebenenmodelle trainiert, die Unsicherheiten immanent einbeziehen und ein partielles Pooling ermöglichen. Das heißt, verschiedene Datengruppen (Haushalte, die von verschiedenen Hochwasserwirkungspfaden betroffen sind) können voneinander lernen, was die statistische Aussagekraft des Modells erhöht. Für diesen neuen Modellansatz wurde eine aktualisierte Variablenauswahl getroffen, bei der die Anzahl der Prädiktoren von zwölf auf sieben reduziert wurde, aber Faktoren der Gefahr, des Gebäudes und der Vorbereitung beibehalten wurden. Diese sind Wassertiefe, Verschmutzung, Dauer, Gebäudefläche, PLPMs, Versicherung und frühere Hochwassererfahrung. Das neue Modell wurde nicht nur über Hochwasserwirkungspfade, sondern auch über Regionen in Deutschland – unterteilt nach allgemeinen sozioökonomischen Faktoren und Versicherungspolicen – sowie über Hochwasserereignisse trainiert. Die Unterscheidung nach Regionen und Hochwasserereignissen verbesserte die Schadensmodellierung nicht und führte zu einer großen Überlappung der Regressionskoeffizienten ohne klaren Trend oder eindeutiges Muster. Die Unterscheidung nach Hochwasserwirkungspfaden ergab glaubhaft unterschiedliche Regressionskoeffizienten, was zu einem besseren Verständnis der Modellierung von Hochwasserschäden führte und einen möglichen Grund für die schwierige Übertragbarkeit der Modelle auf andere Situationen darstellt.
Schließlich wurden neue Modellstrukturen trainiert, um die Möglichkeit gemischter (Binnen)überschwemmungen, d. h. das Zusammentreffen mehrerer Hochwasserwirkungspfade auf demselben Objekt, zu berücksichtigen. Anhand des Datensatzes lässt sich nicht überprüfen, in welcher Reihenfolge die Hochwasserpfadwellen auftraten, und die Prädiktorvariablen zeigen nur deren gemischtes oder kombiniertes Ergebnis. Daher wurden zwei Bayes'sche Modelle trainiert: 1) ein Multi-Membership-Modell als Struktur, die die Regressionskoeffizienten für mehrere Hochwasserwirkungspfade gleichzeitig lernt, und 2) ein Mehrebenenmodell, bei dem die Kombination zusammentreffender Hochwasserwirkungspfade einzelne Kategorien bildet. Ersteres führte zu glaubhaft unterschiedlichen Koeffizienten für die verschiedenen Hochwasserwirkungspfade, verbesserte aber nicht die Modellleistung im Vergleich zu dem Modell, das nur einen einzigen, dominanten Hochwasserpfad annimmt. Das Modell mit kombinierten Wirkungspfadkategorien deutet auf eine Zunahme der Auswirkungen nach gemischten Überschwemmungen hin. Aufgrund der Unsicherheit der Modellkoeffizienten und -schätzungen ist es jedoch nicht möglich, eine solche Zunahme als glaubwürdig plausibel zu bewerten. Das heißt, bei dem derzeitigen Grad an Unsicherheit hinsichtlich der Differenzierung der Hochwasserwirkungspfade sind die Schadensschätzungen nicht glaubwürdig von den einzelnen Hochwasserwirkungspfaden zu unterscheiden.
Zur Überwindung der bestehenden Probleme könnten nichtlineare oder gemischte Modelle untersucht werden. Zudem sollten Interaktionseffekte, Moderations- und Mediationseffekte sowie nichtlineare Effekte weiter erforscht werden. Bei der Schadensdaten\-erhebung sollten außerdem regelmäßig Indikatoren für die Vorsorge einbezogen werden, und entweder bei der Datenerhebung oder bei der hydraulischen Modellierung sollte der Schwerpunkt auf der Unterscheidung kombinierter Hochwasserwirkungspfade liegen, was die Schadensmodelle bereichern und die Schätzungen weiter verbessern könnte. Hochwasserwirkungspfade zeigen differente (finanzielle) Auswirkungen und ihre Einbeziehung in die Schadensmodellierung hat sich als relevant erwiesen, da sie dazu beitragen, den unterschiedlichen Beitrag der Einflussfaktoren zum endgültigen Schaden zu klären, das Verständnis des Schadensprozesses zu verbessern und künftige Forschungslinien aufzuzeigen.
T2  - Untersuchung der Übertragbarkeit von Hochwasserschadensmodellen über Hochwassertypen
KW  - flood
KW  - financial loss
KW  - flood loss modelling
KW  - Bayesian model
KW  - multilevel modelling
KW  - flood pathway
KW  - Hochwasser
KW  - finanzielle Schäden
KW  - Schätzung finanzieller Schäden
KW  - Bayes'sche Modelle
KW  - Mehrebenenmodelle
KW  - Hochwasserwirkungspfad
Y1  - 2022
U6  - http://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:kobv:517-opus4-557141
ER  -