Globale Urbanisierungsprozesse und eine Zunahme der räumlichen Konzentration von exponierten Elementen wie Menschen, Gebäude, Infrastruktur und ökonomische Werte induzieren ein ungekanntes Risiko in erdbebengefährdeten Regionen. Wenn keine Abschwächung des Risikos erfolgt werden dramatische Folgen in der Zukunft erwartet. Diese umfassen eine beispiellose Anzahl an Todesopfer, enorme ökonomische und ökologische Verluste und Ausfälle bezüglich kritischer Infrastruktur und Versorgung etc. Um derartige Gefährdungen abzuschwächen sind detaillierte Informationen über seismisches Risiko notwendig. Die seismische Verwundbarkeit von Siedlungsarealen ist dabei als zentrale, konstituierende Komponente von seismischem Risiko zu berücksichtigen. In diesem Zusammenhang ist es von besonderem Interesse das Verhalten von Gebäudeinventaren unter einem bestimmten Erdbebeneinfluss abschätzen zu können. Das Hauptziel der Arbeit war es maßgeschneiderte Methoden zu entwickeln, die eine Bewertung der seismischen Vulnerabilität von Siedlungsräumen, basierend auf Fernerkundungsdaten, durchführbar machen. Es wurden Methoden aus dem Bereich des maschinellen Lernens adaptiert, um Verwundbarkeitsstufen von Gebäuden und homogenen Siedlungsstrukturen zu bestimmen. Hierfür wurden Merkmale aus Fernerkundungsdaten abgeleitet und mit in situ Informationen verknüpft. Wir verwenden verschiedene Ensembles von Fernerkundungssensoren, um die urbane Morphologie umfassend zu charakterisieren. Empirische Ergebnisse, die für die erdbebengefährdeten Städte Padang (Indonesien) und Istanbul (Türkei) generiert werden konnten, bestätigen die Durchführbarkeit der entwickelten Verfahren. Zukünftige Arbeiten können daran anknüpfen und beispielsweise empirische Erkenntnisse in weiteren Fallstudien anzweifeln, eine Verbesserung der Methodik vornehmen, Konzepte und Ansätze auf andere Sensorsysteme oder Datenquellen übertragen oder Daten und Methoden im Rahmen von holistischen Risikobewertungsstrategien anwenden. / Global urbanization processes and increasing spatial concentration of exposed elements such as people, buildings, infrastructure, and economic values in earthquake prone regions induce seismic risk at a uniquely high level. This situation, when left unmitigated, is expected to cause unprecedented death tolls, enormous economic and ecological losses, and critical infrastructure and service failures, etc., in the future. To mitigate those perils requires detailed knowledge about seismic risks. As an important constituent element of seismic risk, the seismic vulnerability of the built environment has to be assessed. In particular, it is crucial to know about the behavior of the building inventory under a certain level of ground shaking. The main goal of the thesis was to develop and evaluate tailored methods and procedures that allow for a viable seismic vulnerability assessment of the built environment with remote sensing data. In particular, methods from the machine learning domain were adapted to estimate vulnerability levels of buildings and homogeneous urban structures based on features derived from remote sensing and by incorporation of in situ knowledge. To this purpose we deploy ensembles of earth observation sensors to exhaustively characterize the urban morphology. Empirical results, obtained for the earthquake prone cities Padang (Indonesia) and Istanbul (Turkey), confirm the viability of the approaches. Overall, this thesis provides some promising results, which show that remote sensing has a high capability to contribute to a rapid screening assessment of the seismic vulnerability of buildings and urban structures. Further work can build upon these results and may challenge empirical findings in further case studies, enhance developed and applied methods, transfer concepts and approaches to other sensor systems and data sources, or apply data and methodologies within integrative and holistic risk assessment strategies.

Hochwasserschadensprozesse werden von den drei Komponenten des Hochwasserrisikos bestimmt – der Gefahr, der Exposition und der Vulnerabilität. Dabei bleiben wichtige Einflussgrößen auf die Vulnerabilität, wie die private Hochwasservorsorge aufgrund fehlender quantitativer Informationen unberücksichtigt. Diese Arbeit entwickelt daher eine robuste statistische Methode zur Quantifizierung des Einflusses von privater Hochwasservorsorge auf die Reduzierung der Vulnerabilität von Haushalten bei Hochwasser. Es konnte gezeigt werden, dass in Deutschland private Hochwasservorsorgemaßnahmen den durchschnittlichen Hochwasserschaden pro Wohngebäude um 11.000 bis 15.000 Euro reduzieren. Hochwasserschadensmodelle mit Expertenwissen und datengestützten Methoden sind dabei am besten in der Lage Unterschiede in der Vulnerabilität durch private Hochwasservorsorge zu erkennen. Die über Hochwasserschadenprozesse erhobenen Daten und Modellannahmen sind von Unsicherheit geprägt und so sind auch Schätzungen mit. Die Bayesschen Modelle, die in dieser Arbeit entwickelt und angewandt werden, nutzen Annahmen über Schadensprozesse als Prior und empirische Daten zur Aktualisierung der Wahrscheinlischkeitsverteilungen. Die Modelle bieten Hochwasserschadensschätzungen als Verteilung, welche die Bandbreite der Variabilität der Schadensprozesse und die Unsicherheit der Modellannahmen abbilden. Hochwasserschadensmodelle, hinsichtlich der Prognoseerstellung und Anwendbarkeit. Ins Besondere verbessert die Verwendung einer Beta–Verteilung die Zuverlässigkeit der Modellergebnisse im Vergleich zu den häufig genutzten Gaußschen oder nicht parametrischen Verteilungen. Der hierarchische Bayessche Ansatz schafft eine verbesserte Parametrisierung von Wasserstand-Schadens-Funktionen und ersetzt so die Notwendigkeit empirischer Daten durch regional- und Ereignis-spezifisches Expertenwissen. Auf diese Weise kann die Vorhersage bei einer zeitlich und räumlichen Übertragung des Models verbessert werden. / Flood damage processes are influenced by the three components of flood risk - hazard, exposure and vulnerability. In comparison to hazard and exposure, the vulnerability component, though equally important is often generalized in many flood risk assessments by a simple depth-damage curve. Hence, this thesis developed a robust statistical method to quantify the role of private precaution in reducing flood vulnerability of households. In Germany, the role of private precaution was found to be very significant in reducing flood damage (11 - 15 thousand euros, per household). Also, flood loss models with structure, parameterization and choice of explanatory variables based on expert knowledge and data-driven methods were successful in capturing changes in vulnerability, which makes them suitable for future risk assessments. Due to significant uncertainty in the underlying data and model assumptions, flood loss models always carry uncertainty around their predictions. This thesis develops Bayesian approaches for flood loss modelling using assumptions regarding damage processes as priors and available empirical data as evidence for updating. Thus, these models provide flood loss predictions as a distribution, that potentially accounts for variability in damage processes and uncertainty in model assumptions. The models presented in this thesis are an improvement over the state-of-the-art flood loss models in terms of prediction capability and model applicability. In particular, the choice of the response (Beta) distribution improved the reliability of loss predictions compared to the popular Gaussian or non-parametric distributions; the Hierarchical Bayesian approach resulted in an improved parameterization of the common stage damage functions that replaces empirical data requirements with region and event-specific expert knowledge, thereby, enhancing its predictive capabilities during spatiotemporal transfer.

Diese Arbeit zeigt die Reproduktion ungleicher Risikolandschaften von Überschwemmungen auf. Die fortschreitende Urbanisierung in den Küstenregionen der Welt ist mit zahlreichen unterschiedlichen Risiken verbunden, denen sozio-ökonomisch benachteiligte Gruppen in besonderem Grad ausgesetzt sind. Dennoch ist Wissen über soziale Dynamiken, die solch ungleichen Risikolandschaften zugrunde liegen, gegenwärtig begrenzt. Das Densu Delta, ein dynamisch urbanisierendes Feuchtgebiet westlich von Accra, dient hier als Fallstudie, die anhand von qualitativen Daten mit Methoden der Humangeographie untersucht wird. Die übergeordnete Forschungsfrage lautet: Was sind die Beziehungen und Dynamiken, die die Verteilung von Überschwemmungsrisiken gestalten, und wie verfestigen sich diese in den gegenwärtig stark ungleichen Mustern von Überschwemmungsrisiken rund um das Densu Delta? Das Konzept ‚Risikolandschaften‘ (‚riskscape‘) wird hier mit Sichtweisen des kritischen Institutionalismus und der Argumentation verbunden, um Prozesse zu analysieren, die eine ungleiche Verteilung von Vulnerabilität und Anpassungskapazität bedingen. Die Ergebnisse zeigen erstens, dass institutionelle und bio-physische Dynamiken eine vielfältige Landschaft von Vulnerabilität erzeugen. Zweitens wird Anpassungskapazität von dynamischen Autoritätsverhältnissen geprägt. Drittens erweitern Unterschiede in Policy-Argumenten auf verschiedenen Ebenen und in unterschiedlichen Sektoren die Implementierungslücke in der Anpassung an Überschwemmungen. Die Arbeit leistet einen Beitrag zur bestehenden Forschung, indem die Rollen von Schlüsselakteuren und von unsichtbaren Praktiken und Institutionen in der (Re-) Produktion von ungleichen Risikolandschaften betont werden. Diese werden hier am Beispiel von Überschwemmungen im Densu Delta in Accra aufgezeigt. Skalenübergreifende Interaktionen in Risikolandschaften und deren praktische Implikationen für die Minimierung von Überschwemmungsrisiken bedürfen der weiteren Forschung. / The thesis shows how uneven landscapes of urban flood risk are (re)produced. Coastal urbanisation comes with multiple risks, to which the poor are particularly exposed. Social dynamics underlying uneven riskscapes are however poorly understood. The Densu delta in Accra, a dynamically urbanising wetland, is analysed as a case based on qualitative data with methods from human geography. The overall research question is: What are the relations and dynamics that shape the distribution of flood risks, and how are they materialised in the currently highly uneven patterns of flood risk around the Densu delta? The concept of ‘riskscape’ is applied through lenses of critical institutionalism and argumentation to analyse the processes behind uneven distribution of vulnerability and adaptive capacity. Findings are that firstly, institutional and bio-physical dynamics produce a diverse landscape of vulnerability. Secondly, dynamics of authority shape adaptive capacity. Thirdly, disparities in policy arguments widen implementation gaps in adaptation to flooding. The research contributes to the existing literature in highlighting the role of actors and underlying practices and institutions in shaping multiple uneven riskscapes. In the present research the reproduction of uneven riskscapes of flooding is shown for the Densu delta case. Further research ought to look at cross-scale interactions between riskscapes and their practical implications for flood risk reduction.