WO2011069613A1 - Vorrichtung und verfahren zur risikobasierten zuweisung von warnstufen - Google Patents

Vorrichtung und verfahren zur risikobasierten zuweisung von warnstufen Download PDF

Info

Publication number
WO2011069613A1
WO2011069613A1 PCT/EP2010/007298 EP2010007298W WO2011069613A1 WO 2011069613 A1 WO2011069613 A1 WO 2011069613A1 EP 2010007298 W EP2010007298 W EP 2010007298W WO 2011069613 A1 WO2011069613 A1 WO 2011069613A1
Authority
WO
WIPO (PCT)
Prior art keywords
warning
data
hazard
levels
predefined
Prior art date
Application number
PCT/EP2010/007298
Other languages
English (en)
French (fr)
Inventor
Joachim Post
Kai Zosseder
Stefanie Wegscheider
Ulrich Raape
Matthias Mück
Sven Tessmann
Christian Strobl
Original Assignee
Deutsches Zentrum Für Luft- Und Raumfahrt E.V. (Dlr E.V.)
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Deutsches Zentrum Für Luft- Und Raumfahrt E.V. (Dlr E.V.) filed Critical Deutsches Zentrum Für Luft- Und Raumfahrt E.V. (Dlr E.V.)
Publication of WO2011069613A1 publication Critical patent/WO2011069613A1/de

Links

Classifications

    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
    • G08B21/02—Alarms for ensuring the safety of persons
    • G08B21/10—Alarms for ensuring the safety of persons responsive to calamitous events, e.g. tornados or earthquakes

Definitions

  • the invention relates generally to an apparatus and method for computer-aided allocation of alert levels to individual regions of a target region, the alert levels indicating the threat to a region from a natural or technical hazard event.
  • the invention relates to an apparatus and a method for the computer-assisted, risk-based assignment of predefined warning levels to spatial warning units of a target region segmented into spatial warning units.
  • An early warning system is generally used in time to warn of dangerous events, especially natural disasters - but also of dangerous events of a technical nature, such as a meltdown - which require protection of the environment and people, facilities and goods, which can be achieved, for example, by timely evacuation .
  • Natural disasters include, for example, those of tectonic origin, such as earthquakes or tsunamis, as well as natural disasters of climatic origin, such as tornadoes, landslides or snow avalanches.
  • the present invention may find use in early warning systems for such natural disasters or for technical hazards events.
  • An early warning system after detecting a danger event, should initiate an effective warning or provide appropriate decision proposals for downstream systems or human operators to detect a potential threat early and to inform affected regions, in particular the local population, well in advance of the consequences of the event so that actions and measures to protect people, property and the environment can be made in a timely manner.
  • warning systems can address different spatial warning units within a service area or a destination region and supply them with general or individual warnings according to a determined warning level or a warning level or, if appropriate, provide individual or general decision proposals for an operator or downstream systems.
  • the known warning systems generally see different warning levels (warning level) that can trigger certain precautions or actions in the warning segment concerned.
  • the German Remote Sensing Data Center (DFD) is developing technical components of a tsunami early warning system, including the central Decision Support System (DSS), which monitors the tsunami early warning process supports and generates warning segment-specific alerts.
  • DSS central Decision Support System
  • the Major Warning (red) color code triggers significant action by local policy makers, typically evacuations.
  • warning levels are set in the known systems only on the basis of individual hazard parameters.
  • the tsunami early warning only the expected wave height on the coastline is considered in the internationally recognized systems.
  • a high intensity of a natural hazard or a technical hazard does not necessarily cause great damage to humans and the environment.
  • high intensity in one location can cause fewer victims or damage to critical infrastructure than lower natural hazard intensity elsewhere.
  • the occurrence of an earthquake in a practically deserted area called. Consequently, the specification of warning levels, which is based solely on the natural hazard intensity or derived primary criteria, can lead to disadvantageous conclusions with regard to the intensity of the damage and possibly cause adverse actions.
  • the known classification of the warnings in the known early warning systems based on the warning levels determined according to individual primary criteria is therefore possibly disadvantageous.
  • the invention is therefore based on the object of providing an apparatus and a method which improve the provision of warnings in early warning systems.
  • a device for computer-assisted assignment of predefined alert levels to spatial alert units of a target region.
  • the predefined warning levels indicate the endangerment of a region through a natural or technical hazard event.
  • the device comprises a data storage unit for storing first data defining the warning units, second data representing the spatial distribution of egg Defining properties of the target region and storing predefined alert levels.
  • the apparatus includes a database for storing deterministic models that define the spatial distribution and timing of a defined impact of a natural or technical hazard event in the target region.
  • a determination unit for determining at least one of the models of the database on the basis of input data measured when a hazard event occurs, and a processing unit for determining a hazard index for at least one of the warning units taking into account the specific models and the first and second data, and for assignment one or more of the predefined warning levels to the at least one warning unit, based at least in part on the hazard index.
  • the deterministic models include the definition of a hazard area and arrival times of the effects of the hazard events in the target region.
  • the second data comprises at least one spatial distribution of population density, density of critical infrastructure, such as hospitals or schools, age and gender distribution, topography, land cover, and access points to safe areas.
  • the determination unit and the processing unit operate dynamically in response to detecting a natural or technical hazard event concerning the target region.
  • the processing unit further considers information about uncertainty or ambiguity in the measured input data, second data or the determination of the models.
  • a method for computer-aided allocation of predefined alert levels to the spatial alert units of a target region is provided.
  • the predefined warning levels indicate the endangerment of a region through a natural or technical hazard event.
  • the method includes the steps of storing first data defining the warning units, second data defining the spatial distribution of properties of the target region, and the predefined alert levels.
  • the method comprises the storage of deterministic models, which determine the spatial distribution and the chronological sequence of a Defining a defined impact of a natural or technical hazard event in the target region, in a database, and determining at least one of the models of the database on the basis of measured input data when a hazard event occurs.
  • the method comprises determining a hazard index for at least one of the warning units taking into account the specific models and the first and second data and assigning one or more of the predefined alert levels to the at least one alert unit based at least in part on the hazard index.
  • the method further includes the steps of determining expected arrival times of the impact of a hazard event and determining expected impact intensities.
  • the method also includes determining the vulnerability of the population and the critical infrastructure based on the expected arrival times and impact levels and the second data, as well as determining the hazard index, taking into account the identified vulnerability of the population and the critical infrastructure.
  • the predefined warning levels are classified on the basis of measured input values or primary hazard parameters derived therefrom.
  • the consideration of the hazard index results in a higher or lower classification depending on the determined hazard index.
  • the hazard index is further determined by weighted sums.
  • the assignment of the at least one predefined warning level to the at least one warning unit includes the consideration of the hazard index and other criteria using weighting factors or mapping functions.
  • a computer-readable data carrier is further provided, which comprises computer-executable instructions which, when executed by a computer, perform a method for the computer-aided assignment of predefined warning levels to spatial warning units of a target region segmented into spatial warning units according to the method according to the invention.
  • the invention is based on the recognition that the effects of risk events on humans and the environment do not depend exclusively on the intensity of the risk event. hang. Further dependencies may arise, in particular, from vulnerability components that reflect vulnerabilities or the degree of adverse effects on humans and the environment.
  • a natural hazard classified at medium warning level may result in high levels of damage in an affected area due to high human and environmental vulnerabilities. Therefore, a rating of a warning level is only disadvantageous due to natural hazard intensity or derived primary criteria.
  • the objective of triggering on-the-spot action in the warning segments via a carefully selected warning level requires integrated consideration of all relevant factors, ie including, in addition to an expected level of natural or technical hazard intensity, also the results of a hazard analysis of humans and other risk factors.
  • a risk level of a spatial warning unit (warning segment) is derived, which ensures a better and more differentiated estimation of the expected effects of the natural hazard on humans and the environment.
  • the determination of a risk-based warning level can be done case-specifically and individually in a concrete warning case, is thus an online function.
  • Fig. 1 is a block diagram illustrating an inventive apparatus for use in the early warning according to an embodiment of the present invention
  • FIG. 2 is a flow chart illustrating the steps of a method for computer-assisted assignment of alert levels to spatial alert units according to an embodiment of the present invention
  • Fig. 3 is a schematic. Block diagram with cartographic representations to illustrate the determination of a potentially vulnerable surface according to embodiments of the present invention
  • 4 is a schematic cartographic illustration illustrating a possible static exposure distribution of critical infrastructure according to an example embodiment
  • FIG. 5 shows an exemplary schematic illustration for illustrating a possible static exposure distribution of the population according to an exemplary embodiment of the invention
  • Fig. 6 is a schematic representation of the illustration of the position distribution of
  • Access points to secure areas according to an exemplary embodiment of the invention
  • 7 to 1 1 are schematic representations illustrating exemplary spatially differentiated information that may be used in accordance with embodiments of the invention in the assignment of warning levels or illustrate such;
  • FIG. 2 is a schematic cartographic representation illustrating particularly vulnerable areas according to an embodiment of the invention
  • FIG. 13 is a diagram illustrating the number of affected persons as a function of time that is available for an evacuation action, according to one embodiment of the invention.
  • 15 is a schematic block diagram of the previously known warning level
  • FIG. 1 shows a schematic block diagram of a device according to the invention for computer-aided assignment of predefined warning levels to spatial warning units.
  • a target region ZR is segmented into the warning units WE1, WE2 and WE3.
  • the predefined warning levels indicate the danger to a single region as a result of a natural or technical hazard.
  • the alert levels may also be generally assigned to multiple alert segments or alert units of the target region.
  • the device 100 holds in a data storage unit 1 10 first data 1 12, which define the warning units.
  • second data 1 14, which define the spatial distribution of properties and parameters of the target region ZR, are stored therein.
  • the second data 14 may indicate the spatially resolved population density, density of critical infrastructure, for example of hospitals or schools, the spatially resolved age and gender distribution, topography, land cover or access points into safe areas.
  • the data storage unit 1 10 stores at least predefined warning levels 1 16, which are used, for example, in known early warning systems. Typically, these warning levels are classified based on measured input values or intensity primary parameters derived therefrom. That is, in general, the warning levels are classified according to an expected intensity of the present hazard event.
  • deterministic models 122 are stored which define the spatial distribution and timing of one or more defined effects of a natural or technical hazard event in the target region.
  • these deterministic models may define a hazard area and the spatially resolved arrival times of the effects of a hazard event in a target region.
  • measured values are preferably acquired by sensors which are passed on directly or after further processing as input data 135 to a determination unit 130 which determines one or more of the models of the database as relevant models on the basis of this input data 135 measured when the hazard event occurs , This determination will be described in greater detail by way of example in the following FIG.
  • the processing unit 140 taking into account the models thus determined and the first and second data, determines a hazard index for each or all of the warning units of the target region.
  • the processing unit 140 further sees the assignment of one of the predefined warning levels to the respective warning units at least partially on the basis of the hazard index determined for the warning unit. According to embodiments of the invention, several of the predefined warning levels may also be assigned to a single warning unit.
  • warning levels 145 assigned to the individual warning units WE1, WE2 and WE3 can be made available to the early-warning system or downstream systems or human operators. For example, a warning level can be assigned to a warning unit as part of a decision support system.
  • the determination unit 130 and the processing unit 140 dynamically operate, in the event of an incident, in response to the detection of a natural or technical hazard event concerning the target region. on-line.
  • the processing unit may consider information about uncertainty or ambiguity in the measured input data, the second spatial distribution data, or in determining the relevant models.
  • the device according to the invention can also be provided separately from an early warning system or integrated into such an early warning system.
  • FIG. 2 shows, in a schematic flowchart, exemplary steps according to a method 200 according to the invention for the computer-aided assignment of predefined warning levels.
  • step 210 of the method 200 basic data is stored. This can be done by keeping the basic data in a data storage unit, which allows access to the stored basic data in case of an event. Alternatively, in the event of an incident, the basic data can be read out online, ie dynamically from corresponding, always up-to-date basic data memories, and stored in a local data storage unit in unchanged or modified form.
  • the basic data comprises first data 112 (see FIG.
  • Warning units WE1, WE2 and WE3 1) defining the warning units WE1, WE2 and WE3, second data 1 14 defining the spatial distribution of properties of the target region ZR and the predefined ones Warning levels 1 16, which can indicate the endangerment of a single region as a result of a natural or technical hazard.
  • deterministic models are stored in a database.
  • the storing 220 includes keeping the deterministic models 122 in an accessible database 120, but may also include querying and local staging of relevant deterministic models in the event of an event.
  • the deterministic models 122 may be spatial distributions, i. spatially resolved data, and the timing of one or more specific effects of a natural or technical hazard event. These can be restricted to the target region or applied to the target region only in case of an incident.
  • Step 230 determines at least one model from the database based on input data 135 measured on the occurrence of a hazard event.
  • This input data may preferably be provided by sensors provided to cover the target region.
  • a hazard index is determined for at least one of the warning units taking into account the particular models and the first and second data.
  • an assignment of defined warning levels to at least one warning unit of the target region takes place based at least in part on the hazard index.
  • the determination of the hazard index may include determining the estimated expected time of arrival of the impacts determined therefrom using the relevant deterministic models) of the hazard event underlying the respective deterministic model and / or determining corresponding expected impact intensities. Based on this, the danger exposure of the population and critical infrastructure can be determined taking into account the second data, which are stored statically, for example. The determined danger exposure of the population and critical infrastructure influences the hazard index determined according to this embodiment.
  • the predefined warning levels can be classified on the basis of measured input values or expected danger intensities, which in turn can be based on corresponding measured values.
  • the consideration of the hazard index in the manner according to the invention can bring about a higher or a lower classification, especially in border regions between two warning levels.
  • the hazard index can be determined using weighted sums.
  • the allocation of the Defined warning levels to the warning units include a consideration of the hazard index using weighting factors.
  • further criteria may be included in the allocation using further weighting factors.
  • the primary criterion used in the classification of the predefined warning levels can be taken into account in the allocation of the predefined warning levels to the warning units via a weighting factor or via a mapping function in conjunction with the danger index.
  • FIGS. 3 to 15 illustrate by way of example exemplary embodiments in the area of tsunami early warning. Firstly, the determination of the danger area on land and the expected danger intensities is illustrated, then the determination of the exposure of critical infrastructure and the population under linkage with the determined danger area, the temporal accessibility of safe areas for the population and on the basis of a comparison of expected arrival times with the evacuation times, each spatially resolved, determines a degree of concern, which is taken into account in the determination of a hazard index according to embodiments of the invention.
  • the following components can be quantified and integrated, which can also be used in embodiments for other dangerous events in a suitably modified form:
  • the components can be aggregated into an exposure index that determines the impact or exposure of humans and critical infrastructure as a function of the expected time of arrival and the expected tsunami intensity per warning segment. taken into account.
  • an exposure index that determines the impact or exposure of humans and critical infrastructure as a function of the expected time of arrival and the expected tsunami intensity per warning segment. taken into account.
  • a time-dependent, online calculation of the number of expected victims can be made.
  • the determined index can then be included in the determination of the warning levels.
  • Basis can be a function that weights the influencing factors and whose output is the warning level to be determined.
  • the determination of the warning level is an online process and is thus dynamic and case-related in case of an incident.
  • a method according to the invention may comprise the following stages:
  • a possible determination of the danger area on land at respectively expected danger intensities is represented by analysis of several predicted tsunami wave propagation scenarios (database of modeled tsunami scenarios 310) using the known wave heights known in the online case in accordance with the measured values measured by the sensors on the coastline, an appropriately affected area on land is allocated. All deterministic models or possibly calculated tsunami events which may possibly correspond to the online case can be included in the calculation of the hazard area. 3 shows two possible scenarios, which are shown separately by initial steps 320 and 360, respectively.
  • those scenarios with a maximum wave height .m 3 m of class 340 or those scenarios with a maximum expected wave height> 3 m of class 380 are determined according to the maximum wave height expected on the ascertained tsunami case .
  • the location point hits are calculated for this class and the spatially resolved expected effect is determined at the respective warning level.
  • the cartographic representation 354 shows the affected, ie the potentially vulnerable, area 351 compared to the unaffected land area 353 for a tsunami of the conventional warning level "Warning Level” while the cartographic representation 394 represents the potentially vulnerable area 391 in comparison with the one affected land area 393 according to the "Major Warning Level” warning level with maximum expected wave heights> 3 m at the coastline.
  • FIG. 4 shows an exemplary static exposure distribution of critical infrastructure. From the available basic data, all objects that have an essential function or functional relevance for the company are summarized. These include facilities that have a high concentration of people in need of care (hospitals, elementary schools, old people's homes, etc.), facilities that provide an important service (airports, police, fire brigades, etc.) and facilities that can be sources of danger ( eg power plants and chemical industry). Furthermore, the determination of the exposure of critical infrastructure may include the density of transport or supply lines, such as: As roads, railways, electricity lines, oil lines or water supply lines, enter.
  • a density measure for example number of objects per unit area
  • classes that give a representative degree of exposure of critical infrastructure.
  • the critical infrastructure exposition can then be calculated according to the previously determined expected hazard area.
  • FIG. 5 shows an exemplary simplified static exposure distribution of the population according to one embodiment.
  • Population data, z For example, the number of people per unit area according to a census, satellite data or a corresponding estimate are aggregated into representative spatial units that can represent the degree of exposure.
  • the exposure of the population can then be calculated according to the expected hazard area.
  • This determination can be made, for example, as described above with reference to FIG.
  • the location of safe areas may be determined from the non-affected area determined in the previous step when determining the danger area on land.
  • Other criteria can be taken into account, which can be implemented by spatial analysis using algorithms in a Geographic Information System (GIS). The following criteria can be considered:
  • the area should connect spatially to an affected area.
  • Fig. 6 shows an exemplary cartographic representation of the spatial location of access points adjacent a potentially affected area, the area of maximum flood spread. Recording the temporal accessibility of a safe area.
  • the temporal accessibility of a safe area is essentially derived from the distance of a location to the nearest safe areas as well as the potential evacuation speed taking into account the access points. From this it is possible to calculate for each location the time that a person could need in a simplified presentation in order to be able to escape to safety.
  • Density of critical facilities such as schools and hospitals
  • population density age and gender distribution
  • topography and land cover
  • topography, land cover and the density of critical facilities have a reducing effect on the evacuation rate.
  • Population density as well as age and gender distribution are assigned characteristic velocities for empirical data for respective classes.
  • the respective spatial data in the corresponding classifications are then assigned respective evacuation rates or reduction factors (see Tables 1 to 4), which can be included in the further calculations.
  • Critical facilities such. Schools and hospitals have specific evacuation behavior. Areas with a high density of critical facilities are therefore limited in their evacuation behavior. Depending on the density of the facilities (number of facilities per hectare), the respective potential evacuation rate can be reduced (e.g., by a factor between 0 and 100 percent).
  • Table 1 shows a parameterization example on the influence of the density of critical devices on the evacuation rate.
  • PS for schools
  • KiGa for kindergartens.
  • the reduction factor depends first of all on whether hospitals are located in one area or not. With a density of hospitals per hectare equal to zero, the reduction factor results after the middle column (“no hospital”), with a hospital density greater than zero after the right column ("density> 0 hospitals / ha").
  • FIG. 7 shows by way of example a velocity distribution with regard to population density.
  • Table 3 shows a parameterization example for the influence of the slope as a reduction factor (cost) on the evacuation speed.
  • the land use or land cover can also inhibit the evacuation rate.
  • an evacuation on a road can be done faster than through dense forest.
  • This reduction effect of land cover can be taken into account by reduction factors.
  • Table 4 shows a parameterization example to take into account the influence of land cover as a reduction factor (cost) on the evacuation rate:
  • FIG. 8 An exemplary representation of the land cover-dependent reduction factors (costs) on the evacuation rate is illustrated in FIG. 8.
  • an inverse speed can now be calculated, as shown by way of example in FIG.
  • This can be used to obtain a spatially resolved quantification of the time, from an arbitrary location in the danger zone to a safe area, through an inverse distance weighting approach using, for example, a Geographical Information System (GIS).
  • GIS Geographical Information System
  • the Geographical Information System contains, for example, land use, population and topography data as well as data on critical facilities and age and gender distribution. Via so-called reclassification parameters one obtains the assigned costs.
  • FIG. 10 shows by way of example the distribution of the inverse velocity for the region underlying FIGS. 7 and 8.
  • So-called "Shelter-Basin” maps structure catchment areas of the respective safe areas and define access points to these areas, which indicate which area is in each case assigned to an access point, ie in which catchment area the respective access point is the fastest to reach Spatially varying evacuation capacity and the spatial arrangement of safe areas are illustrated by way of example in the simplified cartographic illustration of Figure 11, taking into account expected time of arrival of the effects of the hazard event
  • the expected time of arrival is known and used dynamically for further analysis. This time in minutes represents the maximum time available for the evacuation of humans at the respective times in the online case, the so-called “tsunami response time.” Since it is possible to calculate the necessary evacuation time for each landing point, it is now possible for certain time slices the average expected time of arrival is the area in which the evacuation time is insufficient.
  • the number of people in each area can now be determined in accordance with point 4 above.
  • the time course of the increase in the number of expected sacrifices for which the evacuation time will no longer be sufficient can be represented.
  • FIG. 13 shows an example diagram of the expected number of victims as a function of the tsunami response time. It represents the number of victims for whom the evacuation time will no longer be sufficient and therefore must be presumed to be at least injured by the effects of the damage event, depending on the available response time, i. the time available for an evacuation act. In the example shown, a maximum response time of 50 minutes is available. Even if this time is exhausted, about 35,000 people are affected. If no evacuation action takes place until the event occurs on land, i. if the response time is zero, 120,000 affected people can be expected in the example shown.
  • the hazard area and intensity information, population exposure and critical infrastructure information, as well as expected casualties, may be evaluated by other criteria, such as: the expected maximum wave height or arrival time to a severity measure "P" according to criteria and thresholds defined in the warning center, in some embodiments using appropriate weighting factors "G", linked to alert levels or assigned corresponding alert levels.
  • Fig. 14 shows a corresponding allocation of warning levels taking into account criteria 1 to 5 according to the invention.
  • vulnerability criteria such as the number of victims to be expected, the population exposure and the critical infrastructure
  • Fig. 15 the allocation of a warning level to a spatial warning unit takes place only on the basis of a primary criterion, in the shown example of the area of tsunami early warning according to international standards previously used scales based only on the expected wave height on the coastline.
  • Fig. 15 known predefined warning levels and their classification are shown.
  • An expected wave height on the shoreline below 10 cm does not cause a warning level to be assigned.
  • a wave height between 0.1 and 0.5 m is classified as a "minor tsunami” or “minor tsunami”, and corresponding spatial warning units are assigned a “consultation” warning level, corresponding to a wave height between 0.5 and 3 m ( Classification "Tsunami”) assigned a warning level “Warning.”
  • a wave height above 3 m the classification as "major tsunami” or “major tsunami” and the assignment of a warning level "Major Warning” or "Major Warning”.
  • the conventional classification of the warning levels can be maintained in one embodiment.
  • the risk criteria can be taken into account by changing the mapping of the value intervals to the corresponding warning levels.
  • warning level mapping can be realized by:
  • Each criterion is assigned a weighting criterion criterion (parameter list) - ⁇ R (mapping to the real numbers).
  • Each of these evaluation functions is mapped to the unit interval by means of a scaling function scal () - »[0 ... 1]. By appropriately selecting the scaling function, the relevant value ranges can be emphasized.
  • the scaled evaluation functions can be multiplied by criteria-specific weights ⁇ ⁇ ⁇ . For these, the sum over all weights gives Uj one.
  • the sum of the weighted and scaled evaluation functions gives an evaluation in the unit interval, which can be mapped to the existing warning levels by means of suitably chosen threshold values.
  • the assignment to the warning levels can also be carried out according to a primary criterion.
  • This primary criterion can be, for example, the wave height.
  • the application of further criteria may take the form of weighted premiums or discounts to the primary criterion, thereby effecting the selection of a warning level other than the primary one. For example, if a wave height of 2.8 m could first identify the warning level of the color code ⁇ orange>, then a very high exposure as a converted 0.5 m impact would ultimately result in the warning level of the color code ⁇ red> corresponding to a wave height of 3.3 m ,
  • a risk-based determination according to the invention of spatially differentiated warning levels to be applied may be e.g. in a decision support system, such as the GITEWS DSS.
  • a decision support system such as the GITEWS DSS.
  • Tsunami Decision Support System GITEWS-DSS
  • risk information can be embedded and made available to the system both in the technical determination of optimal decision proposals and in the presentation of the same.
  • Warning levels determined according to the invention can be proposed to decision makers for triggering.
  • the underlying parameters determined in the method according to the invention within the scope of the specific warning case and individually for each spatial warning segment can be displayed in a displayed table next to the assigned, preferably color-coded warning levels.

Abstract

Es werden ein Verfahren und eine Vorrichtung zur computergestützten Zuweisung vordefinierter Warnstufen an räumliche Warneinheiten einer Zielregion bereitgestellt, wobei die vordefinierten Warnstufen die Gefährdung einer Region durch ein natürliches oder technisches Gefahrereignis anzeigen. Die Vorrichtung umfasst: eine Datenspeichereinheit zum Speichern von ersten Daten, die die Warneinheiten definieren, von zweiten Daten, die die räumliche Verteilung von Eigenschaften der Zielregion definieren, und von vordefinierten Warnstufen, eine Datenbank zum Speichern deterministischer Modelle, die die räumliche Verteilung und den zeitlichen Ablauf einer definierten Auswirkung eines natürlichen oder technischen Gefahrereignisses in der Zielregion definieren, eine Bestimmungseinheit zum Bestimmen von mindestens einem der Modelle der Datenbank auf Basis von bei Eintritt eines Gefahrereignisses gemessenen Eingangsdaten, und eine Verarbeitungseinheit zum Ermitteln eines Gefahrenindex für mindestens eine der Warneinheiten unter Berücksichtigung der bestimmten Modelle und der ersten und zweiten Daten, und zur Zuweisung einer oder mehrerer der vordefinierten Warnstufen an die mindestens eine Warneinheit zumindest teilweise auf Basis des Gefahrenindex.

Description

Vorrichtung und Verfahren zur risikobasierten Zuweisung von Warnstufen
Die Erfindung betrifft allgemein eine Vorrichtung und ein Verfahren zur computergestützten Zuweisung von Warnstufen an einzelne Regionen einer Zielregion, wobei die Warnstufen die Gefährdung einer Region durch ein natürliches oder technisches Gefahrereignis anzeigen. Insbesondere betrifft die Erfindung eine Vorrichtung und ein Verfahren zur computergestützten, risikobasierten Zuweisung vordefinierter Warnstufen an räumliche Warneinheiten einer in räumliche Warneinheiten segmentierten Zielregion.
Ein Frühwarnsystem dient im Allgemeinen der rechtzeitigen Warnung vor Gefahrereignissen, insbesondere vor Naturkatastrophen - aber auch vor Gefahrereignissen technischen Charakters, wie beispielsweise einer Kernschmelze - die einen Schutz der Umwelt und von Menschen, Einrichtungen und Gütern erfordern, was beispielsweise durch eine rechtzeitige Evakuierung erreicht werden kann. Zu den Naturkatastrophen zählen beispielsweise sowohl solche tektonischen Ursprungs, wie Erdbeben oder Tsunamis, als auch Naturkatastrophen klimatischen Ursprungs, wie beispielsweise Tornados, Erdrutsche oder Schneelawinen. Die vorliegende Erfindung kann bei Frühwarnsystemen für solche Naturkatastrophen oder für technische Gefahrereignisse Verwendung finden.
Ein Frühwarnsystem soll nach Erkennen eines Gefahrereignisses eine effektive Warnung veranlassen oder geeignete Entscheidungsvorschläge für nachgelagerte Systeme oder menschliche Operateure bereitstellen, um eine potentielle Bedrohung frühzeitig zu erkennen und um betroffene Regionen, insbesondere die dort angesiedelte Bevölkerung, rechtzeitig vor dem Eintreten der Folgen des Ereignisses zu informieren, damit Handlungen und Maßnahmen zum Schutz von Menschen, Gütern und Umwelt rechtzeitig vorgenommen werden können.
In der Frühwarnung ist neben der Ausgestaltung der Sensorsysteme die Zusammenführung von Sensorinformationen und anderen, zum Teil umfangreichen, Informationsquellen verknüpft mit dem Faktor Zeit von zentraler Bedeutung. Bekannte Warnsysteme können innerhalb eines Versorgungsgebietes oder einer Zielregion verschiedene räumliche Warneinheiten adressieren und diese mit allgemeinen bzw. individuellen Warnungen entsprechend einer ermittelten Warnstufe oder eines Warnlevels versorgen oder ggf. für einen Operateur oder nachgelagerte Systeme entsprechend individuelle oder allgemeine Entscheidungsvorschläge bereitstellen. Insbesondere sehen die bekannten Warnsysteme in der Regel ver- schiedene Warnstufen (Warnlevel) vor, die in dem betreffenden Warnsegment bestimmte Vorkehrungen bzw. Aktionen auslösen können. So werden beispielsweise im Rahmen des Projektes„German Indonesian Tsunami Early Warning System" (GITEWS) vom Deutschen Fernerkundungsdatenzentrum (DFD) technische Komponenten eines Tsunami- Frühwarnsystems entwickelt, unter anderem das zentrale„Decision Support System" (DSS), welches den Tsunami-Frühwarnprozess unterstützt und warnsegmentindividuelle Warnungen generieren kann. In diesem Beispiel löst die Warnstufe„Major Warning" (Farbcode Rot) erhebliche Maßnahmen der lokalen Entscheidungsträger, in der Regel Evakuierungen, aus.
Diese Warnstufen werden in den bekannten Systemen lediglich auf Basis einzelner Gefahrenparameter festgelegt. Im Beispiel der Tsunami-Frühwarnung wird in den international anerkannten Systemen lediglich auf die zu erwartende Wellenhöhe an der Küstenlinie abgestellt. Eine hohe Intensität einer Naturgefahr oder eines technischen Gefahrereignisses muss aber nicht zwangsläufig einen hohen Schaden an Mensch und Umwelt hervorrufen. Beispielsweise kann eine hohe Intensität an einem Ort weniger Opfer bzw. Schäden an kritischer Infrastruktur hervorrufen als andernorts eine geringere Naturgefahrenintensität. Beispielhaft sei das Eintreten eines Erdbebens in einem praktisch menschenleeren Gebiet genannt. Eine lediglich an der Naturgefahrenintensität bzw. daraus abgeleiteten Primärkriterien angelegte Angabe von Warnleveln kann demzufolge zu nachteiligen Schlussfolgerungen bezüglich der Schadensintensität führen und ggf. nachteilige Handlungen hervorrufen. Die bekannte Einstufung der Warnungen in den bekannten Frühwarnsystemen auf Basis der nach einzelnen Primärkriterien ermittelten Warnstufen ist deshalb ggf. nachteilig.
Der Erfindung liegt deshalb die Aufgabe zugrunde, eine Vorrichtung und ein Verfahren vorzusehen, welche die Bereitstellung von Warnungen in Frühwarnsystemen verbessern.
Diese Aufgabe wird durch die Gegenstände der unabhängigen Ansprüche gelöst.
Beispielhafte Ausführungsformen der Erfindung sind in den abhängigen Ansprüchen definiert.
Es wird eine Vorrichtung zur computergestützten Zuweisung vordefinierter Warnstufen an räumliche Warneinheiten einer Zielregion bereitgestellt. Die vordefinierten Warnstufen zeigen die Gefährdung einer Region durch ein natürliches oder technisches Gefahrereignis an. Die Vorrichtung umfasst im Einzelnen eine Datenspeichereinheit zum Speichern erster Daten, die die Warneinheiten definieren, zweiter Daten, die die räumliche Verteilung von Ei- genschaften der Zielregion definieren, und zum Speichern vordefinierter Warnstufen. Die Vorrichtung umfasst eine Datenbank zum Speichern deterministischer Modelle, die die räumliche Verteilung und den zeitlichen Ablauf einer definierten Auswirkung eines natürlichen oder technischen Gefahrereignisses in der Zielregion definieren. Ferner sind vorgesehen eine Bestimmungseinheit zum Bestimmen von mindestens einem der Modelle der Datenbank auf Basis von bei Eintritt eines Gefahrereignisses gemessenen Eingangsdaten und eine Verarbeitungseinheit zum Ermitteln eines Gefahrenindex für mindestens eine der Warneinheiten unter Berücksichtigung der bestimmten Modelle und der ersten und zweiten Daten, und zur Zuweisung einer oder mehrerer der vordefinierten Warnstufen an die mindestens eine Warneinheit, zumindest teilweise auf Basis des Gefahrenindex.
Gemäß eines Aspektes umfassen die deterministischen Modelle die Definition einer Gefährdungsfläche und von Ankunftszeiten der Auswirkungen der Gefahrereignisse in der Zielregion. Gemäß eines weiteren Aspektes umfassen die zweiten Daten mindestens eine räumliche Verteilung aus: Bevölkerungsdichte, Dichte kritischer Infrastruktur, beispielweise Krankenhäuser oder Schulen, Alters- und Geschlechtsverteilung, Topografie, Landbedeckung und Zugangspunkte in sichere Gebiete.
Gemäß eines Aspektes operieren die Bestimmungseinheit und die Verarbeitungseinheit dynamisch in Reaktion auf das Erkennen eines die Zielregion betreffenden natürlichen oder technischen Gefahrereignisses.
Gemäß eines weiteren Aspektes berücksichtigt die Verarbeitungseinheit bei der Ermittlung des Gefahrenindex ferner Informationen über eine Unbestimmtheit oder eine Mehrdeutigkeit bei den gemessenen Eingangsdaten, zweiten Daten oder der Bestimmung der Modelle.
Es wird ferner ein Frühwarnsystem bereitgestellt zum Erkennen von natürlichen oder technischen Gefahrereignissen mit der erfindungsgemäßen Vorrichtung.
Es wird ein Verfahren bereitgestellt zur computergestützten Zuweisung vordefinierter Warnstufen an die räumlichen Warneinheiten einer Zielregion. Die vordefinierten Warnstufen zeigen die Gefährdung einer Region durch ein natürliches oder technisches Gefahrereignis an. Das Verfahren umfasst die Schritte des Speicherns erster Daten, die die Warneinheiten definieren, zweiter Daten, die die räumliche Verteilung von Eigenschaften der Zielregion definieren und der vordefinierten Warnstufen. Des Weiteren umfasst das Verfahren das Speichern deterministischer Modelle, die die räumliche Verteilung und den zeitlichen Ablauf ei- ner definierten Auswirkung eines natürlichen oder technischen Gefahrereignisses in der Zielregion definieren, in einer Datenbank sowie das Bestimmen von mindestens einem der Modelle der Datenbank auf Basis bei Eintritt eines Gefahrereignisses gemessener Eingangsdaten. Zudem umfasst das Verfahren das Ermitteln eines Gefahrenindex für mindestens eine der Warneinheiten unter Berücksichtigung der bestimmten Modelle und der ersten und zweiten Daten sowie das Zuweisen einer oder mehrerer der vordefinierten Warnstufen an die mindestens eine Warneinheit zumindest teilweise auf Basis des Gefahrenindex.
Gemäß eines Aspektes umfasst das Verfahren ferner die Schritte des Bestimmens erwarteter Ankunftszeiten der Auswirkung eines Gefahrereignisses sowie des Bestimmens erwarteter Auswirkungsintensitäten. Ferner umfasst das Verfahren das Ermitteln der Gefahrenaussetzung der Bevölkerung und der kritischen Infrastruktur auf Basis der erwarteten Ankunftszeiten und Auswirkungsintensitäten und der zweiten Daten sowie das Ermitteln des Gefahrenindex unter Berücksichtigung der ermittelten Gefahrenaussetzung der Bevölkerung und der kritischen Infrastruktur.
Gemäß eines weiteren Aspektes sind die vordefinierten Warnstufen auf der Basis gemessener Eingangswerte oder davon abgeleiteter Primärgefahrenparameter klassifiziert. Gemäß eines Aspektes bewirkt in den Grenzbereichen zwischen zwei Warnstufen die Berücksichtigung des Gefahrenindex eine höhere oder niedrigere Einstufung in Abhängigkeit von dem ermittelten Gefahrenindex.
Gemäß eines weiteren Aspektes erfolgt das Ermitteln des Gefahrenindex ferner über gewichtete Summen. Gemäß eines Aspektes umfasst die Zuweisung der mindestens einen vordefinierten Warnstufe an die mindestens eine Warneinheit die Berücksichtigung des Gefahrenindex und weiterer Kriterien unter Einsatz von Gewichtungsfaktoren oder von Abbildungsfunktionen.
Es wird ferner ein computerlesbarer Datenträger bereitgestellt, welcher computerausführbare Anweisungen umfasst, die bei Ausführung durch einen Computer ein Verfahren zur computergestützten Zuweisung vordefinierter Warnstufen an räumliche Warneinheiten einer in räumliche Warneinheiten segmentierten Zielregion gemäß dem erfindungsgemäßen Verfahren durchführt.
Der Erfindung liegt die Erkenntnis zugrunde, dass die Auswirkungen von Gefahrereignissen auf Mensch und Umwelt nicht ausschließlich von der Intensität des Gefahrereignisses ab- hängen. Weitere Abhängigkeiten können sich insbesondere aus Vulnerabilitätskomponenten ergeben, die Verwundbarkeiten bzw. den Grad negativer Auswirkungen auf Mensch und Umwelt widerspiegeln. Eine auf mittlerer Warnstufe eingestufte Naturgefahr kann aufgrund hoher Verwundbarkeiten von Mensch und Umwelt einen hohen Schädigungsgrad in einem betroffenen Gebiet zur Folge haben. Daher ist eine Einstufung eines Warnlevels lediglich durch Naturgefahrenintensität oder abgeleitete Primärkriterien nachteilig. Das Ziel, über eine sorgfältig gewählte Warnstufe abgestufte Maßnahmen vor Ort in den Warnsegmenten auszulösen, erfordert eine integrierte Berücksichtigung aller relevanten Faktoren, also die Einbeziehung insbesondere neben einer erwarteten Intensität der Gefahr natürlichen oder technischen Ursprungs auch der Ergebnisse einer Gefährdungsanalyse von Menschen sowie weiterer Risikofaktoren. Im beispielhaften Gebiet der Tsunami-Frühwarnung sei auf Warnsegmente verwiesen, die aufgrund geringerer Vulnerabilität auch bei relativ hohen Tsunami-Wellenhöhen noch keine Evakuierung benötigen, während in anderen Warnsegmenten bereits bei erheblich geringeren Tsunami-Wellenhöhen umfangreiche Evakuierungsund Schutzmaßnahmen eingeleitet werden müssen. Erfindungsgemäß wird ein Risikolevel einer räumlichen Warneinheit (Warnsegment) abgeleitet, der eine bessere und differenzierte Abschätzung der erwarteten Auswirkungen der Naturgefahr auf Mensch und Umwelt gewährleistet. Dabei kann die Ermittlung eines risikobasierten Warnlevels fallspezifisch und individuell in einem konkreten Warnfall erfolgen, ist also eine Online-Funktion.
Beispielhafte Ausführungsformen der Erfindung und zugehörige Detailinformationen sind in den folgenden Zeichnungen dargestellt und nachfolgend beschrieben:
Dabei zeigen schematisch:
Fig. 1 eine Blockdarstellung zur Illustration einer erfindungsgemäßen Vorrichtung zum Einsatz in der Frühwarnung gemäß einer Ausführungsform der vorliegenden Erfindung;
Fig. 2 ein Flussdiagramm zur Illustration der Schritte eines Verfahrens zur computergestützten Zuweisung von Warnstufen an räumliche Warneinheiten gemäß einer Ausführungsform der vorliegenden Erfindung;
Fig. 3 eine schematische. Blockdarstellung mit kartografischen Darstellungen zur Illustration der Bestimmung einer potentiell gefährdeten Fläche gemäß Ausführungsformen der vorliegenden Erfindung; Fig. 4 eine schematische kartografische Darstellung zur Illustration einer möglichen statischen Expositionsverteilung kritischer Infrastruktur gemäß einer beispielhaften Ausführungsform;
Fig. 5 eine beispielhafte schematische Darstellung zur Illustration einer möglichen statischen Expositionsverteilung der Bevölkerung gemäß einer beispielhaften Ausführungsform der Erfindung;
Fig. 6 eine schematische Darstellung zur Illustration der Lageverteilung von
Zugangspunkten zu sicheren Gebieten gemäß einer beispielhaften Ausführungsform der Erfindung;
Fig. 7 bis 1 1 schematische Darstellungen zur Illustration beispielhafter räumlich differenzierter Informationen, die gemäß Ausführungsformen der Erfindung bei der Zuweisung von Warnstufen zugrunde gelegt werden können bzw. solche illustrieren;
Fig. 2 eine schematische kartografische Darstellung zur Illustration besonders gefährdeter Flächen gemäß einer Ausführungsform der Erfindung;
Fig. 13 ein Diagramm zur Illustration der Anzahl betroffener Personen in Abhängigkeit von der Zeit, die für eine Evakuierungshandlung zur Verfügung steht, gemäß einer Ausführungsform der Erfindung;
Fig. 14 eine schematische Blockdarstellung zur Illustration einer erfindungsgemäßen Zuweisung von Warnstufen; und
Fig. 15 eine schematische Blockdarstellung der vorbekannten Warnstufen-
Klassifizierung und einer bekannten Zuweisung von Warnstufen auf Basis eines Primärkriteriums.
Zur Verdeutlichung der Erfindung werden nun die beigefügten Zeichnungen näher erläutert. Die folgende Beschreibung der Figuren geht dabei von beispielhaften Ausführungsformen der Erfindung aus, jedoch ist die vorliegende Erfindung nicht auf die einzelnen Ausführungsformen beschränkt. Fig. 1 zeigt eine schematische Blockdarstellung einer erfindungsgemäßen Vorrichtung zur computergestützten Zuweisung vordefinierter Warnstufen an räumliche Warneinheiten. Eine Zielregion ZR ist in die Warneinheiten WE1 , WE2 und WE3 segmentiert. Die vordefinierten Warnstufen zeigen die Gefährdung einer einzelnen Region durch ein natürliches oder technisches Gefahrereignis an. Ebenso können die Warnstufen neben einer individuellen Zuweisung auch allgemein auf mehrere Warnsegmente oder Warneinheiten der Zielregion zugewiesen werden. Die Vorrichtung 100 hält in einer Datenspeichereinheit 1 10 erste Daten 1 12 vor, die die Warneinheiten definieren. Weiter werden darin zweite Daten 1 14, die die räumliche Verteilung von Eigenschaften und Parametern der Zielregion ZR definieren, abgelegt. Die zweiten Daten 1 14 können insbesondere die räumlich aufgelöste Bevölkerungsdichte, Dichte kritischer Infrastruktur, beispielsweise von Krankenhäusern oder Schulen, die räumlich aufgelöste Alters- und Geschlechtsverteilung, Topografie, Landbedeckung oder Zugangspunkte in sichere Gebiete angeben. Schließlich speichert die Datenspeichereinheit 1 10 mindestens noch vordefinierte Warnstufen 1 16, die beispielsweise auch in bekannten Frühwarnsystemen Verwendung finden. Typischerweise sind diese Warnstufen auf der Basis gemessener Eingangswerte oder davon abgeleiteter Intensitätsprimärparameter klassifiziert. D. h., dass im Allgemeinen die Warnstufen gemäß einer erwarteten Intensität des vorliegenden Gefahrereignisses eingestuft sind.
In einer Datenbank 120 werden deterministische Modelle 122 abgespeichert, die die räumliche Verteilung und den zeitlichen Ablauf einer oder mehrerer definierter Auswirkungen eines natürlichen oder technischen Gefahrereignisses in der Zielregion definieren. Diese deterministischen Modelle können insbesondere eine Gefährdungsfläche und die räumlich aufgelösten Ankunftszeiten der Auswirkungen eines Gefahrereignisses in einer Zielregion definieren.
Bei Eintritt eines Gefahrereignisses werden vorzugsweise durch Sensoren Messwerte er- fasst, die direkt oder nach Weiterverarbeitung als Eingangsdaten 135 an eine Bestimmungseinheit 130 weitergegeben werden, die auf Basis dieser bei Eintritt des Gefahrereignisses gemessenen Eingangsdaten 135 eines oder mehrere der Modelle der Datenbank als relevante Modelle bestimmt. Auf diese Bestimmung wird beispielhaft in der nachfolgenden Fig. 3 näher eingegangen. Die Verarbeitungseinheit 140 ermittelt unter Berücksichtigung der derart bestimmten Modelle und der ersten und zweiten Daten einen Gefahrenindex für einzelne oder alle der Warneinheiten der Zielregion. Die Verarbeitungseinheit 140 sieht ferner die Zuweisung einer der vordefinierten Warnstufen an die jeweiligen Warneinheiten zumindest teilweise auf Basis des für die Warneinheit ermittelten Gefahrenindex vor. Gemäß Ausführungsformen der Erfindung können auch mehrere der vordefinierten Warnstufen einer einzelnen Warneinheit zugewiesen werden. Dies kann beispielsweise dann vorgesehen sein, wenn ein Zwischenschritt eine starke Inhomogenität bei der Ermittlung des Gefahrenindex für die Warneinheit feststellt und deshalb eine Aufsplittung der Warneinheit in weitere Subregionen vorgeschlagen wird. Alternativ kann durch Zuweisung mehrerer der vordefi- nierten Warnstufen eine gewisse Unbestimmtheit in der Ermittlung des Gefahrenindex angezeigt werden. Die für die einzelnen Warneinheiten WE1 , WE2 und WE3 zugewiesenen Warnstufen 145 können dem Frühwarnsystem oder nachgelagerten Systemen bzw. menschlichen Operateuren zur Verfügung gestellt werden. Beispielsweise kann eine Warnstufe einer Warneinheit im Rahmen eines Entscheidungsunterstützungssystems zugeordnet werden.
Die Bestimmungseinheit 130 und die Verarbeitungseinheit 140 operieren im Ereignisfall in Reaktion auf das Erkennen eines die Zielregion betreffenden natürlichen oder technischen Gefahrereignisses dynamisch, d.h. online. Gemäß beispielhafter Ausführungsformen kann die Verarbeitungseinheit bei der Ermittlung des Gefahrenindex Informationen über eine Unbestimmtheit oder Mehrdeutigkeit bei den gemessenen Eingangsdaten, den zweiten Daten über die räumlichen Verteilungen, oder bei der Bestimmung der relevanten Modelle berücksichtigen. Die erfindungsgemäße Vorrichtung kann ferner getrennt von einem Frühwarnsystem oder integriert in ein solches Frühwarnsystem vorgesehen sein.
Fig. 2 zeigt in einem schematischen Flussdiagramm beispielhafte Schritte gemäß einem erfindungsgemäßen Verfahren 200 zur computergestützten Zuweisung vordefinierter Warnstufen. In Schritt 210 des Verfahrens 200 werden Grunddaten gespeichert. Dies kann durch Vorhalten der Grunddaten in einer Datenspeichereinheit, die im Ereignisfall einen Zugriff auf die gespeicherten Grunddaten ermöglicht, geschehen. Alternativ können die Grunddaten im Ereignisfall online, d. h. dynamisch von entsprechenden stets aktuell gehaltenen Grunddatenspeichern ausgelesen und in einer lokalen Datenspeichereinheit in unveränderter oder abgewandelter Form abgelegt werden. Die Grunddaten umfassen erste Daten 112 (siehe Fig. 1 ), die die Warneinheiten WE1 , WE2 und WE3 definieren, zweite Daten 1 14, die die räumliche Verteilung von Eigenschaften der Zielregion ZR definieren, und die vordefinierten Warnstufen 1 16, die die Gefährdung einer einzelnen Region durch ein natürliches oder technisches Gefahrereignis anzeigen können.
In Schritt 220 werden deterministische Modelle in einer Datenbank abgespeichert. Das Speichern 220 umfasst ein Vorhalten der deterministischen Modelle 122 in einer zugreifbaren Datenbank 120, kann aber auch ein Abfragen und lokales strukturiertes Ablegen relevanter deterministischer Modelle im Ereignisfall umfassen. Die deterministischen Modelle 122 können räumliche Verteilungen, d.h. räumlich aufgelöste Daten, und den zeitlichen Ablauf einer oder mehrerer bestimmter Auswirkungen eines natürlichen oder technischen Gefahrereignisses definieren. Diese können auf die Zielregion beschränkt bzw. angewandt sein oder erst im Ereignisfall auf die Zielregion angewandt werden.
Schritt 230 bestimmt mindestens ein Modell aus der Datenbank auf Basis bei Eintritt eines Gefahrereignisses gemessener Eingangsdaten 135. Diese Eingangsdaten können vorzugsweise von Sensoren, die zur Abdeckung der Zielregion vorgesehen sind, bereitgestellt werden. In Schritt 240 wird ein Gefahrenindex für mindestens eine der Warneinheiten unter Berücksichtigung der bestimmten Modelle und der ersten und zweiten Daten ermittelt. Schließlich erfolgt in Schritt 250 eine Zuweisung definierter Warnstufen an mindestens eine Warneinheit der Zielregion zumindest teilweise basierend auf dem Gefahrenindex.
Die Ermittlung des Gefahrenindex kann unter Verwendung der relevanten deterministischen Modelle das Bestimmen der hieraus ermittelten erwarteten Ankunftszeiten der Auswirkungen) des Gefahrereignisses, das dem jeweiligen deterministischen Modell zugrunde liegt, und/oder das Bestimmen entsprechend erwarteter Auswirkungsintensitäten umfassen. Hierauf basierend kann die Gefahrenaussetzung der Bevölkerung und kritischer Infrastruktur unter Berücksichtigung der zweiten Daten, die beispielsweise statisch vorgehalten werden, ermittelt werden. Die ermittelte Gefahrenaussetzung der Bevölkerung und kritischer Infrastruktur beeinflusst gemäß dieser Ausführungsform den ermittelten Gefahrenindex.
Die vordefinierten Warnstufen können auf Basis gemessener Eingangswerte oder zu erwartender Gefahrintensitäten, die wiederum auf entsprechenden Messwerten basieren können, klassifiziert sein. Gemäß einer Ausführungsform der Erfindung kann die Berücksichtigung des Gefahrenindex in der erfindungsgemäßen Weise gerade in Grenzbereichen zwischen zwei Warnstufen eine höhere oder niedrigere Einstufung bewirken. Das Ermitteln des Gefahrenindex kann über gewichtete Summen erfolgen. Ferner kann die Zuweisung der vorde- finierten Warnstufen an die Warneinheiten eine Berücksichtigung des Gefahrenindex unter Einsatz von Gewichtungsfaktoren umfassen. Gemäß beispielhafter Ausführungsformen können unter Einsatz weiterer Gewichtungsfaktoren weitere Kriterien bei der Zuweisung eingehen. Insbesondere kann das bei der Klassifizierung der vordefinierten Warnstufen eingesetzte Primärkriterium über einen Gewichtungsfaktor oder über eine Abbildungsfunktion in Verbindung mit dem Gefahrenindex in die Zuweisung der vordefinierten Warnstufen an die Warneinheiten Berücksichtigung finden.
Die folgenden Figuren 3 bis 15 illustrieren beispielhaft Ausführungsbeispiele im Bereich der Tsunami-Frühwarnung. Dabei wird zunächst die Ermittlung der Gefahrenfläche an Land und zu erwartender Gefahrenintensitäten illustriert, anschließend die Bestimmung der Ausgesetztheit kritischer Infrastruktur und der Bevölkerung unter Verknüpfung mit der bestimmten Gefahrenfläche dargestellt, die zeitliche Erreichbarkeit sicherer Gebiete für die Bevölkerung berücksichtigt und auf Basis eines Vergleiches erwarteter Ankunftszeiten mit den Evakuierungszeiten, jeweils räumlich aufgelöst, ein Betroffenheitsmaß ermittelt, das bei der Bestimmung eines Gefahrenindex gemäß Ausführungsformen der Erfindung berücksichtigt wird.
Zur Berechnung des Risikos eines Warnsegmentes können folgende Komponenten quantifiziert und integriert werden, die in ggf. geeignet abgewandelter Form auch in Ausführungsformen für andere Gefahrereignisse verwendet werden können:
• Erwartete Auftrittswahrscheinlichkeiten der Tsunami-Naturgefahrenintensität an Land
• Analyse der minimalen Tsunami-Ankunftszeiten pro Warnsegment
• Quantifizierung der Exponiertheit/Betroffenheit von Mensch und kritischer Infrastruktur in Abhängigkeit von der Tsunami-Intensität und Analyse minimaler Ankunftszeit (einzelfallabhängig,„Online-Fall")
• Zeitabhängige Quantifizierung der potentiellen Opferzahl
• Quantifizierung des Betroffenheitsmaßes zur Ausweisung von Warnleveln
Die Komponenten können beispielsweise zu einem Expositionsindex aggregiert werden, der die Betroffenheit bzw. Exponiertheit von Mensch und kritischer Infrastruktur in Abhängigkeit der erwarteten Ankunftszeit und der erwarteten Tsunami-Intensität pro Warnsegment be- rücksichtigt. Im Falle der Exponiertheit von Menschen kann eine zeitabhängige, Online- Berechnung der Anzahl zu erwartender Opfer erfolgen.
Der ermittelte Index kann dann in die Bestimmung der Warnlevel einfließen. Basis kann eine Funktion sein, die die Einflussfaktoren gewichtet und deren Output der zu bestimmende Warnlevel ist. Dabei ist die Bestimmung der Warnlevel ein Onlineprozess und ist somit im Ereignisfall dynamisch und einzelfallbezogen.
Beispielhaft kann ein erfindungsgemäßes Verfahren gemäß einer Ausführungsform folgende Stufen umfassen:
• Räumlich aufgelöste Analyse und Quantifizierung von erwarteten Ankunftszeiten im Online-Fall
• Räumlich aufgelöste Quantifizierung der erwarteten Tsunami-Intensitäten an Land im Online-Fall
• Räumlich aufgelöste Quantifizierung der Exponiertheit/Betroffenheit von Mensch (zeitabhängig) und kritischer Infrastruktur unter Berücksichtigung der erwarteten Ankunftszeit und räumlichen Ausdehnung der Tsunami-Intensitäten an Land
• Dynamische Berechnung der Anzahl nachteilig betroffener Menschen pro Warnsegment unter Berücksichtigung der Gefahrenintensität und erwarteter Ankunftszeiten
• Dynamische Berechnung der erforderlichen Warnstufe in Abhängigkeit von Gefahrenparametern und den oben genannten Einflussgrößen.
Fig. 3 stellt beispielhaft eine mögliche Ermittlung der Gefahrenfläche an Land zu jeweils erwarteten Gefahrenintensitäten dar. Durch Analyse mehrerer vorgerechneter Tsunami- Wellenausbreitungsszenarien (Datenbank modellierter Tsunami-Szenarios 310) wird über die im Online-Fall bekannten erwarteten Wellenhöhen entsprechend der von den Sensoren gemessenen Messwerte an der Küstenlinie eine entsprechend betroffene Fläche an Land zugewiesen. Dabei können alle dem Online-Fall möglicherweise entsprechenden deterministischen Modelle bzw. möglichen vorgerechneten Tsunami-Ereignisse in die Berechnung der Gefährdungsfläche einfließen. Fig. 3 zeigt zwei mögliche Szenarien, die durch Initial-Schritte 320 bzw. 360 getrennt dargestellt sind. Über eine Datenbankabfrage 330 oder 370 werden entsprechend der für den ermittelten Tsunami-Fall erwarteten maximalen Wellenhöhe an der Küstenlinie diejenigen Szenarien mit einer maximalen Wellenhöhe .s 3 m der Klasse 340 oder aber diejenigen Szenarien mit einer maximalen erwarteten Wellenhöhe > 3 m der Klasse 380 bestimmt. Entsprechend der ermittelten Szenarienklasse und der umfassten Szenarien folgt dann jeweils getrennt in den Schritten 350 bzw. 390 das Berechnen der Ortspunkttreffer für diese Klasse und die Bestimmung der räumlich aufgelösten erwarteten Auswirkung auf der jeweiligen Warnungsstufe. Dabei zeigt die kartografische Darstellung 354 die betroffene, d.h. die potentiell gefährdete Fläche 351 im Vergleich mit der nicht betroffenen Landfläche 353 für einen Tsunami der konventionellen Warnstufe„Warning Level" darstellt, während die kartografische Darstellung 394 die potentiell gefährdete Fläche 391 im Vergleich mit der nicht betroffenen Landfläche 393 gemäß der„Major Warning Level" Warnstufe mit maximalen erwarteten Wellenhöhen > 3 m an der Küstenlinie darstellt.
Fig. 4 zeigt eine beispielhafte statische Expositionsverteilung kritischer Infrastruktur. Aus zur Verfügung stehenden Basisdaten werden alle Objekte, die für die Gesellschaft eine wesentliche Funktion bzw. funktionelle Relevanz aufweisen, zusammengefasst. Dazu gehören Einrichtungen, die eine hohe Konzentration von hilfsbedürftigen Menschen (Krankenhäuser, Grundschulen, Altenheime, etc.) aufweisen, Einrichtungen, die eine wichtige Dienstleistung erbringen (Flughäfen, Polizei, Feuerwehr, etc.) sowie Einrichtungen, die ihrerseits eine Gefahrenquelle darstellen können (z. B. Kraftwerke und chemische Industrie). Des Weiteren kann in die Ermittlung der Exposition kritischer Infrastruktur die Dichte von Transport- oder Versorgungslinien, wie z. B. Straßen, Eisenbahnen, Elektrizitätsleitungen, Ölleitungen oder Wasserversorgungsleitungen, eingehen.
Aus den definierten Objekten der kritischen Infrastruktur kann ein Dichtemaß, beispielsweise Anzahl der Objekte pro Flächeneinheit, generiert und zu Klassen aggregiert werden, die einen repräsentativen Grad der Exposition kritischer Infrastruktur ergeben. Im Ereignisfall kann dann die Berechnung der Exposition kritischer Infrastruktur entsprechend der vorher bestimmten erwarteten Gefährdungsfläche erfolgen.
Fig. 5 zeigt eine beispielhafte, vereinfachte statische Expositionsverteilung der Bevölkerung gemäß einer Ausführungsform. Bevölkerungsdaten, z. B. die Anzahl der Menschen pro Flächeneinheit gemäß eines Zensus, Satellitendaten oder einer entsprechenden Schätzung werden zu repräsentativen räumlichen Einheiten aggregiert, die den Grad der Exponiertheit darstellen können. Hierbei kann zwischen Tag- und Nacht-Verteilungen unterschieden werden. Im Ereignisfall kann dann die Berechnung der Exposition der Bevölkerung entsprechend der erwarteten Gefährdungsfläche erfolgen.
Im Folgenden wird beispielhaft gemäß einer Ausführungsform in der Tsunami-Frühwarnung die Ermittlung einer zu erwartenden zeitabhängigen Opferanzahl dargestellt.
1. In einem ersten Schritt erfolgt die Ermittlung der potentiell gefährdeten Fläche, d. h. der Gefahrenfläche an Land.
Diese Ermittlung kann beispielsweise wie oben unter Bezugnahme auf Figur 3 beschrieben erfolgen.
2. Hieraus kann die Lage von sicheren Gebieten, insbesondere von sicheren Gebieten für eine Evakuierung, abgeleitet werden.
Die Lage von sicheren Gebieten kann aus der im vorigen Schritt bestimmten, bei der Ermittlung der Gefahrenfläche an Land ermittelten nicht betroffenen Fläche bestimmt werden. Zusätzlich können weitere Kriterien berücksichtigt werden, die durch räumliche Analysen mit Hilfe von Algorithmen in einem geografischen Informationssystem (GIS) umgesetzt werden können. Folgende Kriterien können dabei Berücksichtigung finden:
• geeignete Landnutzung: z. B. kein dichter Wald, keine Gewässer
• geeignete Topografie: z. B. sollte die Hangneigung nicht größer als 20° sein
• die Fläche sollte größer als 10.000 qm2 sein
• die Fläche sollte durch eine befestigte Straße/einen Weg zu erreichen sein
• die Fläche sollte räumlich an eine betroffene Fläche anschließen.
Neben der Detektion der sicheren Gebiete kann die Festlegung sog. Zugangspunkte in die sicheren Gebiete erfolgen. Diese stellen Eintrittspunkte aus den Gefahrenzonen in ein sicheres Gebiet über eine befestigte Straße bzw. einen Weg dar. Fig. 6 zeigt eine beispielhafte kartografische Darstellung der räumlichen Lage von Zugangspunkten angrenzend an eine potentiell betroffene Fläche, der Fläche maximaler Überschwemmungsausdehnung. Erfassung der zeitlichen Erreichbarkeit eines sicheren Gebietes.
Die zeitliche Erreichbarkeit eines sicheren Gebietes wird im Wesentlichen aus der Distanz eines Ortes zu den nächsten sicheren Gebieten sowie der potentiellen Evakuierungsgeschwindigkeit unter Berücksichtigung der Zugangspunkte abgeleitet. Daraus lässt sich für jeden Ortspunkt die Zeit errechnen, die ein Mensch in einer vereinfachten Darstellung brauchen könnte, um sich in Sicherheit bringen zu können.
• Folgende Faktoren können die Evakuierungsgeschwindigkeit beeinflussen:
Dichte von Kritischen Einrichtungen (wie z.B. Schulen und Krankenhäusern), Bevölkerungsdichte, Alters- und Geschlechtsverteilung, Topographie und Landbedeckung.
Dabei wirken Topographie, Landbedeckung sowie die Dichte der kritischen Einrichtungen reduzierend auf die Evakuierungsgeschwindigkeit. Der Bevölkerungsdichte sowie Alters- und Geschlechtsverteilung werden für jeweilige Klassen aus empirischen Daten charakteristische Geschwindigkeiten zugeordnet. Den jeweiligen räumlichen Daten in den entsprechenden Klassifizierungen werden dann jeweilige Evakuierungsgeschwindigkeiten bzw. Reduktionsfaktoren (vgl. Tabellen 1 bis 4) zugewiesen, die in die weiteren Berechnungen eingehen können.
• Lage und Ausprägung von kritischen Einrichtungen:
Kritische Einrichtungen wie z. B. Schulen und Krankenhäuser weisen spezifische Eigenschaften hinsichtlich des Evakuierungsverhaltens auf. Gebiete mit einer hohen Dichte an kritischen Einrichtungen sind demnach in ihrem Evakuierungsverhalten limitiert. Je nach Dichte der Einrichtungen (Anzahl der Einrichtungen pro Hektar) kann die jeweilige potentielle Evakuierungsgeschwindigkeit reduziert werden (z.B. mittels eines Faktors zwischen 0 und 100 Prozent).
Tabelle 1 zeigt ein Parametrisierungsbeispiel zum Einfluss der Dichte kritischer Einrichtungen auf die Evakuierungsgeschwindigkeit. Hierbei stehen die Abkür- zungen„PS" für Schulen und „KiGa" für Kindergärten. Der Reduzierungsfaktor richtet sich zunächst danach, ob in einem Gebiet Krankenhäuser sind oder nicht. Bei einer Dichte der Krankenhäuser pro Hektar gleich null ergibt sich der Reduzierungsfaktor nach der mittleren Spalte („kein Krankenhaus"), bei einer Krankenhausdichte größer null nach der rechten Spalte („Dichte > 0 Krankenhäuser/ha").
Figure imgf000017_0001
Tabelle 1 Bevölkerungsverteilung und demographische Faktoren:
Aus zur Verfügung stehenden Daten zur Bevölkerungsverteilung können spezifische Dichteklassen (Menschen pro ha) abgeleitet werden. Diesen können basierend auf empirischen Studien charakteristische Evakuierungsgeschwindigkeiten zugrunde gelegt werden. Tabelle 2 zeigt ein Parametrisierungsbeispiel:
Figure imgf000017_0002
Tabelle 2
In Figur 7 ist beispielhaft eine Geschwindigkeitsverteilung hinsichtlich der Bevölkerungsdichte räumlich dargestellt.
Neben der Bevölkerungsdichte kann die Alters- und Geschlechtsverteilung einen Einfluss auf die potentielle Evakuierungsgeschwindigkeit aufweisen. Basierend auf empirischen Studien sowie auf räumlich aufgelösten Daten zur Alters- und Geschlechtsverteilung können spezifischen Alters- sowie Geschlechtsverteilungsklassen jeweilige Evakuierungsgeschwindigkeiten zugeordnet werden. • Topographie:
Es kann ein eindeutiger Bezug zwischen Hangneigung (Topographie) sowie Evakuierungsgeschwindigkeit hergeleitet werden. Je stärker die Hangneigung desto geringer die Evakuierungsgeschwindigkeit. Diese kann in der Analyse durch einen Reduktionsfaktor berücksichtigt werden.
Tabelle 3 zeigt ein Parametrisierungsbeispiel zum Einfiuss der Hangneigung als Reduktionsfaktor (Kosten) auf die Evakuierungsgeschwindigkeit.
Figure imgf000018_0001
Tabelle 3
• Landnutzung:
Die Landnutzung bzw. Landbedeckung kann ebenfalls die Evakuierungsgeschwindigkeit hemmen. So kann eine Evakuierung auf einer Strasse schneller als durch dichten Wald erfolgen. Dieser Reduktionseffekt der Landbedeckung kann durch Reduktionsfaktoren berücksichtigt werden. Tabelle 4 zeigt ein Parametrisierungsbeispiel zur Berücksichtigung des Einflusses der Landbedeckung als Reduktionsfaktor (Kosten) auf die Evakuierungsgeschwindigkeit:
Kosten Klassifizierung der Landnutzung
1 Weiher; Kanal; Sumpf, See, Mangroven, Fluss; Wasserfläche,
Moorgebiet; Torfgebiet
40 Dichte Vegetation, Wald, Primärwald; Sekundärwald 50 Reisfeld, Bodensenkung, Hafen, Siedlung, Sträucher; sonstiges Pflanzenwachstum; Sonstiges, unbekannt, Wolken
60 landwirtschaftliche Fläche, Ackerbau, Ernte, Erntefläche; Plantage
80 Fußweg; Pfad
90 Sand; Strand; Nebenstraße; Sonstige Straße; nicht-klassifizierte
Straße
95 Offenes Gelände, Grasfläche
100 Hauptstraße; Brücke; Fernstraße
Tabelle 4
Eine beispielhafte Darstellung der landbedeckungsabhängigen Reduktionsfaktoren (Kosten) auf die Evakuierungsgeschwindigkeit illustriert Figur 8.
Basierend auf den räumlich aufgelösten Reduzierungsfaktoren, den Geschwindigkeitsverteilungen sowie der Lage der Zugangspunkte zu sicheren Gebieten kann nun eine inverse Geschwindigkeit errechnet werden, wie sie in Figur 10 beispielhaft dargestellt ist. Diese kann benutzt werden, um über einen Inverse-Distanz-Gewichtungs- Ansatz beispielsweise mit Hilfe eines Geographischen Informationssystems (GIS) eine räumliche aufgelöste Quantifizierung der Zeit zu erhalten, die man von einem beliebigen Ort in der Gefahrenzone zu einem sicheren Gebiet benötigt. Das Geographische Informationssystem enthält hierfür beispielsweise Landnutzungs-, Bevölke- rungs- und Topographiedaten sowie Daten über kritische Einrichtungen und eine Alters- und Geschlechterverteilung. Über sogenannte Reklassifizierungsparameter erhält man die zugeordneten Kosten.
Der Inverse-Distanz-Gewichtungs-Ansatz kann beispielsweise wie folgt vereinfacht ausgedrückt werden: _l
{Kostenfaktor * Geschwindigkeitsfaktor(Population))
Ein Kosten-Distanz-Algorithmus ist beispielhaft in Figur 9 dargestellt. Von jedem Punkt kann der bestmögliche Weg zu einem Zugangspunkt in ein sicheres Gebiet berechnet werden. Über diese Distanz bzw. Strecke und einem Datensatz, der die inverse Geschwindigkeit anzeigt, kann die benötigte Zeit errechnet werden. Figur 10 zeigt dabei beispielhaft die Verteilung der inversen Geschwindigkeit für das den Figuren 7 und 8 zugrundeliegende Gebiet.
Sogenannte„Shelter-Basin"-Karten strukturieren Einzugsgebiete der jeweiligen sicheren Gebiete und definieren Zugangspunkte in diese Gebiete. Diese geben an, welches Gebiet jeweils einem Zugangspunkt zugeordnet ist, d.h. in welchem Einzugsgebiet ein jeweiliger Zugangspunkt am schnellsten zu erreichen ist. Ein Beispiel für die räumlich variierende Evakuierungskapazität und die räumliche Anordnung sicherer Gebiete ist beispielhaft in der vereinfachten kartografischen Darstellung der Figur 1 1 illustriert. Berücksichtigung erwarteter Ankunftszeiten der Auswirkungen des Gefahrereignisses
Im Online-Fall ist die erwartete Ankunftszeit bekannt und wird für die weiteren Analysen dynamisch genutzt. Diese Zeit in Minuten stellt die zu den jeweiligen Zeitpunkten im Online-Fall maximal zur Verfügung stehende Zeit zur Evakuierung der Menschen dar, die sog. „Tsunami- Antwortzeit". Da man für jeden Landpunkt die notwendige Evakuierungszeit errechnen kann, kann nun für bestimmte Zeitscheiben bis zur mittleren erwarteten Ankunftszeit die Fläche angegeben werden, in der die Evakuierungszeit nicht ausreicht.
Fig. 12 zeigt eine beispielhafte vereinfachte kartografische Darstellung, die für eine Tsunami-Antwortzeit von T = 60 min. diejenigen Flächen, die eine längere Evakuierungszeit aufweisen, und diejenigen Flächen, die eine geringere Evakuierungszeit aufweisen, gegeneinander gekennzeichnet darstellt. Die Fläche mit längerer Evakuierungszeit zeichnet ein Gebiet aus, in dem die dort lebende Bevölkerung voraussichtlich keine Möglichkeit hat, in der zur Verfügung stehenden Zeit ein sicheres Gebiet zu erreichen. Die übrige Fläche, mit kürzerer Evakuierungszeit als die Tsunami- Antwortzeit, zeigt das Gebiet an, in dem dies zumindest potentiell möglich sein sollte. 5. Bestimmung der erwarteten Opferanzahl
Mit Hilfe der Bevölkerungsdaten und der hiervon abgeleiteten Exposition der Bevölkerung kann nun die Anzahl der Menschen in den jeweiligen Flächen entsprechend des obigen Punkt 4 ermittelt werden. Für ein gegebenes Raumelement sowie verschiedene Zeitscheiben kann der zeitliche Verlauf der Zunahme der Anzahl der erwarteten Opfer dargestellt werden, für die die Evakuierungszeit nicht mehr ausreichen wird.
Fig. 13 zeigt ein beispielhaftes Diagramm zur erwarteten Opferanzahl in Abhängigkeit von der Tsunami-Antwortzeit. Es ist die Anzahl der Opfer dargestellt, für die die Evakuierungszeit nicht mehr ausreichen wird und für die daher unterstellt werden muss, dass sie durch die Auswirkungen des Schadensereignisses zumindest verletzt werden, in Abhängigkeit der zur Verfügung stehenden Antwortzeit, d.h. der Zeit, die für eine Evakuierungshandlung zur Verfügung steht. Im gezeigten Beispiel steht eine maximale Antwortzeit von 50 Minuten zur Verfügung. Selbst bei Ausschöpfung dieser Zeit sind ca. 35.000 Menschen betroffen. Erfolgt bis zum Eintritt des Ereignisses an Land keine Evakuierungshandlung, d.h. wenn die Antwortzeit Null ist, ist im gezeigten Beispiel mit 120.000 betroffenen Menschen zu rechnen.
Die so ermittelten Informationen der Gefahrenfläche und -Intensität, der Exposition der Bevölkerung und kritischer Infrastruktur, sowie der erwarteten Opferzahlen, können mit weiteren Kriterien, wie z.B. der erwarteten maximalen Wellenhöhe oder der Ankunftszeit zu einem Betroffenheitsmaß„P" nach im Warnzentrum definierten Kriterien und Schwellwerten, in einigen Ausführungsformen unter Einsatz von entsprechenden Gewichtungsfaktoren„G", zu Warnleveln verknüpft oder entsprechenden Warnleveln zugewiesen werden.
Fig. 14 zeigt eine entsprechende Zuweisung von Warnleveln unter Berücksichtigung erfindungsgemäßer Kriterien 1 bis 5. Somit ist eine Berücksichtigung von Vulnerabilitätskriterien, wie z.B. der Anzahl zu erwartender Opfer, der Exponiertheit der Bevölkerung und der kritischen Infrastruktur, zur Bestimmung der Warnlevel bzw. Warnstufen mitberücksichtigt und eine vorteilhafte Verbesserung gegenüber dem Stand der Technik erreicht, der beispielhaft in Fig. 15 (unten) dargestellt ist. Gemäß den vorbekannten Warnstufen erfolgt die Zuweisung einer Warnstufe an eine räumliche Warneinheit lediglich auf Basis eines primären Kriteriums, im gezeigten Beispiel des Gebietes der Tsunami Frühwarnung nach international bisher verwendeten Maßstäben lediglich auf Basis der erwarteten Wellenhöhe an der Küstenlinie. Dabei sind in Fig. 15 bekannte vordefinierte Warnstufen und deren Klassifizierung dargestellt. Eine erwartete Wellenhöhe an der Küstenlinie unter 10 cm Höhe bewirkt keine Zuweisung eines Warnlevels. Eine Wellenhöhe zwischen 0,1 und 0,5 m wird als„kleinerer Tsunami" bzw.„Minor Tsunami" klassifiziert und entsprechenden räumlichen Warneinheiten wird eine Warnstufe„Beratung" zugewiesen. Entsprechend wird bei einer Wellenhöhe zwischen 0,5 und 3 m Höhe (Klassifizierung„Tsunami") eine Warnstufe„Warnung" zugewiesen. Bei einer Wellenhöhe über 3 m erfolgt die Klassifizierung als„größerer Tsunami" bzw.„Major Tsunami" und die Zuweisung einer Warnstufe„Hauptwarnung" bzw.„Major Warning".
Erfindungsgemäß kann die konventionelle Klassifizierung der Warnstufen in einer Ausführungsform beibehalten werden. Die Berücksichtigung der Gefährdungskriterien kann hierbei durch eine Abänderung der Abbildung der Werteintervalle auf die entsprechenden Warnstufen erfolgen.
Die Verknüpfung und Bewertung der verfügbaren Kriterien, die letztlich zur Zuordnung an eine dieser vordefinierten Warnstufen (Warnlevel) führt, kann auf verschiedene Weisen erfolgen. Beispielhaft kann ein solches Warnlevel-Mapping realisiert werden durch:
• Gewichtete Summen
Jedem Kriterium wird eine Bewertungsfunktion Kriterium (Parameterliste) -♦ R (Abbildung auf die reellen Zahlen) zugeordnet. Jede dieser Bewertungsfunktionen wird auf das Einheitsintervall mittels einer Skalierungsfunktion scal( ) -» [0...1] abgebildet. Durch entsprechend geeignete Wahl der Skalierungsfunktion können die relevanten Wertebereiche betont werden. Die skalierten Bewertungsfunktionen können mit kriterienindividuellen Gewichten ωΚΓΗβ- rium multipliziert werden. Für diese gilt, dass die Summe über alle Gewichte Uj Eins ergibt.
Die Summe der gewichteten und skalierten Bewertungsfunktionen ergibt eine Bewertung im Einheitsintervall, die mittels geeignet gewählter Schwellwerte auf die vorhandenen Warnstufen abgebildet werden kann. Z.B. kann eine Zuweisung der Endergebnisse entsprechend der folgenden Einstufung erfolgen: unter 0,1 = <grau>, 0,1 bis 0,3 = <gelb>, 0,3 bis 0,6 = <orange> und ab 0,6 = <rot>. • Korrekturgewichtungen
Die Zuordnung auf die Warnstufen kann auch nach einem Primärkriterium erfolgen. Dieses Primärkriterium kann beispielsweise die Wellenhöhe sein. Die Anwendung weiterer Kriterien kann in Form von gewichteten Auf- oder Abschlägen auf das Primärkriterium erfolgen und damit die Auswahl einer anderen als der primär gewählten Warnstufe bewirken. Z.B. könnte eine Wellenhöhe von 2,8 m zunächst den Warnlevel des Farbcodes <orange> identifizieren, aber eine sehr hohe Exposition als umgerechneter Aufschlag von 0,5 m letztlich die einer Wellenhöhe von 3,3 m entsprechende Warnstufe des Farbcodes <rot> nach sich ziehen.
• Regelanwendung
Insbesondere bei komplexen Zusammenhängen kann eine regelbasierte Ermittlung des anzuwendenden Warnlevels erfolgen. Hierbei können über die Angabe von funktionalen Zusammenhängen insbesondere Ausnahmefälle und Besonderheiten berücksichtigt werden.
Die technische Umsetzung einer erfindungsgemäßen risikobasierten Ermittlung räumlich differenziert anzuwendender Warnstufen kann z.B. in einem Entscheidungsunterstützungs- system, wie dem GITEWS-DSS erfolgen. In einer Entscheidungsansicht des Tsunami- Entscheidungsunterstützungssystems (GITEWS-DSS), d. h. einer Anzeige, in der alle warn- entscheidungsrelevanten Informationen und Handlungsvorschläge zusammengefasst werden, können Risikoinformationen eingebettet sein und sowohl dem System bei der technischen Ermittlung optimaler Entscheidungsvorschläge als auch bei der Darstellung derselben nutzbar gemacht werden. Erfindungsgemäß festgestellte Warnstufen können Entscheidungsträgern zur Auslösung vorgeschlagen werden. Die zugrunde gelegten und im erfindungsgemäßen Verfahren im Rahmen des konkreten Warnfalles und individuell für jedes räumliche Warnsegment bestimmten Parameter können in einer dargestellten Tabelle neben den zugewiesenen, vorzugsweise farbig markierten Warnstufen dargestellt werden.

Claims

Patentansprüche:
1. Vorrichtung (100) zur computergestützten Zuweisung von vordefinierten Warnstufen (116) an räumliche Wameinheiten einer in räumliche Warneinheiten (WE1 , WE2, WE3) segmentierten Zielregion (ZR), wobei die vordefinierten Warnstufen (1 16) die Gefährdung einer Region durch ein natürliches oder technisches Gefahrereignis anzeigen, wobei die Vorrichtung umfasst: eine Datenspeichereinheit (1 10) zum Speichern von ersten Daten (1 12), die die Warneinheiten (WE1 , WE2, WE3) definieren, von zweiten Daten (1 14), die die räumliche Verteilung von Eigenschaften der Zielregion (ZR) definieren, und der vordefinierten Warnstufen (1 16); eine Datenbank (120) zum Speichern deterministischer Modelle (122), die die räumliche Verteilung und den zeitlichen Ablauf einer definierten Auswirkung eines natürlichen oder technischen Gefahrereignisses in der Zielregion definieren; eine Bestimmungseinheit (130) zum Bestimmen von mindestens einem der Modelle der Datenbank auf Basis von bei Eintritt eines Gefahrereignisses gemessenen Eingangsdaten (135); und eine Verarbeitungseinheit (140) zum Ermitteln eines Gefahrenindex für mindestens eine der Warneinheiten unter Berücksichtigung der bestimmten Modelle und der ersten und zweiten Daten, und zur Zuweisung einer oder mehrerer der vordefinierten Warnstufen (145) an die mindestens eine Warneinheit zumindest teilweise auf Basis des Gefahrenindex.
2. Vorrichtung gemäß Anspruch 1 , wobei die deterministischen Modelle die Definition einer Gefährdungsfläche und von Ankunftszeiten in der Zielregion umfassen, und/oder wobei die zweiten Daten mindestens eine räumliche Verteilung umfassen aus: Bevölkerungsdichte, Dichte kritischer Infrastruktur, beispielsweise Krankenhäuser oder Schulen, Alters- und Geschlechtsverteilung, Topographie, Landbedeckung, Zugangspunkte in sichere Gebiete.
3. Vorrichtung gemäß Anspruch 1 oder 2, wobei die Bestimmungseinheit (130) und die Verarbeitungseinheit (140) dynamisch in Reaktion auf das Erkennen eines die Zielregion betreffenden natürlichen oder technischen Gefahrereignisses operieren.
4. Vorrichtung gemäß einem der Ansprüche 1 bis 3, wobei die Verarbeitungseinheit bei der Ermittlung des Gefahrenindex ferner Information über eine Unbestimmtheit oder Mehrdeutigkeit bei den gemessenen Eingangsdaten (135), zweiten Daten (114), oder der Bestimmung der Modelle berücksichtigt.
5. Frühwarnsystem zum Erkennen von natürlichen oder technischen Gefahrereignissen mit der Vorrichtung nach einem der Ansprüche 1 bis 4.
6. Verfahren (200) zur computergestützten Zuweisung von vordefinierten Warnstufen (1 16) an räumliche Warneinheiten einer in räumliche Warneinheiten (WE1 , WE2, WE3) segmentierten Zielregion (ZR), wobei die vordefinierten Warnstufen (116) die Gefährdung einer Region durch ein natürliches oder technisches Gefahrereignis anzeigen, wobei das Verfahren die Schritte umfasst:
Speichern (210) von ersten Daten (112), die die Warneinheiten (WE1 , WE2, WE3) definieren, von zweiten Daten (1 4), die die räumliche Verteilung von Eigenschaften der Zielregion (ZR) definieren, und der vordefinierten Warnstufen (116);
Speichern (220) deterministischer Modelle (122), die die räumliche Verteilung und den zeitlichen Ablauf einer definierten Auswirkung eines natürlichen oder technischen Gefahrereignisses in der Zielregion definieren, in einer Datenbank (120);
Bestimmen (230) von mindestens einem der Modelle der Datenbank auf Basis von bei Eintritt eines Gefahrereignisses gemessenen Eingangsdaten (135);
Ermitteln (240) eines Gefahrenindex für mindestens eine der Warneinheiten unter Berücksichtigung der bestimmten Modelle und der ersten und zweiten Daten; und
Zuweisen (250) einer oder mehrerer der vordefinierten Warnstufen (145) an die mindestens eine Warneinheit zumindest teilweise auf Basis des Gefahrenindex.
7. Verfahren nach Anspruch 6, ferner die Schritte umfassend:
Bestimmen erwarteter Ankunftszeiten der Auswirkung eines Gefahrereignisses; Bestimmen erwarteter Auswirkungsintensitäten;
Ermitteln der Gefahrenaussetzung von Bevölkerung und kritischer Infrastruktur auf Basis der erwarteten Ankunftszeiten und Auswirkungsintensitäten und der zweiten Daten (1 14); und
Ermitteln des Gefahrenindex unter Berücksichtigung der ermittelten Gefahrenaussetzung von Bevölkerung und kritischer Infrastruktur.
8. Verfahren nach Anspruch 6 oder 7, wobei die vordefinierten Warnstufen (1 16) auf der Basis gemessener Eingangswerte klassifiziert sind, und/oder wobei in den Grenzbereichen zwischen zwei Warnstufen die Berücksichtigung des Gefahrenindex eine höhere oder niedrigere Einstufung bewirkt.
9. Verfahren nach einem der Ansprüche 6 bis 8, wobei das Ermitteln des Gefahrenindex über gewichtete Summen erfolgt, und/oder wobei die Zuweisung der mindestens einen vordefinierten Warnstufe an die mindestens eine Warneinheit zumindest teilweise auf Basis des Gefahrenindex die Berücksichtigung des Gefahrenindex und weiterer Kriterien unter Einsatz von Gewichtungsfaktoren oder von Abbildungsfunktionen umfasst.
10. Computerlesbarer Datenträger welcher computerausführbare Anweisungen umfasst, die bei Ausführung durch einen Computer ein Verfahren zur computergestützten Zuweisung von vordefinierten Warnstufen an räumliche Warneinheiten einer in räumliche Warneinheiten segmentierten Zielregion gemäß einem der Ansprüche 6 bis 9 durchführen.
PCT/EP2010/007298 2009-12-11 2010-12-01 Vorrichtung und verfahren zur risikobasierten zuweisung von warnstufen WO2011069613A1 (de)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
DE200910057948 DE102009057948A1 (de) 2009-12-11 2009-12-11 Vorrichtung und Verfahren zur risikobasierten Zuweisung von Warnstufen
DE102009057948.6 2009-12-11

Publications (1)

Publication Number Publication Date
WO2011069613A1 true WO2011069613A1 (de) 2011-06-16

Family

ID=43478002

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/EP2010/007298 WO2011069613A1 (de) 2009-12-11 2010-12-01 Vorrichtung und verfahren zur risikobasierten zuweisung von warnstufen

Country Status (2)

Country Link
DE (1) DE102009057948A1 (de)
WO (1) WO2011069613A1 (de)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113554248A (zh) * 2020-04-23 2021-10-26 中国石油化工股份有限公司 危化品运输车辆的风险动态预警评估方法及装置
CN114333257A (zh) * 2021-12-30 2022-04-12 中国科学院、水利部成都山地灾害与环境研究所 一种滑坡变形速率临界值确定及滑坡预警方法
CN114519921A (zh) * 2022-02-24 2022-05-20 重庆大学 一种基于工业云的模块化滑坡监测预警系统
CN115394052A (zh) * 2022-08-30 2022-11-25 重庆地质矿产研究院 基于机器学习获得地质灾害预警关键参数预测值的方法
CN115601927A (zh) * 2022-09-19 2023-01-13 苔花科迈（西安）信息技术有限公司（Cn） 一种基于算法模型的煤矿报警事件决策方法及系统
CN116482763A (zh) * 2023-06-19 2023-07-25 浙江大学海南研究院 基于逻辑树法的概率性地震海啸灾害分析方法

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
MA37486A1 (fr) * 2014-11-03 2016-06-30 Tabyaoui Mohamed Alerte precoce contre les risques naturels basee sur la technologie mobile

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20030107490A1 (en) * 2001-03-28 2003-06-12 Sznaider Ronald J. GIS-based automated weather alert notification system
US20070044539A1 (en) * 2005-03-01 2007-03-01 Bryan Sabol System and method for visual representation of a catastrophic event and coordination of response
WO2010124875A2 (de) * 2009-04-30 2010-11-04 Deutsches Zentrum für Luft- und Raumfahrt e.V. Verfahren und vorrichtung zum ermitteln von warnungen in einem sensorgestützten frühwarnsystem

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20050234646A1 (en) * 2004-03-31 2005-10-20 Philip Watts Tsunami hazard assessment system
KR101030528B1 (ko) * 2004-05-27 2011-04-26 엘지디스플레이 주식회사 쉬프트 레지스터 및 이를 사용한 액정표시장치
WO2006002687A2 (en) * 2004-06-30 2006-01-12 Swiss Reinsurance Company Method and system for automated location-dependent recognition of flood risks
US9301088B2 (en) * 2008-05-14 2016-03-29 International Business Machines Corporation Comprehensive tsunami alert system via mobile devices
EP2124205A1 (de) * 2008-05-22 2009-11-25 The European Community, represented by the European Commission Tsunami-Warnsystem und Verfahren zur Bereitstellung von Tsunami-Warnungen

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20030107490A1 (en) * 2001-03-28 2003-06-12 Sznaider Ronald J. GIS-based automated weather alert notification system
US20070044539A1 (en) * 2005-03-01 2007-03-01 Bryan Sabol System and method for visual representation of a catastrophic event and coordination of response
WO2010124875A2 (de) * 2009-04-30 2010-11-04 Deutsches Zentrum für Luft- und Raumfahrt e.V. Verfahren und vorrichtung zum ermitteln von warnungen in einem sensorgestützten frühwarnsystem

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
GFZ HELMHOLTZ-ZENTRUM: "Tsunami-Warnung Wie viel Mathematik steckt in der Welle", INTERNET CITATION, 1 May 2008 (2008-05-01), pages 1 - 5, XP002601273, Retrieved from the Internet <URL:http://www.gitews.de/fileadmin/documents/content/press/FaltblGITEWS-d t-05-08a-web.pdf> [retrieved on 20100910] *
GITEWS: "The German Contribution to the Tsunami Early Warning System for the Indian Ocean", 31 May 2007 (2007-05-31), XP002619306, Retrieved from the Internet <URL:http://www.gitews.de/fileadmin/documents/content/press/GITEWS_Booklet_EN.pdf> [retrieved on 20110127] *
RUDLOFF ET AL: "The GITEWS project (German-indonesian tsunami early warning system)", NATURAL HAZARDS AND EARTH SYSTEM SCIENCES, COPERNICUS GMBH, DU, vol. 9, no. 4, 1 January 2009 (2009-01-01), pages 1381 - 1382, XP008132403, ISSN: 1561-8633, Retrieved from the Internet <URL:http://www.nat-hazards-earth-syst-sci.net/9/1381/2009/nhess-9-1381-20 09.html> [retrieved on 20110127] *

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113554248A (zh) * 2020-04-23 2021-10-26 中国石油化工股份有限公司 危化品运输车辆的风险动态预警评估方法及装置
CN114333257A (zh) * 2021-12-30 2022-04-12 中国科学院、水利部成都山地灾害与环境研究所 一种滑坡变形速率临界值确定及滑坡预警方法
CN114333257B (zh) * 2021-12-30 2023-05-26 中国科学院、水利部成都山地灾害与环境研究所 一种滑坡变形速率临界值确定及滑坡预警方法
CN114519921A (zh) * 2022-02-24 2022-05-20 重庆大学 一种基于工业云的模块化滑坡监测预警系统
CN115394052A (zh) * 2022-08-30 2022-11-25 重庆地质矿产研究院 基于机器学习获得地质灾害预警关键参数预测值的方法
CN115394052B (zh) * 2022-08-30 2023-06-27 重庆地质矿产研究院 基于机器学习获得地质灾害预警关键参数预测值的方法
CN115601927A (zh) * 2022-09-19 2023-01-13 苔花科迈（西安）信息技术有限公司（Cn） 一种基于算法模型的煤矿报警事件决策方法及系统
CN116482763A (zh) * 2023-06-19 2023-07-25 浙江大学海南研究院 基于逻辑树法的概率性地震海啸灾害分析方法
CN116482763B (zh) * 2023-06-19 2023-08-25 浙江大学海南研究院 基于逻辑树法的概率性地震海啸灾害分析方法

Also Published As

Publication number Publication date
DE102009057948A1 (de) 2011-06-16

Similar Documents

Publication Publication Date Title
Martínez et al. Human-caused wildfire risk rating for prevention planning in Spain
Etter et al. Unplanned land clearing of Colombian rainforests: Spreading like disease?
WO2011069613A1 (de) Vorrichtung und verfahren zur risikobasierten zuweisung von warnstufen
Girvetz et al. Integration of landscape fragmentation analysis into regional planning: A statewide multi-scale case study from California, USA
Freire et al. Integrating population dynamics into mapping human exposure to seismic hazard
Mahdavi Forests and rangelands? wildfire risk zoning using GIS and AHP techniques
Vasilakos et al. Integrating new methods and tools in fire danger rating
Nekhay et al. Spatial analysis of the suitability of olive plantations for wildlife habitat restoration
Percival et al. A methodology for urban micro-scale coastal flood vulnerability and risk assessment and mapping
Chen et al. Rising variability, not slowing down, as a leading indicator of a stochastically driven abrupt transition in a dryland ecosystem
Lirer et al. Hazard and risk assessment in a complex multi-source volcanic area: the example of the Campania Region, Italy
DE102009056777B4 (de) System und Verfahren zum Segmentieren einer Zielregion in räumliche Warneinheiten eines sensorgestützten Frühwarnsystems
Cheney et al. The impact of data precision on the effectiveness of alien plant control programmes: a case study from a protected area
Blahut et al. Debris flows risk analysis and direct loss estimation: the case study of Valtellina di Tirano, Italy
DE102009019606B4 (de) Verfahren und Vorrichtung zum Ermitteln von Warnungen in einem sensorgestützten Frühwarnsystem
Bauer et al. Risk to residents, infrastructure, and water bodies from flash floods and sediment transport
DE102010011186B4 (de) Verfahren und Vorrichtung zur Visualisierung von räumlich verteilten Informationen in einem Frühwarnsystem
Coutinho et al. Disaster risk governance: institutional vulnerability assessment with emphasis on non-structural measures in the municipality of Jaboatão dos Guararapes, Pernambuco (PE), Brazil
Sánchez-Cuesta et al. Soil distribution of Phytophthora cinnamomi inoculum in oak afforestation depends on site characteristics rather than host availability
Momani Integrated framework for earthquake consequences management
Larekeng et al. A diversity index model based on spatial analysis to estimate high conservation value in a mining area
Martines et al. Detecting stepping-stones for connectivity planning in local-regional scale
Mendez-Victor et al. Risks: Vulnerability, Resilience and Adaptation
Kontoes et al. Mapping seismic vulnerability and risk of cities: the MASSIVE project
Assis et al. Identification of susceptible rainfall-induced landslide areas based on field experiments and multi-criteria analysis in GIS Environment: a proposal for non-inventoried areas

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 10794869

Country of ref document: EP

Kind code of ref document: A1

122 Ep: pct application non-entry in european phase

Ref document number: 10794869

Country of ref document: EP

Kind code of ref document: A1