EVUS: Echtzeitvorhersage für urbane Sturzfluten und damit verbundene Wasserkontamination
Zurück zur ListeEVUS
EVUS: Echtzeitvorhersage für urbane Sturzfluten und damit verbundene Wasserkontamination
01.06.2015 bis 30.09.2018
Universität Hannover, Institut für Strömungsmechanik und Umweltphysik im Bauwesen (ISU)
Appelstraße 9a
30167 Hannover
- Helmholtz-Zentrum Potsdam – Deutsches GeoForschungsZentrum (GFZ), Sektion Hydrologie
- Institut für technisch-wissenschaftliche Hydrologie GmbH (itwh) Hannover
- IP SYSCON GmbH Hannover
Sonderprogramm GEOTECHNOLOGIEN
Frühwarnsysteme im Erdmanagement
Insbesondere in urbanen Bereichen können plötzlich auftretende Starkregenfälle erhebliche Schäden verursachen. Dies ist zumeist auf die großräumige Versiegelung städtischer Flächen und auf ein Versagen des Entwässerungssystems zurückzuführen. Neben den überflutungsbedingten Schäden an Gebäuden und der Infrastruktur besteht die Möglichkeit, dass bei urbanen Sturzfluten auch gefährliche Substanzen freigesetzt werden, die das Grundwasser verunreinigen können. Um Starkregenfälle und damit verbundene, kaskadierende Ereignisse zeitnah prognostizieren zu können, sind effektive Frühwarnsysteme erforderlich, die auf der Vorhersage von Niederschlag sowie auf Strömungs- und Transportszenarien basieren.
Im Rahmen des Verbundprojekts EVUS ist geplant, ein derartiges Vorhersagesystem exemplarisch am Beispiel der Stadt Hannover zu entwickeln. Das Projekt gliedert sich in insgesamt sechs Teilprojekte, in deren Rahmen ein Niederschlagsvorhersagemodell sowie Strömungsmodelle für die Oberfläche, das Kanalnetz und den Untergrund entwickelt werden sollen. Mögliche Gebäudeschäden werden mit Hilfe eines Schadensmodells prognostiziert, wobei die Identifizierung besonders kritischer Gebiete einen hohen Stellenwert einnimmt. Einen weiteren Arbeitsschwerpunkt bildet die Entwicklung eines Schadstofftransportmodells, mit dem die mögliche Ausbreitung von gefährlichen Substanzen bestimmt werden kann. Neben herkömmlichen Daten (Sensoren, Wettervorhersagen) sollen insbesondere Informationen aus der Bevölkerung (sog. Crowdsourcing) eingebunden werden. Alle Modelle werden in einem Echtzeitvorhersagesystem gekoppelt und über eine webbasierte Benutzeroberfläche bereitgestellt.
Weitere Informationen finden sich auf der Projektwebseite der Universität Hannover.