Detailansicht

Uncertainties in dynamic landslide prediction at regional scale
Ekrem Canli
Art der Arbeit
Dissertation
Universität
Universität Wien
Fakultät
Fakultät für Geowissenschaften, Geographie und Astronomie
Studiumsbezeichnung bzw. Universitätlehrgang (ULG)
Doktoratsstudium NAWI aus dem Bereich Naturwissenschaften (Dissertationsgebiet: Geographie)
Betreuer*in
Thomas Glade
Volltext herunterladen
Volltext in Browser öffnen
Alle Rechte vorbehalten / All rights reserved
URN
urn:nbn:at:at-ubw:1-24149.25393.657766-0
Link zu u:search
(Print-Exemplar eventuell in Bibliothek verfügbar)

Abstracts

Abstract
(Deutsch)
Frühwarnsysteme sind im Stande zeitgerecht und effektiv Informationen zu übermitteln, um das Risiko vor einer nahenden Gefahrensituation zu vermeiden oder zu reduzieren. Im letzten Jahrzehnt wurden in der Hydrologie so genannte Ensembleprognosen in die Hochwasservorhersagesysteme implementiert und folgte damit den erzielten Erfolgen in der Wettervorhersage. Dieser probabilistische Ansatz berücksichtigt die inhärente räum-liche Variabilität geotechnischer und hydraulischer Parameter sowie deren Unsicherhei-ten und bringt sie explizit in die Modellergebnisse ein. Die hier vorgestellte Arbeit befasst sich explizit mit zwei Unsicherheitsaspekten auf regi-onaler Maßstabsebene in Frühwarnsystemen für Hangrutschungen. Diese betreffen ei-nerseits die Berücksichtigung von Niederschlag als dynamische Komponente und ande-rerseits den Umgang mit räumlicher Variabilität und Unsicherheiten in Parametern für die Modellierung. Ein Ansatz, der überwiegend Anwendung findet, um Niederschlag in Hangrutschungsfrühwarnsystemen zu implementieren, beinhaltet die Verwendung von flächenhaft einheitlichem Niederschlag für ein spezifisches Gebiet basierend auf reprä-sentativen Niederschlagsmessern. Hier wird eine Alternative vorgestellt, die vorsieht, basierend auf verschiedenen Interpolationsverfahren (deterministisch und geostatis-tisch), eine räumlich differenzierte Niederschlagsverteilung in Echtzeit zu bestimmen. In einer voll automatisierten Prozesskette werden dazu webbasierte Niederschlagsdaten in mehrere Qualitätschecks geprüft, um eine qualitativ hochwertige Datenbasis zu erlan-gen. Für die anschließende Hangrutschungsmodellierung ist das deterministische, physika-lisch basierte TRIGRS Modell für eine probabilistische Anwendung modifiziert worden. Um die innewohnenden Unsicherheiten sowie die räumliche Variabilität von Parametern zu adressieren, wurde anstatt einer einzelnen vermeintlich optimalen Parameterkonstel-lation basierend auf tatsächlichen Feldmessungen, ein sehr breiter Parameterbereich aus Literaturquellen berücksichtigt. Aus diesem Parameterbereich wurden in einer Zu-fallsstichprobe mehrere Parameterkonstellationen gezogen, die dann für die jeweiligen Modellläufe herangezogen wurden. Basierend auf einer Vielzahl von gleichermaßen annehmbaren Parameterkonstellationen wurden ebenso viele Modellläufe durchgeführt, die für jede Stunde in einer einzelnen räumlich differenzierten Karte der Hangversa-genswahrscheinlichkeit resultierten. Dadurch wird der relative Beitrag jedes einzelnen Modelllaufs, der auf unterschiedlichen, aber gleichermaßen annehmbaren Parametern besteht, berücksichtigt. Dabei deckt die gesamte Spannweite des räumlichen Musters der Hangversagenswahrscheinlichkeit einen Großteil der vorhandenen räumlichen Vari-abilität und Unsicherheiten ab. Die Ergebnisse legen nahe, dass für Hangrutschungsmodellierungen auf regionaler Maßstabsebene die Modellparametrisierung basierend auf Literaturquellen ausreichend ist, da a) verschiedene Parameterkonstellationen ähnlich gute Modellergebnisse liefern und damit die Bedeutung einer Modelleichung sowie von teuren und zeitaufwändigen Feldmessungen reduziert wird, und b) die Modellsensitivität der Hangneigung so domi-nant ist, dass räumliche Unterschiede in der Hangversagenswahrscheinlichkeit mehr durch die räumliche Verteilung des Niederschlags oder der Bodenmächtigkeit beein-flusst werden, als durch geotechnische und hydraulische Parameter. Der hier vorgestell-te voll automatisierte Ensembleansatz birgt großes Potential für die zukünftige Ausrich-tung von Hangrutschungsfrühwarnsystemen, jedoch sind die Anforderungen an her-kömmliche Computerhardware noch zu groß, um die Berechnung stündlicher Hangver-sagenswahrscheinlichkeiten auf größerer Maßstabsebene in Echtzeit zu bewerkstelligen.
Abstract
(Englisch)
Early warning aims at providing individuals exposed to a hazard timely and effective information to take action in order to avoid or reduce their risk and prepare for effec-tive response. In the last decade, hydrological modelers have started integrating ensem-ble prediction systems into their forecasting systems, following on the success of the use of ensembles for weather forecasting. The probabilistic approach acknowledges the presence of unavoidable parameter variability and uncertainty at larger scales and ex-plicitly introduces them into the model results. The proposed work explicitly addresses two main sources of uncertainties in regional scale landslide early warning. Firstly, how rainfall as a dynamic component is treated and secondly, how spatial variability and uncertainties in geotechnical and hydraulic parameters are considered for regional scale model parametrization. A common ap-proach to introduce rainfall information into landslide early warning system consists of using uniform areal rainfall from representative rain gauges over a specific area. Here, a fully automated process chain is presented that uses web based real-time rain gauge data that is treated with multiple quality checks. This data is then applied to multiple automated interpolation techniques (deterministic and geostatistical) in order to obtain spatially distributed rainfall information. For the landslide prediction, the deterministic, physically based model TRIGRS is modified for a fully automated probabilistic applica-tion. In an honest attempt to address parameter variability and uncertainties, broad pa-rameter ranges from literature that are appropriate for the study area are used instead of a presumed best-fit set of parameter values based on actual in situ field data. Out of this parameter range, multiple parameter sets are randomly sampled for iterative mod-el runs. From all parameter sets, which resulted in multiple equally acceptable model realizations, a spatially distributed probability of failure map is derived for each hour. This way, the relative performance of each parameter set is taken into account and de-picts the entire model spread with its inherent uncertainties. Results suggest that for regional scale study areas purely literature based parametriza-tion might be sufficient because a) different parameter sets provide almost equally good results and thus reduces the importance of costly and time consuming field sampling as well as model calibration, and b) slope angle has such a high model sensitivity that in all model runs the predicted areas with the highest slope failure probability are more or less at the same location and differ primarily due to spatially varying soil depth and rain-fall. Although the proposed automated landslide ensemble prediction system holds a great potential for the future direction of landslide early warning, computational re-straints currently hold back the real-time application for hourly model predictions at regional scale.

Schlagwörter

Schlagwörter
(Deutsch)
Gravitative Massenbewegungen Vorhersage von Hangrutschungen Gefahrenmodellierung Ensembleprognosen Niederschlagsinterpolation Geostatistik
Autor*innen
Ekrem Canli
Haupttitel (Englisch)
Uncertainties in dynamic landslide prediction at regional scale
Paralleltitel (Deutsch)
Unsicherheitsaspekte in der dynamischen Vorhersage gravitativer Massenbewegungen auf regionaler Maßstabsebene
Publikationsjahr
2018
Umfangsangabe
XIV, 193 Seiten : Illustrationen, Diagramme, Karten
Sprache
Englisch
Beurteiler*innen
Paolo Frattini ,
Michel Jaboyedoff
Klassifikationen
38 Geowissenschaften > 38.09 Physische Geographie ,
38 Geowissenschaften > 38.45 Geomorphologie
AC Nummer
AC15061074
Utheses ID
46363
Studienkennzahl
UA | 796 | 605 | 452 |
Universität Wien, Universitätsbibliothek, 1010 Wien, Universitätsring 1