Hochwasser-Regionalisierung

Slides:



Advertisements
Ähnliche Präsentationen
Mathias Pennekamp ~ Kriging
Advertisements

Berechnung von Hochwasserwahrscheinlichkeiten mit dem
1 1. Splineglättung 1.1 Motivation 1.2 Notation 1.3 Splineglättung
Kapitel 4 Datenstrukturen
Gliederung Tabellarische und grafische Darstellung von Rohwerten mittels Histogramme und Polygone Statistische Kennwertbeschreibung mittels Tendenz- und.
Computerkurs: Quantitative Auswertung biochemischer Experimente Guten Morgen.
Geostatistik Interpolation & Kriging Geostatistik Interpolation
Bruchpunktanalyse langzeitkorrelierter Daten
1. Warum ist „Kartenkunde“ für die Feuerwehr wichtig ?
Tutorat IV: Diagramme, Datenkontrolle, Wahrscheinlichkeitsrechnung
Vereinfachter hydraulischer Nachweis nach BWK M3 für den Morsbach
Konzentrationsmaße (Gini-Koeffizient, Lorenz-Kurve) Konzentrationsmaße Kennwert für die wirtschaftliche Konzentration Typische Beispiele: Verteilung des.
Mögliche Funktionenklassen
Datenmatrix. Datentabelle für 2 Merkmale Kontingenztafel der absoluten Häufigkeiten.
Datenmatrix.
Dieter Bergmann, Lichtenfels
Univariate Statistik M. Kresken.
Kartenkonzept von Yvonne Noack
Chancen-Risiko-Analyse
Die herbstliche Nitratdynamik im Boden eines Wasserschutzgebietes
Tutorium
(Gini-Koeffizient, Lorenz-Kurve)
ABC-Analyse von Michael Getzinger.
Wiederholung und Beispiele
Effektive hydraulische Eigenschaften stochastisch heterogener Miller-ähnlicher Böden Jan Wienhöfer und Wolfgang Durner Abteilung Bodenkunde und Bodenphysik,
Erdbebenlokalisierung
Daten auswerten Boxplots
FHP - Fachbereich Bauingenieurwesen
Anschauliche Mathematik mit Derive 6
Raumplanerische Standortevaluation von Windkraftanlagen mittels Geografischem Informationssystem (Andreas Balmer, 2005)
Laufverlegung Reinbach
Saisonale Wasserbilanz (7. 2) Saisonale Trends in Niederschlag (2
Geometrische Netze Erstellung.
Import und Verknüpfung von Daten
Erzeugen von Karten, Layern und Legenden
Globale Interpolations- und Prädiktionsverfahren
Effiziente Algorithmen
Effiziente Algorithmen Hartmut Klauck Universität Frankfurt SS
Hausübung zur Ingenieurhydrologie II
Kennwerte und Boxplots
Copyright, 2002 © Josef Fürst Neue Funktionen im Digitalen Hydrologischen Atlas Österreichs (digHAO) J. Fürst T. Hörhan Institut.
STATISIK LV Nr.: 0028 SS Mai 2005.
Statistik: Mehr zur Regression.
Theorie der Stichprobe
Wie bewältigt man Stationaritätsannahmen in der Geostatistik? Brenning & van den Boogaart A.Brenning, Humboldt-Universität zu Berlin
Willkommen in der Welt der effizienten Datenanalyse! Seite 1 Dr. Franz Weissenböck.
Emissionsregisterverordnung
Integration oberflächenbestimmender Objekte ins DGM Seminar GIS IV SS
Statistik Statistik I Seminar + Blockveranstaltung Statistik I
Computer Algebra für Brüche --- angepasst an Ausbildungszwecke
Verknüpfung von Tabellen
Constraint Delaunay Triangulations
Digitale Geländemodelle (DGM) Referent: Georges Audry Betreuer: Priv.-Doz. Dr. Ing. J. Schoppmeyer.
Variogramme und Kriging
Modellierung geomorphologischer Objekte Sarah Böckmann1 Digitale Geländemodelle Modellierung geomorphologischer Objekte.
Geostatistik Kriging Sarah Böckmann.
Karten II Darstellung kontinuierlicher Phänomene
Mobile GIS: ArcPAD HENIN RamsesGIS-Proseminar. GIS II: ARCPADRamses Henin Übersicht Was ist ArcPad? GPS-Nutzung Einführung ins Programm Aufgabe 1 und.
Institut für Informationssysteme Technische Universität Braunschweig Institut für Informationssysteme Technische Universität Braunschweig Verdrängung von.
Über die Definition, von dem Modem, ISDN hin zum DSL
Univ.-Prof. Dr.-Ing. H. Nacken Vorlesung Wasserwirtschaft & Hydrologie I Themen: Vorlesung 7 Geoinformationssysteme in der Wasserwirtschaft Grundlagen.
Vorlesung Wasserwirtschaft & Hydrologie I
Univ.-Prof. Dr.-Ing. H. Nacken Vorlesung Wasserwirtschaft & Hydrologie I Themen: Vorlesung 8 Statistik Dichtefunktionen Jährliche und partielle Serien.
- Seite 1 TIME INTELLIGENCE ® by Zeichenrand – Löschen! Titel.
PCA Principal Component Analysis. Gliederung PCA – Warum eigentlich? PCA – Was ist zu tun? Was passiert eigentlich? Anwendungen Zusammenfassung.
Christoph Wirtz | Seminarvortrag EBC | Lehrstuhl für Gebäude- und Raumklimatechnik Ein Tool zum automatisierten Erstellen von Conversion Scripts.
Grafische Darstellung von Gruppenunterschieden.
- Seite 1 TIME INTELLIGENCE ® by Titel.
Rechen- und Kommunikationszentrum (RZ) Selektionsstrategien auf Graphstrukturen Sven Porsche Seminarvorträge Aachen.
Generierung von Flächenrepräsentationen aus Punktdaten
 Präsentation transkript:

Hochwasser-Regionalisierung Am Beispiel eines Projektes zum Hochwasserschutz des Landes Hessen Präsentation von Fabian Koch

Was heißt „Regionalisierung“? Allgemein: Begriff aus der Geostatistik zur Bezeichnung der Übertragung von Punktdaten auf eine Fläche

Hydrologie <-> Statistik Statistiken sind ein wichtiger Bestandteil in der Hydrologie Ohne langjährige Erstellung von Statistiken ist eine zuverlässige Forschung in der Hydrologie kaum möglich Auch die Regionalisierung ist ein statistisches Werkzeug Ohne die Regionalisierung ist die Hochwasserschutzplanung schwer möglich

Methoden der Regionalisierung Klassisch: Thiessen-Polygon-Verfahren (Voronoi-Polygone) Vorteil: Einfache Methode mit der man selbst per Hand schnell eine Regionalisierung durchführen kann Nachteil: Große Sprünge an den Kanten, keine fließenden Übergänge

Methoden der Regionalisierung Interpolationsverfahren: Die zu betrachtende Fläche wird durch ein Netz aus Punkten dargestellt Unbekannte Punkte oder Flächen auf diesem Netz werden durch Interpolation zwischen bekannten definierten Punkten bestimmt Berechnung i.d.R durch IT-Programme (z.B. Surfer, ArcGIS, 3D Field) Mehrere Berechnungsmethoden zur Bestimmung möglich (z.B. Splines, Kriging, Inverse Distanzgewichtung)

Methoden der Regionalisierung Bsp. an einem TIN (Triangulated Irregular Network)

Regionalisierung in der Hydrologie Darstellung von lokalen Abflußmengen Erfassung von Grundwasserdaten Pegelvorhersage bei Hochwasserereignissen Ermittlung von Niederschlagshöhen Digitalisierung des Geländes zur Höhenbestimmung

Hochwasser–Regionalisierung in Hessen Projekt: Ermittlung der HQ1pnat- und HQ2pnat-, sowie der HQ1- bis HQ1000-Abflüsse im Flächenverzeichnis Hessen Ausweisung auf der Grundlage der Regionali-sierung von pegelbezogenen Hochwasserabflüssen Einsatz multivariabler Regressionsansätze mit einer erweiterten Index-Flood-Methode Stellt Grundlage für Hochwasserschutzmaß-nahmen in ganz Hessen dar

Datengrundlage Hochwasserserien von 113 Pegeln Teilweise Messreihen von 1940, meist Werte ab 1950 bis 2004 (hydrologische Jahre) Hydrologisches Flächenverzeichnis Gewässernetz Höhenmodell Landnutzungs- und Substrat-Datensatz Bodenhydrologische Kennwerte Niederschlagsbezogene Größen Daten werden auf Trends und Homogenität geprüft Informationen werden auf die Schwerpunkte der Basisflächen übertragen

Datengrundlage Aus diesen Werten werden Variablen mit möglichst engem hydrolgischem Bezug ermittelt: Topographischer Index CN-Werte Zusätzlich eine Variable die den Einzugs-gebietsstarkniederschlag repräsentiert Insgesamt 50 Variablen Alle Variablen werden mit dem Flächenverzeichnis verknüpft und als Shapefile erstellt Somit können die Variablen als eine geometrische Grundstruktur verwandt werden

Variablen – Beispiel CN-Wert Der CN-Wert hängt von den Vegetations- und Bodenbedingungen ab Einteilung nach vier Bodenbedingungen: Großes Versickerungsvermögen (z.B. Kies) Mittlere Infiltration (z.B. Sand mit leichtem Lehmanteil) Geringe Infiltration (z.B. feine Sandböden, lehmige Böden) Sehr geringe Infiltration (z.B. fette Lehmböden) Einteilung nach Vorsättigung nach drei Klassen

Variablen – Beispiel CN-Wert

Hochwasser-Regionalisierung Erster Schritt Der mittlere Hochwasserabfluss (MHQ) wird auf alle Gebiete im Flächenverzeichnis übertragen. Dazu wird ein multivariates Regressions-modell verwendet Dazu werden mehrere Schritte durchgeführt z.B.: Entfernen „unsicherer“ Variablen Auswahl des passenden Modells Korrektur an pegelkonrollierten Gewässerstrecken

Hochwasserabflussquantile Flood-Index-Verfahren Quantile sind ein Streuungsmaß in der Statistik. Quantile sind Punkte einer nach Rang oder Größe der Einzelwerte sortierten statistischen Verteilung. Bei dem Flood-Index-Verfahren werden Jahresserien mit gleichartigen statistischen Eigenschaften zu homogenen Gruppen zusammengefasst. Vorteile: Durch höheren Stichprobenumfang, verbesserte Zuverlässigkeit der Hochwasserquantile Insbesondere bei großen Jährlichkeiten

Bestimmung der HW-Quantile Bildung 16 homogener Pegelgruppen. D.h. Einteilung von Regionen homogener Eigenschaften Jahresserie dividiert durch MHQi = normierte Jahresserie Für jede Jahresserienorm wird eine Extremwert-verteilung abgeleitet => MHQnorm HQi,iA = Index-FloodiA •Quantilnorm

HQ1nat und HQ2nat Berechnung wie bei MHQ´s Alle eingebenen Parameter, die versiegelte Landnutzungsflächen enthalten müssen auf „Wiese“ eingerichtet werden Bei Pegelkontrollierten Gewässerabschnitten muss nachkorrigiert werden Die prozentuale Abflussminderung im Vergleich zum HQ1 oder HQ2 wird berechnet. => 1-(HQinat/HQi) • 100 Durchschnittliche Verminderung bei einem Mindestsiedlungsanteil von 5% beträgt 1,8%

Danke für Ihre Aufmerksamkeit! Zusammenfassung Datenerfassung Variablen Auswahl und Erstellung Bestimmung des MHQ Berechnung der Skalierungsgröße Bestimmung der HQs Bestimmung der HQnat-´s Danke für Ihre Aufmerksamkeit!