ClimXtreme Module B "STEEP: Space-time statistics of extreme precipitation"

Infolge des Klimawandels sind extreme Wetterereignisse wie Dürren und Überschwemmungen häufiger und intensiver aufgetreten. Extreme Niederschlagsereignisse, die zu extremen Überschwemmungen führen, werden in vielerlei Hinsicht als Bedrohung angesehen, insbesondere für Städte, anthropogene Aktivitäten und Infrastruktur (Zhang et al. 2014). Ein gründliches Verständnis solcher extremen Ereignisse ist von Bedeutung, da es vielen Zwecken dienen würde, nämlich der Entscheidungsfindung, dem Katastrophenrisikomanagement usw.

Niederschlagsextreme sind räumlich und zeitlich dynamische Phänomene, während sie traditionell als Einzelpunktbeobachtungen bewertet wurden. Entsprechende Extremwertstatistiken werden auf die Punktbeobachtungen angewendet und für verschiedene Dauerstufen aggregiert. Viele Folgen von Niederschlägen wie Überschwemmungen hängen jedoch mit dem Wasservolumen zusammen, sodass der räumliche Aspekt nicht vernachlässigt werden sollte. Die meisten Untersuchungen mit beobachteten Reihen vernachlässigen jedoch das räumliche Ausmaß von Niederschlagsereignissen. Die traditionellen Flächenreduzierungsfaktoren basieren auf einfachen Annahmen und ihre möglichen Änderungen aufgrund des Klimawandels werden nicht berücksichtigt. Daher besteht die Notwendigkeit, dieses Phänomen weiter zu untersuchen, wobei der Schwerpunkt auf ihrer räumlichen Abhängigkeit und der Statistik ihrer räumlich-zeitlichen Dynamik liegt.

Die Hauptziele dieses Projekts sind einerseits ein besseres Verständnis der Dynamik von raumzeitlichen Extremniederschlägen andererseits die Entwicklung neuer statistischer Ansätze für eine verbesserte Beschreibung des räumlichen Verhaltens solcher Ereignisse. Mit dem Fokus auf Häufigkeit, Intensität, Dauer, Ausdehnung, Form und Abhängigkeiten des extremen Niederschlags in Raum und Zeit, aber mit der Tendenz, Niederschlag eher als räumliches Phänomen zu betrachten, wird der Ansatz der reinen Punktstatistik aufgegeben. Die erwarteten Ergebnisse des Projekts sind:

• Optimale Nutzung des Wetterradardaten, um von der Punktstatistik zur räumlich-zeitlichen Beschreibung der Ereignisse zu gelangen
• Schätzung und Auswertung von AIDF-Kurven (Area-Intensity-Duration-Frequency) für Vergangenheit, Gegenwart und Zukunft
• Bewertung der zeitlichen Änderung der Raum-Zeit-Statistik der Extremereignisse anhand von AIDF-Kurven
• Das Raum-Zeit-Verhalten „ungewöhnlicher Ereignisse“, in den Fällen wo mehreren Cluster-Standorten Extreme auftreten

Dieses Projekt trägt zu den Fragen von ClimXtreme bei, insbesondere zu Modul B; Weitere Informationen finden Sie unter http://www.climxtreme.net