Hydro-meteorological extreme events have a huge impact on human life worldwide. Accordingly, a wide range of methods and tools are already available for their analysis, assessment and prediction. In addition, particularly over the last few years, various open data initiatives led to an enormous increase of readily available hydro-meteorological measurement data on the web. The idea of the EXTRUSO project is to enhance capabilities for the combination of available hydro-meteorological data sources and processing functionality for flash flood analysis and forecasting in a web-based environment.
Hydro-meteorologische Extremereignisse wie Starkregen und Sturzfluten gehen
oftmals mit erheblichen zivilen und ökonomischen Schadenswirkungen einher.
Zahlreiche wissenschaftliche Studien gehen von einem vermehrten Auftreten solcher
139
Extremereignisse innerhalb der nächsten Jahrzehnte aus [
Das EXTRUSO Projekt23 setzt an dieser Stelle an und untersucht innovative Techniken zur räumlich und zeitlich hochaufgelösten Beobachtung und Vorhersage kleinräumig auftretender Extremereignisse. Dabei werden Synergieeffekte zwischen den am Projekt beteiligten Disziplinen Meteorologie, Hydrologie, Photogrammetrie und Geoinformatik genutzt, um eine Vielzahl unterschiedlicher Aspekte bei der Hochwassergenese abbilden zu können. Die einzelnen Komponenten sollen in einem Informationssystem zusammengeführt und für verschiedene Szenarien im Kontext hydro-meteorologischer Extremereignisse genutzt werden können. Im Vergleich zu vielen bestehenden Systemen, ist das Ziel des EXTRUSO Projektes daher nicht die Schaffung eines monolithischen Informationssystems, sondern die Bündelung und Verkettung einzelner, unabhängiger Komponenten zur Informationsgewinnung. Als Anwendungsgebiet wurden kleine und mittlere Einzugsgebiete im Freistaat Sachsen ausgewählt.
Dieser Beitrag widmet sich vor allem der Anbindung und Prozessierung von Daten aus verschiedenen Quellen im Informationssystem. Dafür werden im Folgenden eine Reihe verfügbarer Datenquellen (Kapitel 2) sowie Möglichkeiten zu deren Verarbeitung im Informationssystem (Kapitel 3) beschrieben. Abschließend werden eine Zusammenfassung der bisherigen Arbeiten und ein Ausblick auf die geplanten weiteren Entwicklungen gegeben (Kapitel 4).
Die zeitnahe Verfügbarkeit von Umweltdaten ist ein wesentlicher Faktor für den Betrieb und den Erfolg darauf aufbauender Informationssysteme. Die Umsetzung der INSPIRE Direktive spielt dabei eine wichtige Rolle, da sie die Offenlegung und den standardisierten Austausch behördlichen Umweltdaten erfordert. Einen weiteren 23 EXTRUSO Homepage: https://extruso.bu.tu-dresden.de (abgerufen am 06.04.2018) 140 wichtigen Schritt stellt die Open Data Initiative des Deutschen Wetterdienstes (DWD) dar24, welche seit der Novelle des Gesetzes über den Deutschen Wetterdienst am 25. Juli 2017 den Zugriff auf eine Vielzahl meteorologischer Daten ermöglicht. Im EXTRUSO Projekt werden Niederschlagsinformationen neben den stationären Messungen primär aus Bodenradardaten des DWD abgeleitet. Neben der Einbindung über die OGC Web Mapping Service (WMS) Schnittstelle, können Radardaten im RADOLAN (Radar-Online-Aneichung) Kompositformat heruntergeladen und verarbeitet werden. Die Bereitstellung als separate Dateien pro RADOLAN Produkt und Zeitintervall erschwert jedoch den performanten Zugriff, insbesondere hinsichtlich der Abfrage von Zeitreihen. Daher werden diese zunächst in das NetCDF Format konvertiert und dann darüber zugänglich gemacht. Wie in Abbildung dargestellt wurde zu diesem Zweck ein ETL (Extract, Transform, Load) Prozess implementiert, der in regelmäßigen Abständen Radardaten von der DWD OpenData Plattform herunterlädt und anschließend in eine NetCDF Datei schreibt. Die Abfrage raumzeitlicher Daten kann anschließend durch beliebige Anwendungen und Prozessierungsdienste mit NetCDF-Unterstützung erfolgen. Der beschriebene Transformationsprozess umfasst sowohl die einmalige Verarbeitung historischer, als auch die laufende Synchronisierung aktueller Radardaten. Unterstützt werden derzeit die RADOLAN Produkte RW (1h Niederschlagssumme), RX (5min Reflektivität), SF (24h Niederschlagssumme) und FX (2h Vorhersage Reflektivität).
Abbildung 1: Vorverarbeitung der DWD Radardaten: Daten werden von DWD OpenData Plattform geladen und in eine NetCDF Datei geschrieben; der Zugriff auf die NetCDF Datei kann sowohl über die Anwendung als auch einen Prozessierungsdienst erfolgen. 24 DWD Open Data Initiative: https://www.dwd.de/DE/leistungen/opendata/opendata.html (abgerufen am 06.04.2018) Stationsbasierte hydro-meteorologischen Messdaten, die über amtliche Sensormessnetze erfasst werden, müssen von den jeweils zuständigen Behörden frei zugänglich gemacht werden. Um den Zugriff auf diese stark verteilten Daten zu erleichtern, wird das OpenSensorWeb25 Projekt als Datenaggregator genutzt, welches eine Vielzahl von Messnetzen integriert und eine einheitliche Schnittstelle (Elasticsearch) für den Zugriff auf die Daten anbietet.
Neben den genannten amtlichen Eingangsdaten wird im Rahmen des EXTRUSO Projektes untersucht, inwieweit bestehende hydrologische Modelle durch eine detaillierte Oberflächenbeschreibung unterstützt werden können. Ausgewählte Teileinzugsgebiete werden dafür sowohl aus der Luft als auch von einem unbemannten Wasserfahrzeug aus photogrammetrisch erfasst. Diese Daten sollen anschließend zu einem hochaufgelösten Oberflächenmodell fusioniert und über Visualisierungs- und Datendienste zur weiteren Verwendung bereitgestellt werden. Das dafür als Multisensorplattform verwendete Wasserfahrzeug ist in Abbildung dargestellt.
Abbildung 2: Unbemannten Wasserfahrzeug zur Erfassung eines hochaufgelösten
Oberflächenmodelles vom Wasser aus.
Ein weiterer wichtiger Aspekt im Projekt ist die Unterstützung von Initiativen zur
bürgergetriebenen Erfassung von Umweltdaten. Um existierende Niederschlags- und
Pegelmessnetze zu verdichten, werden derzeit low-cost Sensorsysteme entwickelt
und getestet, die im weiteren Projektverlauf gemeinsam mit interessierten Bürgern
25 OpenSensorWeb Projekt: https://opensensorweb.de (abgerufen am 06.04.2018)
142
ausgebracht und betrieben werden sollen. Dies umfasst die Nutzung einfacher
Kippwaagen für die Niederschlagsmessung [
Für die Web-basierte Analyse und Prozessierung verfügbarer Daten zur
Informationsgewinnung wird die OpenCPU Plattform26 eingesetzt, welche die
serverseitige Ausführung von R Skripten ermöglicht. Dies bringt zwar eine Bindung an
die Programmiersprach R mit sich, jedoch ist diese im Bereich der statistischen
Datenauswertung und hydro-meteorologischen Modellierung bereits weit verbreitet.
Das darauf aufbauende Informationssystem unterstützt eine Reihe von Prozessen zur
Daten- und Modellintegration, sowie Möglichkeiten zur Erstellung und Ausführung
spezifischer Anwendungsszenarien [
Die visuelle und statistische Analyse von hydro-meteorologischen Messreihen ist ein hilfreiches Werkzeug für die Suche nach Mustern und Zusammenhängen in bestehenden Datensätzen, und stellt sowohl für Experten als auch für Laien ein wichtiges Instrument zur Hochwasseranalyse dar. Sowohl die Eingangsdaten als auch die Ergebnisdaten von Anwendungen können daher in Form von interaktiven Karten und Zeitreihen dargestellt werden.
Eine hilfreiche und häufig verwendete Möglichkeit zur visuellen Analyse bereitgestellter räumlicher Daten ist die Berechnung zonaler Statistiken. Diese bietet sich für Einzugsgebiete insbesondere im Zusammenhang mit Niederschlagsmessungen an, um die Bodenfeuchte sowie den potentiellen Abfluss, und somit auch die Gefahr von Sturzfluten, in dem jeweiligen Gebiet einschätzen zu können. Ein Beispielergebnis für eine solche Analyse ist in Abbildung dargestellt. Für einzelne Einzugsgebiete lassen sich somit auch Zeitreihen berechnen, die wiederum in hydrometeorologischen Modellen als Eingangsdaten verwendet werden können. 26 OpenCPU Plattform: https://www.opencpu.org (abgerufen am 06.04.2018)
143 Abbildung 3: Beispiel für ein Niederschlagsmittel in sächsischen Einzugsgebieten; berechnet aus
RADOLAN SF Produkt Eine weitere Beispielanwendung zur Abfrage und visuellen Analyse von Durchflussund Niederschlagsdaten, ebenfalls basierend auf der Berechnung zonaler Statistiken, ist in Abbildung dargestellt und besteht im Wesentlichen aus drei Schritten: Abbildung 4: UML Sequenz für die Abfrage einer Niederschlagszeitreihe in einem zuvor definierten Einzugsgebiet 1. Auswahl einer Pegelmessstelle für die der Durchfluss und der
Flächenniederschlag im Oberlauf parallel dargestellt werden sollen. 2. Ermittlung des Einzugsgebietes (EZG) in dem ausgewählten Punkte; die Berechnung erfolgt serverseitig über die OpenCPU Plattform und basiert auf einem Netzwerkgraphen der amtlich bereitgestellten Teileinzugsgebiete. 3. Ermittlung der Zeitreihe zur Niederschlagssumme (PSUM) in dem zuvor ermittelten Einzugsgebiet für ein definiertes Zeitfenster (t); die Abfrage erfolgt serverseitig über die OpenCPU Plattform und das darunterliegende NetCDFFormat, über das RADOLAN RW Daten in dem ausgewählten Einzugsgebiet für den gewählten Zeitraum extrahiert werden.
Abbildung 5: Ergebnis der Berechnung einer Niederschlags-Zeitreihe aus RADOLAN Bodenradardaten (blau) für ein zuvor berechnetes Pegel-Einzugsgebiet; Vergleich mit Durchflussmessung am ausgewählten Pegelstandort Weißeritz in Dresden (orange). Das Ergebnis der Abfrage ist in Abbildung dargestellt. Wie zu erwarten war, ist in ein deutlicher Zusammenhang und zeitlicher Offset zwischen Niederschlagssumme in einem Gebiet sowie dem dazugehörigen Wasserabfluss am Pegel sichtbar. Diese Beziehung kann weiter analysiert und für Vorhersagezwecke genutzt werden, was im Wesentlichen über eine komplexere hydro-meteorologische Modellierung geschieht.
Für die Analyse und insbesondere die Vorhersage hydro-meteorologischer
Extremereignisse werden im EXTRUSO-Projekt verschiedene Modellansätze genutzt
und evaluiert. Das gemeinsame Ziel dabei ist die Bestimmung des
hydrometeorologischen Zustandes in einem gewählten Einzugsgebiet sowie die potentielle
Änderung dieses Zustandes durch prognostizierte Niederschläge. Dadurch sollen
kritische Zustände und Gefährdungen frühzeitig identifiziert werden. Folgende drei
Modellansätze werden derzeit umgesetzt:
• Ermittlung der Bodenfeuchte über das BROOK90 Modell [
Neben der Ausführung vordefinierter Funktionen bietet die OpenCPU Plattform auch die Möglichkeit, bereitgestellte Daten direkt in R zu verarbeiten. Zu diesem Zweck wird 146 die RStudio Server27 Anwendung verwendet, die auf demselben Server installiert ist und fortgeschrittenen R-Nutzern die Möglichkeit bietet, eigene Zeitreihenanalysen und Berechnungen durchzuführen.
Ein wichtiger Aspekt bei der Erstellung des beschriebenen Informationssystems ist die Zusammenführung unabhängiger Komponenten über definierte Schnittstellen. Dies soll die Nachnutzung der entwickelten Methoden unabhängig vom Projekt sicherstellen. Der Quellcode der Entwicklungen ist größtenteils frei verfügbar28. Die größte Herausforderung und Leistung in dem Projekt ist zweifelsohne die Zusammenführung der individuellen Systemkomponenten aus den unterschiedlichen Disziplinen. Diese basieren häufig auf eigenständigen domänenspezifischen Entwicklungen, wie z.B. Spezialsoftware oder eigenen Datenformaten, die nicht ohne Weiteres in andere Disziplinen oder dienstebasierte Informationssysteme übertragen werden können. An dieser Stelle hat sich die frühzeitige Einigung auf Austauschformate und Schnittstellen als sehr hilfreich erwiesen.
Das Informationssystem mit seinen Teilkomponenten ist modular gestaltet und kann daher erweitert und auch in anderen Anwendungskontexten angewendet werden. Alle implementierten Methoden, mit Ausnahme der hydro-meteorologischen Modellierung, sind möglichst generisch implementiert. So erlaubt beispielsweise die NetCDF Komponente das Einlesen und die Verarbeitung beliebiger raum-zeit-Kontinua. Ähnliches gilt für die Berechnung zonaler Statistiken, die Einbindung von Sensordaten über die OpenSensorWeb Plattform als auch die Berechnung von Konnektivitätsgraphen.
Im weiteren Verlaufe des Projektes sollen die entwickelten hydro-meteorologischen Modelle zur Bodenfeuchtemodellierung und Abflussvorhersage miteinander verknüpft werden, um die Möglichkeit von Multi-Modell-Ensembles zu erhalten, mit denen insbesondere die Unsicherheiten in der Prognose von Extremereignissen besser abgebildet werden kann. Als Eingangsdaten für diese Modelle sollen neben den 27 RStudio Server: https://www.rstudio.com/products/rstudio/#Server (abgerufen am 06.04.2018) 28 R-Package: https://github.com/GeoinformationSystems/xtruso_R (abgerufen am 06.04.2018), Webseite: https://github.com/GeoinformationSystems/xtruso_web (abgerufen am 06.04.2018) 147 offiziell bereitgestellten Sensor- und Radardaten auch das photogrammetrisch generierte Oberflächenmodell sowie die über low-cost Sensorik ermittelten Messzeitreihen verarbeitet werden.