|
KARLSRUHER INSTITUT FÜR TECHNOLOGIE
INSTITUT für REGIONALWISSENSCHAFT
Betroffenheit der Stadt Cotonou durch
Überschwemmungen
- eine GIS-gestützte Analyse
Masterarbeit im Rahmen des Masterstudienganges
Regionalwissenschaft/Raumplanung
vorgelegt von
Obognon Emile Edea
aus Benin
Betreuer:
Prof. Dr. Joachim Vogt
März 2012
Erklärung der Urheberschaft
Hiermit versichere ich, dass ich die vorliegende Arbeit
selbstständig und ohne Benutzung anderer als der hier angegebenen
Hilfsmittel angefertigt habe. Alle Stellen, die sinngemäß aus
veröffentlichten und nicht veröffentlichten Schriften entnommen sind,
wurden als solche kenntlich gemacht. Die Arbeit ist in dieser oder
ähnlicher Form noch nicht als Prüfungsarbeit eingerichtet worden.
Karlsruhe, den 20. März 2012
O. E. Edea
Inhaltsverzeichnis
Abbildungsverzeichnis v
Tabelle- und Fotoverzeichnis vi
Abkürzungsverzeichnis vii
Zusammenfassung viii
|
1.
|
Einleitung
|
1
|
|
1.1.
|
Problemstellung
|
1
|
|
1.2.
|
Zielsetzung
|
2
|
|
1.3.
|
Fragestellung
|
3
|
|
1.4.
|
Hypothesen
|
3
|
|
1.5.
|
Aufbau der Arbeit
|
3
|
|
2.
|
Merkmale des Untersuchungsgebiets
|
4
|
|
2.1.
|
Lage des Untersuchungsgebiets
|
4
|
|
2.2.
|
Morphologische und topographische Merkmale von Cotonou
|
4
|
|
2.3.
|
Klimatische Eigenschaften
|
8
|
|
2.4.
|
Demographische Entwicklung
|
9
|
|
3.
|
Wissensstand über Methoden und Daten
|
12
|
|
3.1.
|
GIS-basierte Methoden zur Bestimmung der
Überschwemmungsflächen
|
12
|
|
3.2.
|
Anwendung der Satellitenbilddaten zur Erfassung der
Überschwemmungsflächen
|
14
|
|
3.3.
|
Datengrundlage
|
14
|
|
3.3.1
|
Satellitendaten
|
15
|
|
3.3.2
|
Digitale topographische Karten
|
15
|
|
3.3.3
|
Statistische Daten
|
15
|
|
4.
|
Methodik
|
16
|
|
4.1
|
Anwendung der Satellitenbildverarbeitung zur
Datenbankerstellung
|
16
|
|
4.1.1
|
Klassifizierungsansatz
|
17
|
|
4.1.2
|
Überwachte Klassifizierung
|
17
|
|
4.1.3
|
Visuelle Bildinterpretation
|
19
|
|
4.1.4
|
Genauigkeitsbewertung der Klassifizierung
|
19
|
|
4.1.5
|
Kartierung der Landnutzung
|
21
|
|
4.1.6
|
Digitalisierung der Karten und Analyse der Ergebnisse der
Bildverarbeitung
|
22
|
|
|
|
II
|
iii
4.2 Erstellung des digitalen Geländemodells (DGM) 22
4.3 Erhebung der Wasserstandsdaten 23
4.3.1 Techniken der Messung von Wasserständen 23
4.3.2 Auswertung der gemessenen Wasserstandsdaten 25
4.4 GIS-basiertes Modell zur Bestimmung der räumlichen
Ausbreitung von
Überschwemmungsflächen 26
4.5 Abschätzung der Bevölkerungsdaten des
Untersuchungsgebiets 26
4.6 Abschätzung der Betroffenheit 27
4.6.1 Betroffene Bevölkerung 27
4.6.2 Infrastrukturen und Landnutzung 27
4.7 Abschätzungen der Bevölkerungsdaten 29
5. Faktoren der Betroffenheit durch Überschwemmungen 30
5.1 Natürliche Faktoren 30
5.1.1 Klimatische und hydrologische Bedingungen 30
5.1.2 Topographische und morphologische Bedingungen 31
5.2 Anthropogene Faktoren 31
5.2.1 Siedlungsstandorte 31
5.2.2 Schlechte Verwaltung des Abwasserentsorgungsystems 32
5.2.3 Landnutzung 33
5.2.4 Zusammenhang zwischen Landnutzung und
Überschwemmungen 35
5.3 GIS-basierte Abschätzung der räumlichen
Überschwemmung 35
5.3.1 Bestimmung der Überschwemmungsflächen 36
5.3.1.1 Abschätzung der Wasserstände 36
5.3.1.2 Abgrenzung bestehender
überschwemmungsgefährdeter Gebiete in Cotonou 37
5.3.1.3 GIS-Implementierung der bestimmten
Überschwemmungsflächen 37
5.4 Abschätzung der Betroffenheit 41
5.4.1 Soziale Betroffenheit 41
5.4.1.1 Abschätzungen betroffener Bevölkerung 41
5.4.1.2 Abschätzung betroffener Infrastrukturen 41
5.4.1.3 Analyse der Vulnerabilitäten 43
6. Fazit und Kritik des Ansatzes 45
6.1 Stärken und Schwächen der angewandten Methodik
45
iv
6.2 Ausblick auf vertiefende Arbeiten zur Fragestellung 46
Literaturverzeichnis ix
Anhang xvii
V
Abbildungsverzeichnis
Abbildung 1: Lage der Stadt Cotonou 5
Abbildung 2: Verteilung der oberflächlichen
Sedimentgesteine 7
Abbildung 3: Angabe der durchschnittlichen Regenmenge der
Stadt Cotonou für jeden Monat im
Mittel der Jahre 1961 bis 2000 8
Abbildung 4: Bevölkerungsentwicklung in Cotonou von 1961
bis 2002 9
Abbildung 5: Bevölkerungsdichte pro Arrondissement 11
Abbildung 6: Ausschnitt aus dem Orthofoto des
Untersuchungsgebiets mit den eingegrenzten
Testflächen 19
Abbildung 7: Schematische Darstellung der Messungstechnik
25
Abbildung 8: Vergleich der Klasse Gebäude bei der
pixelbezogenen Klassifikation auf Bildebene
(Bild rechts) und auf dem Originalsatellitenbild (Bild
links). 29
Abbildung 9: Landnutzungskarte des Untersuchungsgebiets 34
Abbildung 10: Sumpfgebiete im Stadtraum von Cotonou 39
Abbildung 11: Wasserhöhe entlang des Nokoue-Sees 40
Abbildung 12: Verteilung der Überschwemmungsbetroffenen
im Untersuchungsgebiet 41
Abbildung 13: Zahl der betroffenen Gebäude Quelle: Eigene
Darstellung 42
Abbildung 14: Länge der betroffenen Straßen 42
Abbildung 15: Ausmaß einer simulierten
Überschwemmung bei Wasserständen des Nokoue-
Sees von ca. 200 cm über Niedrigwasser 44
vi
Tabelle- und Fotoverzeichnis
Tabelle 1: Untergliederung der zu interpretierenden
Großbereiche. 18
Tabelle 2: Die verwendeten Werkzeuge 24
Tabelle 3: Konfusionsmatrix der pixelbasierten Klassifikation
in Prozent 28
Tabelle 4: Aufteilung der Gebäude im digitalisierten
Bereich 30
Tabelle 5: Verteilung der Landnutzung 35
Tabelle 6: Statistik der gemessenen Punkte. 36
Foto 1: Schlammspuren (Pfeil) an der Gebäudefassade 25
Foto 2: Besetzung sumpfiger und regelmäßig
überschwemmter Zonen am Rand Fifadji 32
Foto 3: Verstopfung eines Entwässerungskanals durch
Müll in Minontchou (a) und die
Entleerung des Abfalls in einen Gewässerkanal unter
freiem Himmel in Agbondjèdo (b) 33
VII
Abkürzungsverzeichnis
BF Bas-Fond
DGAT Departement de Geographie et de l'Amenagement du
Territoire /Université
d'Abomey-Calavi
DDEHU Direction Départementale de l'Environnement, de
l'Habitat et de l'Urbanisme.
DHM Digitales Höhenmodell
LSSEE Laboratoire des Sciences des Sols, Eau et
Environnement
DOM Digitales Oberflächenmodell (= DGM, Digitales
Geländemodell)
DPDM Direction de la Prospective et du Développement
Municipal
DPPC Direction de la Prévention et de la Protection
Civile
IGN Institut Géographique National
INSAE Institut National de la Statistique et de l'Analyse
Economique l'Urbanisme
LWI Leichtweiß-Instituts für Wasserbau
PDC Plan de Développement Communal
PDM Partenariat pour le Développement Municipal
SERHAU-SA Société d'Etudes Régionales
d'Habitat et d'Aménagement Urbain
SIG Système d'Informations Géographiques
TIN Triangulated Irregular Network
VIII
Zusammenfassung
Cotonou ist eine Küstenstadt in der subäquatorialen
Zone in Süd-Benin. Die Stadt regelmäßig unterliegt
natürlichen, anthropogen verstärkten Überschwemmungen. Diesen
gegenzusteuern fehlen noch geeignete raumdiskrete Daten. Das Ziel der Arbeit
besteht darin, eine GIS-gestützte Analyse zu verwenden, um die
Betroffenheit der Stadt Cotonou durch Überschwemmungen zu erfassen und zu
analysieren. Diese Untersuchung erfolgt in drei Schritte. An ersten Schritt
wurden Daten gesammelt und so wurde eine GIS-Datenbank für das
Untersuchungsgebiet aufgebaut. Dazu gehören hauptsächlich die
Fernerkundungsdaten (Orthofotos und das Satellitenbild Spot5 vom Jahr 2007) und
die RFU-Datenbank der Stadt Cotonou sowie die gemessenen Wasserhöhen der
Überschwemmung von September 2010. An zweiten Schritt wurden die
Fernerkundungsdaten mit der überwachten Klassifizierungsverfahren
verarbeitet. Weiterhin wurden die Bildverarbeitungsergebnisse in GIS bearbeitet
und dargestellt. An dritten Schritt wurde die Betroffenheit analysiert. In
diesem Schritt wurde versucht, die Betroffene abzuschätzen.
Die Ergebnisse der Arbeit zeigen, dass zwei
Hauptfaktorengruppen die Überschwemmungen in Cotonou verursachen: die
natürlichen Ursachen (topographische Lage, Bodentypen, Relief,
Niederschlagsmenge und extreme Regenfälle) und die anthropogenen Ursachen
(starke Besiedlung der Küstenregion und unkontrollierte Bebauung der
Stadtperipherien sowie der Sümpfe, Versandung des Nokoue-Sees, Fehlen
eines Abwassersystems). Die überschwemmte Fläche wird auf ca. 867 ha
geschätzt. Davon waren 25 % bereits bebaut. Dies muss unvermeidlich zu
Überschwemmungsschäden bei starken Regenfällen führen.
Bezüglich der Regenereignisse von 2010 könnten ca. 28.200 Menschen
als Überschwemmungsbetroffene in den berücksichtigten Stadtteilen mit
der GIS-gestützten Analyse abgeschätzt werden, 31,64 km Straße
wurden überflutet. Die betroffenen Gebäude wurden insgesamt auf ca.
3695 geschätzt.
1
1. Einleitung
Katastrophen aufgrund von Naturereignissen, so genannten
Naturkatastrophen, ereignen sich weltweit mit negativen Auswirkungen auf die
menschliche Lebensqualität sowie auf die ökologischen und
ökonomischen Bedingungen. Dies gilt auch für Überschwemmungen,
von denen die meisten Länder (vgl. Bui, D.V.et Goïta K. 2007:204) in
Asien (China und Vietnam im Jahre 2002), Europa (Frankreich, Deutschland,
Ungarn und die Tschechische Republik im Jahr 2000), Amerika (Venezuela im Jahr
1999, Kanada 1996, USA 2005.) und die meisten afrikanischen Länder (vgl.
Wade 2009) betroffen sind. Davon betroffen sind in Zentralafrika ca. 2
Millionen und in Ostafrika im Januar 2007 etwa 2,6 Millionen Menschen (vgl.
Scheuren J.M. und al. 2007:28). Jährlich gibt es schwere
Überschwemmungen auch in Benin. Im Jahr 2009 waren 43 der 77 Gemeinden des
Landes überschwemmt und 55 im Jahr 2010 (vgl. OCHA-Bénin 2010:2).
Angesichts der Folgen des Klimawandels ist zu befürchten, dass der
Überschwemmungstrend ansteigend ist und bewältigt werden muss, um
steigende soziale und ökonomische Probleme zu vermeiden.
1.1. Problemstellung
Die Bewältigung der Überschwemmungsprobleme
erfordert quantifizierende Analysen. Die meisten der vorliegenden orientieren
sich zum einen an den natürlichen Ursachen der Überschwemmungen, die
vor allem mit meteorologischen Phänomenen verbunden wurden. (vgl. Carry et
Veyret, 1996). Hierbei könnten die Veränderungen der Dürren- und
Regenperioden zu einer Verstärkung der Überschwemmungen führen.
Die Veränderung der Regenmenge in Benin ist beispielweise durch eine
zunehmende Häufigkeit von extremen Regenfällen geprägt (vgl.
Houndakinou 2005, Donou 2007). Im Juni 2009 wurden Regenmengen um etwa 672,8 mm
innerhalb von 23 Tagen gemessen. Im Gegensatz dazu beläuft sich der
monatliche Durchschnitt in der Stadt Cotonou auf 311,9 mm. Dies hat eine
Überschwemmung großen Ausmaßes zur Folge.
Die Stadt Cotonou eignet sich daher, eine derartige, auf der
Fernerkundung und GIS-Anwendung basierende Methode zu entwickeln und
anzuwenden, die bei der räumlichen Analyse der zahlreichen betroffenen
Gebiete angewandt werden kann. Eine solche universelle Perspektive braucht
stets eine methodenorientierte wissenschaftliche Arbeit.
2
Erklärt werden die Überschwemmungen auch durch die
Abflussmenge des Flusses Ouémé und des Wasserspiegels des
Nokoué-Sees in Cotonou. Dadurch tritt jedes Jahr Hochwasser auf, das
eine Bedrohung für viele Stadtviertel darstellt (Gnimagnon 2007: 31). In
den betroffenen Städten bringen die Überschwemmungen verschiedene
Probleme wie Beeinträchtigung der Lebens- und Arbeitsbedingungen sowie
gesundheitliche Probleme hervor (Yangbo Chen 2004:361).
Die Kombination der unabsehbaren Auswirkungen der
Überschwemmungen mit dem schnellen demographischen Wachstum der
afrikanischen Städte mit der massiven Mobilität der Bevölkerung
in die Küstengebiete aus verschiedenen Anziehungsgründen wie
Handelstätigkeit, Freizeit und besseren Lebensbedingungen sind Faktoren,
die die Gefahren für die überschwemmten Gebiete erhöhen. Dadurch
werden zum Wohnen ungeeignete Stadtperipherien in Cotonou besiedelt. Eine
solche chaotische Nutzung der Stadträume setzt die Bevölkerung
unterschiedlichen Risiken aus (Teka, O. Edea E. &. Vogt J. 2008), die
erforscht werden müssen, um die gesellschaftliche Entwicklung zu
sichern.
Diese Aspekte wurden in zahlreichen Untersuchungen
hinsichtlich der Überschwemmungen in der Stadt Cotonou von Accrombessi
(1988), Boukari (2005), Houndakinou (2005), Gnimagnon (2007), Ailo (2010) und
Wallez (2010) untersucht. Diese Autoren hatten sich mit der Problematik der
Überschwemmungen und deren Auswirkungen beschäftigt. Sie versuchten,
sich der Überschwemmungsanalyse mithilfe von sozialwissenschaftlichen
Methoden (Befragungen, Interviews) zu nähern.
Es ist festzustellen, dass der Geoinformationssystem (GIS)-
und Fernerkundungsansatz, die geeignet sind, um solche Analysen angemessen
durchführen zu können (Huggel et al.2010: 206; Bonn ang
Dixon 2005: 380; vgl. Burrough 1986), kaum angewendet wurden. Da die
Überschwemmung vor allem ein räumliches Phänomen ist, erfordert
sie räumliche geeignete Analyseinstrumente. Der Schwerpunkt der
vorliegenden Studie ist daher, durch die GIS-Methoden diese
Forschungslücke zu schließen.
1.2. Zielsetzung
Das Ziel dieser Untersuchung besteht darin, die
Überschwemmung und die daraus resultierende Betroffenheit mittels einer
GIS-gestützten Analyse zu untersuchen. Das Verfahren basiert zum einen
schrittweise auf Standardverfahren und zum anderen auf Systemen der
raumbezogenen
3
Informationsverarbeitung. Es kann in seinen wesentlichen
Prozessschritten automatisiert werden. Daraus ergibt sich eine kartographische
Darstellung der betroffenen Gebiete in Cotonou, die sowohl zur Erfassung der
Zonen als auch zur Kenntnis der verschiedenen Überschwemmungstypen
führen kann. Hierbei wird der GIS- und fernerkundungsbasierte Ansatz
angewandt, um der Frage nach der durch Überschwemmung betroffenen lokalen
Bevölkerung nachzugehen. Folgende Fragen sind damit verbunden.
1.3. Fragestellung
> Welche Faktoren führen zur Überschwemmung in
Cotonou?
> Wie ist der Wasserstand in den
Überschwemmungsgebieten?
> Welche Gebiete sind in Cotonou regelmäßig
überschwemmt?
> Welche Bedingungen führen zur Betroffenheit und wie
lassen sie sich messen?
> Was sind die Nutzungen in den betroffenen Gebieten?
> Wie ist der Zusammenhang zwischen Betroffenheit und Art der
Nutzung?
> Wo liegen die am stärksten betroffenen Gebiete in
Cotonou?
1.4. Hypothesen
Als Hypothesen bezüglich der zu erarbeitenden Resultate
können folgende Aussagen getroffen
werden:
> Eine Ursache-Wirkung-Analyse ist die zwingende Grundlage, um
die Faktoren der
Überschwemmung zu untersuchen.
> Es gibt einen Zusammenhang zwischen Siedlungsdichte und
Betroffenheit.
> Je höher die Bevölkerungsdichte in einem Stadtteil
ist, desto mehr ist er betroffen.
> Es gibt einen Zusammenhang zwischen der Betroffenheit eines
Stadtteils und der
wirtschaftlichen Situation der Bewohner.
1.5. Aufbau der Arbeit
Die vorliegende Arbeit gliedert sich wie folgt:
Im ersten Kapitel der Arbeit wird die Einleitung vorgestellt,
wobei die Problemstellung, die Zielsetzung und die Fragestellung sowie die
Hypothesen präsentiert werden. Im Anschluss daran werden in Kapitel 2 die
Merkmale des Untersuchungsgebiets dargestellt. Dabei werden die topographischen
und demographischen Charakteristika skizziert. Im dritten Kapitel werden der
4
Wissensstand über die Methoden sowie die Datengrundlage
präsentiert. Die Methodik bildet das Thema des vierten Kapitels. Dieses
beschreibt das Verfahren der digitalen Bildverarbeitung und den
Wasserhöhenbestimmungsprozess. Den letzten Punkt des Kapitels stellt die
Abschätzung der Betroffenheit dar. In Kapitel 5 werden die Ergebnisse
dargestellt, die aus den Ergebnissen der Satellitenbildverarbeitung und des
GIS-basierten Modells zur Abschätzung der räumlichen Ausbreitung von
Überschwemmungen sowie Analysen der Vulnerabilitäten bestehen. Am
Ende schließt ein Fazit die Arbeit ab.
2. Merkmale des Untersuchungsgebiets
2.1. Lage des Untersuchungsgebiets
Die Stadt Cotonou liegt im Süden Benins zwischen
6°20' und 6°23' nördlicher Breite und 2°22 und 2°30'
östlicher Länge (s. Abb. 1). Nördlich grenzt die Stadt an den
Nokoue-See, südlich an den Atlantischen Ozean. Die Kommune Abomey-Calavi
begrenzt die Stadt westlich und die Kommune Sèmè-Podji
östlich. 47 % der Gesamtfläche (79 km2) bestehen aus
Niederungen ehemaliger Lagunen, auch Bas-Fonds genannt (Gnimagnon 2007). Die
Stadt wird durch die von der französischen Kolonialverwaltung im Jahr 1885
(N'Bessa 1997) gegrabene Lagune de Cotonou in zwei Teile geteilt, die
eigentlich ein Kanal zwischen dem Meer und dem Nokoue-See ist. Er wurde
gegraben, um den Abfluss des Nokoue-Sees in der Regenzeit zu beschleunigen und
dadurch die Überschwemmungen des Stadtgebiets zu vermindern. Cotonou dehnt
sich auf beiden Seiten von der Lagune de Cotonou auf ungefähr 10 km im
Westen und 6 km im Osten aus.
2.2. Morphologische und topographische Merkmale von
Cotonou
Die Stadt Cotonou befindet sich im sandigen
Küstenstreifen, in dem das Lagunensystem und das lakustrische Flusssystem
Ouémé-Sô in den atlantischen Ozean (s. Abb. 1) münden.
Dieser Küstenstreifen besteht aus alluvialer Sandablagerung mit Höhen
zwischen 1 m und 6,5 m N.N. (Gnimagnon 2007:25). Das hohe Grundwasser wird
jährlich von Regenwasser aufgefüllt. Das Relief des
Küstenstreifens hat zwei Haupteigenschaften:
? Längsdepressionen, die zur Küste parallel verlaufen
und
? Untiefen, die mit dem Nokoue-See verbunden sind, bei Hochwasser
überschwemmt werden und durch den Regenwasserabfluss erodiert werden.
5
Abbildung 1: Lage der Stadt Cotonou
Abbildung 2 (s. Seite7) zeigt die morphologischen
Eigenschaften der Stadt, wobei das Untersuchungsgebiet aus zahlreichen
Niederungen, den so genannten Bas-fonds besteht. Daneben gibt es besonders im
Norden Talwege, die Sumpfzonen darstellen, in die die Gewässer
normalerweise durch funktionelle Abwasserkanäle in der Regenzeit
fließen. Das ziemlich flache Relief wird durch einen sehr schwachen
Abhang in Richtung der Depressionen und des Nokoue-Sees charakterisiert. Der
Nokoue-See, der mit dem Atlantischen Ozean durch die Lagune von Cotonou
verbunden ist, bildet die Mündung der Flüsse Ouémé und
Sô. Seine Fläche variiert je nach Jahreszeit; sie schwankt zwischen
150 km2 in der Trockenzeit und 450 km2 in der Regenzeit
(Daouda et al. 2011:518; Weinzierl 1997). Außerdem bestimmen
ozeanographische Einflüsse den Wasserspiegel. Durch die
küstenparallele Strömung des Meeres wird die Mündung
6
der Lagune de Cotonou regelmäßig versandet und muss
wieder frei gebaggert werden. Wenn dies nicht rechtzeitig erfolgt, führt
der Schlamm bei Hochwasser zu einem Anstieg des Wasserstands im Nokoue-See von
bis zu 1,5 m Höhe (Gnimagnon 2007:26). In Cotonou können drei
Bodentypen unterschieden werden. Es handelt sich um die sandigen Böden
(gelber und grauer Sand), die den Großteil der Stadt bedecken und um die
tonhaltigen und hydromorphe Böden, die sich in den Peripherien wie Vossa,
Anwansori, Ladji, Toweta (Agbo, 1985) befinden. Wenn eine große
Regenmenge fällt, werden diese tonhaltigen und hydromorphen Böden
nach zwei oder drei Wochen überfordert, wobei das Grundwasser sich schnell
aufbläst und die Oberfläche erreicht.
Aus diesen morphologischen und topographischen Merkmalen der
Stadt Cotonou könnte geschlossen werden, dass Cotonou für die
Stadtausdehnung wenig geeignet ist. Die verstreuten Sumpfgebiete der Stadtteile
sind ungeeignet für die Bebauung, da hierbei permanente
Überschwemmungsgefahr für die Menschen besteht (Lavalin 1995).
7
Abbildung 2: Verteilung der oberflächlichen
Sedimentgesteine. Eigene Darstellung nach Oyede 1989
8
2.3. Klimatische Eigenschaften
Ursache der Überschwemmungen sind die regenzeitlichen
Niederschläge. Cotonou gehört zur subäquatorialen Klimazone, die
durch vier Jahreszeiten gekennzeichnet wird:
? eine große Regenzeit von Mitte März bis Mitte
Juli
? eine kleine Trockenzeit von Mitte Juli bis Mitte September
? eine kleine Regenzeit von Mitte September bis Mitte November ?
eine große Trockenzeit von Mitte November bis Mitte März
Das Niederschlagregime steht unter dem Einfluss der Bewegung
der innertropischen Konvergenz (ITC). Die monatlichen durchschnittlichen
Temperaturen variieren zwischen 27 °C und 31 °C und jährlich
gibt es extreme Regenfälle im Mai und Juni. Abbildung 3 zeigt den
jährlichen Verlauf der Regenmengen von 1961 bis 2000.
Abbildung 3: Angabe der durchschnittlichen Regenmenge
der Stadt Cotonou für jeden Monat im
Mittel der Jahre 1961 bis
2000
Quelle: nach ASECNA, 2006
9
2.4. Demographische Entwicklung
Das starke Wachstum der Bevölkerungszahl von Cotonou (s.
Abb. 4) wird sowohl durch die natürliche Zunahme als auch durch die
Migration begünstigt. Nach INSAE (2003) hatte die Stadt eine Wachstumsrate
von bis zu 7,7 % zwischen den Jahren 1961 und 1979 erlebt. Diese verminderte
sich um 5,4 % zwischen 1979 und 1992 und um 2,17% zwischen 1992 und 2002.
Obwohl die Wachstumsrate abnahm, nahmen die absoluten Werte der
Bevölkerungszahl zu. Laut der letzten Volkszählung in Benin (INSAE
2003) hatte Cotonou im Jahr 2002 ca. 665.100 Einwohner, was ungefähr 10 %
der Bevölkerung des Landes und einer Bevölkerungsdichte von 8.420
Einwohnern pro km2 für das Jahr 2002 entsprach. Die zunehmende
Konzentration der Bevölkerung in Cotonou liegt besonders daran, dass die
Stadt im Vergleich zu den übrigen beninischen Städten wirtschaftlich
hoch entwickelt ist.
Abbildung 4: Bevölkerungsentwicklung in Cotonou
von 1961 bis 2002
Quelle: nach INSAE/RGPH3 Februar 2002
10
Wenn dieser Wachstumstrend anhält, werden im Jahre 2025
voraussichtlich über eine Million Menschen (INSAE 2003) in Cotonou wohnen.
Aufgrund der dargestellten ungeeigneten räumlichen Bedingungen und
aufgrund der unsicheren sozioökonomischen Situation der Bevölkerung
stellt sich die Frage, wie die Bevölkerungszahl bei Überschwemmungen
zukünftig untergebracht werden kann, da es einen Mangel an geeigneten
räumlichen Daten als Grundlage für die Planung gibt. Abbildung 5 (s.
Seite11) zeigt die räumliche Bevölkerungsdichte in den verschiedenen
Arrondissements von Cotonou. Die höchsten Bevölkerungsdichten findet
man in 6. Arrondissement mit 182,12 Einwohner/km2, gefolgt vom 3.
und 8. Arrondissement mit jeweils 173,88 und 153,93
Einwohner/km2.
11
Abbildung 5: Bevölkerungsdichte pro
Arrondissement
Quelle: Eigene Darstellung
12
3. Wissensstand über Methoden und Daten
Um den aktuellen Stand der Forschung zu erfassen, wurde eine
Literaturrecherche durchgeführt. Dabei lag der Schwerpunkt auf den
Methoden, die sich mit GIS und Fernerkundungstechnik befassen. Diese
Literaturrecherche fand in zwei Schritten statt. Zuerst wurde sie Im
KIT-Katalog der KIT-Bibliothek und im Internet durchgeführt. Als
Literatur-datenbanken wurden der Karlsruher Virtuelle Katalog«,
Réseaux Télédétection von Agence Universitaire de
la Francophonie, African Journals OnLine und Online Access to Research in the
Environment verwendet. Die Begriffe wurden auf drei Sprachen gesucht: Deutsch
(Überschwemmung und GIS oder Hochwasser in Stadtgebiet), English (Coastal
Urban Flood and GIS/Remote sensing) und Französisch (Inondation urbaine et
SIG/télédétection). Die Strategie der Literaturrecherche
bestand darin, die Suche nach Titeln, Schlüsselwörtern oder durch
Kombination von Schlüsselwörtern zu gestalten., In Benin wurde die
Literaturrecherche dann in verschiedenen Forschungsinstitutionen wie dem
Département de la Géographie et Aménagement du
Territoire (DGAT, Departement der Geographie und Raumordnung der
Universität Abomey-Calavi), den Dokumentationsstellen der Direction de
la Prévention et de la Protection Civile (DPPC, Direktion für
Vorbeugung und Katastrophenschutz), dem Laboratoire des Sciences
des Sols, Eau et Environnement (LSSEE, Laboratorium der Bodenwissenschaften,
Wasser und Umwelt) und den Dokumentationsstellen des Mairie de Cotonou
weitergeführt. Im Folgenden werden die wichtigsten Erkenntnisse der
Recherche zusammenfassend dargestellt.
3.1. GIS-basierte Methoden zur Bestimmung der
Überschwemmungsflächen
Zahlreiche Studien befassen sich mit GIS-Ansätzen zur
Kartierung und Abschätzung des Ausmaßes sowie der räumlichen
Lage von Überschwemmungsflächen. Dabei werden einige Stärken und
Schwächen der GIS-Ansätze erläutert.
Geeignet sind GIS-Ansätze für die Kartierung des
potenziellen Vulnerabilitätsgebiets durch Übertragung der
physikalischen, soziokulturellen, wirtschaftlichen und demographischen Daten in
ein GIS-System (vgl. Kumar 2005) für die Identifizierung der
überschwemmungsgefährdeten Gebiete (Venkata Bapalu.G und Rajiv Sinha
2005, Richard Leiner 2002). Allerdings erfordert die Überflutungsanalyse
weitere technischen Vorarbeiten wie digitale Geländemodelle (Richard
Leiner 2002).
13
Im Rahmen des europäischen Forschungsprogramms EUREKA
wurde das Modell RisUrSim entwickelt, um die Simulationsanforderungen der
urbanen Überflutungen mit Fokus auf den unterschiedliche
Oberflächenabfluss (von Dächern, Straßen, Gehwegen) und dessen
möglicher Wechselwirkung zu analysieren (vgl. LWI 2008). Für die
Simulation der Überflutungsflächen wird eine detaillierte
physikalische Beschreibung der Oberflächen benötigt. Zur Verarbeitung
anderer spezifischer Daten ist hier auch erforderlich, dass das GIS
weiterentwickelt werden muss (LWI 2008:16).
Snell (2002), Vieux (2004), Krysanova et al. (1998) und Liu
(2006) haben die Bedeutung von räumlich verteilten Modellen durch den
Einsatz des Geoinformationssystems aufgezeigt. Nach LWI (2009:19)
ermöglichen GIS-Anwendungen eine geeignete Aufbereitung und Nutzung
räumlich verteilter Daten wie Landnutzungsdaten sowie die Verwendung
digitaler Geländemodelle, aus denen zahlreiche
überschwemmungsrelevante Informationen wie Hangneigung und
Überflutungsgebiet abgeleitet werden können.
Richard (2002) empfiehlt den Einsatz des
Geoinformationssystems zur Erfassung von Überschwemmungsflächen. In
einer weiteren Untersuchung hat Benedikt (2005:18) die Analyse und Bewertung
der Risiken von Naturereignissen (wie Überschwemmungen) und
Technikgefahren auf regionaler Ebene durchgeführt. Die Arbeit folgt im
Wesentlichen nach einer vorhandenen Methode der Risikoanalyse, um anhand eines
Fallbeispiels die praktische Anwendung und Methodik zu überprüfen und
weiterzuentwickeln. In groben Zügen werden unterschiedliche Gefahren und
die daraus resultierenden erhöhten Risiken für verschiedene
Teilräume untersucht. Es fand mithilfe von GIS eine Analyse der Wirkung
und der Beziehung zwischen den verschiedenen Gefahren und Risiken statt. Der
gewonnene Überblick über die unterschiedlichen Gefahren- und
Risikobereiche kann eine Grundlage für notwendige Vorsorge-und
Maßnahmenplanungen darstellen.
In der nationalen Literatur von Benin gibt es fast keine
Arbeiten, die den Geoinformationssystem-Ansatz bei der Analyse der
Überschwemmungen benutzt haben. Die wenigen Studien, die den GIS-Ansatz
angewandt haben, verarbeiten sozialwissenschaftliche Methoden (Befragungen,
Interviews).
14
3.2. Anwendung der Satellitenbilddaten zur Erfassung
der Überschwemmungsflächen
Die Anwendung von Satellitenbilddaten erfolgt mit
Fernerkundungsverfahren. Die Technik besteht darin, die spektralen
Eigenschaften der Überschwemmungsgebiete auf den Satellitenbildern durch
einen geeigneten Algorithmus zu übertragen. Dieses Verfahren erlaubt
einerseits, eine räumliche und punktuelle Information über die
Ausdehnung der Überschwemmungsgebiete zu liefern, und andererseits, die
sich daraus ergebenden Vulnerabilitäten abzuleiten. Beispiele dieses
Verfahrens finden sich bei Henry (2004), Sanyal, 2005; Pradhan 2009; Wade et
al, 2009 und Thilagavathi (2011). Diese unterschiedlichen Beiträge haben
die Ausbreitungen und Auswirkungen von Überschwemmungen erfasst. Andere
haben durch dieses Verfahren die Grenzen der Überschwemmungsgebiete
bestimmt (Imhoff et al.1987, Liu et al. 2002, Vinu Chandran
et.al 2006, L. T. K. Ho
et.al 2010). Weitere Autoren (Lee et.
al,1998, Sauri-Pujol et al. 2001, Oloukoi, Mama et Agbo (2003), Köberle
2006,) haben Landnutzungsflächen und die Vegetation durch das
Fernerkundungsverfahren erfasst.
Um das Ziel der vorliegenden Forschungsarbeit zu erreichen,
bedarf es am besten Radarbilddaten oder anderer Satellitenbildern, die
während der Überschwemmung aufgenommen wurden. Solche Daten fehlen in
den meisten Entwicklungsländern bzw. in Benin oder sie wurden - wenn sie
vorhanden sind - erst nach dem Ereignis aufgenommen. Die Aufnahme im sichtbaren
Spektrum ist schon dadurch ungeeignet, weil die Oberflächen durch die fast
permanente Wolkendecke maskiert sind. Durch die damit verbundenen fehlenden
Daten ist es schwierig, eine vollständige Analyse durchzuführen, ohne
eine passende Methodik entwickeln zu können. Es bedarf also einer
Methodik, die flächenhaften Fernerkundungsdaten zu substituieren. Diese
Methodik basiert in dieser Arbeit auf empirischen Untersuchungen zur
Überschwemmungsflächenerfassung. Es soll gezeigt werden, dass sich
zahlreiche Fragestellungen zur Betroffenheit bei einer Überschwemmung
bereits mittels Überschwemmungsflächenkartierungen und
Geländebegehungen beantworten lassen.
3.3. Datengrundlage
Für diese Untersuchung, die sich mit der Betroffenheit
durch Überschwemmungen beschäftigt, sind raumbezogene und
sachbezogene Daten erforderlich, die von unterschiedlichen Institutionen
eingesetzt werden.
15
3.3.1 Satellitendaten
Die in dieser Studie benutzten Bilddaten sind farbige
Orthofotos. Sie haben Bodenauflösungen von 0,5 m und sind hervorragend
geeignet, um die örtliche Situation übersichtlich und detailliert
darzustellen. Sie wurden April 2010 aufgenommen und vom Institut
Géographique National (IGN Cotonou) zur Verfügung gestellt. Sie
stehen in panchromatisch (PAN) und in Farbe (RGB) zur Verfügung. Sie
zeigen keine deutlichen Überschwemmungsausprägungen, sodass spektrale
Merkmale zur Charakterisierung der Überschwemmung nicht eindeutig
erscheinen. Dieses Problem kann zum Teil durch eine präzise Kenntnis der
Topographie und der Wasserstände gelöst werden.
3.3.2 Digitale topographische Karten
Die topographische Karte (carte topographique feuilles de
Porto-Novo 1c et 2c de 1968, couverture aérienne verticale de 1956-57)
im Maßstab 1:50.000 und die Stadtpläne im Maßstab 1:15.000 und
1:10.000 vom IGN-France wurden in der vorliegenden Arbeit als Grundlagendaten
im Rahmen der Überschwemmungskartierung benutzt. Sie werden zur Gewinnung
der Passpunkte im Rahmen der Georeferenzierung der Satellitendaten und
Generierung eines digitalen Geländemodells verwendet. Diese Karten lagen
sowohl in analoger als auch in digitaler Form vor. Sie enthalten Angaben
über das Wegenetz, die Flüsse, die Landnutzungsform sowie über
die Lage der Wohngebiete. Weiterhin sind auf dem Stadtplan im Maßstab
1:10.000 Höhenangaben in Form von Konturlinien im Abstand von 1 m
enthalten. Die Höhenlinien aus diesem digitalisierten Stadtplan werden
extrahiert und mithilfe von VerticalMapper in ein digitales Geländemodell
gerechnet.
3.3.3 Statistische Daten
Für die vorliegende Arbeit wurden statistischen Angaben
aus dem Registre Foncier Urbain (RFU) von Cotonou entnommen. RFU ist
ein Grundinformationssystem, das im Rahmen der Dezentralisierung in einigen
Städten wie Cotonou eingesetzt wurde. RFU hat zum Ziel, den
Kommunalbehörden zu helfen, damit ihre Mittel und ihre
Handlungsmöglichkeiten gesteigert werden können, um die Anforderungen
der Stadtentwicklung zu bewältigen. RFU basiert auf:
? einer digitalisierter Parzellenkarte, die durch IGN-Benin im
Maßstab 1:2000, ausgearbeitet auf Basis einer Luftfotografie der Stadt im
Maßstab der 1:10.000 e.
16
? einem Adressierungssystem, das sich aus zwei Zusatzmodulen
zusammensetzt:
o einer geo-kodifizierten Adresse (Viertel/Zone, kleine Inseln
und Parzellen)
o einer Postadresse (Straßen und Eingänge von
Parzellen)
Die Datenbank der Stadt umfasst mehrere Informationsschichten
(Wohnungswesen«, Ausstattungen«, öffentliche Dienste«,
Netze«, Aktivitäten«, Demographie«. Umwelt«.), die die
Entwicklung spezifischer Anwendungen erlaubt. RFU wurde von SERHAU-SA
durchgeführt. Um die Anzahl der Bevölkerung des Untersuchungsgebiets
zu haben, wurden zwei Quellen genutzt. Es geht um die RFU-Datenbank und die
sich aus der Orthofotos abgeleiteten Bevölkerungsanzahl.
4. Methodik
Das Ziel besteht im Aufbau einer Datenbank zur Analyse der
Überschwemmungen. Raum- und sachbezogene Daten, die dafür
erforderlich sind, stammen aus verschiedenen Quellen. Hierbei wurden Orthofotos
und Topographiedaten ausgewertet. Zum einen wurden Orthofotos verwendet und zum
anderen wurden Daten durch primäre Datenaufnahme im Gelände gewonnen.
Zur Auswertung der Orthofotos wurde eine pixelbasierte überwachte
Klassifizierung beruhend auf Beispielgebieten eingesetzt. Diese stellt eine
einfache und schnelle Methode einer objektorientierten Klassifikation dar
(Köberle 2010). Weitere Informationen wie Kontrollangaben zur
Bildverarbeitung erfolgten durch eine visuelle Interpretation der zu analogen
Farbkompositen umgewandelten Digitaldaten. Weiterhin wurde die
Geländebegehung angewandt, um nicht nur die fernerkundungsbasierte
Landnutzungskartierung zu kontrollieren, sondern auch, um die
Wasserhöhendaten zu erheben. Die Datenauswertungsverfahren werden
ausführlich in den folgenden Schritten beschrieben.
4.1 Anwendung der Satellitenbildverarbeitung zur
Datenbankerstellung
Die Verarbeitung der Orthofotos besteht darin, diese
geometrisch korrekt und thematisch adäquat zusammenzustellen. Dazu
gehören die geometrische Korrektur, die Georeferenzierung und die
Bildverbesserung sowie die Klassifizierung. In dieser Arbeit liegt der
Schwerpunkt auf der Klassifizierung. Die vorhandenen Orthofotodaten wurden
bereits geometrisch korrigiert und georeferenziert. Dies ist für die
vorliegende Arbeit notwendig, da die Satellitendaten in ein geographisches
Informationssystem (GIS) integriert werden müssen. In dieser
Untersuchung
17
wurden dazu die Software ENVIE 4.7 und Erdas 9.2 für
Ortofotobilder und ARCGIS 10 und MapInfo 10 für die GIS-Analyse
genutzt.
4.1.1 Klassifizierungsansatz
Das Ziel der Klassifizierung von Satellitenbildern bzw.
Orthofotos besteht darin, ein Maximum an Informationen zu gewinnen. Mit der
Klassifizierung können Flächen mit ähnlichen Merkmalen bestimmt
und Bilder thematisch wiedergegeben werden. Zwei Klassifizierungsarten lassen
sich unterscheiden: die überwachte und die unüberwachte
Klassifizierung. Um die überwachte Klassifizierung durchführen zu
können, werden zuerst Trainingsgebiete festgelegt, die aus Flächen
gleicher Struktur bestehen. Mithilfe dieser kleinen Gebiete wurde beispielweise
die Struktur von Gebäuden auf den gesamten Satellitenbildern erkannt und
diese somit auch klassifiziert. Bei der unüberwachten Klassifizierung wird
kein Trainingsgebiet benötigt. Die Pixel werden in Spektralklassen
automatisch zugeordnet (vgl. Helge Moritz, 2003; Idbraim, 2009:16).
Im Rahmen dieser Arbeit wurde die überwachte
Klassifizierungsmethode angewandt. Die unüberwachte Klassifizierung wurde
im Vorfeld als Beurteilungskriterium für die spektrale Homogenität
der ausgewählten Trainingsgebiete bzgl. der Gebäudeklassen genutzt.
Zur Durchführung der unüberwachten Klassifizierung wurde das
Verfahren Isodata (Jensen,1996; Ball et Hall 1965) angewandt. Es
ermöglicht im Laufe der Iterationen die Verbindung zwischen nahen Pixeln,
die Verteilung einer Gruppe von Bildelementen, die eine hohe Varianz haben, und
die Beseitigung von kleinen Bildelementen (Idbrahim 2009:22). Für die
überwachte Klassifizierung wurde der Maximum-Likelihood-Ansatz angewandt,
weil dieses Verfahren als zuverlässige Analysemethode sehr anerkannt ist
(Köberle 2006; Blaschke 2000; Campell 1996; Richards & Jia 1999). Um
die Ergebnisse aus den pixelbasierten Klassifikationen zu verbessern, wurden
sie einer visuellen Interpretation unterzogen. Damit wurden vor allem die
Trainingsgebiete festgelegt.
4.1.2 Überwachte Klassifizierung
Vor dem eigentlichen Klassifikationsprozess war eine
Trainingsphase erforderlich, indem eine Reihe geschlossener Polygone auf dem
Orthofoto markiert wurden. Diese stellen Testgebiete für die verschiedenen
Trainingsklassen (s. Abb. 6) dar. Um Trainingsgebiete für die Klasse
18
Gebäude« auszuweisen, wurden beispielsweise im
Orthofoto Flächen gesucht, bei denen es sich sicher um Dächer
handelt, und diese wurden dann als Polygonvektoren in das System eingegeben.
Die spektralen Werte dieser Trainingsgebiete wurden danach bei der
Maximum-Likelihood-Klassifizierung im gesamten Orthofoto überprüft
und entsprechend der größten Wahrscheinlichkeit den einzelnen
Klassen der Trainingsgebiete zugeordnet.
In dieser Klasse Gebäude« werden ebenfalls die
Häuser mit unterschiedlichen Dachmaterialien zusammengefasst (s.Tabelle
1). So gibt es Dächer aus Dachbeton (G1), Wellblech (G2) und Dachziegeln
(G3). Die Klasse Straßen« umfasst asphaltierte (S1), gepflasterte
(S2) und sandige Straßen sowie Wege (S3). Die Klasse Vegetation«
(Vg) umfasst Flächen mit Bäumen, Wiesen oder Parks/Parkanlagen. Nach
Festlegung der notwendigen Trainingsgebiete erfolgt die Klassifizierung. Die
Überprüfung der Klassifizierung erfolgte anhand der
Genauigkeitsbewertung.
Tabelle 1: Untergliederung der zu interpretierenden
Großbereiche.
|
Klassen
|
Beschriftung
|
Beschreibung
|
|
Gebäude
|
G1
|
Dachfläche aus Beton
|
|
G2
|
Dachfläche aus Wellblech (weiß oder blau)
|
|
G3
|
Dachziegel
|
|
G4
|
Dachfläche aus Lehm
|
|
Straßen
|
S1
|
asphaltierte Straße
|
|
S2
|
Gepflasterte Straße
|
|
S3
|
sandige Straßen und Wege
|
|
Vegetation
|
Vg
|
Flächen mit Bäumen oder Wiesen
|
Eigene Darstellung
19
Abbildung 6: Ausschnitt aus dem Orthofoto des
Untersuchungsgebiets mit den eingegrenzten
Testflächen. Eigene
Darstellung aufgrund des Luftbildes
Die Buchstaben mit Ziffern (G3, S3...) bezeichnen die
Trainingsgebiete. Aufgrund der Pixel eines Trainingsgebietes erfolgt die
Berechnung der spektralen Signatur als Grundlage für die
Klassifizierung.
4.1.3 Visuelle Bildinterpretation
Die visuelle Interpretation besteht darin, das Orthofoto
auszuwerten, indem die Objekte auf dem Bild aufgrund von zusätzlichen
erfahrungsbasierten Informationen wie Textur, Struktur, Form, Kontext und
Reflexion bestimmt werden (Albertz 2001: 126.; Hildebrandt 1996: 291). Hier
spielt auch der Kenntnisstand den Luftbildinterpreten über das
Gelände und dessen Beschaffenheit sowie die Erfahrung des Interpreten eine
wichtige Rolle (vgl. Albertz J. 2007).
In dieser Arbeit wurde die visuelle Interpretation in zwei
Phasen durchgeführt. Zuerst wurden die Objekte erkannt. Als
zusätzliche Informationsquelle zum Orthofoto wurde der Stadtplan
(1:15.000) für die visuelle Interpretation genutzt. Die Gebäude
wurden als Flächen digitalisiert und in drei Klassen unterteilt.
4.1.4 Genauigkeitsbewertung der Klassifizierung
Nach der Klassifizierung wurde eine Konfusionsmatrix
berechnet. Sie hatte zum Ziel, die Korrektheit der Klassifikation im
Zusammenhang mit den Trainingsgebieten zu kontrollieren. Auf Basis der
Konfusionsmatrix konnten verschiedene Genauigkeitsindikatoren (lokal und
global) bestimmt werden, die die Beziehungen zwischen den Trainingsgebieten und
dem
20
Klassifikationsergebnis verdeutlichten (vgl. Zhou 2001). Die
wichtigsten Indikatoren waren die Gesamtgenauigkeit und der Kappa-Parameter.
· Die Gesamtgenauigkeit (Overall Accuracy - OA)
bildet das Verhältnis von korrekt klassifizierten Bildpixeln zur
Gesamtzahl aller betrachteten Pixel ab. Nach Congalton & Green, 1999: 4
lautet die Formel:
wobei
Nii = Summe der richtig klassifizierten Pixel (in Reihe
i und Spalte i), K = Anzahl der Klassen
N = Gesamtzahl der Pixel der Referenzdaten
· Kappa ist eine Kenngröße
zur Bewertung der Gesamtgenauigkeit (Jamil 2010:50). Dadurch kann die
Qualität abgeschätzt werden, die sich weiter aus der Differenz
zwischen den richtig klassifizierten Pixeln und nicht korrekten
Übereinstimmungen berechnen lässt (Jamil 2010: 52; vgl. Cohen 1960;
Hudson & Ramm 1987). Kappa wird nach folgender Formel berechnet:
wobei
r = Anzahl der Zeilen der Fehlermatrix
xii = Anzahl der Pixel in der Diagonalen (korrekt
klass.) xi+ = Summe aller Pixel einer Zeile (klassifizierte Werte)
x+ = Summe aller Pixel einer Spalte (Referenzdaten) n = Summe aller
Pixel der Matrix
21
Der Kappa-Koeffizient kann unterschiedliche Werte zwischen -1
bis 1 annehmen. Wenn er komplett mit der Klassifizierung und den Referenzdaten
übereinstimmt, beträgt er 1, bei keiner Übereinstimmung -1.
Dieser Wert wird in der Literatur unterschiedlich bewertet (Jamil 2010). Es
wurde herausgefunden, dass ein Kappa-Koeffizient von über 0,8 ein sehr
hoher Wert der Übereinstimmung ist (vgl. Altmann 1991). Landis & Koch
(1997) haben für den Kappa-Koeffizienten drei Kategorien definiert:
· ausgezeichnet : 0,81 - 1
· sehr gut: 0,61 - 0,8
· gut: 0,41 - 0,6
Ortiz et al. (1997) erstellte folgende Skala:
< 0,0 Sehr schlecht
0 bis 20 Schlecht
20 bis 40 Akzeptabel
40 bis 60 Gut
60 bis 80 Sehr gut
80 bis 100 Ausgezeichnet.
Für die vorliegende Arbeit wurde die Skala von Ortiz et al.
als Referenz verwendet, weil diese
mehr Klassen als diejenige von Landis & Koch (1997)
besitzt.
4.1.5 Kartierung der Landnutzung
Ziel ist es, die dominierende Nutzungsklasse zu erfassen, um
deren Betroffenheit im Überschwemmungsprozess in Cotonou zu bestimmen. Auf
Basis der Nutzungsklasse wurde - auch mithilfe der topographischen Karte - die
räumliche Darstellung der Vulnerabilitäten erarbeitet. Für die
Kartierung der Landnutzung wurde das im Jahre 2007 aufgenommene Satellitenbild
SPOT5 mit Auflösung von 10 m benutzt. Andere Informationen wie die
Verwaltungsgrenze wurden auf der topographischen Karte aus dem Jahr 1963 mit
Maßstab 1:50000 und dem, Stadtplan von Cotonou in Maßstab 1:15000
digitalisiert.
Die Vorgehensweise hat darin bestanden, einerseits das
Satellitenbild zu verarbeiten und die topographische Karte zu digitalisieren
und anderseits die Analyse der Ergebnisse damit zu
22
verschneiden. Das Satellitenbild wurde bereits geometrisch
korrigiert und georeferenziert. Allerdings wurden Kontrollpunkte auf der
topographischen Karte hervorgehoben, um die Genauigkeit der Georeferenzierung
zu überprüfen. Die Verwaltungsabgrenzung wurde durch die Darstellung
der Verwaltungsgrenzen auf dem Bild eingesetzt. Die überwachte
Klassifizierung wurde auf diesem Bild mit dem Algorithmus des
Maximum-Likelihood durchgeführt. Hier wurden auch die Trainingsgebiete
festgelegt. Mit der Hilfe der visuellen Interpretation des Farbbildes wurden
die Landnutzungsklassen bestimmt. Die Trainingsgebiete berücksichtigen
alle Klassen. Während der Geländearbeit wurde jedes Trainingsgebiet
unter dem thematischen Gesichtspunkt beschrieben.
4.1.6 Digitalisierung der Karten und Analyse der
Ergebnisse der Bildverarbeitung
Die Verwaltungsgrenzen auf dem Stadtplan und die
Wohnungsgebiete auf der topographischen Karte wurden digitalisiert. Dieser
Prozess hat zu Flächenberechnungen, Maßstabänderungen sowie
Vergleichen zwischen dem Anfangszustand von 1963 und dem derzeitigen Zustand
geführt. Die Analyse der Ergebnisse wurde diachronisch durchgeführt.
Die aus der Bildverarbeitung der Satellitenbilder gewonnenen Ergebnisse wurden
mit der topographischen Karte von 1968 verglichen. Dieser Vergleich wurde durch
Verfahrensweisen automatischer Überlagerung und der Flächenberechnung
durchgeführt. Die Flächenberechnung wurde in ERDAS durchgeführt.
Die Ergebnisse der Flächenberechnung für jede Klasse sind in Tabelle
5 dargestellt.
4.2 Erstellung des digitalen Geländemodells
(DGM)
Das DGM bieten eine kontinuierliche« Darstellung des
Reliefs (Renaud 2006: 28). Es kann mit regelmäßigen oder
unregelmäßigen Maschen wie z. B. TIN (Puech 2000: 47) dargestellt
werden. Für die Erstellung des digitalen Geländemodells wurde zuerst
ein TIN (Triangulated Irregular Network) Model mithilfe von Höhenlinien
sowie von Höhenpunkten erstellt, die der digitalen topographischen Karte
entnommen wurden. Dabei wurden die Höhenlinien auf der topographischen
Karte 1:10.000 digitalisiert. Danach wurden darauf die Höhenpunkte
erzeugt, die nur als einfaches Textdokument gespeichert wurden. Diese letzten
wurden in MapInfo geladen und als Punkte berechnet. Sie hatten ein Attributfeld
Höhe«, in dem jeweils die zugeordnete Höhe enthalten war. Aus
den Höhepunkten ließ sich über den Grid mittels
Vertical
23
Mapper ein Rasterbild mit den hinterlegten Höhen
erstellen. Danach wurde das DGM mit der Rastergröße von 1 m aus dem
TIN (Triangulated Irregular Network)-Modell abgeleitet.
Für die vorliegende Untersuchung lieferten das digitale
Geländemodell (DGM) und die daraus abgeleiteten Informationen wie
Hangneigung und Exposition wichtige Informationen, die eine große Rolle
bei der Hochwasseranalyse und somit bei der Betroffenheitsanalyse spielen.
4.3 Erhebung der Wasserstandsdaten
4.3.1 Techniken der Messung von Wasserständen
Unter Wasserstand wird nachfolgend diejenige maximale
Wasserhöhe verstanden, die am Ende eines Regenfalls am Gebäude
erreicht wurde. Wasserstände werden regelmäßig an
ausgewählten Vorflutern mit Pegeln bestimmt. Im vorliegenden Fall werden
jedoch flächenhafte Wasserstandsdaten benötigt. Die Erhebung der
Daten zum Wasserstand ist prinzipiell durch bestehende Informationssysteme
administrativer und statistischer Register der öffentlichen Verwaltung
möglich. Aber die amtlichen Angaben stehen nicht immer zur Verfügung
oder sie sind, falls vorhanden, nicht oder nicht mehr zutreffend (Ailo 2010)
oder haben nicht die erforderliche Genauigkeit. In Cotonou wird die Bedingung
der hohen Genauigkeit und der Datenaktualität nicht erfüllt.
Daher wurde die Technik der Feldbegehung angewandt, um
sichere Daten zur Wasserhöhe als flächenhaften Datensatz zu erfassen.
Bei der Pegel-Technik kann ein Messgerät zur Feststellung des
Wasserstandes benutzt werden. In diesem Fall bezeichnet der Wasserstandsbegriff
die Höhe des Wasserspiegels über dem Pegelnullpunkt und wird nicht
nur nach Überschwemmungsereignissen verwendet, sondern dauerhaft.
Dauerhaft registrierende Pegel für die Überschwemmung im Jahr 2010
sind in Cotonou nicht verfügbar zudem fanden die Messungen nicht in der
Regen-, sondern in der Trockenzeit nach Ablaufen des Hochwassers statt.
Alternativ wurden die Spuren des maximalen Hochwassers
verwendet. Diese Technik wurde auch von anderen Autoren angewandt (Paquier,
Tanguy, Haider, & Zhang 2002; Maronna 2005). Es handelt sich um eine
Technik, die sich auf Spuren stützt, die auf Mauern oder Umfassungsmauern
als Folge des stehenden Wassers zurückbleiben. Um die Messung
durchzuführen, wurden die dargestellten Methoden benutzt. Die Aufgabe
besteht darin, eine Bezugshöhe auch dort zu haben, wo Höhenmesspunkte
fehlen. Die Methode besteht darin, dass
24
die Wasserstände an den Wänden zwischen zwei
Gebäuden identifiziert wurden. Zweitens wurden die höchsten Spuren
durch einen Strick verbunden. Drittens wurde die Mitte des Stricks
berücksichtigt, um den approximativen Wasserstand zu nähen. Die
Länge des Abstands zwischen Boden und der höhere Strickpegel ist der
Wasserstandpegel. Die Straße hat hierbei die Rolle eines topographischen
Profils gespielt, weil sie die am ehesten nivellierte Fläche des
Geländes geboten hat. Auf einer Mauer kann man zwei Grenzen unterscheiden,
die den Wasserstand ermitteln lassen. Es handelt sich um die obere Grenze und
die niedrigere Grenze. Die obere Grenze ist leichter identifizierbar im
Vergleich zur niedrigeren Grenze. Die Tabelle 2 zeigt die verwendeten
Werkzeuge.
Tabelle 2: Die verwendeten Werkzeuge
Werkzeuge
|
Beschreibung
|
Stadtplan
|
Er hatte den Maßstab 1/15.000 und diente dazu, die Lage
der Punkte zu finden, die gemessen wurden.
|
Bandmaß
|
Es hatte eine Länge von 100 m und diente zur Ermittlung
der Wasserhöhe.
|
Strick
|
Zwei Stricke wurden verwendet. Jeder hatte eine Länge
von 300 m und sie dienten dazu, die Punkte der Wasserhöhen auf beiden
Seiten einer Straße zu verbinden.
|
GPS eTrex® 10
|
Es wurde zur Bestimmung der Koordinaten zwischen den
Messungsstationen angewandt.
|
Messungsblatt
|
Es diente dazu, die gemessenen Daten aufzuschreiben und
topographische Einzelheiten der Station zu beschreiben.
|
digitaler Fotoapparat
|
Er diente dazu, die erfasste Situation zu dokumentieren.
|
|
25
Foto 1: Schlammspuren (Pfeil) an der
Gebäudefassade
Quelle: Felddaten, Februar 2011
Wasserhöhe
niedrigere
Grenze
höhere
Grenze
Abbildung 7: Schematische Darstellung der
Messungstechnik
Quelle: Eigene Darstellung
Abbildung 7 zeigt die Messtechnik der Wasserhöhe in einigen
Punkten. Die Wasserhöhe entspricht der Mittelhöhe zwischen den beiden
Häusern. Der Messwert nähert sich der durchschnittlichen
Höhe.
Insgesamt wurden 157 Punkte vermessen. Diese gemessenen
Wasserstände erlauben, die Ausdehnung des Wassers bei den
Überschwemmungen vom September 2010 zu erfassen.
4.3.2 Auswertung der gemessenen Wasserstandsdaten
Die erste Messung basiert auf der Technik der Diagonalen. Um die
daraus gewonnenen Daten auszuwerten, wurde die Wasserhöhe direkt an den
Mauern gemessen. Der Durchschnitt der zwei
Messungen wurde aggregiert und mit den vorherigen Messungen
verglichen, um Abweichungen sowie die Varianz festzustellen.
4.4 GIS-basiertes Modell zur Bestimmung der
räumlichen Ausbreitung von Überschwemmungsflächen
Ein GIS-basiertes Modell ist erforderlich, um die
Wasserfläche und die Überschwemmungsauswirkungen bestimmen zu
können. Die gewonnenen Wasserstandsdaten aus dem Geländemodell wurden
mithilfe des VertcalMapper-Algorithmus in MapInfo implementiert und in
Polygone umgewandelt. Die Überschwemmungsflächen sind diejenigen, die
aufgrund ihrer relativen Höhenlage bei einer bestimmten absoluten
Wasserhöhe als potenzielle Überschwemmungsflächen infrage
kommen. Die Simulation dieser Flächen erfolgt durch die Übertragung
der aus den relativen Wasserhöhendaten abgeleiteten Flächen über
das DGM und durch die Bearbeitung im Grid-Format. Die gewonnenen Grids wurden
in Vektoren umgewandelt und in Karten dargestellt.
Es wird davon ausgegangen, dass die Wasseroberfläche der
Überschwemmung horizontal ist, die relative lokale
Überschwemmungshöhe also die davon zu substrahierende absolute
Höhe des Geländes. Daraus kann nun ein zuverlässiges
Geländemodell entwickelt werden.
4.5 Abschätzung der Bevölkerungsdaten des
Untersuchungsgebiets
Die Abschätzung der Zahl der Bevölkerung
(Bzl) kann durch einige Parameter wie Wohnungstypen
(Gzn), durchschnittliche Bewohneranzahl (Bwn) und Gewicht
(Gwn) berechnet werden. Während der Geländearbeit wurde
festgestellt, dass es Gebäude gibt, die nicht genutzt wurden oder leer
standen. So wurden die Gebäude nach ihrer Funktion zugeordnet und eine
Gebäudenutzungsrate pro Viertel bestimmt. Dieser Faktor wird als Gewicht
(Gw) bezeichnet. Die Abschätzung der Bevölkerungszahl
wurde durch die folgende Formel geschätzt:
26
Bzl= Gz1* Bw1*Gw1+
G2*Bw2* Gw2+ +Gzn* Bw*Gw.
27
Diese Formel wurde im Rahmen des Projektes Wasserversorgung
und Hygieneerziehung in Benin entwickelt (DGE/M EE, 2011).
4.6 Abschätzung der Betroffenheit 4.6.1
Betroffene Bevölkerung
Die betroffene Bevölkerung wurde durch die
Zusammensetzung der Bevölkerungsanzahl der Überschwemmungsgebiete und
der Anzahl der Gebäude, die als Wohnung dienen, abgeschätzt. Die
Abschätzung wird hinsichtlich der Wohnungstypen durchgeführt, weil
nicht alle Gebäude als Wohnung genutzt werden. Darunter gibt es
Gebäude für andere Funktionen wie Schulen, Geschäfte oder
Verwaltungsgebäude.
4.6.2 Infrastrukturen und Landnutzung
Die Infrastrukturen erfassen die unterschiedlichen
Gebäudearten und die verschiedenen Straßenarten. Diese verschiedenen
Infrastrukturen werden jeweils mit der Überschwemmungsfläche
überlagert. So sind die Infrastrukturen, die sich in der
überschwemmten Zone befinden, die betroffenen Infrastrukturen.
Durch eine Überlagerung der Landnutzungskarte und der
Überschwemmungskarte können die betroffenen Gebiete der Landnutzung
bestimmt werden. So werden die unterschiedlichen Landnutzungsformen, die sich
im Überflutungsgebiet befinden, identifiziert und dadurch kann bestimmt
werden, welcher Zusammenhang zwischen der Landnutzung und der
Überschwemmung besteht.
Die Tabelle 3 stellt die Konfusionsmatrix der pixelbasierten
Klassifikation des Orthofos dar.
28
Tabelle 3: Konfusionsmatrix der pixelbasierten
Klassifikation in Prozent
|
Referenz
|
Klassification
|
Klasse
|
Dachbeton1
|
Dachwellblech
|
Dachziegel1
|
Sandstraße1
|
Vegetation
|
Summe
Klassif.
|
|
99.56
|
0.00
|
0.00
|
0.55
|
0.00
|
34.93
|
|
0.00
|
93.61
|
1.56
|
5.46
|
0.00
|
26.74
|
|
0.22
|
0.83
|
93.75
|
0.00
|
0.00
|
4.49
|
|
0.22
|
5.56
|
4.69
|
93.99
|
0.00
|
12.89
|
|
0.00
|
0.00
|
0.00
|
0.00
|
100.00
|
20.95
|
|
100.00
|
100.00
|
100.00
|
100.00
|
100.00
|
100
|
|
Quelle: Eigene Darstellung, 2012
Drei Pixel (0,83 %) der Referenzdaten wurden als
"Dachziegel» klassifiziert und 20 Pixel (5,56 %) als
«Sandstraße» zugeordnet. Damit sind geringere Abweichungen bei
der Klassifizierung von Gebäuden aufgetreten. Für die Klasse
Sandstraße" wurden 183 Pixel (100 %) als Referenzdaten richtig
klassifiziert. Davon wurde 1 Pixel (0,55 %) falsch zugeordnet und 10 Pixel
(5,46 %) als Klasse Dachwellblech» klassifiziert. Hier sind ebenfalls
geringere Abweichungen wie bei der Klassifizierung von Gebäuden
aufgetreten. Die Gesamtgenauigkeit (OA) liegt bei 98,50 % und der
Kappa-Koeffizient beträgt 0,96.
Insgesamt wurde die Klassifizierung mit gutem Ergebnis
durchgeführt, obwohl geringere Abweichungen dabei aufgetreten sind. Die
höchsten Genauigkeiten werden in den Klassen Gebäude mit Dachbeton
erreicht wegen der Dachfarbe, die weiß ist und dadurch besser die
Strahlung reflektieren kann (s. Abb. 8). Der Grund der Abweichungen kann sein,
dass die Wellbleche verrostet sind und ein anderes spektrales Spektralverhalten
als eine sandige Straße haben. Dadurch wurde die Dachfläche aus
Wellblech nicht als Gebäude erkannt und den sandigen Straßen
zugeordnet.
29
Abbildung 8: Vergleich der Klasse Gebäude bei der
pixelbezogenen Klassifikation auf Bildebene (Bild rechts) und auf dem
Originalsatellitenbild (Bild links).
Quelle: Eigene Darstellung, 2012
4.7 Abschätzungen der Bevölkerungsdaten
Die Abschätzung der Bevölkerungszahlen ist eine
andere Aufgabe der Betroffenheitsanalyse. Die Anzahl der betroffenen
Bevölkerung wurde auf der Basis von Gebäude- und RFU-Daten
abgeschätzt. Für die Gebäudeschätzung ist die gesamte
Gebäudezahl des digitalisierten Gebiets nicht berücksichtigt, weil
die Gebäude nicht deutlich definiert sind. Berücksichtigt wurden
erstens nur die Gebäude, die deutlich identifiziert und digitalisiert
wurden. Zweitens wurden alle Gebäude ausgeschlossen, die nicht der
Wohnungsfunktion dienen oder die als leere Gebäude gekennzeichnet sind.
Die tatsächlich zur Wohnungsfunktion genutzten Gebäude wurden
während der Geländekontrolle identifiziert. Bei der Bildverarbeitung
wurden im Ganzen ca. 27.470 Gebäude berechnet (s. Tabelle 4). Darunter
können ca. 25.040 Gebäude als Wohnungsgebäude klassifiziert
werden, die für ca. 88.550 Bewohner zur Verfügung stehen.
Die Schätzung der Bevölkerung wird auf der Grundlage der
Gebäudeart in Tabelle1 durchgeführt.
30
Tabelle 4: Aufteilung der Gebäude im digitalisierten
Bereich
Gebäudetype
|
G1
|
G2
|
G3
|
Bewohner pro Gebäudearten* (aus RFU-Databank)
|
9
|
6
|
4
|
Anzahl
|
3521
|
23430
|
1566
|
Prozentzahl der Benutzung (aus RFU-Databank)
|
77%
|
75%
|
65%
|
Gesamtheit
|
88550
|
|
Eigene Darstellung, 2012
5. Faktoren der Betroffenheit durch
Überschwemmungen
Die Faktoren, welche das Ausmaß und den Verlauf der
jährlichen Überschwemmungen von Cotonou beeinflussen, sind
unterschiedlich. Sie können in zwei Gruppen aufgeteilt werden:
natürliche Faktoren und anthropogene Faktoren. Diese werden im Folgenden
erläutert.
5.1 Natürliche Faktoren
Natürliche Faktoren umfassen die klimatischen und
hydrologischen Bedingungen sowie die topographischen und geomorphologischen
Bedingungen.
5.1.1 Klimatische und hydrologische Bedingungen
Die jährlichen Regenfälle verursachen als
primärer Auslöser die Überschwemmungen in Cotonou. Je nach
Regenzeit wird im langjährigen Mittel eine große
Überschwemmungsperiode von einer kleineren unterschieden. Süd-Benin
bzw. Cotonou ist von April bis Juli durch starke Niederschläge
gekennzeichnet. Ein Teil davon versickert in den Boden, wird
zwischengespeichert und trägt zur Entstehung von Grundwasser bei. Der Rest
fließt über die Bodenoberfläche in die Hohlformen des flachen
Reliefs und wegen der schwachen Neigungen nicht in die Gewässer. Die Pegel
der stehenden und fließenden Gewässer steigen stark an.
Die kleine Überschwemmungsperiode entspricht der kleinen
Regenzeit (September). Dabei ist der Anteil des Abflusses des Oueme in den
Nokue-See relativ erhöht. Da der Zustrom zum See höher ist als der
Abfluss durch die Lagune, steigt der Seespiegel und das Wasser dringt über
die
31
Lagunenzungen in das Stadtgebiet ein. Bezüglich der
Hydrologie bilden der Atlantische Ozean, der Nokoue-See und die Lagune von
Djonou die wichtigsten Wasserflächen von Cotonou.
5.1.2 Topographische und morphologische
Bedingungen
Die topographischen und die morphologische Eigenschaften des
oberflächennahen Untergrundes der Stadt Cotonou sind andere wesentlichen
Faktoren, die die Überschwemmungen beeinflussen. Erstens spielt das
niedrige Niveau der Stadt zum Meeresspiegel eine negative Rolle. Zweitens ist
die Topographie relativ flach, sodass sie eine schnelle Entwässerung nicht
ermöglicht. Drittens besteht die städtische Pedologie aus einer
Dominanz von sandigen und tonhaltigen Böden (s. Karte 2), die nur eine
geringe Wasseraufnahmekapazität (ungefähr 12 %) enthalten und sehr
schnell gesättigt werden (Bruand & al. 1996). Viertens wird der
normale Abfluss des Regenwassers durch die morphologischen Merkmale erschwert
(Adam & Boko, 1993). Diese topographischen und morphologischen Gründe
zusammengestellt, führen zur Erhöhung des Oberflächenabflusses
und damit zur Verstärkung der Überschwemmungsrisiken in der Stadt.
5.2 Anthropogene Faktoren
Die anthropogenen Ursachen stehen im Zusammenhang mit den
Urbanisierungsprozessen, wobei die verschiedenen Formen der Besiedlung, die
Verwaltung der soziotechnischen Infrastrukturen und Landnutzungsformen
beeinflussende Faktoren sind.
5.2.1 Siedlungsstandorte
Das Siedlungswachstum bildet den entscheidenden Faktor
für die Überschwemmung in Cotonou (vgl. Accrombessy, 1988; Tchibozo,
2008). Die Stadt Cotonou hatte von 536827 Einwohnern im Jahre 1992 eine Zunahme
auf 665.100 Einwohner im Jahre 2002 mit einer Bevölkerungsdichte von 8.419
Einwohnern pro km2 (INSAE, 2003). Sie wird heute auf mehr als eine
Million Einwohner geschätzt. Bei der Ansiedlung der Zuwanderer wurden
spontane Siedlungsmaßnahmen durchgeführt, wo noch ungenutzte
Flächen verfügbar waren. Dies waren und sind die
regelmäßig überschwemmten Flächen. Die folgenden Fotos
veranschaulichen die kritische Situation.
32
Foto 2: Besetzung sumpfiger und regelmäßig
überschwemmter Zonen am Rand Fifadji
Quelle: Assogba, 2008
Diese Form der Landnahme, besonders in den Stadtperipherien,
hat als Folge nicht nur Störungen in dem Umweltsystem der Lagunen
gebracht, sondern auch die Verwundbarkeit der lokalen Bevölkerung
gegenüber den Überschwemmungsrisiken erhöht.
5.2.2 Schlechte Verwaltung des
Abwasserentsorgungsystems
Die Verwaltung der städtischen Kanalisation ist ein
Hindernis für den ungehinderten Abfluss des Abwassers, wobei die
Abwasserentsorgungsinfrastrukturen in der kritischen Regenperiode zur
Überschwemmung führen. Die meisten Drainage- und Abwassersysteme
(gedeckt oder ungedeckt) sind als Mülldeponie für unflüssige
Abfälle durch die Anwohner genutzt. Dadurch verstopfen sie bei
Niederschlägen und führen zur Behinderung des Niederschlagswassers
über die Kanalisation. (Foto 3).
a
b
33
Foto 3: Verstopfung eines Entwässerungskanals
durch Müll in Minontchou (a) und die Entleerung
des Abfalls in einen
Gewässerkanal unter freiem Himmel in Agbondjèdo (b)
Quelle:(a) Mairie de Cotonou DPDM, 2008; (b): Odoulami L.,
2005
5.2.3 Landnutzung
Abbildung 9 und Tabelle 5 zeigen auf, wie das Land
gegenwärtig genutzt wird. Herausragend ist die
oberflächenmäßige Dominanz der Wohngebiete, in denen auch
gewerbliche Nutzungen erfolgen, mit etwa 65,90 %, gefolgt von den Bebauten
Sumpfgebieten« mit 28,90 %. Die Klassen Handels- und
Ausstattungsgebiete« liegen jeweils bei 1,34 % und 3,84 %. In der
Peripherie befinden sich spontane Siedlungsgebiete, die in den Sumpfgebieten
gebaut werden. All diese Klassen bilden die Siedlungsfläche. Hinzu kommt
die unbebaute Sumpffläche.
34
Abbildung 9: Landnutzungskarte des
Untersuchungsgebiets.
Eigene Darstellung
35
Tabelle 5: Verteilung der Landnutzung
Landnutzungsklasse
|
Fläche (ha)
|
Prozentsatz Siedlungsfläche
|
Prozentsatz Landnutzungsart
|
Wohngebiet
|
1166,34
|
65,909
|
55,44
|
Bebaute Sumpfgebiete
|
511,5
|
28,905
|
24,32
|
Öffentliche Infrastrukturgebiet
|
68,07
|
3,847
|
3,24
|
Handelsgebiet
|
23,71
|
1,340
|
1,13
|
Gesamte Siedlungsfläche
|
1769,62
|
100,000
|
84,12
|
Unbebaute Sumpfgebiete
|
334
|
|
15,88
|
Gesamtheit
|
2103,62
|
|
100,00
|
|
Quelle: Eigene Darstellung, 2012
5.2.4 Zusammenhang zwischen Landnutzung und
Überschwemmungen
Die Landnutzung spielt eine wichtige Rolle nicht nur bei den
Ursachen, sondern auch in der Beurteilung der Folgen der Überschwemmungen.
Sie ermöglicht die Analyse der räumlichen Verwundbarkeit und die
Quantifizierung von Auswirkungen der Überschwemmungen. Die
gefährdeten Siedlungsgebiete liegen in Untiefen, die natürliche
Wasserkanäle bilden. Infolgedessen kann das Regenwasser nicht mehr normal
abfließen. Ein weiterer Grund der
Überschwemmungen kann sein, dass der Boden bei
Intensivierung der Besiedlung immer mehr verdichtet wird und immer weniger
Regenwasser versickert.
5.3 GIS-basierte Abschätzung der räumlichen
Überschwemmung
Das Ziel dieses Abschnittes ist es, das räumlichen
Ausmaß der Überschwemmung und ihre Auswirkungen zu
quantifizieren.
36
5.3.1 Bestimmung der
Überschwemmungsflächen
Die Überschwemmungsflächen könnten anhand des
GIS-basierten Modells bestimmt werden. Es erfolgt dabei schrittweise die
Bestimmung durch die Abgrenzung bestehender
überschwemmungsgefährdeter Gebiete durch die GIS-Implementierung. Im
Folgenden wird das Verfahren erläutert.
5.3.1.1 Abschätzung der
Wasserstände
Das Ziel war es, die Wasserhöhenmessung in der
Gesamtheit des Untersuchungsgebiets flächenhaft durchzuführen. Aber
aufgrund der zeitlichen Schwierigkeiten, der angefallenen Kosten und des
Mangels an notwendigen Hilfskräften wurde dieses Ziel verändert,
indem es auf ein Teilgebiet beschränkt wurde. Dies reicht jedoch aus, um
die Wirksamkeit der Methodik zu testen.
Tabelle 6: Statistik der gemessenen Punkte.
(N=157Punkte)
|
Gemessene Wasserhöhe (Z)
|
Koordinaten
|
|
Prozentsatz der
Verteilung
|
|
Y
|
1%
|
3,7
|
428873,301
|
705255,097
|
5%
|
8
|
429255,719
|
706039,478
|
10%
|
15,7
|
430130,999
|
706265,002
|
25%
|
32,5
|
431322,375
|
706580,878
|
50%
|
62,25
|
433718,353
|
706736,996
|
75%
|
89
|
437348,999
|
706877,457
|
90%
|
123,35
|
438906,004
|
706984,735
|
95%
|
135
|
439131
|
707125,327
|
99%
|
160
|
439214,002
|
707293,013
|
Minimum:
|
10
|
428872,18
|
704906,998
|
Maximum:
|
189,87
|
439299,998
|
707431,524
|
Mittelwert:
|
65,83
|
434094,276
|
706684,887
|
Varianz:
|
1565,66
|
10910685,7
|
124966,593
|
Standard
Abweichung:
|
39,57
|
3303,13272
|
353,506143
|
Standardfehler:
|
3,16
|
263,61869
|
28,2128617
|
Variationskoeff:
|
0,60
|
0,00760925
|
0,00050023
|
|
Eigene Daten, 2011
37
Diese Wasserhöhenmessungen wurden im Februar 2010
hauptsächlich entlang des Lac-Nokoue durchgeführt. Diese haben
erlaubt, die unterschiedliche Verteilung der Wasserhöhe abzuschätzen,
die bei den letzten Überschwemmungen vom September 2010 erreicht wurde, um
daraus die überschwemmten Flächen und die Wasserhöhe zu
ermitteln. Tabelle 6 zeigt die Ergebnisse der durchgeführten statistischen
Berechnungen.
Aus Tabelle 6 geht hervor, dass die gemessene
durchschnittliche Wasserhöhe ca. 65,82 cm beträgt. Die niedrigste
Wasserhöhe liegt ungefähr bei 10 cm und die größte
Höhe bei ungefähr 190 cm. Die durchgeführten Messungen enthalten
unvermeidliche Fehler. In dieser Arbeit beträgt dieser aber nur 3,16 %.
Der Variationskoeffizient beträgt 0,6 %, während die
Standardabweichung 39,56 %beträgt. Aus diesen statistischen Angaben kann
geschlossen werden, dass die durchgeführten Messungen unter dem
Qualitätsgesichtspunkt annehmbar sind. Diese Wasserhöhenmessung hat
ermöglicht, die Überschwemmungshöhen in der betrachteten Zone
abzuschätzen.
5.3.1.2 Abgrenzung bestehender
überschwemmungsgefährdeter Gebiete in Cotonou Die Abgrenzung
bestehender überschwemmungsgefährdeter Gebiete mit dem GIS-basierten
Modell erfordert eine topographische Karte der Stadt als Grundlage, die mit dem
GIS-System bearbeitet werden muss. Abbildung 10 zeigt die räumliche
Verteilung der Sumpfgebiete, die sich im Großteil der Stadt, insbesondere
in der ganzen Nordhälfte, ausdehnen. Die Sumpfgebiete bilden
natürliche Wasserbehälter des Regenwassers oder der Gewässer,
die aus dem Übertreten des Nokoue-Sees und aus der Lagune von Cotonou
stammen. Ihre Fläche wird insgesamt auf ca.2.602,83 ha geschätzt,
also auf ca. 37 % der Gesamtfläche der Stadt (7006 ha). Falls diese
Gebiete anderen Funktionen (z. B. Siedlungsfläche) außer der
natürlichen Funktion (Wasserspeicher) dienen, wie es gegenwärtig
abläuft, müssen sie als potenzielle Risikogebiete betrachtet werden,
da sie regelmäßig überschwemmt sind.
5.3.1.3 GIS-Implementierung der bestimmten
Überschwemmungsflächen
Abbildung 11 (s. Seite 40) zeigt die verschiedenen
Überschwemmungsniveaus des Untersuchungsgebiets. Die Gebiete, die eine
Höhe von mehr als 1 m NN liegen, wurden weniger als 1 m überschwemmt.
Diese Lage wechselt, je näher man dem Nokoue-See kommt. Die Flächen
der Gebäude, die sich am Ufer von Nokoue-See befinden, wurden während
der Regenzeit regelmäßig überschwemmt. Dieser Teil des
Geländes befindet sich im Hauptbett des
38
Nokoue-Sees, das während der Trockenzeit meist trocken
bleibt. Da die Gelände in dieser Zeit trocken aussehen, gehen die
Zuwanderer oder die Stadtbewohner, die in dieser Jahreszeit günstige
Siedlungsflächen oder Mieten suchen, auf diese Flächen (Accrombessy,
1988).
39
Abbildung 10: Sumpfgebiete im Stadtraum von
Cotonou
Quelle: Topographische Karte (Karte 5)
40
Abbildung 11: Wasserhöhe entlang des
Nokoue-Sees
Quelle: Eigene Daten, 2011
41
5.4 Abschätzung der Betroffenheit 5.4.1 Soziale
Betroffenheit
5.4.1.1 Abschätzungen betroffener
Bevölkerung
Die Gesamtanzahl der betroffenen Bevölkerung wird
berechnet, indem man den Stadtgrundriss der RFU-Datenbank, die erstellte
Überschwemmungskarte und die in Abschnitt 5.2 geschätzte Verteilung
der Bevölkerung überlagert. Das Ergebnis dieser Berechnung gibt
ungefähr 28.200 Überschwemmungsbetroffene. Davon wohnen ca. 32% in
Stadtvierteln (s.Abb.12), die sich am Nokoue-See befinden. Dies ist der Fall
von Vossa-Kpodji, von Ladji, die direkt entlang des Nokoue-Sees liegen. Durch
diese räumliche Nähe erhöht sich ihre Vulnerabilität.
Abbildung 12: Verteilung der
Überschwemmungsbetroffenen im Untersuchungsgebiet
Eigene
Darstellung, 2012
5.4.1.2 Abschätzung betroffener
Infrastrukturen
Die betroffenen Infrastrukturen sind Gebäude und
Straßen. In Abbildung 13 werden die betroffenen Wohnungsgebäude
dargestellt, die im Überschwemmungsgebiet liegen. Insgesamt waren ca. 3695
betroffen.
42
Abbildung 13: Zahl der betroffenen
Gebäude
Quelle: Eigene Darstellung, 2012
Die Gebäude, die im Uferbereich des Nokoue-Sees oder in den
Sumpfgebieten liegen, werden zumeist aus Niedrigtechnologiematerialien
(Rostiges Blech, Holz, Karton usw.) gebaut. Dies deutet auf ein sehr geringes
Sozialniveau hin.
Dieser Raum ist also durch die Eigenschaften von Slums
gekennzeichnet und kann von der Stadtmitte physiognomisch deutlich
unterschieden werden.
Die Gesamtlänge der Straßen (s. Abb. 14), die durch
Überschwemmungen betroffen waren, wurde auf ca. 31,64 km
geschätzt.
Abbildung 14: Länge der betroffenen
Straßen
Quelle: Eigene Darstellung, 2012
43
5.4.1.3 Analyse der Vulnerabilitäten
Der Begriff Vulnerabilität umfasst mehrere Definitionen
und wird in mehreren Bereichen angewendet (vgl. Teka, 2010: 24). Veyret Y.
(2003: 31) definiert die Vulnerabilität als Möglichkeit, sich einem
Katastrophenrisiko potentiell auszusetzen. Die Vulnerabilität eines Raums
entspricht gleichzeitig der menschlichen Vulnerabilität, die sich dort
befindet, sowie der Vulnerabilität ihrer Infrastrukturen (Rufat,
2007:6).
Im Rahmen dieser Arbeit wird die Vulnerabilität
definiert als die Tatsache, einer potenziellen Überschwemmungskatastrophe
ausgesetzt zu werden. Diese Definition impliziert die Berücksichtigung der
direkten Schäden, die durch die Katastrophe verursacht werden können.
Zur Analyse der Vulnerabilitäten wurde ein Hochwassersimulationsmodell
eingesetzt. Das Ziel dieser Simulation besteht darin, die Gebiete zu zeigen,
die potenziell überschwemmungsgefährdet werden könnten, wenn ein
Hochwasser eine bestimmte Höhe erreichen würde.
Zur Abschätzung der betroffenen Bevölkerung und der
überschwemmten Flächen wurde im Untersuchungsgebiet ein
flächendeckendes Gitternetz mit Zellen von 100 x 100 m Größe
als ein einheitliches Bezugssystem verwendet. Die jeweiligen statistischen
Daten wurden hierfür über Polygon-in-Polygon disaggregiert. Dies
bedeutet, dass die Bevölkerungsdichte eines Arrondissements auf die im
Arrondissement liegenden Siedlungen flächenproportional aufgeteilt wird.
Die mittlere Siedlungsdichte (Einwohner pro Hektar Siedlungsfläche) wird
danach aus der Flächenstatistik (Raumbezug Arrondissementpolygone) auf die
Zellen des Gitternetzes transformiert. Die Ergebnisse zeigen, dass
voraussichtlich ca. 895 ha überschwemmt werden. Davon würden 508 ha
unter Wasser gesetzt und 297,2 ha auf mehr als 1,5 m Wasserhöhe
überschwemmt. Die Anzahl der betroffenen Einwohner wird dabei auf ca.
30.500 geschätzt..
44
Abbildung 15: Ausmaß einer simulierten
Überschwemmung bei Wasserständen des Nokoue-Sees Von ca. 200 cm
über Niedrigwasser
Eigene Darstellung
45
6. Fazit und Kritik des Ansatzes
Diese Arbeit hat sich anhand einer GIS-gestützten
Analyse und Kartierungen des letzten Hochwassers mit der Betroffenheit der
Stadt Cotonou durch Überschwemmungen beschäftigt, um raumbezogene
Daten zu gewinnen.
Die Schwerpunkte dieser Arbeit sind die Faktoren der
Überschwemmungen, Wasserhöhe und die Betroffenheit sowie die
Überschwemmungsflächen und die Landnutzung. Sowohl die anthropogen
Faktoren als auch die natürlichen Bedingungen führen jährlich zu
der städtischen Überschwemmung. Die anthropogenen Faktoren sind durch
die spontane Besiedlung der Sumpfgebiete, die als natürliche
Wasserkanälen dienen könnten, gekennzeichnet. Hinzu kommt die Nutzung
der Kanalisation für die Feststoffentsorgung, was zu Aufstau des Abwassers
führt. Die natürlichen Bedingungen werden durch die topographischen
und die morphologischen Merkmale der Stadt Cotonou charakterisiert. Die
durchschnittliche Wasserhöhe liegt bei ca. 65,82 cm NN. Je näher man
dem Nokoue-See kommt, desto mehr steigt die Wasserhöhe bis zu einer
Höhe von ca. 2 m über Grund. Die überschwemmte Fläche wird
auf ca. 867 ha geschätzt. Davon sind 25% bereits gebaut. Dies muss
unvermeidlich zu Überschwemmungsbetroffenen bei Starkregenfällen
führen. Bezüglich der Regenereignisse von 2010 wurden ca. 28200
Menschen als Überschwemmungsbetroffene in den berücksichtigten
Stadtteilen mit der GIS-gestützten Analyse abgeschätzt werden. Dabei
sind 31,64 km Straßen überflutet. Die Zahl der betroffenen
Gebäude wurde insgesamt auf ca. 3700 geschätzt.
Allerdings kann nicht behauptet werden, dass die
Abschätzung fehlerfrei ist. Verschiedene Gründe dafür werden in
dem Folgenden als die Stärken und die Schwächen der angewandten
Methode dargestellt, wonach einen Ausblickeröffnet wird, um die Arbeit
vertiefen zu können.
6.1 Stärken und Schwächen der angewandten
Methodik
Diese Arbeit gibt eine kurz gefasste Übersicht der
Benutzung des GIS als Werkzeug zur Analyse der Auswirkungen von
Überschwemmungen. Die Verwendung des GIS hat zur Erstellung einer Reihe
von Karten mit einigen zusammenfassenden Angaben geführt. Es handelt sich
um die Karte der Überschwemmungen von 2010, die Karte betroffener
Gebäude und Infrastrukturen Es wurde eine einfache statische Simulation
der Überschwemmung durchgeführt.
46
Diese Arbeit hat die Wichtigkeit der räumlichen
Informationen (GIS- und Fernerkundungsdaten) in der Analyse von Folgen der
Überschwemmungen in Cotonou aufgezeigt. Obwohl die Untiefen (Bas-Fonds)
nicht bewohnbar sind, werden sie von armen Bewohnern besiedelt. Da die
Informationsquellen durchaus vielfältig sind, steht die Genauigkeit
bestimmter Angaben noch zur Diskussion, gerade bezüglich der
marginalisierten Siedlungen. Außer den bereits empfohlenen Datensystemen
(SPOT und Orthofoto) könnten künftig auch andere Systeme wie RADAR
zusätzliche und bessere Informationen bereits stehen, die zur Erforschung
der Überschwemmung notwendig sind, auch wenn dies gegenwärtig noch
schwierig wird.
6.2 Ausblick auf vertiefende Arbeiten zur
Fragestellung
Eine erste eigentliche und unvermeidliche Grenze der
angewendeten Methode beruht auf unzureichender Qualität der Daten
über die Höhen des Wasserstandes im Stadtgebiet und der Topographie.
Die Datenerhebung wurde im Februar, d. h. in der Trockenzeit,
durchgeführt, während sie besser in der Überschwemmungsperiode
stattfinden müsste. Dies war in Anbetracht des Zeitplans nicht
realisierbar.
Dies macht es problematisch, das Simulationsmodell auf das
gesamte Untersuchungsgebiet zu verallgemeinern. Für die Kartierung der
Überschwemmungsgebiete basierte die Untersuchung hauptsächlich auf
den Überschwemmungsmarken von September 2010. Dies kann Fehler oder
Lokalisierungsungenauigkeiten erzeugen und direkt die Qualität gesammelter
Daten beeinflussen, die nicht wirklich kontrolliert werden können, wenn
der Kontext ihrer Erhebung in Betracht gekommen werden soll.
Eine andere Schwierigkeit basiert auf der Verwirklichung des
Modells der Überschwemmungssimulation. Um präzise Daten zu erhalten,
erscheint es notwendig, zahlreiche Geländebegehungen zu machen. Diese
müssten mit Geräten von hoher Genauigkeit durchgeführt werden.
Dies erhöht jedoch den Zeitaufwand. Allerdings werden diese Messwerte
schwieriger zu sammeln sein, wenn sie in der Regenzeit durchgeführt
werden. Ein anderes Problem ergibt sich aus der Verwirklichung der
Interpolationen. Schließlich war der Erwerb hydrologischer Angaben
schwierig. Die Übereinstimmung zwischen den Wasserständen und der
Topographie des Geländes (Höhedaten) war ebenfalls ein Problem, das
in der Genauigkeit des Ergebnisses berücksichtigt werden muss.
47
Die vorliegende Arbeit hat dazu beigetragen, die
Überschwemmungsfaktoren und die Überschwemmungsgebiete
überschlägig rechnerisch zu bestimmen. Sie hat auch ermöglicht,
die Wirkungen auf Mensch und Umwelt zu quantifizieren.
Die Berechnungen haben ermöglicht, das wahrscheinliche
Ausmaß der Überschwemmungen zu erfassen. Trotzdem muss die
Untersuchung vertieft werden, um die Methodologie um die Dynamik der Hydrologie
des Nokoue-Sees zu ergänzen. Dies setzt eine Dynamisierung der erfolgten
Untersuchungen voraus, wie sie im vorliegenden statischen Ansatz nicht erfolgen
konnte.
Dazu sind bestimmte Anforderungen notwendig, die in der
vorliegenden Untersuchung nicht erfüllt waren:
· Die Messung des Wasserstandes muss während eines
Hochwasserereignisses und als Zeitreihe durchgeführt werden.
· Die hydrologischen Prozesse sind dynamisch mit
einzubeziehen.
· Die topographischen Parameter müssen eine
größere Genauigkeit besitzen.
Mit der Verfügbarkeit solcher Daten könnte ein gutes
Simulationsmodell eingesetzt werden, das für die Planung und
Prävention verwendet werden könnte, da dieses die
Interventionspläne angesichts der Risikosituationen der Bevölkerungen
verbessern kann.
Für die Überschwemmungsanalyse sind die
Höhenmessungsdaten unentbehrlich. Weitere Untersuchungen in diesem Bereich
insbesondere in der Photogrammmetrie bleiben also zu erarbeiten. Die
vorliegende Arbeit stellt jedoch eine erste Näherung in diese Richtung
dar, die bei verbesserten Daten und der Erweiterung der Methodik zugrunde
gelegt werden kann.
ix
Literaturverzeichnis
Accrombessi, M.I.F (1988): Les inondations et leurs
consequences sur l'amenagement de l'espace periurbain de Vossa à
Cotonou/ Sud-Benin. Mémoire de Master Planification regionale et
Aménagement du territoire, Ouagadougou. Institut Panafricain pour le
développement Afrique de l'Ouest-Sahel (IPD/AOS).
Adam, K.S. & Boko, M. (1993): Le Benin. Les Editions du
Flamboyant. Cotonou. 97 p.
Ailo, K. A. (2010): Contribution à l'analyse des
stratégies locales de lutte contre les inondations à Cotonou.
Mémoire de Master II. Option : Développement Local et
Décentralisation. Université africaine de développement
coopératif, Cotonou.
Albertz, J. (2001): Grundlagen der Interpretation von Luft-
und Satellitenbildern. Eine Einführung in die Fernerkundung. Hg. v.
Wissenschaftliche Buchgesellschaft (Darmstadt). Darmstadt. (204 S).
Albertz, J. (2007): Einführung in die Fernerkundung -
Grundlagen der Interpretation von Luft-und Satellitenbildern. Darmstadt.
Altmann, D. G. (1991): Practical statistics for medical research.
London.
Ball G.H. et Hall D.J. (1965): ISODATA, a novel method of data
analysis and pattern classification. Technical Report, Stanford Research.
Technical Report, Stanford Research Institute. Institute, Menlo Park,
California, U.S.A.
Benedikt, S. (2005): Risiken aus Natur- und Technikgefahren -
Raumbezogene Risikoanalyse -. Hg. v. Institut für Raumplanung. Institut
für RaumplanungFakultät Raumplanung, Universität Dortmund.
Dortmund.
Blaschke, T. (2000): Objektextraktion und regelbasierte
Klassifikation von Fernerkundungsdaten: Neue Möglichkeiten für
GIS-Anwender und Planer. Hg. v. M. (ed.) CORP'2000: Computergestützte
Raumplanung In: SCHRENK. Wien.
Blaschke, T. (2000): Objektextraktion und regelbasierte
Klassifikation von Fernerkundungsdaten: Neue Möglichkeiten für
GIS-Anwender und Planer. Forschungspublikation. 1 Band. Hg. v. M. (Hrsg.)
SCHRENK. Wien.
Bonn, F. and Dixon R. (2005): Monitoring Flood Extent and
Forecasting Excess Runoff Risk with RADARSAT-1 Data. Hg. v. Natural Hazards
(N°3).
Boukari, A-R (2005): Contribution à la
résolution des problemes d'inondation dans la ville de Cotonou par
l'étude du projet d'aménagement de la zone basse de Fidjrosse.
Université D'abomey-Calavi, Abomey-Calavi.
Bruand, A. Duval O. Gaillard H. Darthout R. &. Jamagne M.
(1996): Variabilité des propriétés de rétention en
eau des sols: importance de la densité apparente. Hg. v. Etudes et
Gestion des sols (Vol. 3).
X
Bui, D.V.et Goïta K. (2007): Utilisation d'images
satellitaires pour l'étude du risque d'inondation lié à
l'occupation des terres au nord du Viêt-Nam. Hg. v. Revue
Télédétection. Centre d'applications et de recherches en
télédétection (CARTEL)/Université de Sherbrooke.
Sherbrooke (Canada) (Vol. 7, N° 1-2-3-4). Online verfügbar unter
http://www.teledetection.net/upload/teledetection/pdf/20080404172056.pdf,
zuletzt aktualisiert am 2007, zuletzt geprüft am 29.11.2011.
Burrough, P.A (1986): Principles of Geographical Information
Systems for Land Ressources Assessment. Oxford: Oxford University Press.
Campell, J.B: Introduction to Remote Sensing. Hg. v. Guilford
Publications Inc. New York, NY.
Carry et Veyret (1996): La prévention du risque
d'inondation: l'exemple francais est-il transposable aux pays en
développement. Paris.
Cohen, J. (1960): A coefficient of agreement for nominal
scales. Hg. v. Educational and Psychological easurement 20.
Congalton, R. G. & green, K. (1999): Assessing the
accuracy of remotely sensed data: priciples and practices, Boca Raton.
Daouda, M. et al (2011): Caractérisation d'un
Système Lagunaire en Zone Tropicale: Cas du lac Nokoué
(Bénin). Hg. v. European Journal of Scientific Research (No.4). Online
verfügbar unter
http://www.eurojournals.com/ejsr.htm,
zuletzt geprüft am 11.12.2011.
DGE (2011): Methodologie mise en place pour l'inventaire des
points d'eau et localites et le de traitement des images satellites. MINISTERE
DE L'ENERGIE ET DE L'EAU. Cotonou.
Donou, T. B. (2007): Dynamique pluvio-hydrologique et
manifestation des crues dans le bassin du fleuve Ouémé à
Bonou. Mémoire de maîtrise de géographie.UAC/FLASH.
Frick, A. Weyer G. Kenneweg H. &. Kleinschmit B. (2005):
Knowledge-based approach to vegetation monitoring with Quickbird Imagery.
Report. Proceedings of the ISPRS Workshop 2005 High Resolution Earth Imaging
for Geospatial InformationMay 1720 2005 Hannover. Hannover. Online
verfügbar unter
http://www.ipi.uni-hannover.de/fileadmin/institut/pdf/076-frick.pdf,
zuletzt geprüft am 10.12.2011.
Gnimagnon, N.C (2007): L'inondation en milieu urbain au Benin:
l'exemple de Cotonou. Mémoire de Maîtrise de Géographie.
Université D'abomey-Calavi, Abomey-Calavi. Departement de
Géographie et d'Amenagement du Territoire.
Graf, R.J (2011): Objektklassifizierung mit Support Vector
Machines. Masterarbeit. Paris-Lodron-Universität Salzburg, Salzburg.
Zentrum für GeoInformatik. Online verfügbar unter
http://www.users.fh-sbg.ac.at/~rgraf/downloads/Arbeiten/GraR_MA_-_Objektklassifizierung_mit_SVMs.pdf,
zuletzt geprüft am 25.10.2011.
Grenier M., Labrecque S. Benoit M. and Allard M. (2007):
Accuracy assessment method for wetland object-based classification. Hg. v.
Environment Canada. Canadian Wildlife Service.
xi
Québec region. Online verfügbar unter
http://www.isprs.org/proceedings/XXXVIII/4-C1/Sessions/Session1/6739_Grenier_Proc_pos.pdf,
zuletzt geprüft am 10.10.2011.
Helge Moritz (2003): Lexikon Der Bildverarbeitung.Huethig
GmbH.
Henry, I-B (2004): Systèmes d'information spatiaux pour
la gestion du risque d'inondation de plaine. Doktorarbeit. Universit'e Louis
Pasteur - Strasbourg I, Strasbourg I. Facult'e de G'eographie et
d'Am'enagement. Online verfügbar unter
http://sertit.u-strasbg.fr/documents/jbhenry_thesis/chapitres/1-pages_liminaires.pdf,
zuletzt geprüft am 23.12.2011.
Hildebrandt, G. (1996): Fernerkundung und Luftbildmessung
für Forstwirtschaft, Vegetationskartierung und Landschaftsökologie.
Hg. v. Wichmann Verlag (Karlsruhe) (676 S.,).
L. T. K. Ho, M. Umitsu and Y. Yamaguchi (2010): Remote Sensing
and Spatial Information Science. Kyoto Japan (Vol. 38, N°8).
Holger, F. et al (2010): Automated detection of glacier lakes
based on remote sensing in view of assessing associated hazard potentials. Hg.
v. Grazer Schriften der Geographie und Raumforschung.
Houndakinou, R. (2005): Fréquence des
événements pluvieux extrêmes et leurs impacts
environnementaux dans la ville de Cotonou. Mémoire de DEA.
Université D'abomey-Calavi, Abomey-Calavi.
Houndénou, C. (1999): Variabilité climatique et
maïsiculture en milieu tropical humide. L'exemple du Bénin,
diagnostic et modélisation. Thèse de doctorat de
géographie de l'université de Bourgogne, Dijon.
Hudson, W.D and Ramm C.W (1987): Correct Formulation of the
Kappa Coefficient of Agreement. Hg. v. Photogrammetric Engineering and Remote
Sensing (Vol.53, N°4).
Huggel, C., Khabarov, N., Obersteiner, M., Ramírez, JM
(2010): Implementation and integrated numerical modeling of a landslide early
warning system: a pilot study in Colombia.Natural Hazards, 52: 501-518.
Idbrahim, S. (2009): Méthodes d'extraction de
l'information spatiale et de classification en imagerie de
télédétection : Applications à la cartographie
thématique de la région d'Agadir (Maroc). Dissertation.
Université Med V-Agdal & Université Paul Sabatier de
Toulouse. Centre des Etudes Spatiales de la BIOsphère & GSCM-LRIT
Faculté de Sciences de Rabat. Online verfügbar unter
http://www.cesbio.ups-tlse.fr/data_all/theses/Idbraim.pdf,
zuletzt geprüft am 28.11.2011.
Imhoff, M.L. and C. Vermillion (1987): Monsoon flood boundary
delineation and damage assessment using space borne imaging radar and Landsat
data. Hg. v. Photogrammetric Engineering & Remote Sensing (Vol.53,
N°4).
XII
INSAE (2003): Troisième Recensement
Général de la Population et de l'Habitation de février
2002,. INSAE.
Jamil, A. (2010): Fernerkundung und GIS zur Erfassung,
Modellierung und Visualisierung orientalischer Stadtstrukturen: Das Beispiel
Sanaa (Jemen). Dissertation. Mathematisch-Naturwissenschaftlichen Fakultät
der Universität Potsdam, Potsdam. Institut für Geographie der
Universität Potsdam, Abteilung Geoinformatik, Fernerkundung und
Kartographie. Online verfügbar unter
http://opus.kobv.de/ubp/volltexte/2011/5020/pdf/jamil_diss.pdf,
zuletzt geprüft am 11.08.2011.
Jensen, J.R (1996): Introductory Digital Image Processing: A
Remote Sensing Perspective. Hg. v. Upper Saddle RiverNJ Prentice-Hall Inc.
John, A. Richards (1996): Classifier performance and map
accuracy, Remote Sensing of
Environment. (Vol. 57, N°3). Online verfügbar
unter
http://www.sciencedirect.com/science/article/pii/0034425796000387.
Oloukoi, j. Mama v.j et agbo f.b (2003): Modélisation
de la dynamique de l'occupation des terres dans le département des
collines au Bénin. Hg. v. Télédétection (Vol. 6,
n° 4). Online verfügbar unter
http://www.teledetection.net/upload/TELEDETECTION/pdf/20070711045420.pdf,
zuletzt geprüft am 20.11.2011.
Kim, H.O (2007): Beitrag sehr hochauflösender
Satellitenfernerkundungsdaten zur Aktualisierung der Biotop- und
Nutzungstypenkartierung in Stadtgebieten - Dargestellt am Beispiel von Seoul.
Dissertation. Fakultät VI - Planen Bauen Umwelt, Berlin. Technischen
Universität Berlin. Online verfügbar unter
http://opus.kobv.de/tuberlin/volltexte/2007/1656/pdf/kim_hyunok.pdf,
zuletzt geprüft am 10.01.2012.
Köberle, P. M. (2006): Grundlagen für ein
Ökosystemmanagement eines tropischen Waldes in NO Thailand mittels GIS und
Fernerkundung. Eberhard-Karls-Universität Tübingen, Tübingen.
Geowissenschaftlichen Fakultät der Eberhard-Karls-Universität
Tübingen. Online verfügbar unter
http://tobias-lib.uni-tuebingen.de/volltexte/2006/2336/pdf/Diss_Peter_Koeberle.pdf,
zuletzt geprüft am 11.08.2011.
Koch, B. Jochum m. Ivits E. &. Dees M. (2003):
Pixelbasierte Klassifizierung im Vergleich und zur Ergänzung zum
objektbasierten Verfahren. Photogrammetrie Fernerkundung Geoinformation.
Krysanova, V. Müller-Wohlfeil D.I und Becker A. (2008):
Development and test of a spatially distributed hydrological/water quality
model fo r mesoscale watersheds. Hg. v. Ecological Modelling.
Kumar, A. (2005): Application of GIS in Flood Hazard
Management: An Alternative Plan for the Floods of North Indian plain. ,. New
Delhi.
XIII
Landis, J. R. U. & Koch, G. G. (1997): The measurement of
observer agreement for categorical data. Biometrics, 33, 159-174.
Lange, N. (2006): Geoinformatik in Theorie und Praxis.
Publikation. Hg. v. Springer. Berlin Heidelberg.
Lavalin (1998): Etude d'assainissement des villes de Cototonou
et de Porto-Novo. Assainissement des zones d'extension de Cotonou. version
définitive.
Lee, Seung-Ho, Song-Hak Choung und Jang-Ho Song, (1998):
Forest resources inventory of North Korean using satellite remote sensing data,
FRI journal of forest science, 58:1-13.
LWI (2008): Zwischenbericht zum Forschungsbericht
Untersuchungsvorhaben Starkregenkarte«. Hg. v. Bezirksregierung Detmold.
Technische Universität Braunschweig.
LWI (2009): Abschlussbericht zum Forschungsbericht
Untersuchungsvorhaben Starkregenkarte«. Hg. v. Bezirksregierung Detmold.
Technische Universität Braunschweig.
Liu, J. Martinson D.G. Yuan X. and Rind D. (2002): Evaluating
Antarctic sea ice variability and its teleconnections in global climate models.
Int. J. Climatol (N°22). Online verfügbar unter
http://pubs.giss.nasa.gov/docs/2002/2002_Liu_etal_1.pdf,
zuletzt geprüft am 22.11.2011.
Liu, Y.B. (2006) Predicting storm runoff from different land-use
classes using a geographical information system-based distributed model.
Hydrological processes, 20, 533-548.
Maronna, K.(2005): Document méthodologique pour le
recueil d'informations relatif a une inondation. Unter Mitarbeit von F.
Gazelle. Hg. v. Direction Regionale de l'Environnement.
Midi-Pyréné/France. Online verfügbar unter
http://www.donnees.midi-pyrenees.developpement-durable.gouv.fr/plugins/fckeditor/UserFiles/File/pdf/methodo_recueil_dinformations.pdf,
zuletzt geprüft am 21.12.2011.
N'Bessa, B. (1997): Origine et évolution d'un
doublé urbain. Thèse de Doctorat d'Etat es Lettre de
Géographie. Université de Bordeaux Talence.
Ortiz, M.J Formaggio A.R &. Epiphanio J.C.N (1997): Classi
cation of Croplands through Integration of Remote Sensing, GIS, and Historical
Database. Hg. v. International Journal of Remote Sensing (Vol.18, 95).
Pradhan, B. (2009). «Ground water potential zonation for
basaltic watersheds using satellite remote sensing data and GIS
techniques» Central European Journal of Geosciences, 1(1), 120129.
http://dx.doi.org/10.2478/v10085-009-0008-5
Paquier, Tanguy Haider &. Zhang (2002): Estimation du
niveau d'inondation pour une pluie éclaire en milieu urbain: comparaison
de deux modèles hydrodynamiques sur la crue de Nîmes d'octobre
1998. Hg. v. Rev.Sci.Eau de Des Revue Sciences l'eau (Vol.16). Online
verfügbar unter
http://www.rse.inrs.ca/art/volume16/v16n1_79.pdf,
zuletzt geprüft am 30.12.2011.
xiv
Puech, C. (2000) : Memoire de recherche : Utilisation de la
télédétection et des modèles numériques de
terrain pour la connaissance des hydrosystèmes, Habilitation à
Diriger les Recherches.
Renaud, H. (2006): Analyse d'images satellitaires
d'inondations pour la caracterisation tridimensionnelle de l'alea et l'aide a
la modelisation hydraulique. These de doctorat de Ecole nationale du genie
rural, des eaux et des forêts.Montpellier. zuletzt geprüft am
30.12.2011
http://ebookbrowse.com/these-renaud-hostache-pdf-d68863230
RFU (1994): Régime Foncier Urbain, Données de
base de la mairie de Cotonou, DST (Direction desServices Techniques).
Richard, L. (2002): Erfassung und Modellierung der
räumlichen und zeitlichen Überschwemmungsflächendynamik in
Flussauen. am Beispiel des nördlichen Oberrheins.
Richards, j.a &. Jia x. (1999): Remote Sensing Digital
Image Analysis: An Introduction. Hg. v. Springer-Verlag. Berlin.
Rufat, S. (2007): L'estimation de la
vulnérabilité urbaine, un outil pour la gestion du risque
Approche à partir du cas de l'agglomération lyonnaise.In
Géocarrefour, vol. 82, n° 1-2, p. 7-16
Sanyal J. & Lu X. X. (2005): Remote sensing and GIS-based
flood vulnerability assessment of human settlements: a case study of Gangetic
West Bengal. Hg. v. Hydrological processes. India (Vol. 19, 18). Online
verfügbar unter
http://bib.rilk.com/2016/01/these_Renaud_Hostache.pdf.
Scheuren J.M. und al. (2008): Annual Disaster Statistical
Review. The Numbers and Trends 2007. Mai 2008. Hg. v. Centre for Research on
the Epidemiology of Disasters (CRED). Universite Catholique de Louvain. Brussel
(Belgique). Online verfügbar unter
http://www.preventionweb.net/files/2796_CREDAnnualStatisticalReview2007.pdf,
zuletzt
geprüft am 02.12.2011.
Snell, S. (2002): A flash flood prediction model for rural and
urban basins in New Mexico. Tech. Rept.University of New Mexico.
Stein, K. Förster K. Riedel G. (2009): Abschlussbericht
zum Forschungsprojekt Untersuchung starkregengefährdeter Gebiete«.
Hg. v. Bezirksregierung Detmold. Technische Universität Braunschweig.
Braunschweig.
Sauri-Pujol, D.; Roset-Pagès, D.; Ribas-Palom, A. &
Pujol-Caussa, P. (2001): The escalator effect in flood policy: the case of the
Coasta Brava, Catalonia, Spain. In: Applied Geography. Vol. 21 : p. 127-143.
Tchibozo, E. A. (2008): L'étude des aptitudes à
l'urbanisation de la ville de Cotonou par la télédétection
spatiale. In Les XIèmes Journées Scientifiques du
Réseau Télédétection de l'AUF. Antananarivo
(Madagascar). P 101-102.
Teka, O.S. (2010) : Methode zur Analyse von raumrelevanten
Prozessen in Entwicklungsländern
xv
das Beispiel des Küstenraumes von Benin. Doktorarbeit der
Fakultät für Bauingenieur-, Geo-und Umweltwissenschaften des
Karlsruher Instituts für Technologie (KIT).
Teka, O. Edea E. &. Vogt J. (2008): Quels apports de
l'information spatiale a l'étude des risques climatiques : cas de
Cotonou en zone côtière du Benin (Afrique de l'ouest)? What are
the contributions of spatial information to the climatic risks study: Case of
Cotonou in coastal zone of Benin (West Africa)? in «Aléas,
vulnérabilité, changement climatique, variations du trait de
côte»,. Hg. v. Du Société Hydrotechnique France (SHF).
Paris.
Thilagavathi G., Tamilenthi S. Ramu C. and Baskaran R. (2011):
Application of Gis in Flood Hazard Zonation Studies in Papanasam Taluk,
Thanjavur District, Tamilnadu. Hg. v. Advances in Applied Science Research.
Department of Earth sciences -Tamil University. Thanjavur, TN, India (Vol.2,
N°3). Online verfügbar unter
http://pelagiaresearchlibrary.com/advances-in-applied-science/vol2-iss3/AASR-2011-2-3-574-585.pdf.
OCHA-Bénin (2010): Benin Floods. Rapport de Situation
N°13. OCHA-Bénin. Cotonou (N°13).
Venkata Bapalu G., Rajiv Sinha (2005.): GIS in Flood Hazard
Mapping: a case study of Kosi River Basin. Hg. v. Conference Proceedings of Map
Middle East. UAE. India.
Veyret Y. (dir), 2003, Les Risques, Paris, Sedes, coll. «
Diem », 255
p. PROPECK-ZIMMERMANNE. et
SAINT GERAND T., 2001, Modélisation cartographique des RTM : de la
connaissance du risque à sa gestion ou objectiver le risque dans un SIG
pour l'objectiviser, Colloque risque et territoires, UMR 5600, pré actes
tome 1, Lyon, Vaux en Velin.
Vinu chandran, R., Ramakrishnan1, D., Chowdary, V. M.,
Jeyaram, A. and Jha, A. M.. Bihar. Curr. Sci., 2006 ,90(2):, pp. 249-256.
Wade, S. et al (2009): Télédétection des
catastrophes d inondation urbaine : le cas de la région de Dakar
(Sénégal). Hg. v. Agence Universitaire de la Francophonie.
Université Cheikh Anta Diop
de Dakar. Dakar (sénégal) (JAS09). Online
verfügbar unter
http://www.reseautd.cict.fr/alger/Articles
PDF apres correction et evaluation/A53 Souley
Wade_JAS09.pdf, zuletzt geprüft am 29.11.2011.
Wallez, L. (2010): Inondations dans les villes d'Afrique de
l'ouest : diagnostic et éléments de renforcement des
capacités adaptation dans le grand cotonou. Master en ingénierie
et management de l'environnement et du développement durable.
Univerité d'Abomey-Calavi/Université de Sherbrooke /
Université de Troyes, Abomey-Calavi.
Weinzierl, S. (1997): Acadja, ein traditionelles, extensives
Fischzuchtsystem in den Lagunengewässern Westafrikas und seine Bedeutung
für die Brachevegetation Benins. Universität -Hohenheim. Stuttgart.
Germany. Hohenheim.
Vieux, B.E. (2004): Distributed Hydrologic Modeling Using GIS.
Kluwer Academic Publishers, Dordrecht.
xvi
Werner, C. (2002): Einsatzmöglichkeiten räumlich
hochauflösender Satellitenbilder für Landschaftsplanung und
Naturschutz - Beispiele der Auswertung von IRS-1C/D-Daten -.
Habilitationsschrift. Technische Universität Berlin, Berlin. Fakultät
VII-Architektur Umwelt Gesellschaft -. Online verfügbar unter
http://d-nb.info/965278948/34,
zuletzt geprüft am 10.01.2012.
Yangbo Chen (2004): An urban flooting treatment model based on
GIS techniques. Hydrology: Science & Pratice for the 21 st Century. Hg. v.
British Hydrological Society. Sun Yat-Sen University. Guangzhou/China (Volume
II).
ZHOU, Q. (2001): Thematic Information from Digital Images. Hg.
v. Chen. Wien: Y-Q. Hg. v. Springer-Verlag Geographical Data Aquisition.
Fiabilité
Date de mesure
Hauteur d'eau
Observation
Anhang
Laisse de crue : Fiche de collecte
Type et nom de l'ouvrage support de laisse de
crue
Arrondissement
Localisation Quartier
Lieu-dit
xvii
Bonne moyenne Mauvaise
| 
