Analyse der Leistungsfähigkeit einer virtuell-pegelbasierten Methode in der hydrologischen Modellierung von Einzugsgebieten ohne Niederschlagsstationen

Warum bessere Niederschlagskarten wichtig sind

Überschwemmungen treffen oft dort besonders hart, wo nicht einmal grundlegende Wetterinstrumente vorhanden sind. Viele Flusseinzugsgebiete weltweit haben keine Regenmesser innerhalb ihrer Grenzen, sodass Ingenieure die Niederschlagsmengen anhand grober Durchschnitte weiter entfernter Stationen schätzen müssen. Diese Studie stellt eine einfache, aber wichtige Frage: Können wir Satelliten- und modellbasierte Niederschlagskarten in intelligenter Weise kombinieren, um „Lücken zu füllen“ und die Hochwasserprognosen dort zuverlässiger zu machen, wo überhaupt keine Pegel existieren?

Stürme ohne lokale Instrumente aufspüren

Die Forschenden konzentrierten sich auf das Xiaoergou-Einzugsgebiet im Nordosten Chinas, ein 16.761 Quadratkilometer großes Gebiet ohne Regenmesser innerhalb seiner Grenzen. Nur einige wenige Stationen liegen in den benachbarten Einzugsgebieten. Trotzdem erlebt die Region von Mai bis September heftige Sommerregen und Überschwemmungen. Das Team sammelte zehn Jahre Daten (2010–2019): Abfluss am Einzugsgebietsauslass, Niederschlag von 22 umliegenden Messstationen, Evaporation von drei nahegelegenen Stationen und sechs verschiedene gitterbasierte Niederschlagsprodukte aus Satelliten und Wettermodellen. Zusammen liefern diese Quellen viele Informationen, aber nicht an den richtigen Stellen. Die Herausforderung bestand darin, dieses Flickwerk in ein realistisches Bild darüber zu verwandeln, wo und wie heftig es an jedem Tag über dem unbeobachteten Einzugsgebiet geregnet hat.

Invisible Regenmesser erstellen

Um dieses Problem anzugehen, verwendeten die Autoren eine Technik, die als virtuell-pegelbasierte Methode bezeichnet wird. Anstatt das spärliche Netz von Messstationen als gegeben hinzunehmen, erlauben sie zusätzliche, rein rechnerische „Pegel“, die innerhalb des Einzugsgebiets dort platziert werden, wo die mehrquelligen Niederschlagsprodukte konsistent auf wichtige Merkmale wie Sturmzentren oder Trockenstellen hinweisen. Ein Machine-Learning-Modell (ein Random Forest) lernt aus der Beziehung zwischen realen Pegeln und den verschiedenen Niederschlagsprodukten und schätzt dann, wie viel Regen an jedem virtuellen Pegel gefallen wäre. Schließlich werden reale und virtuelle Pegel zusammen mit einer standardmäßigen Interpolationsmethode verschmolzen, um eine detaillierte Niederschlagskarte und einen einzigen einzugsgebietweiten täglichen Mittelwert zu erstellen.

Die Methode auf die Probe stellen

Der entscheidende Test ist nicht, wie hübsch die Niederschlagskarte aussieht, sondern wie gut sie ein Hochwassermodell antreibt. Das Team verglich zwei Ansätze. Im Kontrollansatz wurde der Niederschlag über dem Xiaoergou-Einzugsgebiet nur aus den umliegenden Pegeln mithilfe einer klassischen geometrischen Technik geschätzt, die als Thiessen-Polygon-Methode bekannt ist und effektiv annimmt, dass jeder Pegel einen großen umliegenden Bereich repräsentiert. Im neuen Ansatz verschmolz die virtuelle Pegelmethode die sechs Satelliten- und Modellniederschlagsprodukte mit den spärlichen Pegeln, um ein reichhaltigeres tägliches Niederschlagsfeld zu erzeugen. Beide Niederschlägeingaben wurden dann in ein weit verbreitetes hydrologisches Modell eingespeist, das simuliert, wie Regen in Boden- und Flussabfluss übergeht. Die Modellparameter wurden sorgfältig mit einem modernen Optimierungsalgorithmus abgestimmt und anschließend an unabhängigen Hochwasserereignissen getestet.

Scharfere Hochwasser dank schärferer Niederschläge

Die Simulationen zeigten deutliche Vorteile der virtuellen Pegel. Wenn das Hochwassermodell mit Niederschlag aus der neuen Methode betrieben wurde, reproduzierte es sowohl Volumen als auch Timing von Hochwassern genauer als bei ausschließlicher Nutzung der spärlichen Pegel. In der Kalibrierungsperiode war die kombinierte Genauigkeitsbewertung für den virtuellen Pegelansatz deutlich höher, und die Fehler im Gesamt-Hochwasservolumen wurden ungefähr halbiert. In der Validierungsperiode an unbekannten Ereignissen führte der virtuelle Pegel-Niederschlag weiterhin zu einer besseren Gesamtleistung, insbesondere bei der Vorhersage des Auftretens von Hochwasserpeaks. Eine Ereignis-für-Ereignis-Analyse zeigte, dass sich die Methode an ihre virtuellen Pegel anpasste: In einigen Stürmen verstärkte sie Niederschlagszentren, die die äußeren Pegel verpasst hatten, während sie in anderen Fällen überschätzten Regen abschwächte und so übertriebene Spitzenabflüsse reduzierte.

Was das für hochwassergefährdete Regionen bedeutet

Einfach ausgedrückt zeigt diese Studie, dass es möglich ist, Stürme in Einzugsgebieten ohne Instrumente klarer „zu sehen“, indem Satellitendaten, Wettermodelle und nahegelegene Pegel intelligent kombiniert werden. Die virtuelle Pegelmethode mittelt nicht einfach alle Quellen überall; sie fügt selektiv dort Informationen hinzu, wo sie am wichtigsten sind, und überprüft den Erfolg daran, wie gut Flussabflüsse reproduziert werden. Obwohl der Ansatz weiterhin von der Qualität der Eingangsdaten abhängt und bislang in nur einem Einzugsgebiet getestet wurde, deuten die Ergebnisse auf einen vielversprechenden Weg hin: Mit wohlüberlegter Datenfusion könnten Gemeinden in schlecht überwachten Regionen vertrauenswürdigere Hochwasserprognosen erhalten, noch bevor neue physische Pegel installiert werden.

Zitation: Dou, Y., Liu, X., Liu, X. et al. Analysis of the performance of a virtual gauge-based method in hydrological modeling of basins with no precipitation stations. Sci Rep 16, 11952 (2026). https://doi.org/10.1038/s41598-026-39531-2

Schlüsselwörter: Hochwasserprognose, Niederschlagsabschätzung, Satellitenniederschlag, unbeobachtete Einzugsgebiete, hydrologische Modellierung