Hochwasser stellt ein großes Risiko für Wohngebäude in Europa dar, und es wird erwartet, dass das Risiko in der Zukunft aufgrund klimatischer und sozioökonomischer Veränderungen zunehmen wird. Aktuelle Hochwasserrisikomodelle basieren meist auf einfachen Wasserstands-Schadenskurven. Diese Ansätze vereinfachen die Hochwasserschadensprozesse stark, können ungenau sein und bergen große Unsicherheiten, die oft nicht quantifiziert. Die Doktorarbeit stellt die Integration neuer Daten in probabilistische, multivariable Schadensmodelle zur Verbesserung ihrer Übertragbarkeit vor. Diese neuen Datenquellen und Modellierungsansätze werden verwendet, um zukünftige Veränderung des Hochwasserrisikos für Wohngebäude in Europa abzuschätzen und Risikokomponenten zu analysieren. Die Arbeit zeigt, OpenStreetMap (OSM) Daten liefern nützliche Informationen für die Modellierung von Hochwasserschäden und ermöglichen Modelltransfers. Die Integration von aus OSM abgeleiteten Gebäudeeigenschaften und Hochwassererfahrung aus Ereignisdatenbanken in das Bayes’sche Netzwerk basierte Hochwasserschadensmodelle für den privaten Sektor (BN-FLEMOps) ermöglichte die Implementierung auf der Mesoskala. Durch Vergleiche von Schadensschätzungen mit beobachteten Schäden in mehreren Fallstudien in Europa wurde das Modell validiert und detailliert mit einem Ensemble aus 20 Schadensmodellen verglichen. In einer abschließenden Studie werden die zukünftigen Veränderungen des Risikos für Wohngebäude in Europa modelliert. Die erwarteten jährlichen Schäden bis zum Ende des 21. Jahrhunderts werden um das 10-fache ansteigen. Die Britischen Inseln und der größte Teil von Zentral-Europa müssen mit einer starken Risikozunahme rechnen. Teile Skandinaviens und des Mittelmeerraums werden dagegen ein stagnierendes oder abnehmendes Hochwasserrisiko verzeichnen. Eine Verbesserung der privaten Vorsorgemaßnahmen könnte das Hochwasserrisiko im Mittel um 15 % und in einigen europäischen Regionen um bis zu 20 % verringern. / Flooding poses great risks for residential buildings in Europe and is expected to increase in the future, driven by climatic and socio-economic change. Current flood risk models rely mostly on simple stage-damage curves for flood loss estimation. This approach oversimplifies flood damage processes, can be inaccurate and harbour large uncertainties that often are not quantified and transparently communicated. This thesis presents research that integrates new data sources into probabilistic, multi-variable loss models to improve their transferability. These new data sources and approaches are used to estimate future fluvial flood risk change for residential buildings in Europe. Contributions of the three risk components, hazard, exposure, and vulnerability are analysed and compared independently and in combination. OpenStreetMap (OSM) data are identified as a valuable source of information for flood loss modelling and enables model transfers while retaining high predictive performance. Integrating OSM derived building characteristics and flood experience information from flood event databases into the Bayesian Network Flood Loss Estimation MOdel for the private sector (BN-FLEMOps) enables the spatio-temporal and scale transformation of the model. The model is validated with reported losses in multiple case studies in Europe and compared in detail with a model ensemble of 20 internationally published flood loss models. In a final study, the future flood risk changes for residential buildings in Europe are modelled. The expected annual damage will increase up to 10-fold until the end of the 21st century. Most of Central Europe and the British Isles have to expect strong risk increases. Parts of Scandinavia and the Mediterranean on the other hand will see stagnating or decreasing fluvial flood risk. Improving private precaution could reduce flood risk by 15 % on average and up to 20 % in some European regions.
| Identifer | oai:union.ndltd.org:HUMBOLT/oai:edoc.hu-berlin.de:18452/25719 |
| Date | 27 July 2022 |
| Creators | Steinhausen, Max Jacob |
| Contributors | Aerts, Jeroen C.J.H., Haase, Dagmar, Kreibich, Heidi |
| Publisher | Humboldt-Universität zu Berlin |
| Source Sets | Humboldt University of Berlin |
| Language | English |
| Detected Language | German |
| Type | doctoralThesis, doc-type:doctoralThesis |
| Format | application/pdf |
| Rights | http://rightsstatements.org/vocab/InC/1.0/ |
| Relation | 10.5194/nhess-21-643-2021, 10.1029/2019WR026213, 10.5675/HYWA_2020.4_2 |
Page generated in 0.0024 seconds