Refine
Has Fulltext
- no (3)
Year of publication
- 2017 (3) (remove)
Document Type
- Article (3) (remove)
Is part of the Bibliography
- yes (3)
Keywords
- Braunsbach (1)
- Erosion (1)
- Hangrutschungen (1)
- Hochwassergefährdung (1)
- Schadensprozesse (1)
- Sturzflut (1)
- damaging processes (1)
- debris flow (1)
- erosion (1)
- flash flood (1)
Institute
Am Abend des 29. Mai 2016 wurde der Ort Braunsbach im Landkreis Schwäbisch-Hall (Baden-Württemberg) von einer Sturzflut getroffen, bei der mehrere Häuser stark beschädigt oder zerstört wurden. Die Sturzflut war eine der Unwetterfolgen, die im Frühsommer 2016 vom Tiefdruckgebiet Elvira ausgelöst wurden. Der vorliegende Bericht ist der zweite Teil einer Doppelveröffentlichung, welche die Ergebnisse zur Untersuchung des Sturzflutereignisses im Rahmen des DFG-Graduiertenkollegs “Naturgefahren und Risiken in einer sich verändernden Welt” (NatRiskChange, GRK 2043/1) der Universität Potsdam präsentiert. Während Teil 1 die meteorologischen und hydrologischen Ereignisse analysiert, fokussiert Teil 2 auf die geomorphologischen Prozesse und die verursachten Gebäudeschäden. Dazu wurden Ursprung und Ausmaß des während des Sturzflutereignisses mobilisierten und in den Ort getragenen Materials untersucht. Des Weiteren wurden zu 96 betroffenen Gebäuden Daten zum Schadensgrad sowie Prozess- und Gebäudecharakteristika aufgenommen und ausgewertet. Die Untersuchungen zeigen, dass bei der Betrachtung von Hochwassergefährdung die Berücksichtigung von Sturzfluten und ihrer speziellen Charakteristika, wie hoher Feststofftransport und sprunghaftes Verhalten insbesondere in bebautem Gelände, wesentlich ist, um effektive Schutzmaßnahmen ergreifen zu können.
Reliable flood risk analyses, including the estimation of damage, are an important prerequisite for efficient risk management. However, not much is known about flood damage processes affecting companies. Thus, we conduct a flood damage assessment of companies in Germany with regard to two aspects. First, we identify relevant damage-influencing variables. Second, we assess the prediction performance of the developed damage models with respect to the gain by using an increasing amount of training data and a sector-specific evaluation of the data. Random forests are trained with data from two postevent surveys after flood events occurring in the years 2002 and 2013. For a sector-specific consideration, the data set is split into four subsets corresponding to the manufacturing, commercial, financial, and service sectors. Further, separate models are derived for three different company assets: buildings, equipment, and goods and stock. Calculated variable importance values reveal different variable sets relevant for the damage estimation, indicating significant differences in the damage process for various company sectors and assets. With an increasing number of data used to build the models, prediction errors decrease. Yet the effect is rather small and seems to saturate for a data set size of several hundred observations. In contrast, the prediction improvement achieved by a sector-specific consideration is more distinct, especially for damage to equipment and goods and stock. Consequently, sector-specific data acquisition and a consideration of sector-specific company characteristics in future flood damage assessments is expected to improve the model performance more than a mere increase in data.