#TdH18 – Resumee Tag 2

TdH-2018-Poster-Crowd-Water.jpg
Gewinner Postpreis: Poster von Seibert et al. zu CrowdWater auf dem Tag der Hydrologie 2018

Hier (einigermaßen mit heißer Nadel gestrickt) meine Gedanken zum zweiten Tag es diesjährigen TdHs (natürlich wieder nur subjektiv und ein Ausriss der Gesamtveranstaltung):

  • Das Poster auf Tagungen ist gemeinhin (zumindest in meiner Wahrnehmung) unterschätzt… Viele Gute Poster hier (Inhalt und Gestaltung)! Hoffentlich werden auch die Poster im Nachgang digital bereitgestellt?!
  • Der zweite Tag ist ebenso gut besucht, wie der erste Tag; auch die beiden angebotenen Exkursionen sind meines Wissens ausgebucht.
  • Plattformen/Module/Bausteine/Methoden für ein besseres Hochwasserrisikomanagement (HWRM) sind ein wichtiges Thema. Auch interessant ist die Frage, wo im HWRM sich es überhaupt lohnt, etwas “zu investieren” (siehe Vortrag Prof. Evers). Hier scheint es aber so zu sein, dass man zwar verstanden hat, dass das nur unter Einbeziehung der Nutzer geht, ebendieser Punkt aber erst nach und nach “gelebt” wird.
  • Vieles läuft noch “nebeneinander her” – insofern ist das Motto des diesjährigen TdHs (Messen – Modellieren – Managen) aus meiner Sicht goldrichtig. Eine weitere Vernetzung/Verzahnung von Bausteinen ist immanent wichtig; hierfür sind vor allem stets Standard-Schnittstellen wichtig (typisierte Datenformate, Webservice-Schnittstellen, etc.); eventuell stehen dahingehend hier die hydrologischen Wissenschaften und anverwandten Bereiche (wie Geoinformatik, IT, etc.) noch ziemlich am Anfang.

#TdH18 – Resumee Tag 1

IMG_20180322_092404.jpg
Impression von der Keynote-Session; v.l.n.r.: Prof. Schütze (TU Dresden), Prof. Disse (TU München), Prof. Feger (TU Dresden), Sachsens Umweltstaatsminister Schmidt, Dr. Müller (LfULG), Prof. Weiler (Uni Freiburg)

Nun ist der erste Tag des 20. Tages der Hydrologie vorbei und ich frage mich, welche Lehren, Erkenntnisse und Einsichten hängen bleiben (sollten). Ich versuche, die aus meiner (subjektiven!) Sicht prominentesten Thesen und Richtungen kurz anzureißen.

Hinweis: da auf der Tagung vier Sessions parallel liefen, kann der Artikel natürlich nur einen Ausriss liefern.

  • Modellierer und Entscheidungsträger müssen (noch) enger zusammenrücken und zukünftig eventuell auch direkt zusammen arbeiten. Das betrifft auch und insbesondere die Frage danach, wer beispielsweise die Risikobewertung vornimmt (bspw. Vorhersageersteller oder -nutzer).
  • Die hydrologischen Wissenschaften orientieren sich aktuell stark in eine sozio- sowie öko-hydrologische Richtung.
  • Dass Unsicherheiten vorhanden sind und diese kommuniziert werden sollten, ist mittlerweile Common Sense. Keinen Common Sense gibt es allerdings dahingehend, wie Unsicherheiten (methodisch) ermittelt werden, wie geeignete Produkte aussehen, um Unsicherheitsaussagen zu transportieren und was Kommunikation in diesem Zusammenhang eigentlich bedeutet (Information vs. Konsultation vs. Partizipation).
  • Die Monetarisierung von hydrologischen Maßnahmen und deren Wirkung (beispielsweise Hochwasservorhersage plus Steuerung einer vorhandenen Retentionsmaßnahme vs. Aufwand für neuen technischen Hochwasserschutz) ist möglicherweise methodisch noch ausbaufähig, kann aber bereits straightforward angewendet werden und dient durchaus, Maßnahmen und -optionen transparent und in Abstimmung mit Stakeholdern darzustellen.
  • Eine tatsächlich prozessorientierte Forschung in der Landschaft (Experimentalgebiete, Hang- und Plotstudien, Lysimeterstudien, etc.) wird (zumindest gefühlt) mehr und mehr zurückgefahren (hier wäre sicher eine Überprüfung dieser These anhand einer Metastudie mehr als interessant).
  • Eine sehr interessante “Ausnahme” bzgl. des vorhergehenden Punkts war der Vortrag von Fabian Ries et al. (AG Prof. Weiler), wo extensive Beregnungsversuche auf der Plot-Skala in ganz Baden-Württemberg (23 Standorte!) vorgestellt wurden. Das Ziel war hier, die kleinskalige Abflussbildungsdynamik bei (extremem) Starkregen besser zu verstehen und zu quantifizieren.
  • Gehört hier im engeren Sinne nicht dazu, ist aber im Kontext eine Erwähnung wert: Vor allem im globalen Maßstab (auch und vor allem in Entwicklungs- und Schwellenländern!) werden hydrologische und meteorologische Messnetze eher dünner als dichter.
  • Messdaten sind wichtig wie eh und je! Sie bringen allerdings die Hauptunsicherheiten in hydrologische Betrachtungen ein. Fernerkundung kann eine zeitlich kontinuierliche Prozessbeobachtung am Punkt nur ergänzen, niemals ersetzen. Konzeption, Pflege, Ausbau und Optimierung der Messnetze ist daher ein Dauerthema. Fernerkundung als neuartige (im Sinne von “ersetzende”) Strategie zur Datenerhebung erscheint als eine Idee, welche nicht umfassend tragen wird.
  • Konkrete Projekte, welche einen spürbaren Impact und direkte Verbesserungen “vor Ort” erzielen, tragen sich gewissermaßen selbst. Es gab einige sehr schöne Beispiele dafür zu bestaunen (Hochwasservorhersage Sihl/Entscheidungsunterstützung Bewirtschaftung Sihl-Speicher, modellunterstützte hochwassersensitive Renaturierung der Escher – um nur zwei zu nennen).

Für ein (auch nur vorübergehendes) Fazit ist es zu diesem Zeitpunkt zu früh. Schauen wir mal, was der morgige zweite Tag der Konferenz bieten und bringen wird.

Abschließend sei unbedingt gesagt, dass die Konferenz über die Erwartungen der Veranstalter hinaus sehr gut besucht wird (aktuell tummeln sich wohl mehr als 400 Teilnehmer hier). Aus meiner Sicht ist das ein dicker Strich unter der Wichtigkeit der hydrologischen Wissenschaften im Angesicht der Herausforderungen des (bereits seit einiger Zeit) angebrochenen neuen Jahrhunderts.

Hochwasser-Frühwarnsystem Sachsen: jetzt online

Das in den vergangenen Jahren am Sächsischen Landesamt für Umwelt, Landwirtschaft und Geologie (LfULG) konzipierte Hochwasserfrühwarnsystem für Sachsen ist nun online verfügbar. Das System prognostiziert die Hochwassergefährdung für 16 Vorhersageregionen im Freistaat für bis zu 24 Stunden im Voraus. Methodisch basiert es auf einem vergleichsweise einfachen Klassifikationsverfahren, welches sich für den Anwendungsfall “Frühwarnung” als durchaus konkurrenzfähig gegenüber teilweise weitaus aufwändigeren Ansätzen erwiesen hat.

Alle Details zum überspannenden Projekt, zu Vorarbeiten, Vergleichsuntersuchungen sowie eine Auswertung der Modellperformance für das erste anderthalbe Jahr des operationellen Betriebes finden sich im Projektendbericht:

Endbericht Hochwasserfrühwarnung für kleine Einzugsgebiete

Eine kompakte Übersicht zum Frühwarnsystem bietet dieser Erklärfilm:

Frühwarninformationen sind derzeit über die Webseite des Landeshochwasserzentrums sowie proaktiv über einen RSS-Feed zu beziehen. Mit letzterer Möglichkeit lassen sich vielfältige nutzerseitige Warnlösungen erstellen (z.B. Benachrichtigungen auf Desktop-Computern oder auf Smartphones). Auch mit webbasierten Diensten wie IFTTT lässt sich mit RSS-Feeds mittlerweile ziemlich viel anstellen (“Drehe das Licht auf Rot, wenn eine Warnung vorliegt”).

Das LfULG setzt derweil seine Aktivitäten zur Verbesserung des Managements von Starkregenereignissen fort, insbesondere als Lead-Partner im EU-Interreg-Projekt RAINMAN. Dabei wird unter anderem ein starker Fokus auf die Einbeziehung von Nutzern von Frühwarnungen gelegt mit dem Ziel, die Risikobewertung vor Ort zu stärken sowie Frühwarnprodukte zukünftig noch mehr maßgeschneidert anbieten zu können.

Official Launch of Saxon Flood Early Warning Web Platform: March 5, 2018

The public flood early warning web platform will be officially launched on March 5, 2018. The final project report will be published soon. Furthermore, the project and the early warning system will be presented at this year’s Tag der Hydrologie Conference (March 22/23 in Dresden, Germany). More info on the project can be found via the project’s ResearchGate log. #FEWSsax #HWFWS #LHWZ

Tag der Hydrologie 22./23.03.2018 in Dresden

M³ – Messen, Modellieren, Managen

Der 20. Tag der Hydrologie legt den Fokus auf die Schnittstellen und Wechselbeziehungen der drei Arbeitsbereiche Messen, Modellieren und Managen und richtet sich gleichermaßen an „ExperimentatorInnen“, „ModelliererInnen“ und „WasserwirtschaftlerInnen“. Präsentieren sie ihre Methoden, Ergebnisse und Erfahrungen aus Forschung und Praxis zur Integration von zwei oder drei Tätigkeitsfeldern! Besonders gefragt sind M²- und M³-Beiträge, die zeigen wie Beobachtungsmethoden, Modelle und Entscheidungstechniken voneinander abhängen und in Wissenschaft und Praxis zusammenhängend entwickelt sowie aufeinander abgestimmt angewendet werden. Gewünscht sind Beiträge, die sich mindestens einem der nachfolgenden Themenfelder zuordnen lassen:

  • Messen und Modellieren
  • Modellieren und Managen
  • Messen und Managen
  • Messen, Modellieren und Managen

Von Interesse sind ebenso Beiträge, die den Transfer wissenschaftlicher Ergebnisse in die wasserwirtschaftliche Praxis zeigen, einschließlich der Nutzung webbasierter Lösungen und sozialer Medien zur Lösung von M³-Aufgaben durch Hydrologen und Wasserwirtschaftler als auch zur Information der breiten Öffentlichkeit.

Der Tag der Hydrologie wird von der Technischen Universität Dresden (Prof. Niels Schütze) in Zusammenarbeit mit dem Sächsischen Landesamt für Umwelt, Landwirtschaft und Geologie (Dr. Uwe Müller) ausgerichtet. Die 20. Auflage der Tagung in Dresden fällt mit dem 50-jährigen Jubiläum der Dresdner Schule der Hydrologie zusammen.

(Source: http://www.tu-dresden.de/tdh2018)

Mehr Informationen unter: http://www.tu-dresden.de/tdh2018

Sachsenweite Studie zur Eignung verschiedener Ansätze zur Ableitung von Hochwasserfrühwarnungen

Einführung

Für den Freistaat Sachsen wird derzeit am Landeshochwasserzentrum ein System zur Hochwasserfrühwarnung konzipiert, umgesetzt und operationalisiert. Dabei geht es darum, vor allem eine qualitative Einschätzung über die Hochwassergefährdung, beispielsweise in den nächsten 24 Stunden, abzuleiten. Das Ziel ist weniger, den möglichst exakten Verlauf einer Ganglinie vorherzusagen.

Es fanden bereits Voruntersuchungen zu den Ansprüchen potentieller Nutzer von Frühwarn-Produkten sowie zur Qualität und Eignung verschiedener meteorologischer Antriebsdaten (Niederschlagsvorhersagen) für die Hochwasserfrühwarnung statt.

Eine wichtige Anforderung an eine Frühwarnung ist dabei, dass diese auch und vor allem für kleine, potentiell unbeobachtete Einzugsgebiete einen prädiktiven Nutzen bietet. Es stellt sich die Frage, welcher Modellansatz für die Ableitung von Frühwarn-Informationen geeignet ist. Nun wurde von der Professur für Hydrologie der TU Dresden eine umfassende Analyse vorgelegt, welche diese Frage zu beantwortet.

Untersuchungsgebiete

Untersucht wurden 64 Pegeleinzugsgebiete in Sachsen, maßgeblich in einem Skalenbereich von wenigen bis einigen hundert Quadratkilometern Einzugsgebietsfläche. Das kleinste untersuchte Einzugsgebiet hatte dabei eine Fläche von gerade einmal ca. 6,5 km², das größte ca. 1.000 km².

Übersicht der Untersuchungsgebiete (ohne Pilotgebiete Mandau, Röder und Müglitz).
Übersicht der Untersuchungsgebiete (ohne Pilotgebiete Mandau, Röder und Müglitz).

Verwendete Modellansätze

Es wurden drei verschiedene Ansätze konzipiert, implementiert, angewendet und hinsichtlich ihrer Eignung zur Hochwasserfrühwarnung bewertet. Details zu den Ansätzen finden sich hier.

  1. Modell auf Basis eines künstlichen neuronalen Netzes (KNN)
  2. „Klassisches“ konzeptionell-deterministisches, teilflächenbasiertes Einzugsgebietsmodell
  3. Klassifizierendes Bewertungsverfahren der Hochwasseranfälligkeit („Scoring-Modell“)

Beurteilungskriterien

Bewertet wurden im Wesentlichen zwei Kriterien; Erstens, ob das Modell taugt, qualitative Frühwarnungen abzuleiten („Überschreitung einer Warnstufe in den nächsten 24 Stunden“) >> „Modus Frühwarnung“. Zweitens, ob das Modell in der Lage ist, beobachtete Ganglinienverläufe möglichst gut zu simulieren >> „Modus (Ganglinien-)Vorhersage“.

Zur Beurteilung des ersten Kriteriums eignet sich die AUC (Area Under ROC Curve). Dieses Maß ist am ungünstigsten bei Werten von 0,5 und optimal bei 1. Bei werten ab 0,8 kann man von mindestens einer guten Vorhersagegüte sprechen. Die AUC bewertet, ob ein vorhergesagter Wert innerhalb eines bestimmten Zeitfensters ober- oder unterhalb eines warnrelevanten Wertes (z.B. Alarmstufe) liegt.

Die Kling-Gupta-Effizienz (KGE) misst die Abweichungen zwischen beobachteter und simulierter Ganglinie. Sie ist optimal bei einem Wert von 1.

Modellgüte mit Blick auf Frühwarnung sowie Ganglinienvorhersage

Modus Frühwarnung

Hier geht es wie gesagt darum, zu beurteilen, ob ein vorhergesagter Wert innerhalb eines bestimmten Zeitfensters ober- oder unterhalb eines bestimmten beobachteten Wertes liegt.

Die folgende Abbildung zeigt exemplarisch Ergebnisse für die AUC. Konkret dargestellt sind die pegelspezifischen Ergebnisse der AUC-basierten Gütebewertung für eine Vorhersageweite von 21 Stunden sowie einen Modellantrieb mit interpolierten Ombrometerdaten als QPE sowie COSMO-DE-Daten als quantitative Niederschlagsvorhersage (QPF).

Ergebnisse der vergleichenden Gütebewertung für mehr als 50 Pegeleinzugsgebiete Sachsens für den Anwendungsfall
Ergebnisse der vergleichenden Gütebewertung für mehr als 50 Pegeleinzugsgebiete Sachsens für den Anwendungsfall “Frühwarnung”. Diagramm unten zeigt die empirische Häufigkeitsverteilung (Dichte) der Ergebnisse. Die Persistenzvorhersage stellt die einfachste Form der Vorhersage dar. Es wird angenommen, dass der Durchfluss Q(i) zum Zeitpunkt i ohne Änderung über den Vorhersagehorizont eintritt. Vorhersageweite 21 Stunden.

Es zeigt sich, dass für den Anwendungsfall „Frühwarnung“ das KNN-Modell am besten abschneidet, dicht gefolgt vom einfachen Scoring-Modell. Der deterministische Ansatz zeigt den geringsten prädiktiven Nutzen, obgleich die erzielten Güten meist immer noch mindestens als „gut“ zu bezeichnen sind; auch dieser Modellansatz bietet also für den Anwendungsfall einen prädiktiven Nutzen.

Modus (Ganglinien-)Vorhersage

Bewertet man hingegen die Abweichungen zwischen beobachteter und simulierter Ganglinie (Anwendungsfall „Ganglinienvorhersage“), so weist das KNN-Modell nach wie vor die höchsten Güten aus. Die Güte und Spezifität der verbleibenden beiden Ansätze fällt im Vergleich dazu ab, wobei das Scoring-Modell auf Grund seiner Besonderheiten (nur klassifizierte Aussagen) kaum in der Lage ist, beobachtete stetige Ganglinienverläufe wiederzugeben.

Ergebnisse der vergleichenden Gütebewertung für mehr als 50 Pegeleinzugsgebiete Sachsens für den Anwendungsfall
Ergebnisse der vergleichenden Gütebewertung für mehr als 50 Pegeleinzugsgebiete Sachsens für den Anwendungsfall “Ganglinienvorhersage”. Diagramm unten zeigt die empirische Häufigkeitsverteilung (Dichte) der Ergebnisse. Die Persistenzvorhersage stellt die einfachste Form der Vorhersage dar. Es wird angenommen, dass der Durchfluss Q(i) zum Zeitpunkt i ohne Änderung über den Vorhersagehorizont eintritt. Vorhersageweite 21 Stunden.

Zur räumlichen Übertragbarkeit der Ansätze

Besonders wenn es um die Frühwarnung vor Hochwasser in kleinen Einzugsgebieten geht, stellt sich die Frage nach der räumlichen Übertragbarkeit von Modellansätzen. Gerade kleine Gebiete sind oftmals unbepegelt, was streng genommen die Einbeziehung bereits beobachteter Durchflussanstiege für eine Frühwarnung nicht zulässt. Um die Möglichkeiten der räumlichen Übertragbarkeit der untersuchten Ansätze bewerten zu können, wurde ein regionales Jackknifing durchgeführt.

Die folgende Abbildung zeigt Güte-Ergebnisse (anhand der AUC – Anwendungsfall „Frühwarnung“) für beobachtete Gebiete („Original“) sowie quasi-unbeobachtete (im Sinne de Jackknifing zwar beobachtete, jedoch als unbeobachtet angesehene) Gebiete („Regionalisiert“).

Bewertung der regionalen Übertragbarkeit der untersuchten Modellansätze mittels Jackknifing. QPE: Ombrometerdaten; QPF: COSMO-DE. Eingezeichnet ist ein AUC-Grenzwert von 0,8 („gut“).
Bewertung der regionalen Übertragbarkeit der untersuchten Modellansätze mittels Jackknifing. QPE: Ombrometerdaten; QPF: COSMO-DE. Eingezeichnet ist ein AUC-Grenzwert von 0,8 („gut“).

Es zeigt sich, dass das Scoring-Modell am robustesten auf eine regionale Übertragung reagiert, was nicht weiterhin verwunderlich ist, da dort keinerlei beobachtete Durchflüsse eingehen.

Fazit

Es hat sich gezeigt, dass für den Anwendungsfall „Frühwarnung“ ein sehr simpler Scoring-Ansatz vergleichsweise hohen prädiktiven Nutzen bietet und gleichzeitig robust regionalisierbar ist. Eingedenk der sehr einfachen implementierungsseitigen und operationellen Ansprüche dieses Ansatzes, ist er nach dem aktuellen Kenntnisstand zur Ableitung von qualitativen Frühwarnprodukten zunächst zu bevorzugen.

Anders sieht es aus, wenn die möglichst exakte Simulation des Ganglinienverlaufs notwendig ist (Anwendungsfall „Ganglinienvorhersage“). Hier sind datengetriebene Verfahren (KNN) oder „klassische“ hydrologische Modellierung durchaus überlegen.

Referenzen

Abbildungen sind entnommen aus bzw. verändert nach:

Metzkes, C. et al.
A comparative study of data-driven approaches for flood early warning in small catchments
Contribution for the European Geosciences Union General Assembly 2017 Vienna, Austria, 23–28 April 2017.