Früherkennung von Trockenperioden für Talsperren in Sachsen

Allgemeine Informationen

Auftraggeber: Landestalsperrenverwaltung Sachsen (LTV)
Ort: Sachsen
Projektzeitraum: 2023-2025

Projektbeschreibung

Im Zeitraum seit dem hydrologischen Jahr 2014 bis heute verzeichnet Sachsen vermehrt Trockenwetterphasen und Dürren. Die Talsperren, die hohe Rohwasserabgaben verzeichnen, stoßen teilweise an ihre Leistungsgrenzen. Dadurch kommt es vereinzelt zu außergewöhnlich niedrigen Füllständen, die sich sowohl auf die Quantität als auch die Qualität der Wasserversorgung negativ auswirken können. Um geeignete Bewirtschaftungsmaßnahmen anzupassen, sind fundierte Konzepte erforderlich. Diese sollten eine breite fachliche Anerkennung genießen, um entsprechende Vereinbarungen mit den Genehmigungsbehörden treffen zu können wie beispielsweise die Reduzierung der Mindestwasserabgabe auf den Zufluss zur Talsperre.

Die schleichende und sukzessive Entstehung von Dürren, deren Beginn nicht eindeutig erkennbar ist und zudem von der Perspektive des Betroffenen abhängt (sei es meteorologische Trockenheit, landwirtschaftliche Trockenheit, hydrologische Trockenheit, usw.), macht klare und transparente Regeln zur Definition von Trockenheit unabdingbar. Seit dem Jahr 2016 hat SYDRO eine Methode entwickelt, um die rechtzeitige Erkennung von Trockenheit zu ermöglichen. Hierbei werden Trockenheitsindizes verwendet, die einem national und international anerkannten Berechnungsschema folgen und eine transparente und klar nachvollziehbare Definition von Trockenheit ermöglichen. Diese Indizes können mit unterschiedlichen Aggregationsperioden berechnet werden. Kurze Aggregationsperioden reagieren prompt auf Schwankungen sowohl im Niederschlag als auch in der Verdunstung, während lange Aggregationsperioden eine trägere Reaktion zeigen. Die Auswahl des besten Index und der optimalen Aggregationsperiode für eine effektive Früherkennung in einem spezifischen Talsperren-Einzugsgebiet erfordert eine individuelle Analyse. Um die Dürreerkennung mittels Indizes in die Zukunft zu projizieren, werden Daten des German Climate Forecast System (GCFS) des Deutschen Wetterdienstes (DWD) genutzt.

Im Projekt wurden historische meteorologische Indizes mit verschiedenen Skalen (Aggregationszeiträumen) für die Einzugsgebiete der Talsperren Cranzahl, Gottleuba, Muldenberg, Stollberg und Werda berechnet und hinsichtlich ihrer Eignung zur Erkennung von Perioden mit Handlungsbedarf an den jeweiligen Talsperren analysiert. Es wurden für jede Talsperre spezifische Kombinationen von Index, Skala und Schwellwert als bestmöglich für die Früherkennung von Perioden mit Handlungsbedarf identifiziert.

Weiterhin wurde eine Methodik entwickelt, um auf Basis von saisonalen Vorhersagen Indexprognosen berechnen zu können.

Schließlich wurde ein Skript entwickelt, das die automatisierte Berechnung von Indizes (Historie und Prognose) ermöglicht und auch eine Aufbereitung der Ergebnisse in Form von Excel-Tabellen nach Vorgaben der LTV vornimmt.

Seit 2025 wird zudem die Qualität der Vorhersagen systematisch bewertet und analysiert. Die quantitative Analyse der Vorhersagen zeigte, dass die prognostizierten Ergebnisse insgesamt gut mit den Messdaten übereinstimmen. Die Analyse ermöglicht außerdem Aussagen darüber, wie weit im Voraus eine Schwellwert-Unterschreitung zuverlässig vorhergesagt werden kann und zu welchem Zeitpunkt entsprechende Maßnahmen durch die LTV sinnvoll sind. Für die Bewertung der Vorhersagequalität wurden etablierte Methoden, wie der Continuous Ranked Probability Score und der Brier Score eingesetzt, sowie Reliability- und Discrimination-Diagramme erstellt. Besonders für einen Vorhersagezeitraum von einem bis drei Monaten lässt sich die Wahrscheinlichkeit einer Schwellwert-Unterschreitung gut prognostizieren. Für längere Zeiträume nimmt die Unsicherheit zu, sodass hier nur allgemeine Trends abgeleitet werden können.

Leistungen

  • Berechnung von meteorologischen Indizes
  • Analyse von historischen Trockenheitsperioden
  • Verarbeitung saisonaler meteorologischen Prognosen
  • Prozessautomatisierung
  • Bewertung der Vorhersagequalität
Scroll to top