BOKU - Universität für Bodenkultur Wien - Forschungsinformationssystem

Logo BOKU-Forschungsportal

Gewählte Diplomarbeit / Masterarbeit:

Matthias Schlögl (2015): Extreme Weather Exposure Identification for the Austrian Road Network Resilience of Infrastructure to extreme Weather Events and Natural Hazards.
Diplomarbeit / Masterarbeit - Institut für Angewandte Statistik und EDV (IASC), BOKU-Universität für Bodenkultur, pp 97 (342 inkl. Anhang). UB BOKU obvsg

Datenquelle: ZID Abstracts
Abstract:
Beinahe jede Gesellschaft ist auf ein funktionierendes Infrastruktursystem angewiesen, und diese Abhängigkeit wird besonders im Zusammenhang mit Extremwetter- und Naturgefahrenereignissen deutlich. Ein verlässliches Infrastrukturnetz kann in diesen Fällen essentiell zur Vermeidung und Verminderung von Schäden beitragen. Diese Diplomarbeit zielt darauf ab, eine quantitative Bewertungsgrundlage für die Resilienz der Straßenverkehrsinfrastruktur zu schaffen, um eine hohe Funktionsfähigkeit der primären Straßeninfrastruktur in der Alpenregion sicherzustellen. Dazu wurden verschiedene Methoden der Extremwertstatistik im Hinblick auf ihre Anwendbarkeit zur Ermittlung quantifizierbarer Benchmarks für die Einflüsse von Extremwetterereignissen auf gefährdete Straßenabschnitte analysiert. Um die heterogenen naturräumlichen Bedingungen in Österreich adäquat zu berücksichtigen, wurden 20 repräsentative Regionen (Hot Spots) ausgewählt. Der Fokus der Analyse liegt dabei auf Einwirkungen von Niederschlag und Temperatur. Basierend auf historischen Zeitreihen meteorologischer Daten wurden sowohl der Block Maxima Ansatz als auch der Peak over Threshold Ansatz angewendet, um Extremwertreihen abzuleiten. In weiterer Folge wurden generalisierte Extremwertverteilungen bzw. generalisierte Paretoverteilungen angepasst. Darüber hinaus kamen zwei Verfahren der Parameterschätzung zur Anwendung, nämlich die Maximum-Likelihood-Methode und die L-Momente Methode. Die Resultate zeigen, dass die Modelle, welche auf Basis der L-Momente Methode angepasst wurden, im Vergleich zu Maximum-Likelihood-Methode bessere oder gleich gute Ergebnisse liefern. Die Performance der unterschiedlichen Extremwertverteilungen hängt hingegen primär vom gewählten meteorologischen Indikator ab. Abschließend lässt sich ableiten, dass Informationen über lokale Jährlichkeiten von Extremereignissen einen Mehrwert für ein umfassendes Erhaltungs-, Betriebs- und Risikomanagement von Straßennetzen bieten können.

Beurteilende(r): Laaha Gregor
1.Mitwirkender: Fuchs Sven

© BOKU Wien Impressum