Am 21. August 2021 fiel in Waverly, Tennessee, in nur wenigen Stunden fast ein Drittel des durchschnittlichen Jahresniederschlags – die daraus resultierenden 17 Zoll Regen führten zu einem der tödlichsten Überschwemmungen aller Zeiten.
Tatsächlich war Waverly mit einigen der schlimmsten Folgen des heftigen Regens und der anschließenden Überschwemmungen konfrontiert, die Zentral-Tennessee im Sommer 2021 heimsuchten. Leider war die Gegend nicht auf den Sturzbach vorbereitet, der 21 Menschen tötete und einen Sachschaden von über 100 Millionen US-Dollar verursachte.
Eine Kombination von Faktoren verursacht Überschwemmungen, darunter Niederschlag, geografische Lage, die bereits in der Umwelt vorhandene Feuchtigkeitsmenge, die Strömung von Flüssen und Bächen sowie Oberflächenabfluss. Und jeder Faktor hat einen direkten Einfluss auf die Schwere der Überschwemmung. Verschiedene Modelle können diese einzeln simulieren, aber nur wenige Studien haben die Genauigkeit eines Rahmens bewertet, der das gesamte Hochwasserereignis erfasst.
Um die Faktoren, die zu den Überschwemmungen im August 2021 beigetragen haben, besser zu verstehen, testete ein multiinstitutionelles Team ein neues hierarchisches Hochwassermodellierungs-Framework, das das gesamte Hochwasserereignis simulieren und Niederschläge in Überschwemmungen umwandeln kann. Eine der Hauptfragen bei einem Multimodell-Ansatz ist, wie sich Fehler durch gekoppelte oder abhängige Simulationen ausbreiten.
In einer Studie veröffentlicht in der Zeitschrift für Hydrologieidentifizierten die Forscher eine der wichtigsten Unsicherheits- oder Fehlerquellen in den Hochwassermodellen und demonstrierten die Genauigkeit und Nützlichkeit des Rahmenwerks für die Vorhersage künftiger Überschwemmungen.
Die aktuelle Studie untersuchte einen neuen Ansatz zur Hochwassermodellierung, der die Vorhersagen für zukünftige Wetterereignisse verbessern könnte.
Die Studie wurde von Sudershan Gangrade, Ganesh Ghimire und Shih-Chieh Kao von der Water Resource Science and Engineering-Gruppe des Oak Ridge National Laboratory und Mario Morales Hernandez von der Universität Zaragoza in Spanien geleitet.
„Wir haben einen Modellierungsrahmen entwickelt, um das extreme Überschwemmungsereignis im August 2021 in Waverly aufzuklären“, sagte Gangrade. „Das Entwickeln und Testen des Frameworks für Waverly ist nicht nur für retrospektive Analysen nützlich, sondern kann auch zur Simulation zukünftiger Überschwemmungsszenarien genutzt werden.“
In dieser Studie verwendete das Forschungsteam Niederschlagsdaten, um zwei hydrologische Modelle auszuführen – das Variable Infiltration Capacity-Modell und die Routing Application for Parallel Computation of Discharge (RAPID) –, um Abfluss und Stromfluss im Waverly-Gebiet zu simulieren.
Die Ergebnisse dieser Modelle wurden dann in zwei Überschwemmungsmodelle eingespeist – AutoRoute und das Two-dimensional Runoff Inundation Toolkit for Operational Needs, oder TRITON, ein GPU-optimiertes Modell, das für die Ausführung auf modernen Supercomputern entwickelt wurde.
Das Team wollte wissen, wie sich Ungenauigkeiten in den einzelnen Modellen auf die endgültigen Überschwemmungsmodelle auswirken, die als Grundlage für Evakuierungsbefehle und Notfallmaßnahmen verwendet werden könnten.
Um den Einfluss unterschiedlicher Niederschlagseinflüsse auf die endgültige Überschwemmungsvorhersage zu testen, verwendete das Team sowohl Prognosedaten als auch Beobachtungsdaten aus dem Waverly-Gebiet. Das Ausführen eines Modells mit Daten eines vergangenen Wetterereignisses ist eine gängige Praxis, die als Hindcasting bezeichnet wird und bei der die Genauigkeit eines Modells im Vergleich zu Beobachtungen getestet wird.
„Wir wollten eine diagnostische Bewertung der Waverly-Flut durchführen“, sagte Ghimire. „Wir sahen erhebliche Unterschiede zwischen den Ergebnissen des Überschwemmungsmodells aus der Vorhersage und den beobachteten Niederschlagsdaten. Der Fehler in den Niederschlagsvorhersagen breitete sich durch das Rahmenwerk aus und war der Hauptgrund dafür, dass wir die Überschwemmung in Zentral-Tennessee unterschätzt haben.“
Tests anhand der beobachteten Niederschlagsdaten zeigten, dass das Framework die Überschwemmung genau simulierte, was das Team zu dem Schluss führte, dass Fehler in der Überschwemmungsvorhersage hauptsächlich auf die Niederschlagsvorhersagen zurückzuführen waren.
Da sich die Prognosen verbessern und das Team daran arbeitet, die Modelle so zu skalieren, dass sie größere Gebiete innerhalb der US-amerikanischen und globalen Wassereinzugsgebiete abdecken, ist ihr Nutzen für die künftige Hochwasservorsorge und -bewältigung vielversprechend.
Das Team freut sich darauf, Möglichkeiten zu erkunden, um genauere und zeitnahere Vorhersagen zu erstellen, die Gemeinden dabei helfen können, sich besser auf Überschwemmungsereignisse vorzubereiten und darauf zu reagieren.
Mehr Informationen:
Sudershan Gangrade et al., Enträtselung des Hochwasserereignisses 2021 in Zentral-Tennessee mithilfe eines hierarchischen Mehrmodell-Überschwemmungsmodellierungsrahmens, Zeitschrift für Hydrologie (2023). DOI: 10.1016/j.jhydrol.2023.130157