Es wird ein Zusammenhang zwischen der Morphometrie einer Reihe von Hauptholzarten und deren Stammabfluss hergestellt, um hieraus die wichtigsten bestandeshydrologischen Daten (Interzeption, Waldbodenniederschlag usw.) abzuleiten. Das Ziel der Untersuchung besteht darin, aufgrund von Luftbildaufnahmen, die die Morphometrie von Baeumen mit zu erfassen Imstande sind, Waldnettoniederschlagskarten zu fertigen, um die Wasserhaushaltsgroessen bewaldeter Gebiete genauer eingrenzen zu koennen.
Es ist allgemein bekannt, dass andere Wasserstoffpools neben Bodenfeuchte die Neutronenzählrate von 'cosmic-ray neutron sensing' (CRNS) Detektoren beeinflussen. Bisher wurden diese zusätzlichen Pools meist als störende Einflüsse betrachtet, die korrigiert werden müssen. Dafür wurden verschiedene Ansätze zur Korrektur von Wasserstoff entwickelt, welcher zum Beispiel im Kristallwasser, in der organischen Substanz des Bodens, in der Atmosphäre oder in der Biomasse gespeichert ist. Es wurde gezeigt, dass solche Korrekturen wesentlich sind, um die Genauigkeit der mit CRNS erhaltenen SWC-Schätzungen zu verbessern. Aktuelle Publikationen zeigen, dass das Verhältnis von thermalen zu schnellen Neutronen (Nr) zur Schätzung von Biomasse genutzt werde kann und außerdem Informationen zu zeit-variablen Wasserstoffpools enthält. Beides soll im Rahmen des Forschungsmoduls VG untersucht werden. Das Projekt verfolgt zwei Hauptziele. Zunächst wollen wir universell gültige Methoden zur Korrektur von CRNS-basierten Bodenfeuchtemessungen für den Einfluss von zeit-variablen Wasserstoffpools wie Biomasse und Interzeption entwickeln. Dazu werden empirische Funktionen basierend auf zusätzlichen Messungen, wie Pflanzenparametern und Throughfall, getestet und kalibriert. Diese Messungen werden mit einem gekoppelten Boden-Vegetations-Modell integriert, das außerdem die Simulation des Interzeptionsspeichers ermöglicht. Zweitens, wollen wir Methoden entwickeln, um die Wasserstoffpools direkt aus dem CRNS-Signal - ohne zusätzliche Messungen und Kalibrierung - zu schätzen. Dazu werden wir die Verwendung des Nr untersuchen. Unter Verwendung geeigneter Neutronenenergie-Korrekturen werden wir verbesserte thermale und epithermale Neutronen-Signale erhalten, was eine bessere Untersuchung von Biomasse- und Interzeptionseffekten auf das Nr-Signal ermöglicht. Um diese Ziele zu erreichen, werden wir drei Arten von Feldexperimenten durchführen: a) dedizierte kontinuierliche Experimente an repräsentativen landwirtschaftlichen Standorten, b) Feldmesskampagnen einer Vielzahl von Feldern mit verschiedenen Nutzpflanzen mit dem Jülich Cosmic Rover und c) Analyse von Neutronen- und Biomassedaten aus dem bestehenden TERENO CRNS-Netzwerk. Die Messungen im Rahmen der Feldexperimente werden durch bodenhydrologische Modellierungen ergänzt, um Referenzinformationen mit verbesserter räumlicher und zeitlicher Auflösung zu erhalten (z.B. vertikale Verteilung von Bodenfeuchte im Profil; Auftreten von Stauwasser auf der Bodenoberfläche).Das Forschungsmodul VG wird gemessene Vegetationsparameter für die gemeinsamen Feldkampagnen (JFC) liefern, die insbesondere von RV, MC, HG und RS benötigt werden. In Zusammenarbeit mit NS wird der Einfluss von Biomasse und Interzeption auf das Nr modelliert. Durch DD verbesserte CRNS-Sensoren, werden für eine verbesserte Quantifizierung der Interzeption verwendet.
Die zwei Kartenthemen bestehen jeweils aus mehreren thematisch und räumlich unterschiedlichen Ebenen. Die Ebenen sind teilweise voneinander unabhängig aussagekräftig. Die Starkregenhinweiskarte basiert maßgeblich auf folgenden Produkten: Hinweiskarte Starkregen des Bundesamts für Kartographie und Geodäsie topografische Senkenanalyse der BWB, starkregenbedingte Feuerwehreinsätze der Berliner Feuerwehr für das Land Berlin. Die Hinweiskarte Starkregen wurde vom Bundesamt für Kartographie und Geodäsie (BKG) in Zusammenarbeit mit den Ländern für die gesamte Fläche Nord- und Ostdeutschlands (11 Bundesländer) im Zeitraum 2023/2025 erarbeitet. Für Berlin-Brandenburg wurde dies in einem Los durchgeführt. Die Karte zeigt die simulierten Überflutungsflächen und -tiefen sowie Fließgeschwindigkeiten /-richtungen für folgende Szenarien: außergewöhnliches Ereignis: 100-jährliches Niederschlagsereignis (T = 100a, Dauerstufe 1 Stunde) mit einem Euler-Typ II Niederschlagsverteilung. extremes Ereignis: 100 mm Niederschlagsereignis in einer Stunde (T extrem) mit einem Blockregenverteilung. Grundlage hierfür sind diverse Geodaten des Bundes und der Länder, insbesondere ein hochaufgelöstes digitales Geländemodell sowie Daten zur Flächennutzung, wie zum Beispiel zur Bebauung. Die Ergebnisse basieren auf einer Modellierung der oberflächlich abfließenden Regenmenge, ähnlich dem Modell für die Starkregengefahrenkarte Berlins (siehe unten). Allerdings wurden die Versickerungsleistung des Untergrundes und das Kanalnetz nicht in die Berechnungen einbezogen und stellen somit eine erhebliche Vereinfachung dar (weitere Informationen finden sich hier ). Die topographische Senkenanalyse ist das Ergebnis einer Analyse des Digitalen Geländemodells (ATKIS® DGM – Digitales Geländemodell, 2021) unter Berücksichtigung der Gebäudeflächen und Durchfahrten sowie Geschossinformationen (ALKIS®- Amtliches Liegenschaftskatasterinformationssystem, 2021), welche durch die BWB im Jahr 2022 durchgeführt wurde. Es erfolgte eine GIS-Analyse zur Ermittlung der Senken, Fließwege und Abflussakkumulation basierend auf dem vorgeglätteten DGM. Die Gebäude wurden als nicht überströmbare Abflusshindernisse in das DGM integriert und Senken in umschlossenen Innenhöfen ausgeschlossen. Folgende Senkenattribute wurden basierend auf einer zonalen Statistik abgeleitet und werden in den Sachdaten dargestellt: Fläche Einzugsgebiet (DrainArea [m²]) Fläche Senke (FillArea [m²]) Maximale Tiefe der Senke (FillDepth [cm]) Geländehöhe Senkenbasis (BottomElev [m]) Geländehöhe maximaler Füllstand (FillElev [m]) Füllvolumen (FillVolume [m³]) Basierend auf folgenden Parametern wurden die relevanten Senken ermittelt: Senkentiefe mindestens 20 cm, Senkenfläche mindestens 4 m², Senkenvolumen mindestens 2 m³, Senkeneinzugsgebiet mindestens 200 m². Der Datensatz der Feuerwehreinsätze zeigt Meldungen der Berliner Feuerwehr in Bezug auf ,,Wasser”, welche anhand des Meldungstextes mit Starkregen in Verbindung zu bringen sind und an Starkregentagen aufgenommen wurden. Der Datensatz wurde durch die Berliner Feuerwehr erfasst und durch die BWB prozessiert (sogenannter Überflutungsatlas). Die BWB haben die Feuerwehreinsätze mit den Niederschlagsdaten der BWB an diesem Tag und Ort abgeglichen und ein anzunehmendes Wiederkehrintervall (T) des aufgetretenen Niederschlagsereignisses zugeordnet. Dopplungen wurden entfernt. Folgende Attribute wurden abgeleitet und werden in den Sachdaten dargestellt: Datum (angelegt) Wiederkehrintervall (T) Ortsteil Die Daten wurden räumlich über die Berliner Adressdatei geocodiert. Der Zeitraum der Meldungen umfasst einerseits den Zeitraum 2005 bis 2017 anderseits 2018 bis 2021. Diese Datensätze wurden zu einem Datensatz von 2005 bis September 2021 zusammengefasst. Zwecks Aggregierung und Darstellung wurden die Daten auf Blockteilflächen und Straßenflächen des Informationssystems Stadt und Umwelt (ISU5 2021) zusammengefasst und klassifiziert. In Berlin wird die Analyse zu Starkregengefahren auf Basis eines gekoppelten 1D-Kanalnetz und eines 2D-Oberflächenabflussmodells (1D/2D gekoppeltes Modell) durchgeführt. Bei diesem Verfahren wird die Berechnung der Abflussvorgänge im Kanalnetz (1D) mit der zweidimensionalen hydrodynamischen Modellierung der Oberflächenabflüsse (2D) kombiniert, um einen bidirektionalen Austausch von Wasservolumen, d.h. einen Austausch in beide Richtungen, zwischen Oberfläche und Kanalnetz an den Schächten und Straßenabläufen zu berücksichtigen. Die Erarbeitung der Starkregengefahren erfolgt basierend auf der von den BWB und der für Wasserwirtschaft zuständigen Senatsverwaltung gemeinsam entwickelten Leistungsbeschreibung „Erstellung von Starkregengefahrenkarten für Berliner Misch- bzw. Regenwassereinzugsgebiete“. Voraussetzung sind Daten zu Topographie, Gebäuden, Straßen, Versiegelung und bodenkundlichen Kennwerten sowie Kanalnetzdaten . Für die 1D-Modellierung des Kanalnetzes wird das aktuelle Kanalnetz (Misch- oder Trennkanalisation) der BWB verwendet. Die Entwässerungsinfrastruktur wird durch ein Kanalnetzmodell abgebildet, wobei dieses u.a. Schächte, Straßenabläufe, Haltungen und Haltungsflächen berücksichtigt. Auf Grundlage des digitalen Geländemodells wird ein detailliertes, lückenloses und überlappungsfreies 2D-Oberflächenmodell erstellt und um standardisierte Dachformen der Gebäudedaten ergänzt. Mauern oder Bordsteine werden durch Bruchkanten berücksichtigt. Die Oberflächenbeschaffenheit des Untersuchungsgebietes beeinflusst die Abflussbildung und -konzentration, daher wird basierend auf den entsprechenden Datengrundlagen (siehe Kapitel Datengrundlage) zwischen Gebäudeflächen, Straßen und Wegen, Gewässer und Grünflächen unterschieden. Mauern, Bordsteine oder ähnliche linienhafte Elemente können Abflusshindernisse darstellen, werden aufgrund der Auflösung jedoch nicht durch das DGM abgebildet und werden – falls sie abflussrelevant sind – nachträglich über Bruchkanten berücksichtigt. Maßgebliche Datensätze für Gebäudeflächen sind die ALKIS-Gebäude und der Datensatz der Gründächer (im Bereich der Kleingärten). Bei der Abflussbildung von Dachflächen wird zwischen einleitenden und nicht einleitenden Dächern basierend auf den Daten der Erfassung des Niederschlagsentgelts unterschieden. Einleitende Dächer werden in der Modellierung als direkt an den Kanal angeschlossen betrachtet (1D-Abflussbildung). Bei nicht einleitenden Dächern erfolgt die Abflussbildung über das Oberflächenabflussmodell. In diesem Fall wird der effektive Niederschlag auf die umliegende Oberfläche verteilt, indem das Prinzip der Randverteilung angewendet wird. Straßen und Wege umfassen alle befestigten Flächen, wie Straßen, Wege, Plätze und private versiegelte Flächen. Die Abflussbildung dieser Flächen erfolgt über das 2D-Oberflächenabflussmodell und es wird nicht zwischen einleitend und nicht einleitend unterschieden. Als Gewässerflächen werden alle stehenden Gewässer und Fließgewässer aus dem ALKIS-Datensatz angenommen. Alle restlichen Flächen werden als Grünflächen angesetzt. Für diese Flächen werden im Modell entsprechende Abflussparameter, wie Benetzungs- und Muldenverluste sowie Anfangs- und Endabflussbeiwerte, basierend auf Literaturwerten, angesetzt. Das Modell bildet den Rückhalt der Vegetation (Interzeption), die Versickerungsfähigkeit des Bodens und die Oberflächenrauheiten ab. Für Hochwasserrisikogebiete (SenMVKU, 2024) wurden in Berlin im Rahmen der Hochwasserrisikomanagementrichtlinie bereits Hochwassergefahrenkarten erarbeitet und Überschwemmungsgebiete ausgewiesen. Um keine Überschneidungen mit den Starkregengefahrenkarten zu erzielen, werden diese Gewässer als hydraulisch voll leistungsfähig angenommen. Außerdem wird für bestimmte Gewässer (z.B. Gewässer 1. Ordnung, Nordgraben) angenommen, dass diese bei kurzen Starkregenereignissen ausreichend hydraulisch leistungsfähig sind. Ein „Anspringen“ ist erst bei länger anhaltenden, räumlich ausgeprägteren Niederschlagsereignissen zu erwarten. Das Modell geht davon aus, dass ein Austritt von Wasser und somit eine Überflutung von diesen Gewässern methodisch nicht möglich ist. Außerdem werden diese Gewässer mit einem einheitlichen Vorflutwasserstand für ein mittleres Hochwasser (für das seltene und außergewöhnliche Ereignis) sowie für ein 100-jährliches Hochwasser (für das extreme Ereignis) angenommen. Im Modell werden für das seltene und außergewöhnliche Ereignis die tatsächlichen Gewässerverrohrungen bzw. -durchlässe angesetzt. Für das Szenario Extremereignis gilt, dass Durchlässe teilverklaust (Durchmesser > 0,5 m (> DN 500)) oder vollständig verklaust (Durchmesser ≤ 0,5 m (≤ DN 500)) angenommen werden, es sei denn, ein Raumrechen verhindert eine Verklausung. Mit dem aufgestellten Modell werden die Überflutungen von Niederschlagsszenarien mit unterschiedlicher Jährlichkeit berechnet, wobei für die Niederschlagshöhen die koordinierte Starkniederschlagsregionalisierung und -auswertung (KOSTRA) des Deutschen Wetterdienstes (DWD) zugrunde gelegt werden. Es kommt die Revision des Datensatzes KOSTRA-DWD-2020 zum Einsatz. Folgende Szenarien werden im Rahmen des Starkregenrisikomanagements in Berlin betrachtet: seltenes Ereignis : 30 bzw. 50-jährliches Niederschlagsereignis (T = 30a bzw. T = 50a, Dauerstufe 180 Min.) mit einer Euler-Typ II Niederschlagsverteilung außergewöhnliches Ereignis : 100-jährliches Niederschlagsereignis (T = 100a, Dauerstufe 180 Min.) mit einer Euler-Typ II Niederschlagsverteilung extremes Ereignis : 100 mm Niederschlagsereignis in einer Stunde (T extrem) mit einer Blockregenverteilung. Basierend auf einer Sensitivitätsanalyse wurde die maßgebliche Dauerstufe mit 180 Minuten für Berlin ermittelt, wobei hier der höchste Wasserstand als maßgeblich betrachtet wird. Für die Intensität und für den zeitlichen Niederschlagsverlauf wird die Euler-Typ II Verteilung (seltenes und außergewöhnliches Ereignis) oder ein Blockregen mit einer Regendauer von 60 Minuten (extremes Ereignis) angenommen. Neben der Beregnungszeit, die der Dauerstufe der betrachteten Szenarien entspricht, wird in der Modellierung jeweils eine einstündige Nachlaufzeit berücksichtigt. Die Plausibilitätsprüfung erfolgt aufgrund der Ergebnisse des außergewöhnlichen Ereignisses. Es werden unplausible Abflusspfade und Wasseransammlungen ggf. durch Ortsbegehungen geprüft, und nicht berücksichtigte, hydraulisch relevante Strukturen nachgepflegt. Die Methode ist sehr daten- und rechenintensiv, so dass sie nicht berlinweit, sondern nur für ausgewählte Bereiche sukzessive angewandt werden kann. Dafür bietet sie relativ genaue und belastbare Ergebnisse und mit der Methode lassen sich die Abflussbildung und Abflusskonzentration nachvollziehen. Es werden kontinuierlich weitere Gebiete mit der gekoppelten 1D/2D Simulation gerechnet und anschließend online verfügbar gemacht. Die nachfolgende Tabelle zeigt, für welche Gebiete bisher Starkregengefahrenkarten erarbeitet wurden.
Berechnung der Sickerwasserraten auf Jahresebene und auf Monatsebene sowie prognostizierte Veränderungen durch den Klimawandel Die mit dem Modell ABIMO berechneten Daten des Wasserhaushaltes geben 30jährige langjährige Mittel wieder. In der Realität unterliegen die Werte jedoch abhängig von den Niederschlägen z.T. erheblichen jährlichen Schwankungen und unterliegen auch einem innerjährlichen Gang. In einem Forschungsvorhaben wurden die Sickerwasserraten mit einer wesentlich höheren zeitlichen Auflösung berechnet. Projekt Die im Folgenden dargestellten Ergebnisse wurden im Rahmen des vom BMBF geförderten Forschungsprojekt INKA BB (Förderkennzeichen 01LR0803C) Teilprojekt 23 erarbeitet. Dabei steht INKA BB für Innovationsnetzwerk für Klima Anpassung in Berlin Brandenburg ( www.inka-bb.de/ ). Bei dem in 24 Teilprojekte gegliederten interdisziplinären Forschungsprojekt, beschäftigte sich das Teilprojekt 23 mit Technologien für klimaangepasste Wasserbewirtschaftung in Stadtgebieten im Klimawandel. Dafür wurden die vom Projektpartner PIK (Potsdam- Institut für Klimafolgenforschung) entwickelten Klimaszenarien in die verschiedenen Modelle eingebunden, um Aussagen zu wasserwirtschaftlich relevanten Fragen zu treffen. Datengrundlage Als Eingangsdaten wurden die Landnutzungskategorien (vgl. Karte 06.01 und Karte 06.02 , Ausgabe 2008), der klassifizierte Versiegelungsgrad (vgl. Karte 01.02 , Ausgabe 2007), der klassifizierte Flurabstand (vgl. Karte 02.07 , Ausgabe 2010) und Bodenparameter, wie z. B. nutzbare Feldkapazität und kf-Werte, aus dem Datenbestand des Umweltatlas (vgl. Karte 01.06 , Ausgabe 2009) für ca. 25.000 Polygone übernommen. Weitere Bodenparameter, wie zum Beispiel die Porosität, wurden gemäß der Bodengesellschaften des Umweltatlas (vgl. Karte 01.01 , Ausgabe 2009) mit Werten aus der Bodenkundlichen Kartieranleitung (BGR, 2005) belegt. Bei unvollständigen Datensätzen wurden plausible Annahmen getroffen oder Daten aus bereits durchgeführten Projekten der DHI-WASY übernommen. Es ergaben sich 78 unterschiedliche Bodentypen, 156 Bodenarten, 12 Flurabstandsklassen und 775 Landnutzungsklassen. Als Klimadaten wurden tägliche Daten für Niederschlag und potenzielle Verdunstung von 11 Niederschlagsstationen in Berlin und Umgebung verwendet. Die Klimadaten wurden vom DWD erhoben und vom PIK im Rahmen des Forschungsprojektes INKA BB zur Verfügung gestellt. Um die räumlich differenzierte Niederschlagsverteilung (vgl. Karte 04.08 , Ausgabe 1994) in Berlin und Umgebung korrekt abbilden zu können, wurden die Klimadaten mittels eines IDW-Verfahrens (Inverse Distance Weighting, Verfahren der Geostatistik) auf 19 Niederschlagszonen extrapoliert. Die räumliche Verteilung der Niederschlagszonen ist in Abbildung 5 dargestellt. Modellbeschreibung Die im Weiteren dargestellten Ergebnisse basieren auf einem ArcSIWA Modell welches für die gesamte Landesfläche Berlin, einschließlich der Einzugsgebietsgrenzen des Wasserwerkes Tegel, aufgebaut wurde. Das Modell ArcSIWA (Monninkhoff, 2001) ist ein reduziertes Niederschlag-Abfluss-Modell zur eindimensionalen Beschreibung der Abflussbildung und des Bodenwasserhaushalts für quasi-homogene Teilflächen bei einer zeitlichen Auflösung von einem Tag. ArcSIWA berücksichtigt die Interzeption, die Mulden-Speicherung, die Infiltration und den vertikalen Feuchtestrom bis zum Grundwasser einschließlich der Grundwasserneubildung und dem kapillaren Aufstieg. Die mit ArcSIWA berechnete Sicherwasserrate entspricht der Menge an Wasser, welche die ca. zwei Meter mächtige Bodenzone in der Senkrechten verlässt. Eine detaillierte Darstellung des aufgebauten ArcSIWA-Modells wird im Laufe von 2013 in Sklorz und Monninkhoff (2013) präsentiert. Ergebnisse In der Abbildung 6 sind die mit ArcSIWA berechneten jährlichen Sickerwasserraten zwischen 1961-1990 dargestellt. Darin ist zu erkennen, dass die Jahreswerte zwischen 49 und 235 mm/Jahr zum Teil stark variieren. Der Mittelwert der 30 Jahre liegt bei 142 mm/Jahr während der Median bei 156 mm/Jahr liegt. Ein signifikanter Trend, z. B. klimatisch bedingt, ist innerhalb der Zeitreihen nicht zu erkennen. Die Ergebnisse sind prinzipiell gut mit den langjährigen Mittelwerten der Sickerwasserrate (160 mm/Jahr unter Berücksichtigung der Wasserflächen) aus dem Modell ABIMO (SenStadt 2009c) vergleichbar. Die genannten Werte wurden im Gegensatz zu den Werten in Tabelle 4 ermittelt, indem die Flächen der Gewässer mit einer Sickerwasserrate von 0 mm/Jahr in die Mittelwertbildung einbezogen wurden. Räumliche Unterschiede in den Modellergebnissen gibt es insbesondere im Stadtzentrum, wo ArcSIWA signifikant niedrigere Sickerwasserraten berechnet. Dieser Unterschied ist im Wesentlichen mit den unterschiedlichen Modellansätzen der beiden Modelle für versiegelte Flächen zu begründen. In der Abbildung 7 sind die langjährigen monatlichen Sickerwasserraten der Periode 1961-1990 dargestellt. Darin ist zu erkennen, dass die Sickerwasserrate innerhalb eines Jahres zwischen 1,2 und 24,5 mm/Monat variiert. Die Wintermonate weisen die höchsten Sickerwasserraten auf, während im Sommer die geringsten Sickerwasserraten auftreten. Für das Forschungsprojekt INKA BB, Teilprojekt 23 wurde die Periode 1961-1990 zur Modellkalibrierung genutzt. Anschließend wurden mit dem Modell Änderungen der Sickerwasser- bzw. Grundwasserneubildung basierend auf vom PIK generierten Klimaszenarien berechnet. Dabei wurde das T0-Szenario (Referenzszenario ohne Klimaänderung) mit dem T2-Szenario (Temperaturänderung von 2°C) verglichen. Die Berechnungen zeigen für die Zukunft eine deutliche Reduzierung der Grundwasserneubildung, welche auf den Klimawandel zurückzuführen ist (DHI, 2012).
Berechnung der Sickerwasserraten auf Jahresebene und auf Monatsebene sowie prognostizierte Veränderungen durch den Klimawandel Die mit dem Modell ABIMO berechneten Daten des Wasserhaushaltes geben 30jährige langjährige Mittel wieder. In der Realität unterliegen die Werte jedoch abhängig von den Niederschlägen z.T. erheblichen jährlichen Schwankungen und unterliegen auch einem innerjährlichen Gang. In einem Forschungsvorhaben wurden die Sickerwasserraten mit einer wesentlich höheren zeitlichen Auflösung berechnet. Projekt Die im Folgenden dargestellten Ergebnisse wurden im Rahmen des vom BMBF geförderten Forschungsprojekt INKA BB (Förderkennzeichen 01LR0803C) Teilprojekt 23 erarbeitet. Dabei steht INKA BB für Innovationsnetzwerk für Klima Anpassung in Berlin Brandenburg ( www.inka-bb.de/ ). Bei dem in 24 Teilprojekte gegliederten interdisziplinären Forschungsprojekt, beschäftigte sich das Teilprojekt 23 mit Technologien für klimaangepasste Wasserbewirtschaftung in Stadtgebieten im Klimawandel. Dafür wurden die vom Projektpartner PIK (Potsdam- Institut für Klimafolgenforschung) entwickelten Klimaszenarien in die verschiedenen Modelle eingebunden, um Aussagen zu wasserwirtschaftlich relevanten Fragen zu treffen. Datengrundlage Als Eingangsdaten wurden die Landnutzungskategorien (vgl. Karte 06.01 und Karte 06.02, Stand 2008), der klassifizierte Versiegelungsgrad (vgl. Karte 01.02, Stand 2007), der klassifizierte Flurabstand (vgl. Karte 02.07, Stand 2010) und Bodenparameter, wie z.B. nutzbare Feldkapazität und kf-Werte, aus dem Datenbestand des Umweltatlas (vgl. Karte 01.06, Stand 2009b) für ca. 25.000 Polygone übernommen. Weitere Bodenparameter, wie zum Beispiel die Porosität, wurden gemäß der Bodengesellschaften des Umweltatlas (vgl. Karte 01.01, Stand 2009a) mit Werten aus der Bodenkundlichen Kartieranleitung (BGR, 2005) belegt. Bei unvollständigen Datensätzen wurden plausible Annahmen getroffen oder Daten aus bereits durchgeführten Projekten der DHI-WASY übernommen. Es ergaben sich 78 unterschiedliche Bodentypen, 156 Bodenarten, 12 Flurabstandsklassen und 775 Landnutzungsklassen. Als Klimadaten wurden tägliche Daten für Niederschlag und potenzielle Verdunstung von 11 Niederschlagsstationen in Berlin und Umgebung verwendet. Die Klimadaten wurden vom DWD erhoben und vom PIK im Rahmen des Forschungsprojektes INKA BB zur Verfügung gestellt. Um die räumlich differenzierte Niederschlagsverteilung (vgl. Karte 04.08, Stand, 1994) in Berlin und Umgebung korrekt abbilden zu können, wurden die Klimadaten mittels eines IDW-Verfahrens (Inverse Distance Weighting, Verfahren der Geostatistik) auf 19 Niederschlagszonen extrapoliert. Die räumliche Verteilung der Niederschlagszonen ist in Abbildung 5 dargestellt. Modellbeschreibung Die im Weiteren dargestellten Ergebnisse basieren auf einem ArcSIWA Modell welches für die gesamte Landesfläche Berlin, einschließlich der Einzugsgebietsgrenzen des Wasserwerkes Tegel, aufgebaut wurde. Das Modell ArcSIWA (Monninkhoff, 2001) ist ein reduziertes Niederschlag-Abfluss-Modell zur eindimensionalen Beschreibung der Abflussbildung und des Bodenwasserhaushalts für quasi-homogene Teilflächen bei einer zeitlichen Auflösung von einem Tag. ArcSIWA berücksichtigt die Interzeption, die Mulden-Speicherung, die Infiltration und den vertikalen Feuchtestrom bis zum Grundwasser einschließlich der Grundwasserneubildung und dem kapillaren Aufstieg. Die mit ArcSIWA berechnete Sicherwasserrate entspricht der Menge an Wasser, welche die ca. zwei Meter mächtige Bodenzone in der Senkrechten verlässt. Eine detaillierte Darstellung des aufgebauten ArcSIWA-Modells wird im Laufe von 2013 in Sklorz und Monninkhoff (2013) präsentiert. Ergebnisse In der Abbildung 6 sind die mit ArcSIWA berechneten jährlichen Sickerwasserraten zwischen 1961-1990 dargestellt. Darin ist zu erkennen, dass die Jahreswerte zwischen 49 und 235 mm/Jahr zum Teil stark variieren. Der Mittelwert der 30 Jahre liegt bei 142 mm/Jahr während der Median bei 156 mm/Jahr liegt. Ein signifikanter Trend, z.B. klimatisch bedingt, ist innerhalb der Zeitreihen nicht zu erkennen. Die Ergebnisse sind prinzipiell gut mit den langjährigen Mittelwerten der Sickerwasserrate (160 mm/Jahr unter Berücksichtigung der Wasserflächen) aus dem Modell ABIMO (SenStadt 2009c) vergleichbar. Die genannten Werte wurde im Gegensatz zu den Werten in Tabelle 4 ermittelt, indem die Flächen der Gewässer mit einer Sickerwasserrate von 0 mm/Jahr in die Mittelwertbildung einbezogen wurden. Räumliche Unterschiede in den Modellergebnissen gibt es insbesondere im Stadtzentrum, wo ArcSIWA signifikant niedrigere Sickerwasserraten berechnet. Dieser Unterschied ist im Wesentlichen mit den unterschiedlichen Modellansätzen der beiden Modelle für versiegelte Flächen zu begründen. In der Abbildung 7 sind die langjährigen monatlichen Sickerwasserraten der Periode 1961-1990 dargestellt. Darin ist zu erkennen, dass die Sickerwasserrate innerhalb eines Jahres zwischen 1,2 und 24,5 mm/Monat variiert. Die Wintermonate weisen die höchsten Sickerwasserraten auf, während im Sommer die geringsten Sickerwasserraten auftreten. Für das Forschungsprojekt INKA BB, Teilprojekt 23 wurde die Periode 1961-1990 zur Modellkalibrierung genutzt. Anschließend wurden mit dem Modell Änderungen der Sickerwasser- bzw. Grundwasserneubildung basierend auf vom PIK generierten Klimaszenarien berechnet. Dabei wurde das T0-Szenario (Referenzszenario ohne Klimaänderung) mit dem T2-Szenario (Temperaturänderung von 2°C) verglichen. Die Berechnungen zeigen für die Zukunft eine deutliche Reduzierung der Grundwasserneubildung, welche auf den Klimawandel zurückzuführen ist (DHI, 2012).
Increasing climate variability, especially longer drought phases, shapes forest water consumption and constrains vegetation growth. However, the effects of drought-induced changes on evapotranspiration (ET) fluxes vary due to species-specific differences or features of the drought events. Here, we analyzed the seasonal variations in ET in pine, beech, and mixed forest stands in northeast Germany during the periods 2012-2021 and explored the ability of a process-based ecohydrological model (EcH2O) in reproducing the water balance components at this large-scale lysimeter site. To better understand how individual climate variables control ET fluxes, we performed simulation experiments with average climate inputs. Multi-variable calibration showed that the model reproduced well in-situ soil moisture, seepage, and interception (EI) in the three forest stands. Lower ET rates were found in the beech stand with a seasonal leaf cycle compared to those in the pine and mixed pine-beech stands with year-round foliage. This was mainly related to higher EI in the pine stand, particularly during the winter season, while transpiration (T) rates were similar. ET fluxes were above average during wet years and below average during dry years. Precipitation (P) was clearly the main driver of ET anomalies. However, only small reductions in ET were observed during the dry year 2018. This could be attributed to high P in the previous year, i.e., P legacy effects, which led to only small reductions or even positive anomalies in T. Moreover, model testing at such data-rich sites will also be valuable for other hydrological models to increase process-consistency and reliability, particularly when aiming at investigating effects of different vegetation cover. Our findings provide evidence for the strategic selection of broadleaf species in forest management practices to enhance groundwater recharge and promote sustainable water management.
LPJmL4 is a process-based model that simulates climate and land-use change impacts on the terrestrial biosphere, the water and carbon cycle and on agricultural production. The LPJmL4 model combines plant physiological relations, generalized empirically established functions and plant trait parameters. The model incorporates dynamic land use at the global scale and is also able to simulate the production of woody and herbaceous short-rotation bio-energy plantations. Grid cells may contain one or several types of natural or agricultural vegetation. A comprehensive description of the model is given by Schaphoff et al. (2018, http://doi.org/10.5194/gmd-2017-145). We here present an extended version of the LPJmL4 model code described and used by the publications in GMD: LPJmL4 - a dynamic global vegetation model with managed land: Part I – Model description and Part II – Model evaluation (Schaphoff et al. 2018, http://doi.org/10.5194/gmd-2017-145 and http://doi.org/10.5194/gmd-2017-146). Additional features of this version, including agricultural trees as a new cultivation type in LPJmL4, are described and used in Jans et al. (2020, HESS) The model code of LPJmL4 is programmed in C and can be run in parallel mode using MPI. Makefiles are provided for different platforms. Further informations on how to run LPJmL4 is given in the INSTALL file. Additionally to the publication a html documentation and man pages are provided. The model data presented here represent some standard LPJmL4 model results for the land surface described in Schaphoff et al. (2018 part I). Additionally, these results include agricultural trees (olives, non-citrus orchards, and cotton) implemented as a new cultivation type into LPJmL4. Standard results are evaluated in Schaphoff et al. (2018 part II). Results of cotton as a newly implemented agricultural tree are evaluated in Jans et al. (2020), HESSD. The data collection includes some key output variables made with the model setup described by Jans et al. (2020, HESS). Overall, data sets are resulting from 40 different simulations, where we combined 5 different GCMs (GFDL, HadGEM, IPSL, MIROC, NorESM) with 4 different RCPs (2p6, 4p5, 6p0, 8p5) without and with CO2 fertilization, respectively. The data cover the entire globe with a spatial resolution of 0.5° and temporal coverage from 1901-2011 on an annual basis for crop yields, absorbed photosynthetically active radiation and the water fluxes (irrigation, transpiration, evaporation,interception, blue and green evapotranspiration). Crop yields, and water fluxes are given for each crop functional type (CFT), respectively. Monthly data are provided for one carbon flux (net primary production) and the water fluxes transpiration, evaporation, interception, and runoff. The data are provided in one binary file for each variable and simulation. An overview of all variables and information on how data are stored within the binary files are given in the file inventory.
| Origin | Count |
|---|---|
| Bund | 51 |
| Land | 6 |
| Wissenschaft | 4 |
| Type | Count |
|---|---|
| Förderprogramm | 50 |
| Strukturierter Datensatz | 1 |
| Text | 4 |
| unbekannt | 3 |
| License | Count |
|---|---|
| geschlossen | 1 |
| offen | 56 |
| unbekannt | 1 |
| Language | Count |
|---|---|
| Deutsch | 38 |
| Englisch | 29 |
| Resource type | Count |
|---|---|
| Archiv | 1 |
| Dokument | 2 |
| Keine | 43 |
| Webseite | 12 |
| Topic | Count |
|---|---|
| Boden | 52 |
| Lebewesen & Lebensräume | 54 |
| Luft | 49 |
| Mensch & Umwelt | 58 |
| Wasser | 54 |
| Weitere | 58 |