UMGANG MIT HYDROLOGISCHEN BELASTUNGSGRÖßEN IN ZEITEN DES KLIMAWANDELS - HOCHWASSER UND STARKREGEN HKC WERKSTATTBERICHT 2021 in Zusammenarbeit mit

Das Impressum Das HochwasserKompetenzCentrum e.V. Das HochwasserKompetenzCentrum (HKC) ist ein gemeinnütziger Ver- ein, der Starkregen- und Hochwasserbetroffene, Politik, Wissenschaft und die unterschiedlichsten Hochwasserschutzakteure zu einem einzigartigen Netzwerk zusammenführt. Durch den entstehenden Dialog fördert die Ar- beit des HKC die Starkregen- und Hochwasservorsorge und die Sensibili- sierung. Wissenschaft und Praxis werden im HKC im Sinne eines ganzheitlichen Hochwasser- und Starkregenrisikomanagements zusammengeführt und damit die nachhaltige Entwicklung, Bereitstellung und Vermittlung von Fachkompetenzen gefördert. Schwerpunkt ist der Aufbau und Ausbau von Informationsnetzwerken, so- wie die Vorbereitung, Entwicklung und Durchführung von Projekten, For- schungsvorhaben und Studien zum nachhaltigen, wirtschaftlichen und vor allem praxisgerechten Umgang mit dem Thema Starkregen und Hochwas- ser. Die Ergebnisse sollen allen interessierten Kreisen zugänglich gemacht werden, so dass eine optimale Informations- und Kommunikationsplattform für alle am Starkregen- und Hochwasserrisikomanagement beteiligten und interessierten Personen und Institutionen entsteht. Herausgeber HochwasserKompetenzCentrum e. V. Ostmerheimerstr. 555 50117 Köln, Deutschland +49 221 22126160 info@hkc-online.de www.hkc-online.de Gestaltung und Layout Lukas Kienzler, HKC Bilder Die Urheberrechte der Abbildungen und Fotos liegen bei den Autorinnen und Autoren und/oder deren Institutionen. Seitenfüllende Fotos sind im Bilder- verzeichnis aufgeführt. 1. Auflage Juli 2021 ©HKC HochwasserKompetenzCentrum e. V., Köln 2021 ISBN 978-3-9823473-0-1

Dipl.-Geogr. Dirk Barion DWA Dr. rer. nat. Thomas Einfalt hydro & meteo Dipl.-Hydr. Georg Johann Emschergenossenschaft/ Lippeverband Dipl.-Geogr. Bruno Meyer Bezirksregierung Düsseldorf Dr.-Ing. Klaus Piroth CDM Smith Dipl.-Ing. Marc Scheibel Wupperverband Die Projektgruppe Dr.-Ing. Oliver Buchholz Hydrotec (Sprecher) Dr. rer. nat Svenja Fischer Ruhr-Universität Bochum Dr.-Ing. Dominik Leutnant Emschergenossenschaft/ Lippeverband Prof. Dr.-Ing. Christoph Mudersbach Hochschule Bochum Dipl.-Ing. Uwe Ross Fischer Teamplan Prof. Dr. rer. nat. habil. Andreas Schumann Ruhr-Universität Bochum

Liebe Leserin und lieber Leser, Als sich die Projektgruppe im Frühjahr 2020 zum ersten Mal traf, war nicht absehbar, welche hohe aktuelle Bedeutung ihre Arbeit im Juli 2021 finden würde. Die Starkregen- und Hochwasserkatas- trophe, vor allem in Rheinland-Pfalz und Nord- rhein-Westfalen, die durch die große Zahl der To- desopfer, aber auch durch die extremen Schäden das Hochwasserproblem in den Blickpunkt der Öf- fentlichkeit rückte, belegt die Herausforderung im Umgang mit derartigen Extremereignissen. Sol- che Extreme nehmen mit der Erhitzung der Erdat- mosphäre zu – an Anzahl und Intensität. Daher ist ein funktionierendes, den neuen Gegebenheiten angepasstes Starkregen- und Hochwasserrisiko- management notwendiger denn je. Die Herausforderungen, hierzu Grundlagen zu ermitteln sind zahlreich und vielschichtig. Wir möchten hier Schlaglichter setzen und einzel- ne Lösungsmöglichkeiten zur Diskussion stellen. Insbesondere werden die Fragen aufgegriffen: Wie kommen wir zu verlässlichen hydrologischen Bemessungsgrößen in Zeiten des Klimawandels und wie stellen wir diese verständlich bereit, um mit adäquaten Maßnahmen die Resilienz unserer Gesellschaft gegenüber Überflutungen zu ver- bessern? Dieser Werkstattbericht ist ausdrücklich weder Merkblatt noch Arbeitshilfe - die hier diskutierten Methoden könnten aber die Basis für solche Do- kumente sein. Wir danken der DWA1 für die Ko- operation als wichtigem Partner beim Zustande- kommen dieses Werkstattberichts. Die folgenden Beiträge entstanden im intensiven Austausch innerhalb der Projektgruppe. Wir wollen mit den folgenden Kapiteln schon heute die Arbeit von Planern und Genehmigungsbehörden erleichtern, da sie zu einer verbesserten Planungssicherheit führen. Grundlage dafür ist eine möglichst adäquate Ein- schätzung der zunehmenden Extremereignisse, insbesondere die Definition der hydrologischen Kenngrößen, also die stimmige Einordnung der Wiederkehrwahrscheinlichkeit der Extremereig- nisse, die die Starkregen- und Hochwassergefahr unserer Zeit prägen. Zahlreiche Messzeitreihen zeigen mindestens innerhalb der letzten 20 Jahre ein regional vermehrtes Aufkommen von Extrem- ereignissen. Die bisherige Einordnung der Wie- derkehrwahrscheinlichkeit dieser Ereignisse steht 1 Deutsche Vereinigung für Wasserwirtschaft, Abwas- ser und Abfall e.V.

Änderungen in Zeitreihen können sich auf Mittel, Me- dian, Varianz, Autokorrelation oder fast jede andere statistische Kenngröße auswirken. Die Ermittlung ist oft schwierig. So bewirken Trends und Sprünge glei- chermaßen Veränderungen der Mittelwerte. delt sich dabei um eine Bruchpunktanalyse, d.h. die Brüche werden gesucht, indem man Teilreihen mit möglichst großen Unterschieden identifiziert. An einem Bruchpunkt tritt dann eine sprunghafte Verän- derung auf. HKC Werkstattbericht 2021 11 Grundlage der Untersuchung auf Bruchpunkte soll- te stets eine explorative Datenanalyse (EDA) sein, um auf diesem Wege die etwaige Inhomogenität der Daten wie Ausreißer, Fehlwerte, Veränderungen der Mess- und Auswertemethodik zu erkennen und dann zeitliche (z.B. Trends, Sprünge, Saisonalität) sowie regionale Muster zu identifizieren. Durch den regio- nalen Vergleich anhand der Ergebnisse mehrerer Zeitreihen benachbarter Pegel kann man prüfen, ob regionale Muster existieren. Die explorative Daten- analyse stellt die Voraussetzung für die Interpretation und Präsentation der Ergebnisse einer statistischen Analyse, z.B. für die Prüfung der Residuen oder Trends, dar und für die Berechnung der Signifikanz im Rahmen der Teststatistik. Zu den gängigen Dar- stellungsformen, die für hydrologische Datenreihen nützlich sind, gehören Histogramme und Normalver- teilungs-Plots, Zeitreihendarstellungen, Autokorrela- tionsdarstellungen, Streuungsdiagramme und Glät- tungskurven. Um im nächsten Schritt Trends und sprunghafte Ver- änderungen in Zeitreihen zu detektieren, sind folgen- de Schritte erforderlich: 1. Entscheiden, welche Art von Serie bzw. Variable in Abhängigkeit von der Aufgabenstellung unter- sucht werden soll (z.B. Test der Monatsmittel, jährliche Maxima, saisonbereinigte Daten, etc.). 2. Entscheiden, welche Arten von Änderungen un- tersucht werden sollen (allmähliche Veränderun- gen oder Bruchpunkte). 3. Prüfung der Grundannahmen für die anzuwen- denden Tests (z.B. Normalverteiltheit der Daten) 4. Festlegen des Signifikanzniveaus (üblicherweise 0,05). 5. Auswahl des statistischen Tests (mehr als ein Test ist gute Praxis!) 6. Untersuchung und Interpretation der Ergebnisse. Die Instationarität einer Zeitreihe kann mit unter- schiedlichen Ansätzen untersucht werden: • Zerlegung der Zeitreihe in Segmente Die Zeitreihe wird in i Segmente der Länge n zerlegt, wobei jedes Segment als in sich stationär angenom- men wird. Für die i Segmente werden charakteris- tische statistische Werte bestimmt und miteinander verglichen. Überschreiten die Abweichungen der sta- tistischen Werte bestimmte Schwellenwerte, die von der Wahl des Signifikanzniveaus abhängen, so wird die Zeitreihe als instationär angenommen. Es han- • Analyse der gesamten Zeitreihe ohne Zerlegung in Segmente Zur Analyse der Zeitreihe wird die zeitliche Verände- rung über den gesamten betrachteten Zeitraum ohne Zerlegung in Segmente analysiert. Hierzu erfolgt eine Trendanalyse. • Ermittlung von Zeitabschnitten mit Trends in Zeit- reihen mit Hilfe eines gleitenden Fensters („Mo- ving window“) Beginnend beim Startpunkt der Zeitreihe werden Teil- zeitreihen mit einer Länge von x Jahren (z.B. 30, 40, 50 Jahre) betrachtet, wobei das Zeitfenster schritt- weise über den Gesamtzeitraum verschoben wird. Die Berechnung der Trends und der Signifikanzwerte weist dann oftmals Teilzeitreihen mit positiven und andere mit negativen Trends auf. 2 Detektion sprunghafter Änderungen Die Prüfung auf sprunghafte Veränderungen in einer Zeitreihe kann durch den Vergleich der zu betrach- tenden Merkmale für die Teilreihen erfolgen. Saiso- nalität sollte dabei in den zu analysierenden Zeitrei- hen nicht auftreten und kann zuvor entfernt werden. Liegen signifikante Instationaritäten oder Abhängig- keiten in den Datensätzen vor, so müssen diese zu- nächst deterministisch auf Plausibilität überprüft und anschließend je nach Anforderungen der Methodik entweder vor der Durchführung der Analyse um die- se Einflüsse bereinigt werden oder aber durch spe- zielle Verfahren in die Analysen integriert werden. Es sind verschiede Tests für unterschiedliche Bruch- punkt- und Trendszenarien verfügbar: Untersuchung eines Bruchs im Mittelwert/Lage- parameter 1. Pettitt-Test Rang-basierter Test der Veränderung einer Reihe. Der Test ist robust gegenüber Veränderungen in der Form der Verteilungsfunktion. 2. Wilcoxon-Mann-Whitney Test auch als Mann- Whitney Test oder Rangsummentest (U-Test) be- zeichnet Diese rangbasierten Tests spüren Abweichungen des Mittelwerts durch Vergleich zweier unabhängiger Stichproben auf. Der Test erfolgt mit Hilfe von Rang-

R 1 − m (N 1) + 2 m(N m)(N 1) − + z = 12 welche approximativ standardnormalverteilt ist. Die Hypothese gleicher Mittelwerte der beiden Teil- reihen wird abgelehnt, falls z > z −α 1 /2 mit z1-α⁄2 als (1-α/2)- Quantil der Standardnormalver- teilung und α als Signifikanzniveau (meist α=0,05, d.h. z1-α⁄2=1,96). Trendtest nach Mann-Kendall Die Nullhypothese H0 lautet: P(Xj>Xi)=0,5, wobei j>i H1: P(Xj>Xi)≠0,5 (zweiseitiger Test). Bei diesem Testverfahren ergibt sich die Prüfgröße aus der Summe der Vorzeichen aller Werte x1,…,xn , die nach folgender Beziehung ermittelt werden S = wobei − n 1 n ∑ ∑ = = + i 1 j i 1 ( sign x j − x i ) sign(x j − x ) i = + 1 falls x j  0 falls x  − 1 falls x  j j − − − x > 0 i x = 0 i x < 0 i Ein hoher positiver Wert von S weist auf einen fallen- den Trend, ein hoher negativer Wert auf einen stei- genden Trend hin. Diese Größe S ist für n > 10 eine normalverteilte Zufallsvariable mit dem Mittelwert S = 0 und der Varianz 2 σ = S 1 18  n n 1  ) ( − ⋅ ( ⋅ 2 n 5 ⋅ + )   Hieraus ergibt sich die Test- größe nach Mann-Kendall zu: Z = − S 1 σ S falls S 0 > Z 0 falls S 0 = = Z = + S 1 σ S falls S 0 < HKC Werkstattbericht 2021 13 Diese Testgröße ist standardnormalverteilt und kann über die Normalverteilung auf Signifikanz überprüft werden. Bei Verwendung des gebräuchlichen Wertes α=0,05 ergibt sich ein kritischer Wert von z=1,96. Treten in einer Zeitreihe sogenannte Bindungen oder verbundene Ränge auf, d.h. identische Werte mit Ranggleichheit, die demzufolge in einer Gruppe glei- cher Rangzahl gelistet werden, ist eine Korrektur der Varianz notwendig: n n 1 ) ( − ⋅ ( ⋅ σ = 2 S wobei 2n 5 + ) − p ∑ = i 1 18 R R 1 ) ( − ⋅ ( i i 2R 5 + i ) Ri = Anzahl der Werte mit jeweils gleichen Rängen in der i-ten Bindungsgruppe p = Anzahl der Bindungsgruppen 5 Problematik der Ermittlung von Insta- tionaritäten und deren Fortschreibung in die Zukunft Zur Überprüfung der Stationarität einer Zeitreihe sollte nicht nur ein Verfahren herangezogen werden, sondern es sollten stets mehrere Testmethoden an- gewendet werden, um zu einer belastbaren Aussage zu gelangen. Im optimalen Fall führen alle Verfahren zu dem Ergebnis der Stationarität bzw. Instationa- rität, was jedoch nicht zwangsläufig gegeben sein muss. Falls nicht alle Testverfahren ein eindeutiges Ergebnis liefern, muss man anhand der zu bearbei- tenden Aufgabenstellung eine Gewichtung der Er- gebnisse vornehmen, womit ein gewisses Maß an Subjektivität nicht ausgeschlossen werden kann. Wichtig ist deshalb, durch die Analyse der Prozesse bzw. des Systems eine Begründung für festgestellte Instationaritäten zu suchen. So führte z.B. der Aus- bau des Oberrheins zu einer Beschleunigung der Hochwasserwellen und einem Anstieg der Hochwas- serscheitel. Durch das Integrierte Rheinprogramm sollen diese Regimeänderungen wieder reduziert werden. Klimatisch bedingte Veränderungen der Abflüsse sollten durch Veränderungen der Nieder- schlagsreihen bzw. der energetischen Bedingungen, die die Verdunstung bestimmen, begründbar sein. Derartige Veränderungen ließen sich regional, d.h. an verschiedenen, voneinander unabhängigen Ab- flussmessstellen feststellen. Bei einem Test eines natürlichen Prozesses auf Stationarität ist zu beachten, dass das zugrunde- liegende physikalische System in der Regel nicht

HKC Werkstattbericht 2021 15

HKC Werkstattbericht 2021 17 Abb. 5 Abhängigkeit eines Trends vom gewählten Betrachtungszeitraum am Beispiel der Jahreshöchstabflüsse am Pe- gel Neu-Darchau/ Elbe. Seite 15, unten: Die Gesamtreihe weist keinen Trend auf. Zweite und dritte Darstellung (oben): Für zwei Teilzeiträume lassen sich signifikante negative und positive Trends nachweisen. Die beiden unteren Darstellun- gen zeigen, dass sich die signifikanten Trends bei Verlängerung des Betrachtungszeitraums um jeweils 12 weitere Jahre als insignifikant erweisen.

Literatur Akritas, M. G., Murphy, S. A., und LaValley, M. P. (1995): The Theil-Sen estimator with doubly censored data and applications to astronomy, Journal of the American Statistical Association, 90 (429): 170–177. Gerstenberger, C., Vogel, D. und Wendler, M. (2019). Tests for scale changes based on pairwise differences. J. Amer. Statist. As- soc.1-28. Inclan, C., und Tiao, G. C. (1994): Use of Cumulative Sums of Squares for Retrospective Detection of Changes of Variance. Journal of the American Statistical Association 89 (427), 913-923. Koutsoyiannis, D. (2003): Climate change, the Hurst phenomenon, and hydrological statistics. Hydrological Sciences Journal 48 (1), 3–24. Lun, D., Fischer, S., Viglione, A., und Blöschl, G. (2020): Detecting flood-rich and flood-poor periods in annual peak discharges across Europe. Water Resour. Res. DOI: 10.1029/2019WR026575. Petrow, T. und Merz, B. (2009): Trends in flood magnitude, frequency and seasonality in Germany in the period 1951–2002. Journal of Hydrology 371 (1-4), 129–141. Wied, D., und Galeano, P. (2013): Monitoring correlation change in a sequence of random variables, Journal of Statistical Planning and Inference, 143 (1), 186-196.

Vergleicht man die statistischen Kennwerte der Höchstabflüsse der Winter- und Sommerhalbjahre werden die Unterschiede der Häufigkeitsverteilungen in Tabelle 1 deutlich. Die wesentlich höhere Schiefe der Reihe der Som- merhöchstabflüsse bedingt einen deutlich unter- schiedlichen Verlauf der angepassten Verteilungs- funktion im Vergleich zu den Höchstabflüssen des Winterhalbjahres (Abb.2). Aus den Schnittpunkten dieser Verteilungen wird deutlich, dass der Bereich der kleineren Hochwasser durch die Winter-Ereignis- se, der obere Bereich dagegen eher durch die Som- mer-Ereignisse bedingt wird. Die Schiefe der Reihe der Sommerhochwasser weist auch auf das Vorhan- densein extrem großer Hochwasser (im Beispiel in den Jahren 2002 und 2013) hin. Abb. 2: Angepasste Allgemeine Extremwertverteilungen (L-Mo- mente) an die Reihen der Jahreshöchstabflüsse und die Reihen der Sommer- bzw. Winterhöchstwerte. Eine saisonale Differenzierung in Winter- und Som- merereignisse, die Anpassung zweier Verteilungs- funktionen und eine häufigkeitsbasierte multiplikative Mischung beider Ereignisgruppen (Stedinger et al., 1993; Schumann, 2005; DWA 2012) ist eine einfache Möglichkeit, um die Unterschiede zwischen Som- mer- und Winterhochwasser statistisch zu berück- sichtigen. Veränderung der Saisonalität des 2 Hochwasserregimes Mit der Veränderung der klimatischen Verhältnisse verändern sich auch die Bedingungen der Hoch- wasserentstehung. Beispielsweise waren in den ver- gangenen Jahrhunderten die Frühjahre auf Grund des Eisaufbruchs der zugefrorenen Flüsse und des erhöhten Abflusses durch die Schneeschmelze ge- fürchtete Hochwasserzeiträume. Eine der größten Umweltkatastrophen der jüngeren Neuzeit, das Ex- tremhochwasser im Februar und März 1784, das in den Einzugsgebieten von Elbe und Rhein zu ver- heerenden Überschwemmungen (Glaser, 2001) ist z.B. auf das Zusammentreffen dieser bei- führte HKC Werkstattbericht 2021 21 den Phänomene, verstärkt durch einen Warmluftein- bruch, verbunden mit Dauerregen, zurückzuführen. Bis auf wenige Ausnahmen, die sich auf kontinental geprägte klimatische Bereiche in den Einzugsgebie- ten der Elbe und Oder beschränkten, traten derar- tige Eishochwasser in den letzten 50 Jahren kaum noch auf. Die Veränderung der Wintertemperaturen führt dazu, dass die Schneeakkumulation geringer ist und statt Schneeschmelzhochwasser im Früh- jahr eher Regenhochwasser in den Wintermonaten auftreten (eine Ausnahme bildete der schneereiche Winter 2018/19 am Alpennordrand). Mit der Verringe- rung der Schneehöhen und steigender Regenanteile werden die Schneeschmelzhochwasser im Frühjahr durch den Klimawandel vermutlich an Bedeutung verlieren. Für kleine und mittlere Einzugsgebiete gra- vierender wird sich jedoch die Erhöhung der Som- mertemperaturen auswirken. Seit 1988 sind die mitt- leren Tagesmitteltemperaturen Deutschlands höher als der klimatologische Mittelwert 1961-90 (Abb.3). Der Sommer 2019 war nach dem Sommer 2003 und 2018 mit einer Durchschnittstemperatur von 19,2 °C der drittwärmste Sommer seit 1881 (Abb. 3). Eine derartige Zunahme der Sommertemperatur hat Aus- wirkungen auf die konvektive Niederschlagsbildung („Wärmegewitter“) und die Häufigkeit von sommerli- chen Starkregen (siehe Kapitel 3). Die Verschiebung der saisonalen Verteilung der Jahreshöchstabflüsse kann am Beispiel der Zeitreihe 1912 – 2008 am Em- scher-Pegel Oberhausen-Königstrasse verdeutlicht werden. Abb. 3 : Temperaturwerte in °C im Sommer in Deutschland 1881-2019 mit Mittelwert für die Jahre 1961-1990 und linearem Trend. (https://www.umweltbundesamt.de/daten/klima/trends- der-lufttemperatur#mildere-herbste-und-winter) Vergleicht man die saisonale Verteilung der Jahres- HQ- Werte zwischen den drei Teilreihen 1912-50, 1951-80 und 1981- 2008 zeigen sich deutliche Unter- schiede. Traten bis 1950 82% der Jahres-HQ- Werte im Winter (Zeitraum November bis April) auf, so war zwischen 1951 und 1980 die Verteilung auf beide

HKC Werkstattbericht 2021 23 Abb. 5: Darstellung der Volumen-Scheitel-Relationen der schneebeeinflussten Winterhochwasser am Pegel Wechselburg/ Zwickau- er Mulde für die Reihe 1910-2013 (Typ S2: hoher Schneeanteil) Da die Verwendung der Höchstwerte eines Jahres oder der Winter- und Sommerhalbjahre die Anzahl der Hochwasserereignisse in den einzelnen Typen zu stark einschränkt, werden die Hochwasserereignisse als partielle Serie („POT-Ansatz“) aus Monatshöchstabflüssen betrachtet, die einen Schwellenwert überschrei- ten. Es ist dabei zu beachten, dass im Anstieg einer Hochwasserwelle der letzte Tag des Monats häufig den Höchstwert aufweist, im Rückgang dagegen der erste Tag. Die Daten sind entsprechende zu bereinigen, um die Unabhängigkeit der Ereignisse zu sichern. Auf der Grundlage der Typisierung kann dann die Hochwasserscheitelscheitelstatistik für jeden Hochwas- sertyp erstellt werden. Die Statistik der Jahreshöchstabflüsse ergibt sich durch ein statistisches Mischungs- modell (Abb. 6). Dieses berücksichtigt die Häufigkeiten der einzelnen Ereignistypen und berücksichtigt, dass extreme Scheitelabflüsse bei einzelnen Ereignistypen (z.B. durch die Schneeschmelze) sehr selten sind (Fischer et al. 2019). In Abb. 6 wird die Dominanz der Regenhochwasser vom Typ 1 (Niederschlagsereignisse bis 3 Tage Dauer, steile Hochwasserwellen mit hohem Scheitel und geringerer Fülle in Folge von Starkregen) sowie Typ 2 (Dauerregen bedingte Hochwasser) deutlich. Abb. 6: Verteilungsfunktionen der einzelnen Hochwassertypen und des resultierenden Mischungsmodells, Pegel Wechselburg/ Zwickauer Mulde für die Reihe 1910-2013

HKC Werkstattbericht 2021 25

Tieflandgewässer, keine Rolle spielt (4 von 538 Er- eignissen), wurde hier auf eine Typisierung dieser verzichtet. Für die Hochwasserereignisse der be- obachteten Zeitreihe wurden die zugehörigen Nie- derschlagsmengen aus vorliegenden Stationen von Emschergenosschaft und Lippeverband (EGLV) mit- tels Thiessen-Polygonen bestimmt. Die Hochwasser- ereignisse wurden in die drei Hochwassertypen R1, R2 und R3 eingeteilt. Diese Unterteilung erfolgte mit- tels der Scheitel-Volumen-Beziehung. Konkret wur- de die s.g. Hochwasserzeitskale (Gaál et al., 2012) verwendet, welche das Verhältnis von Direktvolumen zu Direktscheitel darstellt. Die Ereignisse wurden auf Grund der Größe ihrer Hochwasserzeitskalen dann so in drei Gruppen eingeteilt, dass die Bestimm- theitsmaße der linearen Regression zwischen Direkt- scheitel und Direktvolumen durch den Ursprung aller drei Gruppen maximal war. Im Anschluss wurden die Häufigkeiten der Hochwas- sertypen über die Zeit untersucht. Konkret wurde er- mittelt, ob es signifikante Änderungen in den Häufig- keiten der einzelnen Hochwassertypen gegeben hat. Hierzu wurden zwei Vorgehen verwendet. Für eine visuelle Überprüfung wurde das gleitende, 5-jährige Mittel der Anzahl der Ereignisse pro Jahr verwendet. Anschließend wurde die Signifikanz der Ereignisse mittels Gini’s Mean Difference Varianz-Test (s. Kapi- tel 1.1) überprüft, angewendet auf die zeitliche Dif- ferenz zwischen aufeinanderfolgenden Hochwasser- ereignissen desselben Typs (Fischer et al., 2019). Da es sich um multiples Testen handelt, wurde das Sig- nifikanzniveau nach der Bonferroni-Regel verringert. Mittels dieses Testverfahrens konnten signifikante Bruchpunkte ermittelt werden, welche auf eine Än- derung in der Häufigkeit der Hochwassertypen hin- deuten. 2 Ergebnisse Die Unterteilung der Hochwasser in die drei Typen R1, R2 und R3 ist in Abb. 1 dargestellt. Hochwasser des Typs R1 sind dabei gekennzeichnet durch hohe Scheitel bei vergleichsweise geringem Volumen. Diese Hochwasser werden durch kurze Niederschlä- ge (wenige Stunden bis maximal 1,5 Tage), zumeist mit hoher Intensität, verursacht. Dieser Hochwas- sertyp wird hauptsächlich mit Starkregen assoziiert. Der Hochwassertyp R2 hingegen wird durch länger andauernde Niederschlagsereignisse mit gleichmä- ßigerer zeitlicher Verteilung verursacht. Die Nieder- schlagsdauer liegt hier bei 1-3 Tagen. Die Hochwas- serwellen weisen mittlere Scheitel und Volumina bei meist nur einem Scheitel auf. Der Hochwassertyp R3 ist gekennzeichnet durch lange Hochwasserwellen mit großen Volumina und oftmals mehreren Schei- teln. Die zugehörigen Niederschläge liegen im Be- reich von 2-6 Tagen. Bei gleichem Hochwasserschei- HKC Werkstattbericht 2021 27 tel führt diese Unterteilung zu sehr unterschiedlichen Ganglinienformen (Abb. 2). Während für die beobachteten Hochwasser sowie die mittels Modell FAZ simulierten Ereignisse eine Unterteilung in drei Hochwassertypen hohe Be- stimmtheitsmaße und somit eine klare Unterteilung zu erreichen war, sind die Hochwasserereignisse aus dem Modell TAZ ähnlicher in ihrer Hochwasser- zeitskala. Dies führt zu geringeren Bestimmtheitsma- ßen, da zwischen der Ereignistypen hier nicht klar differenziert werden kann. Abb. 1: Scheitel-Volumen-Verhältnis und Unterteilung in drei Hoch- wassertypen mittels der Hochwasserzeitskale für die beobachteten Abflüsse (linke Spalte), die simulierten Hochwasser mittels Modell FAZ (oben) und TAZ (unten).

Erneut stimmten die Direktvolumina der beobach- teten Hochwasserereignisse sowie der Ereignisse des Modells FAZ sehr gut überein, unabhängig vom Hochwassertyp. Für das Modell TAZ lag jedoch eine Überschätzung im Vergleich zu den beobachteten Daten vor. Ähnlich ist das Bild für die tatsächlichen Volumina, also inklusive des Basisabflusses. Jedoch war hier die Übereinstimmung für den Typ R3 auch zwischen beobachteten Ereignissen und FAZ-Modell geringer. Die Ergebnisse deuten darauf hin, dass der Basisabfluss im Modell TAZ niedriger simuliert wird als für das Modell FAZ. Stattdessen entsteht ein höherer Direktabfluss bei derselben Niederschlags- menge im Vergleich zum FAZ-Modell. Dies kann er- neut mit dem höheren Versiegelungsgrad im Modell TAZ in Verbindung gebracht werden. Für die Hoch- wasserscheitel und Direktscheitel zeigte sich nur ein geringer Unterschied zwischen den beiden Model- len. Beide überschätzen die Scheitel der beobachte- ten Ereignisse deutlich. Die Anzahl der Hochwasserereignisse des Typs R1, R2 oder R3 in einem gleitenden Mittel über 5 Jahre ist in Abbildung 5 dargestellt, sowohl für die Modell- zustände FAZ und TAZ, als auch für die gemessenen Abflüsse. Hochwasser vom Typ R3 treten in allen 3 Abbildungen vergleichsweise konstant über die Zeit auf. Die Anzahl der Hochwasser der Typen R2 und R1 bleibt im Zustand TAZ ebenfalls konstant. Hier führen die technisch ausgebauten Gewässer in der Regel zu schnellen Hochwasserwellen - das Sys- tem reagiert nicht besonders sensitiv auf die Nie- derschlagscharakteristik. Der Zustand FAZ und die Messdaten zeigen beim Typ R2 einen Anstieg um das Jahr 1985 herum. Dieser ist jedoch nicht signifi- kant und kann somit nicht von zufälligen Änderungen unterschieden werden. Die größten Unterschiede in der Anzahl der Hochwasser über die Zeit weisen Hochwasser des Typs R1 auf. Der Hochwassertyp R1 besitzt, bei allen Unterschieden in den betrach- teten Zuständen, einen ähnlichen Verlauf. Zu Be- ginn tritt er relativ häufig auf, sinkt dann ab Mitte der 1980er Jahre, um dann ab Mitte der 1990er Jahre wieder anzusteigen. Dies kann mit dem Vorkommen von Starkregenereignissen in Verbindung gebracht werden (Quirmbach, 2011). Für die Analyse der Pegelmessung sind mehrere Phasen über die Jahre zu sehen: 1. Zunächst steigt die Anzahl an Hochwasserer- eignissen seit Mitte der 1970er Jahre bis Mitte 1980er Jahre. 2. Anschließend fällt die Anzahl an Ereignissen wie- der bis ca. zum Jahr 2000, 3. woraufhin sie erneut stark ansteigt, um in den letzten Jahren erneut zu fallen. HKC Werkstattbericht 2021 29 Diesem zyklischen Muster entsprechend wurden auch zwei signifikante Bruchpunkte um die Jahre 1994 und 2003 detektiert. Abb. 5: Anzahl der Hochwasserereignisse des Typs R1, R2 und R3 pro Jahr, dargestellt als gleitendes 5-Jahres-Mittel der beobachteten Reihe. Die rot-eingezeichneten, gestrichelten Linien stellen die als signifikant ermittelten Bruchpunkte in der Häufigkeit von Hochwasserereignissen des Typs R1 dar. Oben: Modell-Zustand TAZ, Mitte: Modell-Zustand FAZ, Unten: Pegelmessung Vergleicht man diese Resultate mit der Entwicklung des Emschergebiets auf der einen Seite und den Er- gebnissen der Starkregenuntersuchungen (Quirm- bach , 2011 und Pfister, 2016) auf der anderen Seite, können folgende Zusammenhänge ermittelt werden: der Anstieg seit den 1970er Jahren kann in Verbin- dung gesetzt werden mit dem Anstieg der Urbanisie- rung und des technisch ausgebauten Zustands der Emscher und der Emscher-Region (Becker et. al, 2018). Dieser verstärkt die Gebietsreaktion und führt zu mehr kurzen Hochwassern mit vergleichsweise hohen Scheiteln (Typ R1). Ab Mitte der 1980 Jahre waren vor allem Winterniederschläge Hochwasser- bildend. Deshalb fällt hier die Anzahl der Hochwas- ser vom Typ R1 und es steigt die Anzahl von R2.

Literatur: Becker, M.; Johann, G.; Spengler, B. & Wessels, K. (2018): Die Zunahme des Bebauungsanteils im Emschergebiet von 1900 bis heu- te – Konsequenzen für die Wassermengenbewirtschaftung. In: Korrespondenz Wasserwirtschaft 10/2018. S.603ff Fischer, S., Schumann, A. und Bühler, P. (2019): Timescale-based flood typing to estimate temporal changes in flood frequencies. Hydrological Sciences Journal, DOI: 10.1080/02626667.2019.1679376, 2019. Gaál, L., Szolgay, J., Kohnová, S., Parajka, J., Merz, R., Viglione, A. and Blöschl, G. (2012): Flood timescales: Understanding the interplay of climate and catchment processes through comparative hydrology. Water Resources Research, 48(1), 1–21. Johann, G. & Frings, H. (2016): Hochwasserrisiko mindern und Ziele des Gewässerschutzes erreichen - geht das? Ein Praxisbei- spiel: die ökologische Verbesserung des Gewässersystems der Emscher. In: 39. Dresdner Wasserbaukolloquium 2016 Quirmbach, M. (2011): Analyse der Häufigkeit von Starkregen mit N>=20 mm/d in der Emscher-Lippe-Region. Essen (dynaklim- Kompakt, 01/2011). Pfister, A. (2016): Langjährige Entwicklung von Starkregen – Handlungsempfehlungen für die Zukunft, in: Essener Tagung 2016.

Für vielfältige Bemessungsaufgaben im Wasserbau nimmt die Extremwertstatistik eine besondere Rol- le ein (vgl. DWA 2012). Die Extremwertstatistik be- schreibt nicht das komplette Verhalten einer Zufalls- variablen, sondern lediglich die Randbereiche (engl.: tail) der Verteilung, so dass nur Extremwerte (Maxi- ma oder Minima) beschrieben werden. Im Folgen- den wird die Beschreibung von Minima nicht weiter verfolgt, sondern ausschließlich auf Maxima Bezug genommen. Weitere Ausführungen zur Extremwert- statistik von Minima sind zum Beispiel zu finden in Coles (2001). Die Extremwerte werden entweder über ein Blockmodell oder ein Schwellenwertmodell aus den Messdaten ermittelt. Die über ein Blockmo- dell gewonnene Zeitreihe der Abflusszeitreihe wäre beispielsweise die Zeitreihe der jährlichen Höchstab- flüsse (AMAX) an einem Pegel über n Jahre. Eine Al- ternative zum Blockmodell stellt das Schwellenwert- verfahren (engl.: peak over threshold, POT) dar, bei dem alle Daten über einem zu wählenden Schwellen- wert gewählt werden. Die hieraus resultierende Zeit- reihe der unabhängigen Extremwerte wird auch als partielle Reihe bezeichnet. Eine Beispieldarstellung zur Auswertung von Extremwerten aus einer konti- nuierlich gemessenen Zeitreihe ist in Abbildung 1 dargestellt. Die Unabhängigkeit der Ereignisse des Schwellenwertverfahrens wurde über entsprechende Zeitkriterien berücksichtigt. Abb. 1: Beispielhafte Darstellung der Stichprobengewinnung aus einer Serie über Block- und Schwellenwertmodelle (Mu- Ein Ziel der extremwertstatistischen Ansätze ist es, eine Aussage darüber zu treffen, mit welcher Wahr- scheinlichkeit ein bestimmtes Ereignis in einer be- stimmten Zeitspanne eintrifft. Bei wasserwirtschaft- lichen Fragestellungen liegt das Interesse dabei auf der Größe der Unter- (PU) bzw. Überschreitungswahr- scheinlichkeit (PÜ). Letztere gibt die Wahrscheinlich- keit an, mit der ein bestimmter Schwellenwert oder ein definiertes Ereignis x überschritten wird. PÜ bzw. PU können dabei Werte zwischen Null (Ereignis tritt nicht ein) und Eins (Ereignis tritt ein) annehmen und sind zunächst dimensionslos. Mit FX (X) als Vertei- lungsfunktion der Zufallsvariablen X ist die Über- schreitungswahrscheinlichkeit PÜ definiert als: HKC Werkstattbericht 2021 33 Um weiterführend eine Aussage über eine zu erwar- tende mittlere Wiederkehrzeit bzw. ein Wiederkehrin- tervall T (auch Jährlichkeit genannt) zu treffen, in der ein Schwellenwert x erreicht oder überschritten wird, muss ein entsprechender Bezug zwischen T und PÜ bzw. PU hergestellt werden. Nach Maniak (2016) und Serinaldi (2015) berechnet sich T zu mit t als durchschnittliche Zeitspanne zwischen zwei Werten x der Stichprobe. Bei der Anwendung des Wiederkehrintervalls T z.B. auf jährliche Maximal- werte entspricht t = 1. Eine zentrale Aufgabe besteht nun darin, eine geeig- nete Verteilungsfunktion FX (X) für die Extremwerte zu finden. Im Bereich der hydrologischen Statistik findet in den letzten Jahren insbesondere die Verall- gemeinerte Extremwertverteilung (engl.: Generalized Extreme Value Distribution, GEV) breite Anwendung bei der Analyse von jährlichen Maxima, da sie ver- schiedene Klassen von hydrologischen Verteilungs- funktionen in einer Gleichung vereint (Coles 2001). Für die Analyse von partiellen Reihen eignet sich die Verallgemeinerte Pareto-Verteilung (engl.: General- ized Pareto Distribution, GPD), wobei nur die Werte oberhalb des Schwellenwertes verwendet werden (Coles 2001; Kotz und Nadarajah 2000). Die Parameter der Verteilungsfunktionen setzen zu- nächst Stationärität der Daten voraus. Eine Erweite- rung auf den instationären Fall kann erfolgen, in dem für die Parameter ein zeitabhängiger funktionaler Zu- sammenhang erstellt wird. Ein gängiges Modell für die GEV ist beispielsweise ein linearer zeitabhängi- ger Verlauf des Lage- und Skalenparameters (Agha- Kouchak et al. 2013; Coles 2001; Mentaschi et al. 2016; Gilleland und Katz 2016). Bemessungsansätze bei 1.2 Instationarität Bei instationären hydrologischen Rahmenbedin- gungen ändern sich nicht nur die hydrologischen Kenngrößen, sondern zugleich auch die Wahr- scheinlichkeiten extremer Ereignisse. Instationä- re extremwertstatistische Methoden wurden in den letzten 10 Jahren zunehmend diskutiert. Die Anzahl

Liegt beispielsweise in der zu untersuchenden Zeit- reihe ein ansteigender Trend vor, so steigt auch die Überschreitungswahrscheinlichkeit PÜ stetig an bzw. die Unterschreitungswahrscheinlichkeit PU sinkt kon- tinuierlich. Insofern muss eine zeitliche Entwicklung von PÜ und PU berücksichtigt werden, indem für je- des Jahr i entsprechende Werte PÜ,i und PU,i berech- net werden. Das EPN-Konzept kann konsequent auf den instationären Fall erweitert werden, wobei die Betrachtungen immer von einem Referenzjahr (z.B. aktuelles Jahr; Index 0) und von einem Planungs- horizont (= Referenzjahr + Lebensdauer N; Index N) ausgehen. Als Beispiel ist ein bestimmter Abfluss Q gegeben, der zum Referenzjahr eine Jährlichkeit von T = 100 a aufweist. Damit erhält dieser Abfluss die Bezeichnung z100,0 mit der zugehörigen Überschrei- tungswahrscheinlichkeit PÜ,0 = 0,01 1/a (T0= 100 a) im Referenzjahr. Unter der Annahme eines anstei- genden Trends in der Zeitreihe nimmt auch die Über- schreitungswahrscheinlichkeit PÜ,i bis zum Planungs- horizont stetig zu, bis dass ein Wert von PÜ,N erreicht ist. Ausgehend von den vorherigen Gleichungen kann die EPN für den stationären Fall auch geschrieben werden als Für den instationären Fall gilt somit analog Unter der Annahme, dass im stationären Fall bei einer Bauwerkslebensdauer von N = 100 Jahren eine EPN von 63,4% als ein ausreichendes Sicherheitsniveau für die zu planende wasserwirtschaftliche Anlage an- gesehen wird, kann nun im instationären Fall dieje- nige Überschreitungswahrscheinlichkeit PÜ,0 für das Referenzjahr numerisch ermittelt werden, für welche sich auch im instationären Fall eine EPN von 63,4% ergibt. Die Überschreitungswahrscheinlichkeit für das Referenzjahr PÜ,0 ist im instationären Fall somit der für die Bemessung gesuchte relevante Parame- ter, weshalb für diesen Parameter die Bezeichnung DEP (engl.: design exceedance probability) einge- führt wird. Für die Jährlichkeit im Referenzjahr wird die Bezeichnung DRP (engl.: design return period) verwendet, wobei gilt HKC Werkstattbericht 2021 35 Mit der konsequenten Erweiterung des EPN-Kon- zeptes auf den instationären Fall liegt somit ein sys- tematischer Ansatz zur Bemessung von wasserwirt- schaftlichen Infrastrukturanlagen bei instationären Bedingungen vor. Die eigentliche Bemessung basiert dabei im Gegensatz zum stationären Fall nicht auf der alleinigen Vorgabe eines Sicherheitsniveaus in Form einer Jährlichkeit T, sondern auf der Vorgabe einer EPN und einer Bauwerkslebensdauer N (Mu- dersbach und Bender 2017). 1.2.2 Weitere Ansätze Ein weiterer Bemessungsansatz bei Instationarität ist der sogenannte Effective-Return-Level-Ansatz (Mudersbach et al. 2020; Gilleland und Katz 2016; Mondal und Daniel 2019). Nach Anpassung einer in- stationären Verteilungsfunktion an die Zeitreihe lie- gen für jeden Zeitpunkt i unterschiedliche Parameter- sätze vor, womit sich die Quantilwerte Werte PÜ,i und PU,i ebenfalls verändern (s.o.). Beim Effective-Re- turn-Level (ERL) wird nun der zum 95%-Quantilwert gehörende Merkmalswert (z.B. Abfluss) verwendet. Dieser Ansatz ermöglicht somit auch ein einheitli- ches Vorgehen bei Instationarität und benötigt keine Angabe einer Bauwerkslebensdauer. Jedoch wird bei dem ERL-Ansatz keine Festlegung einer Über- schreitungswahrscheinlichkeit PÜ innerhalb einer Zeitspanne n vorgenommen. Für weitere Bemessungsansätze bei Instationarität, wie z.B. Expected-Waiting-Time-Ansatz (EWT) oder Expected-Number-of-Events-Ansatz (ENE), wird auf weiterführende Literatur verwiesen (Hu et al. 2017; Salas et al. 2018; Mondal und Daniel 2019). 1.3 Anwendungsbeispiel Das folgende Fallbeispiel soll die Anwendung des Design-Life-Level-Ansatzes verdeutlichen. Das Bei- spiel nutzt jährliche Maximalwerte des Abflusses (AMAX), welche aus einer realistischen, aber synthe- tisch generierten zeitlich hochaufgelösten Datenrei- he ermittelt wurden. Die Zeitreihe der jährlichen Ab- flussmaxima umfasst einen Zeitraum von 84 Jahren (1937 bis 2020). Der lineare Trend der AMAX-Zeit- reihe beträgt von s = 0,01 m3/(s x a) ± 0,006 m³/(s x a'), was unter Zugrundelegung des 1σ-Bereiches einen signifikanten Trend darstellt. Auf Basis dieser AMAX-Zeitreihe wurde eine instationäre extremwert- statistische Analyse durchgeführt, indem die Verall- gemeinerte Extremwertverteilung mit einem linear

HKC Werkstattbericht 2021 37 Literatur: AghaKouchak, A.; Easterling, D.; Hsu, K.; Schubert, S.; Sorooshian, S. (2013): Extremes in a Changing Climate. Detection, Analysis and Uncertainty. Dordrecht: Springer Dordrecht Heidelberg New York London (Water Science and Technology Library, 65). Bender, Jens; Wahl, Thomas; Jensen, Jürgen (2014): Multivariate design in the presence of non-stationarity. In: Journal of Hydro- logy 514, S. 123–130. DOI: 10.1016/j.jhydrol.2014.04.017. Beran, Jan (2013): Long-memory processes. Probabilistic properties and statistical methods. Berlin, New York: Springer. Cheng, Linyin; AghaKouchak, Amir; Gilleland, Eric; Katz, Richard W. (2014): Non-stationary extreme value analysis in a changing climate. In: Climatic Change 127 (2), S. 353–369. DOI: 10.1007/s10584-014-1254-5. Coles, S. (2001): An Introduction to Statistical Modeling of Extreme Values. Dinpashoh, Yagob; Mirabbasi, Rasoul; Jhajharia, Deepak; Abianeh, Hamid Zare; Mostafaeipour, Ali (2014): Effect of Short-Term and Long-Term Persistence on Identification of Temporal Trends. In: J. Hydrol. Eng. 19 (3), S. 617–625. DOI: 10.1061/(ASCE)HE.1943- 5584.0000819. DWA (Hg.) (2012): DWA-M 552 Ermittlung von Hochwasserwahrscheinlichkeiten. Hennef: Deutsche Vereinigung für Wasserwirt- schaft, Abwasser und Abfall. DWA (2020): DWA-M 541 (Entwurf) Statistische Analyse von Niedrigwasserkenngrößen. Deutsche Vereinigung für Wasserwirt- schaft, Abwasser und Abfall e. V. Hennef. Gilleland, Eric; Katz, Richard W. (2016): extRemes 2.0: An Extreme Value Analysis Package in R. In: J. Stat. Soft. 72 (8). DOI: 10.18637/jss.v072.i08. Hu, Yiming; Liang, Zhongmin; Singh, Vijay P.; Zhang, Xuebin; Wang, Jun; Li, Binquan; Wang, Huimin (2017): Concept of Equivalent Reliability for Estimating the Design Flood under Non-stationary Conditions. In: Water Resour Manage 255 (3), S. 107. DOI: 10.1007/ s11269-017-1851-y. Katz, R.W.; Parlange, M.B.; Naveau, P. (2002): Statistics of extremes in hydrology. In: Advances in Water Resources 25, S. 1287– 1304. Kotz, S.; Nadarajah, S. (2000): Extrem Value Distribution - Theory and Applications. Maniak, Ulrich (2016): Hydrologie und Wasserwirtschaft. Eine Einführung für Ingenieure. 7., neu bearbeitete Auflage (Lehrbuch). Mentaschi, Lorenzo; Vousdoukas, Michalis; Voukouvalas, Evangelos; Sartini, Ludovica; Feyen, Luc; Besio, Giovanni; Alfieri, Lorenzo (2016): The transformed-stationary approach. A generic and simplified methodology for non-stationary extreme value analysis. In: Hydrol. Earth Syst. Sci. 20 (9), S. 3527–3547. DOI: 10.5194/hess-20-3527-2016. Merz, B.; Vorogushyn, S.; Uhlemann, S.; Delgado, J.; Hundecha, Y. (2012): HESS Opinions "More efforts and scientific rigour are nee- ded to attribute trends in flood time series". In: Hydrol. Earth Syst. Sci. 16 (5), S. 1379–1387. DOI: 10.5194/hess-16-1379-2012. Mondal, Arpita; Daniel, Denzil (2019): Return Levels under Nonstationarity. The Need to Update Infrastructure Design Strategies. In: Journal of Hydrologic Engineering 24 (1), S. 4018060. DOI: 10.1061/(ASCE)HE.1943-5584.0001738. Mudersbach, C.; Bender, J. (2017): Ein Bemessungsansatz für wasserwirtschaftliche Infrastruktur bei instationären Bedingungen. In: Hydrologie und Wasserbewirtschaftung 61 (2), S. 85–92. Online verfügbar unter 10.5675/HyWa_2017,2_1. Mudersbach, C.; Jensen, J. (2010): Non-stationary extreme value analysis of annual maximum water levels for designing co- astal structures at the German North Sea coastline. In: Journal of Flood Risk Management 3 (1), S. 52–62. DOI: 10.1111/j.1753- 318X.2009.01054.x. Mudersbach, C.; Netzel, F.; Gehrmann, T.; Rothe, B.; Bender, J. (2020): Untersuchungen zur Anwendung von instationären Bemes- sungsansätzen in der wasserwirtschaftlichen Praxis (UnIWa). Abschlussbericht des ResA-Forschungsvorhabens; gefördert durch das Ministerium für Umwelt, Landwirtschaft, Natur- und Verbraucherschutz des Landes Nordrhein-Westfalen. Hg. v. Landesamt für Natur, Umwelt und Verbraucherschutz Nordrhein-Westfalen (LANUV). Hochschule Bochum. Bochum. Mudersbach, C.; Wahl, T.; Haigh, I. D.; Jensen, J. (2013): Trends in high sea levels of German North Sea gauges compared to regio- nal mean sea level changes. In: Continental Shelf Research 65, S. 111–120. DOI: 10.1016/j.csr.2013.06.016. Mudersbach, Christoph; Bender, Jens; Netzel, Fabian (2017): An analysis of changes in flood quantiles at the gauge Neu Darchau (Elbe River) from 1875 to 2013. In: Stoch Environ Res Risk Assess 31 (1), S. 145–157. DOI: 10.1007/s00477-015-1173-7. Obeysekera, Jayantha; Salas, Jose D. (2016): Frequency of Recurrent Extremes under Nonstationarity. In: J. Hydrol. Eng. 21 (5), S. 4016005. DOI: 10.1061/(ASCE)HE.1943-5584.0001339.

Gebieten im östlichen Ruhrgebiet gelegenen Statio- nen ist diese Zunahme in den letzten Jahren deutlich geringer ausgeprägt. Während folglich die Häufigkeit der Starkregenereignisse zunimmt, kann dies nicht für die Niederschlagsmenge dieser Ereignisse fest- gestellt werden. Eine Untersuchung der einzelnen Dauerstufen auf Trends mittels des Mann-Kendall- Tests lieferte keine signifikanten Resultate, die einen von der natürlichen Variabilität der Niederschlags- daten abweichenden Trend bestätigen würden. HKC Werkstattbericht 2021 41 Eine Schiefe von 0 bedeutet perfekte Symmetrie. Be- zogen auf Starkregenereignisse heißt das, dass eine Zunahme der Häufigkeit von Starkregenereignissen voraussichtlich zu einer höheren Schiefe führt. Die Schiefe einer Stichprobe mit n Elementen kann ge- schätzt werden als = C S 1 n n ∑ = 1 i − 3 x ) ( x i  1  − n 1 n ∑ = 1 i − 2 x ) ( x i 3 2    wobei x der Mittelwert ist. Um die zeitliche Entwick- lung der Schiefe beurteilen zu können, wird die Stich- probe in einem wachsenden Fenster betrachtet, d.h. die Schiefe wird beginnend mit dem ersten Jahr der Aufzeichnungen für ein 10-Jahre Fenster berechnet, welches dann sukzessive um ein Jahr erweitert wird, bis das letzte Beobachtungsjahr in der Stichprobe enthalten ist (Abb. 2). Während die Schiefe für die 30-Minuten Dauerstufe bis auf einen signifikanten Sprung im Jahr 2010 relativ konstant ist, ist das zeit- liche Verhalten der Schiefe für die 90-Minuten Dau- erstufe deutlich variabler. Jedoch ist auch hier ein Sprung in den 2000er zu erkennen, welcher jedoch durch den deutlich größeren Sprung in den 1950er übertroffen wurde. Dennoch lässt sich folgern, dass die Schiefe in den letzten 10 Jahren deutlich an- gestiegen ist, was auf das vermehrte Auftreten von Starkregenereignissen zurückzuführen ist. Abb. 1: Kumulierte Anzahl der als vom DWD als „heftiger Starkregen“ (>25 mm) klassifizierte Ereignisse der Dauerstufe 60 Minuten für Stationen im östlichen Ruhrgebiet (oben) und im zentralen Ruhrgebiet (unten). Veränderung der Schiefe durch 1.2 Starkregenereignisse Die beobachtete Zunahme der Häufigkeit von Stark- regenereignissen hat nicht nur einen Einfluss auf die bisher durchgeführten Bemessungen sondern auch direkt auf die Niederschlagsstatistik. Dabei gilt es, besonders eine statistische Eigenschaft der Nieder- schlagszeitreihe zu berücksichtigen: die Schiefe. Die Schiefe einer Zeitreihe beschreibt die Asymmetrie der Stichprobe, d.h. inwieweit die Daten gleichmäßig um den Mittelwert verteilt sind. Große, positive Werte der Schiefe deuten dabei auf einzelne, sehr große Werte hin, welche stark vom Mittelwert abweichen. Abb. 2: Verlauf der Schiefe mit 95%-Konfidenzbereich über wachsende Fenster für verschiedene Dauerstufen der Station Gelsenkirchen-Altstadt (2582). Rot dargestellt sind die signi- fikantesten Bruchpunkte nach Pettitt-Test. Die berechnete Schiefe für jeweils die gesamte Be- obachtungsreihe ist für obige Stationen und ver- schiedene Dauerstufen in Tab. 1 gegeben. Als un- terer Referenzwert ist die theoretische Schiefe der Gumbelverteilung, eine häufig genutzte Verteilung für Blockmaxima mit geringer Schiefe von 1,14, an- gegeben. Es ist deutlich zu sehen, dass insbesonde- re in den mittleren Dauerstufen von 30 Minuten bis

HKC Werkstattbericht 2021 43 1.5 Fazit Es kann festgestellt werden, dass das Auftreten von Starkregen zwischen den Dauerstufen sehr unter- schiedlich ist. So sind nicht alle Dauerstufen gleicher- maßen von Starkregen betroffen und extreme Werte treten zumeist in den mittleren dauerstufen von 60 Minuten bis 6 Stunden auf. Dies kann auf die sehr kleinen Niederschlagszellen zurückgeführt werden, welche für lokal begrenztes Auftreten dieser Ereignis- se sorgen. Die Häufigkeit des Auftretens von Starkre- genereignissen ist sehr stark regionsabhängig und in einer Region zeitlich variabel. Dennoch kann gezeigt werden, dass extrem große Starkregenereignisse in den letzten beiden Jahrzehnten an verschiedenen Stationen häufiger aufgetreten sind als in Vergleichs- zeiträumen in der Vergangenheit. Dies bedingt eine Veränderung des statistischen Modells zur Schät- zung von Bemessungsniederschlägen und letztlich zu höheren Bemessungswerten. Diese Veränderung ist notwendig, da das bisher genutzte Modell nicht in der Lage ist, die Veränderung der Starkregenereig- nisse korrekt abzubilden. Tabelle 3: p-Wert des Likelihood-Ratio Tests zwischen cGEV und DWA- Methodik für verschiedene Dauerstufen sowie Zeitpunkt, an dem die finale Testentscheidung eintritt. Ein p-Wert kleiner als 0.05 (orange) weist dabei auf eine signifikant höhere Güte der CGEV hin, andernfalls (blau) ist die DWA-Methodik vorzuziehen Analog zu Tab. 1 hängt die Größe der Veränderung stark von der Lage der Station ab. Insbesondere für die Dauerstufen im Bereich 3 bis 24 Stunden der drei urban gelegenen Stationen sowie der Station Rorup sind deutliche Erhöhungen in der Schätzung von über 15% zu erkennen, ebenso für die Dauerstufen 15 und 20 Minuten für die meisten der im östlichen und nördlichen Ruhrgebiet und somit ländlicher ge- legenen Stationen. Generell liegen fast alle mit der cGEV-Methodik geschätzten Quantile 5-10% über den mittels der DWA-Methodik geschätzten Quanti- len. Ein Vergleich mit den empirischen Wahrschein- lichkeiten zeigt, dass diese höhere Schätzung näher an den beobachteten Werten liegt, wobei auch diese teilweise noch unterschätzt werden (Abb. 3). Abb. 3: Vergleich der cGEV und DWA-Methodik mit den empirischen Quantilen für die Dauerstufen 60 Minuten und 6 Stunden der Station Gelsenkirchen-Altstadt. Die DWA-Methodik hingegen unterschätzt nahezu alle Quantile mit einer Jährlichkeit von mehr als 20 Jahren, während kleinere Quantile tendenziell über- schätzt werden. Dies liegt im ausgleichenden Ver- halten der Gumbelverteilung begründet, welche nicht die Flexibilität der GEV besitzt und daher einen Mit- telwert zwischen kleinen und großen Quantilen dar- stellt. Eine Auswertung der Güte der Modelle wurde mittels des Likelihood-Ratio Tests durch-geführt. Dazu wur- den erneut wachsende Fenster betrachtet, um fest- zustellen, ab welchem Zeitpunkt die finale Testent- scheidung für das Modell fällt. Die Ergebnisse sind in Tab. 3 zusammengefasst. Während für die urbanen Stationen nahezu durchgehend für alle Dauerstufen die cGEV als das Modell mit der höheren Güte ermit- telt wird, ist dies für die ländlicher gelegenen Statio- nen nicht eindeutig. Jedoch zeigt sich generell, dass die cGEV für die mittleren Dauerstufen im Bereich 90 Minuten bis 6 Stunden die Schätzungen mit höherer Güte liefert. Dies sind die Dauerstufen, welche be- sonders von Starkregen beeinflusst sind, da in die- sem Bereich die hohe Intensität und die kurze Dauer der Ereignisse zum Tragen kommen. Kürzere Dauer- stufen sind generell weniger von extremen Starkre- gen beeinflusst.

HKC Werkstattbericht 2021 45

HKC Werkstattbericht 2021 47 Messungen von 16 installierten Niederschlagsmess- stationen mit Radarmessungen in England (Abbil- dung 4). Es wird deutlich, dass die Unterschiede der Stationsmessung innerhalb eines Radarpixels 20% betragen können. Abb. 2: Unterschätzung der Niederschlagsmessung D in Abhängigkeit von Intensität und Windgeschwindigkeit (aus Sevruk & Nespor, 1998) Abb. 4: Vergleich der Niederschlagsmengen von 16 Nieder- schlagsstationen und einem Radarpixel auf 1 km2 – Ereignis vom 22.6.2012 (aus Schellart et al., 2012) Tabelle 1: Hauptfaktoren für den systematischen Fehler in der Niederschlagsmessung an Stationen (aus Rauch et al., 1998) Aus Tabelle 1 geht hervor, dass Stationsmessungen unter ungünstigen Bedingungen über 30% geringe- re Niederschlagsmengen aufzeichnen als eine ver- gleichbare Bodenmessung durch ein in den Boden eingelassenes Messgerät (Abbildung 3). Die meisten dieser Unterschätzungen treten allerdings bei gerin- gen Intensitäten auf, mit Ausnahme der Unterschät- zung an Wippengeräten bei Extremniederschlägen, die bis zu 10 % betragen können (Mutzner, 1991). Abb. 3: Vier Messgeräte für die bodengleiche Niederschlags- messung (Foto: Thomas Einfalt) Schellart et al. (2012) zeigten, wie variabel der Nie- derschlag auf einem Radarpixel von einem Qua- dratkilometer Größe sein kann. Sie verglichen die 1.3 Vergleich der Extremwertstatistiken Die verwendeten Basis-Radardaten sind das DX- Produkt des DWD mit einer Auflösung von 1° x 1 km, ein Messwert alle fünf Minuten. Sie wurden sorgfältig korrigiert (u.a. auf Bodenechos, Strahlabschattun- gen, Advektionskorrektur) und tageweise angeeicht an Stationsmessungen von mehreren hundert Statio- nen in NRW. Dieses ist ein Standardverfahren, das für das Land NRW und seine Wasserverbände im „DX-Offline-Projekt“ nach Abschluss eines Messjah- res seit 2007 durchgeführt wird (Treis et al., 2016). Aufgrund der meteorologischen zeitlich-räumlichen Niederschlagsstrukturen und ihrer Dynamik, insbe- sondere bei konvektiven Zellen wie Gewitterzellen, treten hohe Werte sehr lokal und nur für einen kurzen Zeitraum an einem bestimmten Ort auf (Abbildung 5). Konvektive Zellen sind solche, bei denen durch klein- räumige Temperatur- und Luftdruckunterschiede eine große atmosphärische Instabilität vorherrscht, die zu starken Hebungs- und Senkungsbewegungen in Niederschlagzellen führt, wodurch in kurzer Zeit lokal hohe Niederschlagsintensitäten produzieren werden können. Advektiver Niederschlag ist, im Gegensatz hierzu, im Wesentlichen über seinen Niederschlags- zug durch Verlagerung gekennzeichnet. Ein Vergleich der Extremwerte des Niederschlages zwischen Punktmessungen und Radarmessungen muss deshalb auch die Mittelung der Radarreflektivi- tät im Messvolumen des Radars thematisieren, das dann auf eine Fläche am Boden als Flächenmittel- wert projiziert wird. Die Basisüberlegungen sind da- bei ähnlich wie bei der Abminderung von Starkregen im Raum: für einen gegebenen Zeitraum nimmt der durchschnittliche Niederschlag mit wachsender Flä-

HKC Werkstattbericht 2021 49 Abb. 7: Standorte der Niederschlagsschreiber und zugehörige Radarpixel Untersucht wurden die partiellen Serien jeweils für verschiedene Dauerstufen: 5, 15, 30, 60 Minuten im Hinblick auf Variabilität der höchsten Werte aus 10 Jahren • innerhalb der Neunerumgebung Vergleich der höchsten Werte der Radarmes- • sung mit der Stationsmessung Unterschiede zwischen den Radarprodukten • (hier nicht dargestellt) 1.3.2.1 Variabilität Für die vier Stationen wurden jeweils für das Pixel, in dem der Regenschreiber liegt, die partielle Serie über 10 Jahre erstellt (d.h. die 27 höchsten Werte je Dauerstufe ermittelt). Dasselbe wurde auch für die acht umliegenden Radarpixel durchgeführt. Hier wird bewertet, inwieweit es Unterschiede in der partiellen Serie zwischen dem betrachteten Pixel und seinen Nachbarn gibt. Die Ergebnisse zeigen, dass für die höchsten Ele- mente der partiellen Serie die Variabilität berechnet als mittlere Standardabweichung zwischen 12.6% und 15% liegt (Abbildung 8). Diese mittlere Stan- dardabweichung wird mit den Werten aus Kapitel 1.2 „Analyse der Unsicherheiten in den Stationsdaten“ später verglichen. Abb. 8: Mittelwert der neun Pixel, ihr Median und Spannbreite (+/- 2 Standardabweichungen) sowie Wert am mittleren Pixel, dargestellt für die Dauerstufen 5 Minuten (oben), 15 Minuten (zweites von oben), 30 Minuten (zweites von unten) und 60 Minuten (unten)

HKC Werkstattbericht 2021 51 Die Grundlage für diese Untersuchung bilden die an- geeichten BUFR- und DX-Daten im Vergleich mit den korrigierten und kontinuierlich messenden Regen- schreiberzeitreihen, die eine Datenverfügbarkeit von mindestens 97% aufwiesen. In Abbildung 13 sind die Niederschlagmittelwerte der jeweiligen gleichen statistischen Ränge von Regen- schreiber, BUFR-Daten und DX beispielhaft für die Dauerstufe von 60 min gegenübergestellt. Die Nie- derschlagswerte der einzelnen Verfahren liegen in einer vergleichbaren Größenordnung. Somit können die Radardaten - 1 km² x 1° oder 250 m x 1° gut ver- wendet werden. Abb. 13: Mittelwerte der 10 höchsten Ereignisse der Dauer- stufe 60 Minuten für Regenschreiber, BUFR und DX Die hier gezeigten Effekte legen den Gedanken nahe, dass bei der Radarmessung die Extrema an einem Messpunkt umso höher werden, je besser die räumliche Auflösung der Daten bzw. je geringer das Messvolumen ist. Diese Beobachtung passt zu der Erkenntnis der in den vorigen Kapiteln beschriebe- nen räumlichen Variabilität des Niederschlages und der Wahrscheinlichkeit für extreme Intensitäten. Das bedeutet, dass eine Untersuchung zu Extremwerten auf den räumlich feinsten verfügbaren Radarmes- sungen fußen sollte. Achtung: Da für diese Effekte auch die Aneichung und die Zuverlässigkeit der verschiedenen Radar- korrekturen einschließlich der Advektionskorrektur einen wesentlichen Einfluss haben, kann der hier vorliegende Abschnitt erst der Anfang weiterer syste- matischer Untersuchungen sein. Abb. 12: Vergleich der Pixelgrößen der beiden untersuchten Datenprodukte Um die Unterschiede der Radarprodukte DX und BUFR aufzuzeigen, wurden im Auftrag der Radarko- operation der Wasserverbände, dem LANUV NRW und dem DWD, Detailuntersuchungen zu folgenden Punkten durchgeführt: • (originäre Radarmesswerte) Auftretenshäufigkeit von Reflektivitätswerten Vergleichbarkeit des statistischen Verhaltens • von BUFR und DX und die Ergebnisse näher erläutert. Für die hydrologische Modellierung spielt das ex- tremwertstatistische Verhalten der angeeichten Ra- dardaten eine besondere Rolle. Die bisherigen Un- tersuchungen zu den DX-Offline-Daten (Treis et al., 2016) wiesen auf eine Unterschätzung der Nieder- schlagsmenge kurzer Dauerstufen hin. Inwieweit die BUFR- Daten zu vergleichbaren Ergebnissen führen, zeigt sich anhand der jeweils 10 höchsten Werten der partiellen Serien mit den Dauerstufen 5 / 15 / 60 Minuten für den Zeitraum 01.01.2018 – 31.08.2018. Eine Extremwertstatistik ist aufgrund des kurzen Un- tersuchungszeitraumes nicht möglich.

2 Verwendung von Radar gemessenen Niederschlagsdaten bei der Niederschlags- Abfluss-Simulation - Einfluss auf Bemes- sungsgrößen Ein großer Vorteil bei der Verwendung von Radar gemessenen Niederschlagsdaten bei der Nieder- schlag-Abfluss-Simulation ist die vollständige räum- liche Niederschlagsinformation. Wenn die Regen- menge dann noch bei offline-Produkten („DX-offline“, siehe Kapitel 1.3) mit terrestrisch gemessenen Daten aufbereitet (Treis et. al, 2016) ist, steht für die Model- lierung eine gut verwendbare Regeninformation zur Verfügung. Im Folgenden wird hier ein Beispiel dis- kutiert. Es existieren in der Fachliteratur noch weite- re Ausführungen, die dieses Thema behandeln (z.B. Treis et. al, 2016) 2.1 Räumliche Information von terrest- risch und Radar gemessenen Niederschlä- gen Im folgenden Beispiel werden die Ergebnisse einer Niederschlag-Abfluss-Simulation mit unterschied- lichen Regendaten für ein 42 km² großes Gebiet, das sowohl urban als auch ländlich geprägt ist, ge- genübergestellt. Durch den urbanen Charakter des Einzugsgebietes mit einem hohen Versiegelungs- anteil sind vor allem Starkniederschläge mit großen Anteilen des Oberflächenabflusses hier hochwas- serabflussbildend. Im Einzugsgebiet des Dattelner Mühlenbachs (NRW) liegt keine terrestrische Nieder- schlagsstation im Einzugsgebiet. Die Abbildung 14 zeigt die Lage der zwei benachbarten Regenschrei- ber und deren Zuordnung zu den zu modellierenden Teileinzugsgebieten. Die Regenschreiber liegen 16,4 km auseinander. Niederschlagsstation A ist 6 km - 10 km, Niederschlagsstation B 3 km - 9 km von den Teil- einzugsgebieten entfernt. Auch sind die Polarpixel der Radar-Messung in Ab- bildung 14 eingetragen. Sie haben eine Länge von 1 km und verändern ihre Breite in Bezug auf den Ab- stand vom Radarstandort (hier der Radarstandort in Essen). In diesem Beispiel bewegt sich die zwischen 0,522 km 0,695 km. Folglich können Regeninforma- tionen mit einer räumlichen Auflösung kleiner 1 km² verwendet werden. Die zeitliche Diskretisierung der Radardaten liegt bei 5 min. HKC Werkstattbericht 2021 53 Abb. 14: Lage der terrestrische Niederschlagsstationen für die Niederschlag-Abfluss-Simulation des Dattelner Mühlenbachs und die Zuordnung zu den hydrologischen Teileinzugsgebie- ten, Radar-Niederschlag-Polarpixel 2.2 Gegenüberstellung der terrestrisch und Radar ermittelten Niederschläge im Einzugsgebiet Die Eingangsgröße Niederschlag in das Nieder- schlag-Abfluss-Modell wird terrestrisch und Radar gemessenen unterschiedlich ermittelt. Die terrest- risch ermittelten Niederschläge werden mit einem Abstandsverfahren, d.h. entfernungsgewichtet ge- mittelt, auf die Teileinzugsgebiete übertragen (Ab- bildung 14). Die Radar-Polarpixel werden flächen- gewichtet mit den jeweiligen Teileinzugsgebieten verschnitten, so dass für jedes Teileinzugsgebiet eine Niederschlagseingangszeitreihe zur Verfügung steht, das ist also eine deutlich räumlich differenzier- tere Information als die der terrestrisch gemessenen Regendaten. Die Abbildung 15 zeigt die Summenlinien der Regen- Modelleingangsgrößen für das gesamte Einzugsge- biet für den Zeitraum 1.11.2000 - 1.11.2018. Die Ra- dar- und Stationsmessungen stimmen qualitativ und quantitativ sehr gut über ein. Dennoch existieren für die einzelnen Niederschlagsereignisse signifikante Unterschiede, was im folgenden Kapitel 2.3 offen- sichtlich wird.

Die statistische Verteilung für die Simulation zeigt Abbildung 17, sowohl für terrestrisch mit Stationen als auch mit Radar gemessenen Regendaten. Das mit Radardaten modellierte Ereignis vom 17.7.2003 wurde als Ausreißer definiert und als 300 jährliches Ereignis nach Kleeberg & Schumann (2001) eingeordnet. HKC Werkstattbericht 2021 55 Abb. 17: statistische Verteilung mit Radar gemessen Nieder- schlagseingangsgrößen simulierten Höchstabflüsse Die Daten wurden bis zum HQ50 mit der Log-Gam- ma-Verteilung ausgewertet. Der Vergleich der ermit- telten Hochwasserabflüsse ist in Tabelle 4 aufgelistet. Tabelle 4: Vergleich der statistischen Auswertung von Hochwas- serabflüssen mit der LOG-Gamma-Funktion mit terrestrisch und Radar gemessenen Niederschlagseingangsgrößen Die Gegenüberstellung zeigt, dass für kleinere Wie- derkehrintervalle (HQ5 und HQ10) mit Radarnieder- schlägen kleinere bemessungsrelevante Abflüsse ermittelt werden. Die Werte HQ25 und HQ50 sind dagegen größer, da das terrestrisch nicht erfasste Ereignis vom 17.7.2003 großen Einfluss auf die Sta- tistik unter Verwendung der Radardaten hat. Ein ähnliches Ergebnis zeigt sich auch bei dem be- reits in Kapitel (1.3.1) genannten Mirker Bach. Hier wurden in dem ca. 8 km² großen Einzugsgebiet die Simulationen mit der terrestrischen Station Buchen- hofen denen mit Radardaten gegenübergestellt (Langzeitsimulation über zehn Jahre: 01.11.2000 bis 01.11.2010). Abb. 18: Hydrologischer Längsschnitt Mirker Bach (oben) und Hydrologischer Längsschnitt Eschenbeek (unten) Die Abbildung 18, zeigt oben den hydrologischen Längsschnitt des Hauptgewässers Mirker Bach und unten den des wichtigsten Nebengewässers der Eschenbeek (Ergebnisse der Langzeitsimulation mit der Station sind jeweils mit „Lang“ und durchgezo- gener Linie und mit den Radardaten mit „Radar“ und gestrichelter Linie gekennzeichnet). In der folgenden Tabelle 5 sind die Ergebnisse ver- gleichend für die Mündungselemente des Mirker Bachs und der Eschenbeek beispielhaft zusammen- gefasst dargestellt. Tabelle 5: HQ-Werte aus Langzeitsimulation mit radargemessen bzw. terrestrisch (Station Buchenhofen) erfassten Niederschlä- gen Die Tabelle 5 zeigt, dass bei dem größeren Einzugs- gebiet Mirker Bach (die Eschenbeek hat ca. 0,9 km² EZG), die Wirkung des Gebietsniederschlags deut- licher auftritt. Die Abflussscheitel der unterschied- lichen Jährlichkeiten zeigen die Tendenz, dass bei kleiner Jährlichkeit (HQ1) der Unterschied weniger deutlich auftritt als bei großen Jährlichkeiten. Zwi- schen den großen Jährlichkeiten ist hier keine deut-

HKC Werkstattbericht 2021 57

HKC Werkstattbericht 2021 59 Arbeitshilfen und Leitfäden erlassen (z.B. MULNV 2019 oder LUBW 2016), deren Befolgung durch die Gewährung von Fördergeldern erreicht wird. 3 Licht ins Begriffsdickicht bei der Be- nennung von Hochwasser- und Starkregen- Szenarien Die Ländervorgaben zu den Starkregenuntersuchun- gen unterscheiden sich in Details wie z.B. den lan- desweit zur Verfügung gestellten Datensätzen, der Definition der Niederschlags- und Abflussszenarien, der konkreten Modellaufbau- und Simulationsvorga- ben und des Detaillierungsgrades der veröffentlich- ten Leistungsverzeichnisse, nach denen die Studien zu erarbeiten sind. Da die Erstellung der Starkregenkarten Aufgabe der Kommunen ist, gibt es kein zentrales Portal zur ge- sammelten Veröffentlichung der Karten. Neben der statischen Darstellung von Karten als PDF-Dokumen- te im Internet oder auf städtischen Internetportalen gibt es auch animierte, dynamische Darstellungen, die es erlauben, den Verlauf des Starkregenereig- nisses räumlich differenziert zu betrachten (Beispiele https://wachtberg-starkregen.de/). Die Folge der administrativen und gesetzlichen Be- stimmungen ist, dass Hochwasser- und Starkre- gen-Risikomanagementprojekte unabhängig vonei- nander durchgeführt werden. Zu Überschneidungen kommt es dann, wenn ein HWGK-Risikogewässer gemäß EU-HWRM-RL ein Starkregenprojektgebiet durchfließt oder an es angrenzt. Im Ergebnis liegen dann für ein und dieselbe Örtlichkeit in unterschied- lichen Kartenwerken dargestellte Überflutungsgefah- ren parallel vor. Werden Starkregenbetrachtungen für Einzugsgebie- te angestellt, die an ein Gewässer mit vorhandenen Hochwassergefahrenkarten grenzen, stellen sich grundlegende Fragen bezüglich der Auswahl der Er- eignisse, der Darstellung, Benennung und Interpreta- tion der Ergebnisse. Die Hochwassergefahrenkarten wurden für Gewäs- ser erstellt, die eine Hochwasserrisikosignifikanz aufweisen und entsprechend EU-Hochwasserri- sikomanagementrichtlinie (EU-HWRM-RL) für ein „Häufiges“, ein „Mittleres“ und ein „Seltenes“ Ab- flussereignis zu erstellen sind. Jedes Land der EU (in Deutschland jedes Bundesland) kann bestim- men, welche Jährlichkeiten einem „Häufigen“ Ereig- nis und einem „Seltenen“ Ereignis zuzuordnen sind. Das „Mittlere“ Ereignis ist durchgehend mit einem 100-jährlichen Hochwasser definiert. In Deutsch- land werden „Häufige“ Ereignisse je nach Bundes- land durch ein HQ10, HQ20, HQ25 und/oder HQ50 repräsentiert. Die „Seltenen“ Ereignissen liegen im Bereich HQ200 bis HQ7000 (Bremen, Tideeinfluss). Die „Seltenen“ Abflüsse werden zudem durchgehend mit „Extrem“ bezeichnet. Für die Starkregengefahrenkarten gibt es keine über- geordnete EU-Richtlinie, hier folgt man in Deutsch- land der LAWA-Richtlinie zum Starkregenrisikoma- Tabelle 1: Aktuelle disziplinabhängige Definitionen und Parameter der Ereignisse für Hochwasser- und Starkregengefahrenkarten

HKC Werkstattbericht 2021 61 » • Planungen in der Flächennutzung - z.B. Be- bauungsplan Bewältigung, insbesondere: • Anlagenbetrieb inkl. Überflutungssicherheit • Wegemanagement • Evakuierung • Private und gewerbliche Hausbesitzer*innen mit dem Tätigkeitsfeld: » » Eigenvorsorge - Schutz und Verhalten Risikovorsorge Konnektivitäten herstellen. Solche ungewöhnlichen Überflutungsflächen im urbanen Raum zeigen, dass es wichtig ist, Kenntnis darüber zu haben, wo das Wasser beim Infarkt der Hochwasserschutzsysteme hinfließen kann. Solche Überflutungsflächen sind mit einem Blick auf die Topografische Karte allein nicht abschätzbar. Für diese Szenarien wurden auch Si- mulationsfilme erzeugt, die die zeitliche Dynamik darstellen, um den Einsatz bei der Bewältigung de- tailliert planen zu können. Damit die Gefahrenkarten bei allen Fragestellungen adäquat verwendet werden können, sollten diese unterschiedliche Eigenschaften aufweisen. Im Fol- genden werden diese Anforderungen und mögliche Lösungen für die Nutzergruppen aufgeführt. Hochwasser- und Starkregen-Gefah- 4.1 renkarten für die öffentliche Hand Die HW-Gefahrenkarten stellen zurzeit für verschie- dene Belastungsgrößen das Überflutungsszenario für das gesamte Gewässer oder Gewässersystem dar. Starkregengefahrenkarten zeigen die Auswir- kungen für das ganze Stadtgebiet. Das ist für viele Fragestellungen der Planung von Vorsorgemaßnah- men in der übergeordneten Infrastruktur eine sehr gute Grundlage. Beim zeitlichen Ablauf eines HW-Ereignisses versa- gen im Ereignisfall in der Regel nicht alle Hochwas- sermaßnahmen zur gleichen Zeit. Im Starkregenfall ist nicht immer eine gesamte Stadt von Überflutun- gen getroffen. Während eines Ereignisses wird es so sein, dass einzelne Hochwasserschutzanlagen ver-sagen. Aus den bestehenden Gefahrenkarten lässt sich jedoch nicht die Information entnehmen, welche Bereiche durch das Versagen, beispielsweise eines Deichab- schnittes, überflutet werden. Dies hat Auswirkungen auf die Planung der Zufahrts- und Evakuierungswe- ge und dem Wissen darum, wie viele Menschen und welche wirtschaftlichen und kulturellen Güter betrof- fen sind. Nur mit der dezidierten Information, welche Überflutungsflächen sich beim Versagen einzelner Schutzanlagen ergeben, können adäquate Maß-nah- men umgesetzt werden, die Schäden noch während des Ereignisses mindern. Ein Beispiel hierzu zeigt Abbildung 1 für die Emscher. Hier wurden Deichabschnitte definiert, die dieselbe Überflutungsfläche im Deichhinterland besitzen. Die Überflutungsfläche hat eine ungewöhnliche Struktur, sie folgt nicht einer Flussaue. Dies ist die Folge der anthropogenen Gebietsprägung: zum einen durch Bergsenkungen des Steinkohlebergbaus, zum ande- ren durch die städtebaulichen Strukturen, die poten- zielle Überflutungsflächen be-schneiden, aber auch Abb. 1: Deichhinterland für einen definierten Deichabschnitt Gleiches gilt für die Überflutungsflächen einzelner Fließgewässer, besonders im Mündungsbereich. Bei der bisherigen gesamtheitlichen Darstellung al- ler Überflutungsgebiete, ist nicht klar von welchem Fluss welche Überschwemmung ausgehen kann. Als Beispiel zeigt die Abbildung 2 den Mündungsbereich der Emscher in den Rhein. Aus der linken Abbildung, die auch so in den Hochwassergefahrenkarten dar- gestellt ist, ist nicht ersichtlich welche Überflutungen vom Rhein und welche von der Emscher kommen. Nur die einzelne Betrachtung der jeweiligen Über- flutungsflächen (Abbildung 2, Mitte und rechts) gibt darüber Aufschluss. Abb. 2: Hochwassergefahrenkarten für HQ100 im Mündungs- bereich der Emscher in den Rhein. Blau: Wassertiefen für Gebiete ohne technischen Hochwasserschutz; Gelb-Braun: Wassertiefen - hochwassergeschützte Gebiete, Links: Überflu- tungsgebiete Rhein und Emscher; Mitte: Überflutungsgebiete Rhein; Rechts: Überflutungsgebiete Emscher. Für die Hochwasserbewältigung wird ein Informa- tionssystem empfohlen, das es erlaubt, je nach Ver- lauf des Ereignisses, die entsprechenden Überflu- tungsszenarien darstellen zu können.

5 Vorschlag zur verbesserten Berech- nung der Hochwasser- und Starkregenge- fahren in kleinen Einzugsgebieten Bisher werden Flusshochwasser und Überflutungen durch Starkregen in getrennten Gefahrenkarten dar- gestellt. Jedoch treten in kleinen Einzugsgebieten meist Flusshochwasser und Überflutungen durch Starkregen gleichzeitig auf. Darüber hinaus zeigen in kleinen Einzugsgebieten die gewässerbezogenen Hochwassergefahrenkarten nicht das ganze Aus- maß der Gefährdung im Ereignisfall. Sie stellen die Ausuferung von Wasser aus dem Gewässer dar, aber nicht den Prozess, wie das Wasser zum Ge- wässer gelangt. In kleinen Gebieten gehören diese beiden Prozesse ursächlich und zeitlich zusammen, wie die folgenden Beispiele zeigen. Mit der nachfolgend vorgeschlagenen Bearbeitungs- methodik können die aus Sicht der Adressaten der Gefahrenkarten (Anwohner, Gewerbetreibende, Kommunen, Einsatzkräfte, usw.) existierenden De- fizite in der Darstellung der Gefahren behoben wer- den. Das Problem der aktuellen, bivariaten Modell- technik In Abbildung 7 sind vergleichend die aktuellen Prakti- ken des Einsatzes hydrologischer und hydraulischer Modelltechnik zur Erstellung von gewässerbezoge- nen HWGK / HWRK und flächigen Starkregengefah- renkarten dargestellt. Im Bereich des gewässerbe- zogenen HW-Risikomanagements (linkes Schema) wird die traditionelle sequenzielle Modellierung ein- gesetzt, bei der mit einem flächigen NA-Modell ex- plizite Abflusswerte für ein linienhaft ab-gebildetes Gewässer berechnet werden. Die Hydraulik in Kom- bination mit einem GIS-Postprozessing liefert dann die maßgeblichen Überflutungsbereiche. Bei einer entsprechenden Datenverfügbarkeit (W/Q-Pegelauf- zeichnungen) ist es möglich, NA-Modelle und hyd- raulische Gewässermodelle zu kalibrieren. Hydro- logische Berechnungen können als Langzeit- oder Einzelereignis-Simulation erfolgen.. Die Gewässer- hydraulik kann stationär oder instationär durchge- führt werden. HKC Werkstattbericht 2021 63 Abb. 7: Aktuelle bivariate Modelltechnik (Hydrologie / Hydrau- lik) in den Bereichen HW- und Starkregenrisikomanagement. Dank vorangeschrittener Softwaretechnik und Da- tenverfügbarkeit ist es im Bereich des Starkregenri- sikomanagements möglich, inzwischen auch große Einzugsgebiete, direkt zweidimensional hydronume- risch instationär (mittels Einzelereignissimulation) zu berechnen. Bei dieser Modelltechnik muss der Pro- zess der Abflussbildung (Entstehung des effektiven Niederschlags Neff) im Rahmen eines Preprozessing oder eines vorgeschalteten Abflussbildungsmoduls abgebildet werden. Starkregenmodelle können in der Regel nicht klas- sisch kalibriert werden, da flächige quantitative Ab- flusserfassungen nicht vorliegen. Hoch aufgelöste Radardaten erfassen in der Regel den kleinräumigen Starkregenniederschlag, so dass mit qualitativen In- formationen (Fotos, Videos, Einstaumarken an Ge- bäuden, etc.) zumindest Modellplausibilisierungen möglich sind. Beispiel Godesberger Bach Die Abbildung 8 zeigt den Oberlauf des Godesber- ger Bachs in NRW. Der Godesberger Bach ist ca. 16 km lang, hat ein Einzugsgebiet von ca. 36 km², entspringt in der Gemeinde Wachtberg und mündet in Bonn Bad Godesberg in den Rhein. Die in dem Auszug der HWGK dargestellten Überflutungsflä- chen zeigen eine Ausuferung von Wasser aus den Godesberger Bach für ein 100-jährliches Ereignis. Die Betroffenheiten sind gering, da die Überflutungen gewässernah auftreten und eine größere Ausuferung in rein landwirtschaftlicher Fläche zwischen den Ort- schaften Fritzdorf und Arzdorf stattfindet. Die Abflüsse wurden mit einem NA-Modell berechnet und dann als Input für die 2D-Hydraulik an Flusspunk- ten im Gewässerschlauch des Baches angesetzt.

HKC Werkstattbericht 2021 65 Abb. 11: Oberlauf des Kubachs in Bergkamen, Starkregen-Si- mulation Tn = 100 a Beispiel Alfterer Bornheimer Bach Im folgenden Beispiel wird für den Bornheimer-Alf- terer Bach in NRW der Vergleich für ein HQextrem gezeigt. Der Alfterer Bornheimer Bach ist ca. 11 km lang, mündet direkt in den Rhein und hat ein Ein- zugsgebiet von ca. 38 km². Er entspringt im Ortsteil Bonn-Alfter an der Flanke des Südlichen Vorgebir- ges, der Begrenzung des ursprünglichen Rheintals. Der Bach ist stark ausgebaut und durchfließt Born- heim, um dort Vorflut für die Stadtentwässerung zu schaffen. Der Bach überwindet einen Höhenunter- schied von ca. 110 m. Der Ober-lauf entwässert die Hangbereiche der linksrheinischen Flussniederung und weist dort das größte Gefälle auf. Abbildung 12 zeigt die aktuellen, veröffentlichten Überflutungsflächen eines HQextrem. Hier wurde nach Bearbeitungsvorgabe der Bezirksregierung Köln eine gestaffelte Berechnung durchgeführt. Im ersten Schritt die Erstellung eines NA-Modells zur Berechnung von Bemessungsabflüssen, im zweiten Schritt eine 2D-Hydraulik mit Ermittlung der Über- flutungsbereiche. Zu sehen sind in Abbildung 12 die punktuellen Ausuferungsbereiche des Baches, dort wo an Engstellen die hydraulische Leistungsfähigkeit nicht ausreicht. Die durchge-x-ten Gewässerstränge gehören nicht zum HWGK-Gewässer und wurden daher nicht hydraulisch berechnet. Da das Gelände in nordöstlicher Richtung abfällt, treten die Ausufe- rungen nur auf einer Gewässerseite auf und fließen vom Gewässer weg. An der Stelle, an der der Bach aus dem Vorgebirge in die Niederung eintritt, knickt der Bach um ca. 90° nach links und folgt der Vertie- fung eines ehemaligen Rheinarms. Die Ausuferungs- flüsse füllen dort die Muldenvertiefung. Abb. 12: HW-Gefahrenkarten Flächen eines HQextrem für den Oberlauf des Alfterer Bornheimer Bachs (Basisdaten www. geoportal.nrw), die durchge-x-ten Gewässerstränge gehören nicht zum HWGK-Gewässer Die dargestellten Flächen suggerieren, dass eine Gefährdungs- und Risikolage nur rechts des Ge- wässers besteht und räumlich scharf abgegrenzt ist. Weite Teile des Einzugsgebietes scheinen nicht ge- fährdet zu sein. Die Abbildung 13 zeigt die für ein HQextrem berech- neten Oberflächenabfluss nach den Vor-gaben der Arbeitshilfe NRW. Es wurde ein Niederschlag von 90 mm in einer Stunde angesetzt. Die Simulationen wur- den testweise nur innerhalb der schwarzen Modell- grenzen durchgeführt. Es wurde das DGM1, aggre- giert auf ein 5-Meter Grid verwendet, ohne Gebäude explizit aufzunehmen. Die Simulationsergebnisse zeigen ein differenziertes Bild. Alle Entwässerungs- rinnen, ob von Gräben durchflossen oder als reine Muldenstrukturen vorhanden, treten deutlich als was- sergefüllt hervor. Die Gefährdungen werden flächen- deckend sichtbar. Straßen werden zu Abflussbah- nen. Die Altarmmulde ist vollständig gefüllt. Innerhalb der Rheinniederung füllen sich abflusslose Mulden mit Wasser, das dort ver-bleibt. Auch auf dem Pla- teau, am oberen Einzugsgebietsrand füllen sich Mul- den. Die Simulationsergebnisse zeigen, dass bereits „HW-Gefahren“ auf dem Weg des Wassers zum Ge- wässer auftreten und nicht erst nach Verlassen des Gewässers. Die prinzipielle Ausuferungssituation am Oberlauf wird von der flächigen Simulation bestätigt, wenn auch differenzierter dargestellt.

HKC Werkstattbericht 2021 67 Abb. 14: Darstellung der Teileinzugsgebietsflächen der Gewäs- ser in NRW mit einer Flächengröße von maximal 25 km² Abb. 15: Darstellung der mittleren Übersichtsgewässern (GSK3c) in NRW mit einer Flächengröße von maximal 30 km² Abb. 16: Darstellung der mittleren Übersichtsgewässern (GSK3c) in NRW mit einer Flächengröße von maximal 30 km² Abb. 17: Flächenverteilung im Bereich des Godesberger Bachs

HKC Werkstattbericht 2021 69 Literatur DWA, Deutsche Vereinigung für Wasserwirtschaft, Abwasser und Abfall e. V. (2016), Merk-blatt DWA-M 119, Risikomanagement in der kommunalen Überflutungsvorsorge für Entwässerungssysteme bei Starkregen, Hennef DWD, Deutscher Wetterdienst (2017), „KOSTRA-DWD-2010R, Bericht zur Revision der koordinierten Starkregenregionalisierung und -auswertung des Deutschen Wetterdienstes in der Version 2010“, Offenbach am Main EU-HWRM-RL (2007/60/EG), Richtlinie 2007/60/EG des europäischen Parlamentes und des Rates vom 23. Oktober 2007 über die Bewertung und das Management von Hochwasserrisiken LAWA, Bund-/Länder-Arbeitsgemeinschaft Wasser (2018), „LAWA-Strategie für ein effektives Starkregenrisikomanagement“, er- arbeitet von der Kleingruppe „Starkregen“ des Ständigen Ausschusses „Hochwasserschutz und Hydrologie“ (LAWA-AH) der LAWA, Erfurt LAWA, Bund-/Länder-Arbeitsgemeinschaft Wasser (2017), „Empfehlungen für die Überprüfung der vorläufigen Bewertung des Hochwasserrisikos und der Risikogebiete nach EUH-WRM-RL“, beschlossen auf der 153. LAWA-Vollversammlung, 16./17. März 2017 in Karls-ruhe, Ständiger Ausschuss der LAWA „Hochwasserschutz und Hydrologie“ (LAWA-AH) LUBW, Landesanstalt für Umwelt, Messungen und Naturschutz Baden-Württemberg (2015), Abfluss-BW, Regionalisierte Abfluss- Kennwerte Baden-Württemberg, Stuttgart LUBW, Landesanstalt für Umwelt, Messungen und Naturschutz Baden-Württemberg (2016a), „Leitfaden Kommunales Starkregen- risikomanagement in Baden-Württemberg“, Stuttgart LUBW, Landesanstalt für Umwelt, Messungen und Naturschutz Baden-Württemberg (2016b), „Anhang 2, 3, 4 und 5 zum Leitfaden Kommunales Starkregenrisikomanagement in Baden-Württemberg, Stand Dezember 2016, Stuttgart LUBW, Landesanstalt für Umwelt, Messungen und Naturschutz Baden-Württemberg (2020), „Anhänge 1 a, b, c zum Leitfaden Kom- munales Starkregenrisikomanagement in Baden-Württemberg“, Stand Juli 2020, Stuttgart MULNV, Ministerium für Umwelt, Landwirtschaft, Natur- und Verbraucherschutz des Lan-des Nordrhein-Westfalen (2019), „Arbeitshilfe kommunales Starkregenrisikomanagement, Hochwasserrisikomanagementplanung in NRW, Düsseldorf Schmitt, T.G. et al. (2018), „Einheitliches Konzept zur Bewertung von Starkregenereignissen mittels Starkregenindex“, in KA Korre- spondenz Abwasser, Abfall (65), Nr. 2, S. 113-120

Seit vielen Jahrzehnten wird in der Hochwassersta- tistik von der Annahme ausgegangen, die Voraus- setzungen der mathematischen Statistik seien erfüllt: Die einzelnen Ereignisse beruhen auf den gleichen Ursachen - d.h. die Stichprobe ist homogen und die Ereignisse sind in ihrer Abfolge unabhängig. Die ma- thematische Statistik soll dabei den Zufallscharakter des Phänomens „Hochwasser“, respektive „Starkre- gen“, beschreiben und den sogenannten „stochasti- schen“ Anteil der Unsicherheit in der Bewertung der Naturgefahr erklären. Insbesondere die letzten drei Jahrzehnte haben aber gezeigt, dass die damit ver- bundenen Unsicherheiten in der Abschätzung der Belastungsgrößen weitaus größer sind, als dies auf Grundlage der mathematischen Statistik bisher ange- nommen wurde. Es wurde deutlich, dass die Bemes- sungspraxis mit weiteren Unsicherheiten behaftet ist, als die, die mit Hilfe der herkömmlichen mathemati- schen Modelle der Hochwasserstatistik beschrieben werden können. Wir haben uns bisher auf Grund von unvollständigem Wissen, fehlenden Daten und Vor- urteilen mit jahrzehntealten Annahmen abgefunden. Wenn wir lediglich die, lange oft vernachlässigte, Grundannahme der Homogenität der Stichproben der Jahreshöchstabflüsse prüfen, stellen wir fest, dass diese ein bedeutendes Unsicherheitsfeld dar- stellt und dieses durch den dynamischen Einfluss der Erderwärmung zunimmt. In diesem Werkstattbericht stellen wir Möglichkeiten zur Diskussion, wie dieser Unsicherheitsbereich charakterisiert und reduziert werden kann. Es bleibt aber festzustellen, dass der Umgang mit Bemessungsgrößen überdacht werden muss. In der Wissenschaftstheorie unterscheidet man zwischen deduktiven und induktiven Ansätzen. Der deduktive Ansatz geht von bestehenden Ansätzen und Theo- rien aus, prüft die Hypothese der Anwendbarkeit, der induktive Ansatz geht von empirischen Untersuchun- gen aus und leitet daraus neue Theorien und Ansät- ze ab. Letztlich bedingen beide Aspekte einander. Bestehende Ansätze müssen hinterfragt und anhand neuer Daten und Erkenntnisse überprüft werden, neue Ansätze erfordern neue Auswertungen, neue Daten und neue Informationen. Das Problem der Umsetzung des deduktiven Ansat- zes besteht darin, dass einmal getroffene Annahmen sehr ungern an Hand neuer faktischer Gegeben- heiten überprüft werden. Bzgl. hydrologischer Be- lastungsgrößen besteht bspw. oftmals der Wunsch, diese (nach Möglichkeit) langfristig festzuschreiben, obwohl diese faktisch einer räumlich-zeitlichen Dy- namik unterliegen. Letztendlich hat sowohl unvoll- ständiges Wissen als auch die Fortschreibung von jahrzehntealten Konventionen unsere Fähigkei- ten beeinträchtigt, die Phänomene Starkregen und HKC Werkstattbericht 2021 71 Hochwasser in der Verknüpfung von deterministi- schen und stochastischen Betrachtungsweisen so zu beurteilen, dass unsere Annahmen mit der heutigen Realität zu vereinbaren sind. Wir stehen nun vor der Wahl, uns den Gegeben- heiten zu stellen, die Auswertung jahrzehntelanger Beobachtungen mit den Erfahrungen der letzten Jahrzehnte zu verknüpfen, empirische Plausibilität als ein Entscheidungskriterium einzusetzen und die Betrachtung des Versagensfalls als Teil der Risiko- bewertung anzuerkennen oder weiter an bestehen- den Konventionen festzuhalten. Wollen wir zukünftig die Frage „Welcher Schadensfall muss unbedingt vermieden werden?“ in den Mittelpunkt des Risiko- managements setzen oder weiterhin versuchen, die Frage „Wie hoch ist die Wahrscheinlichkeit des Scha- densfalls?“ zu beantworten? Auf Grund unzureichen- den Wissens über die zukünftige Entwicklung und die daraus resultierenden zunehmenden Unsicherheiten bei der Abschätzung der Bemessungsgrößen wird deutlich, dass der Beantwortung der ersten Frage zukünftig mehr Aufmerksamkeit gewidmet werden sollte. Müssen wir unsere Risiko-Kommunikation verbessern? „Jede Person, die durch Hochwasser betroffen sein kann, ist im Rahmen des ihr Möglichen und Zumut- baren verpflichtet, geeignete Vorsorgemaßnahmen zum Schutz vor nachteiligen Hochwasserfolgen und zur Schadensminderung zu treffen ... “ §5 Abs. 2, WHG Der hier zitierte Paragraph 5 des Wasserhaushalts- gesetzes regelt die allgemeinen Sorgfaltspflichten für Personen, die durch Hochwasser betroffen sein können. Aber wie ist diese mögliche Betroffenheit der Bevölkerung zu vermitteln? Auch in der nahen Zukunft bleibt es eine wichtige Aufgabe, hierzu der Bevölkerung Hochwasser- und Starkregenrisiken transparent und leicht verständlich darzustellen. Die übergeordneten Infrastrukturmaßnahmen der öffent- lichen Hand können potenziell großen Schaden ver- mindern, bringen allerdings nicht alleine die Lösung. Sie müssen flankiert werden durch eine umfassende, angepasste Risikovorsorge an den Gebäuden selbst, was die Resilienz der Gesellschaft gegenüber Über- flutungen erheblich steigern würde. Deshalb müssen Laien für ihr eigenes Risiko sensibilisiert werden, um ihre Fähigkeit zum Selbstschutz zu stärken – das heißt, dass sie in die Lage sind, sich gut zu infor- mieren und eigenständig Vorsorgemaßnahmen zu treffen. Doch schon bei der Beschreibung der Überflutungs-

HKC Werkstattbericht 2021 73

1.1.2 HGM mit Langzeitsimulation und Ex- tremwertstatistik (Belastungswerte) sowie Ereignisauswahl (Belastungsganglinien) Als Standard in NRW gilt die hydrologische Gebiets- modellierung mit einer kontinuierlichen Langzeitsi- mulation über mindestens 30 Jahre bei einer Zeit- schrittweite von 5 Minuten bis zu max. 1 Stunde auf Basis von gemessenen Stationsniederschlägen bzw. dar-aus abgeleiteten Gebietsniederschlägen und an- schließender extremwertstatistischer Auswertung der Jahresserie oder partiellen Serie der Abflussma- xima bis zum HQ100. Zur Extrapolation von Abflüs- sen niedriger Wahrscheinlichkeit (HQextrem) wird in der Regel der HQ100 Wert mit einem Faktor skaliert (Kleeberg, Schumann 2001; vgl. a. Schumann 2012). Dieses Verfahren wurde im 1. Zyklus HWRM-RL z.B. an der Wupper angewendet. Da zunächst nur Belastungswerte ermittelt werden, können in einem zweiten Schritt berechnete Ereig- nisse ausgewählt werden, deren Abflussmaxima die gewünschten Belastungswerte erreichen oder durch eine Skalierung angepasst werden, sodass dann auch Belastungsganglinien zur Verfügung stehen. In- wiefern auch die Volumina eine entsprechende Auf- tretenswahrscheinlichkeit aufweisen ist separat zu prüfen. Dieses Verfahren wurde z.B. bei der Issel angewen- det. Zur zukünftigen Berücksichtigung des sich in den Niederschlagsdaten andeutenden Klimawandels bei der Langzeitsimulation mit extremwertstatistischer Auswertung der berechneten Abflüsse wird auf die Beiträge in Kapitel 2 verwiesen. 1.1.3 HGM mit Simulation statistisch klassi- fizierter Niederschlagsereignisse (MenSch) (Belastungswerte und -ganglinien) Für die hydrologische Gebietsmodellierung werden gemessene Niederschlagsereignisse von Stationen mit vergleichbaren meteorologischen und topografi- schen Bedingungen, die sowohl im als auch außer- halb des betrachteten Einzugsgebietes liegen kön- nen, verwendet. Dadurch wird die Datenbasis stark vergrößert unter der Annahme, dass diese Ereignis- se auch im betrachteten Einzugsgebiet hätten auftre- ten können. Alle Ereignisse werden durch die Zuord- nung einer Auftretenswahrscheinlichkeit klassifiziert. Die Klassifizierung erfolgt in der Regel auf Basis der Statistik des Gebietsniederschlags, der aus gewich- teten Niederschlagsdaten von Stationen aus dem HKC Werkstattbericht 2021 75 Einzugsgebiet berechnet wird. Zusätzlich wird eine Klassifizierung gemäß KOSTRA-DWD (Deutscher Wetterdienst 2017) durchgeführt. Auch hier wird die Annahme getroffen, dass mit den klassifizierten Re- gen einer bestimmten Auftretenswahrscheinlichkeit Abflussereignisse derselben Auftretenswahrschein- lichkeit generiert werden können. Die hydrologische Modellierung erfolgt mit allen für die zu betrachtende Häufigkeit relevanten Nieder- schlagsereignissen. Dabei werden die Ereignisse in eine im Einzugsgebiet gemessene Niederschlags- ganglinie eingebunden um die regionale Vorregensi- tuation zu berücksichtigen. Die berechneten Abfluss- spitzen (Qmax) und Abflussganglinien (Volumina) werden analysiert (unter Berücksichtigung von Pe- gelstatistiken) und ein oder mehrere geeignete Er- eignisse als Belastungsgröße für die Bemessung ausgewählt. Dieses Verfahren nach Mennerich / Schithelm (MenSch) (Kaiser u.a. 2015; Schitthelm 2006) wurde beim Bergisch-Rheinischen Wasserverband in Zu- sammenarbeit mit dem StUA Düsseldorf entwickelt und wird z.B. für Bemessungsaufgaben an der Niers vom Niersverband verwendet. Auch hier kann zukünftig bei der statistischen Klas- sifizierung des Niederschlags der Klimawandel be- rücksichtigt werden (s. Beitrag in Kapitel 3). Das Verfahren wird inzwischen beim Niersverband auch auf Radardaten angewendet (Mordelt 2020). Dabei werden aus den Radardaten Gebietsnieder- schlagszeitreihen für das betrachtete Einzugsge- biet (in der original Lage und vielfach verschoben) berechnet, die Niederschlagsstatistiken erstellt und dann eine Hüllwertbetrachtung durchgeführt. Die sich hieraus ergebende Niederschlagsstatistik mit Erweiterung bis zum 10.000 jährlichen Ereignis über aus KOSTRA/PENLAWA abgeleiteten Verhältnis- zahlen wird für die Klassifizierung von Radarereignis- sen aus ganz NRW verwendet. Auch hier wird davon ausgegangen, dass diese gemessenen Ereignisse „überall“ und damit auch im betrachteten Einzugsge- biet hätten auftreten können. Aus diesen Ereignissen werden dann Belastungsereignisse für die Simula- tion mit dem HGM gewählt. Erheblicher Forschungsbedarf wird bei der raumzeit- lichen Analyse (spatiotemporal data analysis) von Niederschlagsereignissen insbesondere von Stark- regenereignissen auf Basis der inzwischen vorliegen- den Radardaten gesehen. Hierbei wird die raumzeit- liche Variabilität des Niederschlagsgeschehen direkt betrachtet und statistisch ausgewertet (spatiotem- poral statistic (Wikle u.a. 2019)). Ziel sollte es sein, die Auftretenswahrscheinlichkeit von Starkregen-

HKC Werkstattbericht 2021 77