Der Datensatz bestehend aus sogenannten Precipitation Stripe-Diagrammen der mittleren jährlichen Niederschlagssumme der folgenden Flächeneinheiten: Gemeinden, Kreise, Regierungsbezirke, Planungsregionen, Großlandschaften und NRW. Die Darstellung als Niederschlagsstreifen beruhen auf der Idee von Ed Hawkings, University of Reading, UK, jeweils umgesetzt durch das Landesamt für Natur, Umwelt und Klima NRW mit den flächenhaften Mittelwerten aus den Temperaturrastern des Deutschen Wetterdienstes, Climate Data Center (CDC). Je höher eine Jahresniederschlagssumme, desto desto dunkel-blauer, je geringer desto brauner. Die Zeitreihe beginnt 1881 und endet 2025. Die Zeitreihe beginnt 1881 und endet 2025. In jeder .zip-Datei befindet sich das Streifendiagramm als .jpeg-Datei oder .pdf -Datei. Zusätzlich werden die Mittelwerte 1881-2025 als CSV-Tabelle bereitgestellt, ebenso wie eine Übersichtstabelle der jeweiligen Minimal- und Maximalwerte der jeweiligen Gebietskulisse.
Objective weather types of Deutscher Wetterdienst derived from different Reanalysis and Global Climate Model simulations for the control run (1951-2000) and the projection period (2000-2100). On the one hand, the dataset is useful for evaluation of representative circulation statistics in Central Europe, on the other hand, for the analysis of future weather types due to climate change. Added temperature and precipitation data allow to study the weather type effectiveness for these important climate parameters.
Objective weather types of Deutscher Wetterdienst derived from different Reanalysis and Global Climate Model simulations for the control run (1951-2000) and the projection period (2000-2100). Furthermore, the NAO-index is also provided. On the one hand, the dataset is useful for evaluation of representative circulation statistics in Central Europe, on the other hand, for the analysis of future weather types due to climate change. Added temperature and precipitation data allow to study the weather type effectiveness for these important climate parameters.
Downscaling von Atmosphärenmodellausgaben, insbesondere von Niederschlagsdaten, ist erforderlich um Variablen von der niedrigaufgelösten Skala des Modells zur Punktskala des Standortes hin zu transformieren, auf der die entsprechenden Variablen für praktische Anwendungen genutzt werden. Dazu gehören unter anderem, das Füllen von Datenlücken, hydrologische oder glaziologische Anwendungen, Klimaprognosen, Anwendungen in der Bewässerung oder Vorhersagen für Energieversorger. Statistisches Downscaling besteht darin, stochastische Beziehungen zwischen Beobachtungen oder Modellausgaben auf großer Skala, die als Prädiktoren dienen, und die an einem Standort zu schätzende Größe, dem Prädiktand, herzustellen. Die dazu angewandten Beziehungen sind häufig lineare Regressionen, es kommen aber auch nicht-lineare Transformationen, wie nicht-lineare Regressionen oder das Quantile-Matching zur Anwendung. In besagten Fällen wird ein stationärer, homoskedastischer Zusammenhang zwischen stochastischen Variablen angenommen, die zwar den bedingten Erwartungswert, aber nicht die Ränder der Verteilung, welche die meteorologischen Extreme abbilden, adäquat transformieren. Im vorliegendem Antrag wird ein probabilistischer Prozessor für das Downscaling von Niederschlagsdaten als Ansatz vorgeschlagen, der als bedingter Bayesscher Prozessor implementiert wird und die nicht-lineare Umformungen zwischen Prädiktoren von der Meso-Skala hin zur Skala eines Standortes unterstützt. In diesem Zusammenhang werden stochastische Zusammenhänge zwischen Prädiktoren und Prädiktanden im Gaußschen Raum modelliert. Die Methode ermöglicht es, mehrere Indikatoren innerhalb eines räumlichen Fensters von Modellzellen gleichzeitig zu verwenden, und kann auf die Anwendung von Prädiktoren, die von mehreren unterschiedlichen Vorhersagemodellen stammen, ausgeweitet werden. Durch die Anwendung multivariater abgeschnittener Normalverteilungen können auch heteroskedastische Beziehungen von stochastischen Variablen abgebildet, analytisch nach den Prädiktoren marginalisiert und anschließend in den Herkunftsraum zurücktransformiert werden. Das Downscaling der Schätzung des Prädikanten von der Skala der Modellzelle auf den Standort erfolgt anschließend mit Hilfe eines nicht-Markovschen, nicht-stationären stochastischen Wettergenerators. Sowohl der Bayessche Prozessor als auch der stochastische Wettergenerator müssen über ein ausreichend weites Zeitfenster anhand von Beobachtungsreihen und Simulationsergebnissen geeicht und validiert werden.
Zu Klimastufen werden Makroklimaformen mit ähnlichen Merkmalen, die eine gleiche waldbauliche Behandlung zulassen, zusammengefasst. Die Klimastufen des alten Typs werden durch Höhenstufe und Klimafeuchtestufe charakterisiert. Die Makroklimaformen wurden im Zuge der forstlichen Standortskartierung in Sachsen flächendeckend ausgeschieden. Sie charakterisieren das Klima größerer Gebiete, welches durch gleiche oder ähnliche mittlere Vegetationsverhältnisse gekennzeichnet wird. Makroklimaformen umfassen i. d. R. mindestens 100 ha. Im Bergland treten deutliche vertikale Vegetationsgliederungen auf. Gruppierungselemente sind die Höhe über NN, die Kontinentalität, die Großreliefformen (Luv- und Lee-Einfluss, Plateaus oder Täler) mit ihren speziellen geländeklimatischen Ausbildungen sowie meteorologische Messwerte (mittlere Niederschlagssummen, mittlere Jahrestemperaturen, Vegetationsdauer u. a.). Hilfsmerkmal sind charakteristische Vegetationseinheiten, die sich auf mittleren Standorten infolge des Makroklimaeinflusses mit einer bestimmten Kombination von Bodenvegetation und Baumarten (Leitbaumarten) herausbilden. Aufgrund des Klimawandels musste die forstliche Klimagliederung überarbeitet werden. Grundlage der neuen Klimagliederung ist eine Klassenbildung anhand der Länge der forstlichen Vegetationszeit (Anzahl von Tagen mit einer Mitteltemperatur >/= 10 °C) und der Klimatischen Wasserbilanz (bezogen auf einen Vegetationsmonat). Auf dieser Basis wurden die vorhandenen Makroklimaformen entsprechend zugeordnet bzw. feiner unterteilt. Die neuen Klimastufen werden mit römischen Ziffern abgekürzt und sind durch konkrete Wertespannen der forstlichen Vegetationszeit und der Klimatischen Wasserbilanz in der Vegetationszeit definiert. Innerhalb der neuen Klimastufen gelten die schon mit der alten Klimagliederung ausgewiesenen Höhenstufen fort und können zur feineren Abstufung der Regionen verwendet werden. Gegenwärtig werden die Klimastufen des alten Typs noch als Planungshilfe verwendet. Sie werden jedoch sukzessive von den neuen Klimastufen abgelöst.
Abflussprognosen zur Bewältigung von Extremwetterlagen Um das Transportaufkommen in Deutschland auch unter schwierigen Bedingungen zu bewältigen und dies aufrecht zu erhalten bzw. zu steigern, sind verkehrsträgerübergreifende Lösungsansätze notwendig. Ziel dieses Projekt ist es, die Resilienz und die Verfügbarkeit des Verkehrsträgers Wasserstraße bei extremen Wetterereignissen zu erhöhen. Aufgabenstellung und Ziel Etwa 3.000 km der Bundeswasserstraßen sind mit Staustufen ausgebaut, die meist aus einem beweglichen Wehr, einer Schleuse und einem Laufwasserkraftwerk bestehen. Durch das Ändern des Abflusses über das Kraftwerk und über das Wehr hält ein lokaler Regler den gewünschten Oberwasserstand innerhalb der vorgegebenen Stauzieltoleranz. Die Abfluss- und Stauregelung soll dabei mehrere, mitunter gegensätzliche Ziele erfüllen: Einhaltung des Stauziels innerhalb der festgelegten Toleranz, Verminderung von Abflussschwankungen, optimale Nutzung der Wasserkraft und Minimierung des Verschleißes der Wehrverschlüsse. Im Zuge des Klimawandels ist mit einer Zunahme extremer Wetterereignisse zu rechnen. Die Abfluss- und Stauregelung steht gerade in Niedrigwasserperioden vor wachsenden Herausforderungen. Schwankungen des Abflusses sind in diesen Phasen schwierig auszugleichen und Über- bzw. Unterschreitungen der Stauzieltoleranz sind nicht auszuschließen. Dadurch entsteht eine Gefahr für die Schifffahrt. Ziel des vorgestellten Vorhabens ist es, anhand einer fundierten Datenanalyse und der Methode des maschinellen Lernens Zusammenhänge zwischen Niederschlagsereignissen und Abflussschwankungen vertieft zu untersuchen. Zusätzlich sollen Abflussprognosen erstellt werden, welche die Abfluss- und Stauregelung unterstützen. Bedeutung für die Wasserstraßen- und Schifffahrtsverwaltung des Bundes (WSV) Die Verwendung maschinellen Lernens für Abflussvorhersagen auf der Basis von Niederschlags- und Zuflussdaten stellt ein vielversprechendes Werkzeug für die WSV dar. Prognosen schaffen einen vorausschauenden Handlungsspielraum für die Abfluss- und Stauregelung, sodass starke Wasserstandsund Abflussschwankungen minimiert und damit die Sicherheit und Leichtigkeit der Schifffahrt erhöht werden. Die Resilienz der Wasserstraße wird dadurch auch unter den zunehmenden Auswirkungen des Klimawandels gesteigert. Untersuchungsmethoden Das Verfahren wird exemplarisch an einer Stauhaltung der Mosel getestet. Die Niederschlagsdaten des Einzugsgebiets der Stauhaltung werden vom Deutschen Wetterdienst im Rahmen der Zusammenarbeit im BMDV-Expertennetzwerk bereitgestellt. Die Pegeldaten der oberliegenden Stauhaltung sowie die der untersuchten Stauhaltung selbst werden von der WSV zur Verfügung gestellt. In einem ersten Schritt werden die Pegeldaten untersucht. Anhand einer Kreuzkorrelation können Abhängigkeiten zwischen dem oberliegenden Pegel und dem Pegel in der untersuchten Stauhaltung aufgezeigt werden. In einem weiteren Schritt werden ebenfalls die Niederschlags- und Wehrdaten betrachtet und deren Zusammenhang mit den Pegeldaten untersucht. Zusätzlich wird eine Methode erarbeitet, um Wasserstandsschwankungen so zu filtern, dass die Werte möglichst unbeeinflusst von Schleusungen und Schifffahrt sind. Im Anschluss an die Aufbereitung der Daten wird nach einer geeigneten Methode des Maschinellen Lernens (ML) gesucht. Dabei werden unterschiedliche ML-Modelle in Python implementiert und trainiert. Der vielversprechendste Modelltyp soll weiter genutzt und mit unterschiedlichen Parametrierungen getestet werden. Hierbei wird immer auf einen Prognosezeitraum von drei Stunden hingearbeitet. Für die Abfluss- und Stauregelung ist eine dreistündige Prognose wünschenswert, um Schwankungen des Abflusses effektiv zu bewältigen.
Das Wassergütemessnetz 2 (WGMN2) stellt im Rahmen der nationalen und internationalen Meldepflichten aktuelle Daten der interessierten Öffentlichkeit zur Verfügung. Bürger, Schulen und Behörden haben ein reges Interesse an den Daten des WGMN. Deshalb werden die Daten in sechs stationären Gewässergütemessstationen im Zehn-Minuten-Takt aktualisiert. So stehen die erhobenen Parameter in Echtzeit zur Verfügung. Hierbei werden physikalische, hydrologische, meteorologische und biologische Messgrößen erfasst, die eine dynamische Sicht auf die Gewässerbeschaffenheit ermöglichen. Die Messstationen sind an ausgewählten Standorten an der Elbe, Havel, Teltowkanal, Oder und Neiße positioniert. Die Gewässergütemessstationen sind Bestandteil langfristig konzipierter Sanierungsmaßnahmen und dienen dem Nachweis der Gewässergüte und ihrer zeitlichen Veränderung im Rahmen von international abgestimmten Mess- und Untersuchungsprogrammen, der aktuellen Gewässerüberwachung (Warndienste), der Beweissicherung und der Gewinnung von wasserwirtschaftlichen Informationen. Das WGMN trägt dazu bei, dass Auswirkungen von Störfällen bei Industriebetrieben oder von Schiffsunglücken zeitnah ermittelt und zügig Maßnahmen ergriffen werden können. Aber auch kleinere Verunreinigungen wie illegal entsorgtes Altöl vom Auto fallen durch die Messungen schnell auf. Mit der Erkennung von akuten Verschmutzungen und dem Erfassen langfristiger Trends dient das WGMN auch dazu, entsprechende Forderungen der Europäischen Wasserrahmenrichtlinie in Brandenburg umzusetzen. Hier können alle Datensätze abgerufen werden. Derzeit werden die Messwerte im Netz als Grafiken dargestellt.
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.
The GCEF (Global Change Experimental Facility) is a large field experiment in Bad Lauchstädt (federal state of Saxony-Anhalt, Central Germany/Germany) for the investigation of the consequences of climate change for ecosystem processes under different land use options. The GCEF consists of 50 plots with a size of 16 m x 24 m. The experiment started in 2014 and is planned to be conducted for at least 15 years. The 50 plots are arranged in 10 blocks (5 plots per block). Half of the blocks are subjected to a climate change treatment. For this, all plots are equipped with a large steel constructions (5 m heigth), mobile shelters and side panels as well as an irrigation system. Each block is equipped with 1 rain sensor (in the grazing plot), thus the values from each block have to be assigned to all the plots within the block. Precipitation data including artificial irrigation in GCEF since 2014. Measurements have been made in the 10 mainplots of the experiment as sum over 15 minutes with tipping scales. The data are sampled to monitor the manipulation of precipitation according to the experimental plan and as basis data of climatic conditions on the plots. For details of the experiment see Schädler et al. (2019), Ecosphere (https://doi.org/10.1002/ecs2.2635) and the document with the detailed experiment design.
Data presented here were collected between January 2025 to December 2025 within the research unit DynaCom (Spatial community ecology in highly dynamic landscapes: From island biogeography to metaecosystems, https://uol.de/dynacom/ ) of the Universities of Oldenburg, Göttingen, and Münster, the iDiv Leipzig and the Nationalpark Niedersächsisches Wattenmeer. Experimental islands and saltmarsh enclosed plots were created in the back barrier tidal flat and in the saltmarsh zone of the island of Spiekeroog. Meteorological data were collected near the experimental setup, with a locally installed weather station located approximately 500m north of the southern shoreline. The weather station system used here was a ClimaSensor US 4.920x.00.00x that was pre-calibrated by the manufacturer (Adolf Thies GmbH & Co. KG, D-Göttingen). Data were recorded and saved within the Processcontrol Weather (c) -4H- JENA engineering GmbH (v20.1.0.1 2020) software in a sampling interval of 1 min, with an averaging time of 10 s. Date and time were given in UTC and the position was derived from the internal GPS system. Data handling was performed according to Zielinski et al. (2018): Post-processing of collected data was done using MATLAB (R2024b). Quality control was performed by (a) erasing data covering maintenance activities, (b) removing outliers, defined as data exhibiting changes of more than two standard deviations within one time step, and (c) visually checks.
| Origin | Count |
|---|---|
| Bund | 155 |
| Europa | 1 |
| Kommune | 2 |
| Land | 168 |
| Wissenschaft | 59 |
| Type | Count |
|---|---|
| Daten und Messstellen | 48 |
| Förderprogramm | 86 |
| Hochwertiger Datensatz | 5 |
| Text | 66 |
| Umweltprüfung | 1 |
| unbekannt | 118 |
| License | Count |
|---|---|
| geschlossen | 88 |
| offen | 221 |
| unbekannt | 15 |
| Language | Count |
|---|---|
| Deutsch | 255 |
| Englisch | 82 |
| Resource type | Count |
|---|---|
| Archiv | 11 |
| Bild | 9 |
| Datei | 47 |
| Dokument | 48 |
| Keine | 113 |
| Unbekannt | 5 |
| Webdienst | 7 |
| Webseite | 130 |
| Topic | Count |
|---|---|
| Boden | 179 |
| Lebewesen und Lebensräume | 296 |
| Luft | 296 |
| Mensch und Umwelt | 314 |
| Wasser | 240 |
| Weitere | 324 |