Ereignisbasierte Analyse wetterbedingter Feuerwehreinsätze im Einsatzgebiet der Leitstelle Nürnberg

Abstract

Extreme Wettersituationen führen immer wieder zu einem abrupten Anstieg eingehender Notrufe in Leitstellen der Feuerwehren. Datenbasierte Vorhersagemodelle für wetterbedingte Feuerwehreinsätze könnten dem Führungspersonal in der Leitstelle dabei helfen, präventive Maßnahmen besser zu planen und umzusetzen. Für die Entwicklung solcher Modelle ist wichtig, die relevante Wettergefahren und deren Auswirkungen auf das Einsatzgeschehen zu kennen. Deshalb wurde eine ereignisbasierte Analyse wetterbedingter Feuerwehreinsätze im Zuständigkeitsgebiet der Leitstelle Nürnberg durchgeführt. Diese Analyse liefert wertvolle Einblicke in die Häufigkeit und Eigenschaften von Ereignissen mit erhöhtem Einsatzaufkommen. Gewittersituationen stehen im Zusammenhang mit 62% der analysierten Ereignisse und führen oft zu einer hohen Einsatzzahl auf kleiner Fläche innerhalb kurzer Zeit. Im Vergleich dazu verursachen großflächige Stürme und Starkregen insgesamt ähnlich viele Einsätze, diese verteilen sich jedoch auf größere Flächen und längere Zeiträume. Auf Grundlage der Ergebnisse wird im nächsten Schritt die Entwicklung von Modellen zur Einsatzvorhersage durchgeführt.

Extreme weather conditions repeatedly lead to a sudden increase in incoming emergency calls at fire brigade dispatch centers. Data-driven prediction models for weather-related fire brigade operations could support command staff in planning and implementing preventive measures more effectively. For the development of such models, it is essential to understand the relevant weather hazards and their impacts on operational activity. Therefore, an event-based analysis of weather-related fire service operations in the response area of the Nuremberg Dispatch Center was conducted. This analysis provides valuable insights into the frequency and characteristics of events associated with increased operational demand. Thunderstorm situations account for 62% of the analyzed events and often result in a high number of operations concentrated in small areas within short time periods. In comparison, large-scale storms and heavy rainfall trigger a similar overall number of operations, but these are spread over larger areas and longer time frames. Based on these results, the next step will be the development of models for operation forecasting.