Das Projekt "Oasis Innovation Hub for Catastrophe and Climate Extremes Risk Assessment (H2020_Insurance)" wird vom Umweltbundesamt gefördert und von Potsdam-Institut für Klimafolgenforschung e.V. durchgeführt. Globally, there is increased concern of the potential impacts of extreme climate events and their impact on loss and damage of people, assets and property as a result of these events. Therefore, natural partners in using climate services to assess risk are the Global Insurance Sector, who are key implementers in increasing societies resilience and recovery of extreme events and who are integral, co-design partners in this programme. This project intends to operationalize a system, called the Oasis Loss Modelling Framework, that combines climate services with damage and loss information and provides a standardised risk assessment process that can assess potential losses, areas at most risk and quantify financial losses of modelled scenarios. We intend to prove the Oasis LMF system through undertaking a range of demonstrators linked and codesigned to 'real' situations and end-user communities in the insurance, municipalities and business sectors (see list of partners & collaborators). These demonstrators have already been agreed with our end-users and develop work around hydro-climatic risk (in the Danube Region), Typhoon Risk, African Farmer Risk - through using climate information to support the underwriting of micro-insurance, climate v health and climate v forest asset risk assessment. We also intend to further expand access by all sectors to the models, tools and services developed within this programme and the broader climate services sector by operationalizing an open eMarket place and matchmaking facility for catastrophe and climate data and models, tools and services and through broadening awareness in the climate modelling and end-users communities to the Framework, and the transparent and comparable standard it offers to support evidence based risk assessment and adaptation planning.
PIK is the overall coordinator of the project, and further leads the flood risk demonstrator and the farmer micro-insurance 'demonstrator.
Das Projekt "Evaluierung von Verbesserungen in QPE und QPN in einem Echtzeit-vorhersagesystem für Abfluss und Überflutungen mit Datenassimilatio" wird vom Umweltbundesamt gefördert und von Forschungszentrum Jülich GmbH, Institut für Bio-und Geowissenschaften (IBG), IBG-3 Agrosphäre durchgeführt. Echtzeitvorhersagen von Abfluss und Überflutungen stellen eine große Herausforderung dar, auch weil Wettervorhersagen konvektive Starkregenereignisse auf der stündlichen Sub-Kilometerskala noch nicht mit ausreichender Qualität vorhersagen können. Das führt zu unvorhergesehenen Überflutungen und großen Schäden öffentlichen Eigentums und Infrastruktur und potentiell zu Todesopfern. Bekannte Beispiele in der Region des Geoverbundes ABC/J sind die Sturzfluten in Wachtberg am 3. Juli 2010 und am 6. Juni 2016. Das Projekt wird ein neuartiges, probabilistisches Echtzeitvorhersagesystem für Abfluss und Überflutungen in kleinen Einzugsgebieten (kleiner als 500 km2) entwickeln. Das Projekt konzentriert sich auf die Einzugsgebiete Wachtberg, Ammer und Bode. Wir werden QPE, QPN und QPF (quantitative Niederschlagsschätzung, Nowcasting und numerische Vorhersage), die Produkte von P1, P2 und P3 in dem Vorhersagesystem verwenden, um die erreichten Verbesserungen in RealPEP zu bewerten. Ein wichtiger Aspekt des Projektes ist die Verwendung verschiedener hydrologischer Modelle (konzeptionell und physikbasiert) für die Flutvorhersage. Wir werden den Mehrwert und die Limitierungen der verschiedenen Modelle (und Datenassimilierungsverfahren) identifizieren. Konzeptionelle Modelle profitieren hauptsächlich von der Optimierung/Kalibrierung des Abflusses und der Möglichkeit schnell, große Ensemble berechnen zu können; physikbasierte Modelle dagegen haben den Vorteil verschiedenartige Beobachtungsdaten verarbeiten zu können und Prozesse besser abzubilden, wodurch eine einfachere Übertragbarkeit auf andere Einzugsgebiete ohne Kalibration möglich ist. Schlussendlich werden wir untersuchen ob die verschiedenen Ansätze sich ergänzende Information zu Echtzeitvorhersage von Überflutungen liefern können.