Verschiedene meteorologische Eigenschaften von vergangenen Winterstürmen (ONDJFM 1969/1970-2001/2002) werden auf ihre Zusammenhänge zu verursachten monetären Sturmschäden untersucht. Zu diesem Zweck werden die diskreten Sturmereignisse als zusammenhängende Überschreitungen lokalklimatologischer Schwellwerte mithilfe eines Tracking-Algorithmus aus den horizontalen Windgeschwindigkeitsfeldern der ERA40-Reanalysen identifiziert. Ihre Eigenschaften werden auf Basis dieser Gitterpunktdaten berechnet. Dem gegenüber wird ein ereignisspezifischer Schadensindex gebildet, indem die Abschätzungen des Rückversicherers Münchener Rück bzgl. der einzelnen volkswirtschaftlichen Sturmschäden einer Inflationskorrektur unterzogen und durch die mittlere Bevölkerungsdichte im vom Sturm betroffenen Gebiet dividiert werden. Die Bevölkerungsdichte soll hier als Proxy der Wertekonzentrationen in unterschiedlichen Regionen dienen. Der Zusammenhang zwischen den Sturmeigenschaften sowie drei kombinierten Sturmstärkeindizes und Schadensindex wird mit drei verschiedenen Zusammenhangsmaßen untersucht. Es zeigt sich, dass die mittlere Sturmintensität, definiert als normierte Überschreitung eines lokalklimatologischen Schwellwerts der Windgeschwindigkeit, sowie die maximale Windgeschwindigkeit über Land und die Ausdehnung des Sturmereignisses über Land in signifikantem Zusammenhang zu resultierenden Schäden stehen. Dabei zeigen die kombinierten Sturmstärkeindizes, abhängig von ihrer Definition, tendenziell engere Zusammenhänge zu resultierenden Schäden als die Einzelgrößen.
Inhaltsverzeichnis
1 Einleitung
2 Daten und Methode
2.1 Verwendete Daten
2.1.1 ERA40-Reanalysedaten
2.1.2 Schadensummen gemäß NatCat-SERVICE der Münchener Rück
2.1.3 Bevölkerungsdichte gemäß CIESIN/CIAT-GPWv3
2.2 Methode
2.2.1 Sturm-Tracking
2.2.2 Abgleich der Sturm-Zugbahnen mit NatCat-Daten
2.2.3 Definition meteorologischer Parameter
2.2.4 Ereignisspezifischer Schadensindex
2.2.5 Zusammenhangsmaße
3 Ergebnisse
3.1 Zusammenhänge zwischen meteorologischen Einzelgrößen und Schadensindex
3.2 Integrale Maße der Sturmstärke und Zusammenhänge mit Schäden
4 Diskussion und Schlussfolgerungen
Zielsetzung und Themen
Diese Arbeit untersucht den quantitativen Zusammenhang zwischen verschiedenen meteorologischen Eigenschaften historischer Winterstürme im Zeitraum 1972-2002 und den durch diese verursachten volkswirtschaftlichen Schäden in Europa. Ziel ist es, durch die Analyse von Sturmeigenschaften wie Windgeschwindigkeit, Dauer, Fläche und Intensität sowie deren Korrelation mit einem inflationsbereinigten Schadensindex zu ermitteln, welche meteorologischen Parameter die stärkste Auswirkung auf die Schadenshöhe haben.
- Analyse meteorologischer Eigenschaften mittels ERA40-Reanalysedaten
- Aufbereitung von Schadensdaten der Münchener Rück (NatCat-SERVICE)
- Anwendung von Tracking-Algorithmen zur Identifikation von Sturmereignissen
- Berechnung statistischer Zusammenhangsmaße (Pearson, Spearman, Informationsindex)
- Vergleich integraler Sturmstärkeindizes wie ESSI, ACE und SII
Auszug aus dem Buch
2.2.1 Sturm-Tracking
Die vorliegende Arbeit verwendet für die Untersuchung der meteorologischen Eigenschaften von Stürmen keine Messdaten, sondern basiert auf den horizontalen Windgeschwindigkeiten 10m ü.G. des ERA40-Reanalyse-Datensatzes. Dem liegt die Annahme zugrunde, dass sich schadenverursachende Winterstürme als meteorologische „Extremereignisse“ auf der synoptischen Skala auch in diesen räumlich und zeitlich vergleichsweise grob aufgelösten Daten deutlich aus der Klimatologie und dem umliegenden Windfeld hervorheben. Dabei wäre der Vorteil, dass unabhängig von Zeit und Ort Windgeschwindigkeitsdaten von gleichbleibender Qualität zur Verfügung stehen, ohne dass diese zuerst einer eingehenden Datenbereinigung und -homogenisierung unterzogen werden müssen.
Die Identifikation von Winterstürmen als diskreten Ereignissen aus den ERA40-Daten wurde für diese Untersuchung auf der Basis dieser Windgeschwindigkeitsfelder vorgenommen. Gemäß der Klawa und Ulbrich (2003) zurückgehenden Hypothese, dass Windgeschwindigkeiten jenseits des 98. Perzentils potentiell Schäden verursachen, wurde dieses zunächst aus den horizontalen Windgeschwindigkeiten der Winterhalbjahre 1959/1960-2001/2002 für das Untersuchungsgebiet berechnet (siehe Abb. 2). Anschließend wurden Sturmfelder als Bereiche räumlich zusammenhängender Überschreitungen dieses 98. Perzentils für jeden Zeitschritt identifiziert. Für jeden Zeitschritt wurde der Schwerpunkt eines Sturmfeldes berechnet, indem jede zugehörige Gitterbox mit ihrer breitengradabhängigen Fläche und der 3. Potenz der Windgeschwindigkeit gewichtet wurde. Diese Schwerpunkte sind rein rechnerische Positionen und keine Gitterpunkte oder -boxen.
Zusammenfassung der Kapitel
1 Einleitung: Die Einleitung beleuchtet die enorme wirtschaftliche Bedeutung von Winterstürmen in Europa und begründet das wissenschaftliche Interesse an der Quantifizierung der schadensverursachenden meteorologischen Parameter.
2 Daten und Methode: Dieses Kapitel erläutert die Datengrundlage (ERA40, NatCat-SERVICE, Bevölkerungsdichte) sowie die angewandten Methoden zum Tracking der Stürme und zur statistischen Analyse der Zusammenhänge.
3 Ergebnisse: Hier werden die Korrelationen zwischen den berechneten meteorologischen Einzelgrößen, integralen Sturmstärkeindizes und dem Schadensindex präsentiert und interpretiert.
4 Diskussion und Schlussfolgerungen: Das abschließende Kapitel bewertet die erzielten Ergebnisse kritisch, diskutiert Unsicherheiten in den Daten und leitet Schlussfolgerungen für die Sturm-Schadensabschätzung ab.
Schlüsselwörter
Winterstürme, Meteorologie, ERA40-Reanalyse, Schadensindex, Sturmstärke, Windgeschwindigkeit, Sturm-Tracking, NatCat-SERVICE, Europäische Sturmrisiken, statistische Korrelation, Extremereignisse, Schadenspotenzial, Bevölkerungsdichte, Sturmentwicklung, Klimatologie.
Häufig gestellte Fragen
Worum geht es in dieser Bachelorarbeit grundsätzlich?
Die Arbeit untersucht den Zusammenhang zwischen meteorologischen Eigenschaften von historischen europäischen Winterstürmen und den durch diese Ereignisse verursachten monetären Schäden.
Was sind die zentralen Themenfelder der Analyse?
Im Zentrum stehen die Identifikation von Sturmereignissen aus Reanalysedaten, die Normalisierung von Schadensdaten sowie die statistische Auswertung der Korrelation zwischen verschiedenen Sturmeigenschaften und der Schadenswirkung.
Was ist das primäre Ziel der Forschungsarbeit?
Das Ziel ist es, herauszufinden, welche meteorologischen Parameter (wie Windgeschwindigkeit, Sturmfläche oder Intensität) am stärksten mit den beobachteten wirtschaftlichen Schäden korrelieren.
Welche wissenschaftlichen Methoden werden verwendet?
Es werden ein Tracking-Algorithmus zur Identifikation der Stürme, die Berechnung von Perzentilen für Windgeschwindigkeiten sowie verschiedene statistische Maße wie die Pearson-Korrelation, Spearman-Korrelation und der Informationsindex eingesetzt.
Was wird im Hauptteil der Arbeit behandelt?
Der Hauptteil gliedert sich in die methodische Beschreibung der Datenaufbereitung, die Definition meteorologischer Kenngrößen sowie die detaillierte Ergebnispräsentation der Korrelationsanalysen.
Welche Schlüsselwörter charakterisieren die Untersuchung?
Die Arbeit lässt sich durch Begriffe wie Winterstürme, ERA40-Reanalyse, Schadensindex, Sturmstärke und statistische Korrelation charakterisieren.
Warum wurde das 98. Perzentil der Windgeschwindigkeit als Schwelle gewählt?
Die Wahl basiert auf der in der Literatur (Klawa und Ulbrich, 2003) etablierten Hypothese, dass Windgeschwindigkeiten oberhalb dieses Schwellenwerts die kritische Grenze für schadensrelevante Ereignisse darstellen.
Welche Rolle spielt die Bevölkerungsdichte bei der Schadensberechnung?
Da absolute Schadenssummen nicht direkt vergleichbar sind, dient die Bevölkerungsdichte als Proxy für die regionale Wertekonzentration, um den Schadensindex zu normalisieren und eine vergleichbare Kenngröße zu erhalten.
- Quote paper
- Tim Kruschke (Author), 2008, Zusammenhang zwischen verschiedenen meteorologischen Eigenschaften von Winterstürmen und resultierenden Schäden in Europa, Munich, GRIN Verlag, https://www.grin.com/document/133961
