Forschung

Im Zuge der Studie soll ein Modellsystem entwickelt werden, bei dem die Leistung von Verbund Wasserkraftwerksketten entlang Donau und Inn mittels Künstlicher Intelligenz (KI) vorhergesagt werden soll. Als Input in das KI System dienen Abflussprognosen mehrerer operationell betriebener Niederschlags-Abfluss Modelle, allesamt basierend auf VERBUND internen Niederschlag-Abflusssystems COSERO. Die Inputdaten sowie die gemessenen Kraftwerksleistungen werden vom Auftraggeber in stündlicher Auflösung geliefert. Das Projekt zielt darauf ab, die Leistung bis zu einem Vorhersage-horizont von 72 Stunden vorherzusagen. Es werden auch Versuche zur Interpretierbarkeit des KI Modells unternommen, bei denen der einzelne Beitrag einer COSERO Abflussvorhersage zur Gesamtleistungsprognose quantifiziert werden soll.

Die Studie im Rahmen der "Digitalen Transformation im BMLRT" soll die zukünftige Digitalisierung, Vernetzung und Automation des österreichweiten Hochwasserrisikomanagements vorantreiben. In der ersten Phase wurden moderne Geodaten und KI-Technologien analysiert und in ein Gesamtmodell für ein flächendeckendes Monitoring integriert. Ein KI-basierter Prototyp zur Hochwasservorhersage wurde entwickelt und erfolgreich getestet, wodurch die Genauigkeit im Vergleich zu bestehenden Modellen verbessert wurde. Außerdem wurden Applikationen zur Ereignisanalyse und -dokumentation entwickelt. Phase 2 zielt darauf ab, das KI-Modellsystem zu erweitern, um Überschreitungswahrscheinlichkeiten und Gefährdungsindizes für ganze Gewässerabschnitte zu prognostizieren. Dies wird anhand eines ausgewählten Einzugsgebietes wie z.B. der Mur umgesetzt und getestet. Es wird auch untersucht, welche aktualisierten Datensätze für den kontinuierlichen Betrieb des Modellsystems benötigt werden und wie diese bereitgestellt werden können. Als „Deliverables“ werden die Beschreibung der entwickelten Verfahren, sowie einer Analyse der notwendigen Datenaktualisierungen und Datenströme in einem Bericht vorgesehen.

Schnee stellt in vielen Regionen einen wichtigen Bestandteil des Wasserkreislaufs dar. Ein nennenswerter Teil der Weltbevölkerung ist auf Wasser angewiesen, das saisonal in der Schneedecke gespeichert ist. Aufgrund von Veränderungen durch den Klimawandel ist die Kenntnis der räumlichen und zeitlichen Verteilung der im Schnee gespeicherten Wassermenge (Wasseräquivalent der Schneedecke, SWE) besonders wichtig. Dies ermöglicht eine bessere Bewirtschaftung der Wasserressourcen und Hochwasservorhersage in von der Schneeschmelze geprägten Flusseinzugsgebieten. Zur Beschreibung des SWEs gibt es eine Reihe von Ansätzen mit spezifischen Vor- und Nachteilen, darunter In-situ-Messungen, Fernerkundung und hydrologische Modellierung. In Gebirgsregionen stellt insbesondere die räumliche Repräsentativität eine große Herausforderung dar, da Schneehöhe und SWE über kleine Entfernungen stark variieren können. Der Hauptvorteil der Methode des Cosmic-Ray Neturon Sensing (CRNS) zur Messung des SWEs besteht darin, dass das Signal Informationen über einen größeren Messbereich enthält und somit weniger sensitiv gegenüber kleinräumigen Schwankungen des SWEs ist. Vorhergehende Forschungsarbeiten konnten die generelle Eignung von CRNS für die Überwachung von Schneewasserressourcen in Bergregionen bestätigen. Derzeit bestehen noch offene Forschungsfragen hinsichtlich der räumlichen Übertragbarkeit dieser Ergebnisse. Deshalb sind Messungen an weiteren Standorten geplant, um unterschiedliche Gebietseigenschaften abzudecken und dadurch die Beschreibung des SWEs mittels CRNS-Daten zu verbessern. Die Messung in verschieden Höhen- und Klimazonen ermöglicht es unterschiedliche Schneemengen und Bedingungen innerhalb einer Messkampagne zu erfassen. Alpine Standorte in Österreich werden durch tiefer gelegene Messungen in Deutschland ergänzt. Kontinuierliche stationäre Messungen werden durch kampagnenbasierte mobile Messungen in Zusammenarbeit mit dem Modul Roving & Airborne (RA) ergänzt. Die Felddaten werden mithilfe von physikalisch basierten Simulationen der Neutronenreaktion analysiert, um einen besseren Einblick in die Nutzung von CRNS zur Schneebeobachtung an verschiedenen Standorten zu ermöglichen. Laserscanning und Fotoaufnahmen dienen der Validierung der Ergebnisse. Das Laserscanning erzeugt eine 3D-Punktwolke der schneebedeckten Geländeoberfläche. Durch die Differenz zur schneefreien sommerlichen Geländeoberfläche wird die Schneehöhe hochauflösend abgebildet. Lokale Messungen der Schneedichte ermöglichen die Umrechnung von Schneehöhenwerten in SWE. Eine Auswertung von Fotoaufnahmen ermöglicht die hochaufgelöste Abgrenzung schneebedeckter und schneefreier Flächen. Alle Arbeiten werden in enger Zusammenarbeit mit den anderen Modulen der Forschungseinheit Cosmic Sense II durchgeführt. Insbesondere sind die Module Roving & Airborne (RA), Neutronensimulationen (NS), Hydrologische Modellierung (HG), Vegetation (VG), Smart Coverage (SC) und Root Zone Water (RZ) beteiligt.