Schon wieder Regen - Verbesserte statistische Modelle von Hochwassern
Wenn Wasserressourcenmanager eine Hochwasserfrequenzanalyse durchführen, besteht eine der größten Herausforderungen darin, zwei oder mehr abhängige Variablen zu modellieren. Das Projekt IMPALA (Improved multivariate frequency analysis of flood extremes by copulas in a non-stationary environment) lieferte eine fachübergreifende Lösung für dieses Problem. Die Antwort umfasst Copula-basierte multivariate Frequenzmodellierung von Hochwasserextremen, die Angaben zu den historischen und regionalen ungemessenen Extremen enthält. Copulas sind statistische Werkzeuge, mit denen sich die Abhängigkeit zwischen zwei Zufallsvariablen beschreiben lässt und die sich für die Modellierung der Frequenz von multivariaten Hochwasserextremen eignen. Die IMPALA-Initiative wollte die multivariate Frequenzmodellierung von Hochwasservariaten verbessern, indem sie die Anzahl der Beobachtungen bei den Extremen der Randverteilung von Hochwasserdaten erhöht. Außerordentliche Hochwasserdaten wurden mittels Bayes-Markov-Kette-Monte-Carlo-Methoden in eine univariate Flutfrequenzanalyse inkludiert. Das Projekt nutzte bestehende europaweite Datenbanken von Abflussaufzeichnungen und Einzugsdeskriptoren sowie Daten von den entsprechenden österreichischen und slowakischen Behörden. Im allgemeinen gehen Studien, die sich mit der Anpassung von univariaten oder multivariaten Frequenzmodellen auf die beobachteten Daten befassen, nicht über die Statistiken hinaus; die hydrologischen und/oder meteorologische Treiber von Hochwasserprozessen werden in der Regel nicht untersucht. Daher wurde lenkte das IMPALA-Projekt vor allem die Philosophie, dass es unvermeidlich ist, zwischen Hochwasserantriebsmechanismen zu unterscheiden. Im Rahmen von IMPALA wurde ein neues Verfahren entwickelt, um Sturmereignisse mit konvektivem Charakter auf der Grundlage von hochauflösenden klimatologischen Daten und Blitzaktivität zu identifizieren. Die Methode erwies sich als nützlich bei der Typologie von Hochwasserprozessen, da konvektive Stürme Vorläufer von Sturzfluten sind. In einer ähnlichen Studie wurde die Variabilität der Clausius-Clapeyron-Steigerungsraten in der Niederschlagsintensität mit Lufttemperatur untersucht. Die Ergebnisse haben schwerwiegende Auswirkungen auf das hydrologische Risiko: Als Folge des Klimawandels wird eine steigende mittlere Lufttemperatur erwartet, was höher Clapeyron-Skalierungsraten impliziert, und dies könnte sich in schweren Regengüssen und folglich Sturzfluten manifestieren. Die Forscher untersuchten, ob Überschwemmungen sich in der Vergangenheit geändert haben, und erforschten die Prozesse in der Atmosphäre, den Flusseinzugsgebieten und den Flusssystemen in Europa, die solche Änderungen antreiben. Darüber hinaus wurden Methoden zur Beurteilung, ob Hochwasser in der Zukunft zunehmen könnten, entwickelt und Vorschläge für ein integriertes Hochwassermanagement formuliert, um mit dem Risiko künftiger Überschwemmungen umzugehen. Die Abhängigkeit zwischen Hochwasserspitzen und Hochwassermengen in Österreich wurde für verschiedene Hochwasserprozesse (synoptisches, Blitz- und Schneeschmelze-Hochwasser) analysiert. Es wurde festgestellt, dass die Unsicherheit in statistischen Modellen durch eine tiefere hydrologische Analyse der Faktoren, die Hochwasserspitzen und Volumen beeinflussen, reduziert werden kann. Die Zuverlässigkeit der Frequenzschätzung kann auch durch die Berücksichtigung der Eignung des Modells und der Hochwasserentstehungsmechanismen in der Zielregion erhöht werden. Die Ergebnisse von IMPALA werden dazu beitragen, viele theoretische und praktische Fragen in Bezug auf Hochwasserrisiko und den Wasserkreislauf zu beantworten. Auf diese Weise unterstützen sie die Arbeit der wissenschaftlichen Gemeinschaft und werden professionellen Endanwendern, politischen Entscheidungsträgern im Bereich des Hochwasserschutzes, Nichtregierungsorganisationen und nationalen, regionalen und lokalen Behörden zugutekommen.
Schlüsselbegriffe
Hochwasser, multivariate, Frequenzanalyse, Hochwasserextreme, Hochwasserwelle, Hochwasservolumen, Copulas, bivariate Verteilung, Markov-Ketten-Monte-Carlo, Hochwasserantriebsmechanismen, Prozesse
