Auf einen Blick
Aufgrund zunehmender Hochwasserereignisse gibt es auf kommunaler Ebene, insbesondere im Rahmen von Smart City Strategien, immer mehr Bestrebungen, prognosefähige Warnsysteme aufzubauen. Der Beitrag beschreibt ein Konzept für ein dreistufiges Vorgehen am Beispiel der Stadt Steinheim.
Mitglieder sehen an dieser Stelle den Artikel als PDF.
Literatur
LAWA – Bund/Länderarbeitsgemeinschaft Wasser, & Ministerium für Umwelt, Klima und Energiewirtschaft Baden-Württemberg (Hrsg.). (2018). Leitfaden zur Hydrometrie des Bundes und der Länder – Pegelhandbuch. https://www.lawa.de/documents/02_anhang_2_lawa_pegelhandbuch_2_3_1552303807.pdf
Kar, B., Schumann, G. J.-P., Mendoza, M. T., Bausch, D., Wang, J., & Sharma, P. (2024). Assessing a Model-of-Models Approach for Global Flood Forecasting and Alerting. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, 17, 9641–9650.
Karimanzira, D., Ritzau, L., & Emde, K. (2022). Catchment Area Multi-Streamflow Multiple Hours Ahead Forecast Based on Deep Learning. Transactions on Machine Learning and Artificial Intelligence, 10(5), 15–29.
Kirezci, E., Young, I. R., Ranasinghe, R., Muis, S., Nicholls, R. J., Lincke, D., & Hinkel, J. (2020). Projections of global-scale extreme sea levels and resulting episodic coastal flooding over the 21st century. Scientific Reports, 10(1). https://doi.org/10.1038/s41598-020-72227-7
Kratzert, F., Klotz, D., Hochreiter, S., & Nearing, G. S. (2021). A note on leveraging synergy in multiple meteorological data sets with deep learning for rainfall–runoff modeling. Hydrology and Earth System Sciences, 25(5), 2685–2703.
Kratzert, F., Nearing, G., Addor, N., Erickson, T., Gauch, M., Gilon, O., Gudmundsson, L., Hassidim, A., Klotz, D., Nevo, S., Shalev, G., & Matias, Y. (2022). Caravan - A global community dataset for large-sample hydrology. EarthArxiv. https://doi.org/10.31223/X50S70
Loritz, R., Stoelzle, M., Guse, B., Heidbüchel, I., Tarasova, L., Mälicke, M., Hassler, S., Ebeling, P., & Kiesel, J. (2022). CAMELS-DE: Initiative für einen konsistenten Datensatz für hydro-meteorologische Analysen in Einzugsgebieten. https://doi.org/10.5281/zenodo.6394929
Ramos, M. H., Van Andel, S. J., & Pappenberger, F. (2013). Do probabilistic forecasts lead to better decisions? Hydrology and Earth System Sciences, 17(6), 2219–2232. https://doi.org/10.5194/hess-17-2219-2013
Rentschler, J., Salhab, M., & Jafino, B. A. (2022). Flood exposure and poverty in 188 countries. Nature Communications, 13(1), 3527. https://www.nature.com/articles/s41467-022-31072-7
Bundesamt für Sicherheit in der Informationstechnik (Hrsg.). (2024). Smart City. https://www.bsi.bund.de/DE/Themen/Unternehmen-und-Organisationen/Informationen-und-Empfehlungen/Smart-City/smart-city_node.html
Bundesministerium für Wohnen, Stadtentwicklung und Bauwesen (Hrsg.). (2024). Regelungen zu Open Source für Modellprojekte Smart Cities. https://www.smart-city-dialog.de/regelungen-zu-open-source-fuer-modellprojekte-smart-cities
Deutscher Wetterdienst (Hrsg.). (2024). Warnkriterien. https://www.dwd.de/DE/wetter/warnungen_aktuell/kriterien/warnkriterien.html
Emschergenossenschaft und Lippeverband (Hrsg.). (2024). Aktuelle Pegelstände für Emscher und Lippe. https://pegel.eglv.de
Google (Hrsg.). (2024). Flood Hub. https://sites.research.google/floods/l/52.1874047455997/8.85498046875/6g/GRDC_6337100
Sautter, J., Lindner, M., Lödige, M., Dobrokhotova, E., Kirchner, J., Seick, J., & Braun, S. (2024). Datenkompetenz in kommunalen Verwaltungen. Vorgehensmodell und Referenzrahmen für strategisches Handeln – ein Handlungsleitfaden für die kommunale Praxis. BBSR-Online-Publikation, 96/2024.
