Entwicklung eines räumlich verteilten, konzeptionellen Niederschlag-Abfluss-Modells für den Einsatz in Schnee-dominierten datenarmen Gebieten.

Abstract

Die Arbeit hat zum Ziel, den Einsatz der heute verfügbaren globalen Fernerkundungs- und Reanalysedaten als meteorologische Eingangsgrößen zur Modellierung des Niederschlag-Abfluss-Prozesses zu untersuchen. Das Haupteinsatzgebiet des Modells liegt in Schnee-dominierten datenarmen Einzugsgebieten. Zur Modellierung des Schneeschmelz-Abfluss-Prozesses wurde das weltweit für den Einsatz in Schnee-dominierten Gebieten etablierte "Snowmelt Runoff Model" (SRM) von Martinec (1975) zu einem räumlich verteilten, konzeptionellen Niederschlag-Abfluss-Modell (rSRM) weiterentwickelt. Zur Bestimmung des Schneebedeckungsgrads wurde ein Verfahren weiterentwickelt, mit welchem die räumlichen Datenlücken in den täglichen MODIS-Datensätzen geschlossen werden können. Der Niederschlag wurde aus einem Ensemble aus Fernerkundungs- und Reanalysedaten abgeleitet. Hierzu wurde als deterministisches Modell ein künstliches neuronales Netz, als probabilistische Methode der "Model Conditional Processor" und eine Kombination beider Ansätze zur Ermittlung des optimalen Datensatzes untersucht. Zur Beurteilung wurden die einzelnen Methoden in den Schweizer Alpen bei guter Datenlage mit Bodenstationsdaten verglichen. Anschließend wurden die Verfahren zur praktischen Anwendung in ein datenarmes Gebiet übertragen. Im Rahmen der Arbeit konnte gezeigt werden, dass die verfügbaren globalen Fernerkundungs- und Reanalysedaten als Eingangsgrößen zur Modellierung des Niederschlag-Abfluss-Prozesses für Schnee-dominierte Einzugsgebiete hervorragend geeignet sind.