idw – Informationsdienst Wissenschaft
Nachrichten, Termine, Experten
Nachrichten, Termine, Experten
Starkregenereignisse und urbane Sturzfluten stellen eine zunehmende Herausforderung für das Hochwasserrisikomanagement in Städten dar. Durch den Klimawandel treten kleinräumige Starkregenzellen mit extremen Niederschlagsintensitäten immer häufiger auf. Diese können städtische Kanalnetze überlasten, sodass große Mengen Wasser unkontrolliert über die Oberfläche abfließen und zu Überflutungen in Senken führen. Die Vorhersage solcher konvektiven Starkregenereignisse ist aufgrund ihrer hohen Dynamik nur schwer möglich und mit großen Unsicherheiten behaftet.
Starkregenereignisse und urbane Sturzfluten stellen eine zunehmende Herausforderung für das Hochwasserrisikomanagement in Städten dar. Durch den Klimawandel treten kleinräumige Starkregenzellen mit extremen Niederschlagsintensitäten immer häufiger auf. Diese können städtische Kanalnetze überlasten, sodass große Mengen Wasser unkontrolliert über die Oberfläche abfließen und zu Überflutungen in Senken führen. Die Vorhersage solcher konvektiven Starkregenereignisse ist aufgrund ihrer hohen Dynamik nur schwer möglich und mit großen Unsicherheiten behaftet.
Viele Kommunen verfügen bereits über statische Starkregengefahrenkarten, die potenzielle Überflutungsflächen ausweisen. Allerdings erfassen diese Karten alle möglichen Überflutungsflächen in einer Kommune – teils mehrere Tausend Einzelflächen – und sind daher für eine akute Gefahreneinschätzung nur bedingt geeignet. Eine konkrete Vorhersage von Überflutungsflächen bei einem räumlich begrenzten Starkregenereignis ist aufgrund der hohen Rechenzeiten der 2D-Oberflächenabflussmodelle derzeit noch nicht in Echtzeit möglich.
Um die Vorhersage von Starkregen und Überflutungen zu verbessern, fördert die Deutsche Forschungsgemeinschaft (DFG) das neue Forschungsprojekt RAIN-DL („Dynamische und skalierbare Echtzeitvorhersage von Starkregen und daraus resultierenden Überflutungen mit Hilfe von Deep-Learning-Anwendungen“). Es baut auf den Erkenntnissen des erfolgreichen Projekts KIWaSuS auf, das von Prof. Dr. Markus Quirmbach geleitet und von 2021 bis 2024 aus Mitteln des Bundesministeriums für Bildung und Forschung gefördert wurde.
Die im Rahmen von KIWaSuS entwickelten Vorhersagemodelle erzielten bereits eine Verbesserung der Niederschlags- und Überflutungsvorhersage im Vergleich zum Stand der Forschung. Gleichzeitig machten sie jedoch deutlich, dass die hohe Dynamik von Starkregenereignissen sowie die Skalierung und Übertragbarkeit auf größere Einzugsgebiete weiterhin Herausforderungen darstellen.
Hier setzt das Projekt RAIN-DL an, das von Prof. Dr. Markus Quirmbach (Institut für Bauingenieurwesen, Hochschule Ruhr West, Mülheim an der Ruhr) und Prof. Dr. Anselm Haselhoff (Institut für Informatik, Hochschule Ruhr West, Bottrop) geleitet wird. Gemeinsam mit Expert:innen für KI, Big Data und Software-Engineering der fuseki GmbH (Essen) arbeiten sie an der Weiterentwicklung KI-gestützter Modelle für die Starkregen- und Überflutungsvorhersage.
Ein zentrales Ziel ist die Verbesserung der Skalierbarkeit und Übertragbarkeit der Vorhersagemodelle, um deren Anwendung auf größere Einzugsgebiete zu ermöglichen. Zur Unterstützung der Skalierbarkeit und Übertragbarkeit der Vorhersagemodelle liegt ein weiterer Fokus auf der Analyse von Methoden zur Unsicherheitsquantifizierung, die unter anderem dazu beitragen sollen, den hohen Rechenaufwand bei der Datenerzeugung mit 2D-Oberflächenabflussmodellen zu verringern. Die fuseki GmbH, die bereits im KIWaSuS-Projekt involviert war, wird neben der Bereitstellung der Datenplattform hetida Plattform auch eigene Forschungsarbeiten zur Starkregenvorhersage durchführen.
Das Projekt RAIN-DL läuft von März 2025 bis Februar 2028 und wird mit ca. 580.000 Euro von der DFG im Rahmen der Förderoption „Transfer HAW/FH PLUS“ unterstützt. Diese Fördermaßnahme richtet sich speziell an Hochschulen für Angewandte Wissenschaften und Fachhochschulen und zielt auf den Transfer wissenschaftlicher Erkenntnisse in die Praxis ab.
Durch die Forschung im Projekt RAIN-DL soll die Hochwasservorsorge in urbanen Gebieten entscheidend verbessert werden. Die entwickelten Modelle könnten langfristig in kommunale Frühwarnsysteme integriert werden, um Städte gezielt auf Extremwettereignisse vorzubereiten und Schäden zu minimieren.
Prof. Dr. Markus Quirmbach
Mail: markus.quirmbach@hs-ruhrwest.de
Tel.: +49 208 88254-463
Gruppenfoto
HRW intern
HRW
Criteria of this press release:
Journalists, Scientists and scholars
interdisciplinary
transregional, national
Research projects
German
Gruppenfoto
HRW intern
HRW
You can combine search terms with and, or and/or not, e.g. Philo not logy.
You can use brackets to separate combinations from each other, e.g. (Philo not logy) or (Psycho and logy).
Coherent groups of words will be located as complete phrases if you put them into quotation marks, e.g. “Federal Republic of Germany”.
You can also use the advanced search without entering search terms. It will then follow the criteria you have selected (e.g. country or subject area).
If you have not selected any criteria in a given category, the entire category will be searched (e.g. all subject areas or all countries).
