Veranstaltungen - Digitale Dokumente der Bundesanstalt für ...

Bundesanstalt für
Gewässerkunde
Veranstaltungen
1/2013
3 Statistische Analyse
Auf der Datengrundlage analysiert man quantitativ das, was einen eben interessiert, vielleicht
den hundertjährlichen Abflusswert (HQ 100 ) oder den Zeitverlauf des Hochwasserrisikos. Es
ist zuerst notwendig, mit dem besten statistischen Verfahren zu arbeiten, das einerseits robust
und andererseits genau ist (Abb. 1, 2). Eigene positive Erfahrungen empfehlen für die Risikoanalyse
die nicht-parametrische Methode der Kernschätzung mit Bootstrap-Simulationen:
Der vergangene Hochwasserrisikoverlauf sollte nicht in ein „parametrisches Prokrustesbett“
gezwungen werden. Die Kernschätzung ist auch anwendbar auf historische Ereignisse in
Stärkeklassen – parametrische Verfahren wie das Anpassen von Extremwertverteilungen mit
zeitabhängigen Verteilungsparametern würden hier an ihre Grenze stoßen.
Die oft interessanteste Analysearbeit kommt aus eigenem, kritischem Hinterfragen des Ergebnisses,
etwa nach nicht berücksichtigten Einflüssen auf die Hochwasserrisikokurven. Generell
hilfreich in solchen Situationen sind Methoden der Sensitivitätsanalyse. Eigenes Beispiel:
MUDELSEE et al. (2003, 2004) untersuchten, ob die Risikotrends für Elbe-Hochwasser
beeinflusst sind durch den Bau von Reservoirs (der nennenswert um das Jahr 1900 einsetzte).
Das Vorhandensein des heutigen Reservoirvolumens in der Vergangenheit hätte es theoretisch
gestattet, den Hochwasserscheitel zu senken (und beispielsweise aus einem Ereignis der
Stärke 2 eines der Stärke 1 zu machen). Dazu nahmen wir die Ganglinien (Tageswerte Elbe
bei Dresden seit 1852) und „kappten“ dementsprechend die Scheitel und konstruierten neue
Hochwasserchronologien. Ergebnis war: Trends im Auftreten der starken Ereignisse (Klassen
2 - 3) ändern sich nicht – sie sind mithin robust gegenüber dem zeitabhängigen Reservoirvolumen;
Trends im Auftreten der schwachen Ereignisse (Klasse 1) jedoch sind nicht robust.
Das Arbeitsgebiet der Sensitivitätsanalysen ist ideal für eine interdisziplinäre Zusammenarbeit,
treffen hier doch hydrologisches Fachwissen und statistisch-methodische Fertigkeiten
aufeinander.
Literatur
MUDELSEE, M. (2010): Climate Time Series Analysis: Classical Statistical and Bootstrap
Methods. Springer, Dordrecht, 474 S.
MUDELSEE, M., M. BÖRNGEN, G. TETZLAFF, U. GRÜNEWALD (2003): No upward trends in
the occurrence of extreme floods in central Europe. Nature, 425, 166-169.
MUDELSEE, M., M. BÖRNGEN, G. TETZLAFF, U. GRÜNEWALD (2004): Extreme floods in central
Europe over the past 500 years: Role of cyclone pathway “Zugstrasse Vb“. Journal
of Geophysical Research, 109, D23101, doi: 10.1029/2004JD005034.
Seite 44