Refine
Year of publication
Document Type
- Article (46)
- Postprint (5)
- Preprint (2)
- Report (2)
- Monograph/Edited Volume (1)
- Conference Proceeding (1)
- Review (1)
Keywords
- Germany (6)
- damage (4)
- governance (4)
- preparedness (4)
- August 2002 flood (3)
- Central Europe (3)
- Floods Directive (3)
- June 2013 flood (3)
- floods (3)
- frequency analysis (3)
Institute
- Institut für Geowissenschaften (58) (remove)
As one of the 195 member countries of the United Nations, Germany signed the Sendai Framework for Disaster Risk Reduction 2015-2030 (SFDRR). Among other targets, the SFDRR aims at reducing direct economic losses caused by natural hazards by 2030. The United Nations Office for Disaster Risk Reduction (UNISDR) has hence proposed a methodology for estimating direct economic losses per event and country, based on experiences from developing countries. Since its usability in industrialized countries is unknown, this study presents the first implementation and validation of this approach in Germany. The methodology was tested for the three costliest natural hazard types in Germany, i.e. floods, wind and hail storms, considering 12 case studies between 1984 and 2016. Although the event-specific input data requirements are restricted to the number of damaged or destroyed units per sector, incomplete event documentations did not allow a full validation of all sectors necessary to describe the total direct economic loss. New modules (cars, forestry, paved roads, housing contents and overall costs of urban infrastructure) were developed to better adapt this methodology to German conditions. Whereas the original UNISDR methodology both over-and underestimates the losses of the tested events by a wide margin, the adapted methodology is able to calculate losses accounting well for all event types except for flash floods. Hence, this approach serves as a good starting point for macro-scale loss estimations. By implementing this approach into damage and event documentation and reporting standards, a consistent monitoring of the SFDRR could be achieved.
Weltweit verursachen Städte etwa 70 % der Treibhausgasemissionen und sind daher wichtige Akteure im Klimaschutz bzw. eine wichtige Zielgruppe von Klimapolitiken. Gleichzeitig sind Städte besonders stark von möglichen Auswirkungen des Klimawandels betroffen: Insbesondere extreme Wetterereignisse wie Hitzewellen oder Starkregenereignisse mit Überflutungen verursachen in Städten hohe Sachschäden und wirken sich negativ auf die Gesundheit der städtischen Bevölkerung aus. Daher verfolgt das Projekt ExTrass das Ziel, die städtische Resilienz gegenüber extremen Wetterereignissen in enger Zusammenarbeit mit Stadtverwaltungen, Strukturen des Bevölkerungsschutzes und der Zivilgesellschaft zu stärken. Im Fokus stehen dabei (kreisfreie) Groß- und Mittelstädte mit 50.000 bis 500.000 Einwohnern, insbesondere die Fallstudienstädte Potsdam, Remscheid und Würzburg.
Der vorliegende Bericht beinhaltet die Ergebnisse der 14-monatigen Definitionsphase von ExTrass, in der vor allem die Abstimmung eines Arbeitsprogramms im Mittelpunkt stand, das in einem nachfolgenden dreijährigen Forschungsprojekt (F+E-Phase) gemeinsam von Wissenschaft und Praxispartnern umgesetzt werden soll. Begleitend wurde eine Bestandsaufnahme von Klimaanpassungs- und Klimaschutzstrategien/-plänen in 99 deutschen Groß- und Mittelstädten vorgenommen. Zudem wurden für Potsdam und Würzburg Pfadanalysen für die Klimapolitik durchgeführt. Darin wird insbesondere die Bedeutung von Schlüsselakteuren deutlich. Weiterhin wurden im Rahmen von Stakeholder-Workshops Anpassungsherausforderungen und aktuelle Handlungsbedarfe in den Fallstudienstädten identifiziert und Lösungsansätze erarbeitet, die in der F+E-Phase entwickelt und getestet werden sollen. Neben Maßnahmen auf gesamtstädtischer Ebene und auf Stadtteilebene wurden Maßnahmen angestrebt, die die Risikowahrnehmung, Vorsorge und Selbsthilfefähigkeit von Unternehmen und Bevölkerung stärken können. Daher wurde der Stand der Risikokommunikation in Deutschland für das Projekt aufgearbeitet und eine erste Evaluation von Risikokommunikationswerkzeugen durchgeführt. Der Bericht endet mit einer Kurzfassung des Arbeitsprogramms 2018-2021.
The heavy rainfall events in recent years have caused great damage, which has increased the public awareness of the topic of heavy rainfall. For this reason, this article discusses how a systematic integration of heavy rainfall within the framework of the European Floods Directive would be possible and reasonable. For this purpose, a matrix covering possible synergies and barriers was created for all steps of the directive, which were then examined in 15 semi-structured interviews with representatives from specialized administration, the private sector and academia. Although there are some synergies, the additional effort required, especially regarding the identification of the risk areas and the higher level of detail required for risk modeling, would be so high that the European Floods Directive cannot be deemed to be an appropriate framework for heavy rainfall risk management. Nevertheless, there is a need for action, e.g. in the field of self-protection, improved risk communication to the population, combined with increased public and interagency cooperation.
Flood loss data collection and modeling are not standardized, and previous work has indicated that losses from different flood types (e.g., riverine and groundwater) may follow different driving forces. However, different flood types may occur within a single flood event, which is known as a compound flood event. Therefore, we aimed to identify statistical similarities between loss-driving factors across flood types and test whether the corresponding losses should be modeled separately. In this study, we used empirical data from 4,418 respondents from four survey campaigns studying households in Germany that experienced flooding. These surveys sought to investigate several features of the impact process (hazard, socioeconomic, preparedness, and building characteristics, as well as flood type). While the level of most of these features differed across flood type subsamples (e.g., degree of preparedness), they did so in a nonregular pattern. A variable selection process indicates that besides hazard and building characteristics, information on property-level preparedness was also selected as a relevant predictor of the loss ratio. These variables represent information, which is rarely adopted in loss modeling. Models shall be refined with further data collection and other statistical methods. To save costs, data collection efforts should be steered toward the most relevant predictors to enhance data availability and increase the statistical power of results. Understanding that losses from different flood types are driven by different factors is a crucial step toward targeted data collection and model development and will finally clarify conditions that allow us to transfer loss models in space and time. <br /> Key Points <br /> Survey data of flood-affected households show different concurrent flood types, undermining the use of a single-flood-type loss model Thirteen variables addressing flood hazard, the building, and property level preparedness are significant predictors of the building loss ratio Flood type-specific models show varying significance across the predictor variables, indicating a hindrance to model transferability
Models for the predictions of monetary losses from floods mainly blend data deemed to represent a single flood type and region. Moreover, these approaches largely ignore indicators of preparedness and how predictors may vary between regions and events, challenging the transferability of flood loss models. We use a flood loss database of 1812 German flood-affected households to explore how Bayesian multilevel models can estimate normalised flood damage stratified by event, region, or flood process type. Multilevel models acknowledge natural groups in the data and allow each group to learn from others. We obtain posterior estimates that differ between flood types, with credibly varying influences of water depth, contamination, duration, implementation of property-level precautionary measures, insurance, and previous flood experience; these influences overlap across most events or regions, however. We infer that the underlying damaging processes of distinct flood types deserve further attention. Each reported flood loss and affected region involved mixed flood types, likely explaining the uncertainty in the coefficients. Our results emphasise the need to consider flood types as an important step towards applying flood loss models elsewhere. We argue that failing to do so may unduly generalise the model and systematically bias loss estimations from empirical data.
Models for the predictions of monetary losses from floods mainly blend data deemed to represent a single flood type and region. Moreover, these approaches largely ignore indicators of preparedness and how predictors may vary between regions and events, challenging the transferability of flood loss models. We use a flood loss database of 1812 German flood-affected households to explore how Bayesian multilevel models can estimate normalised flood damage stratified by event, region, or flood process type. Multilevel models acknowledge natural groups in the data and allow each group to learn from others. We obtain posterior estimates that differ between flood types, with credibly varying influences of water depth, contamination, duration, implementation of property-level precautionary measures, insurance, and previous flood experience; these influences overlap across most events or regions, however. We infer that the underlying damaging processes of distinct flood types deserve further attention. Each reported flood loss and affected region involved mixed flood types, likely explaining the uncertainty in the coefficients. Our results emphasise the need to consider flood types as an important step towards applying flood loss models elsewhere. We argue that failing to do so may unduly generalise the model and systematically bias loss estimations from empirical data.
Flood risk management in Germany follows an integrative approach in which both private households and businesses can make an important contribution to reducing flood damage by implementing property-level adaptation measures. While the flood adaptation behavior of private households has already been widely researched, comparatively less attention has been paid to the adaptation strategies of businesses. However, their ability to cope with flood risk plays an important role in the social and economic development of a flood-prone region. Therefore, using quantitative survey data, this study aims to identify different strategies and adaptation drivers of 557 businesses damaged by a riverine flood in 2013 and 104 businesses damaged by pluvial or flash floods between 2014 and 2017. Our results indicate that a low perceived self-efficacy may be an important factor that can reduce the motivation of businesses to adapt to flood risk. Furthermore, property-owners tended to act more proactively than tenants. In addition, high experience with previous flood events and low perceived response costs could strengthen proactive adaptation behavior. These findings should be considered in business-tailored risk communication.
Die Hochwasserkatastrophe im Juli 2021 in Westdeutschland erfordert eine kritische Diskussion über die Abschätzung der Hochwassergefährdung, Aktualisierung von Hochwassergefahrenkarten und Kommunikation von extremen Hochwasserszenarien. In der vorliegenden Arbeit wurde die Extremwertstatistik für die jährlichen maximalen Spitzenabflüsse am Pegel Altenahr im Ahrtal mit und ohne Berücksichtigung historischer Hochwasser berechnet und verglichen. Die Schätzung der Wiederkehrperiode für das aktuelle Hochwasser mittels Generalisierter Extremwertverteilung (GEV) unter Berücksichtigung historischer Hochwasser schwankt zwischen etwa 2.600 und über 58.700 Jahren (90%-Konfidenzintervall) mit einem Median bei etwa 8.600 Jahren, wogegen die Schätzung, die nur auf der systematisch gemessenen Abflusszeitreihe von 74 Jahren basiert, theoretisch eine Wiederkehrperiode von über 100 Millionen Jahren ergeben würde. Die Berücksichtigung der historischen Hochwasser führt zu einer dramatischen Änderung der Hochwasserquan-
tile, die für eine Gefahrenkartierung zugrunde gelegt werden. Die Anpassung der GEV an die Zeitreihe mit historischen Hochwassern zeigt dennoch, dass das GEV-Modell möglicherweise die Grundgesamtheit der Hochwasser im Ahrtal nicht adäquat abbilden kann. Es könnte sich im vorliegenden Fall um eine gemischte Stichprobe handeln, in der die extremen Hochwasser im Vergleich zu kleineren Ereignissen durch besondere Prozesse hervorgerufen werden. Somit könnten die Wahrscheinlichkeiten von extremen Hochwassern deutlich größer sein, als aus dem GEV-Modell hervorgeht. Hier sollte in Zukunft die Anwendung einer prozessbasierten Mischverteilung
untersucht werden. Der Vergleich von amtlichen Gefahrenkarten zu Extremhochwassern (HQextrem) im Ahrtal mit den Überflutungsflächen vom Juli 2021
zeigt eine deutliche Diskrepanz in den betroffenen Gebieten und die Notwendigkeit, die Grundlagen zur Erstellung der Extremszenarien zu überdenken. Die hydrodynamisch-numerischen Simulationen von 1.000-jährlichen Hochwassern (HQ1000) unter Berücksichtigung historischer Ereignisse und des größten historischen Hochwassers 1804 können die Gefährdung des Juli-Hochwassers 2021 deutlich besser widerspiegeln, wenngleich auch diese beiden Szenarien die Überflutungsflächen unterschätzen. Besondere Effekte wie die Verklausung von Brücken und die geomorphologischen Änderungen im Flussschlauch führten zu noch größeren Überflutungs- flächen im Juli 2021, als die Simulationsergebnisse zeigten. Basierend auf dieser Analyse wird eine einheitliche Festlegung von HQextrem bei Hochwassergefahrenkartierungen in Deutschland vorgeschlagen, die sich an höheren Hochwasserquantilen im Bereich von HQ1000 orientiert. Zusätzlich sollen simulationsbasierte Rekonstruktionen von den größten verlässlich dokumentierten historischen Hochwassern und/oder synthetische Worst-Case-Szenarien in den Hochwassergefahrenkarten gesondert dargestellt werden. Damit wird ein wichtiger Beitrag geleistet, um die potenziell betroffene Bevölkerung und das Katastrophenmanagement vor Überraschungen durch sehr seltene und extreme Hochwasser in Zukunft besser zu schützen.