Upload
maya-kraus
View
220
Download
0
Embed Size (px)
Citation preview
2
Inhalts- und Terminübersicht
1. VL 10.04.14 Einführung2. VL 17.04.14 Wasserkreislauf3. VL 24.04.14 Strahlung4. VL 08.05.14 Komponenten und Prozesse
des Wasserkreislaufs5. VL 15.05.14 Niederschlag I6. VL 22.05.14 Niederschlag II7. VL 05.06.14 Verdunstung
3
8. VL 12.06.14 Versickerung9. VL 19.06.14 Infiltration10. VL 26.06.14 Abfluss I11. VL 03.07.14 Abfluss II12. VL 10.07.14 Einheitsganglinie I13. VL 17.07.14 Einheitsganglinie II
Inhalts- und Terminübersicht
4
4. Niederschlag
4.1 Bildung von Niederschlag4.2 Arten von Niederschlag4.3 Niederschlagsmessung4.4 Niederschlagsauswertung4.5 Niederschläge in Deutschland und Weltweit
4. Niederschlag
5
4.4 Niederschlagsauswertung4.4.1 Gebietsniederschläge und Regionalisierung von Niederschlägen4.4.2 Bemessungs- und Starkniederschläge
4. Niederschlag
6
Niederschlag wird meist punktuell gemessen, darum muss für die Ermittlung des Gebietsniederschlages und für die Erstellung von Niederschlagskarten eine Regionalisierung für größere Gebiete erfolgen.
Hinkelmann, 2013
4.3 Niederschlagsauswertung4.3.1 Gebietsniederschläge
7
Einfachste Methode: gewichtetes Mittel
Nur gut, falls sehr homogenes Gebiet
Stationender Anzahl :n
iPunkt am agshöheNiederschl :
derschlagGebietsnie :
1
,
1,
ip
p
n
iipp
h
h
hn
h
Hinkelmann, 2013
4.3.1 GebietsniederschlägeGewichtetes Mittel
8
Bestimmung des Einflussgebietes einer Station durch PolygoneProzedur:• Triangulation des Stationsnetzes. • Einzeichnen von Mittelsenkrechten auf die Verbindunglinien.• Verbinden der Mittelsenkrechten.• Kommentar: Methode ist nicht immer eindeutig.
Gut: Schnelles Verfahren, erhält die Varianz der Eingangsdaten;Schlecht: Falls als Interpolationsverfahren genutzt, unrealistische Sprünge
ietesEinzugsgeb des Fläche :A i,Station von neEinflusszoder Fläche :AsfaktorGewichtung : WStationen,der Anzahl :n
i,Station an agshöheNiederschl :h derschlag,Gebietsnie :h
,
Ci
i
ip,p
1,
C
ii
n
iipip A
AWhWh
4.3.1 GebietsniederschlägeThiessen-Polygone (nächster Nachbar)
9
4.3.1 GebietsniederschlägeThiessen-Polygone (nächster Nachbar)
Hinkelmann, 2013
10
Bestimmung des Gebietsniederschlages durch das Verfahren der Inversen DistanzProzedur:• Orthogonales (rechtwinkliges) Raster von Punkten, welche das Einzugsgebiet
bedecken• Bestimme Niederschlag für jeden Punkt als entfernungsgewichtetes Mittel der
Nachbarpunkte (Gewicht = Inverses der Distanz)
Abwandlung – die Quadrantenmethode: • Die Nachbarn werden für jeden Quadranten separat ausgesucht• Danach wie oben
Am Ende ist der Gebietsniederschlag das arithmetische Mittel der Niederschläge an den Rasterpunkten im Einzugsgebiet.
4.3.1 GebietsniederschlägeInverse Distanz
11
raster point
Links: Gitter wird über das Gebiet gelegt, rechts: an jeden Punkt wird gemäß der inversen Distanz interpoliert (hier werden die Nachbarn nach der Quadrantenmethode ausgesucht)
Hinkelmann, 2013
4.3.1 GebietsniederschlägeInverse Distanz
12
Gut für uneinheitlich verteilte Stationen, als Interpolationsmethode weiche Übergänge
ietEinzugsgeb im teRasterpunkder Anzahl :nr
derschlagGebietsnie :h
iStation zu j tesRasterpunk des Distanz :d
iStation für jt Rasterpunk amsfaktor Gewichtung :W
iStation an agshöheNiederschl :h
jt Rasterpunk am agshöheNiederschl :h
1 , /1
/1 ,
p
ji,
ji,
ip,
jp,
1,4
1
2,
2,
,
4
1,,,
nr
iipp
iji
jiji
iipjijp h
nrh
d
dWhWh
4.3.1 GebietsniederschlägeInverse Distanz
131153
1138
248
243
2432
246
31
81
34
82
)(* 0
uZ
Es seien z(u1), …, z(un) Werte der Beobachtungsvariablen Z(u) an den Orten u1, …, un, di ist der Abstand zwischen den Orten u1, …, un, und p ist eine durch den Anwender festgelegte Potenz. Der neue Wert am unbeprobten Ort u0 ergibt sich dann zu:
Beispiele (mit p=1, n=2):
n
ip
i
n
ip
i
i
d
duz
uZ
1
10 1
)(
)(*
413
826
155
153
1520
156
31
51
34
52
)(* 0
uZ
z(u1)=2z(u2)=4
Z*(u0)=?
d1=5 d2=3
z(u1)=2 Z*(u0)=?
z(u2)=4
d1=8 d2=3
4.3.1 GebietsniederschlägeInverse Distanz
14
Berechnung des Gebietsniederschlages durch das IsohyetenverfahrenProzedur: • Bestimme die Isohyeten (Linien gleichen Niederschlages)• Berechne den gewichteten Niederschlag
Möglichkeit, Zusatzwissen einfließen zu lassen, z.B. Orographie (Höhenzonen)
iStation an agshöheNiederschl :i lächeIsohyetenffür sfaktor Gewichtung :
)(Isohyeten agesNiederschlgleichen Flächen der Anzahl :ni
derschlagGebietsnie :
,
1,
ip
i
p
ni
iipip
hW
h
hWh
4.3.1 GebietsniederschlägeIsohyentenverfahren
15Hinkelmann, 2013
4.3.1 GebietsniederschlägeIsohyentenverfahren
16
Konventionelle und geostatistische Verfahren im Vergleich:
Beispiele für nichtstatistische Interpolationsverfahren:
• Thiessen-Polygone
• Inverse Distanz
• Triangulation
• Splines
Nachteil: nichtstatistische Interpolationsverfahren „wissen nichts über die zu interpolierende Variable“.
Statistische Interpolationsverfahren zeichnen sich dadurch aus, dass ihnen ein (geo-) statistisches Modell zugrunde liegt, durch das die spezifischen räumlichen Eigenschaften der zu untersuchenden Variablen in die Interpolation einbezogen werden können.
4.3.1 GebietsniederschlägeGeostatistische Verfahren
17
Geostatistische Verfahren
Geostatistik im weiteren Sinne:Anwendung von statistischen Methoden in den Geowissenschaften.
Geostatistik im engeren Sinne:Analyse und Modellierung räumlicher Phänomene unter Nutzung statistischer Methoden
G. Matheron:Geostatistik ist die Anwendung der Formalismen von Zufallsfunktionen auf die Erkundung und Schätzung natürlicher Phänomene, die als ortsabhängige (ortsgebundene, regionalisierte) Variablen statistisch gesetzmäßig räumlich variieren.
4.3.1 GebietsniederschlägeGeostatistische Verfahren
18
Geostatistik
Ausgangspunkt:
ortsabhängige Variable, d.h. Messung einer Variablen (z.B. Niederschlag) an verschiedenen Punkten im Raum
Ziele:
• Beschreibung der räumlichen Struktur von Variablen: Variographie
• Schätzung der Variablenwerte an unbeobachteten Punkten, Ermittlung der räumlichen Verteilung der Variablen im gesamten Untersuchungsgebiet: Interpolation (Kriging)
• Quantifizierung und Propagation der Unsicherheit möglicher Parameterverteilungen: geostatistische Simulation
• Evaluierung und Optimierung von Messnetzen
4.3.1 GebietsniederschlägeGeostatistische Verfahren
19
Variogram of precipitation measurements of 200 precipitation gauges
vari
ance
of m
easu
rem
ent [
mm
²]
Hinkelmann, 2013
4.3.1 GebietsniederschlägeGeostatistische Verfahren
20
2 4 6 8 10 12 140
2
4
6
8
10
12
14
16
1) Messung
2 4 6 8 1 0 12 140
2
4
6
8
10
12
14
16
2 4 6 8 10 12 140
2
4
6
8
10
12
14
16
2) Datenanalyse
3) Variographie
4) Interpolation mit Kriging
5) ValidierungFehleranalyse!
0 1 2 3 4 5 6 7
Lag Distance
0
100
200
300
400
500
600
700
800
900
Var
iogr
am
D irection : 0 .0 T olerance : 90.0C olum n C : O zon [ppm ]?
4.3.1 GebietsniederschlägeGeostatistische Verfahren
21
Korrelation (nach Nash & Sutcliffe)
• Thyssen Polygons -0.214
• Inverse Distance 0.241
• Ordinary Kriging 0.238
• External Drift Kriging 0.715
4.3.1 GebietsniederschlägeVergleich der Verfahren
22
• Problem bei der Ermittlung der Gebietsniederschläge aus Punkt-(Stations) Daten: räumliche Struktur der Niederschläge weitgehend unbekannt.
• Problem bei der Ermittlung der Gebietsniederschläge aus Fernerkundungs-(Radar) Daten: die absoluten Werte sind nicht bekannt.
• Lösung: Kombination aus beidem: absolute Werte aus Stationsmessungen, räumliche Struktur aus Fernerkundungsdaten.
4.3.1 GebietsniederschlägeKombination aus Punkt- und Flächeninformation
23
[mm]
Niederschlagsmessung durch Radar (oben) und die Stationsmessungen (rechts)
4.3.1 GebietsniederschlägeKombination aus Punkt- und Flächeninformation
24
Kombination von Flächen- und Punktdaten:1. Nur Stationsdaten
interpoliert durch Ordinary Kriging
2. Stationsdaten und Höheninformationen kombiniert (External Drift Kriging EDK)
3. Stationsdaten und Radardaten kombiniert (EDK)
4. Stationsdaten, Radardaten und Höheninformationen kombiniert (EDK)
4.3.1 GebietsniederschlägeKombination aus Punkt- und Flächeninformation
25
26
Berechnung des Fehlers durch Kreuzvalidierung:RMSE (Root Mean Square Error) am geringsten, falls alle Informationen kombiniert werden.
4.3.1 GebietsniederschlägeKombination aus Punkt- und Flächeninformation
27
Reanalysedaten sind eine weitere Kombinationsmöglichkeit von Raum- und Punktdaten:
• Genutzt werden Daten der Wettervorhersage und Stationsdaten (als Kombination dann sogenannte Reanalysedaten)
• In einem numerischen Vorhersagemodell wird das Rechengebiet mit Gitterzellen diskretisiert, so dass die relevanten physikalischen Größen, wie vor allem Temperatur, Niederschlag, Luftdruck, Dichte und Windgeschwindigkeit, im dreidimensionalen Raum und als Funktion der Zeit dargestellt werden können.
• Darüber hinaus kommt der Festlegung des Anfangszustandes der Modellatmosphäre eine wichtige Bedeutung für den Erfolg der Modellvorhersage zu. Dazu werden Messwerte eingesetzt. Dabei wird mit unterschiedlichen mathematischen Verfahren eine gewichtete Kombination aus Messwerten und älteren Modellvorhersagen auf das Modellgitter interpoliert (sogenannte Datenassimilation).
4.3.1 GebietsniederschlägeKombination aus Punkt- & Flächeninformation - Reanalysedaten
28 Wettervorhersagen gibt es weltweit in hoher zeitlicher und räumlicher Auflösung (Quelle: Europäischer Wetterdienst)
4.3.1 GebietsniederschlägeKombination aus Punkt- & Flächeninformation - Reanalysedaten
29
Idee der Reanalyse:Da in Wettervorhersagemodellen die Berechnung immer wieder mit Beobachtungsdaten angepasst wird, kann man dies auch für die Vergangenheit durchführen, für die ja ebenfalls Beobachtungen vorliegen.
Vorteil: Man erhält konsistente Zeitreihen aller simulierten Variablen (Temperatur, Niederschlag, Strahlung etc.) mit hoher zeitlicher und räumlicher Auflösung und für die ganze Welt.Diese sind an Beobachtungsstationen naturgemäß sehr ähnlich der Beobachtung, während sie in Gegenden, wo es wenige Beobachtungen gibt, auch relativ stark von den wahren Werten abweichen können. Allerdings sind sie hier oft die einzigen Daten, welche man überhaupt nutzen kann.
4.3.1 GebietsniederschlägeKombination aus Punkt- & Flächeninformation - Reanalysedaten
30
4.3.1 GebietsniederschlägeVergleich von Reanalyse und Beobachtung für Station Tansania
31
4.4 Niederschlagsauswertung4.4.1 Gebietsniederschläge und Regionalisierung von Niederschlägen4.4.2 Bemessungs- und Starkniederschläge
4. Niederschlag
32
Bei großen Niederschlagsereignissen stellt sich oftmals die Frage nach der Wahrscheinlichkeit ihres Auftretens, d.h. man möchte wissen, wie oft im Jahr man mit einem Niederschlag dieser Intensität und Dauer statistisch (!) zu rechnen hat. Ebenso ist auch oftmals von Interesse, wie groß ein Niederschlagsereignis mit einer bestimmten Auftritswahrscheinlichkeit ist. Solch einer Einordnung von Niederschlägen bestimmter Größe bezüglich ihrer Auftritswahrscheinlichkeit dienen sogenannte Intensitäts – Dauer – Häufigkeits - Kurven. Sie lassen sich aus Aufzeichnungen jährlicher Niederschlagsmaxima von Regen unterschiedlicher Dauer unter Anwendung der Extremwertstatistik ermitteln.
4.3 Niederschlagsauswertung4.3.2 Bemessungs- und Starkniederschläge
33
Wichtig für Wassermanagement in urbanen Räumen und kleinen Einzugsgebieten:
• Niederschlagshöhe N [mm]
• Niederschlagsdauer D [Zeit]
• Niederschlagsintensität I [mm/Zeit]
• Häufigkeit und Wiederkehrintervalle TD [Jahr]
• Überschreitungswahrscheinlichkeit Pü [1/TD]
• Unterschreitungswahrscheinlichkeit Pu [1-Pü]
Abhängig vom Ort
4.3.2 Bemessungs- und Starkniederschläge
34
Beispiel: Bemessungsgrundlagen für Entwässerungs- bzw. Versickerungsanlagen der Stadt Würzburg„Die Kenntnis von Häufigkeit und Menge des Niederschlags ist bei der Planung von Anlagen zur Bemessung folgender Regenwassernutzungs- bzw. Entwässerungsanlagen erforderlich“, z.B. beim:• Zulaufquerschnitt• Reinigungsanlagen (Filter, Absetzbecken, Ölabscheider...)• Speichervolumen der Zisterne• Versickerungsanlagen• Ablauf in den Kanal oder ein Oberflächengewässer
Für die Bemessung von Kanälen etc. wird der sogenannte Bemessungsregen herangezogen. Dieser gibt an, welche Regenmenge pro Hektar beim stärksten 15-minütigen Regen eines Jahres pro Sekunde abfließt.Für Würzburg beträgt der Bemessungsregen r(15,1) = 106 l/s*ha.
4.3.2 Bemessungs- und Starkniederschläge
35reoccurrence period T [a] duration D T [min]
prec
ipita
tion
heig
ht h
p [m
m]
4.3.2 Bemessungs- und Starkniederschläge
36
Erstellung eines Dauer-Intensitäts-Häufigkeitsdiagramm
Auswertung der Maximalniederschläge best. Dauer (Anhand von Extremwertstatistik)1. n Beobachtungsjahre → n größte Niederschläge (best. Dauer)2. Ordnung nach der Größe: größter Niederschlag → m = 1
kleinster Niederschlag → m = n3. emp. Überschreitungswahrscheinlichkeit PÜ mit
Wiederkehrinterval TD
4. Auftragen von PÜ (oder PU) im Wahrscheinlichkeitsnetz
5. Anpassung einer Ausgleichsgerade (analyt. Funktion) an die Punkte
PÜ = mn+1
= 1T D D
ÜU T=P=P 111
4.3.2 Bemessungs- und Starkniederschläge
37
• Um auch Aussagen über Niederschlagsmengen hoher Wiederkehrintervalle (z. B. T = 100 Jahre) zu ermöglichen, ist es notwendig, über den durch die Stichprobe gegebenen Bereich hinaus zu extrapolieren.
• Hierzu schließt man von der Stichprobe auf die Grundgesamtheit, indem man eine geeignete theoretische Verteilung der Stichprobe möglichst gut anpasst.
• Nach erfolgter Anpassung kann auf gewünschte Wiederkehrintervalle extrapoliert und somit die Niederschlagsintensitäts - Dauer - Häufigkeits - Kurve ermittelt werden.
4.3.2 Bemessungs- und Starkniederschläge
38
Beispiel KOSTRA-DWD-2000 (koordinierte Starkniederschlags Regionalisierungs - Auswertung) Durch KOSTRA-DWD-2000 (Basiszeitraum 1951 - 2000) werden die extremwertstatistisch ermittelten Starkniederschlagshöhen aus dem KOSTRA-Atlas (1997) ersetzt. Niederschlagsdauer (5 min bis 72 h) und Jährlichkeit (0,5 a bis 100 a)Datenbasis: • Dichtes Netz von Niederschlagsstationen (4500 Stationen)• Interpoliert in unbeobachtete Gebiete (1 km Auflösung)
Beispiel: Wie hoch ist der Niederschlag in Hannover, welcher innerhalb von 60 Minuten höchstens alle 10 Jahre auftritt? 29 mmAllerdings müssen die Extremwerte reduziert werden, wenn man größere Regionen betrachtet.
http://www.dwd.de/kostra
4.3.2 Bemessungs- und StarkniederschlägeDas KOSTRA - Verfahren
39
4.3.2 Bemessungs- und StarkniederschlägeDas KOSTRA - Verfahren
40
redu
ctio
n fa
ctor
[%]
catchmment area Ac [km²]
4.3.2 Bemessungs- und StarkniederschlägeDas KOSTRA - Verfahren
41
4. Niederschlag
4.1 Bildung von Niederschlag4.2 Arten von Niederschlag4.3 Niederschlagsmessung4.4 Niederschlagsauswertung4.5 Niederschläge in Deutschland und Weltweit
4. Niederschlag
42
Aktuelle Temperaturdaten an der Station Potsdam
Aktuelle Temperaturen (oben) und Summenkurve (rechts)
4.5 Niederschläge in Deutschland und weltweitAktuelle Daten an der Station Potsdam
43
Summenkurve der Niederschläge an der Station Potsdam
4.5 Niederschläge in Deutschland und weltweitAktuelle Daten an der Station Potsdam
44
TMax
TMin
Längste Hitzeperiode (TMax > 30 °C)
Längste Kälteperiode(TMax < 0 °C)
Höchste Tagessummedes Niederschlags
Längste Trockenperiode
Längste Niederschlags-periode (Schnee)
MaximaleSchneehöhe
Gewittertage pro Jahr
39.1 °C 09.08.1992
-26.8 °C 11.02.1929
15 Tage 23.07. -06.08.1969
105.7 mm 08.08.1978
70 cm 06.03.1970
37 Tage 21.01. -26.02.1947
32 Tage 19.09. -20.10.1949
33 Tage 02.02. -06.03.1970
45 Tage 1990
4.5 Niederschläge in Deutschland und weltweitExtremwerte der Station Potsdam
45
Jahressumme des Niederschlags (oben) und Trend (rechts)
4.5 Niederschläge in Deutschland und weltweitNiederschläge in Deutschland
46
0.0
20.0
40.0
60.0
80.0
100.0
120.0
1 2 3 4 5 6 7 8 9 10 11 12
month
Ava
rage
[mm
]
Evapotranspiration
Niederschag
Abfuss
ElbeMittel 1961-90
4.5 Niederschläge in Deutschland und weltweitNiederschläge in Deutschland
47
SummerWinter
Total
Green negativRedpositiv
Source: PIK Database PixDat
4.5 Niederschläge in Deutschland und weltweitKlimaentwicklung in Europa im 20. Jhrd. - Temperaturen
48
[mm]
[mm]
SummerWinter
Total
red negativblue positiv
4.5 Niederschläge in Deutschland und weltweitKlimaentwicklung in Europa im 20. Jhrd. - Niederschläge
Source: PIK Database PixDat
49
4.5 Niederschläge in Deutschland und weltweitNiederschläge weltweit
50
4.5 Niederschläge in Deutschland und weltweitTrend der Niederschläge weltweit
51Quelle: IPCC, 2007
4.5 Niederschläge in Deutschland und weltweitProjizierte Änderungen der Niederschläge weltweit
52
HÖCHSTE JAHRESSUMMEN
Kontinent Land Ort Wert Anmerkung
Europa
Kroatien Crkvice 4648 mm 1881
DeutschlandBalderschwang(Allgäu)Potsdam
3503,1 mm
788,8 mm
1970
1981
Afrika Kamerun Debundscha 10287 mm 1932
AmerikaUSA Paradise
(Mt. Rainier)31100 mm(Schnee) 1970/71
Kolumbien Lloro 13299 mm 1929
Asien Indien Cherrapunji 26461 mm 1860/61
Australien Queensland Bellenden Ker 8636 mm 1909
4.5 Niederschläge in Deutschland und weltweitExtreme des Niederschlages
53
HÖCHSTE 24STÜNDIGE NIEDERSCHLAGSSUMME
Kontinent Land Ort Wert Anmerkung
Afrika La Reunion Cilaos 1870 mm 15.03.-16.03.1952
Europa DeutschlandZinnwald
Potsdam
312.0 mm
105.7 mm
12.08.2002
08.08.1978
HÖCHSTE MONATLICHE NIEDERSCHLAGSSUMME
Asien Indien Cherrapunji 9300 mm 1970/71
Europa DeutschlandOberreute (Bodensee)
Potsdam
777 mm
202.3 mm
Juli 1954
Juli 1907
HÖCHSTE SCHNEEDECKE
Amerika USA Paradise(Mt. Rainier) 31100 mm 1970/71
Europa DeutschlandZugspitze
Potsdam
8300 mm
700 mm
02.04.1944
1969/70
4.5 Niederschläge in Deutschland und weltweitExtreme des Niederschlages
54© Croatian National Tourist Board
4.5 Niederschläge in Deutschland und weltweitExtreme des Niederschlages - Kroatien
55
Mount Cameroon
Klimadiagramm Douala(Nahe Debundscha)
4.5 Niederschläge in Deutschland und weltweitExtreme des Niederschlages – Mount Camaroon
56
Jahressummen des Niederschlags in Indien
Klimadiagramm Cherrapunji
4.5 Niederschläge in Deutschland und weltweitExtreme des Niederschlages – Indien
57
Geographische LageBellenden Ker
Bellenden Ker Range
4.5 Niederschläge in Deutschland und weltweitExtreme des Niederschlages – Australien
58
La Reunion
Klimadiagramme Saint Denis/Reunion
4.5 Niederschläge in Deutschland und weltweitExtreme des Niederschlages – Afrika
59
Mount Rainier
4.5 Niederschläge in Deutschland und weltweitExtreme des Niederschlages – USA
60
4.5 Niederschläge in Deutschland und weltweitExtreme des Niederschlages – Vb-Wetterlagen in Europa
61
4.5 Niederschläge in Deutschland und weltweitExtreme des Niederschlages – Vb-Wetterlagen in Europa