Tabelle über wichtige Parameter aller Wasserläufe der Flussgebiete in Sachsen
Overview: ERA5-Land is a reanalysis dataset providing a consistent view of the evolution of land variables over several decades at an enhanced resolution compared to ERA5. ERA5-Land has been produced by replaying the land component of the ECMWF ERA5 climate reanalysis. Reanalysis combines model data with observations from across the world into a globally complete and consistent dataset using the laws of physics. Reanalysis produces data that goes several decades back in time, providing an accurate description of the climate of the past. Processing steps: The original hourly ERA5-Land air temperature 2 m above ground and dewpoint temperature 2 m data has been spatially enhanced from 0.1 degree to 30 arc seconds (approx. 1000 m) spatial resolution by image fusion with CHELSA data (V1.2) (https://chelsa-climate.org/). For each day we used the corresponding monthly long-term average of CHELSA. The aim was to use the fine spatial detail of CHELSA and at the same time preserve the general regional pattern and fine temporal detail of ERA5-Land. The steps included aggregation and enhancement, specifically: 1. spatially aggregate CHELSA to the resolution of ERA5-Land 2. calculate difference of ERA5-Land - aggregated CHELSA 3. interpolate differences with a Gaussian filter to 30 arc seconds. 4. add the interpolated differences to CHELSA Subsequently, the temperature time series have been aggregated on a daily basis. From these, daily relative humidity has been calculated for the time period 01/2000 - 12/2023. Relative humidity (rh2m) has been calculated from air temperature 2 m above ground (Ta) and dewpoint temperature 2 m above ground (Td) using the formula for saturated water pressure from Wright (1997): maximum water pressure = 611.21 * exp(17.502 * Ta / (240.97 + Ta)) actual water pressure = 611.21 * exp(17.502 * Td / (240.97 + Td)) relative humidity = actual water pressure / maximum water pressure The resulting relative humidity has been aggregated to monthly averages. Resultant values have been converted to represent percent * 10, thus covering a theoretical range of [0, 1000]. The data have been reprojected to EU LAEA. File naming scheme (YYYY = year; MM = month): ERA5_land_rh2m_avg_monthly_YYYY_MM.tif Projection + EPSG code: EU LAEA (EPSG: 3035) Spatial extent: north: 6874000 south: -485000 west: 869000 east: 8712000 Spatial resolution: 1000 m Temporal resolution: Monthly Pixel values: Percent * 10 (scaled to Integer; example: value 738 = 73.8 %) Software used: GDAL 3.2.2 and GRASS GIS 8.0.0/8.3.2 Original ERA5-Land dataset license: https://apps.ecmwf.int/datasets/licences/copernicus/ CHELSA climatologies (V1.2): Data used: Karger D.N., Conrad, O., Böhner, J., Kawohl, T., Kreft, H., Soria-Auza, R.W., Zimmermann, N.E, Linder, H.P., Kessler, M. (2018): Data from: Climatologies at high resolution for the earth's land surface areas. Dryad digital repository. http://dx.doi.org/doi:10.5061/dryad.kd1d4 Original peer-reviewed publication: Karger, D.N., Conrad, O., Böhner, J., Kawohl, T., Kreft, H., Soria-Auza, R.W., Zimmermann, N.E., Linder, P., Kessler, M. (2017): Climatologies at high resolution for the Earth land surface areas. Scientific Data. 4 170122. https://doi.org/10.1038/sdata.2017.122 Processed by: mundialis GmbH & Co. KG, Germany (https://www.mundialis.de/) Reference: Wright, J.M. (1997): Federal meteorological handbook no. 3 (FCM-H3-1997). Office of Federal Coordinator for Meteorological Services and Supporting Research. Washington, DC Data is also available in Latitude-Longitude/WGS84 (EPSG: 4326) projection: https://data.mundialis.de/geonetwork/srv/eng/catalog.search#/metadata/b9ce7dba-4130-428d-96f0-9089d8b9f4a5 Acknowledgements: This study was partially funded by EU grant 874850 MOOD. The contents of this publication are the sole responsibility of the authors and don't necessarily reflect the views of the European Commission.
Overview: ERA5-Land is a reanalysis dataset providing a consistent view of the evolution of land variables over several decades at an enhanced resolution compared to ERA5. ERA5-Land has been produced by replaying the land component of the ECMWF ERA5 climate reanalysis. Reanalysis combines model data with observations from across the world into a globally complete and consistent dataset using the laws of physics. Reanalysis produces data that goes several decades back in time, providing an accurate description of the climate of the past. Processing steps: The original hourly ERA5-Land air temperature 2 m above ground and dewpoint temperature 2 m data has been spatially enhanced from 0.1 degree to 30 arc seconds (approx. 1000 m) spatial resolution by image fusion with CHELSA data (V1.2) (https://chelsa-climate.org/). For each day we used the corresponding monthly long-term average of CHELSA. The aim was to use the fine spatial detail of CHELSA and at the same time preserve the general regional pattern and fine temporal detail of ERA5-Land. The steps included aggregation and enhancement, specifically: 1. spatially aggregate CHELSA to the resolution of ERA5-Land 2. calculate difference of ERA5-Land - aggregated CHELSA 3. interpolate differences with a Gaussian filter to 30 arc seconds. 4. add the interpolated differences to CHELSA Subsequently, the temperature time series have been aggregated on a daily basis. From these, daily relative humidity has been calculated for the time period 01/2000 - 12/2023. Relative humidity (rh2m) has been calculated from air temperature 2 m above ground (Ta) and dewpoint temperature 2 m above ground (Td) using the formula for saturated water pressure from Wright (1997): maximum water pressure = 611.21 * exp(17.502 * Ta / (240.97 + Ta)) actual water pressure = 611.21 * exp(17.502 * Td / (240.97 + Td)) relative humidity = actual water pressure / maximum water pressure The resulting relative humidity has been aggregated to monthly averages. Resultant values have been converted to represent percent * 10, thus covering a theoretical range of [0, 1000]. File naming scheme (YYYY = year; MM = month): ERA5_land_rh2m_avg_monthly_YYYY_MM.tif Projection + EPSG code: Latitude-Longitude/WGS84 (EPSG: 4326) Spatial extent: north: 82:00:30N south: 18N west: 32:00:30W east: 70E Spatial resolution: 30 arc seconds (approx. 1000 m) Temporal resolution: Monthly Pixel values: Percent * 10 (scaled to Integer; example: value 738 = 73.8 %) Software used: GDAL 3.2.2 and GRASS GIS 8.0.0/8.3.2 Original ERA5-Land dataset license: https://apps.ecmwf.int/datasets/licences/copernicus/ CHELSA climatologies (V1.2): Data used: Karger D.N., Conrad, O., Böhner, J., Kawohl, T., Kreft, H., Soria-Auza, R.W., Zimmermann, N.E, Linder, H.P., Kessler, M. (2018): Data from: Climatologies at high resolution for the earth's land surface areas. Dryad digital repository. http://dx.doi.org/doi:10.5061/dryad.kd1d4 Original peer-reviewed publication: Karger, D.N., Conrad, O., Böhner, J., Kawohl, T., Kreft, H., Soria-Auza, R.W., Zimmermann, N.E., Linder, P., Kessler, M. (2017): Climatologies at high resolution for the Earth land surface areas. Scientific Data. 4 170122. https://doi.org/10.1038/sdata.2017.122 Processed by: mundialis GmbH & Co. KG, Germany (https://www.mundialis.de/) Reference: Wright, J.M. (1997): Federal meteorological handbook no. 3 (FCM-H3-1997). Office of Federal Coordinator for Meteorological Services and Supporting Research. Washington, DC Data is also available in EU LAEA (EPSG: 3035) projection: https://data.mundialis.de/geonetwork/srv/eng/catalog.search#/metadata/ab06ed25-84af-43c9-b1c3-57e3b6ad8d29 Acknowledgements: This study was partially funded by EU grant 874850 MOOD. The contents of this publication are the sole responsibility of the authors and don't necessarily reflect the views of the European Commission.
Seit Juli 2022 veröffentlicht die BfG eine wahrscheinlichkeitsbasierte 6-Wochen-Vorhersage des Wasserstands für unterhaltungsrelevante Pegel an der Elbe. Die 6-Wochen-Vorhersage wird für die Elbe-Pegel Dresden, Barby und Neu Darchau analog zur deterministischen Niedrig- und Mittelwasservorhersage über ELWIS bereitgestellt. Eine Aktualisierung der 6-Wochen-Vorhersage erfolgt zweimal wöchentlich (Dienstags und Freitags), jeweils am späten Vormittag. Die 6-Wochen-Vorhersage basiert auf aktuellen Messwerten der Pegel im Elbeeinzugsgebiet und den Informationen von über 1000 Wetterstationen. Die Vorhersage wird unter anderem auf Grundlage der ENS extended Ensemble-Vorhersagen des Europäischen Zentrums für mittelfristige Wettervorhersagen (EZMW / ECMWF) berechnet. Auf Grundlage dieser umfangreichen Echtzeitdaten ermittelt die BfG mit einem hydrologischen Modell ein Ensemble von Wasserstandsvorhersagen über die kommenden 6 Wochen. Auf dieser Basis werden in Kombination mit statistischen Methoden an den oben genannten Elbepegeln Wahrscheinlichkeitsverteilungen von Wochenmittelwerten für die Trendvorhersage ermittelt. Die Darstellung dieser Vorhersage erfolgt als Boxplots. Nähere Erläuterungen sind unter https://www.bafg.de/DE/08_Ref/M2/04_Vorhersagen/6wRheinElbe/6w_node.html zu finden. Der Dateiname der der Boxplot-Quantile entspricht folgendem Schema: <Fluss>_<Pegelname>_6Wochen_Wasserstand_QuansBox.csv. Zusätzlich wird eine 4-Klassenvorhersage veröffentlicht, die anhand von Kuchendiagrammen zeigt, ob für die kommenden Wochen im Vergleich zum langjährigem Mittel eher niedrigere oder höhere Abflüsse vorhergesagt sind. Der Dateiname der Grenzen und Wahrscheinlichkeiten der Kuchendiagramme entspricht dem folgendem Schema: <Fluss>_<Pegelname>_6Wochen_Wasserstand_Pie.csv. Die Stammdaten der Vorhersage-Pegel (z.B. Koordinaten) können über PEGELONLINE https://www.pegelonline.wsv.de/ abgerufen werden.
Seit Juli 2022 veröffentlicht die BfG eine wahrscheinlichkeitsbasierte 6-Wochen-Vorhersage des Wasserstandes für schifffahrtsrelevante Pegel am Rhein. Die 6-Wochen-Vorhersage wird für die Rhein-Pegel Maxau, Kaub, Köln und Duisburg-Ruhrort analog zur 4-Tage Niedrig- und Mittelwasservorhersage über ELWIS bereitgestellt. Eine Aktualisierung der 6-Wochen-Vorhersage erfolgt zweimal wöchentlich (Dienstags und Freitags), jeweils am späten Vormittag. Die 6-Wochen-Vorhersage basiert auf aktuellen Messwerten der Pegel im Rheineinzugsgebiet und den Informationen von über 1000 Wetterstationen. Die Vorhersage wird unter anderem auf Grundlage der ENS extended Ensemble-Vorhersagen des Europäischen Zentrums für mittelfristige Wettervorhersagen (EZMW / ECMWF) berechnet. Auf Grundlage dieser umfangreichen Echtzeitdaten ermittelt die BfG mit einem hydrologischen Modell ein Ensemble von Wasserstandsvorhersagen über die kommenden 6 Wochen. Auf dieser Basis werden in Kombination mit statistischen Methoden an den oben genannten Rheinpegeln Wahrscheinlichkeitsverteilungen von Wochenmittelwerten für die Trendvorhersage ermittelt. Die Darstellung dieser Vorhersage erfolgt als Boxplots. Nähere Erläuterungen sind unter https://www.bafg.de/DE/08_Ref/M2/04_Vorhersagen/6wRheinElbe/6w_node.html zu finden. Der Dateiname der der Boxplot-Quantile entspricht folgendem Schema: <Fluss>_<Pegelname>_6Wochen_Wasserstand_QuansBox.csv, Zusätzlich wird eine 4-Klassenvorhersage veröffentlicht, die anhand von Kuchendiagrammen zeigt, ob für die kommenden Wochen im Vergleich zum langjährigem Mittel eher niedrigere oder höhere Abflüsse vorhergesagt sind. Der Dateiname der Grenzen und Wahrscheinlichkeiten der Kuchendiagramme entspricht dem folgendem Schema: <Fluss>_<Pegelname>_6Wochen_Wasserstand_Pie.csv. Die Stammdaten der Vorhersage-Pegel (z.B. Koordinaten) können über PEGELONLINE https://www.pegelonline.wsv.de/ abgerufen werden.
Seit Juli 2022 veröffentlicht die BfG eine wahrscheinlichkeitsbasierte 6-Wochen-Vorhersage des Abflusses für unterhaltungsrelevante Pegel an der Elbe. Die 6-Wochen-Vorhersage wird für die Elbe-Pegel Dresden, Barby und Neu Darchau analog zur deterministischen Niedrig- und Mittelwasservorhersage über ELWIS bereitgestellt. Eine Aktualisierung der 6-Wochen-Vorhersage erfolgt zweimal wöchentlich (Dienstags und Freitags), jeweils am späten Vormittag. Die 6-Wochen-Vorhersage basiert auf aktuellen Messwerten der Pegel im Elbeeinzugsgebiet und den Informationen von über 1000 Wetterstationen. Die Vorhersage wird unter anderem auf Grundlage der ENS extended Ensemble-Vorhersagen des Europäischen Zentrums für mittelfristige Wettervorhersagen (EZMW / ECMWF) berechnet. Auf Grundlage dieser umfangreichen Echtzeitdaten ermittelt die BfG mit einem hydrologischen Modell ein Ensemble von Abflussvorhersagen über die kommenden 6 Wochen. Auf dieser Basis werden in Kombination mit statistischen Methoden an den oben genannten Elbepegeln Wahrscheinlichkeitsverteilungen von Wochenmittelwerten für die Trendvorhersage ermittelt. Die Darstellung dieser Vorhersage erfolgt als Boxplots. Nähere Erläuterungen sind unter https://www.bafg.de/DE/08_Ref/M2/04_Vorhersagen/6wRheinElbe/6w_node.html zu finden. Der Dateiname der der Boxplot-Quantile entspricht folgendem Schema: <Fluss>_<Pegelname>_6Wochen_Abfluss_QuansBox.csv. Zusätzlich wird eine 4-Klassenvorhersage veröffentlicht, die anhand von Kuchendiagrammen zeigt, ob für die kommenden Wochen im Vergleich zum langjährigem Mittel eher niedrigere oder höhere Abflüsse vorhergesagt sind. Der Dateiname der Grenzen und Wahrscheinlichkeiten der Kuchendiagramme entspricht dem folgendem Schema: <Fluss>_<Pegelname>_6Wochen_Abfluss_Pie.csv. Die Stammdaten der Vorhersage-Pegel (z.B. Koordinaten) können über PEGELONLINE https://www.pegelonline.wsv.de/ abgerufen werden.
Seit Juli 2022 veröffentlicht die BfG eine wahrscheinlichkeitsbasierte 6-Wochen-Vorhersage des Abflusses für schifffahrtsrelevante Pegel am Rhein. Die 6-Wochen-Vorhersage wird für die Rhein-Pegel Kaub, Köln und Duisburg-Ruhrort analog zur 4-Tage Niedrig- und Mittelwasservorhersage über ELWIS bereitgestellt. Eine Aktualisierung der 6-Wochen-Vorhersage erfolgt zweimal wöchentlich (Dienstags und Freitags), jeweils am späten Vormittag. Die 6-Wochen-Vorhersage basiert auf aktuellen Messwerten der Pegel im Rheineinzugsgebiet und den Informationen von über 1000 Wetterstationen. Die Vorhersage wird unter anderem auf Grundlage der ENS extended Ensemble-Vorhersagen des Europäischen Zentrums für mittelfristige Wettervorhersagen (EZMW / ECMWF) berechnet. Auf Grundlage dieser umfangreichen Echtzeitdaten ermittelt die BfG mit einem hydrologischen Modell ein Ensemble von Abflussvorhersagen über die kommenden 6 Wochen. Auf dieser Basis werden in Kombination mit statistischen Methoden an den oben genannten Rheinpegeln Wahrscheinlichkeitsverteilungen von Wochenmittelwerten für die Trendvorhersage ermittelt. Die Darstellung dieser Vorhersage erfolgt als Boxplots. Nähere Erläuterungen sind unter https://www.bafg.de/DE/08_Ref/M2/04_Vorhersagen/6wRheinElbe/6w_node.html zu finden. Der Dateiname der der Boxplot-Quantile entspricht folgendem Schema: <Fluss>_<Pegelname>_6Wochen_Abfluss_QuansBox.csv, Zusätzlich wird eine 4-Klassenvorhersage veröffentlicht, die anhand von Kuchendiagrammen zeigt, ob für die kommenden Wochen im Vergleich zum langjährigem Mittel eher niedrigere oder höhere Abflüsse vorhergesagt sind. Der Dateiname der Grenzen und Wahrscheinlichkeiten der Kuchendiagramme entspricht dem folgendem Schema: <Fluss>_<Pegelname>_6Wochen_Abfluss_Pie.csv. Die Stammdaten der Vorhersage-Pegel (z.B. Koordinaten) können über PEGELONLINE https://www.pegelonline.wsv.de/ abgerufen werden.
Overview: ERA5-Land is a reanalysis dataset providing a consistent view of the evolution of land variables over several decades at an enhanced resolution compared to ERA5. ERA5-Land has been produced by replaying the land component of the ECMWF ERA5 climate reanalysis. Reanalysis combines model data with observations from across the world into a globally complete and consistent dataset using the laws of physics. Reanalysis produces data that goes several decades back in time, providing an accurate description of the climate of the past. Processing steps: The original hourly ERA5-Land air temperature 2 m above ground and dewpoint temperature 2 m data has been spatially enhanced from 0.1 degree to 30 arc seconds (approx. 1000 m) spatial resolution by image fusion with CHELSA data (V1.2) (https://chelsa-climate.org/). For each day we used the corresponding monthly long-term average of CHELSA. The aim was to use the fine spatial detail of CHELSA and at the same time preserve the general regional pattern and fine temporal detail of ERA5-Land. The steps included aggregation and enhancement, specifically: 1. spatially aggregate CHELSA to the resolution of ERA5-Land 2. calculate difference of ERA5-Land - aggregated CHELSA 3. interpolate differences with a Gaussian filter to 30 arc seconds. 4. add the interpolated differences to CHELSA Subsequently, the temperature time series have been aggregated on a daily basis. From these, daily relative humidity has been calculated for the time period 01/2000 - 07/2021. Relative humidity (rh2m) has been calculated from air temperature 2 m above ground (Ta) and dewpoint temperature 2 m above ground (Td) using the formula for saturated water pressure from Wright (1997): maximum water pressure = 611.21 * exp(17.502 * Ta / (240.97 + Ta)) actual water pressure = 611.21 * exp(17.502 * Td / (240.97 + Td)) relative humidity = actual water pressure / maximum water pressure Data provided is the daily averages of relative humidity. Resultant values have been converted to represent percent * 10, thus covering a theoretical range of [0, 1000]. The data have been reprojected to EU LAEA. File naming scheme (YYYY = year; MM = month; DD = day): ERA5_land_rh2m_avg_daily_YYYYMMDD.tif Projection + EPSG code: EU LAEA (EPSG: 3035) Spatial extent: north: 6874000 south: -485000 west: 869000 east: 8712000 Spatial resolution: 1000 m Temporal resolution: Daily Pixel values: Percent * 10 (scaled to Integer; example: value 738 = 73.8 %) Software used: GDAL 3.2.2 and GRASS GIS 8.0.0 Original ERA5-Land dataset license: https://apps.ecmwf.int/datasets/licences/copernicus/ CHELSA climatologies (V1.2): Data used: Karger D.N., Conrad, O., Böhner, J., Kawohl, T., Kreft, H., Soria-Auza, R.W., Zimmermann, N.E, Linder, H.P., Kessler, M. (2018): Data from: Climatologies at high resolution for the earth's land surface areas. Dryad digital repository. http://dx.doi.org/doi:10.5061/dryad.kd1d4 Original peer-reviewed publication: Karger, D.N., Conrad, O., Böhner, J., Kawohl, T., Kreft, H., Soria-Auza, R.W., Zimmermann, N.E., Linder, P., Kessler, M. (2017): Climatologies at high resolution for the Earth land surface areas. Scientific Data. 4 170122. https://doi.org/10.1038/sdata.2017.122 Processed by: mundialis GmbH & Co. KG, Germany (https://www.mundialis.de/) Reference: Wright, J.M. (1997): Federal meteorological handbook no. 3 (FCM-H3-1997). Office of Federal Coordinator for Meteorological Services and Supporting Research. Washington, DC Acknowledgements: This study was partially funded by EU grant 874850 MOOD. The contents of this publication are the sole responsibility of the authors and don't necessarily reflect the views of the European Commission.
Overview: ERA5-Land is a reanalysis dataset providing a consistent view of the evolution of land variables over several decades at an enhanced resolution compared to ERA5. ERA5-Land has been produced by replaying the land component of the ECMWF ERA5 climate reanalysis. Reanalysis combines model data with observations from across the world into a globally complete and consistent dataset using the laws of physics. Reanalysis produces data that goes several decades back in time, providing an accurate description of the climate of the past. Processing steps: The original hourly ERA5-Land air temperature 2 m above ground and dewpoint temperature 2 m data has been spatially enhanced from 0.1 degree to 30 arc seconds (approx. 1000 m) spatial resolution by image fusion with CHELSA data (V1.2) (https://chelsa-climate.org/). For each day we used the corresponding monthly long-term average of CHELSA. The aim was to use the fine spatial detail of CHELSA and at the same time preserve the general regional pattern and fine temporal detail of ERA5-Land. The steps included aggregation and enhancement, specifically: 1. spatially aggregate CHELSA to the resolution of ERA5-Land 2. calculate difference of ERA5-Land - aggregated CHELSA 3. interpolate differences with a Gaussian filter to 30 arc seconds. 4. add the interpolated differences to CHELSA Subsequently, the temperature time series have been aggregated on a daily basis. From these, daily relative humidity has been calculated for the time period 01/2000 - 07/2021. Relative humidity (rh2m) has been calculated from air temperature 2 m above ground (Ta) and dewpoint temperature 2 m above ground (Td) using the formula for saturated water pressure from Wright (1997): maximum water pressure = 611.21 * exp(17.502 * Ta / (240.97 + Ta)) actual water pressure = 611.21 * exp(17.502 * Td / (240.97 + Td)) relative humidity = actual water pressure / maximum water pressure The resulting relative humidity has been aggregated to decadal averages. Each month is divided into three decades: the first decade of a month covers days 1-10, the second decade covers days 11-20, and the third decade covers days 21-last day of the month. Resultant values have been converted to represent percent * 10, thus covering a theoretical range of [0, 1000]. The data have been reprojected to EU LAEA. File naming scheme (YYYY = year; MM = month; dD = number of decade): ERA5_land_rh2m_avg_decadal_YYYY_MM_dD.tif Projection + EPSG code: EU LAEA (EPSG: 3035) Spatial extent: north: 6874000 south: -485000 west: 869000 east: 8712000 Spatial resolution: 1000 m Temporal resolution: Decadal Pixel values: Percent * 10 (scaled to Integer; example: value 738 = 73.8 %) Software used: GDAL 3.2.2 and GRASS GIS 8.0.0 Original ERA5-Land dataset license: https://apps.ecmwf.int/datasets/licences/copernicus/ CHELSA climatologies (V1.2): Data used: Karger D.N., Conrad, O., Böhner, J., Kawohl, T., Kreft, H., Soria-Auza, R.W., Zimmermann, N.E, Linder, H.P., Kessler, M. (2018): Data from: Climatologies at high resolution for the earth's land surface areas. Dryad digital repository. http://dx.doi.org/doi:10.5061/dryad.kd1d4 Original peer-reviewed publication: Karger, D.N., Conrad, O., Böhner, J., Kawohl, T., Kreft, H., Soria-Auza, R.W., Zimmermann, N.E., Linder, P., Kessler, M. (2017): Climatologies at high resolution for the Earth land surface areas. Scientific Data. 4 170122. https://doi.org/10.1038/sdata.2017.122 Processed by: mundialis GmbH & Co. KG, Germany (https://www.mundialis.de/) Reference: Wright, J.M. (1997): Federal meteorological handbook no. 3 (FCM-H3-1997). Office of Federal Coordinator for Meteorological Services and Supporting Research. Washington, DC Acknowledgements: This study was partially funded by EU grant 874850 MOOD. The contents of this publication are the sole responsibility of the authors and don't necessarily reflect the views of the European Commission.
Seit Juli 2022 veröffentlicht die BfG eine wahrscheinlichkeitsbasierte 14-Tage-Vorhersage des Wasserstandes für schifffahrtsrelevante Pegel des Rheins. Der Vorhersagezeitraum der 2019 eingeführten 10-Tage-Vorhersage wurde damit um vier Tage verlängert. Die 14-Tage-Vorhersage wird für die sieben abladerelevanten Rhein-Pegel Oestrich, Kaub, Koblenz, Köln, Düsseldorf, Duisburg-Ruhrort und Emmerich analog der 4-Tage Niedrig- und Mittelwasservorhersage über ELWIS bereitgestellt. Eine Aktualisierung der 14-Tage-Vorhersage erfolgt arbeitstäglich, jeweils am späten Vormittag. Die 14-Tage-Vorhersage basiert auf aktuellen Messwerten von rund 50 Pegeln des Bundes und der Länder im Rheineinzugsgebiet und den Informationen von über 1000 Wetterstationen. Zusätzlich werden zahlreiche meteorologische Vorhersagen aus verschiedenen Quellen berücksichtigt (sog. Ensembles). Auf Grundlage dieser umfangreichen Echtzeitdaten ermittelt die BfG mit hydrologischen und hydraulischen Modellen ein Ensemble von Wasserstandsvorhersagen über die kommenden 14 Tage. Auf dieser Basis werden in Kombination mit statistischen Methoden an den abladerelevanten Rheinpegeln die Unterschreitungswahrscheinlichkeit der verschiedenen Wasserstände ermittelt, aus der dann die charakteristische trichter- bzw. fächerförmige Darstellung entsteht. Der Dateiname der Quantile der wahrscheinlichkeitsbasierten Vorhersage entspricht dem folgenden Schema <Pegelname>_Quantile_<Pegelnummer>.csv (z.B. Emmerich_Quantile_2790020.csv). In den jeweiligen Dateien werden die 5%, 10%, 20%, 25%, 30%, 40%, 50%, 60%, 70%, 75%, 80%, 90%, 95%-Quantile der wahrscheinlichkeitsbasierten Vorhersage der Tagesmittelwerte des Wasserstandes für die nächsten 14 Tage veröffentlicht. Oberhalb der Hochwassermarke II (HSW) werden die Werte der 14-Tage-Wasserstandsvorhersage ausgeblendet. Bei Hochwasser stellen die mehrmals täglich von den regional zuständigen Hochwasservorhersage- und meldezentralen der Bundesländer bereitgestellten Vorhersagen die aktuelle, amtliche Information über die Wasserstandsentwicklung in den kommenden Tagen dar (siehe: http://www.hochwasser-rlp.de/ und http://www.hvz.baden-wuerttemberg.de/). Die Stammdaten der Vorhersage-Pegel (z.B. Koordinaten) können über PEGELONLINE https://www.pegelonline.wsv.de/ abgerufen werden.
| Origin | Count |
|---|---|
| Bund | 39 |
| Land | 34 |
| Type | Count |
|---|---|
| unbekannt | 40 |
| License | Count |
|---|---|
| geschlossen | 10 |
| offen | 13 |
| unbekannt | 17 |
| Language | Count |
|---|---|
| Deutsch | 27 |
| Englisch | 11 |
| andere | 2 |
| Resource type | Count |
|---|---|
| Archiv | 4 |
| Bild | 2 |
| Datei | 6 |
| Dokument | 5 |
| Keine | 13 |
| Webdienst | 2 |
| Webseite | 27 |
| Topic | Count |
|---|---|
| Boden | 25 |
| Lebewesen & Lebensräume | 31 |
| Luft | 14 |
| Mensch & Umwelt | 39 |
| Wasser | 20 |
| Weitere | 40 |