TY  - THES
A1  - Banerjee, Abhirup
T1  - Characterizing the spatio-temporal patterns of extreme events
BT  - from recurrence to prediction
N2  - Over the past decades, there has been a growing interest in ‘extreme events’ owing to the increasing threats that climate-related extremes such as floods, heatwaves, droughts, etc., pose to society. While extreme events have diverse definitions across various disciplines, ranging from earth science to neuroscience, they are characterized mainly as dynamic occurrences within a limited time frame that impedes the normal functioning of a system. Although extreme events are rare in occurrence, it has been found in various hydro-meteorological and physiological time series (e.g., river flows, temperatures, heartbeat intervals) that they may exhibit recurrent behavior, i.e., do not end the lifetime of the system. The aim of this thesis to develop some
sophisticated methods to study various properties of extreme events.

One of the main challenges in analyzing such extreme event-like time series is that they have large temporal gaps due to the paucity of the number of observations of extreme events. As a result, existing time series analysis tools are usually not helpful to decode the underlying
information. I use the edit distance (ED) method to analyze extreme event-like time series in their unaltered form. ED is a specific distance metric, mainly designed to measure the similarity/dissimilarity between point process-like data. I combine ED with recurrence plot techniques to identify the recurrence property of flood events in the Mississippi River in the United States. I also use recurrence quantification analysis to show the deterministic properties
and serial dependency in flood events.

After that, I use this non-linear similarity measure (ED) to compute the pairwise dependency in extreme precipitation event series. I incorporate the similarity measure within the framework of complex network theory to study the collective behavior of climate extremes. Under this architecture, the nodes are defined by the spatial grid points of the given spatio-temporal climate dataset. Each node is associated with a time series corresponding to the temporal evolution
of the climate observation at that grid point. Finally, the network links are functions of the pairwise statistical interdependence between the nodes. Various network measures, such as degree, betweenness centrality, clustering coefficient, etc., can be used to quantify the network’s topology. We apply the methodology mentioned above to study the spatio-temporal coherence pattern of extreme rainfall events in the United States and the Ganga River basin, which reveals its relation to various climate processes and the orography of the region.

The identification of precursors associated with the occurrence of extreme events in the near future is extremely important to prepare the masses for an upcoming disaster and mitigate the potential risks associated with such events. Under this motivation, I propose an in-data prediction recipe for predicting the data structures that typically occur prior to extreme events using the Echo state network, a type of Recurrent Neural Network which is a part of the reservoir
computing framework. However, unlike previous works that identify precursory structures in the same variable in which extreme events are manifested (active variable), I try to predict these structures by using data from another dynamic variable (passive variable) which does not show large excursions from the nominal condition but carries imprints of these extreme events. Furthermore, my results demonstrate that the quality of prediction depends on the magnitude
of events, i.e., the higher the magnitude of the extreme, the better is its predictability skill. I show quantitatively that this is because the input signals collectively form a more coherent pattern for an extreme event of higher magnitude, which enhances the efficiency of the machine to predict the forthcoming extreme events.
N2  - In den letzten Jahrzehnten hat das Interesse an ‘Extremereignissen’ aufgrund der zunehmenden Bedrohung, die klimabedingte Extreme wie Überschwemmungen, Hitzewellen, Dürren usw. für die Gesellschaft darstellen, zugenommen. Obwohl Extremereignisse in verschiedenen Disziplinen - von der Geowissenschaft bis zu den Neurowissenschaften - unterschiedlich definiert werden, werden sie hauptsächlich als dynamische Ereignisse innerhalb eines begrenzten Zeitrahmens
charakterisiert, die das normale Funktionieren eines Systems beeinträchtigen. Obwohl Extremereignisse selten vorkommen, wurde festgestellt, dass verschiedene hydro-meteorologische und physiologische Zeitreihen (z. B. Stromabflussmengen, Temperaturen, Herzschlagintervalle) rekurrentes Verhalten. Das heißt, sie enden nicht an der Lebensdauer des Systems. Das Ziel dieser Arbeit ist es, fortschrittliche Methoden zur Untersuchung verschiedener Eigenschaften
von Extremereignissen zu entwickeln.

Eine der größten Herausforderungen bei der Analyse solcher extremen Ereignisse ist, dass sie große zeitliche Lücken aufweisen, da die Anzahl beobachteter Extremereignissen gering ist. Bestehende Zeitreihenanalysetools sind daher in der Regel nicht hilfreich, um die zugrundeliegenden Informationen zu entschlüsseln. Ich verwende die Edit-Distanz (ED) Methode, um extremeereignisähnliche Zeitreihen in ihrer unveränderten Form zu analysieren. ED ist eine spezielle Abstandsmetrik, die hauptsächlich zur Messung der Ähnlichkeit/Unähnlichkeit zwischen punktprozessähnlichen Daten entwickelt wurde. Ich kombiniere ED mit Rekurrenzplots, um die Wiederkehr-Eigenschaften von Hochwasserereignissen am Mississippi in den Vereinigten
Staaten zu ermitteln. Außerdem werte ich die Wiederkehr-Eigenschaften quantitativ aus, um die deterministische Charakteristik und die serielle Abhängigkeit bei Hochwasserereignissen aufzuzeigen.

Anschließend verwende ich dieses nichtlineare Ähnlichkeitsmaß(ED), um die paarweise Abhängigkeit in extremen Niederschlagsereignisreihen zu berechnen. Ich verknüpfe das Ähnlichkeitsmaß mit der Theorie komplexer Netzwerke, um das kollektive Verhalten von Klimaextremen zu untersuchen. In diesem Fall werden die Knoten durch die räumlichen Gitterpunkte des zu untersuchenden raumzeitlichen Klimadatensatzes definiert. Jeder Knoten repräsentiert eine Zeitreihe, die die zeitliche Entwicklung der Klimabeobachtung an diesem Gitterpunkt beschreibt. Schließlich sind die Netzwerkverbindungen Funktionen der paarweisen statistischen Interdependenz zwischen den Knotenpunkten. Zur Quantifizierung der Netztopologie können verschiedene Netzwerkmaße wie unter anderem der Grad, die Betweenness-Zentralität, oder der Clustering-Koeffizient verwendet werden. Wir wenden die oben erwähnte Methodik an, um das raumzeitliche Kohärenzmuster extremer Niederschlagsereignisse in den Vereinigten Staaten und im Einzugsgebiet des Ganges zu untersuchen. Die Ergebnisse zeigen, dass ein Zusammenhang zwischen dem Kohärenzmuster und verschiedenen Klimaprozessen und der Orographie der Region besteht.

Die Identifizierung von Vorläufern, die mit dem Auftreten von Extremereignissen in naher
Zukunft verbunden sind, ist äußerst wichtig, um die Bevölkerung auf eine bevorstehende Katastrophe vorzubereiten und potenziell resultierende Risiken zu mindern. Deshalb schlage ich ein datenbasiertes Vorhersageverfahren zur Bestimmung der Datenstrukturen vor, die typischerweise vor extremen Ereignissen auftreten. Das Verfahren basiert auf dem Echo-State Netzwerk, einem rekurrenten neuronalen Netz, das dem Reservoir-Computing zugeordnet wird. Im Gegensatz zu früheren Arbeiten, die Vorläuferstrukturen in der Variablen identifizieren, in der sich Extremereignisse manifestieren (aktive Variable), versuche ich die Strukturen anhand anderer dynamischer Variablen (passive Variablen) vorherzusagen. Diese Variablen weichen selbst nicht sonderlich von ihrem eigenen Sollzustand ab, aber sie besitzen eine Aussagekraft gegenüber den Extremereignissen. Meine Ergebnisse zeigen, dass die Qualität der Vorhersage von der Magnitude der Ereignisse abhängt, d.h. je extremer ein Ereignis ist, desto besser kann es vorhergesagt werden. Ich belege quantitativ, dass dieser Zusammenhang darauf basiert, dass die gesammelten Eingangssignale aussagekräftigere Kohärenzmuster für Extremereignisse hoher Magnitude bilden. Dies erhöht die Wirksamkeit des Ansatzes bei der Vorhersage bevorstehender Extremereignisse.
KW  - extreme events
KW  - Extremereignisse
KW  - floods
KW  - extreme precipitation
KW  - edit distance
KW  - recurrence plot
KW  - complex network
KW  - echo state network
KW  - Überschwemmungen
KW  - Extremniederschläge
KW  - Edit-Distanz
KW  - Rekurrenzplot
KW  - komplexes Netzwerk
KW  - Echo-State Netzwerk
Y1  - 2022
U6  - http://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:kobv:517-opus4-559839
ER  - 
TY  - THES
A1  - Willner, Sven N.
T1  - Global economic response to flood damages under climate change
T1  - Global-ökonomische Reaktion auf klimabedingte Überschwemmungsschäden
N2  - Climate change affects societies across the globe in various ways. In addition to gradual changes in temperature and other climatic variables, global warming is likely to increase intensity and frequency of extreme weather events.
Beyond biophysical impacts, these also directly affect societal and economic activity. Additionally, indirect effects can occur; spatially, economic losses can spread along global supply-chains; temporally, climate impacts can change the economic development trajectory of countries.
This thesis first examines how climate change alters river flood risk and its local socio-economic implications. Then, it studies the global economic response to river floods in particular, and to climate change in general.
Changes in high-end river flood risk are calculated for the next three decades on a global scale with high spatial resolution. In order to account for uncertainties, this assessment makes use of an ensemble of climate and hydrological models as well as a river routing model, that is found to perform well regarding peak river discharge. The results show an increase in high-end flood risk in many parts of the world, which require profound adaptation efforts. This pressure to adapt is measured as the enhancement in protection level necessary to stay at historical high-end risk. In developing countries as well as in industrialized regions, a high pressure to adapt is observed - the former to increase low protection levels, the latter to maintain the low risk levels perceived in the past.
Further in this thesis, the global agent-based dynamic supply-chain model acclimate is developed. It models the cascading of indirect losses in the global supply network. As an anomaly model its agents - firms and consumers - maximize their profit locally to respond optimally to local perturbations. Incorporating quantities as well as prices on a daily basis, it is suitable to dynamically resolve the impacts of unanticipated climate extremes.
The model is further complemented by a static measure, which captures the inter-dependencies between sectors across regions that are only connected indirectly. These higher-order dependencies are shown to be important for a comprehensive assessment of loss-propagation and overall costs of local disasters.
In order to study the economic response to river floods, the acclimate model is driven by flood simulations. Within the next two decades, the increase in direct losses can only partially be compensated by market adjustments, and total losses are projected to increase by 17% without further adaptation efforts. The US and the EU are both shown to receive indirect losses from China, which is strongly affected directly. However, recent trends in the trade relations leave the EU in a better position to compensate for these losses.
Finally, this thesis takes a broader perspective when determining the investment response to the climate change damages employing the integrated assessment model DICE. On an optimal economic development path, the increase in damages is anticipated as emissions and consequently temperatures increase. This leads to a significant devaluation of investment returns and the income losses from climate damages almost double.
Overall, the results highlight the need to adapt to extreme weather events - local physical adaptation measures have to be combined with regional and global policy measures to prepare the global supply-chain network to climate change.
N2  - Der Klimawandel betrifft Gesellschaften weltweit auf verschiedenste Weise. Neben graduellen Veränderungen der Temperatur und anderer klimatischer Variablen werden wahrscheinlich auch die Intensität und die Häufigkeit von Extremwetterereignissen zunehmen. Diese beeinflussen neben ihren bio-physikalischen Auswirkungen auch unmittelbar die gesellschaftliche und wirtschaftliche Aktivität. Zusätzlich können indirekte Effekte auftreten: Die räumliche Dimension umfasst die Ausbreitung wirtschaftlicher Schäden entlang globaler Versorgungsketten, zeitlich betrachtet können Klimaauswirkungen die wirtschaftlichen Entwicklungspfade von Ländern prägen.
Die vorliegende Dissertation widmet sich zunächst der Frage, wie sich (Fluss-)Hochwasserrisiken und ihre gesellschaftlichen sowie wirtschaftlichen Implikationen durch den Klimawandel verändern. Weiterhin wird die Reaktionsdynamik des globalen ökonomischen Systems auf Klimawandel im Allgemeinen und auf Überschwemmungsereignisse an Flüssen im Speziellen untersucht.
So werden die Risiken von schweren Fluss-Überschwemmungen für die nächsten drei Jahrzehnte global mit hoher räumlicher Auflösung berechnet. Zur Berücksichtigung von Unsicherheiten wird dabei auf ein Ensemble von Klima- und hydrologischen Modellen zurückgegriffen. Dabei werden die hydrologischen Modelle mit einem Flussverteilungsmodel, das die verbesserte Abbildung von Extrempegelständen an Flüssen ermöglicht, kombiniert. Die Berechnungen zeigen einen Anstieg des Überschwemmungsrisikos für weite Teile der Erde. Der damit einhergehende Anpassungsdruck wird in dieser Studie als Anpassung des Schutzniveaus berechnet, die notwendig ist, um das bestehende Überschwemmungsrisiko beizubehalten. Ein hoher Anpassungsdruck besteht dabei sowohl in Entwicklungs- als auch in Industriestaaten. Während in Ersteren oft erst adäquate Hochwasserschutzmaßnahmen ergriffen werden müssen, müssen Letztere oft ihr aktuelles Schutzniveau ausbauen.
Weiterhin wird in der vorliegenden Arbeit das globale, agenten-basierte und dynamische Modell acclimate entwickelt, welches Kaskaden von indirekten ökonomischen Schäden im globalen Versorgungsnetzwerk modelliert. Acclimate ist als Anomalienmodell angelegt, dessen Agenten - Firmen und Konsumenten - durch Profitmaximierung versuchen, optimal auf lokale Störungen zu reagieren. Da das Modell sowohl Warenströme als auch die zugehörigen Preise nach Tagen aufgelöst abbildet, ist es besonders gut geeignet, die kurzfristigen ökonomischen Auswirkungen unvorhergesehener Klimaextreme zu beschreiben. Das dynamische Modell wird ergänzt durch ein neues statisches Maß, das die Abhängigkeiten zwischen regionalen Sektoren beschreibt. Dabei werden nicht nur die direkten Handelsverbindungen betrachtet, sondern auch solche höherer Ordnung. Es zeigt sich, dass diese für eine umfassende Abschätzung der Schadenskaskaden und damit der Gesamtkosten lokaler Extremereignisse nicht vernachlässigt werden dürfen.
Zur Untersuchung der ökonomischen Reaktionsdynamik auf Hochwasserereignisse wird das acclimate-Modell für Simulationen von Flussüberschwemmungen angewandt. Bis zum Jahr 2035 wird dabei ein Anstieg des direkten Schadens prognostiziert. Dieser kann nur teilweise durch Marktmechanismen ausgeglichen werden, so dass die Gesamtschäden weltweit um 17% zunehmen - sofern keine zusätzlichen Anpassungsmaßnahmen getroffen werden. Für die USA und die EU zeigt sich, dass diese durch ihre Handelsverbindungen insbesondere zu China indirekt betroffen sind, da China starke direkte Flussüberflutungen zu erwarten hat. Die Entwicklungen der globalen Handelsbeziehungen in den letzten Jahren versetzen die EU jedoch in die Lage einen zunehmenden Teil dieser Verluste auszugleichen.
In einem weiter gefassten Ansatz wird schlussendlich die Änderung des Investitionsverhaltens aufgrund der Schäden durch Klimawandel unter Zuhilfenahme des ökonomischen Wachstumsmodells DICE untersucht. Es lässt sich festhalten, dass auf einem optimalen ökonomischen Entwicklungspfad die Zunahme der Schäden bereits antizipiert wird, wenn Emissionen und dem darauf folgend die Temperatur ansteigen. Dies führt zu einer signifikanten Abwertung von Kapitalerträgen, was die direkten Verluste durch Klimaschäden nahezu verdoppelt.
Insgesamt unterstreichen die Ergebnisse dieser Arbeit die Notwendigkeit der Anpassung an klimabedingte Extremwetterereignisse. Dazu müssen lokale, physikalische Anpassungsmaßnahmen durch regionale und globale Politikinstrumente ergänzt werden, um das globale Versorgungsnetzwerk adäquat auf den Klimawandel vorzubereiten.
KW  - climate change
KW  - river floods
KW  - higher-order effects
KW  - economic network
KW  - climate impacts
KW  - Klimawandel
KW  - Überschwemmungen
KW  - Wirtschaftsnetzwerk
Y1  - 2018
ER  -