Potentiale und Forschungsbedarf zur Nutzung von Stadtwachstumsmodellen für risikoinformierte Planungs- und Klimawandelanpassungsentscheidungen

Vortrag
Sitzungstermin
Freitag (22. September 2023), 14:30–16:00
Sitzungsraum
SH 0.107
Autor*innen
Andrea Reimuth (LMU München)
Michael Hagenlocher (UN University)
Emlyn Liang Yang (LMU München)
Antje Katzschner
Mostapha Harb
Matthias Garschagen (LMU München)
Kurz­be­schreib­ung
Der Vortrag zeigt den aktuellen Stand im Einsatz von Stadtwachstumsmodellen zur Projektion urbaner Exposition gegenüber Naturgefahren auf. Forschungsbedarf wird insbesondere in der verbesserten Projektion von Stadtstrukturen und Gebäudedichten gesehen.
Schlag­wörter
Stadtwachstumsmodellierung, Naturgefahren, zukünftige Expositionsmuster, Stadtplanung, Klimawandelanpassung

Abstract

Ein genaues Verständnis darüber, wo und wie Städte wachsen, ist eine notwendige Voraussetzung um künftige Risiken gegenüber Naturgefahren zu bewerten und risikoinformierte Planungs- und Klimawandelanpassungsentscheidungen zu treffen. Mit der Bereitstellung von hochaufgelösten Zeitreihendaten macht es die urbane Fernerkundung zunehmend möglich, die bisherige Entwicklung von urbanen Räumen und die Auswirkungen sozioökonomischer Veränderungen auf die Exposition gegenüber Naturgefahren zu bewerten. Um jedoch auch zukünftige Szenarien projizieren zu können, ist die Stadtwachstumsmodellierung ein weiteres, notwendiges Instrument für die Bewertung von Risiken und zur Planung von zukünftigen Anpassungsmaßnahmen im urbanen Raum. Der Vortrag setzt an diesem Punkt an und stellt im ersten Schritt die vier gängigen Klassen an Stadtwachstumsmodellen deren zugrundeliegende Mechanismen sowie deren Nutzung von Geodaten vor. Basierend auf den Ergebnissen eines strukturierten Reviews wird im Anschluss der Stand der Forschung in der Nutzung von Stadtwachstumsmodellen zur Projektion von zukünftigen Expositionsmustern gegenüber Naturgefahren präsentiert. So wurden 54 Studien identifiziert und hinsichtlich des angewandten Modellierungsansatzes für die künftige Katastrophenexposition von Städten ausgewertet. Der Großteil der Studien (89%) befasst sich dabei mit Hochwassergefahren auf der regionaler bzw. lokaler Ebene und nutzt Cellular Automata oder Machine Learning basierte Ansätze um Stadtwachstum bzw Landnutzungsänderung zu projizieren. Jedoch ist für eine verbesserte Analyse der zukünftigen Exposition und der damit zusammenhängenden Vulnerabilitäten gegenüber Naturgefahren eine genauere Modellierung nicht nur in Bezug auf die Ausdehnung des städtischen Raums sondern auch seine Veränderungen der morphologischen Strukturen und Verdichtung notwendig. Ein wichtiger Schritt ist dabei die Entwicklung von hochaufgelösten (Zeitreihen‑) Fernerkundungsdaten, die zusätzlich die unterschiedlichen Morphologien abbilden. Dies muss Hand-in-Hand mit einer Weiterentwicklung der Stadtwachstumsmodelle weg von der Kategorie „urban area“ hin zu einer Integration und Projektion der verschiedenen urbanen Morphologietypen sowie Gebäudichten und -arten gehen. Auf diese Weise lassen sich Szenarien zur zukünftige Exposition gegenüber Naturgefahren und den damit verbundenen potentiellen Schäden mit wesentlich höherer Präzision vorhersagen.