Forschung

Die Wassertemperatur von Fließgewässern ist ein zentraler Faktor für den ökologischen Zustand aquatischer Ökosysteme und unterliegt zunehmendem Anpassungsdruck durch den Klimawandel, aber auch durch thermische Einleitungen. Bestehende Wärmelastmodellierungen, die vor über einem Jahrzehnt unter damaligen klimatischen und hydrologischen Randbedingungen erstellt wurden, stehen damit vor der Frage, ob ihre zentralen Annahmen weiterhin Gültigkeit besitzen – insbesondere im Hinblick auf sich verschiebende saisonale Temperatur- und Abflussmuster. Das Projekt SENSI-SAI untersucht am Beispiel der Salzach/Inn, wie sich Abfluss- und Wassertemperaturverhältnisse seit der ursprünglichen Modellierung verändert haben, und entwickelt darauf aufbauend eine Sensitivitätsanalyse für kritische Kombinationen aus niedrigem Abfluss und hoher Wassertemperatur. Die bestehende thermische Sensitivität zwischen Luft- und Wassertemperatur wird anhand aktualisierter Zeitreihen überprüft und auf aktuelle Klimaszenarien skaliert. Ergänzend wird die Relevanz des Gletscherrückgangs für die saisonale Abflussdynamik alpiner Einzugsgebiete literaturbasiert eingeordnet. Ziel ist eine belastbare Risikobewertung, ob und unter welchen Bedingungen ökologische Temperaturgrenzwerte künftig erreicht oder überschritten werden können, sowie eine fundierte Handlungsempfehlung für die Auftraggeberin.

Die UN-Aktionsdekade für Kryosphärenwissenschaften zielt darauf ab, Unsicherheiten hinsichtlich der Ursachen und den Auswirkungen von Veränderungen bei Schnee, Eis und Permafrost zu verringern. Schnee trägt maßgeblich zu diesen Unsicherheiten bei, da Schneeprozesse in Klimamodellen noch nicht vollständig verstanden und dargestellt werden können. SnowShifts zielt darauf ab, unser Verständnis des Schneevolumens und der Schneemasse, ihrer nichtlinearen Dynamik und Eigenschaften sowie insbesondere der Veränderungen des Schneeregimes innerhalb der Erd- und Klimasysteme erheblich zu verbessern. Dies soll durch eine neuartige Kombination aus In-situ- und Fernerkundungsbeobachtungen sowie durch die Entwicklung hochmoderner numerischer Modelle erreicht werden. Innovative Technologien wie photonenzählende satellitengestützte Laseraltimeter, bodengestützte Supraleitgravimeter sowie neuartige Ansätze zur Skalenüberbrückung und zum Downscaling von Satellitengravimetriedaten in extremen Regionen werden mit den neuesten Multisensor-Satellitendaten und Modellierungen kombiniert. Dies ermöglicht die Ermittlung von Schneevolumen, -masse, -ausdehnung und anderen Eigenschaften wie der Schneealbedo mit bisher unerreichter räumlicher und zeitlicher Auflösung. Die kombinierten Fortschritte in Beobachtung und Modellierung werden Trends und Veränderungen im Schneeklima definieren und beschreiben, die von den polaren Regionen bis hin zu den Hochgebirgsregionen der mittleren Breiten reichen. Dieses Projekt wird zukünftige Schneeszenarien für mindestens drei sozioökonomische Entwicklungspfade liefern, wodurch aktuelle globale und regionale Klimamodelle verfeinert und potenzielle Nichtlinearitäten bei Schneeveränderungen untersucht und definiert werden. SnowShifts wird nicht nur die Genauigkeit unserer neuen Modelle bei der Nachbildung von Schneemengen und -dynamiken demonstrieren, sondern auch umfangreiche Datensätze generieren, die den Schnee in abgelegenen und bisher wenig erforschten Regionen charakterisieren. Die neuen Darstellungen von Schneeprozessen werden ein wichtiges Ergebnis sein, das es der wissenschaftlichen Gemeinschaft ermöglicht, die gewonnenen Erkenntnisse in Klima- und Landoberflächenmodelle zu integrieren und rechnerisch aufwendige Modellkomponenten teilweise durch Emulatoren auf Basis von maschinellem Lernen zu ersetzen.

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.