Zitierung: Kahle, P., Bauwe, A., Lennartz, B. (2018): Übersichtsbeitrag zu Untersuchungen zum Nährstoffaustrag im künstlich entwässerten Tieflandeinzugsgebiet der Zarnow, Mecklenburg-Vorpommern – Hydrologie & Wasserbewirtschaftung, 62, (3), 159-172; DOI: 10.5675/HyWa_2018,3_3
Hydrologie und Wasserbewirtschaftung 62. Jahrgang, Heft 3 Juni 2018
Autorin/Autor: Marcus Beylich, Janine Köhn und Frido Reinstorf
Schlagworte: Klimawandel, Extremhochwasser, Winterhochwasser, Schneeschmelze, Kleine Einzugsgebiete
Zitierung: Beylich, M., Köhn, J., Reinstorf, F. (2018): Untersuchungen zu den Auswirkungen aktueller Klimaprojektionen auf das Abfluss-Verhalten im Einzugsgebiet des Schäferbaches/Harz – Hydrologie & Wasserbewirtschaftung, 62, (3), 173-183; DOI: 10.5675/HyWa_2018,3_4
Kaiser, M., Winter F., Rieger, W. (2017): Prozessbasierte Modellierung der Oberflächenabflussbildung und -konzentration in einem kleinen voralpinen Einzugsgebiet – Hydrologie & Wasserbewirtschaftung, 61, (5), 327-337; DOI: 10.5675/HyWa_2017,5_3
Hydrologie und Wasserbewirtschaftung 54. Jahrgang, Heft 3, Juni 2010
Autor/Autorin:
Carol Hemund, Rolf Weingartner, Judith Dobmann, Gerhard Markart und Bernhard Kohl
Schlagworte:
Abfluss- und Rauigkeitsbeiwert, Hochwasserabschätzung, kleine Einzugsgebiete
In den vergangenen Jahren ereigneten sich im Alpenraum vermehrt Hochwasser mit teilweise beträchtlichen Auswirkungen auf Mensch und Umwelt (BEZZOLA & HEGG 2007). Das Interesse an einer möglichst genauen Abschätzung seltener Hochwasser liegt deshalb nahe. Häufig mangelt es aber insbesondere in kleinen Einzugsgebieten (< 10 km2) an geeigneten Niederschlags- und Abflussdaten.
Mit der sog. Geländeanleitung von MARKART et al. (2004) besteht ein prozessnaher, in Österreich entwickelter Ansatz, um die Abflussreaktion kleiner Einzugsgebiete bei Starkregenereignissen zu ermitteln und darauf basierend Hochwasserspitzen abzuschätzen.
Kern des Verfahrens bildet die Abschätzung des Abflussbeiwertes sowie der Oberflächenrauigkeit im Gelände. Um schließlich zu einer Hochwasserabschätzung zu gelangen, müssen die im Gelände erhobenen Daten mit einem hydrologischen Modell (ZEMOKOST) oder anderen gängigen Ansätzen, z.B. HEC-HMS (SCS 1985), gekoppelt werden.
Das Ziel dieser Arbeit war es, die Übertragbarkeit der Geländeanleitung von den Ostalpen auf den schweizerischen Alpenraum zu prüfen. Dazu wurde sie in zwölf schweizerischen Einzugsgebieten angewandt und evaluiert. Die Ergebnisse zeigen, dass der kombinierte Ansatz von Markart/Zemokost insgesamt auch für den schweizerischen Alpenraum geeignet ist. Zusätzlich liefert der vorliegende Aufsatz Vorschläge zur Optimierung der Geländeanleitung und zeigt, wie mit ihr seltene Scheitelabflüsse mit unterschiedlichen Wiederkehrintervallen abgeschätzt werden können.
Hydrologie und Wasserbewirtschaftung 49. Jahrgang, Heft 5, Oktober 2005
Autorin/Autor:
Gerd H. Schmitz, Johannes Cullmann, Wilfried Görner, Franz Lennartz und Werner Dröge
Schlagworte:
Hochwasservorhersage, kleine Einzugsgebiete, Modellierung, PAI-OFF, künstliche neuronale Netze
PAI-OFF (Process Modelling and Artificial Intelligence for Online Flood Forecasting) ist eine neue Methodik, die zuverlässige Hochwasservorhersagemodelle auf dem aktuellsten Wissensstand einer Echtzeitanwendung für den operativen Einsatz zugänglich macht. Die Auflösung des Widerspruchs zwischen der rechenintensiven und anspruchsvollen Nutzung solcher Modelle und der Forderung des operativen Betriebs nach robusten, unkomplizierten und schnellen Vorhersagesystemen gelingt durch die Verbindung von hydrologisch/hydraulischen Prozessmodellen mit aufgabenspezifisch adaptierten, künstlichen neuronalen Netzen (ANN). Dazu wird zunächst auf der Basis von Beobachtungsdaten und abflussrelevanten Einzugsgebietscharakteristika ein prozessorientiertes, gekoppeltes hydrologisch/hydraulisches Modell des Einzugsgebietes erstellt. Dieses berechnet auf der Grundlage einer orttypischen meteorologischen Charakterisierung Szenarien, die alle physikalisch möglichen und sinnvollen Konstellationen der Hochwasserentstehung abdecken. Unter Ausnutzung der im Vergleich zu klassischen Niederschlags-Abflussmodellen zusätzlichen Information aus der gebietsbezogenen meteorologischen Analyse entsteht so eine Datenbank, die insgesamt die Reaktion des Einzugsgebietes auf alle Hochwasser auslösenden Niederschläge unter den unterschiedlichsten Bedingungen beschreibt. Eine auf die Problematik abgestimmte Lernstrategie überträgt diese hydrologisch/hydraulische Charakteristika des Einzugsgebiets unter Einbeziehung der hochwasserrelevanten Merkmale der Ereignis-Vorgeschichte auf das neuronale Netz. Damit überwindet PAI-OFF die entscheidende Restriktion der eingeschränkt verfügbaren Beobachtungs-(Lern)daten, an der bisherige Versuche ANN zur Hochwasservorhersage zu nutzen scheiterten. Die benannten Arbeitsschritte werden nur einmalig für ein bestimmtes Einzugsgebiet durchgeführt. Anschließend kann PAI-OFF ohne nennenswerten Aufwand routinemäßig als Werkzeug zur Hochwasservorhersage
eingesetzt werden. Dabei kommen die generellen Vorteile neuronaler Netze wie Einfachheit, Schnelligkeit, Robustheit und die Fähigkeit sich im laufenden Betrieb noch besser dem Verhalten des Einzugsgebiets anzupassen, bzw. die Auswirkung von Änderungen z.B. der Landnutzung graduell zu berücksichtigen („learning by doing“), voll zum Tragen und nutzen dabei alle Vorteile einer gewissenhaften und modernen hydraulisch/hydrologischen Modellierung. Das volle Potential von PAI-OFF ist bei der Einbeziehung von Flussabschnitten mit deutlichem Rückstaueinfluss, entsprechenden Nebenflusseinmündungen etc. oder der Einbeziehung von Unsicherheiten erst wirklich auszuschöpfen.