API src

Found 482 results.

Related terms

Forschungsgruppe (FOR) 2589: Zeitnahe Niederschlagsschätzung und -vorhersage; Near-Realtime Quantitative Precipitation Estimation and Prediction (RealPEP), sub project: Coordination Funds

High-quality near-real time Quantitative Precipitation Estimation (QPE) and its prediction for the next hours (Quantitative Precipitation Nowcasting, QPN) is of high importance for many applications in meteorology, hydrology, agriculture, construction, water and sewer system management. Especially for the prediction of floods in small to meso-scale catchments and of intense precipitation over cities timely, the value of high-resolution, and high-quality QPE/QPN cannot be overrated. Polarimetric weather radars provide the undisputed core information for QPE/QPN due to their area-covering and high-resolution observations, which allow estimating precipitation intensity, hydrometeor types, and wind. Despite extensive investments in such weather radars, QPE is still based primarily on rain gauge measurements since more than 100 years and no operational flood forecasting system actually dares to employ radar observations for QPE. RealPEP will advance QPE/QPN to a stage, that it verifiably outperforms rain gauge observations when employed for flood predictions in small to medium-sized catchments. To this goal state-of-the?art radar polarimetry will be sided with attenuation estimates from commercial microwave link networks for QPE improvement, and information on convection initiation and evolution from satellites and lightning counts from surface networks will be exploited to improve QPN. With increasing forecast horizons the predictive power of observation-based nowcasting quickly deteriorates and is outperformed by Numerical Weather Prediction (NWP) based on data assimilation, which fails, however, for the first hours due to the lead time required for model integration and spin-up. Thus, RealPEP will merge observation-based QPN with NWP towards seamless prediction in order to provide optimal forecasts from the time of observation to days ahead. Despite recent advances in simulating surface and sub-surface hydrology with distributed, physicsbased models, hydrologic components for operational flood prediction are still conceptual, need calibration, and are unable to objectively digest observational information on the state of the catchments. RealPEP will prove that in combination with advanced QPE/QPN physics-based hydrological models sided with assimilation of catchment state observations will outperform traditional flood forecasting in small to meso-scale catchments.

Flood risk in a changing climate (CEDIM)

Aims: Floods in small and medium-sized river catchments have often been a focus of attention in the past. In contrast to large rivers like the Rhine, the Elbe or the Danube, discharge can increase very rapidly in such catchments; we are thus confronted with a high damage potential combined with almost no time for advance warning. Since the heavy precipitation events causing such floods are often spatially very limited, they are difficult to forecast; long-term provision is therefore an important task, which makes it necessary to identify vulnerable regions and to develop prevention measures. For that purpose, one needs to know how the frequency and the intensity of floods will develop in the future, especially in the near future, i.e. the next few decades. Besides providing such prognoses, an important goal of this project was also to quantify their uncertainty. Method: These questions were studied by a team of meteorologists and hydrologists from KIT and GFZ. They simulated the natural chain 'large-scale weather - regional precipitation - catchment discharge' by a model chain 'global climate model (GCM) - regional climate model (RCM) - hydrological model (HM)'. As a novel feature, we performed so-called ensemble simulations in order to estimate the range of possible results, i.e. the uncertainty: we used two GCMs with different realizations, two RCMs and three HMs. The ensemble method, which is quite standard in physics, engineering and recently also in weather forecasting has hitherto rarely been used in regional climate modeling due to the very high computational demands. In our study, the demand was even higher due to the high spatial resolution (7 km by 7 km) we used; presently, regional studies use considerably larger grid boxes of about 100 km2. However, our study shows that a high resolution is necessary for a realistic simulation of the small-scale rainfall patterns and intensities. This combination of high resolution and an ensemble using results from global, regional and hydrological models is unique. Results: By way of example, we considered the low-mountain range rivers Mulde and Ruhr and the more alpine Ammer river in this study, all of which had severe flood events in the past. Our study confirms that heavy precipitation events will occur more frequently in the future. Does this also entail an increased flood risk? Our results indicate that in any case, the risk will not decrease. However, each catchment reacts differently, and different models may produce different precipitation and runoff regimes, emphasizing the need of ensemble studies. A statistically significant increase of floods is expected for the river Ruhr in winter and in summer. For the river Mulde, we observe a slight increase of floods during summer and autumn, and for the river Ammer a slight decrease in summer and a slight increase in winter.

Hochwasservorhersage am Neckar

Aufstellung eines Hochwasservorhersageplanes fuer den Neckar als Voraussetzung fuer den Hochwasservorhersageplan des Rheins.

Hochwasser - Wassertiefe HQExtrem

Der Kartendienst (WMS-Gruppe) stellt die Daten der Hochwassergefahrenkarte und der Hochwasserrisikokarte der saarländischen Gewässer dar.:Die Hochwassergefahrenkarte HQ Extrem stellt das Ausmaß von Überschwemmungen (Überflutungsflächen und die Wassertiefe) bei Ereignissen dar, die im statistischen Mittel sehr viel seltener als alle 100 Jahre auftreten können, also ein Hochwasserszenario geringer Wahrscheinlichkeit. Die Wassertiefe wird in den Gefahrenkarten in fünf Stufen mit unterschiedlichen Blautönen dargestellt. Die gleichen Stufen in Gelbtönen kennzeichnen Gebiete hinter Hochwasserschutzanlagen. Damit soll auf das Restrisiko hinter Dämmen und Deichen aufmerksam gemacht werden. Attribute: KLASSE: Tiefenklasse (1 - 5, in geschützten Bereichen 10 - 15) TIEFE: Tiefenklasse (Textbeschreibung) GEWAESSER: Gewässername GEWKZ: Gewässerkennziffer nach LAWA.

Hochwasser - Wassertiefe HQ100

Der Kartendienst (WMS-Gruppe) stellt die Daten der Hochwassergefahrenkarte und der Hochwasserrisikokarte der saarländischen Gewässer dar.:Die Hochwassergefahrenkarte HQ 100 stellt das Ausmaß von Überschwemmungen (Überflutungsflächen und die Wassertiefe) bei Ereignissen dar, die im statistischen Mittel alle 100 Jahre auftreten können, also ein Hochwasserszenario mittlerer Wahrscheinlichkeit. Die Wassertiefe wird in den Gefahrenkarten in fünf Stufen mit unterschiedlichen Blautönen dargestellt. Die gleichen Stufen in Gelbtönen kennzeichnen Gebiete hinter Hochwasserschutzanlagen. Damit soll auf das Restrisiko hinter Dämmen und Deichen aufmerksam gemacht werden.Attribute: KLASSE: Tiefenklasse (1 - 5, in geschützten Bereichen 10 - 15) TIEFE: Tiefenklasse (Textbeschreibung) GEWAESSER: Gewässername GEWKZ: Gewässerkennziffer nach LAWA.

Hochwasser_WFS - Wassertiefe_HQ_Extrem - OGC WFS Interface

Der Kartendienst (WFS-Gruppe) stellt ausgewählte Geodaten aus dem Bereich Hochwasser dar.:Die Hochwassergefahrenkarte HQ Extrem stellt das Ausmaß von Überschwemmungen (Überflutungsflächen und die Wassertiefe) bei Ereignissen dar, die im statistischen Mittel sehr viel seltener als alle 100 Jahre auftreten können, also ein Hochwasserszenario geringer Wahrscheinlichkeit. Die Wassertiefe wird in den Gefahrenkarten in fünf Stufen mit unterschiedlichen Blautönen dargestellt. Die gleichen Stufen in Gelbtönen kennzeichnen Gebiete hinter Hochwasserschutzanlagen. Damit soll auf das Restrisiko hinter Dämmen und Deichen aufmerksam gemacht werden. Attribute: KLASSE: Tiefenklasse (1 - 5, in geschützten Bereichen 10 - 15) TIEFE: Tiefenklasse (Textbeschreibung) GEWAESSER: Gewässername GEWKZ: Gewässerkennziffer nach LAWA

Hochwasser_WFS - Wassertiefe_HQ_100 - OGC WFS Interface

Der Kartendienst (WFS-Gruppe) stellt ausgewählte Geodaten aus dem Bereich Hochwasser dar.:Die Hochwassergefahrenkarte HQ 100 stellt das Ausmaß von Überschwemmungen (Überflutungsflächen und die Wassertiefe) bei Ereignissen dar, die im statistischen Mittel alle 100 Jahre auftreten können, also ein Hochwasserszenario mittlerer Wahrscheinlichkeit. Die Wassertiefe wird in den Gefahrenkarten in fünf Stufen mit unterschiedlichen Blautönen dargestellt. Die gleichen Stufen in Gelbtönen kennzeichnen Gebiete hinter Hochwasserschutzanlagen. Damit soll auf das Restrisiko hinter Dämmen und Deichen aufmerksam gemacht werden.Attribute: KLASSE: Tiefenklasse (1 - 5, in geschützten Bereichen 10 - 15) TIEFE: Tiefenklasse (Textbeschreibung) GEWAESSER: Gewässername GEWKZ: Gewässerkennziffer nach LAWA

Hochwassermeldeordnung (StALU VP Stralsund)

Hochwassermeldedienst, Ostsee

Hochwasserwarnung

Hochwasserwarnungen umfassen flussgebietsbezogene Hochwasserinformationen bzw. -vorhersagen im aktuellen Hochwasserfall.

Hochwassermeldeordnung Elbe

Hochwassermeldedienst Elbe

1 2 3 4 5 … 47 48 49