Der Einfluss meteorologischer, topografischer und nivologischer Faktoren auf die Auslösung von Nassschneelawinen

Die Einflussfaktoren für die Auslösung von Nassschneelawinen sind derzeit noch unzureichend erforscht. Aufgrund dessen wurden im Rahmen dieser Arbeit, aufbauend auf einer umfassenden Literaturanalyse, außergewöhnlich langjährige Zeitreihen von Lawinenereignissen, meteorologischen Daten und Schneedeckendaten aus dem Kapruner Tal (Salzburg, Österreich; Übergangsklima) analysiert. Es wurden 233 Tage mit Nassschneelawinen (NSL-Tage) und 320 Tage ohne Nassschneelawinen (nonNSL-Tage) der Winter 1994/95 bis 2010/11 herangezogen. Mittels binärer logistischer Regression (Logit-Modell) wurden mehrere Prognosemodelle entwickelt. Es wurde in Modelle für Tage mit Regen und Modelle für Tage ohne Regen unterschieden. Für die Modellbildung standen 38 meteorologische und nivologische Parameter zur Verfügung. Die entwickelten Modelle liefern eine Prognose für den Vorhersagetag: „NSL-Tag“ oder „nonNSL-Tag“. Zur Beurteilung der Prognosegüte wurde die Trefferrate herangezogen. Das beste Modell erreichte eine Gesamttrefferrate von 68,6 % (an NSL-Tagen 71,7 %, an nonNSL-Tagen 66,6 %). Diese Trefferraten entsprechen größenordnungsmäßig jenen verwandter Studien, wurden jedoch als zu gering für den Einsatz in der Praxis des Lawinenwarndienstes im Kapruner Tal beurteilt. Als einflussreichste Parameter erwiesen sich das Tagesmaximum der Lufttemperatur und die maximale Niederschlagsintensität bei Regen (gleitender 1-Stunden-Niederschlag). Dem Schneedeckenaufbau wurde kein signifikanter Einfluss bescheinigt, was jedoch in der zu geringen Anzahl verfügbarer Schneeprofile begründet liegen mag. Der Globalstrahlung konnte ebenfalls kein signifikanter Einfluss nachgewiesen werden. Die Schneetemperatur konnte aufgrund mangelhafter Daten nicht berücksichtigt werden. Die Differenzierung in Modelle für Regen-Tage und Nicht-Regen-Tage erwies sich beim verwendeten Datensatz als nicht gerechtfertigt. Als Ursache der relativ geringen Prognosegüte wurden u. a. die teilweise mangelhafte Datenqualität (Schneetemperatur) und der teilweise zu geringe Datenumfang (Schneeprofile) angesehen.The influencing parameters for the release of wet snow avalanches are still poorly understood. Hence, after a widespread literature research, in this thesis long-term avalanche occurrence data, meteorological data and snowpack information from the Kaprun valley in the Austrian Alps (transitional climate) were statistically analysed. For that reason 233 wet snow avalanche days and 320 days without wet snow avalanches, extracted from the winters 1994/95 until 2010/11, were used for analysis. Using binomial logistic regression several forecast models were developed. The original dataset was divided into days with rain and days without rain. The set of input parameters, used for the development of the models, consisted of 38 meteorological and nivological variables. The regression equation of each model computes whether the occurrence of wet snow avalanches on the prediction day is likely or not. The rate of correct predictions was used as an index for the success of the models. The best forecast model reached an overall success rate of 68.6 % (71.7 % on days with wet snow avalanches, 66.6 % on days without wet snow avalanches observed). The success rates are similar to those of related studies. However, the success rates seemed to be too poor for an application of the model at the avalanche warning service in the Kaprun valley. The best predictor variables proved to be the maximum air temperature and the maximum rain intensity (maximum moving 1-hour precipitation sum). Snowpack parameters did not have a statistically significant influence on wet snow avalanche hazard, which might be based on the small amount of available snow-pit data. Radiation did not show up as a significant variable too. Snow temperature was not considered during analysis since the dataset proved to be of poor quality. The discrimination between models developed for days with rain and models developed for days without rain proved to be not reasonable for this dataset. The reason for the rather low success rates was supposed to be up to the partially poor data quality (snow temperature) and the partially small amount of available data (snowpack parameters).eingereicht von Michael SkoricZsfassung in engl. SpracheWien, Univ. für Bodenkultur, Masterarb., 2013(VLID)103626