Ausblick 
Diese Nachteile werden überwunden, indem die Flexibilität der Maximum-Likelihood Parameter- 
Schätzung (MLE) genutzt wird, um zusätzliche Kovariaten bzw. erklärende Variablen einzuführen (Co- 
les 2001). Da es sich bei einer Sturmflut um ein räumliches Phänomen handelt (Calafat und Marcos 
2020), werden für die zu schätzenden Parameter der GEV (u, 0, €) räumliche Kovariaten, wie z.B. Bathy- 
metrie, geographische Länge und Breite herangezogen. 
Über die Beschreibung der Parameter als Funktionen dieser räumlichen Kovariaten gelangt man zu den 
geschätzten Quantilen, die ebenfalls von den räumlichen Kovariaten abhängen. Man spricht hierbei 
von einem Vektor-Generalisierten-Linearen Model (VGLM) (Yee 2015). Als Datengrundlage wurden 
monatliche Maxima an 32 Pegelstationen in der Deutschen Bucht genutzt. Bei dem hier dargestellten 
Stand der Arbeiten wurden die Kovariaten geographische Länge und Breite sowie die Bathymetrie im 
Untersuchungsgebiet der Deutschen Bucht genutzt. 
Durch ein solches Modell können die oben genannten Schwächen bewältigt werden. Darüber hinaus 
ist durch das Modell die Möglichkeit gegeben, die geschätzten Quantile in der Fläche zu interpolieren. 
im Klartext bedeutet dies, dass z.B. das 100-jährige Event auch abseits der Pegelstationen geschätzt 
werden kann (siehe Abbildung 7-3). Dieser Umstand bietet einen nennenswerten Vorteil, vor allem in 
Regionen, in denen wenige Stationen vorliegen (Arns et al. 2015). 
Water levels far return neriocd 1OO03a 
35.25 
E 
5 54.75 
= 
nl 
u 
D 
3 54.25 
D 
- 
El 
La 
DO 
53.75 
im 
ı- 540 
— 520 
— 5086 
- 480 © 
Fa 
- 460 E 
- 240} 
- 420 
- 400 
53.25 
65 7.0 
7.5 8.0 85 9.0 9.5 
longitude [degrees_east] 
10.0 10.5 
Abbildung 7-3 | Interpolierte Extremwasserstände für das 100-jährige Ereignis in der Deutschen Bucht. Pegelstati- 
nen als weiße Punkte. 
Für eine erste Einschätzung der Güte dieses Flächen-Kovariaten-Modells vergleichen wir in Abbildung 
7-4 die ermittelten Quantile aus dem Modell mit Flächen-Kovariaten an einer einzelnen, dem Modell 
nicht bekannten Station mit den Quantilen aus einem lokalen Referenzmodell, welches mit den Daten 
genau dieser Station trainiert wurde. Es zeigt sich, dass das Flächen-Kovariaten Modell im Rahmen der 
Unsicherheiten extremwertstatistische Schätzwerte vergleichbarer Güte liefern kann. Dieses exemp- 
larische Ergebnis gilt es aktuell umfassend für alle verfügbaren Stationen zu überprüfen (Kreuzvalidie- 
rung). Darüber hinaus wird an einer weitergehenden Verbesserung des Flächen-Kovariaten-Modells 
gearbeitet.