Globale Datenbank der Auswirkungen natürlicher Gefahren

Projekttitel: Eine globale Datenbank zu Auswirkungen natürlicher Gefahren, wie sie in der wissenschaftlichen Literatur berichtet werden

Projektdauer: 01.06.2023 bis heute

Forschungsbereich: Erd- und Umweltwissenschaften

Ziele

In diesem Forschungsprojekt wollen wir eine umfassende globale Datenbank zu den Auswirkungen natürlicher Gefahren aufbauen, wie sie seit den 1950er-Jahren in der wissenschaftlichen Literatur dokumentiert sind. Dafür haben wir mit einer systematischen Erfassung weltweiter Forschung zu hydroklimatischen Extremereignissen begonnen, darunter Dürren, Hitzewellen und Überschwemmungen. Der Korpus umfasst Volltextartikel aus offenen Zugangsquellen, die aus Datenbanken wie ScienceDirect und PubMed extrahiert wurden. Dafür entwickeln wir ein Klassifikationsmodell, das Gefahren und ihre beschriebenen Auswirkungen in wissenschaftlichen Texten erkennt. Wir werden ein transformerbasiertes Sprachmodell auf dem Korpus vortrainieren und es anschließend feinabstimmen, um erstens Sätze zu klassifizieren und zweitens Entitäten in Sätzen zu identifizieren, die die Auswirkungen natürlicher Gefahren beschreiben, etwa Ursache, Datum und Ort des Ereignisses, die Folgen sowie die Zahl der betroffenen Menschen.

Ziele im Überblick

• Aufbau eines Korpus von 30 bis 50 annotierten Open-Access-Artikeln aus dem Forschungsbereich Naturgefahren.
• Aufbau einer begutachteten globalen Datenbank zu den Auswirkungen natürlicher Gefahren, mit Angaben zu Datum, Ort und Ursache des Ereignisses sowie qualitativen und quantitativen Beschreibungen sozialer, ökonomischer, ökologischer und gesundheitlicher Folgen.

Problem

Bestehende Studien und Datenbanken zu den Auswirkungen natürlicher Gefahren haben mehrere Einschränkungen, etwa erstens einen geringen Detaillierungsgrad dazu, wie Menschen betroffen waren, zweitens eine Unterschätzung der Auswirkungen, drittens einen begrenzten geografischen Umfang und viertens fehlende Informationen über die Datenquelle. Wissenschaftliche Publikationen, Berichte und Handbücher bilden jedoch ein großes Datenreservoir, das wertvolle und vertrauenswürdige Informationen zu Naturgefahren liefern kann.

Technologie

• Natural Language Processing
• Deep Learning, insbesondere textklassifikationsbasierte Modelle
• Python, R

Team

Leitung
Dr. Taís Maria Nunes Carvalho

Teammitglieder
Prof. Dr. Jakob Zscheischler
Mariana Madruga de Brito
Christian Kuhlicke

Partner

Helmholtz Center for Environmental Research