Hydrologische Modelle zur Unterstützung der kommunalen Anpassung an Starkregen und Sturzfluten – Erfahrungen und Ergebnisse aus zwei transdisziplinären Fallstudien

Hydrologische Modelle zur Unterstützung der kommunalen Anpassung an Starkregen und Sturzfluten – Erfahrungen und Ergebnisse aus zwei transdisziplinären Fallstudien CITY SERIES 07 Hydrologische Modelle zur Unterstützung der kommunalen Anpassung an Starkregen und Sturzfluten – Erfahrungen und Ergebnisse aus zwei transdisziplinären Fallstudien Markus Groth, Steffen Bender und Thea Wübbelmann Juli 2025 CITY SERIES 07 Titelbild: iStock_000005457175Medium_c_doram.jpg. Zitierhinweis: Groth, M., Bender, S. und Thea Wübbelmann, T. (2025): Hydrologische Modelle zur Unterstützung der kommunalen Anpassung an Starkregen und Sturzfluten – Erfahrungen und Ergebnisse aus zwei transdisziplinären Fallstudien. Climate Service Center Germany (GERICS), Hamburg. Erscheinungsdatum: Juli 2025 Dieser Report ist auch online unter www.climate-service-center.de erhältlich. 1 Inhaltsverzeichnis 1. Einleitung ...........................................................................................................................................3 2. Grundlagen der Starkregenabflussmodellierung ............................................................................4 2.1. Überblick hydrologischer Modelle ............................................................................................... 4 2.2. Qualität der Modellierungen ........................................................................................................ 6 3. Das Fallbeispiel Geesthacht .............................................................................................................8 3.1. Grundlagen ................................................................................................................................. 8 3.1.1. Das Modell HEC-RAS ......................................................................................................... 8 3.1.2. Gewählte HEC-RAS Rahmenbedingungen ......................................................................... 9 3.2. Ergebnisse ................................................................................................................................ 10 4. Das Fallbeispiel Rostock ................................................................................................................. 13 4.1. Der Modellansatz Tygron Engine .............................................................................................. 13 4.1.1. Grundlagen ........................................................................................................................ 13 4.1.2. Ergebnisse ........................................................................................................................ 15 4.2. Der Modellansatz HEC-RAS ..................................................................................................... 16 4.2.1. Grundlagen ........................................................................................................................ 16 4.2.2. Ergebnisse ........................................................................................................................ 16 4.3. Modellvergleich HEC-RAS – Tygron Engine ............................................................................. 17 4.4. Der Modellansatz mit LEAFlood ................................................................................................ 20 4.4.1. Grundlagen ........................................................................................................................ 20 4.4.2. Ergebnisse ........................................................................................................................ 22 4.5. Zusammenfassung der Modellergebnisse und Schlussfolgerungen ......................................... 24 5. Fazit ................................................................................................................................................... 26 6. Literatur ............................................................................................................................................ 30 2 Abbildungsverzeichnis Abb. 1: Simulation Starkregen „Stadt Geesthacht“. Phase während des Starkregenereignisses (links) und der Abfluss-Phase (rechts). Der rote Pfeil zeigt die Lage der Sporthalle. .......................................................................... 10 Abb. 2: Simulation extremer Starkregen „Stadt Geesthacht“. Phase während des Starkregenereignisses (links) und der Infiltrations-Phase (rechts). Der rote Pfeil zeigt die Lage der Sporthalle. ....................................................... 11 Abb. 3: Linke Seite: Überschwemmungstiefen im Bereich Holbeinplatz und Werftstraße. Rechte Seite: Fließrichtungen des Oberflächenabflusses .......................................................................................................................................... 15 Abb. 4: HEC-RAS Berechnungen mit unterschiedlichen Zeitschrittkonfigurationen. Links: Zeitschritt 1 Minute. Rechts: Zeitschritt 10 Minuten. .................................................................................................................................................. 17 Abb. 5: Ergebnisse unterschiedlicher Modellierungen. Links: HEC-RAS. Rechts: Tygron Engine. ......................................... 18 Abb. 6: Ergebnisse unterschiedlicher Modellierungen. Links: HEC-RAS. Rechts: Tygron Engine. ......................................... 19 Abb. 7: Screenshot aus dem TAUW-Video zum Bericht „Das Abflussverhalten von Starkniederschlägen im Stadtgebiet Rostock mit der Software „Tygron Engine“ (Tauw 2020). ......................................................................... 20 Abb. 8: Modellierung mit LEAFlood: Modellgrenzen (Wübbelmann 2023). .............................................................................. 21 Abb. 9: Modellierung mit LEAFlood: Änderung von Angebot und Nachfrage überflutungsregulierender Ökosystemleistungen im Bereich „Holbeinplatz-Schwanenteichpark (Wübbelmann 2023, verändert). ...................... 23 Tabellenverzeichnis Tab. 1: Zusammenfassender Überblick der in Rostock verwendeten Modelle ........................................................................ 25 3 1. Einleitung Der Klimawandel und seine Folgen sind auch in Deutschland bereits spürbar (Kaspar und Mächel 2023; IPCC 2023; 2022; 2021; Jacob et al. 2021; Kahlenborn et al. 2021; Kaspar et al. 2020; UBA 2019; IPCC 2018). So betrug deutschlandweit die mittlere bodennahe Lufttemperatur im Jahr 2023 rund 10,6°C und war damit um 2,4°C höher als der mittlere Wert der Referenzperiode 1961-1990. Damit war 2023 das wärmste Jahr seit 1881 und das dreizehnte Jahr in Folge, das wärmer als der vieljährige Mittelwert im Zeitraum 1961-1990 war. Im Vergleich zu den ersten 30 Jahren (1881 bis 1910) der systematischen Temperaturmessungen und Auswertungen in Deutschland war die Durchschnittstemperatur 2023 in Deutschland circa 2,8°C höher (UBA 2024). Zudem sind in Deutschland in vielen Regionen Veränderungen der Niederschlagsregime zu beobachten. Dabei zeigen sich vor allem eine Zunahme der Regenniederschlagsmengen im Winter sowie trockenere Sommer (Kaspar und Mächel 2023; Kunstmann et al. 2023; Deutschländer und Mächel 2017; DWD 2017). Eine weitere Folge des Klimawandels ist die regionale Zunahme von Starkregenereignissen, (Kunz et al. 2023; Papalexiou und Montanari 2019; Fischer und Knutti 2016; Westra et al. 2014). Besonders viele traten im Jahr 2018 auf, das zugleich von langen Phasen mit sehr geringen Niederschlägen und hohen Verdunstungsraten aufgrund hoher Temperaturen geprägt war (Jacob et al. 2021). Die Zunahme von Starkregenereignissen folgt dem physikalischen Zusammenhang, dass höhere Lufttemperaturen zu einer höheren Wasserdampfaufnahme der Atmosphäre – rund 7% pro 1°C – führen, was konvektive Niederschläge verstärken kann. Ebenfalls ist ein Trend hin zu intensiveren Starkregenereignissen sowie einer zunehmenden Anzahl aufeinander folgender Trockentage im Sommer zu erkennen (Kunstmann et al. 2023; Kunz et al. 2023; Giorgi et al. 2019; Giorgi et al. 2011). Mit den Folgen des Klimawandels sind auch umfassende ökonomische Konsequenzen verbunden, wobei außergewöhnliche Hitze-, Dürre-, Hochwasseroder Starkregenereignisse vor allem zu Infrastrukturschäden, steigenden Gesundheitskosten oder Ernteausfällen führen (Trenczek et al. 2022a; 2022b). Insbesondere Überflutungen durch Flusshochwasser, Starkregen und Sturzfluten waren in Deutschland bislang die kostenträchtigsten Extremwetterereignisse. Dabei waren neben zerstörten Gebäuden und Verkehrsinfrastrukturen auch die Industrie sowie das Gewerbe von überfluteten Produktionshallen oder gestörten Lieferketten betroffen. Insgesamt entstanden dadurch seit dem Jahr 2000 über 70 Mrd. Euro Schäden (Trenczek et al. 2022a; 2022c). Vor dem Hintergrund dieser und weiterer zukünftig zu erwartender Folgen des Klimawandels, wird deutlich, dass es – auch auf kommunaler Ebene – verstärkt darum gehen muss, die Transformation hin zu einer ressourcenschonenden, nachhaltigen, klimaneutralen und angepassten Gesellschaft zu erreichen (Jacob et al. 2021). Dabei bieten für den urbanen Raum insbesondere die Raumund Stadtplanung zahlreiche Möglichkeiten für integrative Ansätze (Groth et al. 2024a; 2024b; Bender et al. 2022; Groth et al. 2021). Um Kommunen hierbei zu unterstützen, werden im Rahmen des GERICS-Stadtbaukasten (Bender et al. 2017) prototypische Produkte und bedarfsgerechte Ansätze entwickelt und angewendet. Im vorliegenden Report wird gezeigt, wie digitale Modelle – genauer hydrologische Modelle – genutzt werden können, um für die gesamte Kommune oder für relevante Teilbereiche, aktuelle und zukünftige Betroffenheiten zu analysieren. Aufbauend auf den Ergebnissen können in Folgeschritten Anpassungsmaßnahmen geplant, 10 iii) nach weitestgehendem Abschluss des Oberflächenabflusses, wenn sich die finalen Überflutungsbereiche (potenzielle Hot-Spots) zeigen (16.06.2007; 08:00). Szenario #2: Extremer Starkregen (Starkregen von Typ Ahrtal) Das zweite Szenario entspricht dem extremen Starkregenereignis, das sich im Juli 2021 im Ahrtal ereignete und dort aufgrund der topographischen Gegebenheiten zu großen Zerstörungen führte. Damals fielen innerhalb weniger Stunden 162 mm Niederschlag. Um ein vergleichbares Ereignis für Geesthacht zu simulieren, erstreckte sich der Modellzeitraum über zwölf fiktive Stunden (14.07.2021 – 12:00 bis 15.07.2021 – 00:00). Dabei wurden nachfolgend zwei Phasen (im Modell 14.07.2021 um 19:00 und 14.07.2021 um 23:30) dargestellt. 3.2. Ergebnisse Szenario #1: Starkregen „Stadt Geesthacht“ Zum Zeitpunkt, an dem die Hauptmenge des Niederschlags im Modellgebiet fällt, sind auf der Karte fast auf dem gesamten Straßennetz und einem Großteil der unbebauten Flächen Wasseransammlungen von wenigen Zentimetern Höhe zu sehen (Abbildung 1, links), die jedoch als unproblematisch einzustufen sind. Die Wasseransammlungen auf den Straßen und in den steileren Bereichen im Zentralteil des Modellgebiets sind nicht durchgängig, da das Abfließen an der Oberfläche bereits eingesetzt hat. Infolgedessen bewegt sich das Wasser der Topografie folgend in westliche beziehungsweise südwestliche Richtung. Dieses Fließverhalten lässt sich sehr gut in der Animation des zeitlichen Ablaufs nachvollziehen. Auf den Karten sind am südlichen Rand zwei abgedeckte Bereiche zu erkennen – die Elbe und ein Staubecken. Die Abdeckung wurde gewählt, da das Modell dort ebenfalls Wassersansammlungen zeigt, die in der Realität jedoch nicht zu erwarten sind. Das Regenwasser würde zum einen durch die Elbe abtransportiert und zum anderen das Wasserreservoir auffüllen. Abb. 1: Simulation Starkregen „Stadt Geesthacht“. Phase während des Starkregenereignisses (links) und der Abfluss-Phase (rechts). Der rote Pfeil zeigt die Lage der Sporthalle. Das Regenwasser, das nicht im Boden infiltriert, fließt entlang der Straßen in tiefergelegene Bereiche und füllt dort zunächst Senken auf. Bei diesem Modellansatz wird neben dem Oberflächenabfluss nur die Infiltration als weitere Komponente betrachtet. Der Einfluss der Kanalisation wird als so gering eingeschätzt, dass er vernachlässigt wurde. Dieser vereinfachte Ansatz ist beim Einsatz vieler 11 hydrologischer Modelle gängige Praxis (Groth et al. 2020), da vielerorts keine genauen kartographischen Angaben zum Aufbau des Kanalnetzes vorliegen oder bereitgestellt werden können. Das vorliegende Modell basiert auf den DGM1-Rohdaten, bei denen nicht alle in der Realität vorhandenen Straßendurchlässe oder möglichen Abflusswege im Datensatz enthalten sind. Gleiches gilt auch für aktuell nicht passierbare Stellen, an denen beispielsweise Durchlässe blockiert sein können. Um den Detaillierungsgrad des Modells zu erhöhen und neben qualitativen auch quantitativen Aussagen zu ermöglichen, müsste das Modell durch eine Vor-Ort Begehung verifiziert werden. Trotz dieser Einschränkung – also ohne eine vorherige Feinjustierung des Modells – können acht durch Kreise markierte potenzielle Akkumulationsbereiche (Hot-Spots für Überflutungen) identifiziert werden, in denen sich abfließendes Regenwasser aufstauen kann. Im vorliegenden Modell werden dort Wassertiefen von bis zu 2 m erreicht, was grundsätzlich einem erhöhten Gefährdungspotential entspricht. Zur Verifikation der Ergebnisse fand ein Treffen mit den zuständigen Behörden der Stadt statt, um basierend auf lokalem Wissen, die Modellergebnisse bewerten zu können. Szenario #2: Extremer Starkregen „Stadt Geesthacht“ In dem zweiten Starkregen-Szenario wurde die Regenmenge im Modell gesteigert, um die Auswirkungen eines extremen Starkregenereignisses zu simulieren. Dass solche Ereignisse mittlerweile auch in Deutschland möglich sind, hat der Starkregen im Sommer 2021 im Ahrtal und an der Erft gezeigt. Aus diesem Grund ist in Kommunen auch das Interesse gestiegen, was ein solches Ereignis vor der eigenen Haustür anrichten würde. Im Fallbeispiel Geesthacht wurden die Niederschlagsmengen im Vergleich zum Szenario #1 in etwa verdreifacht. Der zeitliche Verlauf entspricht ungefähr dem Ereignis aus dem Ahrtal. Im Simulationsergebnis wird die größere Niederschlagsmenge im Stadtgebiet deutlich sichtbar, da sich im Vergleich zu Szenario #1 zunächst mehr Wasserflächen ausbilden und größere Wassermengen auf den Straßen in Richtung Elbe abfließen. Abb. 2: Simulation extremer Starkregen „Stadt Geesthacht“. Phase während des Starkregenereignisses (links) und der Infiltrations-Phase (rechts). Der rote Pfeil zeigt die Lage der Sporthalle. An den Hotspots 1 bis 8 – die sich bereits im Szenario #1 gezeigt haben – sammeln sich nun größere Wassermengen an, die dort entweder zu größeren Wasserhöhen oder ausgedehnteren Überflutungsflächen führen. Darüber hinaus bilden sich vier neue Hotspots (A - D) aus, die entweder eine Wasseraufstauhöhe von rund 1 m aufweisen (A, C) oder räumlich eng begrenzte Bereiche mit Wasserhöhen von bis zu 2 m zeigen (B, D) (Abbildung 2, links). Nach Ablauf der Hauptmenge des Gebietsniederschlags bleiben sieben Bereiche bestehen, in denen sich Wasserhöhen von bis zu 2 m 12 zeigen (Abbildung 2, rechts). Besonders hervorzuheben sind hier die Bereiche 2 und 4 im Westteil des Modellgebiets. Der im Modell gezeigte Wasseraufstau im Bereich 2 ist Vor-Ort als unproblematisch zu bewerten, da das Wasser einer bewaldeten Senke zufließt und dort schadlos versickern kann. Ein besonderes Augenmerk gilt allerdings der Sporthalle an der Grenzstraße (Bereich 4), da dort schon heute nach stärkeren Niederschlagsereignissen Feuchtigkeitsschäden im Fußboden aufgetreten sind. Dort wäre es ratsam, das Modell noch einmal zu überprüfen und zu optimieren, in dem nicht erfasste Straßendurchlässe oder wasserstauende Elemente kartiert und in das Modell einpflegt werden. Damit könnten sich die Simulation der Richtung des Wasserflusses sowie der potenziell auftretenden Wassermengen verbessern. Darüber hinaus sollte geprüft werden, ob dort in der Vergangenheit bereits Überflutungen aufgetreten sind. Während der Hot-Spot B, der sich nur bei dem extremen Starkregenereignis zeigt, als unkritisch zu bewerten ist, da er in einem Waldgebiet liegt und von ihm nur ein geringes Gefährdungspotential ausgeht, zeigen sich innerhalb des Stadtgebiets mehrere Bereiche, in denen sich größere Wassermengen sowohl in der Fläche als auch in der Aufstauhöhe ansammeln können. Im Bereich 6 ist der Akkumulationsbereich aktuell eine bewaldete Senke, die zukünftig als temporärer Retentionsraum genutzt werden könnte. Hierzu sollte die Kommune die Notwasserwege, auf denen das Wasser der Senke zufließen kann, freihalten. Für Teile der Bereiche 8 und entlang C sollte die Notwendigkeit für Anpassungsmaßnahmen überprüft werden, da die Modellergebnisse hier auf ein höheres Gefährdungspotential durch Überflutungen hinweisen. Neben baulichen Veränderungen, wie erhöhten Schwellen als Hindernis für das Wasser oder Rückstausicherungen, wäre es ratsam die Bewohner:innen auf ein mögliches Überflutungsrisiko hinzuweisen. Hierzu wurde gemeinsam mit der Stadt Geesthacht eine GERICSInformationsbroschüre für die Stadt Geesthacht erstellt und veröffentlicht. 1 1 https://www.gerics.de/about/news_and_events/news/115447/index.php.de 13 4. Das Fallbeispiel Rostock 2 4.1. Der Modellansatz Tygron Engine 4.1.1. Grundlagen Die Tygron Engine ist eine 3D-Geodesign-Plattform mit einer Cloud-Computing-Technologie, mit der unter anderem Überflutungen berechnet und interaktiv visualisiert werden können. Der dabei verwendete Berechnungsansatz für Starkregenereignisse basiert auf einem 2D-gitterbasierten Flachwassermodell, das 2D-Saint-Venant-Gleichungen verwendet (Kurgano & Pertova 2007). Des Weiteren werden bei den Berechnungen folgende Faktoren berücksichtigt: i) Infiltration, ii) Verdunstung, iii) Grundwasserfluss sowie iv) bauliche und natürliche hydraulische Strukturen. Aktuell wird das Modell hauptsächlich im kommerziellen und im wissenschaftlichen Bereich in den Niederlanden eingesetzt (Korporaal 2022; Renswoude 2020). Um die Berechnungen durchzuführen, wird der Projektbereich zunächst in ein Zellenraster gegliedert. Die Rasterweite wird durch das verwendete Digitale Gelände Modell (DGM) vorgegeben. Für das Fallbeispiel in Rostock wurde seitens der Stadt ein DGM1 zur Verfügung gestellt, so dass die Rasterweite 1 Meter beträgt. Für jede Zelle fand die Zuordnung einer definierten Wassermenge basierend auf dem Datensatz des KOSTRA-Atlas Deutscher Wetterdienst (DWD) 2010R von Warnemünde mit einem Modellregentyp Euler Typ II statt. Die Zellen sind in Gruppen/Kategorien eingeteilt, denen Parameter wie Infiltration oder Rauhigkeitsfaktor entsprechend zugeordnet sind. Für die Simulation wurden Sekunden-Zeitschritte gewählt, wobei in jedem Zeitschritt jede Zelle mit den direkt benachbarten Zellen kommuniziert, um – basierend auf dem Wasserstand, der Oberflächenhöhe, der aktuellen Fließrichtung und anderen Faktoren – Wasser auszutauschen. Für die hohe Genauigkeit dieser Simulation sorgen sehr kleine Zeitschritte und ein enges Raster. Der für die Simulation verwendete Modellregentyp Euler II nach KOSTRA-DWD 2010R ist nur für kurze Dauerstufen realitätsnah. Bei längeren Regenereignissen muss der zeitliche Verlauf des Regenereignisses besondere Beachtung finden, da dies das Abflussverhalten entscheidend beeinflussen kann. Als Vereinfachung wurde der Modellregen einheitlich auf das gesamte Stadtgebiet angewendet. Die Daten dafür stammen von der Wetterstation Warnemünde. Der Modellregen weist eine definierte Wassermenge (Niederschlagshöhe) und eine definierte Dauer auf, die mit Tygron Engine konfiguriert und in eine Niederschlagsmenge (mm) pro Sekunde umgerechnet wurden. So ergibt sich beispielsweise aus einer Niederschlagshöhe von 11,70 mm und einer Intervalldauer von 5 Minuten eine Niederschlagsmenge von 0,039 mm/s. Bis zum Ende des definierten Zeitraums fällt genau diese konfigurierte Regenmenge 2 Die in diesem Kapitel dargestellten Inhalte und Abbildungen sind den durch die Tauw GmbH für das Climate Service Center Germany (GERICS) erstellten Abschlussberichten „Starkregengefahrenkarte Rostock: Studie zur Bewertung des Abflussverhaltens von Starkniederschlägen im Stadtgebiet Rostock mit der Software „Tygron“ (Tauw 2020) und „Modelloptimierung und alternative Modellansätze Rostock. Vergleich HEC-RAS - Tygron“ (Tauw 2022) entnommen, wobei sie sprachlich angepasst und inhaltlich ergänzt wurden. 14 auf jede Gitterzelle. Da der Modellregentyp Euler II dynamisch ist, verändert sich die Niederschlagsmenge während des Ereignisses, weshalb 5 Minuten-Intervalle mit unterschiedlichen Regenmengen zur Anwendung kamen. Um einen möglichst einfachen Ansatz zu wählen, der in den meisten Kommunen adaptiert werden kann, verzichtet diese Fallstudie auf Informationen zum Kanalnetz. Vielmehr fand eine vereinfachte Abschätzung der Kanalisationskapazität im Modell statt. Hierzu wurde das Stadtgebiet in Bereiche mit und ohne Kanalisation aufgeteilt. Bereiche mit Kanalisation sind beispielsweise Straßen und Gebäude, in denen ein Anschluss an das Kanalnetz angenommen werden kann. Die Ermittlung der versiegelten Flächen basiert auf einer Landnutzungskartierung des Luftbildes von 2014. Unter den so ermittelten Zellen wurde basierend auf langfristigen Erfahrungswerten eine Kapazität des Abwassersystems von durchschnittlich 10,82 mm für die Wasser-Speicherungsmöglichkeit angenommen. Das gesamte Speichervolumen des Kanalsystems wird durch die Summe aller als Kanalisationsbereiche gekennzeichneten Gitterzellen – multipliziert mit der Gitterzellengröße – bestimmt. Wasser kann in der Simulation dann in den Abwasserkanal fließen, wenn sich auf der Oberfläche eine Gitterzelle mit Wasser und einer Kanalkonstruktion befindet. Der Zufluss in die Kanalisation findet dann so lange statt, bis der Abwasserkanal voll ist. Wird während der Simulation Wasser aus dem Abwasserkanal entfernt, so kann weiter Wasser von der Oberfläche abfließen, bis die maximale Kapazität der Kanalisation erreicht ist. Oberflächenwasser kann dem System durch Verdunstung entzogen werden. Dabei wird die Menge von der Verdunstungsrate der Oberfläche bestimmt, die durch den Grad der Versiegelung und dem Vegetationstyp charakterisiert ist. Für die Simulation wurde von einer initialen Evaporation von 1,5 mm/d (Standardwert) ausgegangen. Die tatsächliche Evaporation kann in Abhängigkeit der zugeordneten Bodenkategorie im Laufe der Modellierung davon abweichen. Eine weitere Möglichkeit das Oberflächenwasser zu verringern, bietet die Infiltration in die ungesättigte Bodenzone. Die Geschwindigkeit der Infiltration wird durch die K-Faktoren der Geländeoberfläche und des Bodens definiert (Bram 2016). Ausschlaggebend ist hier jeweils der niedrigere Wert, da dieser die Infiltrationsgeschwindigkeit steuert. Im Bereich des RSAG-Geländes wurde wegen einer künstlich angelegten Drainage im Gleisbett der Infiltrationsbeiwert manuell erhöht, um hier einen verbesserten Abfluss zu simulieren. Die Berechnungen nutzen folgende Datenquellen: i) Landnutzungskartierung des Luftbildes aus dem Jahr 2014 (Stadt Rostock), ii) Niederschlagswerte (Deutscher Wetterdienst, KOSTRA Atlas 2010m, Wetterstation Warnemünde), iii) Digitales Geländemodell DGM1 für das Verwaltungsgebiet Rostock (Stadt Rostock), iv) Digitales Geländemodell DGM20 (Opendataportal, esri-Daten, openstreetmap.com) und v) Bodenklassen (Stadt Rostock). Darüber hinaus gab es für das Modell folgende Annahmen: i) für den Infiltrationsbeiwert von Industrieflächen und auf dem RSAG-Gelände wurden 0,3 m/d angesetzt, ii) ein detailliertes Kanalnetz ist im Modell nicht enthalten, iii) Botanischer Garten und Kläranlage besitzen im Modell eine hydraulische Verbindung, iv) auf Basis einer Vorort-Kartierung wurde das Modell um Durchlassstellen erweitert, v) die abgeschätzte Kapazität des Kanalsystems unterhalb der als Straßen identifizierten Zellen beträgt 10,82 mm. 15 4.1.2. Ergebnisse Am Beispiel des Ausschnitts „Bereich Holbeinplatz und Werftstraße“ zeigt Abbildung 3 typische Kartendarstellungen der Tygron Engine (Überschwemmungstiefen und Fließrichtungen), wie sie üblicherweise in Berichten verwendet werden. Dabei sind zwei durch Überschwemmungen gefährdete Bereiche erkennbar. Zum einen der Holbeinplatz unter der Bahnbrücke, zum anderen ein Bereich nördlich der Werftstraße. Hier werden bei der Modellierung Überschwemmungsbereiche mit Wassertiefen von bis zu 5 m angezeigt. Die Fließrichtungen verdeutlichen dabei sehr anschaulich die Hauptfließrichtung hin zu den topografischen Senken, so dass davon auszugehen ist, dass sich bei stärkeren Niederschlagsereignissen an den beiden Stellen weitere Wassermengen akkumulieren können. Aus den Karten lässt sich somit ableiten, dass der Holbeinplatz, der eine wichtige Funktion für den ÖPNV darstellt, schon heute eine hohe Vulnerabilität im Hinblick auf Starkregenereignisse besitzt. Somit werden dort Anpassungsmaßnahmen, vor allem vor dem Hintergrund einer Zunahme der Anzahl (Bender et al. 2019) und Intensität (Dahm et al. 2020) von Starkregenereignissen, angeraten. Abb. 3: Linke Seite: Überschwemmungstiefen im Bereich Holbeinplatz und Werftstraße. Rechte Seite: Fließrichtungen des Oberflächenabflusses Im Falle des Bereichs Werftstraße treten zwar auch hohe Wasserstände auf, deren Einfluss ist jedoch auf lokale Störungen und Schäden begrenzt. Die Ergebnisse zeigen darüber hinaus nördlich der Bahnbrücke einen Aufstau von Wasser im Bereich der Werftstraße und der Neptunalle. Da mehrere Straßen (Werftstraße, Am Kayenmühlengraben) den Fließweg kreuzen, müsste durch eine Begehung noch ergänzend geklärt werden, ob Vor-Ort Straßendurchlässe existieren, die noch in das Modell integriert werden müssten oder ob die Infiltrationsraten im Modell richtig dimensioniert wurden. Unabhängig von einer potentiell notwendigen Feinjustierung des Modells, zeigen die Ergebnisse Bereiche mit einem hohen Überschwemmungsrisiko, wofür angrenzende Immobilienund Grundstücksbesitzer:innen sensibilisiert werden sollten. Auch in diesem Bereich werden Anpassungsmaßnahmen 16 empfohlen, um das Wasser gezielt zurückzuhalten oder über temporäre Notwasserwege aus dem Bereich zu entfernen. 4.2. Der Modellansatz HEC-RAS 4.2.1. Grundlagen Mit dem Ziel eines direkten Modellvergleichs wurde ein Modellteilgebiet in Rostock ebenfalls mit dem – in Abschnitt 3.1.1 hinsichtlich seiner Grundlagen bereits ausführlich beschrieben – Modellansatz HECRAS (Hydrologic Engineering Center River Analysis System) modelliert. Um die Vergleichbarkeit zu gewährleisten, basiert die Modellierung weitgehend auf den Eingangsdaten des im vorherigen Abschnitt beschriebenen Ansatzes der Tygron Engine Modellierung Das mit HEC-RAS modellierte Gebiet weist zur Minimierung der Rechenleistung und -zeit eine Größe von etwa 4,5 km² bei einer Rastergröße von 5 x 5 m auf. Wie schon bei der Modellierung mit Tygron Engine wurden kein Kanalnetz sowie keine Durchlässe oder Pumpen berücksichtigt. Die Berechnung der Infiltration nutzt das Curve-Number (CN) Verfahren, durch das der infiltrierende Niederschlag als Funktion der kumulierten Niederschlagsmenge, Bodenversiegelung, Flächennutzung und Bodenfeuchte abgeschätzt wird. Um das Courant-Kriterium (Courant et al. 1928) näherungsweise zu erfüllen, betragen die Zeitschritte für die Berechnung 2 Sekunden. Mit diesen Einstellungen benötigt HEC-RAS 10 Minuten und 30 Sekunden für einen Berechnungslauf. 4.2.2. Ergebnisse Für die Simulationen können manuell Zeitschritte als Vorgabe für die Berechnungen gewählt werden. Je nach Computerleistung sind hierbei Zeitschritte zwischen einer Sekunde und mehreren Minuten möglich. Trotz gleicher Modellparametrisierung hat die Wahl der Zeitschrittlänge einen direkten Einfluss auf die Modellergebnisse – sei es in der Kartendarstellung oder bei der Visualisierung als zeitlicher Ablauf in einem Video. In Abbildung 4 sind zwei Momentaufnahmen dargestellt, die denselben Zeitpunkt der Simulation eines Starkregenereignisses zeigen. Beide Modellansätze unterscheiden sich lediglich in ihrer Zeitschrittkonfiguration (1 Minute beziehungsweise 10 Minuten), trotzdem zeigt die Visualisierung ein unterschiedliches Bild. Bei dem Modell mit 1 Minuten-Zeitschritten scheint auf den ersten Blick weniger Wasser im Modell zu sein, da alle Wasserflächen geringer dimensioniert sind. Außerdem treten an den Hotspots geringere Wassertiefen auf. Wie die Legenden jedoch verdeutlichen, wird, bezogen auf das gesamte Modellgebiet, ein höheres Maximum der Wassertiefen erreicht. In beiden Fällen wird der Oberflächenabfluss wegen der nicht erfüllten Courant-Bedingung als nicht zusammenhängende Abflusswassermenge dargestellt. Vielmehr zeigen sich aufeinanderfolgende, räumlich begrenzte Wasserakkumulationen. Kleinere Zeitschritte im Sekundenbereich, führen zu einer deutlichen Verbesserung dieses Effektes. Qualitativ noch bessere Ergebnisse erhält man, wenn man mit Modellen arbeitet, die über einen automatischen Stabilisator verfügen, der die Zeitschritte an die Fließgeschwindigkeit anpasst. Diese Anpassung würde jedoch einen höheren Rechenaufwand erfordern. 17 Abb. 4: HEC-RAS Berechnungen mit unterschiedlichen Zeitschrittkonfigurationen. Links: Zeitschritt 1 Minute. Rechts: Zeitschritt 10 Minuten. 4.3. Modellvergleich HEC-RAS – Tygron Engine Da die Anzahl der Niederschlag-Abfluss-Modellierungen mit Bezug auf Starkregenereignisse in den letzten Jahren zugenommen hat, kommen vermehrt unterschiedliche Modellansätze zum Einsatz. Je nach Bearbeiter und verwendetem Modell werden unterschiedliche Kartendarstellungen produziert, die, zumeist mit einer mehr oder weniger guten Dokumentation beziehungsweise Nutzungshinweisen, an Stadtverwaltungen übergeben werden. Da dort nicht immer Modellierexpert:innen die Interpretation der Ergebnisse übernehmen müssen, soll hier exemplarisch gezeigt werden, zu welchen Ergebnissen unterschiedliche Modelle mit denselben Eingangsparametern kommen können. Um die Vergleichbarkeit der Modellergebnisse zu erhöhen, wurden zum einen vergleichbare Eingangsparameter und Randbedingungen verwendet, zum anderen führte dasselbe erfahrene Team beide Modellierungen durch, um den Einfluss des Modellierers/der Modelliererin auf die Ergebnisse so weit wie möglich zu minimieren (Tauw 2022, Groth et al. 2024b). In Abbildung 5 sind exemplarisch die modellierten Wassertiefen im Bereich Holbeinplatz und Werftstraße nebeneinandergestellt. In beiden Modellierungen sind die Hauptüberschwemmungsgebiete im Bereich der Haltestelle Holbeinplatz – unterhalb der Brücke – und südlich der Werftstraße zu erkennen. Die räumlichen Ausdehnungen und Wassertiefen sind in etwa vergleichbar, wobei die Modellierung mit Tygron Engine größere Wassertiefen anzeigt. Die Hauptunterschiede zeigen sich hier etwas abseits der großen Hotspots. Dort liefert HEC-RAS ein „unruhigeres Bild“, mit einer größeren Anzahl von kleinen abgegrenzten Wasserakkumulationen. Dagegen zeigt Tygron Engine größere zusammenhängende Wasserbereiche, was auf die kleineren Zeitschritte und den automatischen Stabilisator zurückzuführen ist. Generell zeigt die Modellierung mit Tygron Engine vor allem in Bereichen mit geringeren Wasserakkumulationen – aufgrund der eingebauten Kanalkapazität – geringere Gesamtwassersäulen als die Modellierung mit HEC-RAS. Die Modellergebnisse verdeutlichen aber auch, dass dort, wo diese Kapazität erschöpft ist, bei Tygron Engine höhere Wasserstände ausgebildet sind. 18 Abb. 5: Ergebnisse unterschiedlicher Modellierungen. Links: HEC-RAS. Rechts: Tygron Engine. Betrachtet man in Abbildung 6 den Bereich südwestlich des Schwanenteichparks, so zeigen sich auch hier die generellen Unterschiede der beiden Modellansätze. Bei der HEC-RAS-Modellierung verteilen sich die Wasserakkumulationen gleichmäßig über das Gebiet, wobei zumeist nur geringe Wasserhöhen von wenigen Zentimetern auftreten. Viele dieser Wasserflächen verschwinden bei der Modellierung mit Tygron Engine, da hier das Wasser durch den Modellbaustein Kanalisation von der Oberfläche entfernt wird. Dies sorgt auf den ersten Blick für ein geglättetes Erscheinungsbild. Dort wo Wasserakkumulationen auftreten, werden trotz der kleineren Zeitschrittweiten allerdings höhere Wassertiefen erreicht und es bilden sich im Vergleich zu HEC-RAS auch neue Überschwemmungsflächen – beispielweise im Bereich westlich der Kuphalstraße – aus. Dies könnte damit begründet werden, dass hier ein Gebiet nahe der Modellgrenze von HEC-RAS betrachtet wird, in dem die hydraulischen Verhältnisse stärker von den Randbedingungen des Modells beeinflusst werden und dort eventuell Wasser „aus dem Modell geflossen“ ist. Aus diesem Grund ist es bei der Interpretation der Kartendarstellungen immer wichtig, dass sich die zu interpretierenden Bereiche möglichst im zentralen Teil des Modells befinden. 19 Abb. 6: Ergebnisse unterschiedlicher Modellierungen. Links: HEC-RAS. Rechts: Tygron Engine. Zusammenfassend lässt sich feststellen, dass sich beide Modelle für die Visualisierung der Starkregengefahren eignen. Eindeutige Hot-Spots und Hauptfließrichtungen werden von beiden Ansätzen ohne große Unterschiede dargestellt. Unterschiedliche Ergebnisse sind überwiegend auf Modelleinstellungen wie die Wahl der Randbedingungen oder die Berücksichtigung beziehungsweise das Fehlen einer Entwässerung nach unten (Infiltration oder Kanalisation) zurückzuführen. Im direkten Vergleich hat der Einsatz von Tygron Engine insbesondere bei der Modellierung größerer Gebiete deutliche Vorteile, da man im Hintergrund auf eine höhere Rechnerleistung zurückgreifen kann. Dies ermöglicht auch die Ausgabe von 3D-Videos (Abbildung 7), die sich durch den gut erkennbaren Ortsbezug und eine eindrucksvollere Darstellung häufig besser dafür eignen Entscheidungsträger:innen zu sensibilisieren. Ein weiterer Vorteil dieses Programms ist es, dass viele Anfangsund Randbedingungen auf Grundlage öffentlich verfügbarer Daten automatisiert festgelegt werden. Allerdings werden einige kleinräumige Prozesse des Wasserhaushalts im Modell nicht detailliert berücksichtigt (Tauw 2022). Die Stärke von HEC-RAS sind dagegen die flexibel wählbaren Rastereinstellungen, wodurch Analysen von Prozessen in kleinräumigen Gebieten detaillierter möglich sind. Zudem können sinnvolle Ergebnisse auch mit wenig verfügbaren Daten erzielt werden (Wübbelmann 2023; Bender et al. 2023a). Durch die Nutzbarkeit auf handelsüblichen PCs und relativ kurze Rechenzeiten können mit HEC-RAS Landnutzungsänderungen oder die Auswirkungen von Neubauten auf das Abflussverhalten schnell simuliert werden. Somit ist dieses Modell nicht nur sehr gut als Planungswerkzeug bei eingeschränkten finanziellen und personellen Ressourcen geeignet, sondern auch um die Wirkung unterschiedlicher technischer Anpassungsmaßnahmen in kurzer Zeit visualisieren zu können. 26 5. Fazit Dieser Bericht gibt einen Einblick in die Arbeit mit hydrologischen Modellen und den zugehörigen Ergebnissen. Auch wenn sich Modellierexperten der folgenden Aussagen bewusst sind, so gibt es gerade in kommunalen Verwaltungen vielen Nutzer:innen, die lediglich auf Basis der in Kartenform bereitgestellten Ergebnisse Entscheidungen treffen. Aus diesem Grund wollen wir mit unseren Beispielen darauf aufmerksam machen, dass auch vollständig gleiche Eingangsdatensätze je nach Modell, Modellaufbau und vorgenommener Modellvereinfachungen in der Visualisierung zu unterschiedlichen Ergebnissen führen können. Dies betrifft sowohl die Verteilung von Wasser auf der Fläche als auch die akkumulierten Wasserhöhen. Generell werden Fließrichtungen gut wiedergegeben, da das Wasser dem Gefälle folgend abfließt. Größere Herausforderungen sind die in der Realität vorhandenen beziehungsweise die anfangs modelltechnisch bedingten Hindernisse für den Wasserfluss. Hierzu ist es ratsam durch eine Vor-Ort Begehung Realität und Modell aneinander anzugleichen. Zusätzlich ist es hilfreich, historische Überflutungen oder anderes relevantes lokales Wissen in die Validierung von Modellen mit einzubeziehen, um somit die praktische Aussagequalität der Modellierung zu verbessern und nachhaltige, bedarfsgerechte Empfehlungen ableiten zu können. Die praktischen Ergebnisse und Erfahrungen konnten zeigen, dass HEC-RAS als freie Software eine gute Möglichkeit bietet, um relativ schnell erste gute Abschätzungen zum Abflussverhalten von Starkregenereignissen zu treffen (Bender et al. 2023; Wübbelmann 2023). Dabei sind die Berechnungen mit einem handelsüblichen PC oder Laptop durchführbar. Durch die zahlreichen Einstellungsmöglichkeiten, die manuell vorgenommen werden können, ist es möglich, das Modell gemäß dem vorliegenden Datenbestand an die individuellen Anforderungen anzupassen. Insbesondere kleinräumigere Gebiete lassen sich damit sehr detailliert analysieren. Prinzipiell sind aber auch Modellierungen von kleineren Städten möglich. Durch die relativ geringen Rechenzeiten können beispielsweise sehr schnell Landnutzungsänderungen oder der Einfluss neuer Gebäude auf das Abflussverhalten simuliert werden. Die Geodesign-Plattform Tygron Engine zeichnet sich dadurch aus, dass aufgrund der großen Rechenleistung hochaufgelöste Kartendarstellungen und 3D-Videos generiert werden können. Vor allem die Visualisierungen im 3D-Format, bieten aufgrund des großen Wiedererkennungswertes von Stadtbereichen, anschauliches Material, welches von Entscheidungsträger:innen genutzt werden kann, um öffentlichkeitswirksam und niederschwellig auf die Überschwemmungsproblematik hinzuweisen. Modelltechnisch werden die Bedingungen für eine robuste numerische Modellierung teilweise automatisch vom Programm angepasst, sodass eine hohe Qualität der Simulation – besonders hinsichtlich des Fließverhaltens des Oberflächenwassers – erreicht wird. Zur Berechnung einzelner Prozesse werden regionale bis lokale Parameter und Kennwerte verwendet. Für die Betrachtung kleinskaliger Prozesse – wie etwa den Einfluss der Bodenfeuchte auf das Infiltrationsverhalten – ist das Modell nicht ausgelegt. Aufgrund der hohen Rechenleistung eignet sich Tygron Engine auch für größere Stadtgebiete oder ganze Städte. Das Programm LEAFlood wurde speziell dazu entwickelt, um die Wirkungsweise natürlicher flutregulierender Ökosystemleistungen in einem Stadtgebiet zu analysieren, wobei der Fokus hierbei auf 27 der Betrachtung des Einflusses von Interzeption, Kronendachverdunstung, Bodeninfiltration und Oberflächenabfluss lag. Da die Entwicklung dieses Modells sowie seine Nutzung gut dokumentiert sind, könnte auch dieses Modell an jedem anderen Standort eingesetzt werden. Allerdings gehen die Modellergebnisse deutlich über das hinaus, was man bei einem ersten Riskoscreening in Bezug auf urbane Überflutungen benötigt. Der direkte Vergleich von HEC-RAS mit Tygron Engine zeigt, dass beide Modelle zur Erstellung von Starkregen-Gefahrenkarten genutzt werden können. Beide Programme bieten nach Aufbereitung der Ergebnisse wichtige Hilfsmittel, um potenziell durch Starkregenereignisse beeinflusste oder gefährdete Bereiche zu identifizieren und Zuflüsse sowie Strömungswege im Stadtgebiet nachzuvollziehen. Zudem konnte gezeigt werden, dass mit den Modellierungen besonders relevante Hot-Spots zu identifizieren waren, die durch eine Vor-Ort-Validierung bestätigt wurden. Unterschiedliche Ergebnisse treten insbesondere im Bereich der Modellränder auf, da hier die Berechnungen von den Randbedingungen des jeweiligen Modells beeinflusst werden. Wegen der unterschiedlichen Zeitschritte mit und ohne automatischen Stabilisator liefert HEC-RAS die „unruhigeren Kartendarstellungen“. Aus den Ergebnissen aller gezeigten Modellierungen lassen sich für das methodische Vorgehen zusammenfassend folgende übergeordneten Einschätzungen und Hinweise ableiten: • Modellierungen ermöglichen es, einen Überblick über die Starkregengefährdung auch größerer Flächen zu gewinnen und sie lassen Rückschlüsse auf die Mechanismen der Überflutungsereignisse zu. • Für Modellierungen müssen nicht unbedingt die Daten bestehender Entwässerungsoder Kanalsysteme vorliegen beziehungsweise erfasst sein. Ihre Wirkung kann auch durch vereinfachte Abschätzungen in Modelle implementiert werden. • Die gezeigten Modellergebnisse basieren auf einer rein akkumulierenden Berechnung, die auf Grundlage digitaler Oberflächenmodelle für Gebäude und Topografie beruhen. • Die in Kartenform oder animierten Bildern beziehungsweise kurzen Filmen dargestellten Ergebnisse ermöglichen es, unmittelbar und anschaulich relevante Gefährdungsbereiche (Hot-Spots und temporäre Fließwege) in der Stadt zu identifizieren. • Aufbauend auf den Modellierungsergebnissen können in einem Folgeschritt Optionen für weitergehende Analysen und Möglichkeiten der Entwicklung und Umsetzung von Anpassungsmaßnahmen geprüft und gegebenenfalls umgesetzt werden (z.B. Schutzoder Sanierungsmaßnahmen). Mit dem Ziel eine Gefährdungsabschätzung durchzuführen sowie aufbauend auf den Ergebnissen mögliche Anpassungsmaßnahmen abzuleiten und zu initiieren, haben die Fallstudien gezeigt, dass der Grad der Überflutungsgefährdung im Detail wesentlich von den örtlichen Gegebenheiten abhängt. Dies zeigt sich nicht nur an den jeweiligen Hot-Spots selbst, sondern auch in deren Umgebung, da das Wasser häufig aus größerer Entfernung zumeist über Straßen hin zu den aufgezeigten Hot-Spots fließt. Entlang dieser Fließstrecken und beim Hot-Spot sind vor allem tieferliegende Bereiche gefährdet, in die das Wasser gelangen kann. Dazu zählen auch ungesicherte Lichtschächte für Kellerräume sowie Treppenabgänge in Keller oder Tiefgaragen. 28 Auch wenn standardisierte Empfehlungen aus den Karten nicht abgeleitet werden können, so geben sie jedoch wichtige Hinweise darauf, wie und wo Anpassungsmaßnahmen individuell zu entwickeln sind, um den örtlichen Gegebenheiten und den daraus resultierenden Herausforderungen Rechnung zu tragen. Auf Grundlage der Ergebnisse aus den beiden Fallstudien können exemplarisch folgende Maßnahmen für eine Anpassung an zukünftige Starkregenereignisse und Sturzfluten vorgeschlagen werden, um im Zuge dessen das Schadensrisiko zu reduzieren: • Anlegen von zusätzlichen (temporären) Retentionsräumen unter Berücksichtigung temporärer Notwasserwege. • Berücksichtigung von Vorsorgeund Anpassungsmaßnahmen im Rahmen der Innenraumverdichtung. • Planung und Umsetzung von zusätzlich Schutzmaßnahmen in besonders gefährdeten Bereichen. Ein weiterer wichtiger Aspekt ist die proaktive Sensibilisierung der Bevölkerung, um beispielsweise Grundstückseigentümer:innen und Hausbesitzer:innen dahingehend zu informieren, was sie präventiv tun können, um gut auf zukünftige Starkregenereignisse vorbereitet zu sein. Jedoch ist hervorzuheben, dass trotz der Maßnahmen, die seitens der Kommunen durchgeführt werden, auch private Initiativen benötigt werden, um die Folgen extremer Starkniederschläge abzumildern. Hier ist eine eigenverantwortliche Vorsorge der Grundstückseigentümer:innen gefragt. Diese umfasst beispielsweise die Sicherstellung, dass Teile des Regenwassers auf dem eigenen Grundstück versickern können, wozu wiederum die dafür notwendigen Drainagen oder Abflussrinnen kontinuierlich gepflegt und deren Funktionstauglichkeit sichergestellt werden müssen. Die Modellansätze können darüber hinaus auch zur Simulation zukünftiger legislativer Rahmenbedingungen, als wichtigen Input für Planungsgrundlagen im Kontext des Umgangs mit Starkregengefahren und -ereignissen, dienen. So besteht beispielsweise aktuell bei Infrastrukturprojekten die Bemessung von Regenrückhalteräumen ausschließlich auf der Grundlage historischer KOSTRADaten. Diese wurden zwar jüngst angepasst (zuletzt im Januar 2023), sind aber vor dem Hintergrund der langen Lebensdauer von Anlagen/Bauwerken (>50 a) sowie einer klimawandelbedingt zu erwartenden Zunahme der Häufigkeit und Intensität von Starkregenereignissen, mit den aktuellen Angaben möglicherweise nicht dazu geeignet, die zukünftig veränderten Niederschlagsund Abflussmengen, bewerten zu können. Aus diesem Grund ist eine Vorgehensweise ratsamer, die zukünftige Entwicklungen auf Grundlage regionaler Klimaprojektionen betrachtet. Hierfür fehlen aktuell jedoch insbesondere für kurze Dauerstufen die entsprechenden Methoden und Daten, sodass hier insgesamt ein Bedarf an einer praxisnahen Diskussion des Konzeptes der „Bemessungshäufigkeit“ und der zukünftigen Ausgestaltung von Infrastrukturen besteht (Klafka 2023). Weiteres Optimierungspotential bietet auch die bessere Nutzung der Digitalisierung. Wichtige Einsatzbereiche sind in diesem Zusammenhang die Integration von Daten in Frühwarnsysteme und die Krisenkommunikation dahingehend, dass beispielsweise durch die Nutzung von Sensoren oder Satelliten Informationen unmittelbar von Warnsystemen genutzt werden können. Ein großes Potential bietet auch eine umfassende und flächendeckende Bereitstellung digitaler Modelle von Kommunen, um darauf aufbauend relativ einfach und schnell Starkregenabflussmodellierungen durchführen zu können – auch, um kurzfristig Analysen bevorstehender Starkregenereignisse zu erstellen und Evakuierungen 29 zielgerichtet planen und vornehmen zu können. Es soll hier jedoch nicht unerwähnt bleiben, dass die Datenvernetzung auch Risiken birgt. So ist, bei fehlenden Anpassungsmaßnahmen, unter anderem eine zunehmende Verletzlichkeit kritischer Infrastrukturen durch die Folgen häufiger und intensiver auftretender Extremwetterereignisse zu erwarten, was insbesondere die Energieinfrastruktur, die Informationstechnik und Telekommunikation, mit mitunter weitreichenden Folgen, betreffen kann (Groth et al. 2024a). In Anbetracht der wachsenden Anzahl von online abrufbaren Starkregenkarten (wie Hinweiskarte Starkregengefahren Schleswig-Holstein, Hinweiskarte Starkregenkarte NRW, Starkregengefahrenkarte Hamburg) sowie der zunehmenden Durchführung kommunaler Starkregenabflussmodellierungen, gilt es auch zu diskutieren, inwieweit eine Standardisierung der Ansätze anzustreben ist. Diese Standardisierung der Starkregenmodellierungen könnte unter anderem die Festlegung gemeinsamer Methoden, Datensätze und Bewertungskriterien beinhalten. Die Entwicklung solcher Standards würde die Transparenz und Reproduzierbarkeit der Modelle gewährleisten, den Austausch von bewährten Verfahren und Erkenntnissen zwischen Wissenschaftler:innen und Praxisakteuren befördern sowie die Vergleichbarkeit der Ergebnisse für unterschiedliche Kommunen ermöglichen. Im Zuge dessen sind auch Aspekte der Regionalisierung von Eingangsdaten und die Übertragbarkeit der Modelle zu diskutieren, um die Anwendbarkeit von Niederschlag-Abfluss-Modellen in verschiedenen hydrologischen Umgebungen zu verbessern. Damit könnten zudem zentrale Aspekte der "Agenda 2030" (United Nations 2015) – vor allem die Notwendigkeit, eine widerstandsfähige Infrastruktur aufzubauen und zu erhalten (Ziel 9) und Städte und Siedlungen sicher, widerstandsfähig und nachhaltig zu machen (Ziel 11) – adressiert werden. Der mit den vorgestellten Fallstudien verfolgte Ansatz steht im Einklang mit der "Neuen Leipzig-Charta" (Europäische Kommission 2020). Darin wird nicht nur die Notwendigkeit betont, die transformative Kraft der Städte zu aktivieren, sondern es werden auch Partizipation und Ko-Kreation als Schlüsselprinzipien für eine gute städtische Governance hervorgehoben, die die Einbeziehung der breiten Öffentlichkeit sowie lokaler Expert:innen – sozialer, wirtschaftlicher und anderer Interessengruppen – erfordert, um deren Anliegen und Wissen zu berücksichtigen. 30 6. Literatur Aqnouy, M., Ahmed, M., Ayele, G. T., Bouizrou, I., Bouadila, A. & Stitou El Messari, J. E. (2023): Comparison of Hydrological Platforms in Assessing Rainfall-Runoff Behavior in a Mediterranean Watershed of Northern Morocco. – Water 2023, 15, 447. doi.org/10.3390/w15030447. Bach, P.M., Rauch, W., Mikkelsen, P.S., McCarthy, D.T. und Deletic, A. (2014): A critical review of integrated urban water modelling – Urban drainage and beyond. Environmental Modelling & Software, vol 54. S. 88–107. Bertsch, R., Glenis, V. & Kilsby, C. (2017): Urban flood simulation using synthetic storm drain networks. – Water 20, 9, 925. Bender, S., Groth, M., Wübbelmann, T. und Bockbreder, J. (2023a): Eine Starkregenmodellierung für zentrale Bereiche des Stadtgebiets Geesthacht unter Nutzung des Modells HEC-RAS. City Series 04. Climate Service Center Germany (GERICS), Helmholtz-Zentrum Hereon. https://gerics.de/imperia/md/content/csc/gerics_city_series_4_geesthacht_report_hecras_2023_02_13_final.pdf. Bender, S., Nolte, A., Wübbelmann, T., Baltruschat, S., Groth, M., Seipold, P. und Gehrke, J. (2023b): Building a digital city with several digital twins? – An exemplary view on water-related questions in urban areas. – Open Access Government eBook, 12 p. Bender, S., Groth. M., Seipold, P. und Gehrke, J.M. (2022): Klimaschutz und Anpassung an die Folgen des Klimawandels – Synergien und Zielkonflikte im Rahmen kommunaler Konzepte und Strategen. Climate Service Center Germany (GERICS), Helmholtz-Zentrum Hereon. Helmholtz-Klima-Initiative (HI-CAM). https://www.gerics.de/imperia/md/assets/net_zero/dokumente/gerics_netto-null_report_anpassung_klimaschutz-finalscreen.pdf. Bender, S., Groth, M., Otto, J., Pfeifer, S. und Seipold, P. (2019): Regionale Klimainformationen für Rostock. City Series 03, Climate Service Center Germany (GERICS), Hamburg. https://www.gerics.de/imperia/md/content/csc/gerics_cityseries03.pdf. Bender, S., Brune, M., Cortekar, J., Groth, M. und Remke, T. (2017): Anpassung an die Folgen des Klimawandels in der Stadtplanung und Stadtentwicklung – Der GERICS-Stadtbaukasten. GERICS-Report 31. Climate Service Center Germany (GERICS), Hamburg: https://www.gerics.de/imperia/md/content/csc/report31.pdf. BMJ (2021): Länderübergreifender Raumordnungsplan für den Hochwasserschutz (Anlage zur Verordnung über die Raumordnung im Bund für einen länderübergreifenden Hochwasserschutz) 2021. BGBl. I S. 3712. BMJ (2017): Baugesetzbuch in der Fassung der Bekanntmachung 2004: Vom 23. September 2004 (BGBl. I S. 2414), das zuletzt durch Artikel 2 des Gesetzes vom 30. Juni 2017 (BGBl. I S. 2193) geändert worden ist. BMJ (2011): Bekanntmachung einer sicherheitstechnischen Regel der Kommission für Anlagensicherheit (TRAS 310 ”Vorkehrungen und Maßnahmen wegen der Gefahrenquellen Niederschläge und Hochwasser“) 2011. Bundesanzeiger, 32a, 64. BMUV (2022): Wasserhaushaltsgesetz vom 31. Juli 2009 (BGBl. I S. 2585), das zuletzt durch Artikel 12 des Gesetzes vom 20. Juli 2022 (BGBl. I S. 1237) geändert worden ist. BMU (2022): Technische Regel für Anlagensicherheit (TRAS 310). Neufassung September 2022. Vorkehrungen und Maßnahmen wegen der Gefahrenquellen Niederschläge und Hochwasser (verabschiedet von der Kommission für Anlagensicherheit am 28. September 2022): https://www.kasbmu.de/files/publikationen/TRAS/TRAS%20%28endgueltige%20Fassung%29/BAnz%20AT%2012.01.2023%20B5.pdf. Bormann, H., Breuer, L., Giertz, S., Huisman, J. A. & Viney, N. R. (2009): Spatially explicit versus lumped models in catchment hydrology – experiences from two case studies. – In: Baveye, P. C., Mysiak, J. & Laba, M. (Hrsg.): Uncertainties in Environmental Modelling and Consequences for Policy Making, 3-26. Boudevillain, B., Delrieu, G., Wijbrans, A. & Confoland, A. (2016): A high-resolution rainfall re-analysis based on radar– raingauge merging in the C´evennes-Vivarais region, France. – J. Hydrol. 541 (A), 14–23. Bram, B. (2016): Grondwaterzakboekje Gwz2016, Rotterdam: Bot Raadgevend Ingenieur, ISBN 9081786911. Brunner, G.W. (2016a): HEC-RAS, River Analysis System Hydraulic Reference Manual. US Army Corps of Engineers. Hydrologic Engineering Center: https://www.hec.usace.army.mil/software/hec-ras/documentation/HECRAS%205.0%20Reference%20Manual.pdf. Brunner, G.W. (2016b): HEC-RAS, River Analysis System User’s Manual. Version 5. US Army Corps of Engineers. Hydrologic Engineering Center: https://www.hec.usace.army.mil/software/hec-ras/documentation/HECRAS%205.0%20Users%20Manual.pdf. 31 Bruno, L. S., Mattos, T. S., Oliveira, P. T. S., Almagro, A. & Rodrigues, D. B. B. (2022): Hydrological and Hydraulic Modeling Applied to Flash Flood Events in a Small Urban Stream. – Hydrology, 9, 223, 19 p., doi.org/10.3390/hydrology9120223. Bundestag (2017): Gesetz zur weiteren Verbesserung des Hochwasserschutzes und zur Vereinfachung des Hochwasserschutzes - Hochwasserschutzgesetz II 2017: Vom 30. Juni 2017, Bonn. Burkhard, B. und Maes, J. (2017): Mapping Ecosystem Services. Sofia. doi: 10.3897/ab.e12837. Camarena, K., Wübbelmann, T. & Förster K. (2022). What Is the Contribution of Urban Trees to Mitigate Pluvial Flooding? – In: Hydrology, 2022, 9, 108, doi.org/10.3390/hydrology9060108. Carlyle-Moses, D.E, Iida, S., Germer, S., Llorens, P., Michalzik, B., Nanko, K., Tanaka, T., Tischer, A. und Levia, D.F. (2020): Commentary: What We Know About Stemflow's Infiltration Area. In: Front. For. Glob. Change, Sec. Forest Hydrology. Volume 3 - 2020 | https://doi.org/10.3389/ffgc.2020.577247. Cea, L. & Costabile, P. (2022): Flood Risk in Urban Areas: Modelling, Management and Adaptation to Climate Change. A Review. – Hydrology 2022, 9, 50, doi.org/10.3390/hydrology9030050. Chadalawada, J., Herath, H., und Babovic, V. (2020): Hydrologically Informed Machine Learning for Rainfall-Runoff Modeling: A Genetic Programming-Based Toolkit for Automatic Model Induction. In: Water Resour. Res., 56, e2019WR026933, https://doi.org/10.1029/2019WR026933, 2020. Chen, J., Zheng, F., May, R., Guo, D., Gupta, H. & Maier, H. R. (2022): Improved data splitting methods for data-driven hydrological model development based on a large number of catchment samples. – Journal of Hydrology, Vol. 613, Part A,128340, doi.org/10.1016/j.jhydrol.2022.128340. Chow, V.T. (1959): Open Channel Hydraulics. McGraw-Hill, New York. Clark, M.P., Nijssen, B., Lundquist, J.D., Kavetski, D., Rupp, D.E., Woods, R.A., Freer, J.E., Gutmann, E.D., Wood, A.W., Brekke, L.D., Arnold, J.R., Gochis, D.J. und Rasmussen, R.M. (2015): A unified approach for process-based hydrologic modeling: 1. Modeling concept. In: Water Resour. Res. 51/4, 2015), S. 2498–2514. Costache, R., Hong, H. & Pham, Q. B. (2020): Comparative Assessment of the Flash-Flood Potential within Small Mountain Catchments Using Bivariate Statistics and Their Novel Hybrid Integration with Machine Learning Models. – Sci. Total Environ. 2020, 711, 134514. Cristiano, E., ten Veldhuis, M.-C. und van de Giesen, N. (2017): Spatial and temporal variability of rainfall and their effects on hydrological response in urban areas – a review. In: Hydrology and Earth System Sciences, vol 21. S. 3859–3878. Courant, R., Friedrichs, K.O. und Lewy, H. (1928): Über die partiellen Differenzgleichungen der mathematischen Physik. In: Math Ann., 100 (1928). S. 32–74. Dahm, R., Bhardwaj, A., Sperna Weiland, F., Corzo, G. und Bouwer, L.M. (2019): A Temperature-Scaling Approach for Projecting Changes in Short Duration Rainfall Extremes from GCM Data. In: Water 11, 313. doi: 10.3390/w11020313 Deutsches Institut für Normung (2016): Entwässerungsanlagen für Gebäude und Grundstücke - Teil 100: Bestimmungen in Verbindung mit DIN EN 752 und DIN EN 12056 2016: Beuth-Verlag, Berlin. Deutsches Institut für Normung (2017): DIN EN 752 – Entwässerungssysteme außerhalb von Gebäuden - Kanalmanagement 2017: Beuth-Verlag, Berlin. Deutschländer, T. und Mächel, H. (2017): Temperatur inklusive Hitzewellen. In: Brasseur, G. P., D. Jacob, S. Schuck-Zöller (2017): Klimawandel in Deutschland. Entwicklung, Folgen, Risiken und Perspektiven, S. 48-56. DUDEK (2022): Do you know the Difference Between Hydrology and Hydraulics? https://dudek.com/do-you-know-thedifference-between-hydrology-and-hydraulics/. DWA (2016): DWA-M119 - Risikomanagement in der kommunalen Überflutungsvorsorge für Entwässerungssysteme bei Starkregen 2016: Deutsche Vereinigung für Wasserwirtschaft, Abwasser und Abfall e.V., Hennef. DWA (2013): DWA-A 117 - Bemessung von Regenrückhalteräumen 2013: Deutsche Vereinigung für Wasserwirtschaft, Abwasser und Abfall e.V., Hennef. DWA (2006): DWA-A 118 - Hydraulische Bemessung und Nachweis von Entwässerungssystemen 2006: Deutsche Vereinigung für Wasserwirtschaft, Abwasser und Abfall e.V., Hennef. DWD (2017): Nationaler Klimareport (3. Korr. Auflage). Deutscher Wetterdienst, Offenbach am Main. EU (2021): Anhang der Delegierten Verordnung (EU) der Kommission zur Ergänzung der Verordnung (EU) 2020/852 des Europäischen Parlaments und des Rates durch Festlegung der technischen Bewertungskriterien, anhand deren bestimmt wird, unter welchen Bedingungen davon auszugehen ist, dass eine Wirtschaftstätigkeit einen wesentlichen Beitrag zum Klimaschutz 32 oder zur Anpassung an den Klimawandel leistet, und anhand deren bestimmt wird, ob diese Wirtschaftstätigkeit erhebliche Beeinträchtigungen eines der übrigen Umweltziele vermeidet 2021. Brüssel. https://eur-lex.europa.eu/legalcontent/DE/TXT/PDF/?uri=CELEX:32021R2139. EU (2020): EU Verordnung (EU) 2020/852 des Europäischen Parlaments und des Rates über die Einrichtung eines Rahmens zur Erleichterung nachhaltiger Investitionen und zur Änderung der Verordnung (EU) 2019/2088 2020. Brüssel. https://eurlex.europa.eu/legal-content/DE/TXT/PDF/?uri=CELEX:32020R0852&qid=1687962004510. EU (2007): EU Richtlinie 2007/60/EG des Europäischen Parlaments und des Rates - Über die Bewertung und das Management von Hochwasserrisiken 2007. Amtsblatt der Europäischen Union. European Commission (2020): New Leipzig Charter - The transformative power of cities for the common good: https://ec.europa.eu/regional_policy/en/newsroom/news/2020/12/12-08-2020-new-leipzig-charter-the-transformative-powerof-cities-for-the-common-good. Feng, B., Zhang, Y. & Bourke, R. (2021): Urbanization impacts on flood risks based on urban growth data and coupled flood models. – Natural Hazards. 106:613–627, doi.org/10.1007/s11069-020-04480-0. Fischer, E.M. und Knutti, R. (2016): Observed heavy precipitation increase confirms theory and early models. In: Nature Clim. Change 6, S. 986–991. Fletcher, T. D., Andrieu, H. und Hamel, P. (2013): Understanding, management and modelling of urban hydrology and its consequences for receiving waters: A state of the art. In: Advances in Water Resources, vol 51. S. 261–279. Flores, N., Rodríguez, R., Yépez, S., Osores, V., Rau, P., Rivera, D. und Balocchi, F. (2021): Comparison of Three Daily Rainfall-Runoff Hydrological Models Using Four Evapotranspiration Models in Four Small Forested Watersheds with Different Land Cover in South-Central Chile. - Water 2021, 13, 3191. https://doi.org/10.3390/ w13223191 Gao, C., Yao, M.T., Wang, Y.J., Zhai, J.Q., Buda, S., Fischer, T., Zeng, X.F. und Wang, W.P. (2016): Hydrological Model Comparison and Assessment: Criteria from Catchment Scales and Temporal Resolution. In: Hydrol. Sci. J. 2016, 61. S. 1941– 1951. Giorgi, F., Raffaele, F. und Coppola, E. (2019): The response of precipitation characteristics to global warming from climate projections. In: Earth Syst. Dynam., 10, S. 73–89. Giorgi, F., Im, E.-S., Coppola, E., Diffenbaugh, N.S., Gao, X.J., Mariotti, L. und Shi, Y. (2011): Higher Hydroclimatic Intensity with Global Warming. In: Journal of Climate, 24, 20, S. 5309–5324. Gomes Calixto, K., Wendland, E. C. & Melo, D. d. C. D. (2020): Hydrologic Performance Assessment of Regulated and Alternative Strategies for Flood Mitigation: A Case Study in São Paulo, Brazil. – Urban Water J. 2020, 17, 481–489. Groth, M., Bender, S., Olfert, A., Schauser, I. und Viktor, E. (2024a): Kaskadeneffekte und kritische Infrastrukturen im Klimawandel. In: Brasseur, G, Jacob, D. und Schuck-Zöller, S. (Hrsg.) 2023: Klimawandel in Deutschland, 2. überarb. und erw. Auflage, Springer/Spektrum Heidelberg. S. 309-322. Im Druck. Groth, M., Bender, S. und Wübbelmann, T. (2024b): The current use and limitations of water related digital twins - a practical view on urban climate change adaptation. In: REAL CORP 2024 Proceedings/Tagungsband. 29th International Conference on Urban Planning and Regional Development in the Information Society 2024. Im Druck. Groth, M, Bender, S. und Groth, B.J. (2023): Rechtlicher Rahmen der Anpassung an die Folgen des Klimawandels in Österreich und der Schweiz. City Series 06. Climate Service Center Germany (GERICS), Helmholtz-Zentrum Hereon. https://climate-servicecenter.de/imperia/md/content/csc/groth_et_al_gerics_city_series_6_rechtlicher_rahmen_der_klimaanpassung_in_osterreich _und_schweiz_2023_07_04_final.pdf. Groth, M., Bender, S. und Groth, B.J. (2021): Rechtlicher Rahmen der Anpassung an die Folgen des Klimawandels im urbanen Raum. In: Zeitschrift für Umweltpolitik & Umweltrecht (ZfU), ZfU 4/2021: 385-414. Groth, M., Bender, S. und Wübbelmann, T. (2020): Starkregen und Sturzfluten – Anwendung des GERICS-Stadtbaukasten in Bleckede. Report 34, Climate Service Center Germany (GERICS), Hamburg: https://www.climate-servicecenter.de/imperia/md/content/csc/report34.pdf. Guo, K., Guan, M. & Yu, D. (2021): Urban surface water flood modelling – a comprehensive review of current models and future challenges. – Hydrol. Earth Syst. Sci., 25, 2843–2860, doi.org/10.5194/hess-25-2843-2021. Guse, B., Pilz, T., Stoelzle, M. und Borman, H. (2019): Charakterisierung und Analyse hydrologischer Modelle im deutschsprachigen Raum. In: Wasser und Abfall, 05. S. 43–52. Haase, D., Larondelle, N., Andersson, E., Artmann, M., Borgström, S., Breuste, J., Gomez-Baggethun, E., Gren, Å., Hamstead, Z., Hansen, R., Kabisch, N., Kremer, P., Langemeyer, J., Rall, E. L., McPhearson, T., Pauleit, S., Qureshi, S., Schwarz, N., 33 Voigt, A., Wurster, D., and Elmqvist, T. 2014. A quantitative review of urban ecosystem service assessments: concepts, models, and implementation. Ambio, vol 43, p 413–433. Hamalainen, R. P. (2015): Behavioural issues in environmental modelling. - The missing perspective. – Environmental Modelling and Software, 73, 244–253, doi.org/10.1016/j.envsoft.2015.08.019. Hartnett, M. & Nash, S. (2017): High-resolution flood modeling of urban areas using MSN_Flood. – Water Science and Engineering, 10(3): 175-183. Hashemyan. F., Khaleghi, M. & Kamyar, M. (2015): Combination of HEC-HMS and HEC-RAS models in GIS in order to Simulate Flood (Case study: Khoshke Rudan river in Fars province, Iran). – Res J Recent Sci 4:122–127. Hofmann, J. und Schüttrumpf, H. (2019): Risk-Based Early Warning System for Pluvial Flash Floods: Approaches and Foundations. In: Geosciences, 9(3), 127. Horton, P., Schaefli, B. und Kauzlaric, M. (2021): Why do we have so many different hydrologicla models? A review based on the case of Switzerland. In: Wires Water. S. 1–32. IPCC (2023): Summary for Policymakers. In: Climate Change 2023: Synthesis Report. A Report of the Intergovernmental Panel on Climate Change. Contribution of Working Groups I, II and III to the Sixth Assessment Report of the Intergovernmental Panel on Climate Change [Core Writing Team, H. Lee and J. Romero (eds.)]. IPCC, Geneva, Switzerland, 36 pages. IPCC (2022): Summary for Policymakers. In: Climate Change 2022. Impacts, Adaptation and Vulnerability. IPCC WGII Sixth Assessment Report. IPCC (2021): Climate Change 2021: The Physical Science Basis. Contribution of Working Group I to the Sixth Assessment Report of the Intergovernmental Panel on Climate Change [Masson-Delmotte, V., P. Zhai, A. Pirani, S. L. Connors, C. Péan, S. Berger, N. Caud, Y. Chen, L. Goldfarb, M. I. Gomis, M. Huang, K. Leitzell, E. Lonnoy, J.B.R. Matthews, T. K. Maycock, T. Waterfield, O. Yelekçi, R. Yu and B. Zhou (eds.)]. Cambridge University. IPCC (2018): Global warming of 1.5°C. Special Report. IPCC with World Meteorological Organisation (WMO), and United Nations Environmental Program (UNEP), Geneva, Switzerland 2018. Jacob, D., Görl, K., Groth, M., Haustein, K., Rechid, D., Sieck, K. und Wolff, W. (2021): Naturwissenschaftlicher Hintergrund der Erderwärmung: Wo stehen wir zurzeit? In: Wirtschaftsdienst – Zeitschrift für Wirtschaftspolitik, 101 (5), S. 330-334. Janicka, E., Kanclerz, J., Agaj, T. & Gizinska, K. (2023): Comparison of Two Hydrological Models, the HEC-HMS and Nash Models, for Runoff Estimation in Michałówka River. – Sustainability 2023, 15, 7959. Jewell, S. A. & Gaussiat, N. (2015): An assessment of kriging-based rain-gauge–radar merging techniques. – Q. J. R. Meteorolog. Soc., 141 (691) (2015), 2300-2313. Jiang, L., Chen, Y. & Wang, H. (2014): Urban flood simulation based on the SWMM model. – IAHS Publ. 368, 2015, doi:10.5194/piahs-368-186-2015. Kahlenborn, W., Porst, L., Voß, M., Fritsch, U., Renner, K., Zebisch, M., Wolf, M., Schönthaler, K. und Schauser, I. (2021): Klimawirkungsund Risikoanalyse 2021 für Deutschland. Kurzfassung. UBA Climate Change 26/2021: https://www.umweltbundesamt.de/sites/default/files/medien/5750/publikationen/2021-06-10_cc_262021_kwra2021_kurzfassung.pdf. Kaspar, F. und Mächel, H. (2023): Beobachtung von Klima und Klimawandel in Mitteleuropa und Deutschland. In: Brasseur, G.P., Jacob, D., Schuck-Zöller, S. (eds) Klimawandel in Deutschland. Springer Spektrum, Berlin, Heidelberg. https://doi.org/10.1007/978-3-662-66696-8_3. Kaspar, F., Friedrich, K. und Imbery, F. (2020): 2019 global zweitwärmstes Jahr: Temperaturentwicklung in Deutschland im globalen Kontext. Deutscher Wetterdienst. https://www.dwd.de/DE/leistungen/besondereereignisse/temperatur/20200128_vergleich_de_global.pdf;jsessionid=89602D4 244C99BD3B6B3078B7BAEA6B4.live31084?__blob=publicationFile&v=4. Khaghan, A. A. M.& Mojaradi, B. (2016): The Integrate of HEC-HMS and HEC-RAS Models in GIS Integration Models to Simulate Flood (Case Study: the Area of Karaj). – Curr World Environ 11:1. Kinzelbach, W. & Rausch, R. (1995): Grundwassermodellierung – Eine Einführung mit Übungen. – 283 S. Klafka, R.L. (2023): Niederschlagsbasierte Klimarisiken für städtische Infrastrukturplanung. Aktualisierung von HäufigkeitsIntensitäts-Kurven für die Region Hamburg basierend auf EURO-CORDEX-Projektionen. Unveröffentlichte Masterarbeit in Klimaund Umweltwissenschaften an der Universität Augsburg und dem Climate Service Center Germany (GERICS), Hamburg. 34 Koch, J. Cornelissen, T. Fang, Z. Bogena, H. Diekkruger, B. Kollet, S. und Stisen, S. (2016): Inter-Comparison of Three Distributed Hydrological Models with Respect to Seasonal Variability of Soil Moisture Patterns at a Small Forested Catchment. In: J. Hydrol. 533, S. 234–249. Korporaal, K. (2022): The influence of input parameters on flood calculation outcomes. – B.Sc.-Thesis, University of Twente. Kraft, P., Vaché, K. B., Frede, H.-G., und Breuer, L. (2011): A hydrological programming language extension for integrated catchment models. In: Environ. Modell. Softw. 26, 828–830. Kumari, N., Srivastava, A., Sahoo, B., Raghuwanshi, N.S. und Bretreger, D. (2021): Identification of Suitable Hydrological Models for Streamflow Assessment in the Kangsabati River Basin, India, by Using Different Model Selection Scores. In: Nat. Resour. Res., 30. S. 4187–4205. Kunz, M., Karremann, M.K., und Mohr, S. (2023): Auswirkungen des Klimawandels auf Starkniederschläge, Gewitter und Schneefall. In: Brasseur, G.P., Jacob, D., Schuck-Zöller, S. (eds) Klimawandel in Deutschland. Springer Spektrum, Berlin, Heidelberg. https://doi.org/10.1007/978-3-662-66696-8_7. Kunstmann, H., Fröhle, P., Hattermann, F.F., Marx, A., Smiatek, G. und Wanger, C. (2023): Wasserhaushalt im Klimawandel. In: Brasseur, G.P., Jacob, D., Schuck-Zöller, S. (eds) Klimawandel in Deutschland. Springer Spektrum, Berlin, Heidelberg. https://doi.org/10.1007/978-3-662-66696-8_16. Kurganov, A. und Petrova, G. (2007): A second order well balanced positivity preserving centralupwind scheme for the SaintVenant System-Commun. In: Math. Sci., Vol. 5, No.1. S. 133-16. LAWA – Länderarbeitsgemeinschaft Wasser (2010): Empfehlungen zur Aufstellung von Hochwassergefahrenkarten und Hochwasserrisikokarten 2010. Sächsisches Staatsministerium für Umwelt und Landwirtschaft, Dresden. Lees, T., Buechel, M., Anderson, B., Slater, L., Reece, S., Coxon, G. und Dadson, S.J. (2021): Benchmarking data-driven rainfall–runoff models in Great Britain: a comparison of long short-term memory (LSTM)-based models with four lumped conceptual models. – Hydrol. Earth Syst. Sci., 25, 5517–5534, 2021, https://doi.org/10.5194/hess-25-5517-2021 Liu, W. C., Hsieh, T. H. & Liu, H. M. (2021): Flood Risk Assessment in Urban Areas of Southern Taiwan. – Sustainability, 13, 3180. Mohammadi, B. (2021): A Review on the Applications of Machine Learning for Runoff Modeling. – Sustain. Water Resour. Manag., 7, 98. Nithila Devi, N., Sridharan, B. & Kuiry, S. N. (2019): Impact of Urban Sprawl on Future Flooding in Chennai City, India. –J. Hydrol., 574, 486–496. Orth, R., Staudinger, M., Seneviratne, S. I., Seibert, J., & Zappa, M. (2015): Does model performance improve with complexity? A case study with three hydrological models. – Journal of Hydrology, 523, 147–159, doi.org/10.1016/j.jhydrol.2015.01.044. Oudin, L., Perrin, C., Mathevet, T., Andréassian, V. und Michel, C. (2006): Impact of biased and randomly corrupted inputs on the efficiency and the parameters of watershed models. Journal of Hydrology, 320(1–2), 62–83. https://doi.org/10.1016/j.jhydrol.2005.07.016. Oudin, L., Hervieu, F., Michel, C., Perrin, C., Andréassian, V., Anctil, F. & Loumagne, C. (2005): Which potential evapotranspiration input for a lumped rainfall–runoff model? Part 2 - Towards a simple and efficient potential evapotranspiration model for rainfall–runoff modelling. – J. Hydrol. 2005, 303, 290–306. Papalexiou, S.M. und Montanari, A. (2019): Global and Regional Increase of Precipitation Extremes under Global Warming. In: Water Resources Research, 55, S. 4901–491. Paz, I., Willinger, B., Gires, A., Ichiba, A., Monier, L., Zobrist, C., Tisserand, B., Tchiguirinskaia, I. & Schertzer, D. (2018): Multifractal Comparison of Reflectivity and Polarimetric Rainfall Data from Cand X-Band Radars and Respective Hydrological Responses of a Complex Catchment Model. – Water 10 (3), 269, doi.org/ 10.3390/w10030269. Peker, I. B., Gülbaz, S., Demir, V., Orhan, O. & Beden, N. (2024): Integration of HEC-RAS and HEC-HMS with GIS in Flood Modeling and Flood Hazard Mapping. – Sustainability, 16, 1226, https://doi.org/10.3390/su16031226. Piadeh, F., Behzadian, K. & Alani, A. M. (2022): A critical review of real-time modelling of flood forecasting in urban drainage systems. – Journal of Hydrology 607, 127476. Prokić, M., Savić, S. & Pavić, D. (2019): Pluvial flooding in Urban Areas Across the European Continent. – Geogr. Pannonica, 23, 216-232. Reichstein, M., Camps-Valls, G., Stevens, B., Jung, M., Denzler, J., Carvalhais, N. und Prabhat (2019): Deep learning and process understanding for data-driven Earth system science, In: Nature, 566. S. 195–204. 35 Ross, C., Prihodko, L., Anchang, J., Kumar, S., Ji, W. und Hanan, N.P. (2018): HYSOGs250m, global gridded hydrologic soil groups for curve-number-based runoff modeling. In: Sci Data 5, 180091: https://www.nature.com/articles/sdata201891. Salvadore, E., Bronders, J. und Batelaan, O. (2015): Hydrological modelling of urbanized catchments: A review and future directions. In: Journal of Hydrology, 529. S. 62–81. Schütze, A., Banning, A. und Bender S. (2021): Kartierung und Simulation von Überschwemmungsflächen in urbanen Räumen nach Starkregenereignissen. In: Grundwasser, 26(1). S.87-97. Shen, J., Du, S., Huang, Q., Yin, J., Zhang, M., Wen, J., et al. (2019): Mapping the city-scale supply and demand of ecosystem flood regulation services-a case study in Shanghai. In: Ecol. Indic. 106, 105544. Sitterson, J., Knightes, C., Parmar, R., Wolfe, K., Munche, M. und Avant, B. (2017): An Overview of Rainfall-Runoff Model Types. Environmental Protection Agency (EPA). Athens (Georgia), United States. Smets, V., Wirion, C., Bauwens, W., Hermy, M., Somers, B., und Verbeiren, B. (2019): The importance of city trees for reducing net rainfall: comparing measurements and simulations. In: Hydrol. Earth Syst. Sci. 23, 3865–3884. Tauw (2022): Modelloptimierung und alternative Modellansätze Rostock – Vergleich HEC-RAS – Tygron. Abschlussbericht für das Climate Service Center Germany (GERICS). Tauw (2021): Starkregengefahrenkarte Rostock: Studie zur Bewertung des Abflussverhaltens von Starkniederschlägen im Stadtgebiet Rostock mit der Software „Tygron“. Abschlussbericht für das Climate Service Center Germany (GERICS). Tegegne, G., Park, D. K. & Kim, Y.-O. (2017): Comparison of hydrological models for the assessment of water resources in a data-scarce region, the Upper Blue Nile River Basin. – Journal of Hydrology: Regional Studies 14, 49–66. Trenczek, J., Lühr, O., Eiserbeck, L., Sandhövel, M. und Leuschner, V. (2022a): Übersicht vergangener Extremwetterschäden in Deutschland. Methodik und Erstellung einer Schadensübersicht. Projektbericht „Kosten durch Klimawandelfolgen“: https://www.prognos.com/sites/default/files/202207/Prognos_KlimawandelfolgenDeutschland_%C3%9Cbersicht%20vergangener%20Extremwettersch%C3%A4den_AP2_1. pdf. Trenczek, J., Lühr, O., Eiserbeck, L. & Leuschner, V. (2022b): Schadenswirkungen von Überschwemmungen und Sturzfluten sowie Hitze und Dürre. Ein Vergleich der Extremereignistypen. Projektbericht „Kosten durch Klimawandelfolgen“: https://www.prognos.com/sites/default/files/202207/Prognos_KlimawandelfolgenDeutschland_Vergleich%20Flut%20und%20Hitze_AP2_3c.pdf. Trenczek, J., Lühr, O., Eiserbeck, L. & Leuschner, V. (2022c): Schäden der Sturzfluten und Überschwemmungen im Juli 2021 in Deutschland. Eine ex-post-Analyse Projektbericht „Kosten -durch Klimawandelfolgen“: https://www.prognos.com/sites/default/files/202207/Prognos_KlimawandelfolgenDeutschland_Detailuntersuchung%20Flut_AP2_3b_.pdf. Tscheikner-Gratl, F., Zeisl, P., Kinzel, C., Leimgruber, J., Ertl, T., Rauch, W. und Kleidorfer, M. (2016): Lost in calibration: why people still do not calibrate their models, and why they still should – a case study from urban drainage modelling, Wate Science and Technology, 74, 2337–2348, https://doi.org/10.2166/wst.2016.395. UBA (2024): Trends der Lufttemperatur. https://www.umweltbundesamt.de/daten/klima/trends-der-lufttemperatur#steigendedurchschnittstemperaturen-weltweit. UBA (2019): Vorsorge gegen Starkregenereignisse und Maßnahmen zur wassersensiblen Stadtentwicklung – Analyse des Standes der Starkregenvorsorge in Deutschland und Ableitung zukünftigen Handlungsbedarfs. Dessau-Roßlau. UBA (2019): Monitoringbericht 2019 zur Deutschen Anpassungsstrategie an den Klimawandel. Bericht der Interministeriellen Arbeitsgruppe Anpassungsstrategie der Bundesregierung: https://www.umweltbundesamt.de/sites/default/files/medien/1410/publikationen/das_monitoringbericht_2019_barrierefrei.pdf. UBA (2014): Klimaanpassung in der räumlichen Planung. Raumund fachplanerische Handlungsoptionen zur Anpassung der Siedlungsund Infrastrukturen an den Klimawandel. Dessau-Roßlau, November 2016, korrigierte Fassung vom 06.02.2020. United Nations (2015): Transforming our world: the 2030 Agenda for Sustainable Development: https://sdgs.un.org/publications/transforming-our-world-2030-agenda-sustainable-development-17981. Van Renswoude, R.C. (2020): Comparing model performance between the hydrodynamic models SOBEK and TYGRON. – M.Sc.-Thesis University of Twente. Wagener, T., Boyle, D.P., Lees, M.J., Wheater, H.S., Gupta, H.V. und Sorooshian, S. (2001): A framework for development and application of hydrological models. In: Hydrol. Earth Syst. Sci. 5, 1, S. 13–26.