english  | Home | Sitemap | KIT

FloRiS: Bestimmung der Charakteristik hochwasser-auslösender Niederschläge in Südwestdeutschland und stochastische Simulation von Starkniederschlägen

FloRiS: Bestimmung der Charakteristik hochwasser-auslösender Niederschläge in Südwestdeutschland und stochastische Simulation von Starkniederschlägen
Ansprechpartner:

Prof. Dr. M. Kunz

Projektgruppe:

IMK-TRO

Förderung:

SV SparkassenVersicherung AG, Stuttgart

Partner:

Institut für Wasser und Gewässerentwicklung (IWG), James Daniell Natural Hazards Risk Consultant

Hochwasserrisiko in Südwestdeutschland

Schwere Hochwasserereignisse führen immer wieder in Deutschland zu schweren  Schäden in Milliardenhöhe – wie die Ereignisse 2002 und 2013 an Elbe und Donau gezeigt haben. Basierend auf einem fachübergreifenden Forschungsprojekt zwischen IMK-TRO, IWG und GPI kann zukünftig das Risiko großräumiger Überschwemmungen mit Hilfe eines neu entwickelten Ansatzes abgeschätzt werden.

Die schwersten Hochwasser der vergangenen Jahre ereigneten sich im August 2002 und Juni 2013 entlang der Elbe und der Donau mit einem Gesamtschaden beider Ereignisse von rund 22 Milliarden Euro. Vergleichbare Überschwemmungen in Baden-Württemberg entlang des Rheins und seiner Nebenflüsse ereigneten sich zuletzt Anfang der 1990er Jahre.

Im Rahmen des Forschungsprojekts „FLORIS“ (Flood Risk – Hochwasser-Risiko) war das Ziel ein Hochwasserrisikomodell für die Bundesländer Baden-Württemberg, Hessen und Thüringen zu entwickeln, um somit zukünftig das Risiko in diesen Regionen besser abschätzen zu können. Die Arbeiten erfolgten in Kooperation mit der SV SparkassenVersicherung. Da Analysen von Schröter et al. (2015) gezeigt haben, dass derartige Ereignisse durch unterschiedliche meteorologische und hydrologische Situationen und Bedingungen ausgelöst werden können, wurden zunächst am IMK-TRO die meteorologischen Bedingungen im Vorfeld und während schwerer Hochwasser analysiert und mithilfe statistischer Verfahren extrapoliert, um einen umfangsreichen Ereigniskatalog zu erstellen. Auf Basis der so gewonnenen Daten wurden anschließend vom IWG hydrologische und hydraulische Simulationen durchgeführt, aus denen anschließend mit neu entwickelten Vulnerabilitätskurven des GPI das Hochwasserrisiko abgeschätzt werden kann.

Meteorologische Untersuchungen

Niederschlagsmessungen werden punktuell an einzelnen Stationen durchgeführt, die räumlich nicht homogen verteilt sind. Insbesondere in Gebirgen ist die Abdeckung durch Messstationen oft sehr dünn. Für eine qualitativ hochwertige Beschreibung der zu Hochwasser führenden Niederschlagsereignisse sind aber räumlich und auch zeitlich hochaufgelöste Niederschlagsdaten unbedingt erforderlich, denn nur dann sind repräsentative Aussagen für größere Gebiete wie Flusseinzugsgebiete oder ganze Flusssysteme möglich. Weiterhin gibt es meteorologische Niederschlagsmessungen erst seit etwa 100 Jahren, sodass die schweren aber sehr seltenen Extremereignisse mitunter nicht ausreichend erfasst sind. Für eine vollständige Risikoabschätzung müssen aber gerade diese Extrema mit einbezogen werden. Um auch hierfür verlässliche Aussagen treffen zu können, sind große Stichproben an Daten, beispielsweise Simulationen über mehrere Tausend Jahre, notwendig. Die Verwendung der aktuell verfügbaren gebräuchlichen Wettermodelle ist auf Grund der teils komplexen Gleichungssysteme und der damit verbundenen hohen Rechenzeit nicht möglich.

Im Rahmen des Projekt „FLORIS“ wurde daher eine neue Methode zur stochastischen Simulation einer großen Anzahl an hochaufgelösten (1 x 1 km²) Niederschlagsereignissen konzipiert, das Stochastische Niederschlagsmodell  SPM (Ehmele, 2018; Ehmele und Kunz, 2018). Dabei wird ein vereinfachter  aber nach wie vor physikalisch belegbarer Ansatz zur Beschreibung der Niederschlagsbildung über Gebirgen verwendet und durch weitere Terme ergänzt, die die Niederschlagsbildung durch andere physikalische Prozesse beschreibt. Die Lösung über eine Fourier-Transformation ermöglicht die Simulation vieler Ereignisse in kürzester Zeit.

Die statistische Grundlage des SPM in Form von Wahrscheinlichkeitsverteilungen wurde aus Vertikalprofilen (Radiosonden) und Niederschlagsmessungen (Bodenstationen) der 200 stärksten historischen Ereignisse erstellt. Dabei zeigte sich, dass zwischen den Jahreszeiten teils deutliche Unterschiede in den statistischen Verteilungen festzustellen sind. Außerdem hat sich eine dominierende Windrichtung aus Südwest bis West für die untersuchten Bundesländer herauskristallisiert. Eine Persistenzanalyse ergab eine leichte Tendenz zu längeren Ereignissen im Winter.

Es zeigte sich, dass mit der gewählten Methode, obgleich der gewählten Vereinfachungen, sehr realistische Niederschlagsmengen und räumlichen Verteilungen simuliert werden können (Abb. 1). Die Differenzen zu den Beobachtungen liegen größtenteils im Bereich von wenigen Prozent. Lokale Unterschiede sind auch auf Unsicherheiten in den zugrunde liegenden Messdaten zurückzuführen. Die Betrachtung von Gebietsniederschlägen für ganz Baden-Württemberg oder auch für ausgewählte Flusseinzugsgebiete zeigt ebenfalls eine hohe Übereinstimmung zwischen Modell und Beobachtungen. Die Differenzen sind hier noch geringer und steigen für größere Wiederkehrperioden von mehreren hundert Jahren etwas an, wobei sie aber immer innerhalb eines gesetzten Vertrauensbereichs liegen (Abb. 2).

Die in sich geschlossene Methode des SPM ermöglicht außerdem eine Übertragung auf eine Vielzahl anderer Untersuchungsgebiete. Durch geschickte Wahl der Eingangsdaten (z. B. Globalmodelle) können auch Simulation in Gebieten mit geringer oder fehlender Messstationen durchgeführt werden.

FLORIS1

Abbildung 1: Vergleich der stärksten 200 Niederschlagsereignisse aus Beobachtungen (links, Quelle: REGNIE, DWD) und 10.000 stochastisch simulierten Ereignissen (rechts, SPM). Abgebildet ist das Niederschlagsfeld des 90%-Perzentils, des jeweiligen Datensatzes (Ehmele und Kunz, 2018).

FLORIS2

Abbildung 2: Vergleich von Gebietsniederschlägen bestimmter Wiederkehrperiode aus Modell (rot) und Beobachtungen (blau) für die Fläche Baden-Württembergs (links) und für das Einzugsgebiet des Neckars (rechts). Die schwarzen Linien kennzeichnen die statistische Verteilung und den Vertrauensbereich.

 

Hydrologie & Hydraulik

In einem zweiten Schritt wurden am IWG die stochastischen Niederschlagsereignisse in stochastische Hochwasserszenarios überführt, indem mithilfe der entsprechenden Hochwassergefahrenkarten (HWGK) die potentiellen Abflussmengen und Wiederkehrperioden pro Flusseinzugsgebiet berechnet und anschließend miteinander kombiniert werden. Damit ist es möglich, ein gebietsübergreifendes stochastische Modell zu betreiben, während die gewöhnlich verwendeten probabilistischen Methoden nie gleichzeitig für alle Einzugsgebiete anwendbar sind. Die Analyse historischer Ereignisse hat gezeigt, dass sich die Wiederkehrperioden in den Teileinzugsgebieten deutlich von der im übergeordneten Gesamteinzugsgebiet unterscheiden. Ein 100-jähriges Ereignis kann beispielsweise in einzelnen Teilgebieten ein 500-jähriges im gesamten Einzugsgebiet überschreiten. Nicht zuletzt deswegen ist ein ereignisbasierter Ansatz der einzige Weg derartige Hochwasserereignisse und deren Schadenwirkung über viele Jahre hinweg realistisch zu untersuchen.

Risikoabschätzung

Am GPI wurde eine umfassende Analyse der Exposition und Vulnerabilität des zu Grunde liegenden  Portfolios durchgeführt. Zur Anwendung kam eine Vielzahl an innovativen Methoden zur Schließung von Datenlücken inklusive verschiedener OSM-Methoden (Open Street Map) sowie eine umfangreiche Sammlung an Informationen, die für die Vulnerabilitäts- und Schadenanalysen notwendig sind. Dazu gehören unter anderem die Art und Nutzung des Gebäudes, deren Anzahl der Stockwerke bzw. die Höhe sowie zahlreiche bereits vorhandene wasserbauliche Maßnahmen zur Minderung des Hochwasserrisikos (z. B. Rückhaltebecken).

Um für die verschiedenen stochastischen Ereignisse die damit verbundenen Wasserstände und die Schadenverhältnisse miteinander zu verknüpfen, wurden abschließend historische Ereignisse weltweit untersucht und dabei über 200 verschiedene mögliche Schadenfunktionen getestet. Zusätzlich wurde das unterschiedliche Verhalten von Flusshochwassern und Sturzfluten analysiert, die sich beispielsweise in Ereignisdauer, dem Fließverhalten und dem Anteil des mitgeführten Gerölls unterscheiden. Auf diese Weise wurde der potentielle Schaden und die dazugehörige Jährlichkeit für jedes Ereignis ermittelt, um daraus PML-Kurven (engl. probable maximum loss – maximal möglicher Schaden) und Schadentabellen zu erstellt.

 

Weiterführende Informationen:

Daniell J.E., Kron A., Brand J., Muehr B., Vecere A., Piper D., Kunz M., Ehmele F., Mohr S. (in prep): Exceptional sequence of severe thunderstorms and related flash floods in May and June 2016 in Germany – Part 2: Hydrology and Damage Assessment. Nat. Hazards Earth Syst. Sci.

Ehmele, F. (2018): Stochastische Simulation großflächiger, hochwasserrelevanter Niederschlagsereignisse. Dissertation. Wissenschaftliche Berichte des Instituts für Meteorologie und Klimaforschung des Karlsruher Instituts für Technologie, Band 76, KIT Scientific Publishing, Karlsruhe, Deutschland. doi:10.5445/KSP/1000080495.

Ehmele, F. und M. Kunz (2018): Flood-Related Extreme Precipitation in Southwestern Germany: Development of a Two-Dimensional Stochastic Precipitation Model. Hydrol. Earth. Syst. Sci. Discuss., doi:10.5194/hess-2018-147, in review.

Kunz, M. (2011): Characteristics of Large-scale Orographic Precipitation in a Linear Perspective. J. Hydrometeor., 12, 27-44. doi:10.1175/2010JHM1231.1.

Kunz, M., S. Mohr und P. Werner (2017): Kapitel 7 Niederschlag. In: Klimawandel in Deutschland: Entwicklung, Folgen, Risiken und Perspektiven. (Hsg.: G. Brasseur, D. Jacob und S. Such-Zöller), Springer Spektrum, 57–66. doi:10.1007/978-3-662-50397-3_7.

Smith, R. B. und I. Barstad (2004): A Linear Theory of Orographic Precipitation. J. Atmos. Sci., 61, 1377–1391, doi:10.1175/1520-0469(2004)061<1377:ALTOOP>2.0.CO;2.

Schröter, K., M. Kunz, F. Elmer, B. Mühr, und B. Merz (2015): What made the June 2013 flood in Germany an exceptional event? A hydro-meteorological evaluation. Hydrol. Earth. Syst. Sci., 19, 309–327. doi:10.5194/hess-19-309-2015.