K. Meusburger & C. Alewel finanziert vom BAfU

Slides:



Advertisements
Ähnliche Präsentationen
Kopplung von Dynamik und atmosphärischer Chemie
Advertisements

T. Staeger, J. Grieser und C.-D. Schönwiese
2 Räumliche Analyse: Klimawandel-Betroffenheits-Raumtypen.
Arbeitsgruppe Meteorologische Umweltforschung/Klimatologie Institut für Meteorologie und Geophysik der J. W. Goethe-Universität Frankfurt/M. Anwendung.
Statistik-Tutorat SS 2009 Christina
Vorsorge und Gestaltungspotenziale in ländlichen Räumen unter regionalen Wetter- und Klimaänderungen (LandCaRe 2020) Teilprojekt 2.3.
Quantitative Methoden 3
J. Wiemeyer Dehnen und Leistung -
Berg-Schlosser : VL : Vergleichende Politikwissenschaft Vergleichende Methoden Ausgangsbasis : Fälle: begrenzte Auswahl auf der Makro-Ebene, abhängig.
Einkommensungleichheit
Forschungsstatistik I Prof. Dr. G. Meinhardt WS 2004/2005 Fachbereich Sozialwissenschaften, Psychologisches Institut Johannes Gutenberg Universität Mainz.
Statistical-dynamical methods for scale dependent model evaluation and short term precipitation forecasting (STAMPF / FU-Berlin) Zielsetzung von STAMPF:
Klimawandel WS 05/06 Joachim Curtius Institut für Physik der Atmosphäre Universität Mainz CO 2 (ppm)
Kurze Rückblende. Kurze Rückblende Entwicklungspfade der Ressourcennutzung seit der Neolithischen Revolution 1 Agrarische Ressourcennutzung abhängig.
Quantitative Methoden I
eXtreme Programming (XP)
Zeitreihenanalyse WS 2004/2005 Michael Hauhs / Gunnar Lischeid
Modellbildung in der Geoökologie (G5, 103) SS 2004
Das BMBF-Vorhaben Skalenanalyse hydrologischer und hydrometeorologischer Zeitreihen Skalenanalyse in der Hydrologie – warum? Von Peter Braun, ehemals Bayerisches.
Definition: Anlage - Umwelt
Prof. Dr. Peter Schmidt, Hochschule Bremen
Allgemeine Literatur Fricke & Treinies (1985): Einführung in die Metaanalyse Schwarzer (1989): Meta-Analysis Programs Gutes Manual! Beelmann & Bliesener.
Die herbstliche Nitratdynamik im Boden eines Wasserschutzgebietes
Tutorium
Tutorium
LIAB: Beispiel Lutz Bellmann und André Pahnke Laser empirisch Veranstaltung am 12. Februar 2008.
Vorlesung: Biometrie für Studierende der Veterinärmedizin
Wiederholung: Einfache Regressionsgleichung
Software Engineering SS 2009
Nach den Überlieferungen soll sich zwischen Schlanders und Laas eine Stadt befunden haben, deren Bewohner große Sünder waren. St. Georg, dachte, ein Drache.
Extremereignisse: Empfindlich auf die Klimaänderung aber ungeeignet für deren Nachweis Christoph Frei Institut für Atmosphäre und Klima, ETH Zürich ETH.
DISPARITÄTEN Disparität = räumliche Ungleichheit innerhalb einer Volkswirtschaft, „unausgeglichene Raumstruktur“ Ebenen: ökonomisch, sozial, kulturell,
Wie entsteht eine Wettervorhersage?
Saisonale Wasserbilanz (7. 2) Saisonale Trends in Niederschlag (2
Ausgleichungsrechnung II
Dynamics of Exchange Rate Changes Thomas Hrad Kathrein Bank am
Logistische Regression
Ereignisbezogene Abflussbeiwerte
Oberflächennahe Rutschungen aufgrund von Starkniederschlägen
Anke Mümken, Clemens Freytag, Wolfgang Keil & Ursula Piontkowski
Globale Interpolations- und Prädiktionsverfahren
Statistik: Mehr zur Regression.
Kapitel 19 Kointegration
Wahrscheinlichkeitsrechnung
Projekt Sensor: Tools for Environmental, Social and Economic Effects of Multifunctional Land Use in European Regions Plattform Eisenwurzen.
Untersuchungen der längerfristigen Wechselwirkung zwischen Klima und Grundwasserständen auf der regionalen Skala Jan van Heyden1, Roland Barthel1, Thorben.
Multivariate Statistische Verfahren
Bodenerosion in den Alpen
Vortrag von Martin Muster
Klimawandel – weltweit und in Hessen Wo stehen wir?
Lernmodelle und Experimentelle Untersuchungen
Dr. Petra Bendel Der Vergleich in der Politikwissenschaft für: Seminar „Migrationspolitiken in Europa“
Empirische Sozialforschung am Beispiel der Limburger Nordstadt
8. Deutsche Klimatagung Bonn – 8. Oktober 2009 Wie gut stimmt der modellierte Niederschlag des COSMO-CLM mit Messungen an Klimastationen des DWD überein?
Präsentation Schulpraktikum PS Schulkartographie THEMENGEBIET:ArbeitsmarktTeam: Dietl Reinhard Keskin Hacer Spring Rene.
Vorsorge und Gestaltungspotenziale in ländlichen Räumen unter regionalen Wetter- und Klimaänderungen (LandCaRe 2020) Validierung der.
Hochwasserrisikomanagement- Richtlinie
Statistiken je nach Messniveau
Univ.-Prof. Dr.-Ing. H. Nacken Bestimmung der Erosionsgefährdung Allgemeine Bodenabtragsgleichung Vorlesung 10 Vorlesung Wasserwirtschaft & Hydrologie.
Univ.-Prof. Dr.-Ing. H. Nacken Vorlesung Wasserwirtschaft & Hydrologie I Themen: Vorlesung 8 Statistik Dichtefunktionen Jährliche und partielle Serien.
Arbeitsmaterialien im DFU-Unterricht
Biopsychosoziale Entwicklung (1) Anlage oder Umwelt?
Lieferanten - Risikoanalyse Kennen Sie die bestehenden Risiken Ihres Lieferanten-Netzwerks? Bestehende, nicht identifizierte, Lieferantenrisiken stellen.
Spärliche Kodierung von Videos natürlicher Szenen Vortragender: Christian Fischer.
Präsentationsvorlage für Unternehmer (Sie können diese PPT verwenden und für Ihre Zwecke verändern) Datum, Autor/in, Thema/Thematik usw. „Herausforderungen.
Präsentationsvorlage für politische Entscheidungsträger (Sie können diese PPT verwenden und für Ihre Zwecke verändern) Datum, Autor/in, Thema/Thematik.
Klasse Klassenzufriedenheit Strukturmerkmale (Schultyp, Anteil Knaben, Anteil plagender Kinder) Eltern Einstellungen (Erwartungen,Attribution) Verhalten.
Störungen bei der Tacrolimus-Quantifizierung Michael Vogeser Institut für Klinische Chemie, Klinikum der Universität München.
Aufgabenstellung  gegeben ist die zeitliche Entwicklung der global gemittelten bodennahen Temperatur im Zeitraum (Dateiname= ytemp2m.obs, ascii-
 Präsentation transkript:

K. Meusburger & C. Alewel finanziert vom BAfU Auswirkungen natürlicher und anthropogener Einflüsse auf die Bodenstabilität K. Meusburger & C. Alewel finanziert vom BAfU

Bodenrutschungen in alpinen Regionen Rutschungen stellen einen bedeutenden Anteil am Gesamtbodenabtrag in alpinen Gebieten dar. Neben statischen Gebietsfaktoren sind dynamische Faktoren wie Landnutzung und Klima, die direkt oder indirekt durch den Menschen beeinflußt werden entscheidend. Risikovorhersagen für Rutschungen basieren auf der Analyse der statischen Gebietsfaktoren; sich dynamisch ändernde Faktoren werden dabei nicht berücksichtigt.

Fragestellung Gebietsfaktoren: Welche sind wichtig? Anthropogene Faktoren (= Änderungen von Landnutzung und Klima): Wie beeinflussen sie die Bodenstabilität? Sind sie im Vergleich zu Gebietsfaktoren relevant? Risikovorhersage: Welchen Einfluß hat die Vernachlässigung der anthropogenen Faktoren auf die Qualität von Risikovorhersagen von Rutschungen?

Methode Eine Serie von 7 Rutschungskarten (30km2) zwischen 1959 und 2004 wurde verglichen mit: Zeitreihen (45 Jahre) von dynamischen Faktoren wie Niederschlagscharakteristika, Bedeckung, Bestockung, Weidenkarten Karten statischer Gebietsfaktoren und räumlich analysiert mit einem Logistischen Regressionsmodell Risikomodell für Rutschungen Zeitreihen Rutschungs-karten Gebietsfaktor Karten

Gebietsfaktoren: Geologie Hospental Realp

Anthropogene Faktoren: Entwicklung der Rutschungserosion Hypothese: Wenn Landnutzungs- und Klimaänderungen einen signifikanten Einfluß haben, können wir einen Trend des Rutschungsrisikos über die Zeit sehen. Im Gesamten, hat sich die betroffene Fläche in 45 Jahren nahezu verdoppelt (92%).

Entwicklung der Rutschungserosion Visueller Eindruck der Destabilisierung eines Hanges bei Hospental: Anthropogene Faktoren haben einen entscheidenden Einfluß auf Rutschungen im Urseren Tal.

Anthropogene Faktoren: Klima Niederschlag Beste Korrelation mit maximalen 3-tägigen Niederschlägen. Extreme Ereignisse werden häufiger.

Anthropogene Faktoren: Verbuschung Seit 1959: Zunahme der verbuschten Flächen um 30%. Jedoch sind diese Flächen kaum von Rutschungen betroffen.

Anthropogene Faktoren: Landnutzung Bestockungszahlen Die Bestockung allein kann die Entwicklung nicht vollständig erklären. Auf welchen Flächen hat die Zunahme stattgefunden?

Die Entwicklung erodierter Flächen für verschiedene traditionelle Landnutzungstypen von 1955 Zugängliche Gebiete wurden zunehmend instabil Unzugängliche Gebiet zeigten keine Änderung der Stabilität Die Landnutzungspraxis hat einen entscheidenden Einfluss!

Risikovorhersage Logistische Regression mit statischen Gebietsfaktoren Im Gesamten wurden 383 Rutschungen kartiert und anschließend durch Feldbegehungen verifiziert. Das Logistische Regression Modell wurde mit 250 zufällig gewählten erodierten und 250 intakten Grids und 20 statischen Gebietsfaktoren (Prädiktoren) generiert. Die signifikantesten Variablen waren Geologie, Neigung und Gewässernetzdichte.

Risikokarte mit statischen Gebietsfaktoren Modell-Validierung für räumliche Vorhersagen Das Modell konnte 70,4% der räumlichen Validierungs-Datensatzes (bestehend aus 341688 Grids) richtig klassifizieren.

Risikovorhersage Solche multivariate statistische Modelle finden die verbreiteste Anwendung zur Vorhersage und Analyse des Rutschungsrisikos auf regionaler Skale. Diese Modelle vernachlässigen jedoch die zeitliche Variabilität der Auslösefaktoren, die einen sehr entscheidenden Einfluss die Auslösung von Rutschungen haben. Wie gut ist das Modell zur Vorhersage von zukünftigen Rutschungen geeignet?

Modell-Validierung für zukünftige Vorhersagen Vorhersagequalität für neue Rutschungen von 2004 Gute räumliche Validierung garantiert keine richtige Zukunftsprognosen bei sich zeitlich ändernden Risikofaktoren, wie z.B. der Landnutzung!

Fazit Gebietsfaktoren Das Gebiet ist von Natur aus sehr sensitiv (Grasland und Geologie). Die aufkommenden Grünerlenbestände wirken nicht destabilisierend. Anthropogene Faktoren Dennoch läßt sich eine Destabilisierung über die Zeit beobachten (Zunahme von Rutschungsflächen um 92% innerhalb von 45 Jahren). Klimadaten: Anstieg der extremen Niederschläge. Landnutzung: Im Urseren Tal ist die Intensivierung Flächen im Talbereich ein Hauptproblem für die Bodenstabilität. Zusätzlich zu den Bestockungszahlen, hat auch die Aufgabe traditionelle Landnutzungs-Praktiken einen entscheidenden Einfluß. Risikomodell Änderungen der Landnutzung können auch Hänge mit einem nur mittleren natürlichen Risiko gefährden. Dieses Risiko bleibt dann bis zum Schadenfall weitgehend unerkannt. Die Parametrisierung der Landnutzung und die Integration in die regionale Risikoanalyse ist ein notwendiger Schritt um die Vorhersagequalität unter zukünftigen Bedingungen zu garantieren.

Danke für die Aufmerksamkeit!