Page - 478 - in ExtremA 2019 - Aktueller Wissensstand zu Extremereignissen alpiner Naturgefahren in Österreich

© 2020, Vandenhoeck & Ruprecht GmbH & Co. KG, Göttingen ISBN Print: 9783847110927 – ISBN E-Lib: 9783737010924 delltrainingundValidierungmöglichst vollständige oder zumindest repräsen- tativeProzessdatensätzemithoherDatenqualitätbenötigt, dasonstErgebnisse zufällig hoher oder geringer Güte erzeugt werden (vgl. Abb.07; Tilch et al., 2011b,2013;ÖROK,2015).HierbeimussbesondersaufdieQualitätder finalen Kartenwerke geachtet werden (z.B. bei Rutschungsinventaren; Steger et al., 2016). ImGegensatz zudenstatistischenModellrechnungenwerden für physi- kalischbasierteModellrechnungenzudemnichtnur relative,qualitativeDaten, sondern quantitative Daten zur räumlich variablen Beschaffenheit der Stand- ortfaktoren benötigt, die es häufig, insbesondere für größere Regionen, nicht gibtunddiemitaufwändigenMethoden,z.B.mittelsFeldkartierungen,erhoben werden müssten. All dies sind Gründe, warum die verschiedenen Modellie- rungsarten ihre Vor- und Nachteile haben, die nach Fragestellung und vor- handenergesamthafterDatenlagezumTragenkommen(ÖROK,2015). Ferner werden für alle regionalenModellanwendungen flächendeckende und möglichstflächendetaillierteDatenzudenräumlichvariablenprozessrelevanten Standortfaktoren benötigt. Da diese nicht verfügbar sind, werdenoft vonden Abbildung07: StreuungdesValidierungsmaßes bzw. Gütemaßes »Erkenntnisrate« inAbhän- gigkeit vonderAnzahlder zurVerfügung stehendenProzess-Daten (100%:n=368)undder angewendetenModellierungsmethodeamBeispielderModellergebnisse fürdieRegionGasen- Haslau (Steiermark). Figure07:The spread of the validationmeasure and the quality criterion »success rate« res- pectively according to the total number of available process data (100%: n= 368) and the appliedmodellingmethod for theexampleof the regionGasen-Haslau (Styria). Quelle:verändertnachÖROK(2015) ExtremebeiHangrutschungenundHangmuren478 Open-Access-Publikation im Sinne der CC-Lizenz BY-NC-ND 4.0