Zukunftslabor Wasser (ZLW)

ZDIN banner

Zukunftslabor Wasser

INFER - INformation Fusion für Impakt-Vorhersagen hydrologischer ExtReme

InWas - Indikatorbasierte Wasser- und Energiestrategie zur Be- und Entwässerung

Hintergrund

Das Zukunftslabor Wasser (ZLW) ist ein neues Element im Zentrum für digitale Innovation Niedersachsen (ZDIN) mit dem Grundsatz, dass Wasserwirtschaft, Wassermanagement und der Landschaftsraum Wasser eine elementare Versorgungsfunktion haben und unverzichtbare Ökosystemleistungen für unsere Gesellschaft darstellen. Um die Versorgungs- und Qualitätssicherheit der Ressource Wasser auch zukünftig zu gewährleisten und den Umgang mit Extremsituationen zu verbessern hat der Bedarf an anwendungsorientierten digitalen Innovationen stark zugenommen. Der Anspruch des ZLW ist die landesweite Koordination und Innovationsförderung von Digitalisierungslösungen für alle Bereiche des Wassermanagements.

Die Abteilung Hydrologie und Flussgebietsmanagement des Leichtweiß-Instituts für Wasserbau der Technischen Universität Braunschweig beteiligt sich am ZLW mit den Arbeitspaketen 3.1 „InWas-  Indikatorbasierte Wasser- und Energiestrategie zur Be- und Entwässerung“ und 4.4 „INFER - INformation Fusion für Impakt-Vorhersagen hydrologischer ExtReme“.

InWas- Indikatorbasierte Wasser- und Energiestrategie zur Be- und Entwässerung

Die Bereitstellung von Nahrungsmitteln ist für das Bundesland Niedersachsen von grundlegender Bedeutung und erfordert eine umfangreiche Bewässerung landwirtschaftlicher Flächen. In den tiefliegenden Küstengebieten ist die Landwirtschaft dagegen immer stärker auf eine Dauerentwässerung angewiesen, wobei die an Intensität und Häufigkeit zunehmenden Extremereignissen zu einer Überlastung der Küstenregelbauwerke führen können. 

Ziele:

Eine intelligente Steuerung des Entwässerungsnetzes und der Schöpfwerke soll dazu beitragen, Überflutungssituationen im Deichhinterland mit Rückhaltepoldern zu begegnen und den Bedarf der Feldbewässerung im Nordosten Niedersachsens durch Ferntransport bereitzustellen. Dabei soll die Steuerung sowohl wasser- als auch energiewirtschaftlich optimiert werden. Grundlage hierfür bilden Sensoren zur Erzeugung hochaufgelöster Messdaten in den Entwässerungsnetzen, Schöpfwerken und Hochwasserpoldern. Dieses anwendungsoptimierte Gebietswassermanagement gründet auf physikalischen Klimaeinflussmodellierungen, intelligenten Sensornetzwerken und DL-unterstützten Diagnostikmodellen.

Abbildung 1: Übersicht der wasser- und energiewirtschaftlichen Prozesszusammenhänge und Optimierungsgrößen im Deichhinterland und an den Küstenregelbauwerken

Praxis- und Projektpartner:

  • Prof. Jens Heger Leuphana Universität Lüneburg (Projektpartner)
  • Wasserverbandstag e.V Bremen, Niedersachsen, Sachsen Anhalt
  • NLWKN Norden
  • Unterhaltungsverband Kehdingen
  • Kreisverband der Wasser- und Bodenverbände Uelzen
  • IAV GmbH Gifhorn Berlin

INFER - INformation Fusion für Impakt-Vorhersagen hydrologischer ExtReme

Ziele

Im Rahmen von INFER werden digitale Lösungen für eine konsistent Analyse heterogener Daten aus unterschiedlichen Quellen wie Fernerkundung, Simulationsmodellen, Online-Medien oder freiwillig erhobenen geographischen Informationen erforscht. Hierfür sollen KI-Verfahren zur Fusion, dem Management und der Exploration heterogener Daten entwickelt und deren Einbindung in modellgestützte operative Vorhersage- und Warnsysteme erprobt werden. Die Untersuchungen erfolgen im Bereich von Oberflächengewässern in mesoskaligen Einzugsgebieten sowie in urbanen Gebieten und sollen anhand von Reanalysen vergangener Ereignisse evaluiert und demonstriert werden.

Abb. 2: Aufbereitung und Fusion heterogener Daten für hydrologische Vorhersage- und Steuerungssysteme

Die hydrologische Modellierung von Flussgebieten soll mithilfe von Graph Neural Networks (GNNs) durchgeführt werden. Diese künstlichen neuronalen Netze ermöglichen die Simulation von Flussgebieten unter Berücksichtigung der räumlichen und hydrologischen Zusammenhänge von Teileinzugsgebieten. Im Vergleich zu herkömmlichen hydrologischen Simulationssystemen bieten sie den Vorteil einer schnelleren Berechnungsgeschwindigkeit und ermöglichen die Nutzung heterogener Daten aus verschiedenen Quellen für die Simulation. Zudem kann, durch das Training des Modells an einer Vielzahl von (Teil-)Einzugsgebieten, die Simulation von Teileinzugsgebieten durchgeführt werden, die nicht Bestandteil des Trainings waren. Dies eröffnet potenzielle Anwendungen in Flussabschnitten, die nicht über Pegel beobachtet werden. Des Weiteren kann die Qualität unvollständiger Pegelaufzeichnungen durch die Korrelation von flussaufwärts und flussabwärts gelegenen Pegeln verbessert werden.

Abb. 3: Graph neural network basierte Abflusssimulation für ein beispielhaftes Flussgebiet

Das entwickelte Modellsystem soll verwendet werden, um die Simulation von  Systemänderungen und die Integration hydrologischer Steuerungssysteme in einem datengetriebenen Modell zu erproben. Ziel ist es, das Modell als Bestandteil von Impaktsimulationen hydrologischer Extreme einzusetzen, um den Schutz vor solchen  Ereignissen zu erhöhen.

Hinsichtlich der Datenquellen, -auswertung und methodischen Konzepten ist eine Kooperation mit verschiedenen Arbeitspaketen des ZLW sowie anderen Praxis- und Projektpartnern angedacht.

Praxis- und Projektpartner:

  • NLWKN-Hochwasservorhersagezentrale (HWVZ)
  • Harzwasserwerke

Förderung

  • Niedersächsisches Ministerium für Wissenschaft und Kultur - SPRUNG
  • Projektlaufzeit 01.10.2023 – 30.09.2027