Forschung

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.

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.