Starkregen-Analyse für Mitteleuropa

  - 5 mins read   - Jacob Mendt

Starkregen erklärt auf Basis von 1.3 Milliarden Messwerten

Wer sich in Deutschland mit Wetter und Klimaveränderungen beschäftigt, stößt immer öfter auf das Thema Starkregen. Ob in Berlin, im Harz oder in Köln: Starkregen kann überall auftreten und geht nicht selten Hand in Hand mit lokalen Überschwenmmungen.

Bei PIKOBYTES begleitet uns das Thema Starkregen schon eine Weile. In dem Projekt SmartRain bauen wir zusammen mit Partnern ein räumlich hochaufgelöstest Niederschlagsmessnetz auf, welches eine bessere Datenlage für die Erforschung und Überwachung von Starkregenereignissen im lokalen Kontext schaffen soll. Daneben integrieren wir unter opensensorweb.de fortlaufend Daten unterschiedlicher Anbieter u.a. zu den Themengebieten Meteorologie und Hydrologie. Nutzer können dadurch in einem harmonisierten Datensatz recherchieren, sich Zeitreihen visualisieren, die Daten herunterladen und eigene Analysen auf den Daten durchführen.

Auf dem Datenangebot von opensensorweb.de führen wir regelmäßig eigene Analysen durch, um den Nutzen unserer Werkzeuge für typische Anwednugsfälle zu prüfen. Die Analyse der räumlichen Verteilung von Starkregen der letzten Jahre rückte in den letzten Wochen immer höher auf unserer Agenda und als wir diese Woche einen freien Abend hatten, zogen wir uns das Thema direkt auf den Tisch.

Wie analysiert man Starkregen?

Was ist Starkregen? Der Deutsche Wettendienst definiert Starkregen dabei durch die Menge an Niederschlag in l/m² und warnt in zwei Kategorien:

  • Kategorie 1 - Markante Wetterwarnung: Regenmengen 15 bis 25 l/m² in 1er Stunde oder 20 bis 35 l/m² in 6 Stunden
  • Kategorie 2 - Unwetterwarnung: Regenmengen > 25 l/m² in 1er Stunde oder > 35 l/m² in 6 Stunden

Da wir für die Auswertung nur wenige Stunden zur Verfügung hatten, grenzten wir unsere Untersuchung auf die einstündigen Ereignisse ein, d.h. alle Niederschlagsereignisse, die sich einer der folgenden Kategorien zuordnen lassen:

  • Kategorie 1 - Markante Wetterwarnung: Regenmengen 15 bis 25 mm in 1 Stunde
  • Kategorie 2 - Unwetterwarnung: Regenmengen > 25 mm in 1 Stunde

Als Untersuchungszeitraum wählten wir die Jahre 01.01.2005 bis 31.12.2018 und als Untersuchungsgebiet Mitteleuropa bzw. Deutschland zzgl. ein paar Messstationen in Polen und Tschechien.

Zum Thema Niederschlag bietet opensensorweb.de Messreihen mit unterschiedlichen Messzeiträumen. Manche Messreihen bieten einen Wert pro Tag andere Messreihen bieten einen Wert pro Minute. Da wir Niederschlagsereignisse mit bestimmten Regenmegen pro Stunde identifizieren wollen, interessieren uns natürlich nur die Messreihen mit stündlicher oder feinerer Auflösung.

Nimmt man all diese Kriterien zusammen, findet man 3.522 Messreihen, die für den Untersuchungszeitraum mehr als über 1.3 Milliarden Einzelmessungen umfassen.

Verteilung Niederschlagsmessstationen Abbildung 1: Verteilung von Niederschlagsmessstationen

Wie die Messstationen sich über das Untersuchungsgebiet verteilen, zeigt Abbildung 1. Da Starkregen häufig sehr lokal auftritt, kann man schon jetzt vermuten, dass in Gebieten mit einer höheren Dichte an Messstationen auch mehr Starkregenereignisse detektieren werden.

Daneben sind noch zwei weitere Umstände für die Interpretation der Daten wichtig: Zum einen gibt es Dopplungen von Messreihen an einzelnen Messstationen, da z.B. der DWD für eine Wetterstation Zeitreihen in minütlicher, 10-minütlicher und stündlicher Auflösung bereitstellt. Zum anderen sind nicht alle Zeireihen 100%ig vollständig, da Messgeräte kurzzeitig ausfallen können, gewartet werden, oder weil im Rahmen der nachträglichen Qualitätssicherung auf Seiten der Messnetzbetreiber, unplausible Werte korrigiert oder sogar volständig entfernt werden.

Welches Ansatz verwenden wir?

Nachdem wir den Untersuchungsrahmen für unsere Analyse festgelegt hatten, konnten wir nun zwischen zwei Analyseansätzen auswählen:

Ansatz 1: Abfrage der Rohdaten und programmatische Auswertung

  1. Abfragen als Raw-Daten
  2. Resampling und Aggregation der Daten auf stündliche Auflösung
  3. Extraktion und Klassifikation von Starkregenereignissen
  4. Entfernen von Doubletten
  5. Visualisierung der Ergebnisse

Ansatz 2: Abfrage als aggregierte Daten und programmatische Auswertung

  1. Abfragen als aggregrierte Daten in stündlicher Auflösung (das ist eine “Komfortfunktion” der API)
  2. Klassifikation von Starkregenereignissen
  3. Entfernen von Doubletten
  4. Visualisierung der Ergebnisse

Jeder der schon einmal mit 1.3 Milliarden Messwerten gearbeitet hat weiß, dass die Arbeit damit schnell etwas umständlicher wird. Eine Aufgabe wie die Filterung und Aggregation von 1.3 Milliarden Messwerten ist in ihrer Umsetzung deutlich komplexer als die Filterung und Aggregation von 100 Messwerten. Ansatz 2 gefiehl uns daher deutlich besser und mit dem Wissen, dass die API des opensensorweb.de für die Just-in-Time Aggregation von Messreihen optimiert ist, konnten wir in ein paar Minuten alle für uns relevanten Zeitreihen in einheiticher stündlicher Auflösung herunterladen.

# Beispiel REQUEST für Abfrage aggregierter Daten. Response-Zeit für die Abfrage liegt bei 2-3 Sekunden. In dieser Zeit
# aggregiert die API über 750.000 zehnminütig aufgelöste Einzelwerte auf Stundensummen

curl -XGET 'https://api.opensensorweb.de/v0/networks/DWD/devices/1048/sensors/RWS_10/measurements?interval=R113880/2005-01-01T00:00:00/PT1H&agg=sum&interpolator=CONST(0)&token=d1e8616c521977ec51af96fcb0be1aff'

Sind alle Messreihen heruntergeladen, wird die Bestimmung der Starkregenereignisse nur noch eine Aufgabe der Filterung und Klassifizierung. Wir nutzen dafür ein kleines Node.js-Skript.

Insgesamt konnten wir 36.147 Starkregenereignisse identifizieren. Aufgrund der Dopplung von Messreihen, tauchten allerdings auch manche Starkregenereignisse mehrfach auf. Nach einer Dubletten-Filterung kamen wir auf ein bereinigtes Ergebnis von 34.571 Starkregenereignissen zwischen 2005 und 2018 für den Untersuchungszeitraum.

Starkregenereignisse bereinigt Abbildung 2: Starkregenereignisse im Zeitraum zwischen 2005 und 2018

Die Ergebnisse

Abbildung 2 stellt die Ergebnisse mit ihrer räumlichen Verteilung dar. Von den 34.571 Starkregenereignissen fallen 27.491 in die Kategorie markante Wetterwarnung und 7.079 in die Kategorie Unwetter. In der Summe scheinen Starkregenereignisse in Hochgebirgen häufiger vorzukommen als in flachen Lagen. Auch gibt es lokale Hotspots wie Eschbach (79 Ereignisse) und Magstadt (84 Ereignisse).

Starkregenereignisse bereinigt Abbildung 3: Starkregenereignisse der Kategorie Unwetter für den Zeitraum 2005 bis 2018

Die Ergebnisse sind sicherlich mit Vorsicht zu interpretieren. Für eine fundiertere Aussage müsste die Datenqualität und die Verteilung von Datenlücken an den einzelnen Stationen noch genauer untersucht werden. Weiterhin müssten auch die 6-stündigen Regenmengen in die Analyse einbezogen werden.

Trotzdem geben die Ergebnisse unserer abendlichen Analyse-Aktion schon einen recht guten Eindruck von der zeitlichen und räumlichen Verteilung und Häufigkeit starker Niederschläge.

Datenquellen und Werkzeuge

Alle Daten wurden über die API von opensensorweb.de aggregiert abgerufen.

Für die Visualisierung der Ergebnisse haben wir kepler.gl eingesetzt.

Als Datenquellen wurden Messreihen der folgenden Institutionen und Messnetze verwendet:

  • Deutschen Wetterdienst
  • Agrarmeteorologie Thüringen
  • Agrarmeteorologie Rheinland-Pfalz
  • Agrarmeteorologie Luxemburg
  • Agrarmeteorologie Bayern
  • Agrarmeteorologie Baden-Württemberg
  • Serwis Pogodowy IMGW-PIB
  • Hydrologische Rohdaten Online (HYGON) des Landesamtes für Natur, Umwelt und Verbraucherschutz Nordrhein-Westfalen (LANUV)
  • Hochwasserinformationssystem Sachsen (HWIMS) - Pegeldaten, Durchflüsse, Niederschläge
  • Agrarmeteorologisches Messnetz Sachsen (AMMS) - Wetterdaten

Wir danken allen Datenanbietern für die Bereitstellung als OpenData!

Für Rückfragen wenden Sie sich gerne an info@pikobytes.de