Hochwasservorhersage für schnell reagierende Einzugsgebiete unter Berücksichtigung der Unsicherheit
Eine Hochwasservorhersage in schnell reagierenden Einzugsgebieten ist eine schwierige Aufgabe, weil nur kurze Vorwarnzeiten und meist wenig zuverlässige Informationen über die zukünftige Niederschlagsentwicklung zur Verfügung stehen. Die Entscheidungsträger benötigen daher Simulationswerkzeuge, die schnelle Vorhersagen und eine Bewertung ihrer Zuverlässigkeit ermöglichen. Zu diesem Zweck wird in dem Projekt ein neues stochastisches Schema für die Niederschlags-Abfluß (NA) – Modellierung entwickelt und in Symbiose mit künstlichen neuronalen Netzen eingesetzt, um die Berechnungszeit gegenüber Monte Carlo Berechnungen drastisch zu reduzieren. In der stochastischen NA – Modellierung werden Unsicherheiten aus drei Quellen berücksichtigt: 1) hydrologische Eichunsicherheit, 2) hydrologische Unsicherheit der Bodenparameter und 3) die Unsicherheit der meteorologischen Vorhersage. Für operative Zwecke erlernt ein stochastisches neuronales Netz (ANN-S) das Abflußverhalten des Einzugsgebiets und die mit der Vorhersage verbundenen Unsicherheiten. Zusammen mit einem radargestützten Ensemble-Vorhersagesystem für Niederschläge kann dann die Hochwasservorhersage mit einer objektiven Berechnung der Zuverlässigkeit in Echtzeit erfolgen.
Zeitraum: 2007-2010
Finanziert durch: DFG
Kooperation
- Meteorologisches Institut (Uni Bonn)
- Institut für Grundwasserwirtschaft (TU Dresden)
- Inst. Polytecnique de Grenoble (Frankreich)
- DWD
- IIT Kharagpur (Indien)
Mitarbeiter
Prof. Gerd H. Schmitz, Dr. Niels Schütze, Thomas Krauße