Hintergrund

Die probabilistische seismische Gefährdungsanalyse (PSHA) ist ein Rahmenwerk, das Informationen aus verschiedenen Bereichen der Geophysik, Geologie und technischen Seismologie integriert, um Modelle zur Quantifizierung der erwarteten Bodenerschütterungen an einem Ort und der Wahrscheinlichkeit ihrer Überschreitung innerhalb eines bestimmten Zeitraums zu erstellen. Sie besteht aus zwei Kernelementen: dem seismogenen Quellenmodell, das den Ort, die Stärke und die Häufigkeit künftiger Erdbeben beschreibt, die von einer bestimmten Verwerfung oder einer ähnlichen seismischen Quelle ausgehen, und dem Bodenbewegungsmodell, das die erwartete Stärke der Bodenerschütterungen an einem Ort und ihre entsprechende Unsicherheit angesichts der Eigenschaften eines bestimmten Erdbebenszenarios beschreibt. Die probabilistische seismische Risikoanalyse entwickelt dieses Konzept weiter, um die Auswirkungen der Erschütterungen auf die bebaute Umwelt vorherzusagen. Dazu werden die Vorhersagen der Bodenerschütterungen mit Modellen kombiniert, die den Standort, die Art und den Wert der Gebäude in einer Region (die Exposition) mit ingenieur- oder beobachtungsbasierten numerischen Modellen beschreiben, um das Ausmaß der Schäden an jedem Gebäudetyp bei starken Erschütterungen (die Fragilität) und die entsprechenden Auswirkungen in Form von wirtschaftlichen oder menschlichen Verlusten (die Anfälligkeit) vorherzusagen. Einer der wichtigsten Aspekte der probabilistischen seismischen Gefährdungs- und Risikoanalyse ist die Erfassung und Quantifizierung der Unsicherheit in jeder Komponente des Prozesses, die für die Beteiligten entscheidend ist, um möglichst fundierte Entscheidungen zu treffen und wirksame Maßnahmen zur Risikominderung zu ergreifen.

Wissenschafliche Schlüsselfragen

• Wie können wir Modelle für Bodenerschütterungen kalibrieren, die sich die wachsende Datenmenge zunutze machen, um bessere Vorhersagen über Erschütterungen zu machen und die Unsicherheiten bei PSHA zu verringern?
• Wie können wir die Abfolge von Erdbeben und andere zeitliche Abhängigkeiten am besten in den Modellierungsprozess einbeziehen und welche Auswirkungen hat dies?
• Können neue Quellen von Big Data und Erkenntnisse aus anderen Disziplinen dazu beitragen, unser Verständnis des Erdbebenprozesses zu verbessern, um die Auswirkungen künftiger Erdbeben besser vorhersagen zu können? 

Zugehörige Projekte

• METIS | Seismische Risikobewertung für nukleare Sicherheit
• DT-Geo | Ein digitaler Zwilling für Geophysikalische Extreme
• Geotwins | Digitale Zwillinge von geothermischen Reservoiren zur Überwachung der seismischen Gefährdung
• Geo-INQUIRE | Geosphärische Infrastrukturen für Fragen der integrierten Forschung