Schlussbericht NieTro

Abstract

The final report for the project NieTro "Machbarkeitsstudie für ein
„Entscheidungshilfesystem Niedrigwasser und Trockenheit".

Full text

Schlussbericht
Zuwendungsempfänger:
Büro für Angewandte Hydrologie,
Berlin (BAH Berlin)
Förderkennzeichen:
VB18F1044A
Einzelvorhaben NieTro:
Machbarkeitsstudie für ein
„Entscheidungshilfesystem Niedrigwasser und Trockenheit“
Laufzeit des Vorhabens:
01.03.2020 – 31.05.2021
Berichtszeitraum:
01.03.2020 – 31.05.2021

S e i t e 1 | 72
Das diesem Bericht zugrunde liegende Vorhaben wurde mit Mitteln des Bundesministeriums für
Verkehr und digitale Infrastruktur (BMVI) unter dem Förderkennzeichen VB18F1044A
gefördert.
Die Verantwortung für den Inhalt dieser Veröffentlichung liegt beim Autor.
Autoren:
Ruben Müller1
Bernd Pfützner1
1 Büro für Angewandte Hydrologie, Berlin (BAH Berlin)

S e i t e 2 | 72
Inhaltsverzeichnis
I. Teil Kurzdarstellung ............................................................................................................................................... 7
I.1. Aufgabenstellung ............................................................................................................................................ 7
I.2. Voraussetzungen zur Durchführung des Vorhabens ....................................................................... 8
I.3. Planung und Ablauf des Vorhabens ........................................................................................................ 9
I.4. Wissenschaftlicher und technischer Stand, an den angeknüpft wurde ................................ 10
II. Teil Eingehende Darstellung ............................................................................................................................ 13
II.1. Übersicht über erzielte Ergebnisse mit Gegenüberstellung der vorgegebenen Ziele ..... 13
II.2. Anforderungsanalyse ................................................................................................................................. 15
II.3. Analyse der Umsetzbarkeit...................................................................................................................... 18
Umsetzbarkeit eines ständig arbeitenden Modells .............................................................. 18
Meteorologische Datenanforderung ..................................................................................... 18
Hydrologische Datenanforderung .......................................................................................... 21
Überführung in ein ständig arbeitendes Modell............................................................... 21
Bewertung der Modellgüte im Niedrigwasserbereich ................................................... 22
Verbesserung der Modellierung im Niedrigwasserbereich......................................... 23
Umsetzbarkeit einer Methode zur Abschätzung mittelfristiger Entwicklungen ..... 30
Fazit zur Umsetzbarkeit .................................................................................................................. 35
II.4. Konzept eines zukünftigen DSS NieTro .............................................................................................. 36
ArcEGMO-PSCN SAM ........................................................................................................................ 36
Nutzerseitige Szenarienberechnung .......................................................................................... 37
Visualisierungen zu meteorologischen und hydrologischen Größen im DSS ........... 39
Stationsbezogene meteorologische Größen....................................................................... 39
Stationsbezogene hydrologische Größen ............................................................................ 42
Gebietsbezogene Größen ........................................................................................................... 44
Fließgewässerbezogene Größen ............................................................................................. 47
Konzept des DSS NieTro als Webanwendung ........................................................................ 47
GUI ....................................................................................................................................................... 49
DB ........................................................................................................................................................ 52

S e i t e 3 | 72
Core ..................................................................................................................................................... 54
Calc ...................................................................................................................................................... 55
DSS NieTro-Demonstrator als Erweiterung für QGIS ......................................................... 56
II.5. Validierung des Konzepts mit den Praxispartnern........................................................................ 57
II.6. Wichtigste Positionen des zahlenmäßigen Nachweises .............................................................. 59
II.7. Notwendigkeit und Angemessenheit der geleisteten Arbeit ..................................................... 59
II.8. Voraussichtlicher Nutzen, Verwertbarkeit des Ergebnisses ..................................................... 59
II.9. Bekannt gewordener Fortschritt auf dem Gebiet des Vorhabens bei anderen Stellen .. 61
II.10. Veröffentlichungen und Fachvorträge des Projektkonsortiums ......................................... 61
Referenzen ......................................................................................................................................................................... 62
III. Anhang ...................................................................................................................................................................... 64

S e i t e 4 | 72
Abbildungsverzeichnis
Abbildung 1: Verwaltungsgebiete der Projektpartner in Berlin und Brandenburg............................... 8
Abbildung 2: Ausdehnung des Landesmodells Brandenburg. .................................................................... 11
Abbildung 3: Prozentualer Anteil der positiven Antworten auf die Frage welche hydrologischen
und meteorologischen Größen sind wichtig für Entscheidungsfindungen. ........................................... 16
Abbildung 4: Prozent der Antworten die ein Interesse an einer Kartenbasierten Darstellung der
zusätzlichen Informationen bekunden. ................................................................................................................. 17
Abbildung 5: Prozent der Antworten die ein Interesse an bestimmten Produkten bekunden. ..... 18
Abbildung 6: Veredelung der meteorologischen Eingangsdaten in der Verarbeitungskette von
NieTro .................................................................................................................................................................................. 19
Abbildung 7: Schema der täglichen ablaufenden Arbeitsschritte im ArcEGMO SAM. ........................ 21
Abbildung 8: Einzugsgebiet der Havel (gelb) aus dem Landesmodell und Grid-Zellen basierend
auf veröffentlichen GRACE/GRACE-FO GFZ Level 3 Produkten. ................................................................. 23
Abbildung 9: Die Pegeleinzugsgebiete Wolfshagen und Babelsberg-Drewitzl. .................................... 24
Abbildung 10: Pareto-Front der MKO für den Pegel Babelsberg-Drewitz und Verteilung der
Entscheidungsparameter............................................................................................................................................. 26
Abbildung 11: Ergebnisse der MKO für den Pegel Babelsberg- .................................................................. 27
Abbildung 12: Pareto-Front der MKO für den Pegel Wolfshagenund Verteilung der
Entscheidungsparameter,. ........................................................................................................................................... 28
Abbildung 13: Ergebnisse der MKO aus den Monaten Mai bis August in den Jahren 2012 bis 2020
für den Pegel Wolfshagen. ........................................................................................................................................... 29
Abbildung 14: Vergleich der simulierten Durchflüsse des Landesmodells und PSCN-Ansatz ....... 30
Abbildung 15:Schema zur Suche von meteorologischen Datengrundlagen zur Szenarien-
berechnung ........................................................................................................................................................................ 32
Abbildung 16: Boxplots zu Hindcast-Versuchen. ............................................................................................... 33
Abbildung 17: Hindcast für den Pegel Babelsberg-Drewitz .......................................................................... 34
Abbildung 18: Hindcast für den Pegel Ravensbrück ........................................................................................ 35
Abbildung 19: Zeitreihe der Abweichungen zwischen aktuellem Niederschlag und dem
langjährigen Mittel ......................................................................................................................................................... 40
Abbildung 20:Vergleich der langjährigen (1981-2010) Monatssummen des Niederschlags an der
Station Wiesenburg ........................................................................................................................................................ 41
Abbildung 21: Zeitreihe realer klimatischer Wasserbilanz ........................................................................... 42
Abbildung 22: Zeitreihe des simulierten Grundwasserspeicherinhalts .................................................. 43
Abbildung 23: Zeitreihe des Grundwasserspeicherinhalts ( ........................................................................ 45
Abbildung 24: Dürreindikator für Brandenburg und Berlin am 21.09.2020 ......................................... 46

S e i t e 5 | 72
Abbildung 25: Klassifikation der aktuellen Durchflüsse an den Fließgewässerabschnitten im
Landesmodell mittels MQ-Klassen. ......................................................................................................................... 47
Abbildung 26: Funktionare Komponenten und beteiligte Akteure ........................................................... 48
Abbildung 27: Ausschnitt zum Fragebogen zur Auftaktveranstaltung .................................................... 64
Abbildung 28: Räumliche Verteilung der meteorologischen Eingangsdaten REGNIE und
Stationsmessdaten im Landesmodell. .................................................................................................................... 65
Abbildung 29: Pegel im Landesmodell mit den Kling-Gupta-Effizienzen (KGE) .................................. 66
Abbildung 30: Pegel im Landesmodell mit den prozentualen Bias (PBias) ........................................... 66
Abbildung 31: Zeitreihe des Bodenwasserspeicherinhalts ........................................................................... 67
Abbildung 32: Zeitreihe des Oberflächenwasserspeicherinhalts (schwarz) mit Ensemble der
möglichen zukünftigen Entwicklung (grün) und Jahresgang der Perzentil-Bereiche der
historischen Speicherstände. ..................................................................................................................................... 67
Abbildung 33: Seite zur Ansicht punktbezogener Größen und Indikatoren. ......................................... 68
Abbildung 34: Seite zur Ansicht flächenbezogener und gewässerbezogener Größen und
Indikatoren. ....................................................................................................................................................................... 68
Abbildung 35: Seite zur Einstellung der meteorologischen Grundlagen zur Berechnung von
Szenarien für das Gesamtgebiet Brandenburg. Der Informationsbereich .............................................. 69
Abbildung 36: Reiter „Auswahl Bewirtschaftungsgebiet“ als Startseite zur Berechnung von
Bewirtschaftungsszenarien. ....................................................................................................................................... 69
Abbildung 37: Reiter „Szenario Meteorologie“ mit der Auswahl der meteorologischen
Grundlagen. ....................................................................................................................................................................... 70
Abbildung 38: Reiter „Szenario Bewirtschaftung“ mit einer Übersicht zu steuerbaren
wasserwirtschaftlichen Einrichtungen im Bewirtschaftungsgebiet und zugehörigen
Einstellungsmöglichkeiten. ......................................................................................................................................... 70
Abbildung 39: Reiter „Berechnung durchführen“ zum Starten der Modellrechnung unter
Optionen ............................................................................................................................................................................. 71

S e i t e 6 | 72
Tabellenverzeichnis
Tabelle 1: Projektplan mit Arbeitspaketen AP1 bis AP3 und Meilensteinen M1 und M2.................... 9
Tabelle 2: In NieTro verwendete Produkte des DWD mit ihren Links, täglichen Bezugsterminen,
Lister der Größen und deren zeitlicher Auflösung. .......................................................................................... 20
Tabelle 3: Gütekriterien Kling-Gupta-Effizienz (KGE) Mai bis August ..................................................... 22
Tabelle 4: Name der Versuche mit den zughörigen Kombinationen von Prädiktoren
(Proxigrößen) und Zeitraumlängen Z0. .................................................................................................................. 33
Tabelle 5: Klasseneinteilung Dürreindikator Bodenfeuchte ......................................................................... 45

S e i t e 7 | 72
I. Teil Kurzdarstellung
I.1. Aufgabenstellung
Extremereignisse wie Hoch- und Niedrigwasser stellen viele Bereiche der Wirtschaft und
Umwelt vor große Herausforderungen. Solche Ereignisse werden in Zukunft durch den
Klimawandel mit hoher Wahrscheinlichkeit vermehrt auftreten [Hennegriff et al., 2008]. Es ist
deshalb erforderlich, für betroffene Bereiche wie Wasserwirtschaft und Landwirtschaft
entsprechende Entscheidungshilfesysteme bereitzustellen, die eine Unterstützung im Umgang
mit Extremereignissen bieten.
Dass Niedrigwasserereignisse große Probleme mit sich bringen, zeigte sich gerade in den Jahren
2018 bis 2020 sehr deutlich. Während auf einigen Flüssen wie der Oder die Schifffahrt bereits
eingestellt wurde, war auch die Spree von Niedrigwasser betroffen. Um ein Trockenfallen zu
verhindern, wurde Wasser aus Talsperren in Brandenburg und Sachsen abgelassen. [Pohl, 2018]
Doch Niedrigwasser hat nicht nur Einfluss auf den Wasserstand/Abfluss und die Schifffahrt,
sondern auch auf die Eigenschaften des Gewässers, wie einer chemischen Verschlechterung der
Wasserqualität durch erhöhte Stoffkonzentrationen oder einer erhöhten thermischen Belastung.
Die Ökologie und das Gewässer als Lebensraum sind deshalb bedroht. Auch auf den
Bodenwasserspeicher und die Grundwasserneubildung hat lange anhaltende Trockenheit
negative Auswirkungen, woraus sich auch Schwierigkeiten für die Trinkwasserversorgung und
die Landwirtschaft ergeben. Der ökonomische und ökologische Schaden, der aus
Niedrigwasserperioden entsteht, kann erheblich sein. Die betroffenen Nutzungsbereiche sind
unter anderem Speicherbewirtschaftung, Wasserversorgung, Schifffahrt, Fischerei und
Tourismus [Bayerisches Landesamt für Umwelt, 2018]. Das Management von
Niedrigwasserperioden in den betroffenen Bereichen können Systeme wie ein DSS unterstützen.
Im Fokus dieses Vorhabens steht die Frage, ob ein existierendes, landesweites
Wasserhaushaltsmodell als Basiskomponente für den Aufbau eines Entscheidungshilfesystem
„Niedrigwasser und Trockenheit“ (DSS NieTro) genutzt werden kann. Dazu werden die
Anforderungen der Projektpartner an ein solches DSS, die technische und hydrologische
Machbarkeit und letztlich die Wirtschaftlichkeit untersucht.
In der Machbarkeitsstudie soll zunächst die Leistungsfähigkeit des modelltechnischen
Grundgerüsts, eines ständig arbeitendem Wasserhaushaltsmodell geprüft werden. Die
Performance bestimmt dann, inwieweit die drei genannten Teilaufgaben „Abbildung des
aktuellen Gebietszustandes“, „Prognose kurzfristiger Entwicklungen“ und „Analyse möglicher
mittelfristiger Entwicklungen“ mittels des DSS in einer für potentielle Anwender nutzbaren Art
und Weise umgesetzt werden können. Das Grobkonzept mit den drei Teilaufgaben wird im

S e i t e 8 | 72
Anschluss mit potentiellen Nutzern verfeinert und in einem iterativen Prozess an deren
Anforderungen angepasst.
I.2. Voraussetzungen zur Durchführung des Vorhabens
Das Büro für Angewandte Hydrologie (BAH) erbringt seit 1995 Dienstleistungen im Bereich
Hydrologie und Softwareentwicklung für verschiedene Kunden aus der Wasserwirtschaft und
Wissenschaft. Das BAH ist Mitglied im DWA und BWK, verfügt über langjährige Erfahrungen auf
den Gebieten der Ingenieurhydrologie, Wasserbewirtschaftung und Softwareentwicklung und
war bereits in mehreren FuE-Projekten erfolgreich vertreten.
Abbildung 1: Verwaltungsgebiete der Projektpartner in Berlin und Brandenburg
In NieTro sind mehrere Projektpartner involviert, die unterschiedliche Nutzergruppen
repräsentieren und die in verschiedenen Maßstabsbereichen (Wasserstraßen, große Flüsse bis
zu kleinen Gewässern und Gräben) in Brandenburg und Berlin für die Ressource Wasser tätig
sind (siehe Abbildung 1). Somit ist ein repräsentatives Spektrum potentieller
Nutzeranforderungen an das angestrebte DSS NieTro gegeben. Die Praxispartner sind im
Einzelnen:
• Landesamt für Umwelt Brandenburg (LfU Brandenburg)
• Landkreis Dahme-Spreewald
• Senatsverwaltung für Umwelt, Verkehr und Klimaschutz, Berlin
• Wasser- und Bodenverband “Finowfließ”
• Wasser- und Bodenverband “Welse” WBV Welse

S e i t e 9 | 72
• Wasserstraßen- und Schifffahrtsamt (WSA) Eberswalde
I.3. Planung und Ablauf des Vorhabens
Die Projektlaufzeit betrug 12 Monate und wurde kostenneutral um 3 Monate verlängert. Die
Bearbeitungszeit endet am 31.05.2021. Das Projekt gliedert sich in 3 Arbeitspakete (AP).
AP1 umfasst eine Anforderungsanalyse, AP2 die Entwicklung eines Konzepts und AP3 die
abschließende Validierung des Konzepts mit den Praxispartnern.
AP1: Anforderungsanalyse
Ziel der Anforderungsanalyse war es, die Anforderungen potenzieller Nutzer an das DSS zu
ermitteln. Hierzu werden Befragungen der assoziierten Projektpartner als mögliche Nutzer des
DSS aus der Praxis durchgeführt.
AP2: Analyse zur Umsetzbarkeit
Ein bestehendes großräumiges Wasserhaushaltsmodell ist als ständig arbeitendes Modell zu
adaptieren. Aus den in AP1 gewonnenen Informationen wird das ständig arbeitende Modell
hinsichtlich der Leistungsfähigkeit, auf der von Anwendern geforderten unterschiedlichen
räumlichen und zeitlichen Auflösungen untersucht.
AP3: Abschließende Validierung des Konzepts mit den Praxispartnern
Dieses Arbeitspaket dient der abschließenden Validierung der bisherigen Projektergebnisse.
Hierzu wird ein Workshop vorbereitet, in dem das verfeinerte Rahmenkonzept in
Zusammenarbeit mit den assoziierten Projektpartnern finalisiert wird. Vorgesehen ist dieser
Workshop im April/Mai 2021.
Der Projektplan (Tabelle 1) gibt einen Überblick über den zeitlichen Projektverlauf. Der
Aufwand ist in Personenmonaten (PM) angegeben. Die Arbeiten wurden im März 2020
aufgenommen. Die Vorstudie enthält insgesamt 2 Meilensteine: M1 -Definition eines ersten
Rahmenkonzepts und Funktionskatalogs und M2 - Definition eines verfeinerten Konzepts
Tabelle 1: Projektplan mit Arbeitspaketen AP1 bis AP3 und Meilensteinen M1 und M2.
AP
Monat
PM
1
2
3
4
5
6
7
8
9
10
11
12
AP-1
3
M1
AP-2
9
M2
AP-3
3
Summe
15

S e i t e 10 | 72
I.4. Wissenschaftlicher und technischer Stand, an den
angeknüpft wurde
Wissenschaftlicher Stand
Entscheidungshilfesysteme im Allgemeinen zielen darauf, den Nutzer zu informieren und ihn bei
seiner Entscheidungsfindung zu unterstützen. Dabei existiert ein weiter Bereich von
Werkzeugen, um a) Daten besser zu lesen und zu verstehen, z.B. Geoinformationssysteme, b)
Kosten und Auswirkungen von Alternativen auszuwerten und c) Konsequenzen verschiedener
Handlungsstrategien und Managementpläne zu simulieren und gegeneinander abzuwiegen. Der
Fokus solcher DSS lag in der Vergangenheit häufig auf ökonomischen Einflüssen und damit in
der Regel auf Kosten-Nutzen-Analysen. Durch die Entwicklung von Mehrziel-
Entscheidungshilfetechniken werden inzwischen oft auch andere Ziele wie z.B. ökologische
eingebunden [Serrat-Capdevila et al., 2011]. DSS existieren vor allem im Hochwasser- oder
Wassermanagementbereich mit nationalem und internationalem Fokus [u.a. Serrat-Capdevila et
al., 2011 und Giupponi und Sgobbi, 2013].
Im DBU-Verbundprojekt „Verbesserte Ansätze für Wasser- und Stoffstrommanagement in
intensiv genutzten kleinen Einzugsgebieten (Kurztitel wsm300)“ wurde ein DSS für die
wasserwirtschaftliche Planung umgesetzt [Naumann und Kurzer, 2010]. Management-Ziele und
deren Indikatorwerte bezüglich unterschiedlicher Szenarien sind aus einer Datenbank
tabellarisch gegenübergestellt. Eine Mehrziel-Entscheidungshilfetechnik hilft die beste
Kompromisslösung gegensätzlicher Management-Ziele zu finden [Sieker et al., 2006].
Der Niedrigwasser-Informationsdienst (NID) Bayern stellt unter https://www.nid.bayern.de/ in
einem Lagebericht für ganz Bayern Informationen über aktuelle Niedrigwasser- und
Dürrezustände sowie Vorhersagen zum Niedrigwasserzustand für Pegel für die nächsten 7 Tage
bereit. Der NID bietet damit die Grundlage für frühzeitige Reaktionen der Entscheidungsträger
in der Wasserwirtschaft in Bayern [Bayerisches Landesamt für Umwelt, 2019]. Die Möglichkeit,
eigene Szenerien anhand eines aktuell gehaltenen Modells zu rechnen, besteht hier nicht.
Das Wasserhaushaltsportal Sachsen („Projekt KliWES, Säule C“) erlaubt die nutzerseitige
standortspezifische hydrologische Klimafolgenanalyse über ein Internetportal und stellt die
Ergebnisse (Niederschlag, Verdunstung und Abflusskomponenten) zur Aufbereitung per E-Mail
bereit, verzichtet dabei aber auf eigene Visualisierungstechniken. Genutzt wird hierfür ein
automatisierter Betrieb von ArcEGMO©. [Pfützner et al., 2007] Die Möglichkeit der Berechnung
von Szenarien zur Mittelfristvorhersage ausgehend vom aktuellen Zustand besteht nicht [Müller,
2016].
Zusammenfassend lässt sich sagen, dass ein DSS, welches die Visualisierung und Bereitstellung
von flächendeckenden Daten wie (aktuelle und (kurzfrist-)vorhergesagte Wasserstände,

S e i t e 11 | 72
Durchflüsse und Bodenwasserhaushaltgrößen, aktueller und historischer Systemzustände,
aufbereitete meteorologische Daten) zusammen mit der Möglichkeit zur nutzerseitigen
Berechnung von eigenen Szenarien verbindet, bisher noch nicht existiert und deshalb eine
Innovation darstellt.
Technischer Stand
ArcEGMO ist das öko-hydrologische Modellierungssystem des Büros für Angewandte Hydrologie
für ein breites Anwendungsspektrum mit vielseitigen Einsatzmöglichkeiten für
wasserwirtschaftliche, aber auch landesplanerische Fragestellungen. ArcEGMO dient der
räumlich und zeitlich hoch aufgelösten, physikalisch fundierten Simulation aller maßgeblichen
Prozesse des Gebietswasserhaushaltes und des Abflussregimes.
Der Einsatzbereich erstreckt sich über Maßstabsbereiche vom Einzelstandort (Lysimeter) über
Kleinsteinzugsgebiete von wenigen km² bis hin zu großen Flussgebieten (wie z.B. dem
Elbeeinzugsgebiet) in Regionen vom Tiefland über das Mittel- bis hin zum Hochgebirge.
Als technische Grundlage in NieTro für die Berechnung des Wasserhaushalts und der
Niederschlag-Abflussprozesse im Bundesland Brandenburg dient das ArcEGMO Landesmodell
Brandenburg.
Eine erste Version des Landesmodells wurde
bereits 2004 aufgebaut und wird im Auftrag
des Landesamtes für Umwelt Brandenburg
gepflegt. Es umfasst eine Fläche von ca. 40.000
km² und 20.000 km Gewässer (siehe
Abbildung 2) mit etwa 100 Pegeln und 100
wasserwirtschaftlichen Bauwerke. Das Modell
baut auf Informationen über Geologie,
Bodenkunde, Landnutzung und Meteorologie
in über 1,4 Millionen Modellflächen auf und
verarbeitet diese für die Berechnung von
Wasserhaushaltsgrößen und
Gewässerabflüssen.
Das Modell erfährt zur Untersuchung
unterschiedlicher Fragestellungen
kontinuierlich Weiterentwicklungen und
Ergänzungen der Datengrundlagen (u.a.
Wassernutzungen, Bauwerke,
Bewirtschaftungsregeln).
Abbildung 2: Ausdehnung des
Landesmodells Brandenburg.

S e i t e 12 | 72
In einem großräumigen Modell mit bedeutenden Tieflandanteilen wie dem Landesmodell
Brandenburg sind oberirdische und unterirdische Einzugsgebiete zumeist nicht deckungsgleich.
In der hydrologischen Modellierung gilt jedoch meist die Annahme, dass sämtliches Wasser, das
in einem Pegeleinzugsgebiet umgesetzt wird, mit einem Pegel am Einzugsgebietsauslass erfasst
werden kann. Unterscheiden sich die oberirdischen und unterirdischen Einzugsgebiete jedoch,
trifft das nicht mehr zu. Fließt dem oberirdischen Einzugsgebiet unterirdisch Grundwasser zu
oder ab, erfolgt eine systematische Über- oder Unterschätzung der simulierten Durchflüsse am
Pegel. Im Landesmodell werden für einzelne Teileinzugsgebiete Grundwasserverlagerungen mit
einfachen empirischen Ansätzen unter Berücksichtigung von Grundwasserisohypsen modelliert.
Teileinzugsgebiete mit zu hohen Bilanzergebnissen schlagen Grundwasser in Teileinzugsgebiete
mit zu geringen Bilanzergebnissen ab.
Über 100 wasserwirtschaftliche Bauwerke wie Talsperren, Becken, Seen, Durchfluss-
aufteilungen, Ein- und Überleitungen sind im Landesmodell Brandenburg erfasst. Von
wasserwirtschaftlichen Eingriffen gehen hohe Unsicherheiten in der Modellierung, vor allem im
Niedrigwasserbereich, aus. Bei direkt steuerbaren Bauwerken sind oftmals nur allgemeine
Steuerungsregeln vorhanden, nicht aber die real durchgeführten. Bei statischen Bauwerken sind,
wenn überhaupt, oftmals nur grobe Kennzahlen bekannt. Auch sind nicht alle
wasserwirtschaftlichen Bauwerke, vor allem für kleinere Gewässer, bekannt.
Soweit Daten über Entnahmen und Einleitungen aus dem Grundwasser und
Oberflächengewässer verfügbar sind, lassen sich diese über ihre mittleren monatlichen
Jahresgänge in das Modell integrieren. Alle Angaben sind jeweils genehmigte Obergrenzen, über
die reale Bewirtschaftung liegen keine Daten vor. Somit ist auch hier eine beträchtliche
Unsicherheit gegeben.
Für die Auswahl an Fokusgebieten bedeutet dies, dass zur Bewertung einer möglichen
Verbesserung des Modells hinsichtlich des Verhaltens im Niedrigwasserbereich Teilgebiete
auszuwählen sind, die nicht maßgebend durch Grundwasserverlagerungen und unbekannte
wasserwirtschaftliche Eingriffe beeinflusst sind.

S e i t e 13 | 72
II. Teil Eingehende Darstellung
Der zweite Teil gliedert sich in eine Übersicht der im Projekt erzielten Ergebnisse und einer
detaillierten Diskussion zu den einzelnen Arbeitspaketen.
II.1. Übersicht über erzielte Ergebnisse mit
Gegenüberstellung der vorgegebenen Ziele
Das zentrale Ziel des Projekts ist es, die Machbarkeit eins Entscheidungshilfesystem
„Niedrigwasser und Trockenheit“ (DSS NieTro) auf Basis eines existierenden, landesweiten
Wasserhaushaltsmodells zu untersuchen.
Hierzu wurden unterschiedliche Themenschwerpunkte definiert. Zusammenfassend stimmen
die erzielten Ergebnisse im Wesentlichen mit den Zielen und Erwartungen überein:
a) Anforderungsanalyse (AP1)
Ziel: Durch einen Dialog und Fragenkataloge sind die Anforderungen und Wünsche der
Projektpartner als potentielle Anwender an ein Entscheidungshilfesystem für
Niedrigwasser und Trockenheit zu identifizieren und evaluieren.
Ergebnisse: Ein Workshop mit den Praxispartnern fand am 16.06.2020 in Potsdam statt.
Hier wurde das Projekt präsentiert, die generelle Ausrichtung eines DSS diskutiert sowie
die Wünsche und Anforderungen der Teilnehmer abgefragt. Aus dem Workshop heraus
entwickelte sich eine Arbeitsgruppe, die sich, bedingt durch die Einschränkungen der SARS-
CoV-2-Pandemie das letzte Mal am 02.09.2020 traf. Weitere Abstimmungen fanden dann
per E-Mail, Telefon und Videokonferenz statt. Den Teilnehmern wurde ein Prototyp eines
QGIS-Plugins zur einfachen Betrachtung und Bewertung der täglich automatisiert erzeugten
Auswertungen bereitgestellt. Rückmeldungen aus der Arbeitsgruppe führten iterativ zu
Verfeinerung an den Auswertungen. Die Ergebnisse sind in Abschnitt II.2 einzusehen.
b) Machbarkeitsstudie zur Leistungsfähigkeit eines ständig arbeitenden
Wasserhaushaltsmodell als modelltechnisches Grundgerüst (AP2)
Ziel: Mit dem Wasserhaushaltsmodell wird der aktuelle hydrologische Zustand des Gebietes
modelliert. Um fundierte Entscheidungen zu ermöglichen, muss die Performanz des Modells
ausreichend sein und die realen Gegebenheiten und Prozesse im Gebiet realitätsnah
wiedergeben. Als Validierungsgrößen stehen gemessene Durchflüsse an Pegeln und aus
Fernerkundungsdaten abgeleitete Speicherinhalte zur Verfügung.
Ergebnisse:
(1) Ein ständig arbeitendes Modell auf Basis des Landesmodells konnte erfolgreich
implementiert werden. Hierzu wurde ein Prototyp einer operationellen Umgebung in
Python entwickelt (Abschnitt II.3.1.3). Die Software lädt tägliche die benötigten
hydrologischen (Abschnitt II.3.1.2) und meteorologischen (Abschnitt II.3.1.1)

S e i t e 14 | 72
Eingangsdaten herunter, überführt diese in ArcEGMO-konforme Datenformate, startet die
Simulationen und führt anschließend unterschiedliche Auswertungen durch. Die
Software führt dann vielfältige Auswertungen durch, um die Ergebnis-Rohdaten für eine
Entscheidungsfindung aufzuarbeiten.
(2) Zunächst wurde die Leistungsfähigkeit des Landesmodells im Niedrigwasserbereich
getestet (Abschnitt II.3.1.4). Vor allem Pegel an größeren Gewässern zeigen eine
ausreichende Modellgüte. Dennoch hat das bisher verwendete Modell Probleme bei der
Simulation des Durchflusses im Bereich extremen Niedrigwassers.
(3) Potenzielle Verbesserungen für das Landesmodell wurden durch die Umstellung auf
einen erweiterten Grundwasseransatz aufgezeigt. Hierzu wurden zwei Modelle für zwei
Fokusgebiete ausgeschnitten, auf den erweiterten Grundwasseransatz umgestellt und
neu kalibriert. Das Ergebnis ist eine Verbesserung der Modellierung im
Niedrigwasserbereich (Abschnitt II.3.1.5).
Weiterhin wurde ein Fokusgebiet auf ein wesentlich komplexeres
Bodenwasserhaushalts- und Pflanzenmodell ArcEGMO-PSCN umgestellt. Hier konnten
deutliche Verbesserung erzielt werden (Abschnitt 0). Es ist davon auszugehen, dass die
Performanz des Landesmodells nach einer Modellumstellung auf PSCN auch den hohen
Anforderungen einiger Projektpartner hinsichtlich der Modellierung bis in den extremen
Niedrigwasserbereich genügt.
In einem möglichen Anschlussprojekt wäre eine landesweite Umstellung auf einen
erweiterten Grundwassermodellansatz oder den ArcEGMO-PSCN möglich.
(4) Der DWD bietet zukünftig nur noch Vorhersagen des Modells ICON-D2 an. Hiermit sind
Vorhersagen von einem Tag im DSS NieTro möglich. Mit der erfolgreichen Integration von
ICON-D2 führt das ständig arbeitende Modell ArcEGMO Kurzfristvorhersagen durch.
c) Machbarkeitsstudie zu einer Prognose mittelfristiger Entwicklungen (AP2)
Ziel: Modellgestützte meteorologische Vorhersagen über mittelfristige Zeiträume von 30
Tagen und mehr sind nicht möglich. Zur Evaluation von Handlungsoptionen sind jedoch
Abschätzungen zu mittelfristigen Entwicklungen sinnvoll. Daher ist eine Methodik zu
entwickeln, die im operationellen Betrieb automatisiert einfach und robust mögliche
mittelfristige Entwicklungen abschätzen kann.
Ergebnis: In Voruntersuchungen wurden unterschiedliche Methoden zur Abschätzung der
mittelfristigen Entwicklung auf Basis vergangener Beobachtungswerte untersucht. Im
Abschlussbericht wird der Vergleich von zwei Proxigrößen zur Beschreibung des aktuellen
Zustands mit einer im Projekt NieTro entwickelten Methodik diskutiert (Abschnitt II.3.2).
Die entwickelte Methodik ist geeignet, die mittelfristige Entwicklung von bis zu 60 Tagen
robust abzuschätzen. Eine einfache Unsicherheitsbetrachtung im operationellen Betrieb ist
durch Ensemblerechnungen von Szenarien möglich.

S e i t e 15 | 72
d) Abschließende Validierung des Konzepts mit den Praxispartnern
Ziel: In einem Workshop wird den Projektpartnern die Konzeption des DSS und die
Ergebnisse zur Leistungsfähigkeit des Landesmodells im Niedrigwasserbereich vorgestellt.
Anhand einer Auswertung des Feedbacks der Projektpartner wird das Konzept validiert.
Ergebnisse: Der Workshop fand per Videokonferenz am 28.05.2021 statt. In einer
Diskussionsrunde und einer interaktiven Online-Umfrage bewerteten die Teilnehmer
verschiedene Aspekte des DSS NieTro. Überwiegend positive Bewertungen bedeuten nach
Abschnitt II.5 eine erfolgreiche Validierung des Konzepts zum DSS NieTro.
II.2. Anforderungsanalyse
Die Auftaktveranstaltung zum Projekt fand mit 15 Teilnehmern aus unteren Wasserbehörden,
Wasserbetrieben, dem Wasserstraßen- und Schifffahrtsamt, der Senatsverwaltung für Umwelt,
Verkehr und Klimaschutz Berlin und verschiedenen Bereichen des Landesumweltamtes
Brandenburg am 16.06.2020 in den Räumen des Landesumweltamts in Potsdam statt. Auf der
Veranstaltung wurden das Projekt vorgestellt und nach Anforderungen und Wünsche der
potenziellen Nutzer an ein DSS in einer offenen Diskussionsrunde gefragt.
• Ein großer Teil der Teilnehmer, dessen Aufgabenfelder tangiert werden, wünscht sich
eine Möglichkeit innerhalb des DSS, das Abflussgeschehen unter veränderbarer
Wasserbewirtschaftung zu modellieren. Auch quasi-natürliche Abflüsse, also ohne
Bewirtschaftungseinflüsse sind gewünscht. Wie eine Umsetzung im DSS zu diesem
Aufgabenfeld aussehen kann, zeigt Abschnitt II.4.4.
• Teilweise existieren bei den Anwendern bereits Werkzeuge und Informationssysteme
für vielfältige Anwendungsfälle (W&I). Eine Integration oder Interaktion zwischen einem
DSS NieTro und den W&I, beziehungsweise derer Daten wird, soweit sinnvoll, erwartet.
• Einem großen Teil der Teilnehmer (90 %) ist eine kurzfristige Vorhersage (bis 3 Tage)
im DSS unter Aufarbeitung der meteorologischen Vorhersagedaten der DWD-Modelle
COSMO-D2 und ICON-EU wichtig.
• 100 % der Teilnehmer finden die Abbildung des aktuellen Gebietszustandes wichtig und
ebenso halten 100 % eine Analyse möglicher mittelfristiger Entwicklungen für sinnvoll.
• Soweit vorhanden sollten bereits eingesetzte Warnlevel, Klassifizierungen und
Indikatoren von Behörden übernommen werden können.
• Nur ein Teilnehmer hat Interesse an Aussagen zu kleineren Gewässern bzw.
Einzugsgebieten.
• Hinsichtlich der softwaretechnischen Umsetzung sprach sich eine Mehrheit für ein DSS
NieTro als Webanwendung aus. Weitere Präferenzen sind eine Erweiterung für GIS-

S e i t e 16 | 72
Systeme, wie QGIS, oder eine Einbindung in Delft-FEWS, das schon als
Hochwasservorhersagesystem genutzt wird.
• Es soll ein Zugang für die breite Öffentlichkeit zu einem Teil von DSS NieTro vorgesehen
werden. Hierbei ist auf eine einfache Bedienung und leicht verständliche Auswertungen
zu achten.
• Neben Auswertungen für Experten sind allgemeinverständliche Auswertungen als
Diskussionsgrundlage zwischen Ämtern und Bürgern wichtig.
Es wurden weiterhin Fragebögen ausgeteilt (siehe Abbildung 29 für einen beispielhaften
Ausschnitt). Die wichtigsten Ergebnisse der Auswertung der Fragebögen sind:
• Auf die Frage „welche hydrologischen und meteorologischen Größen sind für einen
Überblick wichtig und fließen in Entscheidungsfindungen ein?“ 100% der Teilnehmer
nannten den Durchfluss an Pegelquerschnitten, gefolgt vom Niederschlag und der
Temperatur. Oberflächenabfluss (RO), potenzielle und reale Verdunstung (EP und ER)
erhielten wie Angaben zum Grundwasserspeicher die geringste Zustimmung. Eine
Angabe der Bodenfeuchte in verschiedenen Tiefen, die 44% der Teilnehmer als wichtig
angaben, ist nur mit einer Umstellung des Bodenmodells im Landesmodell auf PSCN
möglich. Das Interesse an weiteren Größen zeigt Abbildung 3
Abbildung 3: Prozentualer Anteil der positiven Antworten auf die Frage, welche hydrologischen
und meteorologischen Größen wichtig für Entscheidungsfindungen sind.
• Die Visualisierungen zu hydrologischen und meteorologischen Größen sind entweder
Darstellungen von Zeitreihen für einen Standort oder kartenbasierte Darstellungen
räumlich verteilter Größen für einen Zeitpunkt oder Zeitraum. Teilnehmer wurden
gefragt, welche Hintergrundinformationen für unterschiedliche kartenbasierte
Ansichten in einem DSS bereitgestellt werden sollen.
020 40 60 80 100
Grundwasserneubildung
Grundwasserspeicher
Bodenfeuchte, tiefengemittelt
Bodenfeuchte, verschiedene Tiefen
Bodenfeuchte, N/A
Niederschlag
Temperatur
RO, ER, EP
Grundwasserstände
Auswertungen sind wichtig (%)
Hydrologische und meteorologische Größen

S e i t e 17 | 72
Hier zeigten sich deutlich die Präferenzen unterschiedlicher Fachbereiche. Grundsätzlich
sollte nach Abbildung 4 eine breite Auswahl bereitgestellt werden, die vom Nutzer
interaktiv gewechselt werden kann.
Abbildung 4: Prozent der Antworten, die ein Interesse an einer kartenbasierten Darstellung der
zusätzlichen Informationen bekunden.
• Modellabweichungen im Niedrigwasserbereich sind auf Grund vielfältiger
Einflussfaktoren unvermeidbar. Die Frage, welche Abweichungen die Teilnehmer für
akzeptabel halten, bzw. wie Abweichungen kommuniziert werden sollen, wurde wie
folgt beantwortet:
o 56 % der Teilnehmer hätten gerne eine Angabe der aktuellen Abweichung von
Messwert und Beobachtung als Prozentangabe.
40 % der Teilnehmer fordern eine Abweichung von unter 10 %, 40 % der
Teilnehmer eine Abweichung von unter 15 %. 20 % der Teilnehmer fordern in
Kenntnis der besonderen Schwierigkeiten im Niedrigwasserbereich keine
Grenze.
o 11 % der Teilnehmer würden sich zur Bewertung der Modellgüte allein auf einen
visuellen Vergleich von Modellausgabe und Messwert in einer Abbildung der
Zeitreihen verlassen.
o 33 % der Teilnehmer reicht eine generelle Übereinstimmung der Tendenzen im
Abflussgeschehen (Modell und Messwerte zeigen beide steigende oder fallende
Durchflüsse), um die Modellgüte zu akzeptieren.
020 40 60 80 100
Fließgewässer
Hydrodynamik (2015)
Flächennutzung
Hauptbodentypen
Landschaftsgenese (Niederungen,…
Kartenhintergrund
Grundwasserflurabstandsklassen
GW-Einzugsgebiete (2015)
Teileinzugsgebiete
Karteninformationen wichtig (%)
Basisdaten

S e i t e 18 | 72
Abbildung 5: Prozent der Antworten, die ein Interesse an bestimmten Produkten bekunden.
II.3. Analyse der Umsetzbarkeit
In der Analyse der Umsetzbarkeit wird untersucht, ob die hydrologische Modellierung mit dem
Landesmodell speziell im Niedrigwasserbereich eine ausreichende Modellgüte erreicht und ob
festgestellte Defizite durch geeignete Strategien beseitigt werden können.
Weiterhin wird die Umsetzbarkeit einer Abschätzung von mittelfristigen Entwicklungen
überprüft, die ein wichtiger Teilaspekt eines DSS NieTro ist.
Umsetzbarkeit eines ständig arbeitenden Modells
Für die Überführung des Landesmodells Brandenburg in ein ständig arbeitendes Modell sind
zunächst die erforderlichen meteorologischen und hydrologischen Eingangsdaten
bereitzustellen. Ein Software-Prototyp ist zu entwickeln, der täglich alle erforderlichen Daten
einsammelt und einen Modelllauf des ständig arbeitenden Modells durchführt.
Meteorologische Datenanforderung
Meteorologische Daten sind die primären Eingangsdaten in der hydrologischen Modellierung
und beschreiben die atmosphärischen Triebkräfte. Die Messdaten für die Niederschlags-Abfluss-
Modellierung stellt der Deutsche Wasserdienst DWD über seine OpenData-Initiative bereit. Der
Download der meteorologischen Daten geschieht über HTTPS-Datentransfer.
Abbildung 6 zeigt die Verarbeitungskette der meteorlogischen Eingangsdaten. Das
Wasserhaushaltsmodell ArcEGMO nutzt die Daten zur Modellierung des Wasserhaushalts und
der Gewässerabflüsse. Aus den Rohdaten der Ergebnisse lassen sich dann Auswertungen zur
Darstellung im DSS aufarbeiten.
020 40 60 80 100
Dürreindex Bodenfeuchte
Dürreindex klimatische Wasserbilanz
Dürreindex Niederschlag
Grundwasserneubildung
Grundwasserspeicher
Bodenfeuchte, tiefengemittelt
Bodenfeuchte, verschiedene Tiefen
Bodenfeuchte, N/A
Niederschlag
Temperatur
RO, ER, EP
Grundwasserstände
Laufende Summe Niederschlag
Laufende Summe klim. Wasserbilanz
% positive Antworten

S e i t e 19 | 72
Abbildung 6: Veredelung der meteorologischen Eingangsdaten in der Verarbeitungskette von
NieTro
Das DSS NieTro soll die folgenden drei Teilaufgaben erfüllen: „Abbildung des aktuellen
Gebietszustandes“, „Prognose kurzfristiger Entwicklungen“ und „Analyse möglicher
mittelfristiger Entwicklungen“. Diese Teilaufgaben erfordern teilweise unterschiedliche
meteorologische Eingangsdaten, wie Tabelle 2 zeigt.
Für die Abbildung des aktuellen Gebietszustands und die Berechnung von möglichen
mittelfristigen Entwicklungen wird auf Messdaten des Messstationsnetzes und räumlich
interpolierte Niederschlagshöhen REGNIE zurückgegriffen.
Das im Landesmodell verwendete Raster für die Verarbeitung von rasterbasierten
Eingangsdaten entspricht nach Abbildung 30 dem REGNIE-Raster mit einer 1x1 km Rasterweite
und rund 42.600 Gitterpunkten. REGNIE-Daten sind täglich gegen 10:00h UTC für den Vortag
verfügbar. Diese werden dann vom Server bezogen und als Eingangsdaten für ArcEGMO
aufbereitet. Um 11:00h UTC beginnt der Download und die Verarbeitung der Messstationsdaten
für die 146 Klima- und Niederschlagsmessstationen des DWD. Die Eingangsgrößen der
Klimastationen und die REGNIE-Niederschlagshöhen werden von ArcEGMO auf die internen
Verarbeitungseinheiten interpoliert.
Da die Vorhersagen mit Fokus auf den Niedrigwasserbereich wenig sensitiv auf die räumliche
Auflösung der meteorologischen Eingangsdaten sind, wird auf einem Import der Vorhersagen
von ICON-D2 als Rasterdaten in ArcEGMO verzichtet. Stattdessen werden die klimatischen
Messstationen (Abbildung 30) mit den Vorhersagedaten aus ICON-D2 untersetzt. Hierzu erfolgt
nach dem Download der Daten jeweils eine Mittelwertbildung aus neun um eine Messstation
liegende ICON-D2 Gitterpunkte auf den Lagepunkt der Messstation. Dieses Vorgeben benötigt
weniger Rechenzeit bei der Simulation mit ArcEGMO und ist daher effizienter.

S e i t e 20 | 72
Tabelle 2: In NieTro verwendete Produkte des DWD mit ihren Links, täglichen Bezugsterminen,
Liste der Größen und deren zeitlicher Auflösung.
Produkt
Link
Termin
Datenbezug
Meteorologische
Größen
Auflösung
bezogen
Messstationsnetz
CDC1
11:00h
UTC
Relative Feuchte;
2m Lufttemperatur
min., mittel. max.-,
2m Wind-
geschwindigkeit,
Sonnenscheindauer,
Gesamtniederschlag
täglich
REGNIE –
Regionalisierte
Niederschlagshöhen
CDC2
10:00 Uhr
UTC
Gesamtniederschlag
täglich
ICON-D2,
03:00Uhr-Lauf
NWP3
04:00 Uhr
UTC
Relative Feuchte;
2m Lufttemperatur
min., mittel und max.-,
Vektoren der 10m
Windgeschwindigkeit v
und w,
Strahlungsbilanz,
Gesamtniederschlag
stündlich,
44 Stunden
Vorhersage
Das bereitgestellte Datenformat der Vorhersagemodells ICON-D2 ist GRIB2. Zum Auslesen des
Dateiformats wird das Python-Paket eccodes
4
unter Linux genutzt. Auf Grund des hohen
Platzbedarfs der Vorhersagedaten wird auf eine Speicherung der Daten in einer Datenbank
verzichtet. Die GRIB2-Dateien werden in einer Verzeichnisstruktur gehalten. Der verfügbare
Speicherplatz weist eine Größe von 8TB auf und wird periodisch bereinigt, wenn der
Speicherplatz erschöpft ist.
Am 10. Februar 2020 gab der DWD über seinen Newsletter bekannt, die beiden
Vorhersageprodukte COSMO-D2 und ICON-EU in nächster Zukunft einzustellen und durch
ICON-D2 zu ersetzen. Daher wurden während der Projektlaufzeit die Verarbeitung der
Vorhersagen aus COSMO-D2 und ICON-EU eingestellt und auf ICON-D2 umgestellt. Der Nachteil
bei der derzeitigen Bereitstellung von ICON-D2 durch den DWD ist die Verkürzung des
Vorhersagezeitraums von 2,5 Tage (72h Vorhersagelauf um 12:00h UTC) auf einen Tag
(44h Vorhersagelauf um 03:00h UTC).
1
https://opendata.dwd.de/climate_environment/CDC/observations_germany/climate/daily/
2
https://opendata.dwd.de/climate_environment/CDC/grids_germany/daily/radolan/
3
https://opendata.dwd.de/weather/nwp/icon-eu/grib/
4
https://confluence.ecmwf.int/display/ECC

S e i t e 21 | 72
Hydrologische Datenanforderung
Die für NieTro relevanten hydrologischen Eingangsdaten des Landes Brandenburg sind aus
Wasserstandsdaten umgerechnete Durchflüsse. Momentan existiert noch keine API, um die
Daten direkt und gezielt zu beziehen. Aus diesem Grund wurde ein Werkzeug entwickelt, um
den relevanten Bereich des Internetauftritts des LfU Brandenburg im HTML-Format auszulesen.
Die täglich gemessenen Messrohdaten stehen auf den Seiten
5
,
6
,
7
jeweils 6 Tage zur Verfügung.
Alternativ ist auch für eine kleinere Auswahl an Pegel ein Datenbezug über die REST-API von
Pegelonline.de verfügbar.
Überführung in ein ständig arbeitendes Modell
Für den operativen Betrieb des ständig arbeitenden Modells wurde eine Software in Python
geschrieben. Über den Tag verteilt testet die Software innerhalb festgelegter täglicher
Zeiträume, ob die meteorologischen und hydrologischen Daten verfügbar sind, lädt diese
herunter und schreibt diese in ArcEGMO-konforme Inputdateien. Der aktuelle Gebietszustand
am Ende des Modelllaufs wird gespeichert, um als Startzustand für spätere Läufe
bereitzustehen. Die täglich durchzuführenden Operationen zeigt Abbildung 7:
• Die Simulation des aktuellen Gebietszustands wird um 12:00 Uhr UTC durchgeführt. Ein
Simulationslauf beginnt jeweils 7 Tage in der Vergangenheit und endet 24:00 Uhr des
Vortags (Meteorologische Messdaten liegen jeweils nur bis zum Vortag vor).
• Der Simulationslauf für die Kurzfristvorhersage mit ICON-D2 startet um 14:00 Uhr UTC
und beginnt jeweils um 00:00 Uhr des Vortags. Für die meteorologischen Daten des
aktuellen Tages werden ebenfalls Vorhersagedaten aus ICON-D2 verwendet. Ein
Vorhersagelauf mit ArcEGMO endet um 24:00 Uhr des Folgetages.
• Ensemblerechnungen für zukünftig mögliche Entwicklungen starten ebenfalls um 14:00
Uhr UTC.
Abbildung 7: Schema der täglich ablaufenden Arbeitsschritte im ArcEGMO SAM.
5
http://www.luis.brandenburg.de/w/hwmz/cottbus/pegel/W7100056/
6
http://www.luis.brandenburg.de/w/hwmz/frankfurt/oder/pegel/W7100023/
7
http://www.luis.brandenburg.de/w/hwmz/potsdam/mittlere_elbe/pegel/W7100009/"

S e i t e 22 | 72
Nachdem alle Simulationsläufe zum aktuellen Gebietszustand, Kurzfristvorhersage und
zukünftige mögliche Entwicklungen abgeschlossen sind, erfolgt die Auswertung der Ergebnisse
und Generierung der Abbildungen, die wiederum den Projektpartnern über eine Cloud-Storage
zugänglich gemacht werden.
Bewertung der Modellgüte im Niedrigwasserbereich
Eine Langzeitsimulation mit dem Landesmodell von 1951 bis Februar 2021 stellt die Grundlagen
für die Evaluation der Modellierungsgüte im Niedrigwasserbereich bereit. An 16 Pegeln wurden
für alle betrachteten Jahre im Zeitraum zwischen Mai und August die die Gütekriterien KGE und
PBias (siehe Abschnitt II.3.1.5) zwischen den simulierten Durchflüssen mit Beobachtungsdaten
berechnet. Für den KGE ist ein Benchmark-Wert von -0.41 (Knoben et al., 2009) festgelegt, den
es zu übertreffen gilt.
Tabelle 3 fasst die Ergebnisse zusammen. Für insgesamt 60 Pegel liegt der PBias im Mittel
zwischen -15 % und 15 % und entspricht somit genannten Anforderungen (siehe Abschnitt II.2).
Weitere 46 Pegel zeigen eine Abweichung zwischen +/-15 % und +/- 30 % und 65 Pegel
deutliche Abweichungen von über +/- 30%. Hinsichtlich des KGE liegen 45 Pegel unterhalb des
Benchmarks, 69 Pegel weisen sehr gute KGE-Werte über 0,5 auf.
Tabelle 3: Gütekriterien Kling-Gupta-Effizienz (KGE) Mai bis August
Kling-Gupta-
Effizienz (-)
Anzahl Pegel
PBias (%)
Anzahl Pegel
1 – 0,75
25
< -30
35
0,75 – 0,5
44
-30 – -15
20
0,5 – 0,25
24
-15 – 15
60
0,25 – 0
21
15 – 30
26
0 – -0,41
12
> 30
30
< -0,41
45
Pegel mit unzureichender Performanz sind nach Abbildung 31 und Abbildung 32 in der Regel
solche, die direkt oberhalb oder unterhalb wasserwirtschaftlicher Bauwerke, wie Wehre und
Schleusen oder Nebenstrecken liegen. Diese Pegel reagieren sensitiv auf die Steuerung und die
Modellierung von Bauwerkeigenschaften, die nicht immer zureichend in das Modell integriert
werden können. Für eine verbesserte Modellierung des Durchflusses an diesen Pegeln sind
mitunter mehr Daten zur Bewirtschaftung nötig, die nicht existieren. Ein weiterer Grund für
starke Unterschiede liegt in den Unsicherheiten der vorliegenden Messdaten, die vor allem im
Niedrigwasserbereich hoch sind, z.B. durch Verkrautung.
In einer Kooperation mit der Firma WAMOS wurde in NieTro auch eine Studie zur Evaluation
der im Landesmodell simulierten Wasserspeicherung in der Landschaft durchgeführt. Ein
Vergleich der Speichermengen, die durch die gravimetrischen Messungen der GRACE-

S e i t e 23 | 72
Fernerkundungsmission errechnet wurden, mit Ergebnissen aus dem Landesmodell, stimmen
für das Fokusgebiet der Havel sowohl im Volumen als auch in der zeitlichen Entwicklung und
Dynamik sehr gut überein (siehe Abbildung 8). Die Modellergebnisse zu den Speicherinhalten
sind somit als belastbar zu bewerten.
Abbildung 8: Einzugsgebiet der Havel (gelb) aus dem Landesmodell und Grid-Zellen basierend auf
veröffentlichen GRACE/GRACE-FO GFZ Level 3 Produkten (links). Vergleich der aus GRACE
abgeleiteten Speicherinhalte mit den Simulationsergebnissen aus dem Landesmodell (rechts).
Verbesserung der Modellierung im Niedrigwasserbereich
Um das Potential möglicher Verbesserungen des Landesmodells für die Modellierung im
Niedrigwasserbereich abschätzen zu können, wurden zwei Fokusgebiete ausgewählt und als
eigenständige Modelle aus dem Landesmodell ausgeschnitten. Die Fokusgebiete sind die
Pegeleinzugsgebiete Wolfshagen (Stepenitz) und Babelsberg-Drewitz (Nuthe),
siehe Abbildung 9.
Voruntersuchungen in den beiden Einzugsgebieten ergaben, dass eine mögliche Verbesserung
über die Umstellung des im Landesmodell genutzten EGMO-Ansatzes auf den erweiterten
EGMO-Ansatz zu Verbesserungen im Niedrigwasserbereich führt.
Hierbei wird dem Einzellinearspeichersystem zur Modellierung der Grundwasserkomponenten
und eine Zwischenschicht für den hypodermischen Abfluss eingefügt. Mit diesem Absatz lässt
sich alternativ eine sehr langsam abklingende Abflusskomponente modellieren, mit dem der
Basisabfluss, der in den Niedrigwasserphasen besonders wichtig ist, besser abgebildet werden
kann. Für die weitere Komponente sind zwei neue Parameter und sechs bereits vorhandene
Parameter zu kalibrieren.

S e i t e 24 | 72
Abbildung 9: Die Pegeleinzugsgebiete Wolfshagen und Babelsberg-Drewitz im Landesmodell.
Als Methode für die Kalibrierung wird die multikriterielle Optimierung (MKO) gewählt. Eine
MKO erlaubt eine Anzahl M an Zielfunktionen im Zielfunktionsvektor zu beachten, wobei
 der Vektor aller n Parameter im gültigen Parameterraum  unter Randbedingungen darstellt

 
(1)
 
 .
Das Ergebnis einer (diversitätserhaltenden) MKO ist nicht nur eine eindeutig beste Lösung,
sondern eine Menge an unterschiedlichen Lösungen. Diese Lösungen sind Pareto-Optimal. Das
heißt, dass außerhalb dieser Lösungsmenge keine weiteren Lösungen mehr existieren, die
hinsichtlich aller Zielfunktionen besser sind. Um den Wert einer Zielfunktion zu verbessern,
werden automatisch ein oder mehrere Werte anderer Zielfunktionen verschlechtert. Alle Pareto-
optimalen Lösungen sind somit bestmögliche Kompromisse zwischen den gesetzten Zielen.
Die Zielfunktionen basieren auf Gütekriterien, die die Anpassung des Modells anhand eines
Vergleichs der simulierten Durchflüsse mit Beobachtungsdaten beschreiben. Verschiedene
Gütekriterien sind unterschiedlich sensitiv gegenüber bestimmten Aspekten der Ganglinie.

S e i t e 25 | 72
Die Kling-Gupta-Effizienz KGE, (Gupta et al., 2009) ist ein gemischtes Gütekriterium und
bewertet die Modellanpassung anhand linearer Korrelation, Varianz und Bias und berechnet
sich wie folgt

(2)
mit dem euklidischen Abstand ED zum optimalen Punkt (der prinzipiell unerreichbare Punkt, an
dem alle Gütekriterien bestmögliche Werte aufweisen),

Hierbei ist  der lineare Korrelationskoeffizient,  das Maß der relativen Varianz und
der Bias. Die Berechnung des KGE erfolgt über die gesamte Simulationsperiode.
Der saisonale prozentuale Bias (sPBias; Müller, 2014) berechnet den absoluten Bias zwischen
Simulation und Beobachtung in mehreren innerjährlichen Zeiträumen über alle Jahre
  


   


 
.
(3)
Zwei Zeiträume sehen die Trennung des Jahresgangs im Abfluss in Phasen mit generell höherem
Abfluss von Oktober bis März und geringerem Abfluss von April bis September vor. Die
Berechnung des Absolutwerts verhindert, dass z.B. unterschätzte Durchflüsse in Oktober-März
durch zu hohe Durchflüsse in April- September ausgeglichen werden können. Dies tritt häufig
bei der automatischen Kalibrierung von hydrologischen Modellen auf und beeinträchtigt die
Abbildungsgüte im Niedrigwasserbereich.
Mit den beiden Gütekriterien KGE und sPBias ergeben sich zwei Zielfunktionen

(4)

(5)
deren Zusammenspiel in der MKO eine für den Niedrigwasserbereich verbesserte automatische
Kalibrierung ergeben sollen, ohne die generelle Abbildungsgüte des Modells zu verschlechtern.
Die Optimierungsvariablen sind 11 Modellparameter. Diese sind die Rückgangskonstanten der
langsamen Abflusskomponenten jeweils für grundwasserferne Elementarflächen (#1),
Hangflächen (#2) und grundwassernahe Elementarflächen (#3) - PELs_RO1, PELs_RO2 und
PELs_RO3 sowie der jeweiligen schnelle Entsprechungen PELs_RU1, PELs_RU2 und PELs_RU3.
Die Parameter PElsG1, PELsG2 und PELsG3 dienen der Aufteilung zwischen den langsamen und
schnellen Speichern. Der Parameter PGw_Afmn steuert den Kapillaraufstieg von

S e i t e 26 | 72
grundwassernahen Flächen und PGW_kLeak modifiziert die hydraulische Leitfähigkeit der
Gewässersohle.
Der verwendete Optimierungsalgorithmus ist die multikriterielle evolutionäre Strategie
MO-CMA-ES (Igel et al., 2007).
KALIBRIERUNG DES PEGEL BABELSBERG-DREWITZ
Im Pegeleinzugsgebiet Babelsberg-Drewitz liegen insgesamt 364 Entnahmen aus
Oberflächengewässern oder dem Grundwasser vor. Um den Einfluss der Modellstruktur und der
Modellparametrisierung von den Entnahmen (die nach Abbildung 9 nicht für die gesamte
Modellregion vorliegen) abgrenzen zu können, wird das Pegeleinzugsgebiet ohne Einbezug der
Entnahmen berechnet und dann mit dem Originalmodell unter Einbezug der der Entnahmen
verglichen.
Abbildung 10 zeigt (ganz links) die Pareto-Front der multikriteriellen Parameterkalibrierung.
Bei einer sehr guten Kling-Gupta-Effizienz KGE von 0.82 beträgt der sPBias 25,2 %. Mit
zunehmender Wichtung auf verbesserte sPBias erreicht die Pareto-Front über 76 Lösungen
einen Wert von 14, 2% bei einer KGE von 0,44.
Abbildung 10: Pareto-Front der MKO für den Pegel Babelsberg-Drewitz (ganz links) und die
Verteilung der Entscheidungsparameter, eingefärbt entsprechend der Pareto-Front.
Die Parameterverteilungen in den anschließenden 5 Diagrammen in Abbildung 10 lassen auf
keinen dominierend sensitiven Parameter schließen, ausschlaggebend ist jeweils die
Kombination über alle Werte der Parameter.
Die Verbesserung des Modellverhaltens im Niedrigwasserbereich illustriert Abbildung 11. Die
Zeitreihe des Durchflusses vor der Umstellung auf das erweiterte Grundwassermodell und der
erneuten Kalibrierung ist in schwarz dargestellt und die Beobachtungswerte in blau. Die
Umhüllende aller Ganglinien der 76 Lösungen aus Abbildung 10 ist als graues Band dargestellt.

S e i t e 27 | 72
Im Vergleich zum Landesmodell, das mit seiner Kalibrierung auf den mittleren
Durchflussbereich die Abflüsse in den Monaten Mai bis August überschätzt, erreicht der
erweiterte Grundwasseransatz für den Niedrigwasserbereich eine bessere Abbildung. Lediglich
die extrem niedrigen Abflüsse in den Jahren 2019 und 2020 bleiben auch hier deutlich
überschätzt.
Abbildung 11: Ergebnisse der MKO für die Monate Mai bis August aus den Jahren 2010 bis 2020 für
den Pegel Babelsberg-Drewitz. Dargestellt in Schwarz sind die Ergebnisse des Landesmodells ohne
Entnahmen, in Blau die beobachteten Durchflüsse, in Magenta die Ergebnisse des Landesmodells
mit Grundwasserentnahmen und als grau schattierter Bereich die Umhüllende der 76
Pareto-optimalen Lösungen
Die sichtbare, aber wenig einflussreiche Reduktion der Durchflüsse durch die berücksichtigten
Entnahmen zeigt die in Magenta gezeichnete Ganglinie in Abbildung 11. Die Entnahmen im
Einzugsgebiet allein reichen nicht aus, die simulierten Durchflüsse an die beobachteten
anzugleichen.
Eine Hinzunahme der Entnahmen in das Modell mit dem erweiterten Grundwassermodell sollte
aber prinzipiell zu einer weiteren Verbesserung führen.
Ein Vergleich der mittleren Durchflüsse über den Gesamtzeitraum von 2010 bis 2020 ergibt
über alle Pareto-optimalen Lösungen eine Spannweite von 5,3 bis 5,8 m3s-1. Diese ist im
Vergleich zu den Beobachtungen mit 6,1 m3s-1 etwas zu gering. Die simulierten Durchflüsse des
originalen Landesmodells sind mit 7,8 m3s-1 wie auch für das Landesmodell mit Entnahmen von
7,2 m3s-1 zu hoch. Eine Verbesserung hinsichtlich des Bias ergibt sich damit auch über den
Gesamtzeitraum.

S e i t e 28 | 72
KALIBRIERUNG DES PEGEL WOLFSHAGEN
Der Pegel Wolfshagen ist nach Abbildung 9 von Entnahmen aus Grundwasser und
Oberflächenwasser kaum beeinflusst.
Dieser Pegel eignet sich daher, die Grenzen einer Modellverbesserung durch Umstellung auf
einen erweiterten Grundwasseransatz abzuschätzen. In einem nächsten Schritt erfolgt dann der
Vergleich mit einem neuen händisch kalibrierten Pegeleinzugsmodell mit dem PSCN-Ansatz.
Abbildung 12: Pareto-Front der MKO für den Pegel Wolfshagen (ganz links) und die Verteilung der
Entscheidungsparameter, eingefärbt entsprechend der Pareto-Front.
Der PSCN-Ansatz kann neben der Wasserdynamik im System „Vegetation – Boden“ auch den
Phosphor-, Kohlen- und Stickstoffhaushalt simulieren. PSCN (Plant-Soil-Carbon-Nitrogen Model)
arbeitet mit einer Kopplung komplexer Wachstumsmodelle für Wald- und landwirtschaftliche
Flächen sowie mit einem detaillierten Bodenwasserhaushaltsmodell. Durch die
Implementierung eines Fruchtfolgengenerators kann die landwirtschaftliche Anbaustruktur
einer Region genau wiedergegeben werden.

S e i t e 29 | 72
Abbildung 13: Ergebnisse der MKO aus den Monaten Mai bis August in den Jahren 2012 bis 2020
für den Pegel Wolfshagen. Dargestellt sind in schwarz die Ergebnisse des Landesmodells, in blau
die beobachteten Durchflüsse und als grau schattierter Bereich die Umhüllende der 21 Pareto-
optimalen Lösungen aus der MKO
Der PSCN-Ansatz bietet auch die Möglichkeit, den Boden durch mehrere Schichten genauer zu
beschreiben. Mit dem PSCN-Ansatz wird eine deutlich detailliertere Beschreibung der im
Niedrigwasserbereich wichtigen hydrologischen Prozesse möglich. Eine verbesserte Modellgüte
im Niedrigwasserbereich ist zu erwarten.
In Abbildung 14 ist eine deutliche Verbesserung in der Abbildung der sommerlichen
Niedrigwasserperioden, besonders in den Jahren 2018 und 2020 erkennbar. Die Boden- und
Grundwasserspeicher entleeren sich nach der Schneeschmelzphase im Frühjahr deutlich
schneller. Dies führt zu einem schneller abklingenden Durchflussregime, dass das real
vorherrschende deutlich besser wiedergibt.
Ein Nachteil des PSCN-Ansatzes sind ist die gegenüber den EGMO-Ansätzen deutlich gestiegene
Rechenlast, die zu längeren Rechenzeiten führt. Weiterhin ist die Umstellung des Gesamtmodells
sehr zeitaufwändig, so dass dieses nicht in der Vorstudie zu leisten war.

S e i t e 30 | 72
Abbildung 14: Vergleich der simulierten Durchflüsse des Landesmodells (schwarz) und mit dem
auf den PSCN-Ansatz umgestellten Teilmodell (grün) für den Pegel Wolfshagen. Die beobachteten
Durchflüsse sind in blau dargestellt.
Umsetzbarkeit einer Methode zur Abschätzung
mittelfristiger Entwicklungen
Unter mittelfristig wird eine Zeitspanne von einem bis drei Monaten verstanden. Für einen
Zeitraum dieser Länge existieren nur wenige meteorologische Vorhersagemodelle, wie z.B. vom
ECMF. Die in NieTro gelieferte „mögliche mittelfristige Entwicklungen“ soll eine fundierte
Abschätzung geben, wie sich der Gebietszustand unter bestimmten Annahmen entwickeln
könnte.
In NieTro wurde die Methodik AWME (Altes Wetter für mögliche Entwicklungen) entwickelt,
mit der auf Basis von operationell verfügbaren Daten und einer Mustererkennung aus
historischen Daten eine zukünftige Entwicklung abschätzen zu können.
Die grundlegende Annahme ist dabei, dass für Niedrigwasserphasen relevanten Wetterlagen
längerfristig vorherrschen. Solche Wetterlagen, die sich operationell bereits in den letzten Tagen

S e i t e 31 | 72
eingestellt haben, lassen sich in historischen Daten finden und die Meteorologie der aktuell
anzunehmenden Entwicklung ist dann der vergangener ähnlich.
Als Basisdaten für die Mustererkennung wurden aus Voruntersuchungen zwei mögliche
Proxigrößen ausgegrenzt.
1) Eine Musterbestimmung über die beschreibenden meteorologischen Größen, folglich Tabelle
2, ist auf Grund der hohen Dimensionalität des Datensatzes zu aufwändig. Als integrierende
Proxigröße für die Meteorologie wurde die reale klimatische Wasserbilanz rKWB als
Flächenmittel über die gesamte Modellregion ausgewählt, die als Differenz zwischen
Niederschlag und realer Evapotranspiration berechnet wird.
2) Die meteorologischen Triebkräfte prägen sich über die hydrologischen Prozesse auf die
Ganglinien in den Modellspeichern Grundwasser, Bodenwasser und Oberflächenwasser als
Flächenmittel durch. Aus ähnlichen Speicherinhalten in der Vergangenheit lassen sich dann
Aussagen über weitere mögliche mittelfristige Zustände abschätzen. Die drei Speicher im Modell
sind also die Proxigrößen für die Meterorologie.
Abbildung 15 skizziert den generellen Ablauf der entwickelten Methodik. Eine Beschreibung
erfolgt anhand der Schritte a) bis f):
a) Aus den Langzeitsimulationen mit dem Landesmodell und einer Nachbearbeitung
stehen Zeitreihen von 1951 bis 2020 für die rKWB oder die Speicherinhalte zur
Verfügung. Für das Beispiel werden mögliche zukünftige Entwicklungen von Mai bis
Juli gesucht.
b) Für die Mustererkennung wird die Zeitreihe der jeweiligen Proxigröße für den
zurückliegenden Zeitraum Z0 mit z.B. 30 Tagen (April) ausgeschnitten.
c) Die zurückliegenden Zeiträume (April) in allen einzelnen Jahren der langjährigen
Zeitreihe werden ausgeschnitten, R1, …, R70.
d) Die Mustererkennung erfolgt über die Berechnung eines Gütekriteriums KGE (siehe
Abschnitt II.3.1.5) für alle Zeiträume R1, …, R70 mit Z0. Die Gütekriterien werden dann
aufsteigend sortiert. Der historische Zeitraum mit der höchsten Übereinstimmung zu Z0
ist der Zeitraum des Jahres mit dem höchsten Gütekriterium, hier z.B. April 1982.
e) Die gesuchte Meteorologie für das Szenario entspricht der Meteorologie der Monate
Mai bis Juli des Jahres 1982.
f) Die meteorologischen Größen des Zeitraums Mai bis Juli 1982 werden als
Eingangszeitreihen für die Vorwärtssimulation mit dem Modell unter Verwendung des
aktuellen Gebietszustands als Startbedingungen genutzt. Als Ergebnis stehen die

S e i t e 32 | 72
Durchflüsse und weitere relevante Größen für eine mögliche zukünftige Entwicklung
bereit.
Sind im Rahmen einer Ensemble-Rechnung mehrere Szenarien zu simulieren, werden d) bis
f) jeweils mit den Zeiträumen wiederholt, die den jeweils nächstbesten Gütekriterien unter d)
entsprechen.
Abbildung 15:Schema zur Suche von meteorologischen Datengrundlagen zur
Szenarienberechnung in sechs Schritten a) bis f).
Beide Proxigrößen aus Voruntersuchungen, Speicherinhalte und rKWB, wurden mittels der
Leitungsfähigkeit im Hindcasting gegeneinander verglichen, um die robustere Größe zu
ermitteln.
Hierzu wurde für jeden 11.März zwischen 2011 und 2019 mittels des beschriebenen Ansatzes
jeweils die zwei ähnlichsten Zeiträume gesucht, wobei die Daten des jeweiligen Jahres nicht zur
Auswahl standen. Für 11 Pegel
8
wurden die Gütekriterien KGE und sPBias zwischen den
Durchflüssen der Szenariensuche und der Beobachtung über einen Szenarienzeitraum für ein
Ensembleumfang von 5 Läufen über 60 Tagen berechnet, was jeweils zu 5 mal 228 Werte je
Gütekriterium führt
8
Borgsdorf, Havelberg, Leibsch Spreewehr, Bad Liebenwerda, Wolfshagen, Lübben
Zusammenfluss, Babelsberg Drewitz, Ravensbrück, Märkisch Buchholz, Hohenbinde und Dahme
Stadt

S e i t e 33 | 72
Um auch den Einfluss der Länge des zurückliegenden Zeitraums Z0 zu evaluieren, wurden
zudem zwei Versuche je Proxigrößen mit unterschiedlichen Z0 von 30 und 60 Tagen
durchgeführt, wie Tabelle 4 gegenüberstellt und Abbildung 16 zusammenfasst.
Tabelle 4: Name der Versuche mit den zughörigen Kombinationen von Prädiktoren (Proxigrößen)
und Zeitraumlängen Z0.
Versuchsname
Beschreibung
MET-60
Reale klimatische Wasserbilanz, Länge Z0 60 Tage
MET-30
Reale klimatische Wasserbilanz, Länge Z0 30 Tage
STO-60
Speicherinhalte, Länge Z0 60 Tage
STO-30
Speicherinhalte, Länge Z0 30 Tage
Das linke Boxplot-Diagramm von Abbildung 16 zeigt die Verteilung aller erreichten KGE für die
durchgeführten Versuche. Mit einem Median von -0.5 schneidet MET-60 marginal besser ab als
die beiden STO-Versuche, die beide -0.53 erreichen. Hinsichtlich der prozentualen Abweichung
im Durchfluss, ausgedrückt durch den PBias, zeigt STO-60 mit 0,27 % vor MET-60 mit -4,03 %
die besten Ergebnisse.
Abbildung 16: Boxplots zu den Hindcast-Versuchen mit den Proxigrößen reale klimatische
Wasserbilanz (MET) und Speicherinhalte (STO) sowie zwei Längen des zurückliegenden Zeitraums
von 30 und 60 Tage. Die Zahlenwerte geben jeweils den Wert des Median an.
Die robustesten mittelfristigen Entwicklungen sind demnach auf Grundlage des Speicherinhalts
mit einem zurückliegenden Zeitraum von 60 Tagen möglich. Dass KGE-Werte häufig unterhalb
des Benchmark-Werts von -0.41 liegen, ist hier nicht problematisch. Der KGE bewertet mitunter
auch die Modelldynamik, diese kann auf Grund der konkreten Ausprägung des ausgewählten
täglichen Niederschlags in einem Szenario mitunter deutlich abweichen.
Einen Einblick in die Hindcastrechnungen geben Abbildung 17 und Abbildung 18. Um die
Leistungsfähigkeit der Szenarienrechnungen zu bewerten, ist ein Vergleich mit den
Simulationsergebnissen des Landesmodells zielführender als mit den Beobachtungsdaten, da
hier die systematischen Modellfehler prinzipiell gleich sind.

S e i t e 34 | 72
Abbildung 17: Hindcast für den Pegel Babelsberg-Drewitz jeweils für 60 Tage ab dem 11.Mai jeden
Jahres, die Beobachtungsdaten in blau, die Simulationswerte des Landesmodells in schwarz, die
Umhüllende aus den Ensemblerechnungen grau hinterlegt und der Median in grün.
Die Umhüllende der 5 Ensemblerechnungen schließt in einem Großteil der Jahre die Ganglinie
der simulierten Durchflüsse des Landesmodells über die ersten 10 Tage ein. Auch über den
Gesamtzeitraum von 60 Tages sind die zukünftig möglichen Entwicklungen als Werkzeug für die
Entscheidungsfindung hilfreich, denn die grundlegenden Tendenzen in der
Durchflussentwicklung sind gegeben.
Mit einer Modellumstellung auf PSCN sind für das Landesmodell großräumig bessere
Simulationsergebnisse zu erwarten, so dass die Leistungsfähigkeit des hier aufgezeigten
Ansatzes AWME weiter steigen sollte.

S e i t e 35 | 72
Abbildung 18: Hindcast für den Pegel Ravensbrück jeweils für 60 Tage ab dem 11.Mai jeden Jahres,
die Beobachtungsdaten in blau, die Simulationswerte des Landesmodells in schwarz, die
Umhüllende aus den Ensemblerechnungen grau hinterlegt und der Median in grün.
Für die automatisiert tägliche Ermittlung zukünftiger möglicher Entwicklungen mit dem
Prototyp des ständig arbeitenden Modells werden mit AWME fünf Ensemblerechnungen
durchgeführt. Abbildung 23 und Abbildung 22 zeigen Ergebnisse aus dem Betrieb des Prototyps.
Fazit zur Umsetzbarkeit
Technische Umsetzbarkeit eines ständig arbeitenden Modells
Eine Umsetzung eines ständig arbeitenden Modells (SAM) ist technisch möglich.
Meteorologische Eingangsdaten sind zu unterschiedlichen Terminen verfügbar. Modellierungen
des Wasserhaushalts sind damit täglich erst ab 12:00 Uhr UTC möglich. Der im DSS
bereitgestellt Gebietszustand gilt jeweils für den zurückliegenden Tag.
Ein Prototyp des SAM für NieTro ist seit September 2020 kontinuierlich im Betrieb. Die gegen
14:00 Uhr UTC täglich relativ spät stattfindenden Modellläufe sind den Bereitstellungsterminen
von COSMO-D2 und ICON-EU geschuldet. In einer späteren Umsetzung des SAM lässt sich der
Termin auf 12:00 Uhr UTC vorverlegen, so dass den Nutzern die aktuellen Auswertungen täglich
früher zu Verfügung stehen.
Umsetzbarkeit eines ständig arbeitenden Modells hinsichtlich einer ausreichenden
Modellgüte im Niedrigwasserbereich
Das SAM auf Basis des Landesmodells zeigt für Pegel in Brandenburg und Berlin Defizite im
Niedrigwasserbereich. Durch eine Umstellung der Modellstruktur im Landesmodell durch einen
erweiterten Grundwasseransatz und einer erneuten Modellparametrisierung lassen sich die

S e i t e 36 | 72
Abweichungen im Niedrigwasserbereich in beiden Fokusgebieten deutlich reduzieren. Beide
Fokusgebiete entsprechen nach der Umstellung den Anforderungen der Praxispartner
(Abweichungen < 15 %).
Eine deutlichere Verbesserung ist mit der Umstellung auf ArcEGMO-PSCN möglich, welches ein
deutlich komplexeres Modell darstellt. Eine Umstellung auf PSCN wird daher empfohlen.
Umsetzbarkeit einer Methodik zur Abschätzung mittelfristiger Entwicklungen
In NieTro konnte eine einfache Methode entwickelt werden, um auf Basis operationell erzeugter
und historischer Proxigrößen mögliche künftige Entwicklungen abschätzen zu können. Unter
Einbeziehung der Entwicklung zu vergangenen Zeitpunkten und einem Vergleich mit
gemessenen Durchflüssen zeigte sich, dass die robusten Ergebnisse der Methode für
Entscheidungsträger hilfreich sein sollten.
II.4. Konzept eines zukünftigen DSS NieTro
Es folgen zunächst eine verbale Konzeption zu einem in einem Folgeprojekt umzusetzenden
Landesmodell auf Basis von ArcEGMO-PSCN und der Funktionen des DSS NieTro zum Berechnen
von nutzerseitig generierten Szenarien. Im Anschluss werden die Konzepte zu den visuellen
Auswertungen vorgestellt, die zusammen mit den Projektpartnern erarbeitet wurden.
Abschließend werden grobe Konzepte für das DSS NieTro als Webanwendung und als Plugin für
QGIS vorgestellt.
ArcEGMO-PSCN SAM
Mit einer Umstellung des Landesmodells auf das Bodenwasser- und Vegetationsmodell PSCN
sind deutlich bessere Ergebnisse im Niedrigwasserbereich zu erwarten. Mit einer fundierteren
Modellierung ist auch eine höhere Akzeptanz des DSS NieTro zu erwarten, da
Entscheidungsträger ein höheres Vertrauen in die modellierten Ergebnisse setzen können.
PSCN ist in der Lage, die Wechselwirkungen zwischen Vegetation, Boden und Meteorologie
deutlich detaillierter abzubilden und damit unter anderem die Reaktion der Pflanze auf sich
ändernde klimatische Randbedingungen zu erfassen. Eine dynamische Modellierung des
Vegetationsbeginns und zeitlich variabler Wurzeltiefen ist für die Genauigkeit im
Niedrigwasserbereich wichtig, da Bodenspeicher schon früher gezehrt werden.
Weitere potentielle Verbesserungen sind mit einer Modellumstellung zur dynamischen
Modellierung von Grundwasserflurabstände auf grundwassernahen Flächen möglich.
Des Weiteren könnte die Datengrundlage erweitert und das Modell aktualisiert werden:
• Wasserbauliche Anlagen inklusive ihrer Bewirtschaftung, Seen und Wassernutzungen
wie Entnahmen, Ein- und Überleitungen

S e i t e 37 | 72
• Genehmigte Entnahmen aus Oberflächen- und Grundwasser. Die zurzeit geplante
Umstellung auf ein elektronisches Wasserbuch im LfU Brandenburg könnte hier für eine
vergrößerte Datengrundlage sorgen.
• Fruchtfolgen auf landwirtschaftlichen Flächen
Zusätzlich sind neue Auswertungen zu Größen wie Bodenfeuchte (differenziert nach
Schichttiefe), Vegetationszeitlänge und -beginn möglich.
Nutzerseitige Szenarienberechnung
Ein Wunsch der Projektpartner aus der Anforderungsanalyse ist die Berechnung von eigenen
Szenarien. Diese Szenarien können meteorologische Zustände und Entwicklungen sein oder
Eingriffe in die Bewirtschaftung von Oberflächen- und Grundwasser.
Folgende Szenarien sind denkbar:
a) Wie würde das Gebiet reagieren, wenn sich der Sommer 2018 (oder ein beliebiges Jahr)
wiederholt?
b) Was würde geschehen, wenn in der nächsten Zeit (X Tage) kein Regen fällt?
c) Was geschieht, wenn ein trockener oder ein normaler Sommer oder Herbst folgt?
d) Welche Entwicklungen wären unter projizierten klimatischen Veränderungen denkbar?
Für den Stichpunkt a) wäre eine Auswahl aller Jahre vorzusehen. Der Nutzer wählt sich sein Jahr
aus. Das DSS NieTro wählt automatisch den für eine nahtlose Vorwärtssimulation notwendigen
Zeitraum aus diesem Jahr aus. Eine Hilfe und eine Übersicht zur Einordung aller verfügbaren
Jahre stehen dem Nutzer bereit.
Für den Stichpunkt c) ist eine Auswertung über alle Jahre für die Jahreszeiten durchzuführen
und passende Zeiträume nach Klasseneinteilungen von „sehr feucht“ bis „sehr trocken“ (5
Einteilungen) zu bestimmen. Der Nutzer kann dann im DSS eine der Klassen für eine
Vorwärtssimulation wählen.
Für den Stichpunkt d) ist eine Auswahlmöglichkeit zu Punkt b) bereitzustellen. Die
Klassifikation müsste jedoch nach Klimamodellen, Emissionsszenarien und Zeitschreiben
aufgeschlüsselt sein.
Die Beschaffung, Aufarbeitung und Auswertungen sind extrem aufwändig. Eine
Szenarienberechnung mit Klimadaten sollte daher in einem möglichen Nachfolgeprojekt nur als
mögliche Option angeboten werden.
Stichpunkt c) wäre unter Verwendung der Funktion a) möglich, wenn der Nutzer bestimmte
meteorologische Größen nachträglich modifizieren könnte. Eine Option im DSS wäre daher zu
implementieren, um bestimmte Größen gezielt zu ändern.

S e i t e 38 | 72
Um es dem Nutzer zu ermöglichen, Unsicherheiten zu modellieren, wären Ensemblerechnungen
mit bis zu vier Szenarien gleichzeitig geeignet.
Prinzipiell sollte die Länge der Szenarien vom Anwender innerhalb plausibler Grenzen
einstellbar sein.
Nur Nutzer in bestimmten Positionen und mit der entsprechenden Erfahrung haben Einfluss auf
wasserwirtschaftliche Entscheidungen. Diese Nutzer können Szenarien mit modifizierten
wasserwirtschaftlicher Steuergrößen berechnen.
Folgende Szenarien sind denkbar:
a) Für ein wasserwirtschaftliches Gebiet sollen alle bewilligten Entnahmen eingestellt oder
reduziert werden. Was wären die positiven Auswirkungen auf Gewässer unter diesen
Maßnahmen?
b) Stauhaltungen sollen mehr Wasser zu Erhalt und von Mindestwasserständen /
Mindestabflüssen abgeben. Was ist möglich oder wie muss gesteuert werden?
c) Aufteilungen und Umleitungen sollen angepasst werden, um den Durchfluss in
Teilstrecken zu stützen. Was sind die Auswirkungen auf ein größer gefasstes System?
Für den Stichpunkt a) ist es dem Nutzer zu ermöglichen, für ein Teilgebiet oder das
Gesamtgebiet die Entnahmen im Modell nach Kategorien selektieren, um diese dann
auszuschalten oder zu modifizieren.
Für die Stichpunkte b) und c) sind für das selektierte Teilgebiet aller verfügbaren (nach
Absprache vordefinierte) Steuergrößen für wasserwirtschaftliche Bauwerke anzuzeigen.
Sinnvolle Widgets zur Anpassung sind bereitzustellen. Sinnvoll wäre im DSS eine Konfiguration
der Oberfläche über Konfigurationsdateien, in denen die Steuergrößen und Bauwerke für ein
Teilgebiet festgehalten sind. Die Oberfläche könnte dann dynamisch je nach Teilgebiet angepasst
werden.
Für eine wasserwirtschaftliche Szenarienrechnung muss der Nutzer ein entsprechendes
meteorologisches Szenario vorgeben (folglich oben).
Die Anforderungen an die Art der Auswertungen und den Datenumfang der Ergebnisse können
bei wasserwirtschaftlichen Szenarienrechnungen je nach Nutzer und Teilgebiet sehr
unterschiedlich sein. In einem möglichen Nachfolgeprojekt sind hierzu flexible Verfahren zu
entwickeln.

S e i t e 39 | 72
Visualisierungen zu meteorologischen und
hydrologischen Größen im DSS
In iterativer Abstimmung mit den Projektpartnern wurden Auswertungen für hydrologische und
meteorologische Größen erarbeitet, die Entscheidungsträger visuell unterstützen.
Ein entwickelter Prototyp wertet täglich die Ergebnisse des ArcEGMO SAM aus und generiert
Visualisierungen. Die erzeugten Abbildungen wurden den Projektpartnern täglich zugänglich
gemacht und eingehende Rückmeldungen zu den Visualisierungen iterativ umgesetzt.
Stationsbezogene meteorologische Größen
Standortbezogene Auswertungen beziehen sich auf Zeitreihen oder Jahresgänge.
DIFFERENZEN DER MONATSNIEDERSCHLÄGE ZUM LANGJÄHRIGEN MITTEL
Eine beispielhafte Darstellung zeigt Abbildung 19.
Grundlagen: Die Berechnung der Differenzen, graue Balken dargestellt, bezieht sich auf den
Vergleichszeitraum von 1981-2010. Über diesen Zeitraum werden für die Monate Januar bis
Dezember die mittleren Monatssummen berechnet. Von den Monatssummen der letzten10
Jahre werden dann jeweils die mittleren Monatssummen abgezogen.
Über die fortlaufende Summierung der Differenzen wird eine Summenlinie erstellt.
Datengrundlage: Zeitreihen des Niederschlags aus den jeweiligen Messstationen des DWD
inklusive nachträglicher Niederschlagskorrektur nach Richter
Merkmale: Eine Häufung von negativen Differenzen deutet ebenso wie eine mittelfristig und
langfristig im Trend fallende Summenlinie auf Trockenperioden hin.

S e i t e 40 | 72
Abbildung 19: Zeitreihe der Abweichungen zwischen aktuellem Niederschlag und dem
langjährigen Mittel 1981-2010. Ab dem Jahr sind vermehrt negative monatliche Abweichungen
festzustellen, was zu einer zunehmend negativeren Bilanz führt.
VERGLEICH DER MONATSNIEDERSCHLÄGE DES AKTUELLEN JAHRES IM ZUM LANGJÄHRIGEN MITTEL
Eine beispielhafte Darstellung zeigt Abbildung 20.
Grundlagen: Über den Zeitraum 1981-2010 werden für die Monate Januar bis Dezember die
mittleren Monatssummen berechnet. Für das aktuelle Jahr werden die Monatssummen
jeweils bis zum aktuellen Tag berechnet. Die beiden Größen werden für jeden Monat
gegenübergestellt, genauso wie die jeweils berechneten Summenlinien.
Interpretation der Merkmale: Für alle bereits vergangene und angebrochene Monate des
aktuellen Jahres ist jeweils ein Vergleich des gefallenen Niederschlags mit dem
Referenzzeitraum möglich. Der aktuelle Überschuss oder das Defizit in der
Niederschlagshöhe wird als Differenz zwischen den Summenlinien sichtbar und als Wert
ausgewiesen. Eine schnelle Übersicht über den bisherigen Jahresverlauf am Standort ist
somit gegeben.

S e i t e 41 | 72
Abbildung 20:Vergleich der langjährigen (1981-2010) Monatssummen des Niederschlags an der
Station Wiesenburg mit den Monatssummen des aktuellen Jahres 2021 sowie der kumulativen
Summenlinie. Bis zum 27.02.2021 entstand ein Überschuss von 6.8mm gegenüber dem
langjährigen Mittel.
DIFFERENZEN DER RELATIVEN KLIMATISCHEN WASSERBILANZ ZUM LANGJÄHRIGEN MITTEL
Eine beispielhafte Darstellung zeigt Abbildung 21.

S e i t e 42 | 72
Grundlagen: Die relative klimatische Wasserbilanz ist die Differenz zwischen dem Niederschlag
und der realen Evapotranspiration, 
Die Berechnung der Differenzen, als graue Balken dargestellt, bezieht sich auf den
Vergleichszeitraum von 1981-2010. Über diesen Zeitraum werden für die Monate Januar bis
Dezember die mittleren Summen der täglichen rKWB berechnet. Von den Monatssummen
der letzten10 Jahre werden dann jeweils die mittleren Monatssummen abgezogen.
Über die fortlaufende Summierung der Differenzen wird eine Summenlinie erstellt.
Datengrundlage: Zeitreihen des Niederschlags aus den jeweiligen Messstationen des DWD
inklusive nachträglicher Niederschlagskorrektur nach Richter
Interpretation der Merkmale: Eine Häufung von negativen Differenzen deutet ebenso wie eine
mittelfristig und langfristig im Trend fallende Summenlinie auf Trockenperioden hin. Die
rKWB ist in Hinblick auf Wasserdefizite im Einzugsgebiet aussagekräftiger als eine reine
Betrachtung des Niederschlags, da hier die Verdunstung mit einbezogen wird. Eine negative
rKWB führt zu einer Speicherzehrung im Gebiet.
Abbildung 21: Zeitreihe der Abweichungen zwischen aktueller realer klimatischer Wasserbilanz
und dem langjährigen Mittel 1981-2010. Ab dem Jahr sind vermehrt negative monatliche
Abweichungen festzustellen, was zu einer zunehmend negativeren Bilanz zwischen Niederschlag
und realer Evapotranspiration führt.
Stationsbezogene hydrologische Größen
ZEITREIHE DURCHFLUSS
Eine beispielhafte Darstellung zeigt Abbildung 23.

S e i t e 43 | 72
Grundlagen: Die Datengrundlage für die Berechnung des Jahresganges der Durchfluss-Quantile
ist der Gesamtzeitraum der für den Pegel vorliegenden beobachteten Durchflüsse. Bei
Gewässerpunkte ohne Beobachtungswerte werden die simulierten Durchflüsse von 1951 bis
zum aktuellen Jahr genutzt.
Die statistische Auswertung umfasst 11 Quantile von 0,1 bis 0,9, die eine Klassifikation von
10 Bereichen im Jahresgang erlaubt. Dem sich in der Abbildung über 3 Jahre
wiederholenden Jahresgang gegenübergestellt sind die Ganglinien des beobachteten und
simulierten Durchflusses aus dem ArcEGMO SAM und der Kurzfristvorhersage. Zusätzlich
dargestellt ist die Umhüllende der jeweils 5 durchgeführten Ensemblerechnungen zu den
zukünftig möglichen Entwicklungen und dem Verlauf des Medianwerts.
Datengrundlage: Zeitreihen des Niederschlags aus den jeweiligen Messstationen des DWD
inklusive nachträglicher Niederschlagskorrektur nach Richter. Zeitreihen der realen
Evapotranspiration, berechnet durch ArcEGMO.
Interpretation der Merkmale: Der Vergleich der Ganglinie gegenüber der statistischen
Auswertung des Gesamtzeitraums zeigt, dass die Durchflüsse in den letzten drei Jahren
lediglich das 60% Perzentil erreichten und damit auf Grund der trockenen Verhältnissen nur
unterdurchschnittlich Abfluss generiert wurde.
Abbildung 22: Zeitreihe des simulierten Grundwasserspeicherinhalts (schwarz) mit Ensemble der
möglichen zukünftigen Entwicklung (grün) und Jahresgang der Perzentil-Bereiche der
historischen Speicherstände.

S e i t e 44 | 72
Gebietsbezogene Größen
Gebietsbezogene Größen beziehen sich auf das Gesamtgebiet, hier Brandenburg mit Berlin,
größere Teilgebiete für Flussgebiete oder Teileinzugsgebiete.
GANGLINIE DER SPEICHERINHALTE (GRUNDWASSER, BODENWASSER UND OBERFLÄCHENWASSER)
Eine beispielhafte Darstellung zeigt Abbildung 21.
Grundlagen: Die Datengrundlage für die Berechnung des täglichen Jahresganges der
Speicherinhalt-Quantile ist der simulierte Speicherinhalt mit Beginn im Jahre 1951. Die
Speicherinhalte werden jeweils normiert (mit Aufschlag auf das Maximum von 10% und
Abschlag auf das Minimum von 10%) und mit einem Faktor von 100 verrechnet, um einen
relativen Füllstand in (%) zu entsprechen.
Die statistische Auswertung umfasst 11 Quantile von 0,1 bis 0,9, die eine Klassifikation von
10 Bereiche im Jahresgang erlaubt. Dem sich in der Abbildung über 3 Jahre wiederholenden
mittleren Jahresgang gegenübergestellt ist die Ganglinie der letzten 3 Jahre des simulierten
Speicherinhalts aus dem ArcEGMO SAM. Zusätzlich dargestellt ist die Umhüllende der
jeweils 5 durchgeführten Ensemblerechnungen zu den zukünftig möglichen Entwicklungen
und dem Verlauf des Medianwerts.
Datengrundlage: Zeitreihen der gemessenen Durchflüsse aus den Online-Auftritt des LfU
Brandenburg. Zeitreihen der Durchflüsse, berechnet durch ArcEGMO.
Interpretation der Merkmale:
Speicherinhalt Grundwasser: Besonders in Perioden mit niedrigem Durchfluss in
Trockenperioden ist der Basisabfluss wichtig. Dieser generiert sich zu einem großen Anteil
aus dem Grundwasserzustrom. Sind die Speicherinhalte bereits im Frühjahr niedrig, hat das
Gebiet in einem trockenen Sommer wenig Potential, den Durchfluss mit Basisabfluss zu
stützen und sehr geringe Durchflüsse mit entsprechenden Niedrigwasserständen sind
möglich.
Speicherinhalt Bodenwasser (Abbildung 33): Eine erhöhte Entnahme von Wasser aus
Oberflächengewässer und dem Grundwasser zu Bewässerungszwecken ist bei einer
niedrigen Speicherfüllung des Bodens wahrscheinlich. Ein erhöhter Bewässerungsbedarf
lässt sich mit der Entwicklung des Bodenwasserspeicherinhalts abschätzen.
Speicherinhalt Oberflächenwasser (Abbildung 34): Der Speicherinhalt des
Oberflächenwassers ist ein integrierender Indikator über den Zustand aller Fließ- und
Standgewässer im Gebiet.
Ausblick: In einer nächsten Projektphase wäre eine feinere räumliche Auflösung der
Speicherinhalte, z.B. auf Ebene der Flusseinzugsgebiete möglich. Dies für eine
Entscheidungsfindung auf regionaler Ebene wichtig.

S e i t e 45 | 72
Abbildung 23: Zeitreihe des Grundwasserspeicherinhalts (schwarz) mit Ensemble der möglichen
zukünftigen Entwicklung (grün) und Jahresgang der Perzentil-Bereiche der historischen
Speicherstände.
DÜRREINDIKATOR BODENFEUCHTE
Eine beispielhafte Darstellung zeigt Abbildung 24.
Tabelle 5: Klasseneinteilung Dürreindikator Bodenfeuchte
Klasse
Einteilung Bodenfeuchte (%)
Außergewöhnlich
< 7,5
Extrem
7,5 – 15
Schwer
15 – 25
Moderat
25 – 35
Ungewöhnlich
35 – 50
Keine Dürre
>50

S e i t e 46 | 72
Grundlagen: Der Dürreindikator Bodenfeuchte orientiert sich am Angebot des UFZ
9
, wobei ein
direkter Vergleich der Auswertungen zwischen NieTro und UFZ nicht möglich ist.
Die Datengrundlage ist die simulierte Bodenfeuchte des jeweils aktuellen Tages. Eine
Einteilung des Bodenwasserinhalts in Klassen geschieht anhand der Schwellenwerte nach
Tabelle 5.
Datengrundlage: Zeitreihen der Speicherinhalte, berechnet durch ArcEGMO.
Interpretation der Merkmale: Die Karte zeigt Teileinzugsgebiete, die besonders stark von
Trockenheit betroffen sind.
Ausblick: Mit einer Modellumstellung auf PSCN in einem möglichen Nachfolgeprojekt ist eine
deutlich detailliertere Betrachtung möglich, da mehrere Bodenschichten unterschieden
werden können. Zusätzlich wird eine Umstellung auf die nutzbare Feldkapazität erfolgen.
Dürreindikatoren zu Niederschlag, und relativer klimatischer Wasserbilanz sind konzipiert
und in einer möglichen nächsten Modellphase umsetzbar, ebenso wie Karten der aktuellen
Temperatur oder des 14-Tage-Niederschlags auf Ebene von Teileinzugsgebieten.
Abbildung 24: Dürreindikator für Brandenburg und Berlin am 18.05.2021
9
https://www.ufz.de/index.php?de=37937

S e i t e 47 | 72
Fließgewässerbezogene Größen
Fließgewässerbezogene Größen beziehen sich auf Fließgewässerabschnitte im Landesmodell
Brandenburg
KLASSENEINTEILUNG MITTLERER DURCHFLUSS
Eine beispielhafte Darstellung zeigt Abbildung 25.
Grundlagen: Aus der Langzeitsimulation von 1951 bis 2021 lassen sich für alle
Gewässerabschnitte im Landesmodell die mittleren Durchflüsse berechnen. Es folgt dann
eine Einteilung der aktuell simulierten Durchflüsse an den Gewässerabschnitten in Klassen,
die sich an Vielfachen der mittleren Durchflüsse orientieren (MQ-Klassen).
Interpretation der Merkmale: Die Karte zeigt die räumliche Verteilung des aktuellen
Durchflussregimes von Fließgewässern, z.B. von Fließgewässern mit Niedrigwasserführung.
Ausblick: Die Klasseneinteilung kann sich auch nach nutzerdefinierten Schwellenwerten richten.
Abbildung 25: Klassifikation der aktuellen Durchflüsse an den Fließgewässerabschnitten im
Landesmodell mittels MQ-Klassen.
Konzept des DSS NieTro als Webanwendung
Der folgende Abschnitt beschreibt die Konzeption des DSS NieTro als Web-Anwendung. Dabei
wird zunächst eine konzeptionelle Architektur mit funktionalen Komponenten und beteiligten

S e i t e 48 | 72
Akteuren präsentiert. Anschließend werden Ziele sowie funktionale und nicht-funktionale
Anforderungen benannt, welche an die jeweilige Funktionskomponente gestellt werden.
Das DSS NieTro bietet nach Abbildung 26 vier funktionale Komponenten, die von vier Akteuren
genutzt werden können. Im Backend des DSS finden sich neben dem Modellierungssystem (Calc)
eine Datenbank (DB) sowie Routinen zur Koordination (Core) zwischen dem
Modellierungssystem, der Datenbank und der Nutzeroberfläche (GUI), mit dem die Nutzer
interagieren.
Abbildung 26: Konzeptionelle Architektur mit funktionalen Komponenten und beteiligten
Akteuren einer NieTro DSS Webanwendung
Ausgewiesene funktionale Komponenten innerhalb des DSS NieTro sind im Einzelnen:
• GUI:
Durch geeignete visuelle Aufbereitungen und Auswertungen erhält ein Nutzer einem
Überblick über die aktuelle Situation im Einzugsgebiet sowie über mögliche zukünftige
Entwicklungen. Experten können meteorologische Szenarien und
Bewirtschaftungsszenarien rechnen lassen. Ausgewählte Daten sind downloadbar.
• Core:
Ein Rechtemanagement stellt Nutzergruppen spezifische Funktionen und Auswertungen
bereit. Das Datenmanagement verwaltet die Datenbank. Das Jobmanagement weist
nutzerspezifische Szenarienrechnungen Rechenkapazitäten in den Simulationsmodellen
zu und stößt das Laden und Speichern von Daten an.
• Calc:
Das ArcEGMO SAM führt täglich Rechnungen aus, um den aktuellen Gebietszustand zu
modellieren, sowie Kurzfirstvorhersagen.
• DB:
Die Datenbank speichert die Zeitreihen der hydrologischen und meteorologischen
Größen, daraus abgeleiteter Größen und Einstellungen von Nutzern.

S e i t e 49 | 72
GUI
Das GUI ist das Web-Frontend des DSS NieTro und damit der Teil des DSS, mit dem Nutzer direkt
in Kontakt kommen. Es bietet die Möglichkeit, mittels einer grafischen Oberfläche die
Auswertungen des DSS NieTro auszuwählen und anzusehen, Daten herunterzuladen
(Betrachtungsmodus) und eigenständige Rechnungen für meteorologische Szenarien und
Bewirtschaftungsszenarien durchzuführen (Berechnungsmodus). Mockups für die GUI eines
webbasiertes DSS zeigen Abbildung 35 bis Abbildung 42 (siehe Anhang).
Allgemeine Anforderungen:
Der Zugriff für die Öffentlichkeit und fortgeschrittene Nutzer ist auch für mobile Endgeräte
optimiert, weitergehende Funktionen für Experten benötigen gängige Browser für Desktop und
Laptop.
BETRACHTUNGSMODUS
Akteure:
Einfacher Nutzer, fortgeschrittener Nutzer und Experte
Ziele:
Nutzer sollen auf einfache Art und Weise Auswertungen zu hydrologischen und
meteorologischen Größen vornehmen, um diese dann darstellen zu können.
Anforderungen:
• Eine gewünschte Auswertung zu hydrologischen oder meteorologischen Größen soll
auswählbar sein. Es existieren getrennte Ansichten für punktbezogene und
flächenbezogene Auswertungen (Abschnitt II.4).
o Punktbezogene Auswertungen:
▪ Nutzer wählen den gewünschten Standort (Pegel und meteorologische
Messstation) über eine interaktive Kartenansicht (Abbildung 35) oder
durch Menüs mit Listen aus.
▪ Der Zeitpunkt der Auswertung, auch für die Vergangenheit, lässt sich
über einen Kalender wählen.
▪ Sind für eine Größe mehr als eine Auswertung verfügbar, stellt diese eine
weitere Listenansicht dar.
▪ Ein Klick auf eine Schaltfläche Anzeigen öffnet ein Pop-Up-Fenster mit der
Visualisierung. Hier sind eventuell weitere Möglichkeiten zur
Konfiguration und zum Speichern der Auswertung gegeben.
o Flächenbezogene Auswertungen:

S e i t e 50 | 72
▪ Thematisch getrennte Menüs stellen Listen mit Größen bereit, deren
Auswahl die interaktive Karte aktualisiert.
o Die Abbildungen sind interaktiv und weisen Funktionen zum Zoom, Änderung
des Aussehens von Linien und Markern, sowie Mouse-Over-Informationen zu
Werten auf.
o Der Betrachtungsmodus ist flexibel. Es besteht die Möglichkeit, ausgewählte
Daten von festen Nutzern (z.B. Landesämter) im Betrachtungsmodus für
spezifische Nutzergruppen oder die Öffentlichkeit bereitzustellen (z.B.
Messdaten Grundwasserstand). Die zu visualisierenden Daten liegen in der DB
vor oder werden über Schnittstellen von den jeweiligen Nutzern bezogen.
o Durch das Rechtemanagement vorgegeben stehen einfachen Nutzern wenige
Funktionen und Auswertungen bereit. Fortgeschrittene Nutzer und Experten
haben vollen Zugriff auf die Auswertungen. Experten steht Zugriff auf spezielle
Auswertungen für meteorologische Szenarien und Bewirtschaftungsszenarien
zur Verfügung (Abbildung 42).
• Der Download von Rohdaten (Zeitreihen von Simulationsergebnissen) und
Auswertungen als Abbildungen soll möglich sein.
• Punktebezogene und flächenbezogene Auswertungen beziehen sich auf die täglichen
Läufe des ArcEGMO SAM, bei Experten auch auf meteorologische und
Bewirtschaftungsszenarien des Berechnungsmodus. Bei meteorologischen Szenarien
sind auch Ensemble mit bis zu 4 Läufen möglich. Die Läufe sind gesondert und in einer
Zusammenfassung für eine Darstellung auswertbar.
• Der Betrachtungsmodus kommuniziert über eine API mit dem Core, um Daten
anzunehmen.
• Der Betrachtungsmodus kommuniziert über eine API mit dem Core, um
Simulationsrechnungen zu starten und Ergebnisse anzunehmen.
• Nutzer, die Organisationen zugeordnet sind, teilen sich besondere Aspekte wie
Schwellenwerte oder Definitionen, die in Auswertungen berücksichtigt werden.
BERECHNUNGSMODUS
Akteure:
Experte
Ziele:
• Experten können bis zu vier meteorologischen Szenarien für zukünftig mögliche
Entwicklungen berechnen (Abbildung 37),

S e i t e 51 | 72
• vordefinierte Teileinzugsgebiete auswählen und Bewirtschaftungsszenarien durch
Anpassen von Steuergrößen. oder
• Bewirtschaftungsszenarien auf Basis von meteorologischen Szenarien berechnen.
Anforderungen:
• Die Länge der zu berechnenden meteorologischen Szenarien ist durch den Nutzer
selektierbar (10 bis 90 Tage)
• Zur Berechnung von meteorologischen Szenarien stehen die folgenden Optionen bereit:
o Eine Auswahl von meteorologischen Daten aus historischen Zeiträumen anhand
der Angabe von Jahren „Jahresauswahl“. Die Jahre sind für die einfache Auswahl
von trocken bis feucht vorsortiert.
o Eine „Jahresauswahl“ für die Auswahl von meteorologischen Daten über eine
Vorauswahl von „extrem trocken“ bis „extrem feucht“ in 5 Stufen.
o Option: Eine Auswahl von „extrem trockene“ bis „extrem feuchte“ Zeiträume (5
Stufen) aus Klimaszenarien nach Klimamodell, Emissionsszenario und
Zeitscheibe.
o Zusätzlich soll eine Modifikation der ausgewählten Meteorologie aus a) bis c)
möglich sein, z.B. Niederschlag +/- X %, Temperatur +/- X K
o Deaktivierung aller Entnahmen oder bestimmter Entnahmearten/Nutzungsarten
aus Oberflächen- und Grundwasser zur Impaktanalyse eines generellen
Entnahmeverbots. Reduktion aller oder bestimmter
Entnahmearten/Nutzungsarten um einen nutzerdefinierten Prozentsatz.
• Berechnung von Bewirtschaftungsszenarien
o Auswahl des Bewirtschaftungsgebiets: Das Rechtemanagement gibt dem
Experten Zugriff auf eine Auswahl von Teileinzugsgebieten (Abbildung 38)
o Der Nutzer hat dann die Möglichkeit, ein meteorologisches Szenario zu
konfigurieren, das die Rahmenbedingungen für das Bewirtschaftungsszenario
setzt (Abbildung 39)
i. Optional: Berechnung eines Bewirtschaftungsszenario über einen
historischen Zeitraum
o Die Modifikation der Bewirtschaftung ist von den für das Teileinzugsgebiet
verfügbaren Steuergrößen abhängig. Für jedes Teileinzugsgebiet sind
Steuerdateien zu hinterlegen, die die Steuerungsoptionen im DSS (Abbildung 40)
vorgibt. Eine schematische Darstellung des Steuerungssystems als Hilfe für den
Nutzer ist zu hinterlegen und darzustellen.
i. Optional: Ensemble-Rechnungen, in denen der Nutzer mehrere
Steuerungsoptionen direkt vergleichen kann

S e i t e 52 | 72
o Sind alle Konfigurationen vorgenommen, kann die Simulationsrechnung
durchgeführt werden. Die Ergebnisse der Rechnung sind nicht sofort verfügbar,
da die Vorbereitung der Rechnung und die Simulation selbst bis zu 30Minuten
dauern kann, eventuell steht die Rechnung auch in einer Warteschlange. Der
Nutzer muss benachrichtigt werden, wann die Ergebnisse bereitstehen
Variante 1:
i. Der Rechnung wird eine Jobnummer zugewiesen
ii. Der Nutzer erhält eine E-Mail mit der Jobnummer
iii. Der Nutzer erhält eine E-Mail, wenn Ergebnisse vorliegen
iv. Mit der Jobnummer lassen sich dann die Ergebnisse abrufen
Variante 2:
i. Der Rechnung wird eine Jobnummer zugewiesen
ii. Im Nutzerkonto sind die Jobnummern hinterlegt
iii. Der Nutzer erhält Benachrichtigung über die GUI, wenn Ergebnisse
vorliegen
iv. Der Nutzer kann dann in den Betrachtungsmodus wechseln oder wird
automatisch weitergeleitet
DB
DB ist eine oder mehrere Datenbanken, die die vielfältigen Ergebnisse und
Konfigurationseinstellungen des DSS NieTro speichern
Akteure:
Administrator
Ziele:
Die Datenbank speichert alle Daten, die für eine Funktion des DSS NieTro erforderlich sind.
Anforderungen:
Die meisten Ergebnisse des DSS NieTro sind Zeitreihen:
• Je Standort sind Zeitreihen für alle Größen mit täglichem Zeitschritt abzulegen:
o Hydrologische Standorte: Pegel, Fließgewässerabschnitte, Gewässerstränge,
Teileinzugsgebiete, Flussgebiete und Gesamtgebiet
o Meteorologische Standorte: Messstation, Teileinzugsgebiet, Flussgebiet und
Gesamtgebiet
o Größen: Durchfluss, Bodenfeuchte, Speicherinhalte von Grundwasser,
Oberflächenwasser und Bodenwasser, potentielle und reale Evapotranspiration,
Niederschlag, Temperatur, optional: Schneespeicher, Schmelzwassermengen
• Zeitreihen resultieren aus den folgenden Rechnungsläufen:

S e i t e 53 | 72
o ArcEGMO SAM:
▪ Das ständig arbeitende Modell ermittelt täglich den Gebietszustand. Alle
Ergebnisse aller Läufe sind in einer kontinuierlichen Zeitreihe für die
jeweiligen Standorte zu speichern
▪ Kurzfristvorhersagen: ICON-D2 liefert eine Zeitreihe über zwei Tage
▪ Zukünftig mögliche Entwicklungen: Täglich ein Ensemble mit 5
Zeitreihen (Default) über den Szenarienzeitraum von 60 Tage (Default)
o ArcEGMO: Simulationsläufe eines Experten
▪ Zeitreihen wie unter ArcEGMO-SAM, Punkte 2 und 3
• Sonstige Daten:
o ArcEGMO SAM:
▪ Täglich: anf-Dateien sind ASCII-Zustandsdateien für die Restart-Fähigkeit
des ArcEGMO SAM
o ArcEGMO: Simulationsläufe eines Experten
▪ Nutzername
▪ Jobnummer
▪ Ausführungsdatum
▪ Teileinzugsgebiet Bewirtschaftung
o Von festen Nutzern bereitgestellte, im Vorfeld definierte, Daten
• Auswertungen:
o Für die Pegelstandorte, Gesamtgebiet:
▪ 10 Quantile für je 366 Tage eines Jahres mit Schaltjahr
o Für meteorologische Messstationen:
▪ Mittlere monatliche Summen der Größen über den Vergleichszeitraum
(1981-2010)
• Nutzer:
o Registrierte Nutzer
▪ Level: Fortgeschrittener Nutzer oder Experte
▪ Experte: Zugeordnete Teileinzugsgebiete für die Berechnung von
Bewirtschaftungsszenarien
▪ Nutzerkonto
• Einstellungen
• Liste der Jobnummern
▪ Zugehörigkeit zu Organisationen
• Organisationen
o Zugehörige Nutzer
o Besondere Aspekte wie Schwellenwerte für Warnlevel, Klasseneinteilungen

S e i t e 54 | 72
▪ Optional: besondere Funktionen
Core
Übernimmt die Grundfunktionen des Backend, Rechtemanagement, Jobmanagement und
Datenmanagement.
Akteure:
Administrator
RECHTEMANAGEMENT
Ziel:
▪ Das DSS NieTro bietet durch das Rechtemanagement nicht eingeloggten, einfachen
Nutzern nur eine begrenzte Funktions- und Auswertungsauswahl. Fortgeschrittene
Nutzer haben vollen Zugriff auf Auswertungen. Experten haben vollen Zugriff und Zugriff
auf bestimmte Teileinzugsgebiete zur Szenarienberechnung.
Anforderungen:
▪ Das DSS NieTro bietet eine Möglichkeit zum Einloggen.
▪ Das Rechtemanagement schaltet privilegierten Nutzern die entsprechenden Funktionen
frei
▪ Fortgeschrittene Nutzer und Experten werden Organisationen zugeordnet
JOBMANAGEMENT
Ziele:
▪ Das Jobmanagement regelt die Datenflüsse zwischen dem Frontend GUI, dem
Rechenkern Calc und der Datenbank DB
Anforderungen:
▪ ArcEGMO SAM:
o Starten des täglichen Simulationslauf
o Lesen und schreiben von Daten aus der DB mit dem Datenmanagement
▪ Einfacher Nutzer und fortgeschrittene Nutzer
o Anfragen nach Daten über die API entgegennehmen
o Anfragen über das Datenmanagement nach Daten aus der DB
o Senden der Daten über die API an das GUI mit ggf. Preprocessing der Daten
• Eingehende Anfragen zur Berechnung von nutzerseitig erstellten Szenarien
o Anfrage nach Simulationsrechnung in die Warteschlange stellen, falls gegeben
o Konfigurieren einer ArcEGMO-Berechnungs-Instanz
o Starten der Instanz

S e i t e 55 | 72
o Senden der Daten über die API an das GUI mit ggf. Preprocessing der Daten nach
Ende der Rechnung
• Anfrage nach Download:
o Anfragen über das Datenmanagement nach Daten aus der DB
o Senden der Daten über die API an das GUI mit ggf. Preprocessing der Daten
• Daten fester Nutzer:
o Periodisch oder durch Signale startet das Jobmanagement den Bezug von Daten
zum Speichern in der DB nach ggf. Preprocessing.
DATENMANAGEMENT
Ziel:
Das Datenmanagement empfängt Daten und arbeitet diese für die Ablage in der Datenbank auf
und übergibt diese an das Jobmanagement. Durch das Jobmanagement angeforderte Daten liest
das Datenmanagement.
Anforderungen:
• Abfrage und Schreiberoutinen für die Datenbank
• Anlegen neuer Nutzer und ändern von Rechten durch den Administrator
• Daten für Visualisierung werden durch entsprechende Schnittstellen von festen Nutzern
bezogen und es erfolgt ggf. ein Preprocessing.
Calc
Calc beherbergt das ständig arbeitende Modell von ArcEGMO „ArcEGMO SAM“, sowie mehrere
Instanzen von ArcEGMO-Modellen für die Szenarienberechnung „ArcEGMO Szenario“. Für das
effiziente Hosting mehrerer Instanzen „ArcEGMO Szenario“ werden geeignete Techniken wie
Virtuelle Maschinen oder Container eingesetzt.
Akteure:
Administrator
ARCEGMO SAM
Ziele:
Das ArcEGMO SAM berechnet täglich den aktuellen Gebietszustand, die Kurzfristvorhersage und
führt die automatisierten Berechnungen für zukünftig mögliche Entwicklungen durch.
Anforderungen:
• Lädt die meteorologischen Daten des DWD herunter (Abschnitt II.3.1.1) und schreibt
diese in ArcEGMO-konforme Inputdateien
• Lädt hydrologische Daten herunter (Abschnitt II.3.1.2)

S e i t e 56 | 72
• Führt die Berechnung durch
• Liest die Ergebnisse ein und führt Postprocessing durch
• Nutzt das Datenmanagement, um die Daten in der Datenbank abzulegen
ARCEGMO SZENARIO
Ziele:
Eine Instanz berechnet jeweils ein, von einem Experten angefordertes, Szenario.
Anforderungen:
• Bezug der meteorologischen und hydrologischen Daten über das Datenmanagement
• Starten der Berechnung(en)
• Bereitstellen der Daten über das Datenmanagement
• Signalisierung des Status über das Jobmanagement und das GUI
DSS NieTro-Demonstrator als Erweiterung für QGIS
Um den Projektpartnern einen einfachen Zugriff auf die täglich generierten Abbildungen zu
gewährend, wurde ein Demonstrator für QGIS mit minimalen Funktionsumfang entwickelt. Mit
diesem können die gewünschten meteorologischen Messstationen oder Pegel aus der
Kartenansicht in QGIS ausgewählt werden. Mit einer Auswahl des Tages und der gewünschten
Größe lädt das Plugin die Abbildung aus einem Cloud-Speicher und stellt dieses dar, siehe
Abbildung 27. Das Plugin wurde zusammen mit einer umfassenden Dokumentation an
interessierte Projektpartner verteilt.
Der Demonstrator wurde von Projektpartnern gut angenommen, umfasst jedoch nur einen
Bruchteil des geplanten DSS NieTro und es Bedarf zur Weiterentwicklung in einem möglichen
Folgeprojekt einen professionellen Softwareentwickler.

S e i t e 57 | 72
Abbildung 27: QGIS-Plugin Demonstrator für die Praxispartner zu den Darstellungen der
Auswertungen.
Eine Konzeption für ein vollständiges DSS als Erweiterung für QGIS ist in weiten mit dem DSS
NieTro als Webanwendung (Abschnitt II.4.4) vergleichbar. Die prinzipielle Umsetzung des GUI
unterscheidet sich jedoch, da hier keine für die Webentwicklung typische Programmsprachen
(z.B. JavaScript) und entsprechende Webframework (z.B. Vue.js, Leaflet) genutzt werden. Die
Programmiersprache für QGIS-Plug-Ins ist Python, das Toolkit für die Oberflächen QT. Für alle
Funktionalitäten, die eine Kartenansicht benötigen, können die Funktionen von QGIS direkt
verwendet werden.
II.5. Validierung des Konzepts mit den Praxispartnern
Wesentliches Ziel dieses Projekts war die Überprüfung der Machbarkeit und die Analyse des
Bedarfs für ein DSS Niedrigwasser und Trockenheit. Hierfür wurde im „AP3: Validierung des
Konzepts mit den Praxispartnern“ das entwickelte Konzept und der Bedarf für eine solches DSS
in Zusammenarbeit mit potenziellen Endnutzern evaluiert.
Am 28.04.2021 wurde eine Videokonferenz mit Präsentationen und Diskussionsrunden und 15
Teilnehmern durchgeführt. An einer angegliederten webbasierten Umfrage zu NieTro nahmen
insgesamt 10 Teilnehmer teil.

S e i t e 58 | 72
Interesse an unterschiedlichen Grundfunktionalitäten von NieTro wurde in der Umfrage mit
einem gewichteten Mittel gemessen, wobei 5 ein sehr hohes und 1 ein sehr niedriges Interesse
bedeutet. Das geringste Interesse besteht an der Kurzfristvorhersage mit ICON-D2 mit 2.1, an
den Auswertungen zum aktuellen Zustand mit 4 am meisten. Über alle Grundfunktionen
gemittelt liegt das Interesse an Grundfunktionalitäten bei 3,33 von 5, siehe Abbildung 28.
Abbildung 28: Interesse an Grundfunktionalitäten eines DSS NieTro, von sehr niedrig (1Punkte)
nach sehr hoch (5 Punkte).
Einen Mehrwert attestierten 90% der Teilnehmer der Abschätzung der mittelfristig möglichen
Entwicklung, 10% allerdings nur begrenzt.
Eine zukünftig für ihre Ansprüche ausreichend hohe Güte der Modellergebnisse nach einer
Modellumstellung auf ArcEGMO-PSCN und einer weiteren Qualifizierung des Landesmodells
halten 80% der Teilnehmer für wahrscheinlich, 20% der Teilnehmer zweifeln dies an. Ein
Teilnehmer nennt als Grund hierfür den geringen Fokus auf die Modellierung innerhalb des
Stadtgebiets Berlins. Eine Ertüchtigung des Landesmodells mit Fokus auf Berlin ist jedoch
bereits in Planung.
Das Gesamtkonzept fanden 100% der Teilnehmer für stimmig, eine Einordnung von nicht
stimmig (1 Punkt) zu stimmig (10 Punkte) erreichte ein gewichtetes Mittel von 7,6.
Hinsichtlich der Aussagekräftigkeit und der generellen Umsetzung der entwickelten
Auswertungen fanden mit einem gewichteten Mittel von 7,6 (von 10) eine hohe Zustimmung.
Die Nutzerfreundlichkeit des vorgestellten Webinterfaces des DSS hielten die Teilnehmer mit
einem gewichteten Mittel von 7,33 (von 10) für nutzerfreundlich und 7,28 für intuitiv.

S e i t e 59 | 72
Alle 10 Teilnehmer zeigten Interesse an einer Produktumsetzung eines DSS NieTro, wovon sich
8 als potentielle Anwender sehen, wovon wiederum 2 Teilnehmer Angaben eine mögliche
Finanzierung für die eigene Anwendung eines DSS NieTro sehen.
Einzeln geführte Gespräche mit den assoziierten Partnern zeigten ein sehr positives Feedback zu
dem Konzept des DSS NieTro, als auch einen sehr großen Bedarf an einem
Entscheidungshilfesystem für Niedrigwasser und Trockenheit, sowohl bei den bisherigen
(assoziierten) Projektpartnern als auch bei einer Reihe weiterer Unternehmen und Behörden.
II.6. Wichtigste Positionen des zahlenmäßigen
Nachweises
Die gesamten Projektkosten beliefen sich auf 191.806,53 €. Die Selbstkosten des BAH Berlin
betrugen 115.083 €, wovon der Betrag fast vollständig für die Deckung von Personalkosten
verwendet wurde. Insgesamt entstand ein Mehraufwand von 52.544,36 €, der vom BAH Berlin
getragen wurde. Der Bundesanteil lag bei einer Förderung von 60 % bei 93.809,33 €.
Auf Grund der Sars-Cov-2-Pandemie wurde das Projekt kostenneutral um drei Monate
verlängert.
II.7. Notwendigkeit und Angemessenheit der geleisteten
Arbeit
Die durchgeführten Arbeiten sind in Hinblick auf die erzielten Ergebnisse als angemessen zu
bewerten und wären nur aus Mitteln der zur Verfügung stehenden Grundfinanzierung nicht zu
leisten gewesen.
II.8. Voraussichtlicher Nutzen, Verwertbarkeit des
Ergebnisses
Aufgrund des positiven Feedbacks zum DSS NieTro und der großen Nachfrage nach einem
solchen System (sowohl die bisherigen Partner als auch eine Reihe neuer Interessenten) werden
die Erfolgschancen für ein in einem Nachfolgeprojekt zu entwickelndem System als sehr hoch
eingeschätzt.
Im Rahmen dieses Projekts ist als Ergebnis ein Konzept für eine Umsetzung eines
Entscheidungshilfesystems für Niedrigwasser und Trockenheit für ein mögliches Folgeprojekt
„NieTro_2.0“ entstanden.
Das Ziel von NieTro_2.0 soll es sein, die erarbeiteten Konzepte zu verfeinern, sowie über einen
längeren Zeitraum zu erproben. Insbesondere muss das DSS von der IT-Seite weiter ausgebaut
und „professionalisiert“ werden. Hierzu gehören u.a. eine leistungsfähige Software-Architektur

S e i t e 60 | 72
und eine hohe Nutzerfreundlichkeit. Zudem wurde in den Gesprächen deutlich, dass neben
einem (Web-) Frontend für die Arbeit im Büro am Desktop-Rechner auch mobile Zugänge für die
Arbeit vor-Ort erforderlich sind. Über mobile Zugänge mittels mobiler Anwendungen sollten
aber nicht nur Fachexperten von der Lösung profitieren können, sondern auch weitere Akteure
und Nutzergruppen angebunden werden (z.B. Landwirte, Bürger, etc.). Hier könnte eine mobile
Anwendung die Sensibilisierung und Bewusstseinsbildung für Extremereignisse und Anpassung
an den Klimawandel erweitern, sowie eine hohe Breitenwirksamkeit und Bürgerbeteiligung zu
erzielen. Dies kann dann dazu beitragen, dass Entscheidungen der Verwaltungen (z.B. Verbot
von Wasserentnahme zum Wässern von privaten Gärten oder landwirtschaftlichen Flächen) von
der Wirtschaft und Zivilgesellschaft besser nachzuvollziehen werden und damit eine höhere
Akzeptanz erfahren.
Ein Projektantrag für das Folgeprojekt NieTro_2.0 wurde bereits während der Laufzeit von
NieTro eingereicht.
Die hierfür eingegangenen Letter of Intent (LOI) zeigen das große Interesse, Bedarf und
Nachfrage von Kommunen, Bundesländer, Behörden und Unternehmen an einem
Entscheidungshilfesystem für Niedrigwasser und Trockenheit.
Mit LOIs bekunden die folgenden Unternehmen und Behörden, die bereits hier als assoziierte
Projektpartner involviert waren, Interesse an einem Folgeprojekt NieTro_2.0:
• Berliner Wasserbetriebe
• Landkreis Dahme-Spreewald, Umweltamt, untere Wasserbehörde
• Wasser- und Bodenverband „Welse“
• Wasserstraßen- und Schifffahrtsverwaltung des Bundes, Wasserstraßen- und
Schifffahrtsamt Eberswalde
• Ministerium für Landwirtschaft, Umwelt und Klimaschutz des Landes Brandenburg
Zusätzlich bekunden weitere Unternehmen und Behörden durch LOIs Interesse an einem
Folgeprojekt:
• Senatsverwaltung für Umwelt, Verkehr und Klimaschutz, Berlin
• Ministerium für Landwirtschaft und Umwelt Mecklenburg-Vorpommern
• Lausitzer und Mitteldeutsche Bergbau- und Verwaltungsgesellschaft mbH
• Energie und Wasser Potsdam GmbH
Als weitere Anwendungsfälle für ein DSS NieTro und die kontinuierlich ermittelten Daten zum
aktuellen Zustand im Gebiet und den mittelfristig möglichen Entwicklungen haben sich ergeben:
Die Bewirtschaftung von Tagebaurestseen in ehemaligen Braunkohlefördergebieten benötigt
großräumige Wasserhaushaltsberechnungen für die großräumigen Einzugsgebiete.
Szenarienrechnungen hinsichtlich Bewirtschaftungsalternativen zu Ausleitung aus
Fließgewässern zur Flutung von Tagebau-Restseen zum Bilanzausgleich sind für Planungs- und
Entscheidungsprozeese notwendig. Des konzipierte DSS NieTro bietet in beiden Fällen die

S e i t e 61 | 72
erforderlichen Funktionen. In einem weiteren möglichen Anwendungsfall kann NieTro als
Dienst täglich aktuelle und zukünftig mögliche Grundwasserneubildungsraten für
Wasserversorger bereitstellen, die diese als Eingangsdaten für ihre ständig arbeitenden
Grundwassermodelle benötigen.
Eine direkte Übertragbarkeit des Gesamtkonzepts auf andere Regionen ist dann möglich, wenn
ein Wasserhaushaltsmodell vorhanden ist, das als ständig arbeitendes Modell betrieben werden
kann und Modellausgaben für die entsprechenden meteorologischen und hydrologischen
Variablen erzeugt. Das Wasserhaushaltmodell ArcEGMO steht z.B. flächendeckend für Sachsen
und Sachsen-Anhalt bereit, so dass auch hier NieTro ausrollbar wäre. Eine Adaption für weitere
Wasserhaushaltsmodelle ist möglich. Bereits existierende Webauftritte für den Niedrigwasser
und Trockenheit, wie das NID für Bayern [Bayerisches Landesamt für Umwelt, 2018] ließen sich
durch NieTro um die Szenarienberechnung und die Ausweisung von weiteren hydrologischen
und meteorologischen Variablen erweitern.
II.9. Bekannt gewordener Fortschritt auf dem Gebiet des
Vorhabens bei anderen Stellen
Der Dürreatlas des Bundesamts für Kartographie und Geodäsie fasst Daten rund um
Dürrezustände mit Hilfe interaktiver Funktionen unterschiedlicher Institutionen zusammen. Es
ist für behördliche Nutzer nach einer Registrierung nutzbar. Das NSS NieTro setzt sich vom
Dürreatlas durch die höhere räumliche Auflösung, einer Integration von nutzerspezifischen
Daten, der Möglichkeit eigenständige Szenarien durch den Nutzer rechnen zu lassen und der
Abschätzung von mittelfristigen Entwicklungen (~60 Tage) ab.
II.10. Veröffentlichungen und Fachvorträge des
Projektkonsortiums
Es wurden bisher keine Fachvorträge durchgeführt und keine wissenschaftlichen
Veröffentlichungen herausgebracht. Über den Internetauftritt www.nietro.info kann sich die
Öffentlichkeit über das Projekt informieren.

S e i t e 62 | 72
Referenzen
Bayerisches Landesamt für Umwelt, (2018):
https://www.lfu.bayern.de/wasser/klima_wandel/auswirkungen/niedrigwasserabfluesse/index.htm
[aufgerufen am 07.05.2019]
Bayerisches Landesamt für Umwelt (2019): Niedrigwasser-Informationsdienst Bayern,
https://www.nid.bayern.de/wir [aufgerufen am 07.05.2019]
Hennegriff, W.; Ihringer, J. und Kolokotronis, V. (2008): Prognose von Auswirkungen des Klimawandels
auf die Niedrigwasserverhältnisse in Baden-Württemberg, Korrespondenz Wasserwirtschaft · 2008
(1) · Nr. 6
Giupponi, C; und Sgobbi, A.; (2013): Decision Support Systems for Water Resources Management in
Developing Countries: Learning from Experiences in Africa, Water, 5, 798-818; doi:
10.3390/w5020798, Jao, C. (Ed.), ISBN: 978-953-307-326-2
Gupta, H. V.; Kling, H., Yilmaz, K. K.; & Martinez, G. F., (2009). Decomposition of the mean squared error
and NSE performance criteria: Implications for improving hydrological modelling. Journal of
hydrology, 377(1-2), 80-91. doi:10.1016/j.jhydrol.2009.08.003. ISSN 0022-1694
Knoben, W. J. M.; Freer, J. E.; Woods, R. A., (2019): Technical note: Inherent benchmark or not? Comparing
Nash–Sutcliffe and Kling–Gupta efficiency scores, Hydrol. Earth Syst. Sci., 23, doi: 10.5194/hess-23-
4323-2019
Igel, C., Hansen, N.; Roth, S. (2007): Covariance matrix adaptation for multi-objective optimization.
Massachusetts Institute of Technology. Evol Comput 15(1):1–28
Müller, R. (2014) Eine neue Strategie zur multikriteriellen simulationsbasierten
Bewirtschaftungsoptimierung von Mehrzweck-Talsperrenverbundsystemen. PhD thesis, Technische
Universität Dresden, Fakultät Umweltwissenschaften.
Müller, R.; Gurova, A.; Roehm, P.; Winkler, P.; Schwarze, R.; Dröge, W.; Schütze, N. (2016). The
“Wasserhaushaltsportal Sachsen” – A web portal for research and visualisation of pre-computed
results and interactive calculation of the water balance Das Wasserhaushaltsportal Sachsen – Ein
Webportal zur Recherche und Visualisierung vorab berechneter Ergebnisse und zur interaktiven
Berechnung des Wasserhaushalts. Hydrologie und Wasserbewirtschaftung. HYWA 2016. 78-87.
10.5675/HyWa_2016,1_5.
Naumann, S.; Kurzer, H.-J. (2010): Etablierung eines Entscheidungshilfesystems zur Erstellung von
Managementplänen auf Einzugsgebietsebene, Schriftenreihe des LfULG, Heft 7/2010
Pfützner, B.; Klöcking, B.; Becker, A. (2007): ArcEGMO GIS-gestützte hydrologische Modellierung.
(Hrsg.) BAH – Büro für Angewandte Hydrologie, Berlin und Potsdam
Pohl, Matthias 12.10.2018, Rundfunk Berlin-Brandenburg,
https://www.rbb24.de/panorama/beitrag/2018/10/spree-niedrigwasser-schifffahrt-trockenheit-
trinkwasser.html
Serrat-Capdevila, A.; Valdes, J. B.; H. V. Gupta (2011): Decision Support Systems in Water Resources
Planning and Management: Stakeholder Participation and the Sustainable Path to Science-Based
Decision Making; in: Efficient Decision Support Systems - Practice and Challenges From Current to
Future, DOI: 10.5772/16897, Jao, C. (Ed.), ISBN: 978-953-307-326-2

S e i t e 63 | 72
Sieker, H.; Bandermann, S.; Schröter, K.; Ostrowski, M.; Leichtfuss, A.; Schmidt, W.; Thiel, E.; Peters, C.;
Mühleck, R. (2006): Development of a decision support system for integrated water resources
management in intensively used small watersheds, Water Practice & Technology Vol 1 No 1 © IWA
Publishing 2006 doi: 10.2166/WPT.2006004

S e i t e 64 | 72
III. Anhang
Abbildung 29: Ausschnitt zum Fragebogen zur Auftaktveranstaltung mit Angaben eines
Teilnehmers

S e i t e 65 | 72
Abbildung 30: Räumliche Verteilung der meteorologischen Eingangsdaten REGNIE und
Stationsmessdaten im Landesmodell.

S e i t e 66 | 72
Abbildung 31: Pegel im Landesmodell mit den Kling-Gupta-Effizienzen (KGE) aus simulierten und
beobachteten Durchflüssen zwischen Mai und August.
Abbildung 32: Pegel im Landesmodell mit den prozentualen Bias (PBias) aus simulierten und
beobachteten Durchflüssen zwischen Mai und August.

S e i t e 67 | 72
Abbildung 33: Zeitreihe des Bodenwasserspeicherinhalts (schwarz) mit Ensemble der zukünftig
möglichen Entwicklung (grün) und Jahresgang der Perzentil-Bereiche der historischen
Speicherstände.
Abbildung 34: Zeitreihe des Oberflächenwasserspeicherinhalts (schwarz) mit Ensemble der
zukünftig möglichen Entwicklung (grün) und Jahresgang der Perzentil-Bereiche der historischen
Speicherstände.

S e i t e 68 | 72
Abbildung 35: Seite zur Ansicht punktbezogener Größen und Indikatoren.
Abbildung 36: Seite zur Ansicht flächenbezogener und gewässerbezogener Größen und
Indikatoren.

S e i t e 69 | 72
Abbildung 37: Seite zur Einstellung der meteorologischen Grundlagen zur Berechnung von
Szenarien für das Gesamtgebiet Brandenburg. Der Informationsbereich.
Abbildung 38: Reiter „Auswahl Bewirtschaftungsgebiet“ als Startseite zur Berechnung von
Bewirtschaftungsszenarien. In der Kartenansicht ist ein Bewirtschaftungsgebiet ausgewählt.

S e i t e 70 | 72
Abbildung 39: Reiter „Szenario Meteorologie“ mit der Auswahl der meteorologischen Grundlagen.
Abbildung 40: Reiter „Szenario Bewirtschaftung“ mit einer Übersicht zu steuerbaren
wasserwirtschaftlichen Einrichtungen im Bewirtschaftungsgebiet und zugehörigen
Einstellungsmöglichkeiten.

S e i t e 71 | 72
Abbildung 41: Reiter „Berechnung durchführen“ zum Starten der Modellrechnung unter Optionen.
Die Jobnummer ist für den Zugriff auf die Ergebnisse nach der Berechnung.
Abbildung 42: Der Reiter „Ergebnisse“ ermöglicht die Auswahl von wasserwirtschaftlichen
Einrichtungen zur Darstellung von individualisierten Auswertungen über die Kartenansicht und
Auswahl im Menü.