Dieser Dienst stellt für das INSPIRE-Thema Gewässernetz (Hydro-Physische Gewässer) aus ATKIS Basis-DLM umgesetzte Daten bereit.:Dieser Layer visualisiert die saarländischen Bauwerke an Gewässern, abgeleitet aus dem ATKIS Basis-DLM. Die Datengrundlage erfüllt die INSPIRE Datenspezifikation.
Erfassen der derzeitigen wasserwirtschaftlichen Verhaeltnisse, Auswirkungen des Baues einer weiteren Staustufe bzw. der Zulassung der Erosion; Abhilfemassnahmen. Hydrologische, statistische, hydrochemische, hydraulische, geologische, pflanzensoziologische und bodenkundliche Untersuchungen; Modelluntersuchungen; Einrichten von Testgebieten und Messstationen.
Nach derzeitigem Kenntnisstand nutzen wandernde Fischarten die Strömung eines Fließgewässers zur Orientierung. Sie schwimmen gegen die Strömung gerichtet flussaufwärts. Dabei verbrauchen sie Energie. Der Energieverbrauch steigt mit der stärke der Gegenströmung, die der Fisch im Querprofil des Flusses wählt. Es gibt Hinweise, dass der Wanderweg im Querschnitt eines Gewässers dabei nicht zufällig gewählt ist, sondern einen Wanderkorridor gewählt wird, in dem die Strömung zur Orientierung ausreicht aber möglichst geringe Energiekosten verursacht. Im Projekt soll untersucht werden, ob sich solch ein Wanderkorridor belegen und anhand welcher abiotischer Faktoren er sich beschreiben lässt. Dabei werden neben der Strömungsgeschwindigkeit und -richtung auch weitere Faktoren untersucht. Ziel des Projektes ist es, Wanderkorridore für unterschiedliche Arten modellhaft zu beschreiben und Schlüsselfaktoren für eine räumliche und zeitliche Abgrenzung von Wanderkorridoren zu ermitteln.
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.
An breiten Fließgewässern besteht die Frage, ob eine Fischaufstiegsanlage an einer Uferseite nicht ausreicht, um den Fischaufstieg zu gewährleisten. In dem vorliegenden Projekt soll daher geklärt werden, inwieweit eine zweite Fischaufstiegsanlagen (FAA) den Fischaufstieg verbessern kann. Dabei ist vorgesehen, an Standorten mit einer neuen FAA und einer bestehenden alte FAA den Fischaufstieg durch beide Anlagen zu untersuchen. Zudem liefern Untersuchungen der räumlichen Verteilung und Bewegungsmuster von Fischen an den Staustufen Erkenntnisse über die Notwendigkeit von mehreren FAA.
Der Datensatz enthält die Bauwerke in und an Gewässern der Freien und Hansestadt Hamburg im INSPIRE Zielmodell.
Stauanlagen nach DIN 19700:2004-07 Teil 10 Allgemein Teil 11 Talsperren Teil 12 Hochwasserrückhaltebecken Teil 13 Staustufen Teil 14 Pumpspeicherbecken und "Stauanlagen von untergeordneter Bedeutung"
Dieser Inhalt beschreibt die "Maßnahmen zur Reduzierung der Belastungen aus anderen diffusen Quellen (OW)" (mit der ID 36) für den Flusswasserkörper "Lech von Theresienbrücke Füssen bis Staustufe 1 (Kraftwerk Roßhaupten)" (mit der ID: DERW_DEBY_1_F129). Sie wird im Rahmen der Wasserrahmenrichtlinie durchgeführt. Der Bewirtschaftungszeitraum ist 2022-2027.
Das Einschwimmen in eine Fischaufstiegsanlage ist ein eigenständiger Prozess. Mittels individuenbasierter Modellierung soll das Verhalten vor allem von kleinen, schwimmschwachen Fischarten modelliert werden, um die Einstiege von Fischaufstiegsanlagen hydraulisch optimieren zu können. Aufgabenstellung und Ziel Für die Funktionsfähigkeit einer Fischaufstiegsanlage (FAA) müssen die Auffindbarkeit und Passierbarkeit gewährleistet sein. Die Verbindung von Auffinden und Passieren ist das Einschwimmen in den Einstieg der FAA, das als separater Prozess betrachtet werden kann. Es geht mit deutlichen Änderungen der Umgebungsbedingungen des aufwärts schwimmenden Fischs einher: In der FAA ist der Bewegungsraum deutlich beschränkter und die Fließgeschwindigkeiten sind stellenweise deutlich höher als im Fluss. Für die möglichst verzögerungsfreie Überwindung einer Staustufe mittels einer FAA ist anzustreben, dass diese Änderungen keine negativen Auswirkungen auf die Wanderung haben. Für die Betrachtung des Einschwimmverhaltens soll ein individuenbasiertes Modell (IBM) erstellt werden, welches die räumlich kaum begrenzte Unterwasserumgebung von Stauanlagen mit der räumlich stark begrenzten FAA-Beckenumgebung verbindet. Dazu sollen die an der BAW gewonnenen Daten aus ethohydraulischen Versuchen genutzt werden (Titelbild, z. B. Schütz et al. 2024). Aus den Fischbeobachtungen und den hydraulischen Daten sollen durch „Pattern-oriented Modeling” Verhaltensmuster und Verhaltensregeln entwickelt werden. Mit den Verhaltensregeln soll das Verhaltensmodell „ELAM-de“ (Gisen et al. 2022) weiterentwickelt werden. Für die Erstellung des Verhaltensmodells kommt zunächst der manuelle, explorative Ansatz in Frage. Zusätzlich sollen auch KI-Ansätze wie z. B. Entscheidungsbäume oder künstliche neuronale Netze untersucht werden. Ziel des Projekts ist es, das Einschwimmverhalten ausgewählter einheimischer potamodromer Fischarten von der Wahrnehmung der Leitströmung bis zum Einschwimmen in die FAA besser zu verstehen, um beurteilen zu können, ob der Einstieg einer FAA im Detail hydraulisch optimal gestaltet ist. Bedeutung für die Wasserstraßen- und Schifffahrtsverwaltung des Bundes (WSV) Für die Erreichung der Ziele der EU-Wasserrahmenrichtlinie ist der Bau funktionsfähiger FAA von zentraler Bedeutung. An den Bundeswasserstraßen müssen von der WSV insgesamt ca. 250 FAA errichtet werden. Alle Erkenntnisse, die den Einschwimmerfolg in FAA erhöhen, tragen zur Zielerreichung bei. Das Modell soll die Entwicklung effizienter Alternativen zur Einsparung von Baukosten für die WSV ermöglichen. Untersuchungsmethoden Das Titelbild zeigt die ethohydraulische Versuchsrinne (EH-Rinne) der BAW. In den Versuchen wurde die Einstiegserfolgsrate unter verschiedenen Fließgeschwindigkeiten (Schütz et al. 2024) und mit glatter oder rauer Sohle (Wiering et al. 2024) untersucht. Die höchste Fließgeschwindigkeit betrug 1,8 m/s, wurde aber stationär oder periodisch variiert. Die Fischbewegung wurde während der Versuche mit mehreren Fischaugenkameras aufgenommen. Dabei schwammen jeweils drei Fische derselben Art (Rotauge oder Gründling) so lange, bis sie den Schlitz passierten oder die maximale Versuchsdauer von einer Stunde erreicht war. Um den Einfluss der hydraulischen und geometrischen Randbedingungen auf das Fischverhalten zu untersuchen und daraus ein Fischverhaltensmodell zu erstellen, ist zunächst ein Fish Tracking zur Erfassung der kleinskaligen Fischbewegung aus den Kameradaten notwendig. YOLO ist ein bestehendes Python-Modell zur Objekterkennung und Bildsegmentierung (Jocher et al. 2023). Es basiert auf einem vortrainierten Convolutional Neural Network (CNN), das Merkmale verschiedener Hierarchieebenen aus einem Eingabebild extrahiert. Das Modell wurde mit verschiedenen Bildern aus den Videos (mit Fischen und ohne Fische) trainiert. Anschließend wurde es angewendet, um alle Fischpositionen in jedem Frame jedes Videos zu extrahieren. (Text gekürzt)
Veranlassung Um eine FAA beurteilen zu können, muss man vergleichen, wie viele Fische aufsteigen wollen und wie viele tatsächlich aufsteigen. Während man in der FAA die Fische gut erfassen kann, ist dies aber im freien Unterwasser mit keiner bekannten Erfassungsmethode vollständig möglich. Es wird umso schwieriger, je größer ein Fluss wird. Die Anzahl der aufwanderwilligen Fische kann daher nicht direkt mit den tatsächlich aufsteigenden Fischen verglichen werden, sondern muss indirekt eingeschätzt werden. Verschiedene nationale und internationale Ansätze befassen sich mit dieser Fragestellung, von denen allerdings keine die Anforderungen an Bundeswasserstraßen abdeckt. Ausgehend von diesen Ansätzen wird der neue Methodenstandard entwickelt: - Aus den gesetzlichen Anforderungen werden Bewertungskriterien formuliert. - In umfangreichen Feldtests werden verschiedene Erfassungsmethoden über einen längeren Zeitraum parallel eingesetzt und verglichen. - Ein Ansatz für die quantitative Bewertung der Aufstiegszahlen wird erarbeitet. Ziele Die Arbeiten münden in eine Methode zur biologischen Bewertung einer FAA in Bundeswasserstraßen. In einem Multikriterienkatalog werden die Ansprüche an die Erfassung der Funktionsfähigkeit konkret benannt. Darauf basierend werden die möglichen und notwendigen Felderfassungen für die Funktionsbewertung der FAA zusammengestellt und die erforderlichen Erfassungszeiträume festgelegt. Die Vorgaben für die konkrete Ausschreibung dieser Arbeiten werden für die Wasserstraßen- und Schifffahrtsverwaltung (WSV) erarbeitet. Neue FAA sollen an mehr als 200 Staustufen der Bundeswasserstraßen die Durchgängigkeit für Fische herstellen, um die Ziele der EU-WRRL zu erreichen. Zwar kann man bei Planung und Bau der FAA auf standardisierte Bemessungsempfehlungen zurückgreifen, doch bergen die komplexen und individuellen Randbedingungen jedes Standorts viele Unsicherheiten hinsichtlich der Funktionalität, insbesondere an großen Flüssen. Eine biologische Funktionskontrolle soll den Erfolg der Maßnahmen für die Fische überprüfen und das Risiko von Fehlinvestitionen senken. Wie gut funktioniert eine Fischaufstiegsanlage (FAA)? Dies ist wichtig zu wissen, aber nicht leicht zu messen, vor allem nicht an großen Flüssen. Daher soll hierfür ein Methodenstandard entwickelt werden.
| Origin | Count |
|---|---|
| Bund | 1418 |
| Kommune | 1 |
| Land | 95 |
| Wissenschaft | 1 |
| Type | Count |
|---|---|
| Daten und Messstellen | 1102 |
| Ereignis | 2 |
| Förderprogramm | 119 |
| Taxon | 6 |
| Text | 55 |
| Umweltprüfung | 23 |
| WRRL-Maßnahme | 158 |
| unbekannt | 40 |
| License | Count |
|---|---|
| geschlossen | 1174 |
| offen | 319 |
| unbekannt | 7 |
| Language | Count |
|---|---|
| Deutsch | 1497 |
| Englisch | 1267 |
| Resource type | Count |
|---|---|
| Bild | 12 |
| Datei | 1107 |
| Dokument | 47 |
| Keine | 282 |
| Unbekannt | 1 |
| Webdienst | 12 |
| Webseite | 1162 |
| Topic | Count |
|---|---|
| Boden | 394 |
| Lebewesen und Lebensräume | 532 |
| Luft | 507 |
| Mensch und Umwelt | 1500 |
| Wasser | 447 |
| Weitere | 1449 |