Verbesserung der Vorhersagekraft von Simulationsmodellen für Naturgefahren durch Massenbewegungen - Optimale Versuchsplanung und Modellselektion -

• Antragstellerin: Professorin Dr. Julia Kowalski
• Fachliche Zuordnung: Paläontologie
• Förderung: Förderung von 2020 bis 2024
• Projektkennung: Deutsche Forschungsgemeinschaft (DFG) - Projektnummer 441527981

Ziel dieses Projektes ist die Verbesserung der Vorhersagekraft computergestützter Simulationsmodelle für gravitative Massenbewegungen, wie zum Beispiel Murgänge, komplexe Rutschungen oder auch Lawinen. Solche Simulationsmodelle werden eingesetzt um deren Auslaufdistanzen, Ablagerungen oder Aufpralldrücke zu berechnen, allesamt Größen, welche relevant sind um Schutzmaßnahmen zu planen. Massenbewegungen sind definiert als durch die Fallbeschleunigung mobilisiertes Oberflächenmaterial. Die Dynamik dieser Rutschungen hängt dabei wesentlich vom rutschenden Material selber ab. Oft ist dessen Zusammensetzung sehr heterogen und kann sich durch Erosions- und Ablagerungsprozesse über die Zeit verändern. Insbesondere hat der Wasseranteil im Fließkörper einen dramatischen Einfluss auf die Dynamik der Rutschung. Herausfordernd bei der Entwicklung computergestützter Modelle für gravitative Massenbewegungen ist die adäquate Repräsentation der Prozesskomplexität im zu Grunde liegenden Prozessmodell. Forschungsbestrebungen mit dem Ziel einer Verbesserung der prädiktiven Güte haben sich in den letzten Jahren hauptsächlich darauf konzentriert, die Komplexität der Prozessmodelle zu erweitern, zum Beispiel indem Wasser und feste Anteile verschiedenster Größen separat modelliert werden. Obwohl solche Strategien zu einem verbesserten qualitativen Prozessverständnis führen, ist deren Nachteil oft ein starker Anstieg der Anzahl Modellparameter, welche in Folge nur schwer zu kalibrieren sind. Eine andere Möglichkeit die prädiktive Güte zu verbessern wird oftmals übersehen, nämlich die systematische Optimierung des Informationsgehaltes der Daten, welche zu Kalibrierungszwecken eingesetzt werden, bzw. generell eine bessere Ausnutzung der zur Verfügung stehenden Daten. Im vorgeschlagenen Forschungsprojekt werden wir diese Lücke schließen, indem wir Strategien zur optimalen Versuchsplanung entwickeln. Diese werden in innovative Monitoring Protokolle für Beobachtungen im Feld resultieren, durch welche Daten mit höherem Informationsgehalt akquiriert werden können. In einer zweiten Projektphase werden wir Methoden zur systematischen Modellselektion entwickeln, welche es erlauben basierend auf gegebenen Daten das plausibelste Prozessmodell eines Pools möglicher Kandidatenmodelle zu bestimmen. Beide Aspekte werden erstmals auf diesen Bereich der Naturgefahrenforschung angewandt. Das Projekt wird im Rahmen einer Doktorandenstelle bearbeitet, welche von der Antragstellerin in ihrer kürzlich eingeworbenen Heisenberg-Gruppe betreut wird. Der Mehrwert der entwickelten Methoden für die Naturgefahrenforschung wird in einer Reihe nationaler und internationaler Kooperationen demonstriert.

• DFG-Verfahren: Sachbeihilfen