Erklärbare KI für die saisonale Niedrigwasserprognose und das Wassermanagement in Österreich

Niederwasser und hydrologische Trockenereignisse zählen zu den weltweit größten Naturgefahren und stellen für verschiedene Wassersektoren wie etwa Schifffahrt oder Kraftwerksbetreiber ein hohes Schadensrisiko dar. Klimawandelszenarien prognostizieren einen Anstieg von intensiveren und persistenten Niederwasserereignissen. Dieser Anstieg verursacht erhebliche Kosten für die Gesellschaft. Eine verbesserte saisonale Vorhersage (1-6 Monate im Voraus) wäre daher für viele Sektoren vorteilhaft und würde ein proaktives Bewirtschaften von Wasserressourcen ermöglichen. Generell ist die Abflussvorhersage in Regionen wie Nordamerika, Afrika oder Australien häufiger als in Europa. In Europa sind die Abflussprozesse weniger stark von globalen atmosphärischen Strömungen abhängig, was langfristige Prognosen erschwert. Saisonale Vorhersagen von Niederwasser sind noch seltener, obwohl hydrologische Dürren langsam entwickelnde Prozesse sind, welche nur marginal von kurzfristigen Niederschlagsereignissen beeinflusst sind. Aus diesem Grund sollten saisonale Niederwasserprognosen besser vorherzusagen sein. Für Österreich fehlen Ansätze für die saisonale Niederwasserprognose allerdings vollständig. Das Ziel dieses Forschungsprojekts ist, diese Forschungslücke zu schließen und probabilistische Niederwasservorhersagen (1-6 Monate im Voraus) für die 5 wichtigsten Flüsse (Donau, Inn, Salzach, Drau, Mur) in Österreich zu entwickeln. Das Untersuchungsgebiet wurde in Vorgesprächen mit Stakeholdern ausgesucht, um den Nutzen des Projekts für Wassersektoren und die Gesellschaft zu maximieren. Der hier verwendete Forschungsansatz ist in vielerlei Hinsicht innovativ: • Es werden unterschiedliche zeitliche und räumliche Auflösungen von Input-Variablen (z.B. Grundwasser, Bodenfeuchte) analysiert und deren Auswirkung auf die Niederwasserprognose beleuchtet. • Es werden bias-korrigierte und auf eine feinere Auflösung verdichtete saisonale Vorhersagen von meteorologischen Variablen verwendet. Zusätzlich wird der Mehrwert dieser saisonalen meteorologischen Vorhersagen auf die Niederwasserprognose untersucht. • Es wird der Nutzen von komplexeren Raum-Zeit Modellen gegenüber einfacheren Modellen nur an den Stationen untersucht. • Es werden Prozess-basierte Modelle mit statistischen Modellen kombiniert, um den Mehrwert von solchen hybriden Modellen zu bewerten. • Es wird versucht den Nutzen für die betroffenen Akteure – insbesondere für die Schifffahrt und die Wasserkraft - zu maximieren.