Zusammenfassung
Die regelmäßige Erfassung des Schadenspotenzials ist Grundlage des Hochwasserrisikomanagements. Eine wichtige Kenngröße hierfür ist die Anzahl der gefährdeten Objekte im Überflutungsbereich. Fernerkundungsdaten können bei der Identifizierung dieser Objekte helfen. Ziel dieses Beitrags ist die Darstellung einer Methodik zur Integration von Orthofotos, hochauflösenden Luftbildern, in die Analyse des Hochwasserrisikos. Orthofotos werden in Österreich alle drei Jahre aktualisiert und lassen sich daher in eine zyklische Erfassung des Hochwasserrisikos integrieren.
Da die Verwendung fernerkundlicher Daten zu einer zeitlich referenzierten Abbildung der Raumnutzung führt, kann die zeitliche Dynamik des Hochwasserschadenspotenzials analysiert und die mangelnde Aktualität anderer Datenquellen kompensiert werden. Aufbauend auf der Analyse des derzeitigen Schadenspotenzials und seiner Dynamik in der Vergangenheit, kann auf zukünftige Entwicklungen geschlossen werden.
Die Ergebnisse der beschriebenen Methodik werden anhand eines Fallstudienbeispiels dargestellt. Darin zeigt sich, dass die Verwendung von Orthofotos vor allem dort notwendig ist, wo andere Datenquellen, wie beispielsweise die Digitale Katastralmappe, unvollständig sind. Die Verwendung der Orthofotos führt hier zu einer deutlichen Erhöhung des erwarteten Schadenspotenzials und somit zu einer veränderten Datengrundlage zur Bewertung von Handlungsoptionen im Rahmen des Hochwasserrisikomanagements.
Abstract
Regularly determining damage potential is the basis of flood risk management. The number of properties at risk in a flood-prone area is an important parameter here, and remote sensing data can be useful in identifying such properties. This article presents a method for integrating orthophotos, or high-resolution aerial images, into the flood-risk analysis. In Austria, orthophotos are updated every three years, and as such can be integrated into a cyclical assessment of flood risk.
Since the use of remote sensing data provides a time-referenced map of land use, the temporal dynamics of the flood damage potential can be analyzed and thus compensate for other data sources being less up to date. Analysis of the current damage potential and its past dynamics can be used as the basis for identifying future developments. The findings of the methodology described are presented using the example of a case study, which demonstrates that orthophotos are especially needed where other data sources, such as digital cadastral mapping, are incomplete. The use of orthophotos results in a significantly higher expected damage potential and, in turn, altered base data for assessing flood risk management measures.










Similar content being viewed by others
Explore related subjects
Discover the latest articles and news from researchers in related subjects, suggested using machine learning.Literatur
Baatz, M., Schäpe, A. (2000): Multiresolution Segmentation – an optimization approach for high quality multi-scale image segmentation. Angewandte Geographische Informationsverarbeitung XII: 12–23
Banko, G., Mansberger, R., Gallaun, H., Grillmayer, R., Prüller, R., Riedl, M., Stemberger, W., Steinnocher, K., Walli, A. (2014): Land Information System Austria (LISA). In: Manakos, I., Braun, M. (Hrsg): Land Use and Land Cover Mapping in Europe. Springer Verlag, S 237–254
Barredo, J. I. (2009): Normalised flood losses in Europe: 1970–2006. Nat Hazards Earth Syst Sci 9:97–104. doi: 10.5194/nhess-9-97-2009
Benz, U. C., Hofmann, P., Willhauck, G., Lingenfelder, I., Heynen, M. (2004): Multi-resolution, object-oriented fuzzy analysis of remote sensing data for GIS-ready information. ISPRS J Photogramm Remote Sens 58:239–258. doi: 10.1016/j.isprsjprs.2003.10.002
Blaschke, T. (2010): Object based image analysis for remote sensing. ISPRS J Photogramm Remote Sens 65:2–16. doi: 10.1016/j.isprsjprs.2009.06.004
Blöschl, G., Gaál, L., Hall, J., Kiss, A., Komma, J., Nester, T., Parajka, J., Perdigao, R. A. P., Plavcova, L., Rogger, M., Salinas, J. L., Viglione, A. (2015): Increasing river floods: fiction or reality? WIREs Water. doi: 10.1002/wat2.1079
BMLFUW (2006): Hochwasserzonierung Austria – HORA. Wien: Bundesministerium für ein lebenswertes Österreich
BMLFUW (2006): RIWA-T: Technische Richtlinie für die Bundeswasserbauverwaltung. Wien: Bundesministerium für ein lebenswertes Österreich
Breiman, L. (2001): Random forests. Mach Learn 45:5–32. doi: 10.1023/A:1010933404324
BEV (Homepage Stand 2015): Fernerkundung-Folder. Wien: Bundesamt für Eich- und Vermessungswesen
Buwal (1999): Bundesamt für Umwelt, Wald und Landschaft. Risikoanalyse bei gravitativen Naturgefahren. Bern: Schweizerische Eidgenossenschaft
Cammerer, H., Thieken, A. H. (2013): Historical development and future outlook of the flood damage potential of residential areas in the Alpine Lech Valley (Austria) between 1971 and 2030. Reg Environ Chang 13:999–1012. doi: 10.1007/s10113-013-0407-9
Carlson, T. N., Ripley, D. (1997): On the relation between NDVI, fractional vegetation cover, and leaf area index. Remote Sens Environ 62:241–252. doi: 10.1016/S0034-4257(97)00104-1
Cheng, Y. (1995): Mean shift, mode seeking, and clustering. IEEE Trans Pattern Anal Mach Intell 17:790–799. doi: 10.1109/34.400568
Comaniciu, D., Meer, P., Member, S. (2002): Mean Shift: A Robust Approach Toward Feature Space Analysis. IEEE Trans Pattern Anal Mach 24:603–619.
Dementhon, D., Megret, R. (2002): Spatio-Temporal Segmentation of Video by Hierarchical Mean Shift Analysis. Computer Vision Laboratory, Center for Automation Research, University of Maryland
Di Baldassarre, G., Viglione, A., Carr, G., Kuil, L., Salinas, J. L., Blöschl, G. (2013): Socio-hydrology: Conceptualising human-flood interactions. Hydrol Earth Syst Sci 17:3295–3303. doi: 10.5194/hess-17-3295-2013
EG (2007): Richtlinie 2007/60/EG des Europäischen Parlaments und des Rates vom 23. Oktober 2007 über die Bewertung und das Management von Hochwasserrisiken. OJ L 288/27. Europäische Gemeinschaft
Fukunaga, K., Hostetler, L. (1975): The estimation of the gradient of a density function, with applications in pattern recognition. IEEE Trans Inf Theory. doi: 10.1109/TIT.1975.1055330
Gocht, M., Schröter, K., Ostrowski, M., Rubin, C. (2009): EWASE — Early Warning Systems Efficiency – risk assessment and efficiency analysis. In Flood Risk Management: Research and Practise: Full Paper CD-ROM (1772 Pages): 775–785.
Hartmann, D. L., Klein-Tank, A. M. G., Rusticucci, M., Alexander, L. V., Bronnimann, S., Charabi, Y., Dentener, F. J., Dlugokencky, E. J., Easterling, D. R., Kaplan, A., Soden, B. J., Thorne, P. W., Wild, M., Zhai, P. M. (2013): Observations: Atmosphere and Surface, in The Physical Science Basis. Contribution of Working Group I to the Fifth Assessment Report of the Intergovernmental Panel on Climate Change. Cambridge University Press
Huttenlau, M., Schneeberger, B., Winter, B., Reiss, J., Stötter, J. (2015): Analysis of the loss probability relation on a community level: a contribution to a comprehensive flood risk assessment. In: Sener, S. M., Brebbia, C. A., Ozcevik, O. (Hrsg): Disaster Management and Human Health Risk IV. WIT Press, S 171–182
Inglada, J., Christophe, E. (2009): The Orfeo Toolbox remote sensing image processing software. IEEE Int Geosci Remote Sens Symp 733–736. doi: 10.1109/IGARSS.2009.5417481
Kressler, F. P., Steinnocher, K., Franzen, M. (2005): Object-oriented classification of orthophotos to support update of spatial databases. Int Geosci Remote Sens Symp 1:253–256. doi: 10.1109/IGARSS.2005.1526155
Mauch, C., Zeller, T. (2008): Rivers in history: perspectives on waterways in Europe and North America. University of Pittsburgh Press, Pittsburgh
Merz, B. (2006): Hochwasserrisiken: Grenzen und Möglichkeiten der Risikoabschätzung. Schweizerbart´sche Verlagsbuchhandlung, Stuttgart
Myint, S. W., Gober, P., Brazel, A., Grossman-Clarke, S., Wenig, Q. (2011): Per-pixel vs. object-based classification of urban land cover extraction using high spatial resolution imagery. Remote Sens Environ 115:1145–1161. doi: 10.1016/j.rse.2010.12.017
Myneni, R. B., Hall, F. G., Sellers, P. J., Marshak, A. L. (1995): Interpretation of spectral vegetation indexes. IEEE Trans Geosci Remote Sens 33:481–486. doi: 10.1109/36.377948
Nachtnebel, H., Apperl, B. (2013): Wasserwirtschaftliche Entwicklung in Überflutungsgebieten: Instumentenevaluierungsstudie. Wien: BOKU
Nachtnebel, H., Apperl, B. (2015): Beurteilung des Hochwasser-Schadenspotenzials unter dynamischen Bedingungen. Österreichische Wasser- und Abfallwirtschaft 67:120–130.
Neuhold, C., Nachtnebel, H. (2012): Beurteilung des Hochwasserrisikos: Skalenaspekte und Umsetzung. Österreichische Wasser- und Abfallwirtschaft 64:3231–328.
Schulz, K., Schwingshandl, A., Apperl, B., Fordinal, I., Brenner, C., Roither, J. (2014): Wasserwirtschaftliche Entwicklung in Überflutungsgebieten – Raumnutzung und Maßnahmenwirkung. Wien: BOKU & riocom
Steinnocher, K., Banko, G., Weichselbaum, J. (2011): Planungsrelevante Datengrundlage für Österreich: LISA – Land Information System Austria. In: REAL CROP 2011 Tagungsband. Essen
Thieken, A. H., Kreibich, H., Müller, M., Merz, B. (2007): Coping with floods: preparedness, response and recovery of flood-affected residents in Germany in 2002. Hydrol Sci J 52:1016–1037. doi: 10.1623/hysj.52.5.1016
Tucker, C., Pinzon, J., Brown, M., Slayback, D., Pak, E., Mahoney, R., Vermote, E., Saleous, N. (2005): An extended AVHRR 8-km NDVI dataset compatible with MODIS and SPOT vegetation NDVI data. Int J Remote Sens 26:4485–4498. doi: 10.1080/01431160500168686
UNISDR (2011): Global Assessment Report on Disaster Risk Reduction: Revealing Risk, Redefining Development. United Nations, Geneve
Author information
Authors and Affiliations
Corresponding author
Rights and permissions
About this article
Cite this article
Brenner, C., Apperl, B. & Schulz, K. Integration von Orthofotos in die Abschätzung des Hochwasserschadenspotenzials. Österr Wasser- und Abfallw 67, 412–421 (2015). https://doi.org/10.1007/s00506-015-0271-6
Published:
Issue Date:
DOI: https://doi.org/10.1007/s00506-015-0271-6


