image
KliWES 2.0 - Klimawandel
und Wasserhaushalt
Vorläufige Version – August 2021

image
image
image
image
Vorläufige Version – August 2021
| 2
Methodikoptimierung der Wasserhaushalts-
modellierung, Fortschreibung von Mo-
delleingangsdaten, sachsenweite Wasser-
haushaltsmodellierung für Ist-Zustand und
Szenarien sowie Weiterentwicklung der
KliWES-Internetanwendung
im Wasserhaushaltsportal Sachsen
(Stand: Mai 2021)
Vorläufige Version – August 2021
Corina Hauffe, Sofie Pahner, Patric Röhm, Dr. Bernd Pfützner, Dr. Beate Klöcking, Dr. Silke Mey,
Dr. Michael Gebel, Mario Uhlig, Stephan Bürger, Dr. Stefan Halbfaß, Dr. Michael Wagner,
Dr. Thomas Wöhling, Dr. Robert Schwarze, Carolin Rehse

Vorläufige Version – August 2021
| 3
Inhalt
1
Zielstellung ............................................................................................................................................................ 11
2
Aufbereitung von Datengrundlagen .................................................................................................................... 12
2.1
Aufbereitung benötigter Geodatengrundlagen ........................................................................................................ 12
2.1.1
Fließgewässernetz .................................................................................................................................................. 12
2.1.2
Boden ..................................................................................................................................................................... 13
2.1.3
Landnutzung ........................................................................................................................................................... 16
2.1.4
Geologie ................................................................................................................................................................. 17
2.1.5
Anschlussgrad ........................................................................................................................................................ 17
2.1.6
Kanalisationsart ...................................................................................................................................................... 19
2.1.7
Drainagen ............................................................................................................................................................... 21
2.1.8
Digitales Geländemodell ......................................................................................................................................... 21
2.1.9
Grundwasserflurabstände ....................................................................................................................................... 22
2.1.10
Teileinzugsgebiete .................................................................................................................................................. 24
2.2
Aufbereitung der meteorologischen und hydrologischen Datengrundlagen ............................................................ 24
2.2.1
Referenzdatensatz .................................................................................................................................................. 24
2.2.2
Statistisches Nebelmodell ....................................................................................................................................... 24
2.2.3
Korrektur des Nebelniederschlags .......................................................................................................................... 28
2.2.4
Klimaprojektionen ................................................................................................................................................... 32
2.2.5
Meteorologischer Eingangsdatensatz zur Simulation der Trockenjahre 2018 und 2019......................................... 35
2.2.6
Durchflussdaten ...................................................................................................................................................... 41
2.3
DIFGA-Analysen ..................................................................................................................................................... 41
2.4
Festlegung Bearbeitungsraum ................................................................................................................................ 42
3
Hydrotopbildung und Modellaufbau ................................................................................................................... 45
3.1
Übertragung von weiteren Gebietseigenschaften auf die Hydrotope ...................................................................... 48
3.2
Parametrisierung des Auenmodells ........................................................................................................................ 49
3.3
Nutzung des Vegetationsmoduls VEGEN ............................................................................................................... 52
3.3.1
Modellkonzept des Vegetationsmoduls VEGEN ..................................................................................................... 52
3.3.2
Eingangsdaten für das Vegetationsmodell VEGEN ................................................................................................ 52
3.3.3
Ableitung regionstypischer Fruchtfolgen für Sachsen ............................................................................................. 54
3.3.4
Verortung der Fruchtfolgen im KliWES-Modell ....................................................................................................... 58
3.3.5
Regionsspezifische Ableitung der VEGEN-Parameter............................................................................................ 60
3.4
Untergliederung des Bearbeitungsraums in Modellregionen .................................................................................. 63
4
Wasserhaushaltsberechnungen .......................................................................................................................... 66
4.1
Optimierungsstrategie ............................................................................................................................................. 66
4.1.1
Allgemeines Vorgehen ............................................................................................................................................ 66
4.1.2
Verfahren zur Auswertung der Optimierung ............................................................................................................ 69
4.2
Ergebnisse der Optimierung ................................................................................................................................... 70
4.2.1
Ergebnisse im gesamten KliWES-Projektraum ....................................................................................................... 71
4.2.2
Ergebnisse für ausgewählte Modellregionen .......................................................................................................... 77
4.2.3
Ergebnisse für den Optimierungszeitraum 1961 bis 1987 ...................................................................................... 92
5
Wasserhaushaltsergebnisse ............................................................................................................................... 96
5.1
Auswertung von Ergebnissen der Klimaprojektionen im gesamten Untersuchungsraum ....................................... 96
5.2
Auswertung von Ergebnissen für die Trockenjahre 2018 und 2019 ........................................................................ 105
5.3
Diskussion von Unsicherheiten und Defiziten ......................................................................................................... 112
6
Wasserhaushaltsportal Sachsen ......................................................................................................................... 116
6.1
Zielstellung .............................................................................................................................................................. 116
6.2
Datengrundlagen und -prozessierungen ................................................................................................................. 116
6.2.1
Datenübergabeformat ............................................................................................................................................. 116
6.2.2
Übergebene Dateninhalte aus der ArcEGMO-Modellierung ................................................................................... 117
6.2.3
Übergebene Dateninhalte aus der DIFGA-Modellierung ......................................................................................... 118
6.2.4
Prozessierung der ArcEGMO-Hydrotopdaten und DIFGA-Daten ........................................................................... 119
6.3
Softwareentwicklung ............................................................................................................................................... 120
6.3.1
Konzeptionelle Vorüberlegungen ............................................................................................................................ 120
6.3.2
Bereitstellung von Test- und Produktivumgebung .................................................................................................. 121

Vorläufige Version – August 2021
| 4
6.3.3
Datenhaltung .......................................................................................................................................................... 121
6.3.4
Erstellung der Webanwendung ............................................................................................................................... 122
6.3.5
Startseite ................................................................................................................................................................. 122
6.3.6
Modul Karten .......................................................................................................................................................... 123
6.3.7
Modul Diagramme................................................................................................................................................... 124
6.3.8
Modul Datenexport.................................................................................................................................................. 125
7
Zusammenfassung ............................................................................................................................................... 127
8
Literatur ................................................................................................................................................................. 129

Vorläufige Version – August 2021
| 5
Abbildungsverzeichnis
Abbildung 1:
Anschlussgrad an die öffentliche Kanalisation im Freistaat Sachsen 2016 nach Gemeinden ......................... 17
Abbildung 2:
Entwicklung der Anschlussgrade an die öffentliche Wasserversorgung und Abwasserentsorgung sowie
Trinkwasserdurchschnittsverbrauch nach NUTS2-Regionen (Ausschnitt) ....................................................... 18
Abbildung 3:
Entwicklung der öffentlichen Abwasserentsorgung (Ausschnitt) ...................................................................... 19
Abbildung 4:
Entwicklung der öffentlichen Abwasserentsorgung (Ausschnitt) ...................................................................... 20
Abbildung 5: Öffentliche Kanalisation 2016 nach Kreisfreien Städten und Landkreisen (Aufteilung in Misch- und
Trennkanalisation in km) .................................................................................................................................. 21
Abbildung 6:
Aus den Bodenprofilen abgeleitete Grundwasserflurabstandsklassen ............................................................. 23
Abbildung 7:
Tagesdaten von relativer Feuchte und elwc/es für Novembertage von 1967-1970 und die Höhenschicht von
600 bis 800 mNHN ........................................................................................................................................... 25
Abbildung 8:
Funktionale Zusammenhänge von elwc/es von rH (relativer Feuchte) für den Zeitraum 1967-1986. Es wird
unterschieden zwischen Monaten und Höhenschichten. ................................................................................. 26
Abbildung 9:
Funktionale Zusammenhänge von elwc/es von rH (relativer Feuchte) für den Zeitraum 1995-2014. Es wird
unterschieden zwischen Monaten und Höhenschichten. ................................................................................. 27
Abbildung 10: Obere Reihe: mittlere Jahressumme des Nebelniederschlags, untere Reihe: maximale Tagessumme des
Nebelniederschlags. Linke Spalte: statistisches Nebelmodell, mittlere Spalte: Modell nach Bernhofer et al.
(2017), rechte Spalte: Differenz (positive Werte für höhere Werte des statistischen Modells). Gültigkeit für den
Zeitraum 1967-1986. ........................................................................................................................................ 28
Abbildung 11: Gegenüberstellung von ermittelten Reduktionsfaktoren (Nebelniederschlag) und mittlerer Gebietshöhe für
sieben Datenpunkte ......................................................................................................................................... 30
Abbildung 12:
Vergleich der mittleren Niederschläge (P, grau), mittleren Niederschläge + Nebelinput (P+PNebel, blau) sowie
mittleren Niederschläge + reduziertem Nebelinput (P+PNebel_korr, grün) in Abhängigkeit von der Höhe ...... 30
Abbildung 13: Räumliche Verteilung des langjährigen mittleren Jahresniederschlags (1961-2015) inklusive Nebel im
Ausgangszustand ............................................................................................................................................. 31
Abbildung 14: Räumliche Verteilung des langjährigen mittleren Jahresniederschlags (1961-2015) inklusive angepasstem
Nebel ................................................................................................................................................................ 31
Abbildung 15:
Differenz der mittleren unveränderten Nebelniederschläge (1961-2015) abzüglich der angepassten mittleren
Nebelwerte in ihrer räumlichen Verteilung........................................................................................................ 32
Abbildung 16:
Entwicklung des projizierten Niederschlags der Klimarealisierungen als 20jähriges gleitendes Mittel in Sachsen
und Gegenüberstellung mit den Beobachtungsdaten (Quelle: neue KliWES-Anwendung im
Wasserhaushaltsportal Sachsen) ..................................................................................................................... 34
Abbildung 17:
Entwicklung der projizierten mittleren Temperatur der Klimarealisierungen als 20jähriges gleitendes Mittel in
Sachsen und Gegenüberstellung mit den Beobachtungsdaten (Quelle: neue KliWES-Anwendung im
Wasserhaushaltsportal Sachsen) ..................................................................................................................... 34
Abbildung 18:
Übersichtskarte zur Lage von Klima- und Niederschlagsstationen in Sachsen sowie vier Testeinzugsgebieten
für die Modellierung der Trockenjahre von 2018 – 2020 .................................................................................. 35
Abbildung 19: Gegenüberstellung des monatlichen Gebietsniederschlags von 2000-2020 basierend auf dem
Referenzdatensatz (RDS, schwarze Linie) und dem REKIS-Datensatz (rote Linie) für das Einzugsgebiet
Jänkendorf 1 .................................................................................................................................................... 36
Abbildung 20:
Gegenüberstellung des Gebietsniederschlags von 2000-2020 basierend auf dem Referenzdatensatz (RDS,
schwarze Linie) und dem REKIS-Datensatz (rote Linie) für das Einzugsgebiet Merzdorf ................................ 37
Abbildung 21:
Räumlichen Verteilung des Gebietsniederschlags der Jahre 2017, 2018 und 2019 basierend auf dem REKIS-
Datensatz für das Einzugsgebiet Jänkendorf 1 ................................................................................................ 38
Abbildung 22: Gegenüberstellung der räumlichen Verteilung des Gebietsniederschlags 2010 basierend auf dem
Referenzdatensatz (RDS, rechts) und dem REKIS-Datensatz (links) für das Einzugsgebiet Jänkendorf 1 ..... 38
Abbildung 23:
Gegenüberstellung des Gebietsniederschlags von 2000-2020 basierend auf dem Referenzdatensatz (RDS,
schwarze Linie) und dem REKIS-Datensatz (rote Linie) für das Einzugsgebiet Markersbach 1 ...................... 39
Abbildung 24: Gegenüberstellung der räumlichen Verteilung des Gebietsniederschlags 2010 basierend auf dem
Referenzdatensatz (RDS, rechts) und dem REKIS-Datensatz (links) für das Einzugsgebiet Markersbach 1 .. 40
Abbildung 25:
Räumlichen Verteilung des Gebietsniederschlags der Jahre 2017, 2018 und 2019 basierend auf dem REKIS-
Datensatz für das Einzugsgebiet Markerbach 1 ............................................................................................... 40
Abbildung 26: Karte zum bisherigen Bearbeitungsraum im Projekt KliWES (dunkelgrüne Fläche) und der Landesgrenze
Sachsens (schwarze Linie) .............................................................................................................................. 43

Vorläufige Version – August 2021
| 6
Abbildung 27:
Karte zum aktualisierten KliWES-2.0- Bearbeitungsraum (hellgrüne Fläche), weiteren Projektbereichen (gelbe
Fläche (NEYMO-NW); braune Fläche (Großraum Leipzig)) und der Landesgrenze Sachsens (schwarze Linie)
......................................................................................................................................................................... 43
Abbildung 28:
Ausschnitt aus dem Testgebiet Schönau (südlicher Teil) mit Überlagerung der aktuellen Bodenkarte BK50 und
der bisherigen Hydrotopstruktur auf Basis der BKkonz .................................................................................... 45
Abbildung 29:
Abhängigkeit der Rechenzeit von ArcEGMO (hier für 45 Simulationsjahre) und der Anzahl der Hydrotope bei
verschiedenen Mindestgrößen (entnommen aus Schwarze et al., 2012) ......................................................... 46
Abbildung 30:
Lage des Beispielgebiets und der übergebenen Hydrotope ............................................................................. 48
Abbildung 31:
Selektion des Stadtgebiets Dresden (links), Versiegelung Dresdens (rechts).................................................. 49
Abbildung 32:
Vergleich der GWN mit und ohne reduzierten Kapillaraufstieg ........................................................................ 50
Abbildung 33:
Differenz der berechneten GWN mit und ohne reduzierten Kapillaraufstieg .................................................... 51
Abbildung 34:
Landwirtschaftliche Vergleichsgebiete und Dauertestflächen Sachsens .......................................................... 55
Abbildung 35:
Zuordnung der Hydrotope zu den Landwirtschaftlichen Vergleichsgebieten LVG............................................ 59
Abbildung 36:
VEGEN-spezifische Einträge in der Hydrotopkarte und Ansteuerung durch pscn.ste ...................................... 60
Abbildung 37:
Simulierte Wärmemengen bei der Ernte im LVG 8 1981-2015 ....................................................................... 61
Abbildung 38:
Simulierte Wärmemengen bei der Ernte Winterweizen mit Stichprobenumfang .............................................. 61
Abbildung 39:
Simulierte Wärmemengen bei der Ernte Wintergerste mit Stichprobenumfang ............................................... 61
Abbildung 40:
Simulierte Wärmemengen bei der Ernte Winterraps mit Stichprobenumfang .................................................. 62
Abbildung 41:
Simulierte Wärmengen bei der Ernte Silomais mit Stichprobenumfang ........................................................... 62
Abbildung 42:
Hydrotopkarte KliWES mit Ertragspotenzial in Abhängigkeit von der Bodenwertzahl (BZ = N-Grundzahl) ...... 63
Abbildung 43:
Übersichtskarte der 189 Modellregionen im derzeitigen KliWES-Fortschreibungs-Projekt .............................. 64
Abbildung
44:
Übersichtskarte
der
Hierarchieebenen
der
189
Modellregionen
(Ebene
1
=
Kopfgebiete)...............................
64
Abbildung
45:
Übersichtskarte
der
106
Modellregionen
mit
DIFGA-Ergebnis
sowie
83
Modellregionen
ohne
DIFGA-Ergebnis
.........................................................................................................................................................................
65
Abbildung 46: Anzahl Modellregionen (mit DIFGA-Ergebnis) mit größtem Flächenanteil in Landnutzungsklasse und
minimale/maximale mittlere prozentuale Restglied-Abweichung (2000-2015, unkalibriertes Modell), ohne
Veränderung der Verdunstungskorrektur-Faktoren .......................................................................................... 67
Abbildung 47: Anzahl Modellregionen (mit DIFGA-Ergebnis) mit größtem Flächenanteil in Landnutzungsklasse und
minimale/maximale mittlere prozentuale Restglied-Abweichung (2000-2015, unkalibriertes Modell), mit
Erhöhung der Verdunstungskorrektur-Faktoren für Grünland, Heide und Nadelwald ...................................... 68
Abbildung 48:
Übersichtskarte der 177 Modellregionen mit Optimierung (grün) und der 12 Modellregionen ohne Optimierung
– aufgrund fehlender Durchflussdaten (rot) bzw. zu spät gelieferter Durchflussdaten (gelb) sowie der
verwendeten Pegel .......................................................................................................................................... 69
Abbildung 49:
Auswertung des mittleren prozentualen Volumenfehlers des simulierten täglichen Durch-flusses (Zeitraum 2000
bis 2015, nicht kalibriertes ArcEGMO-Modell) als Volume-Score Q (0 = Betrag Volumenfehler größer 80
Prozent, 5 = Betrag Volumenfehler maximal 10 ............................................................................................... 71
Abbildung 50: Auswertung des mittleren prozentualen Volumenfehlers des simulierten Abflusses aus dem schnellen
Grundwasserspeicher (Zeitraum 2000 bis 2015, nicht kalibriertes ArcEGMO-Modell) als Volume-Score QG1 (0
= Betrag Volumenfehler größer 80 Prozent, 5 = Betrag Volumenfehler maximal 10 Prozent) für 106
Modellregionen mit DIFGA-Ergebnis ................................................................................................................ 72
Abbildung 51:
Auswertung des mittleren prozentualen Volumenfehlers des simulierten Restgliedes (Zeitraum 2000 bis 2015,
nicht kalibriertes ArcEGMO-Modell) als Volume-Score REST (0 = Betrag Volumenfehler größer 80 Prozent, 5
= Betrag Volumenfehler maximal 10 Prozent) für 106 Modellregionen mit DIFGA-Ergebnis ........................... 73
Abbildung 52:
Volume-Score-Werte je Vergleichsgröße und Modellregion (mit DIFGA-Ergebnis) für das nicht kalibrierte
ArcEGMO-Modell im Zeitraum 2000 bis 2015 .................................................................................................. 74
Abbildung 53:
Auswertung der Nash-Sutcliffe Effizienz des simulierten täglichen Durchflusses (Zeitraum 2000 bis 2015, nicht
kalibriertes ArcEGMO-Modell) als NSE-Score logQ (0 = NSE kleiner oder gleich null, 5 = NSE größer als 0,8)
für 181 Modellregionen (acht Regionen ohne Durchflussdaten) ...................................................................... 74
Abbildung 54: NSE-Score-Werte je Vergleichsgröße und Modellregion (mit DIFGA-Ergebnis) für das nicht kalibrierte
ArcEGMO-Modell im Zeitraum 2000 bis 2015, Regionen von links nach rechts mit abnehmendem Volume-
Gesamtscore (Sortierung wie in Abbildung 52) ................................................................................................ 75
Abbildung 55:
Integrale Bewertung der Anpassung (Volume-Score gesamt und NSE-Score gesamt) des optimierten Modells
im Vergleich zum Ausgangszustand für den Zeitraum 2000 bis 2015 (Verbesserung der Anpassung =
mindestens ein Gesamtscore-Wert steigt, Anpassung unverändert = beide Gesamtscore-Werte gleich, teilweise
Verschlechterung der Anpassung = mindestens ein Gesamtscore-Wert sinkt) ................................................ 77
Abbildung 56:
Lage der ausgewählten Modellregionen (rot umrandet) für die Detailanalyse der Optimierung ....................... 78

Vorläufige Version – August 2021
| 7
Abbildung
57:
Anzahl
der
Regionen
mit
DIFGA-Ergebnis
(Summe
104)
und
ausschließlich
verbesserter
Anpassung
des
Durchflusses
Q
(blau),
des
Abflusses
aus
dem
schnellen
Grundwasserspeicher
QG1
(dunkelgrün)
bzw.
verbesserter
Anpassung
beider
(hellgrün)
oder
keiner
Größe
(rot)
aufgeschlüsselt
für
den
Volume-Score
(links)
sowie
den
NSE-Score
(rechts)...............................................................................................................
79
Abbildung 58:
Anpassung der simulierten Ganglinien (blau = nicht kalibiert, rot = optimiert) an die DIFGA-Ergebnisse für den
Abfluss aus dem schnellen Grundwasserspeicher QG1 (oben) und das Restglied (unten) im Zeitraum 2000 bis
2015 als Gebietssumme der Region 33 mit Pegel Niedermülsen 1, Modellausgaben des simulierten Restgliedes
(entspricht Verdunstung plus Bodenspeicheränderung) unterscheiden sich nicht, da die
Verdunstungsparameter nicht optimiert werden ............................................................................................... 80
Abbildung 59:
Vergleich der beobachteten Ganglinie (schwarz strichliert) des Pegels Niedermülsen 1 mit dem simulierten
Durchfluss in der Ausgangssituation (blau) und nach der Optimierung (rot) sowie das
Niederschlagsgebietsmittel des Referenzdatensatzes (schwarz) für den Zeitraum 2000 bis 2015 .................. 82
Abbildung 60:
Vergleich der Dauerlinie des beobachteten Durchflusses (schwarz strichliert) des Pegels Niedermülsen 1 mit
den Dauerlinien des simulierten Durchflusses in der Ausgangssituation (blau) und nach der Optimierung (rot)
für den Zeitraum 2000 bis 2015 ....................................................................................................................... 83
Abbildung 61:
Anpassung der simulierten Ganglinien (blau = nicht kalibriert, rot = optimiert) an die DIFGA-Ergebnisse für den
Abfluss aus dem schnellen Grundwasserspeicher QG1 (oben) und das Restglied (unten) im Zeitraum 2000 bis
2015 als Gebietssumme der Region 80 mit Pegel Königsbrück, Modellausgaben des simulierten Restgliedes
(entspricht Verdunstung plus Bodenspeicheränderung) unterscheiden sich nicht, da die
Verdunstungsparameter nicht optimiert werden ............................................................................................... 84
Abbildung 62: Vergleich der beobachteten Ganglinie (schwarz strichliert) des Pegels Königsbrück mit dem simulierten
Durchfluss in der Ausgangssituation (blau) und nach der Optimierung (rot) sowie das
Niederschlagsgebietsmittel des Referenzdatensatzes (schwarz) für den Zeitraum 2000 bis 2015 .................. 86
Abbildung 63:
Vergleich der Dauerlinie des beobachteten Durchflusses (schwarz strichliert) des Pegels Königsbrück mit den
Dauerlinien des simulierten Durchflusses in der Ausgangssituation (blau) und nach der Optimierung (rot) für
den Zeitraum 2000 bis 2015 ............................................................................................................................. 87
Abbildung 64:
Anzahl der Regionen ohne DIFGA-Ergebnis (Summe 64) und verbesserter Anpassung des Durchflusses Q
(blau) bzw. ohne Verbesserung (rot) – aufgeschlüsselt für den Volume-Score (links) sowie den NSE-Score
(rechts) ............................................................................................................................................................. 87
Abbildung 65:
Vergleich der beobachteten Ganglinie (schwarz strichliert) des Pegels Neundorf mit dem simulierten Durchfluss
in der Ausgangssituation (blau) und nach der Optimierung (rot) für den Zeitraum 2000 bis 2015 ................... 88
Abbildung 66:
Vergleich der Dauerlinie des beobachteten Durchflusses (schwarz strichliert) des Pegels Neundorf mit den
Dauerlinien des simulierten Durchflusses in der Ausgangssituation (blau) und nach der Optimierung (rot) für
den Zeitraum 2000 bis 2015 ............................................................................................................................. 89
Abbildung 67:
Vergleich der beobachteten Ganglinie (schwarz strichliert) des Pegels Langenleuba (Leubabach) mit dem
simulierten Durchfluss in der Ausgangssituation (blau) und nach der Optimierung (rot) für den Zeitraum 2000
bis 2015............................................................................................................................................................ 90
Abbildung 68: Vergleich der Dauerlinie des beobachteten Durchflusses (schwarz strichliert) des Pegels Langenleuba
(Leubabach) mit den Dauerlinien des simulierten Durchflusses in der Ausgangssituation (blau) und nach der
Optimierung (rot) für den Zeitraum 2000 bis 2015 ........................................................................................... 91
Abbildung 69:
Vergleich der beobachteten Ganglinie (schwarz strichliert) des Pegels Niedermülsen 1 mit dem simulierten
Durchfluss in der Ausgangssituation (blau) und nach der Optimierung für den Zeitraum 2000 bis 2015 (rot) bzw.
1961 bis 1987 (grün) sowie das Niederschlagsgebietsmittel des Referenzdatensatzes (schwarz) für den
Zeitraum 2000 bis 2015.................................................................................................................................... 93
Abbildung 70:
Anpassung der simulierten Ganglinien (blau = nicht kalibriert, rot = optimiert für 2000 bis 2015, grün = optimiert
für 1961 bis 1987) an die DIFGA-Ergebnisse für den Abfluss aus dem schnellen Grundwasserspeicher QG1 im
Zeitraum 2000 bis 2015 als Gebietssumme der Region 33 mit Pegel Niedermülsen 1 .................................... 94
Abbildung 71:
Vergleich der Dauerlinie des beobachteten Durchflusses (schwarz strichliert) des Pegels Niedermülsen 1 mit
den Dauerlinien des simulierten Durchflusses in der Ausgangssituation (blau) und nach der Optimierung bzgl.
2000 bis 2015 (rot) bzw. 1961 bis 1987 (grün) für den Zeitraum 2000 bis 2015 .............................................. 95
Abbildung 72: Entwicklung der projizierten potentiellen Verdunstung als 20jähriges gleitendes Mittel unter Einfluss der
ausgewählten Klimarealisierungen in Sachsen (Quelle: neue KliWES-Anwendung im Wasserhaushaltsportal
Sachsen) .......................................................................................................................................................... 96
Abbildung 73: Entwicklung der Klimatischen Wasserbilanz (= projizierter Niederschlag minus projizierter potentieller
Verdunstung) der ausgewählten Klimarealisierungen als 20jähriges gleitendes Mittel für Sachsen (Quelle: neue
KliWES-Anwendung im Wasserhaushaltsportal Sachsen) ............................................................................... 97

Vorläufige Version – August 2021
| 8
Abbildung 74:
Karten der projizierten klimatischen Wasserbilanz als langjährige Mittelwerte (1961-1987, 1988-2014, 2021-
2050 und 2071-2100) in den sächsischen Einzugsgebieten basierend auf dem RCP-8.5_1-Szenario (Quelle
Karten: neue KliWES-Anwendung im Wasserhaushaltsportal) ........................................................................ 98
Abbildung 75: Entwicklung der projizierten realen Verdunstung als 20jähriges gleitendes Mittel unter Einfluss der
ausgewählten Klimarealisierungen in Sachsen (Quelle: neue KliWES-Anwendung im Wasserhaushaltsportal
Sachsen) .......................................................................................................................................................... 98
Abbildung 76:
Karten der simulierten realen Verdunstung als langjährige Mittelwerte (1961-1987, 1988-2014, 2021-2050 und
2071-2100) in den sächsischen Einzugsgebieten basierend auf dem RCP-8.5_2-Szenario (Quelle Karten: neue
KliWES-Anwendung im Wasserhaushaltsportal) .............................................................................................. 99
Abbildung 77:
Entwicklung des projizierten langsamen Grundwasserabflusses als 20jähriges gleitendes Mittel unter Einfluss
der ausgewählten Klimarealisierungen in Sachsen (Quelle: neue KliWES-Anwendung im
Wasserhaushaltsportal Sachsen) ................................................................................................................... 100
Abbildung 78:
Karten des simulierten Gesamtabflusses als langjährige Mittelwerte (1961-1987, 1988-2014, 2021-2050 und
2071-2100) in den sächsischen Einzugsgebieten basierend auf dem RCP-8.5_2-Szenario (Quelle Karten: neue
KliWES-Anwendung im Wasserhaushaltsportal) ............................................................................................ 101
Abbildung 79:
Tabellenauszug zur Darstellung von mittleren jährlichen prozentualen Änderungen verschiedener Klima- und
Wasserhaushaltsgrößen für 10jährige Zeitscheiben gegenüber dem Vergleichszeitraum 1961-1990 am Beispiel
der Klimarealisierung A1B_1 .......................................................................................................................... 102
Abbildung 80:
Darstellung zur zeitlichen Entwicklung der minimalen Abflüsse aus dem langsamen Grundwasserspeicher für
den Ist-Zustand (1961-2015) und die acht ausgewählten Klimarealisierungen (1961-2100).......................... 103
Abbildung 81:
Darstellung zur zeitlichen Entwicklung der maximalen Abflüsse aus dem langsamen Grundwasserspeicher für
den Ist-Zustand (1961-2015) und die acht ausgewählten Klimarealisierungen (1961-2100).......................... 104
Abbildung 82:
Räumliche Verteilung der potentiellen Verdunstung in den Jahren 2017, 2018 und 2019 im Einzugsgebiet
Schönau ......................................................................................................................................................... 105
Abbildung 83:
Räumliche Verteilung der realen Verdunstung in den Jahren 2017, 2018 und 2019 im Einzugsgebiet Schönau
....................................................................................................................................................................... 106
Abbildung 84:
Differenzenkarten der jährlichen realen Verdunstung (REKIS-Datensatz) von 2017, 2018 und 2019 jeweils
gegenüber dem Mittelwert 2010-2015 der jährlichen realen Verdunstung aus dem Referenzdatensatz für das
Einzugsgebiet Schönau.................................................................................................................................. 108
Abbildung 85: Gegenüberstellung der realen Verdunstung von 2000-2020 basierend auf dem Referenzdatensatz (RDS,
schwarze Linie) und dem REKIS-Datensatz (rote Linie) für das Einzugsgebiet Markersbach 1 .................... 109
Abbildung 86: Gegenüberstellung des langsamen Grundwasserabflusses von 2000-2020 basierend auf dem
Referenzdatensatz (RDS, schwarze Linie) und dem REKIS-Datensatz (rote Linie) für das Einzugsgebiet
Schönau ......................................................................................................................................................... 109
Abbildung 87: Räumliche Verteilung des langsamen Grundwasserabflusses in den Jahren 2017, 2018 und 2019 im
Einzugsgebiet Schönau.................................................................................................................................. 110
Abbildung 88:
Entwicklung des langsamen Grundwasserabflusses [mm/a] im Zeitraum 2010-2019 (basierend auf den Werten
des REKIS-Datensatzes) in den Einzugsgebieten Schönau, Jänkendorf 1 und Merzdorf ............................. 111
Abbildung 89: Gegenüberstellung des langsamen Grundwasserabflusses von 2000-2020 basierend auf dem
Referenzdatensatz (RDS, schwarze Linie) und dem REKIS-Datensatz (rote Linie) für das Einzugsgebiet
Markersbach 1 ............................................................................................................................................... 112
Abbildung 90:
Ansicht der Startseite (Home) der neuen KliWES-Webanwendung ............................................................... 123
Abbildung 91:
Ansicht des Moduls "Karten" .......................................................................................................................... 124
Abbildung 92:
Ansicht des Moduls "Diagramme" .................................................................................................................. 125
Abbildung 93:
Ansicht des Moduls "Datenexport" ................................................................................................................. 126

Vorläufige Version – August 2021
| 9
Tabellenverzeichnis
Tabelle 1:
Erforderliche Bodenparameter aus der vorhandenen Datengrundlage ................................................................. 13
Tabelle 2:
Übersetzungstabelle Trockenrohdichtestufen in Lagerungsdichtestufen in Abhängigkeit von der Bodenart ........ 14
Tabelle 3:
Definition der Flurabstandsklassen ....................................................................................................................... 22
Tabelle 4:
Liste der acht im KliWES-Projekt verwendeten Klimarealisierungen .................................................................... 33
Tabelle 5:
Anzahl und mittlere Größe der Hydrotope im Testgebiet Schönau in Abhängigkeit verschiedener Mindestgrößen,
Vergleich von bisheriger und neuer Hydrotopstruktur ........................................................................................... 47
Tabelle 6:
Geschätzte Anzahl der Hydrotope für den Bearbeitungsraum (ca. 17.600 km²) in Abhängigkeit verschiedener
Mindestgrößen, Vergleich von bisheriger und neuer Hydrotopstruktur ................................................................. 47
Tabelle 7:
Bodenparameter für PSCN, o/f: obligatorisch/fakultativ ........................................................................................ 52
Tabelle 8:
Ertragspotenzial EP in Abhängigkeit von der Bodenwertzahl BZ .......................................................................... 53
Tabelle 9: Landwirtschaftliche Vergleichsgebiete LVG mit Anzahl der dort liegenden Dauertestflächen (n DTF) und
zugeordneter Ackerfläche des KliWES-Modells .................................................................................................... 54
Tabelle 10:
Zusammenfassung der Fruchtarten zu Fruchtgruppen (FG), Kodierung laut BESyD ........................................... 55
Tabelle 11:
Integration von Zwischenfrüchten (ZF) in die n-gliedrigen Fruchtfolgen (FF) pro LVG ......................................... 56
Tabelle 12:
Anteil der angebauten Fruchtarten auf den DTF in den LVG (2000-2018) [%], n: erfasste Anbaujahre ............... 57
Tabelle 13:
Anbaujahre pro Fruchtart und LVG in n-gliedriger Fruchtfolge (FF) ..................................................................... 57
Tabelle 14:
Fruchtfolgen für die 12 LVG Sachsens, ID s. Tabelle 10, FFG: Fruchtfolgeglied .................................................. 58
Tabelle 15:
Einteilung des mittleren prozentualen Volumenfehlers sowie der NSE in Klassen (untere Grenze offen, obere
Grenze geschlossen) und Zuordnung eines Score-Wertes .................................................................................. 70
Tabelle 16:
Übersicht der Score-Werte je Vergleichsgröße für Regionen mit bzw. ohne DIFGA-Ergebnis ............................. 70
Tabelle 17:
Anzahl der Modellregionen je Volume-Score-Wert für die Vergleichsgrößen Q, QG1 und REST sowie prozentualer
Anteil bezogen auf die Gesamtzahl der Regionen (181 Regionen mit Durchflussdaten bzw. 106 Regionen mit
DIFGA-Ergebnis) für das nicht kalibrierte ArcEGMO-Modell im Zeitraum 2000 bis 2015 ..................................... 72
Tabelle 18: Anzahl der Modellregionen je NSE-Score-Wert für die Vergleichsgrößen Q, QG1 und REST sowie prozentualer
Anteil bezogen auf die Gesamtzahl der Regionen (181 Regionen mit Durchflussdaten bzw. 106 Regionen mit
DIFGA-Ergebnis) für das nicht kalibrierte ArcEGMO-Modell im Zeitraum 2000 bis 2015 ..................................... 75
Tabelle 19:
Anzahl der Modellregionen mit verbesserter, unveränderter und teilweise schlechterer Anpassung des optimierten
Modells im Vergleich zum Ausgangszustand für den Zeitraum 2000 bis 2015 ..................................................... 76
Tabelle 20:
Eigenschaften der ausgewählten Modellregionen für die Detailanalyse der Optimierung ..................................... 78
Tabelle 21: Gütemaße (Zeitraum 2000 bis 2015) für die Anpassung der simulierten QG1- bzw. Restglied-Werte (Ausgangs-
situation und nach Optimierung) hinsichtlich der monatlichen Vergleichswerte aus DIFGA als Gebietssumme der
Region 33 mit Pegel Niedermülsen 1 .................................................................................................................... 81
Tabelle 22:
Gütemaße (Zeitraum 2000 bis 2015) für die Anpassung des simulierten Durchflusses (Ausgangssituation und nach
Optimierung) hinsichtlich des beobachteten täglichen Durchflusses am Pegel Niedermülsen 1 (Berechnung NSE
für logarithmierten Durchfluss) .............................................................................................................................. 81
Tabelle 23: Gütemaße (Zeitraum 2000 bis 2015) für die Anpassung der simulierten QG1- bzw. Restglied-Werte (Ausgangs-
situation und nach Optimierung) hinsichtlich der monatlichen Vergleichswerte aus DIFGA als Gebietssumme der
Region 80 mit Pegel Königsbrück ......................................................................................................................... 85
Tabelle 24:
Gütemaße (Zeitraum 2000 bis 2015) für die Anpassung des simulierten Durchflusses (Ausgangssituation und nach
Optimierung) hinsichtlich des beobachteten täglichen Durchflusses am Pegel Königsbrück (Berechnung NSE für
logarithmierten Durchfluss) ................................................................................................................................... 85
Tabelle 25:
Gütemaße (Zeitraum 2000 bis 2015) für die Anpassung des simulierten Durchflusses (Ausgangssituation und nach
Optimierung) hinsichtlich des beobachteten täglichen Durchflusses am Pegel Neundorf (Berechnung NSE für
logarithmierten Durchfluss) ................................................................................................................................... 89
Tabelle 26:
Gütemaße (Zeitraum 2000 bis 2015) für die Anpassung des simulierten Durchflusses (Ausgangssituation und nach
Optimierung) hinsichtlich des beobachteten täglichen Durchflusses am Pegel Langenleuba (Leubabach)
(Berechnung NSE für logarithmierten Durchfluss) ................................................................................................ 91
Tabelle 27:
Gütemaße (Zeitraum 2000 bis 2015) für die Anpassung des simulierten Durchflusses (Ausgangssituation und nach
Optimierung bzgl. Zeitraum 2000 bis 2015 bzw. 1961 bis 1987) hinsichtlich des beobachteten täglichen
Durchflusses am Pegel Niedermülsen 1 (Berechnung NSE für log. Durchfluss) .................................................. 92
Tabelle 28:
Gütemaße (Zeitraum 2000 bis 2015) für die Anpassung des simulierten Abflusses aus dem schnellen Grund-
wasserspeicher (Ausgangssituation und nach Optimierung bzgl. Zeitraum 2000 bis 2015 bzw. 1961 bis 1987)
hinsichtlich der monatlichen Vergleichswerte aus DIFGA als Gebietssumme der Region 33 mit Pegel Niedermülsen
1 ............................................................................................................................................................................ 92

Vorläufige Version – August 2021
| 10
Tabelle 29:
Entwicklung der potentiellen Verdunstung ETP [mm/a] im Zeitraum 1986-2015 (basierend auf den Werten des
Referenzdatensatzes) anhand von 10jährigen Mittelwerten in den Einzugsgebieten Schönau, Merzdorf,
Jänkendorf 1 und Markersbach 1 ........................................................................................................................ 107
Tabelle 30: Entwicklung der realen Verdunstung ETR [mm/a] im Zeitraum 1986-2015 (basierend auf den Werten des
Referenzdatensatzes) anhand von 10jährigen Mittelwerten in den Einzugsgebieten Schönau, Merzdorf,
Jänkendorf 1 und Markersbach 1 ........................................................................................................................ 107
Tabelle 31:
Entwicklung des langsamen Grundwasserabflusses [mm/a] im Zeitraum 1986-2015 (basierend auf den Werten
des Referenzdatensatzes) anhand von 10jährigen Mittelwerten in den Einzugsgebieten Schönau, Merzdorf,
Jänkendorf 1 und Markersbach 1 ........................................................................................................................ 111
Tabelle 32:
Zuordnung der Hydrotope zu Fest- bzw. Lockergesteinsbereich anhand der Lithofazieseinheit ........................ 117

Vorläufige Version – August 2021
| 11
1 Zielstellung
Das vom LfULG beauftragte Projekt Klimawandel und Wasserhaushalt in Sachsen (-KliWES-) befasst sich seit 2008
mit der Abbildung des Wasserhaushaltes in den sächsischen Einzugsgebieten und dem Einfluss des Klimawandels
auf die verschiedenen Wasserhaushaltsgrößen (Verdunstung, Grundwasserabfluss etc.).
Ziel des Vorhabens ist es, eine sukzessive Verbesserung der bisherigen landesweiten Wasserhaushaltsberechnun-
gen für den Ist- Zustand (1961 - 2010) sowie für verschiedene Klimaszenarien (1961 - 2100) zu erreichen. Hierfür
sind regelmäßige Anpassungen und Weiterentwicklungen des KliWES-Projekts notwendig. Das betrifft z.B. die Ak-
tualisierung und Fortschreibung der Zeitreihen des Wasserhaushaltes, die Aktualisierung verwendeter Klimaszena-
rien sowie die Berücksichtigung von Nebelniederschlägen. Außerdem sind inhaltliche Weiterentwicklungen erforder-
lich, die u.a. aus der Verfügbarkeit neuer Geodaten (z.B. Bodenkarte 1: 50.000) rühren.
Die im Resultat der bisherigen Arbeiten festgestellten suboptimalen Abbildungen einiger Prozesse (z.B. adaptive
Anpassung von Grundwasserstand und Vegetation an zukünftig zu erwartende Klimaentwicklungen) in den bisher
verwendeten Wasserhaushaltsmodellen erforderten eine Weiterentwicklung bzw. einen teilweisen Austausch der
bisher genutzten Modellbausteine. Zusätzlich sollten die bisherigen IT-Lösungen für die KliWES-Webanwendungs-
Module im „Wasserhaushaltsportal Sachsen“ inhaltlich und funktional überarbeitet und an aktuelle Entwicklungen
hinsichtlich der Hard- und Software sowie an die Bedürfnisse der Nutzer neu angepasst werden, um das Portal
zukunftsfähig zu halten.
Der vorliegende Bericht umfasst die Arbeiten von August 2019 bis April 2021. Nachfolgend wird auf die Aufbereitung
der erforderlichen aktuellen Datengrundlagen (Kapitel 2), die Hydrotopbildung und den Modellaufbau (Kapitel 3) so-
wie die Durchführung der Optimierungsstrategie und der Wasserhaushaltsberechnungen mit dem Modell ArcEGMO
(Kapitel 4) eingegangen. In den sich anschließenden Abschnitten werden Auswertungen anhand ausgewählter Bei-
spiele der berechneten Wasserhaushaltsergebnisse (Kapitel 5) gezeigt sowie die Umsetzung der zukünftigen Kli-
WES-Webanwendung im Wasserhaushaltsportal Sachsen (Kapitel 6) beschrieben. Eine Zusammenfassung schließt
den Bericht ab (Kapitel 7).

Vorläufige Version – August 2021
| 12
2 Aufbereitung von Datengrundlagen
Die Datengrundlagen der bestehenden Wasserhaushaltsmodelle haben im Allgemeinen einen Bearbeitungsstand
der Jahre 2008 bis 2013. Aufgrund der zahlreichen und umfänglichen Datennachführungen seit 2013 durch das
LfULG wurde im Rahmen der sachsenweiten Wasserhaushaltsmodellierungen eine Aktualisierung notwendig. Dies
betrifft die Geodatenbasis, die meteorologischen Daten für Ist-Zustand und Klimaprojektionen sowie die Durchfluss-
daten repräsentativer Pegel, welche zur Kalibrierung bzw. Validierung der Modellergebnisse benötigt werden. Die
projektbezogene Aufbereitung der Daten wird in den Kapiteln 2.1 und 2.2 erläutert.
Für den Aufbau des Datenmodells wurden folgende Geodaten benötigt:
Fließgewässernetz
Landnutzung
Boden
Anschlussgrad
Kanalisationsart (Misch- oder Trennkanalisation)
Drainagen (inkl. Drainagetyp, Anteil drainierte Fläche, Drainagetiefe)
Geologie (zur Ableitung der Lithofazieseinheit)
digitales Geländemodell (für die Parameter Geländehöhe, Gefälle, Ausrichtung)
Grundwasserflurabstände
Teileinzugsgebietsstruktur
Erläuterungen zur Ausweisung des Bearbeitungsraumes, welcher sich im Vergleich zum bisherigen Projektstand
verändert hat, finden sich in Kapitel 2.4.
2.1 Aufbereitung benötigter Geodatengrundlagen
2.1.1
Fließgewässernetz
Die Grundlage bildet das Fließgewässernetz Sachsens, welches im April 2019 vom LfULG bereitgestellt worden ist.
Zunächst wurden vorhandene Fehler im Shape, die mithilfe einer Topologieprüfung identifiziert werden konnten,
behoben.
Das KliWES-Modellgebiet erstreckt sich zum Teil über die Grenzen Sachsens. Die im Shape vorhandenen grenz-
überschreitenden Fließgewässerdaten beschränken sich zumeist auf die Hauptgewässer. Zur Vervollständigung des
Datensatzes und zur Vereinheitlichung der räumlichen Auflösung wurde das Fließgewässernetz durch Gewässerda-
ten der umliegenden Bundesländer (Bayern, Thüringen, Sachsen-Anhalt und Brandenburg) sowie Tschechiens er-
gänzt und an das Gewässernetz Sachsens angeknüpft.
Anschließend wurde das Fließgewässernetz dahingehend bearbeitet, dass keine „losen“ Fließgewässerstücke vor-
liegen. Betroffene Stellen wurden entweder an das Netz angebunden oder entfernt. Verzweigungen, Abzweigungen
wurden insoweit bearbeitet, dass eindeutige Fließwege für die Modellstruktur entstehen. Dazu zählt auch, dass es
nur einen Gebietsauslass pro Teileinzugsgebiet geben darf. Die Gebietsein- sowie Gebietsauslässe wurden bei Ab-
weichungen an die Teileinzugsgebietsstruktur angepasst, denn nur sie dürfen und müssen die Teileinzugsgebiets-
grenze schneiden. Jegliche Fließgewässerabschnitte, die die Teileinzugsgebietsgrenze berührten oder überschrit-
ten, wurden so verschoben oder ggf. auch verkürzt, dass sie ausschließlich innerhalb des betrachteten Teileinzugs-
gebiets liegen. Damit sind auch im Datensatz erfasste große Überleitungen entfernt worden. Eine explizite räumliche
Erfassung von Überleitungen ist für die Modellierung nicht erforderlich, da nur Informationen über den Entnahme-

Vorläufige Version – August 2021
| 13
bzw. Einleitungsort und die Überleitungsmengen berücksichtigt werden. Des Weiteren wurden die Fließwegrichtun-
gen kontrolliert und bei falscher Ausrichtung korrigiert. Abschließend erfolgte eine Zusammenfassung des Fließge-
wässernetzes, so dass letztlich nur an zwingend erforderlichen Stellen (Gebietsein- und Gebietsauslässe sowie Zu-
sammenflüsse von Fließstrecken) Knotenpunkte vorliegen. Zum Schluss wurde diesen Knotenpunkten die jeweilige
Geländehöhe aus dem DGM5 (s. Abschnitt 2.1.8) zugeordnet. Ausgehend davon konnte für die Fließgewässerab-
schnitte das Gefälle ermittelt werden.
2.1.2
Boden
Die Datengrundlage des Bodens bildet die digitale Bodenkarte Sachsens (BK50) im Maßstab 1 : 50 000, welche mit
dem Stand April 2019 vom LfULG bereitgestellt wurde. Zusätzlich zur räumlichen Struktur der Böden erfolgte die
Übergabe von Informationen zu Bodenhorizonten und -profilen sowie verschiedenen Bodenparametern (Stand Juli
2019). Nach anschließender Topologieprüfung, welche nur eine geringe Anzahl von Fehlern ergab, wurden diese
behoben.
Im Weiteren war die Schließung von Datenlücken (nicht definierte Böden), die Ableitung weiterer Bodenkennwerte
und die Anbindung von Flächen außerhalb Sachsens erforderlich.
Schließung von Datenlücken
Die BK50 enthält eine Reihe von Flächen, welchen kein Boden zugeordnet ist. Hierbei handelt es sich um schwer
bzw. nicht eindeutig zu klassifizierende Böden, welche sich unterhalb von Gewässern, stark besiedelten Gebieten,
anthropogen veränderten Bereichen (Tagebaureviere) und steilen Hanglagen (Uferböschungen) befinden. Da mit
Ausnahme von Böden unter Gewässern für die sich anschließenden Wasserhaushaltsmodellierungen alle Flächen
definiert sein müssen, war die Ergänzung fehlender Bodendefinitionen notwendig. Dies erfolgte mit Hilfe der Boden-
übersichtskarte 1 : 200.000 (BÜK200), welche zwar eine deutlich gröbere Auflösung aufweist, dafür aber flächende-
ckend für Deutschland vorliegt. Sie war daher auch geeignet, um die nicht durch die BK50 abgedeckten Flächen
außerhalb Sachsens zu ergänzen. Um die BÜK200 in die BK50 (auf allen nicht definierten Flächen) einbinden zu
können, war eine „Übersetzung“ der vorhandenen Bodenmerkmale notwendig. Hierfür wurden die Leitböden und
Begleitböden herangezogen.
Ableitung weiterer Bodenkennwerte
Die begleitend zur BK50 bereitgestellten Bodenparameter dienten der Parametrisierung des Wasserhaushaltsmo-
dells (s. Tabelle 1).
Tabelle 1:
Erforderliche Bodenparameter aus der vorhandenen Datengrundlage
Bezeichnung in der Datengrundlage
Bedeutung
LEG_NR
Legendennummer
HOR_NR
laufende Horizontnummer des Leitbodens
UTIEF
Untere Tiefe des Horizontes in Meter
MAE
Mächtigkeit des Horizontes in Meter
BOART
Feinbodenart, Torfart
Humus
Humusstufe
SKV
Skelettvolumen gesamt in Volumen-%
TRD_ST
Stufe Trockenrohdichte, Torfausprägung
Wp
Phyisches Durchwurzelungspotenzial in dm
PF42%
Wassergehalt Feinboden bei pF 4,2 in Volumen-%
PF25%
Wassergehalt Feinboden bei pF 2,5 in Volumen-%
PF18%
Wassergehalt Feinboden bei pF 1,8 in Volumen-%

Vorläufige Version – August 2021
| 14
GPV%
Gesamtporenvolumen Feinboden in Volumen-%
Aus den gegebenen Parametern konnten die weiteren benötigten Parameter „Nutzbare Feldkapazität“ sowie „Luft-
kapazität“ nach den folgenden Gleichungen berechnet werden:
Nutzbare Feldkapazität
(nFK)
= PF25%
PF42%
Luftkapazität
(LK)
= GPV%
PF18%
Aus der gegebenen Datengrundlage nicht direkt berechenbare erforderliche Parameter waren die Lagerungsdichte
(LD) sowie die gesättigte Wasserleitfähigkeit (Kf) des Bodens. Die Ableitung dieser Parameter erfolgte unter Zuhil-
fenahme folgender Literatur:
DWA Regelwerk (2016),
Bodenkundlichen Kartieranleitung KA5 (AD-HOC-AG Boden, 2005)
und der Studie von Müller & Waldeck (2011).
Das DWA-Regelwerk (2016, Tabelle 2) bietet eine Übertragung von mittleren Trockenrohdichten (TRD in g/cm³) in
Lagerungsdichtestufen (LD-Stufe). Den im Datensatz verfügbaren Trockenrohdichtestufen (td1 bis td5) wurden da-
her zunächst die mittleren Trockenrohdichtewerte zugeordnet. Ergänzend zum DWA-Regelwerk wurde auch eine
Umrechnungstabelle der Bodenkundlichen Kartieranleitung KA5 verwendet, da nicht immer einer TRD-Stufe eine
entsprechende LD-Stufe zugeordnet werden konnte. Dies traf auf die verschiedenen Sande zu. Für diese liegt im
Datensatz der BK50 eine weitere Unterteilung in verschiedene TRD-Stufen vor, während die Umrechnungstabelle
der KA5 (TRD-Stufen in LD-Stufen) nur über die Klasse Reinsand verfügt. Hier wurde allen Sanden die LD-Stufe von
Reinsand zugordnet. Es ergab sich danach folgende Übersetzung (s. Tabelle 2):
Tabelle 2:
Übersetzungstabelle Trockenrohdichtestufen in Lagerungsdichtestufen in Abhängigkeit von
der Bodenart
Bodenart
Ld1
Ld2
Ld3
Ld4
Ld5
Ss
td1
td3
td4
td5
td5
Sl2
td1
td2
td4
td5
td5
Sl3
td1
td2
td3
td4
td5
Sl4
td1
td2
td3
td4
td5
Slu
td1
td2
td3
td4
td5
St2
td1
td2
td3
td4
td5
St3
td1
td2
td3
td4
td5
Su2
td1
td2
td4
td5
td5
Su3
td1
td2
td4
td5
td5
Su4
td1
td2
td3
td4
td5
Ls2
td1
td2
td3
td4
td5
Ls3
td1
td2
td3
td4
td5
Ls4
td1
td2
td3
td4
td5
Lt2
td1
td2
td3
td4
td5
Lt3
td1
td1
td3
td4
td4

Vorläufige Version – August 2021
| 15
Lts
td1
td2
td3
td4
td5
Lu
td1
td2
td3
td4
td5
Uu
td1
td2
td3
td4
td5
Uls
td1
td2
td3
td4
td5
Us
td1
td2
td3
td4
td5
Ut2
td1
td2
td3
td4
td5
Ut3
td1
td2
td3
td4
td5
Ut4
td1
td2
td3
td4
td5
Tt
td1
td1
td2
td3
td4
Tl
td1
td1
td2
td3
td4
Tu2
td1
td1
td2
td3
td4
Tu3
td1
td1
td3
td4
td4
Tu4
td1
td2
td3
td4
td4
Ts2
td1
td1
td2
td3
td4
Ts3
td1
td2
td3
td4
td4
Ts4
td1
td2
td3
td4
td5
Für organische und anthropogen beeinflusste Böden, deren TRD-Stufen im Datensatz mit td0, O (Oberboden) und
k6 (Kohle) gekennzeichnet sind, konnte in der Literatur keine Übersetzung in LD-Stufen gefunden werden. Letztend-
lich wurde für diese drei TDR-Stufen, welche generell nur auf 0.6 % der Gesamtfläche vorliegen, pauschal ein mitt-
lerer Lagerungsdichtewert von 1,4 g/cm³ festgesetzt.
Mit den abgeleiteten LD-Stufen und den dazugehörigen Bodenarten ließ sich im Anschluss die gesättigte Wasser-
leitfähigkeit mittels DWA Regelwerk (2016, Tabelle 12) abschätzen. Ausgenommen hiervon waren die Torfe, da die
Abschätzung der gesättigten Wasserleitfähigkeit von der Torfart, der Zersetzungsstufe und dem Substanzvolumen
abhängig ist. Aus der Datengrundlage sind Torfart sowie Zersetzungsstufe bekannt, mit deren Hilfe die Substanzvo-
lumenstufe (SV-Stufe) abgeschätzt wurde (Müller & Waldeck, 2011). Die Abschätzung der gesättigten Leitfähigkeit
in Torfen erfolgte letztlich über das DWA Regelwerk (2016, Tabelle 14).
Anbindung von Flächen außerhalb Sachsen
Für alle außerhalb Sachsens gelegenen Bereiche des Bearbeitungsraumes (s. Kapitel 2.4) erfolgten Recherchen zu
verfügbaren Bodendaten. Die Landesbehörden der Bundesländer Thüringen und Sachsen-Anhalt stellten der Pro-
fessur für Hydrologie, TU Dresden Bodenkarten zur Verfügung.
Die Bodengeologische Konzeptkarte Thüringens (BGKK100, Maßstab 1 : 100.000) lag für zwei einzelne Kacheln
vor, wobei nicht alle Flächen abgedeckt waren. Die Karten wurden mit folgendem Hinweis zur Verfügung gestellt:
„Die Kartierungseinheiten der Bodengeologischen Übersichtskarte sind als Bodengesellschaften konzipiert. Das
Gliederungsschema bezieht sich ganz wesentlich auf die Substrateigenschaften der Ausgangsgesteine, in Auen und
Niederungen auf den Grundwassereinfluss. Ein Vergleich mit den inhaltlichen Anforderungen im Sinne der Boden-
kundlichen Kartieranleitung (KA 4) ist nicht sinnvoll. Eine näherungsweise Angleichung der Leitbodenformen an die
Nomenklatur der KA 4 wurde der Legendenkartei nachträglich beigefügt. (TLUBN)“. Aufgrund dieser Ausführungen
und der teils fehlenden Abdeckung des Bearbeitungsraumes in Thüringen wurde die BÜK200 als Grundlage verwen-
det und nur ausgewählte Kartierungseinheiten (Moore, Auen und Feuchtegebiete sowie Löss) der BGKK100 mit
verschnitten.

Vorläufige Version – August 2021
| 16
Für den in Sachsen-Anhalt befindlichen Teil des Bearbeitungsraumes konnte die Vorläufige Bodenkarte 1 : 50.000
(VBK50) genutzt werden. Sie verfügt über die Attribute Leitbodentyp sowie Substrattyp. Es bestand eine gute Pass-
fähigkeit der räumlichen Strukturen mit der BK50, so dass die Anbindung an die BK50 unkompliziert erfolgen konnte.
Für den in Brandenburg liegenden Teilbereich wurde auf die BÜK200 zurückgegriffen, da für diese Flächen keine
Bodenkarte durch die Landesbehörde zur Verfügung gestellt wurde.
Im Grenzbereich zu Tschechien konnte nur teilweise auf eine aktuelle Bodenkarte (SOIL_CR50) zurückgegriffen
werden, welcher durch das LfULG bereitgestellt wurde. Die betreffenden Flächen decken Teilbereiche der sächsi-
schen Schweiz und des Lausitzer Berglands ab. Die Böden der SOIL_CR50 sind nach der FAO (2006) klassifiziert.
Für eine vollständige Abdeckung des Bearbeitungsraum in Tschechien musste daher auf die alte Bodenkarte Soil
Map of the Czech Republic im Maßstab 1 : 200.000 (SMoCR200) zurückgegriffen werden, welche der Auftragnehmer
2009 erhielt. Der tatsächliche Bearbeitungsstand der Karte konnte allerdings nicht ermitteln werden. Die Einordnung
der darin aufgeführten Böden basiert auf der FAO-Bodenklassifikation (FAO, 1974).
Die FAO-Klassifikation unterscheidet sich grundlegend von der deutschen Bodenklassifikation. Da es sich allerdings
um die einzigen verfügbaren Bodenkarten handelte, wurden die räumlichen Strukturen an die BK50 angebunden.
Die Übersetzung der Böden erfolgte einerseits unter Zuhilfenahme der FAO (1974 und 2006), der KA5 sowie der
Studie von Schuler et al. (2010) und andererseits durch einen Abgleich der aneinandergrenzenden Flächen auf
deutscher und tschechischer Seite.
2.1.3
Landnutzung
Für die Definition der Landnutzung, der damit verbundenen Auenbereiche sowie der Versiegelungsgrade von Sied-
lungsflächen lagen die nachfolgenden Datensätze vor:
ATKIS-BasisDLM (Stand 2019)
CORINE Landcover (CLC, Stand 2018) aus dem Datenportal “Copernicus Global Land Service”
Auenbereiche Landcover (VHR Landcover, Stand 2012) aus dem Datenportal “Copernicus Global Land Service”
Versiegelungsgrad Landcover (20x20m Raster, Stand 2015) aus dem Datenportal “Copernicus Global Land Ser-
vice”
Versiegelungsgrad Sachsen (5x5m Raster, Stand 2018)
Der vom LfULG bereitgestellte Datensatz des ATKIS-BasisDLM deckt die Fläche Sachsens vollständig ab, umfasst
aber nicht den außerhalb Sachsens liegenden Bearbeitungsraum. Er wurde auf Topologiefehler geprüft und die fest-
gestellten Unstimmigkeiten korrigiert. Der Rasterdatensatz (5x5m) zum Versiegelungsgrad liegt ebenfalls nur inner-
halb Sachsen vor. Die Bereiche außerhalb Sachsens wurden daher durch die gröber aufgelösten CORINE-Landco-
ver-Daten sowie die Datensätze zu den Auenbereichen und Versiegelungsgraden ergänzt, welche dem Portal „Co-
pernicus Global Land Service“ entstammen.
Die Daten der Auenbereiche aus dem VHR Land-Cover/ Land Use beschränken sich auf die Abbildung mittlerer und
großer Flusssysteme. Die Abgrenzung der Auenbereiche basiert auf einem komplexen räumlichen Modellierungs-
ansatz, aus dem der potentielle Auenbereich unter Ausschluss anthropogenen Einflusses hervorgeht. Der vorlie-
gende Auenbereich ist letztlich eine Kombination aus dem potentiellen Auenbereich und der tatsächlichen Ausdeh-
nung von Ufermerkmalen (naturnahe Ufervegetation, Altarme, Flussufer, etc.), die aus Fernerkundungsdaten her-
vorgehen (Copernicus Website, 2019a). Die Landcover-Karte der Auenbereich wurde auch innerhalb Sachsens ver-
wendet. Es erfolgte ein Verschnitt des ATKIS-BasisDLM mit den Auenbereichen zur Integration dieses für die Mo-
dellierung wesentlichen Gebietsmerkmals.
Zusätzlich wurden einige Landnutzungsarten aus ATKIS und CORINE generalisiert und mit Nachbarflächen zusam-
mengefasst, da sie entweder hydrologisch nicht relevant waren oder zu fein aufgelöst vorlagen. Im letzten Schritt
erfolgte eine Überprüfung auf die Stimmigkeit von Landnutzungs- und Bodeninformationen, damit keine unrealisti-
schen Merkmalskombinationen auftreten.

image
Vorläufige Version – August 2021
| 17
2.1.4
Geologie
Hinsichtlich der Geologie und den damit verbundenen Lithofazieseinheiten stellte das LfULG einen Datensatz zu
Fließgewässerlandschaften bereit. Dieser basiert auf der Hydrogeologischen Übersichtskarte 1 : 400.000 (HÜK400)
und weist die Lithofazieseinheiten entsprechend der dominierenden hydrogeologischen Klasse aus. Eine detaillier-
tere Untergliederung ergab sich bei Verwendung der Hydrogeologischen Übersichtskarte 1 : 200.000 (HÜK200,
Stand Mai 2016) sowie der Geologischen Übersichtskarte 1 : 200.000 (GÜK200, Stand 2007), welche genau wie die
HÜK400 deutschlandweit Daten liefern. Der Verschnitt beider Kartengrundlagen sowie die anschließende Aufberei-
tung lieferte letztlich die benötigten Lithofazieseinheiten für den gesamten Bearbeitungsraum.
2.1.5
Anschlussgrad
In ArcEGMO wird die oberirdische Abflusskomponente in Abhängigkeit der Flächeneigenschaften differenziert be-
trachtet. Nicht an das Kanalnetz angeschlossene, unversiegelte oder versiegelte Flächen bilden Oberflächenabfluss,
welcher einem Gewässer zufließt. Dagegen wird der Abfluss von versiegelten und teilversiegelten Flächen mit Ka-
nalisationsanschluss als Kanalisationsabfluss berechnet. Hierfür sind Angaben zum Anschlussgrad der Flächen an
die Kanalisation notwendig, welche für Sachsen allerdings nicht flächendifferenziert verfügbar sind. Stattdessen gibt
es Angaben zum Anschlussgrad der Bevölkerung an die öffentliche Kanalisation (Abbildung 1) und zum Anschluss-
grad der Bevölkerung an die Abwasserentsorgung. Beide werden ebenfalls als Anschlussgrad bezeichnet. Die Ver-
teilung der Anschlussgrade der Bevölkerung an die öffentliche Kanalisation hat ein ähnliches räumliches Muster, wie
die für ArcEGMO benötigten Anschlussgrade der Flächen an die Kanalisation. Daher wurde alternativ diese Größe
verwendet.
Abbildung 1: Anschlussgrad an die öffentliche Kanalisation im Freistaat Sachsen 2016 nach Gemeinden
Quelle: © Statistisches Landesamt des Freistaates Sachsen - Statistischer Bericht Q I 1 - 3j/16, Seite 33

image
image
Vorläufige Version – August 2021
| 18
Die Angaben zum Anschlussgrad der Bevölkerung an die öffentliche Kanalisation werden vom statistischen Landes-
amt im Dreijahresrhythmus auf Gemeindeebene erhoben und dokumentiert (Statistisches Landesamt des Freistaa-
tes Sachsen, 2018). Eine räumlich stärkere Differenzierung ist also nicht möglich. Da die Anschlussgrade im Modell
in Abhängigkeit der Flächenversiegelung ausgewertet werden, ergibt sich durch die Vorgabe flächendifferenzierter
Versiegelungsgrade eine stärkere Heterogenität innerhalb der Gemeinden. Die gegebenen Anschlussgrade werden
auf das gesamte sächsische Modellgebiet übertragen, aber nur auf den versiegelten Flächen ausgewertet. Das bringt
den Vorteil, dass bei einer Erweiterung der versiegelten Flächen der Anschlussgrad nicht neu recherchiert werden
muss, sondern bereits für die Fläche zur Verfügung steht.
…..
…..
Abbildung 2: Entwicklung der Anschlussgrade an die öffentliche Wasserversorgung und Abwasserent-
sorgung sowie Trinkwasserdurchschnittsverbrauch nach NUTS2-Regionen (Ausschnitt)
Quelle: © Statistisches Landesamt des Freistaates Sachsen - Statistischer Bericht Q I 1 - 3j/16, Seite 10

image
Vorläufige Version – August 2021
| 19
Abbildung 3: Entwicklung der öffentlichen Abwasserentsorgung (Ausschnitt)
Quelle: © Statistisches Landesamt des Freistaates Sachsen - Statistischer Bericht Q I 1 - 3j/16, Seite 9
Der Anschlussgrad hat sich aber in den letzten 30 Jahren sehr verändert. In Abbildung 2 ist die zeitliche Entwicklung
der Anschlussgrade in den NUTS-Regionen Chemnitz und Dresden von 1991 bis 2016 dargestellt. Da sich die An-
gaben auf die NUTS 2-Regionen beziehen, für die sich die Gebietseinheiten von den Flächen der Gemeinden unter-
scheiden, kommt es für Dresden zu einem etwas abweichenden Anschlussgrad (93,9% statt 99,4%). Anhand der
Abbildung 2 soll aber nur die zeitliche Veränderung der Anschlussgrade verdeutlicht werden. In beiden Regionen
stieg der Anschlussgrad um etwa 20% mit der Zeit an.
In Abbildung 3 ist die Entwicklung der Anschlussgrade für Sachsen zusammengefasst und auch hier zeigt sich ein
deutlicher Zuwachs der Anschlussgrade mit der Zeit um etwa 15%.
Für die Modellparametrisierung bedeutete das, dass ein Zustand festgelegt werden musste, der mit dem Modell
abgebildet werden sollte, da der Anschlussgrad nicht als dynamische Eingangsgröße vorzugeben ist. Der Modellie-
rungszeitraum für den Istzustand reicht von 1961-2015, also > 50 Jahre in denen sich die Anschlussgrade aber auch
die anderen Eingangsgrößen verändert haben. Da das Projektziel die Abbildung des Wasserhaushaltes in den säch-
sischen Einzugsgebieten und dem Einfluss des Klimawandels auf die verschiedenen Wasserhaushaltsgrößen ist –
also auch Zukunftsszenarien zu betrachten sind – machte es Sinn, den aktuellsten Anschlussgrad zu verwenden.
Das ist in diesem Fall der Datenbestand von 2016. Nach dem dreijährigen Aktualisierungsrhythmus wäre für 2019
eine neue Datengrundlage zu erwarten, die gegenwärtig aber noch nicht zur Verfügung steht. Es wurde also die
Datengrundlage der Datenbasis von 2016 verwendet.
2.1.6
Kanalisationsart
Neben dem Anschlussgrad sind in ArcEGMO zusätzlich Daten zur Kanalisationsart erforderlich, da der Kanalisati-
onsabfluss separat für die Misch- bzw. Trennkanalisation simuliert wird. Angaben zu den unterschiedlichen Kanal-
netzen lagen nur auf Kreisebene und nicht auf Gemeindeebene vor (Stand 2016). Diese konnten den statistischen
Berichten des Landes Sachsens (SMUL, 2018) entnommen werden. Eine Unterteilung in Misch- und Trennkanalisa-
tion konnte anhand der Länge [km] des jeweiligen Kanalsystems erfolgen. Für das Modell ist die Angabe der domi-
nierenden Kanalisationsart ausreichend.
In Gesamtsachsen hat sich sowohl der Anschlussgrad als auch die dominierende Kanalisationsart über die letzten
30 Jahre stark verändert. Die Länge des Kanalnetzes hat sich mehr als verdoppelt. Der größte Zuwachs erfolgte
dabei bezüglich des Trennsystems, die Mischkanalisation wurde dagegen nur geringfügig erweitert (Abbildung 4).

image
Vorläufige Version – August 2021
| 20
Abbildung 4: Entwicklung der öffentlichen Abwasserentsorgung (Ausschnitt)
Quelle: © Statistisches Landesamt des Freistaates Sachsen - Statistischer Bericht Q I 1 - 3j/16, Seite 9
In den Kreisen Chemnitz, Erzgebirge, Mittelsachen, Vogtland und Zwickau, Dresden und Leipzig ist das Mischsystem
vorrangig und wurde dementsprechend in das Modell übernommen, während in Bautzen, Görlitz, Meißen, Sächsi-
sche Schweiz- Osterzgebirge und Nordsachen die Trennkanalisation dominiert (Abbildung 5) und in das Modell in-
tegriert wurde.

image
Vorläufige Version – August 2021
| 21
Abbildung 5: Öffentliche Kanalisation 2016 nach Kreisfreien Städten und Landkreisen (Aufteilung in
Misch- und Trennkanalisation in km)
Quelle: © Statistisches Landesamt des Freistaates Sachsen – Statistischer Bericht Q I 1 - 3j/16, Seite 9
2.1.7
Drainagen
Für die Drainagen liegt ein Datensatz von Steiniger et al. (2013) vor, welcher für Sachsen die potentiell drainagebe-
dürftigen Acker- und Grünlandflächen ausweist. Da es keinen aktuelleren Datensatz gibt (z.B. zu tatsächlich vorhan-
denen Drainagen bzw. dem Zustand der Drainsysteme), wird auf die bisher verwendete Datengrundlage zurückge-
griffen. Eine zusätzliche Aufbereitung erfolgte nicht. Für Flächen außerhalb Sachsens sind keine Angaben vorhan-
den, so dass diese Bereiche ohne Drainagen betrachtet werden.
Insgesamt wäre eine Erfassung tatsächlich vorliegender Drainagen sowie eine Überarbeitung der drainagebedürfti-
gen Acker- und Grünlandflächen wünschenswert.
In der Arbeit von Steiniger et al. (2013) wurde die BKkonz als Kartengrundlage verwendet, um eine potentielle Drai-
nagebedürftigkeit abzuleiten. Es konnte in Hauffe et al. (2019) gezeigt werden, dass teils erhebliche Unterschiede
zwischen den beiden Bodenkarten BKkonz und BK50 auftreten. Es ist daher anzunehmen, dass es zu Abweichungen
der drainagebedürftigen Flächen kommen würde.
2.1.8
Digitales Geländemodell
Das durch das LfULG bereitgestellte ATKIS DGM5 (Arbeitsstand Mai 2019) deckt nur die Fläche Sachsens ab. Im
Rahmen einer Datenprüfung konnten keine inhaltlichen Fehler identifiziert werden. Für eine Abdeckung des gesam-
ten Bearbeitungsraumes war die Ergänzung um die Flächen außerhalb Sachsens notwendig. Hierfür wurde das

Vorläufige Version – August 2021
| 22
europäische Digitale Geländemodell (EU-DEMv1.1; Copernicus Website, 2019c) mit einer Auflösung 20x20m Ras-
tern herangezogen, auf 5x5m disaggregiert und angebunden. Eine Prüfung ergab eine ausreichende Passfähigkeit
des zusammengesetzten Datensatzes. Basierend darauf erfolgte im Anschluss die Ableitung der weiteren Reliefpa-
rameter Gefälle und Ausrichtung.
2.1.9
Grundwasserflurabstände
Die Grundwasserflurabstände wurden durch das LfULG bereitgestellt. Sie liegen einerseits als Isohypsen für Locker-
gesteinsbereiche, Lössgebiete sowie als unsicher bezeichnete Bereiche vor und andererseits als 50x50m Raster mit
derselben räumlichen Abdeckung wie die Isolinien (Stand Frühjahr 2016). Eine genauere Betrachtung des Raster-
datensatzes wurde bereits durchgeführt, welche Hauffe et al. (2019) entnommen werden kann.
Für den Festgesteinsbereich wie auch die zu berücksichtigenden Flächen außerhalb Sachsens war die Ableitung
der Informationen zu Grundwasserflurabständen aus der Bodenkarte und ggf. aus den Datengrundlagen der Auen-
bereiche erforderlich. Für die Ableitung des Grundwasserflurabstandes aus der Bodenkarte BK50 wurden zwei Merk-
male ausgewertet:
die Grundwasserbeeinflussung der Bodenschichten und
die Zugehörigkeit zu Auen.
Die Bodenhorizonte der zusammengesetzten Bodenkarte wurden auf ihre Grundwasserbeeinflussung hin unter-
sucht. Zunächst wurden alle grundwasserbeeinflussten Horizonte selektiert und auf ihre Ausprägung hin analysiert.
Generell erfolgte eine Unterscheidung zwischen zwei großen Gruppen – Gr- und Go-Horizonten:
Gr-Horizont: Grundwasserbeeinflusster Horizont mit reduzierenden Verhältnissen, weist eine blau- oder grüngraue
Färbung auf, da er ständig wassergesättigt und anoxisch ist.
Go-Horizont: liegt über dem Gr-Horizont dort, wo es durch Sauerstoffzufuhr zur Oxidation der im aufsteigenden
Grundwasser gelösten Stoffe (Eisen Fe und Mangan Mn) kommt. Der Go-Horizont ist zumindest periodisch durch-
lüftet, da er im Schwankungsbereich des Grundwassers bzw. im Kapillarsaum des Grundwassers liegt.
Die Grenze zwischen diesen beiden Schichten wurde als Grundwasseroberfläche gewertet, da der Kapillaraufstieg
im ArcEGMO-PSCN-Modell zusätzlich in Abhängigkeit der Bodenarten berücksichtigt wird.
Horizonte mit fossilen oder reliktischen Merkmalen einer Grundwasserbeeinflussung wurden bei der Analyse ausge-
schlossen.
Anschließend wurden die Böden im Auenbereich auf vernässte Horizonte untersucht. Dazu wurden die über die
Hydrotopdatenbasis definierten Auenbereiche selektiert und die dort vorkommenden Bodenhorizonte gesichtet. Für
einige dieser Böden konnte eine Vernässung einer Schicht aus den Horizontangaben abgeleitet und deren Tiefe als
Grundwasseroberfläche definiert werden. Wenn keine wasserführenden Schichten im Profil vorkamen, wurde die
Unterkante des Profils als Grundwasserflurabstand verwendet. Die Übertragung der so ermittelten Grundwasserflu-
rabstände erfolgte aber nur auf die im Auenbereich liegenden Flächen. Für alle außerhalb gelegenen Bodenprofile
und Profile ohne Grundwasserbeeinflussung wurde ein Flurabstand von 10 m angenommen (Abbildung 6).
Tabelle 3:
Definition der Flurabstandsklassen
FLURAB_ID
FLURAB_MAX
FLURAB_REP
1
0,3
0,2
2
0,5
0,4
3
0,7
0,6
4
0,9
0,8
5
1,2
1
6
1,7
1,5

image
Vorläufige Version – August 2021
| 23
7
2,2
2
8
3,5
3
9
6
5
10
10
10
Für die Übergabe an das Modell wurden die Flurabstände in 10 Klassen unterteilt und den Hydrotopen über die
entsprechende ID zugordnet. Die Flurabstandsklassen sind mit ihrer oberen Klassengrenze (Flurab_max) und ihrem
repräsentativen Flurabstand (Flurab_rep) definiert, wie Tabelle 3 zeigt. Der repräsentative Flurabstand wird im Mo-
dell für die Berechnung verwendet.
Abbildung 6: Aus den Bodenprofilen abgeleitete Grundwasserflurabstandsklassen
Anhand der räumlichen Verteilung der Flurabstände wird deutlich, dass der Flurabstand in den Auen, vor allem in
der Elb-Aue, bei 1,5 m liegt. Dieser Wert erscheint eher hoch und hat seine Ursache in den verfügbaren Datengrund-
lagen. Denn wiesen die Böden der BK50 in den zuvor bestimmten Auenbereichen keine vernässten Horizonte auf,
so erfolgte die Ableitung der Grundwasserflurabstände aus den Hydroisohypsen. Diese lagen allerdings häufig un-
terhalb der angegebenen Bodenprofiltiefen (1,2 bis 1,5 m).
Fazit
Die Grundwasserflurabstände konnten aus den verschiedenen Datengrundlagen flächendeckend für das gesamte
Landesmodell abgeleitet werden.
Um das Modell weiter zu qualifizieren könnte für die grundwassernahen Standorte auch ein Jahresgang der Grund-
wasserflurabstände über saisonale Zeitreihen vorgegeben werden, der das natürliche Schwankungsverhalten der
Grundwasserstände aus dem Grundwasserhoch- und Grundwasserniedrigstand (MHGW und MNGW) nachstellt.
Die Definition der Schwankungsbereiche könnte den Angaben der Bodenkarte entnommen werden. Dieses Vorge-
hen wurde im Landesmodell Sachsen-Anhalt erprobt (BAH, 2018).

Vorläufige Version – August 2021
| 24
Für die Klimaprojektionen wäre auch die Vorgabe eines zeitlich abfallenden Trends für die dynamischen Flurab-
stände denkbar. Die Stärke eines Trends müsste allerdings erst recherchiert werden. Ebenso könnte in den berg-
baugeprägten Regionen der Grundwasserwiederanstieg über Zeitreihen vorgegeben werden.
2.1.10 Teileinzugsgebiete
Die ebenfalls durch das LfULG bereitgestellte Teileinzugsgebietsstruktur (Stand Oktober 2019) deckt den Bearbei-
tungsraum vollständig ab. Voruntersuchungen zu Änderungen in den Gebietsstrukturen gegenüber einem älteren
Datensatz (Stand 2013) zeigten teils deutliche Unterschiede. Es haben sich einerseits die Anzahl der Teileinzugs-
gebiete verändert wie auch andererseits die räumlichen Grenzen verschoben (Hauffe et al., 2019).
Eine topologische Überprüfung des neuen Datensatzes der Teileinzugsgebiete ergab keine Fehler.
2.2 Aufbereitung der meteorologischen und hydrologischen
Datengrundlagen
2.2.1
Referenzdatensatz
Als meteorologische Eingangsdaten für den Zeitraum 1961 – 2015 wurde der Referenzdatensatz RDS für Sachsen
herangezogen. Es handelt sich hierbei um einen Rasterdatensatz mit einer räumlichen Auflösung von 1 x 1 km,
welcher über das ReKiS-Portal frei verfügbar ist. Als Input für das Wasserhaushaltsmodell wurden folgende meteo-
rologische Größen im Tagesschritt benötigt:
Korrigierter Niederschlag P
Nebelniederschlag FP
Mittlere Lufttemperatur LT sowie
minimale und maximale Lufttemperatur TN/TX
relative Luftfeuchte rF
Globalstrahlung GS
Windgeschwindigkeit in 2m über der Geländeoberfläche FF2
Mit Ausnahme des Nebelniederschlags sind alle genannten Größen im Referenzdatensatz enthalten. Der Nebelnie-
derschlag liegt im ReKiS-Portal als separater Datensatz vor und deckt den Zeitraum von 1967 – 2014 ab. Informati-
onen zur Ableitung der Nebelniederschläge finden sich in Bernhofer et al. (2017) sowie im Abschnitt 2.2.2. Da der
Nebelniederschlag einen kürzeren Zeitraum als der Referenzdatensatz abdeckt, war eine Methodik zu entwickeln,
welche eine Verlängerung um die Jahre 1961 – 1966 sowie 2015 ermöglicht. Die Beschreibung der Vorgehensweise
enthält Abschnitt 2.2.2. Darüber hinaus wurde im Rahmen verschiedener Wasserhaushaltsmodellierungen festge-
stellt, dass die Nebelniederschläge in den Kammlagen des Erzgebirges sehr große Werte aufweisen, welche sich
nachteilig auf die Wasserhaushaltsberechnungen auswirken. Ausführungen zur Korrektur des Nebelniederschlags
finden sich in Abschnitt 2.2.3.
Für allen anderen genannten Größen erfolgte die Interpolation basierend auf den Messwerten der Niederschlags-
und Klimastationen auf das 1 x 1 km Raster am Lehrstuhl für Meteorologie, TU Dresden. Detaillierte Angaben zur
Entwicklung und Erstellung des Referenzdatensatzes sowie zu den darin enthaltenen meteorologischen Daten kön-
nen Bernhofer et al. (2019) entnommen werden.
2.2.2
Statistisches Nebelmodell
Alle angegebenen Formeln zur Berechnung des Nebels bzw. der zugrundeliegenden Größen entstammen Bernhofer
et al. (2017). Die Formel zur Berechnung des Nebels lautet:
=
∙0.0164

image
Vorläufige Version – August 2021
| 25
mit dem Nebelniederschlag
P
Nebel
in mm/s, dem Flüssigwassergehalt der Luft
lwc
in kg/m
3
, der Windgeschwindigkeit
in Wipfelhöhe
u
v
in m/s, der Vegetationshöhe
h
in m und dem Blattflächenindex
LAI
in m²/m². Für die Windgeschwin-
digkeit in Wipfelhöhe wird folgende, auf dem logarithmischen Windprofil basierende Formel genutzt:
=
10
0
0
0
10
u
10
ist die Windgeschwindigkeit in 10 m Höhe in m/s,
z
0
= 0.05 m bestimmt die Rauhigkeitslänge von Gras und
z
b
ist
die Höhe der internen Grenzschicht mit
=0.334
0.875
0.125
.
z
v
ist die aktuelle Vegetationshöhe in m,
d
= 2/3
z
v
stellt die Verschiebungshöhe dar,
z
0
v
= 0.1
z
v
ist die Rauhigkeitslänge der aktuellen Vegetation,
z
10
= 10 m bezeich-
net die Messhöhe des Windes und
F
ist die Streichlänge des Windes und wurde in Bernhofer et al. (2017) konstant
mit 5000 m eingesetzt. Für das hier entwickelte statistische Modell wird die gleiche Vegetationshöhe wie in Bernhofer
et al. (2017) entstammend aus dem Datensatz der Global Forest Canopy Height (SDAT, 2019d) genutzt. Der LAI
wird konstant mit 3 parametrisiert. Der Flüssigwassergehalt wird nach folgender Formel berechnet:
=
mit der individuellen Gaskonstante für Wasser
R
W
= 461.52 J/kg/K und der Temperatur
T
in K. Der Äquivalentdruck
des Flüssigwassergehaltes muss für die Einheitentreue in Pa angegeben werden und berechnet sich mit
e
lwc
=
e
e
s
mit dem aktuellen Partialdruck des Wassers
e
und dem Sättigungsdampfdruck
e
s
. Letzterer kann z.B. mit der Clau-
sius-Clapeyron-Formel berechnet werden. Eine gute Näherung ermöglichen die Formeln nach Goff und Gratch
(1946), welche in Bernhofer et al. (2017) beschrieben werden.
Die Herausforderung bei der Berechnung von
e
lwc
liegt darin, dass Nebel relative Luftfeuchtigkeiten über 100 %
bedingt. Da diese nur von sehr wenigen Stationen gemessen werden können, weichen Bernhofer et al. (2017) auf
die Regionalisierung des Mischungsverhältnisses von Luft und Wasser aus. Wegen potentieller Drift werden vor der
Regionalisierung die Stationen mit über 98 % Luftfeuchtigkeit entnommen. In der ursprünglichen Berechnung wurden
Stundenwerte der benötigten meteorologischen Größen genutzt. Diese liegen für die Zeiträume 1961-1966 sowie in
den später genutzten Klimaszenariodaten nicht vor. Daher wird mit dem statistischen Modell versucht, eine möglichst
enge Beziehung zu Tageswerten zu finden.
Wie in Abbildung 7 beispielhaft für Novembertage der Höhenschicht von 600-800 mNHN dargestellt, gibt es eine
relativ scharf begrenzte Umhüllende der Tupel von relativer Feuchte
rH
und der normierten Größe
e
lwc
/
e
s
. Diese
Information soll genutzt werden, um das statistische Nebelmodell in Abhängigkeit von aktuellen meteorologischen
Größen aufzubauen.
Abbildung 7: Tagesdaten von relativer Feuchte und e
lwc
/e
s
für Novembertage von 1967-1970 und die Hö-
henschicht von 600 bis 800 mNHN
Das aus den meteorologischen Daten vorgegebene Raster wird unterteilt in Höhenschichten mit Grenzen alle 200 m
(0-200 m, 200-400 m usw.). An die Punktwolke von
e
lwc
/
e
s
zu
rH
(vgl. Abbildung 7) wird eine Funktion des Typs

image
Vorläufige Version – August 2021
| 26
=1
mit vier freien Parametern (hier
a
,
b
,
c
und
d
genannt) angepasst (Bedingung: monotone Steigung). Als unteres Limit,
ab welchem kein Nebel mehr berechnet wird, wird das 5 % Quantil der relativen Feuchte an Tagen mit Nebelnieder-
schlag genutzt. Das obere Limit wird gesetzt durch das 90 % Quantil aller Werte von
e
lwc
/
e
s
in der jeweiligen Höhen-
schicht und dem jeweiligen Monat. Dieser Grenzwert ist notwendig, da eine Ausgleichfunktion des oben dargestellten
Funktionstyps je nach Wertekonstellation im Bereich von
rH
nahe 100 % unplausibel steigen kann. Die verfügbare
Zeit mit Nebelniederschlägen nach Bernhofer et al. (2017) von 1967-2014 wird in zwei Teilzeiträume von 1967-1986
bzw. 1995-2014 analysiert. Einerseits ist das rechentechnisch vorteilhaft. Andererseits kann die frühere Periode gut
für die Jahre 1961-1966 herangezogen werden. Die neuere Periode wird hingegen für 2015 und für die Klimaprojek-
tionen (s. Abschnitt 2.2.4) genutzt. Die angepassten Funktionen sind in Abbildung 8 und Abbildung 9 dargestellt.
Abbildung 8: Funktionale Zusammenhänge von
e
lwc
/
e
s
von
rH
(relativer Feuchte) für den Zeitraum 1967-
1986. Es wird unterschieden zwischen Monaten und Höhenschichten.

image
Vorläufige Version – August 2021
| 27
Mit den dargestellten Ausgleichsfunktionen kann für jede Rasterzelle (Höhenwert), jeden Monat und jeden Tageswert
der relativen Feuchte ein Wert von
e
lwc
/
e
s
berechnet werden. Daraus kann mit der Temperatur
e
lwc
berechnet werden.
Daraus folgen ein Wert für den Flüssigwassergehalt (mit Temperatur) und anschließend der Nebelniederschlag (mit
Windgeschwindigkeit).
Die mit diesem Modell berechneten Nebelniederschläge (jeweils für beide Perioden – 1967-1985 bzw. 1995-2014 –
reanalysiert) zeigen noch charakteristische Abweichungen zu den ursprünglichen Nebelniederschlägen. Summa-
risch wird etwas zu viel Nebelniederschlag simuliert. Außerdem zeigt der Jahresgang im statistischen Modell ten-
denziell eine Überschätzung in den kälteren Monaten und eine Unterschätzung in den wärmeren Monaten. Damit
beide Effekte verhindert werden können, wird ein Quantil Mapping je Monat und Rasterzelle als Biaskorrektur (Piani
et al., 2010) vorgeschlagen. Dabei werden an beide Nebelwertkollektive nichtparametrische Verteilungsfunktionen
mittels Kernel Density Estimation (mitunter auch Kernel Density Smoothing für die Dichtefunktion genannt und an-
schließend integriert, Wilks, 2006) mit Gauss-Kernel angepasst. Aus beiden Datensätzen können über gleiche Quan-
tile Zuordnungstabellen (Lookup-Tabellen) aufgebaut werden.
Abbildung 9: Funktionale Zusammenhänge von
e
lwc
/
e
s
von
rH
(relativer Feuchte) für den Zeitraum 1995-
2014. Es wird unterschieden zwischen Monaten und Höhenschichten.

image
Vorläufige Version – August 2021
| 28
Mithilfe der beschriebenen Methoden können auf statistischer Basis Nebelniederschläge für alle Rasterzellen be-
rechnet werden. Die mittleren Jahressummen bzw. die maximalen Tagessummen des Nebelniederschlags im Zeit-
raum 1967-1986 werden in Abbildung 10 vergleichend für beide Nebelmodelle dargestellt. Es ist anzumerken, dass
in den Nebeldaten nach Bernhofer et al. (2017) von einer minimalen Vegetationshöhe von 0,1 m ausgegangen wird.
Für das statistische Modell hingegen wird der Global Forest Height Datensatz unverändert genutzt. Im Erzgebirgs-
bereich werden deshalb einige Punkte mit relativ hoher Abweichung beider Nebeldatensätze gefunden. Da in der
nächsten Version des Nebelniederschlags ebenfalls der unveränderte Datensatz der Waldhöhe verwendet werden
wird (Körner, 2019), wurde auf einen Minimalwert für das statistische Nebelmodell verzichtet.
Abbildung 10: Obere Reihe: mittlere Jahressumme des Nebelniederschlags, untere Reihe: maximale Ta-
gessumme des Nebelniederschlags. Linke Spalte: statistisches Nebelmodell, mittlere Spalte: Modell nach
Bernhofer et al. (2017), rechte Spalte: Differenz (positive Werte für höhere Werte des statistischen Modells).
Gültigkeit für den Zeitraum 1967-1986.
2.2.3
Korrektur des Nebelniederschlags
Im bereitgestellten Referenzdatensatz (1961-2015) wurde der darin enthaltene Niederschlagsinput um Nebelnieder-
schläge ergänzt, welche dem ReKIS-Portal entstammen (Bernhofer et al., 2017). Im Rahmen von hydrologischen
Wasserhaushaltssimulationen zeigte sich allerdings in den Kammlagen des Erzgebirges, dass mit dem zusätzlichen
Input aus dem Nebelniederschlag mitunter keine stimmigen Wasserhaushaltsbilanzen mehr erreicht werden konn-
ten. Wasser, welches ohne Nebelkorrektur zuvor teils gefehlt hatte und eine „Lücke“ in der Bilanz verursachte, war
nun in zu großen Mengen vorhanden und konnte weder durch Verdunstung noch Abfluss in ausreichenden Menge
aus dem System „abgeführt“ werden. Vor allem eine Abbildung von Niedrigwasserperioden mit geringen Durchfluss-
werten war damit nicht möglich. Da dieser Effekt nur in einem Bereich oberhalb von ca. 800 m NHN auftrat und sich
in allen anderen Gebieten stimmige WHH-Simulationen ergaben, sollte auch weiterhin mit dem Datensatz gearbeitet
werden. Die notwendige Weiterentwicklung des Datensatzes zum Nebelniederschlag, beruhend auf Messungen,
Analysen und der Ermittlung von physikalisch basierten Ansätzen, kann allerdings nicht innerhalb kurzer Zeitspannen
erfolgen. Um dennoch vor Projektabschluss zu einem Ergebnis zu gelangen, ergab sich die Anforderung zur Ver-
wendung eines relativ einfachen und wenig zeitintensiven Ansatzes zur Reduktion der teilweise sehr hohen Nebel-
niederschläge in den Kammlagen. In Abstimmung mit dem Referat 51 (Klima) sowie dem Referat 44 (Oberflächen-
wasser, Wasserrahmenrichtlinie) des LfULG wurde das Verfahren festgelegt.
Es erfolgte zunächst die Auswahl von geeigneten Pegelgebieten für weitere Untersuchungen. Hierbei zeigte sich,
dass kein Pegelgebiet eine mittlere Gebietshöhe von > 900 m NHN aufwies. Da diese Gebietslagen für die Untersu-

Vorläufige Version – August 2021
| 29
chungen wesentlich waren, wurde entschieden, auf die Teileinzugsgebietsebene überzugehen. Für diese Raum-
ebene konnten in vier Pegelgebieten insgesamt sieben Kopfgebiete mit mittleren Höhen von >900 m NHN ermittelt
werden:
Zwei Teileinzugsgebiete im Pegelgebiet Wiesa
Ein Teileinzugsgebiet im Pegelgebiet Sachsengrund
Drei Teileinzugsgebiete im Pegelgebiet Aue 1
Ein Teileinzugsgebiet im Pegelgebiet Annaberg 1
Für die Untersuchung erfolgten für die vier genannten Pegelgebiete Wasserhaushaltsberechnungen im Zeitraum
1990 bis 2001 unter Verwendung des Referenzdatensatzes und Nebelniederschlagsinputs. Relevante Ausgabe-
größe für die sieben Teileinzugsgebiete waren:
der Grundwasserspeicher GW,
der Bodenwasserspeicher BW sowie
die potentielle Verdunstung ETP und reale Verdunstung ETR.
Für letztere wurde die Differenz ermittelt: ET = ETP – ETR. Denn während ETP über den Simulationszeitraum keine
großen Veränderungen erfährt, ändert sich ETR mit der zunehmenden Wassermenge im System. Anschließend
wurde für alle Größen (GW, BW, ET) die Änderung zwischen Anfangszustand (t1) und Endzustand (t2) errechnet
und aufaddiert.
ä
=
∆(
2
1
)+
∆(
2
1
)+
∆(
2
1
)
Die so ermittelte Speicheränderung für jeden der sieben Datenpunkte (Teileinzugsgebiete) über den Simulations-
zeitraum wurde im Anschluss mit dem dazugehörigen Nebeleintrag FP ins Verhältnis gesetzt:
=
ä
Beträgt der Reduktionsfaktor 1, so ergibt sich keine Veränderung des Nebelniederschlags. Ist R < 1 folgt daraus eine
notwendige Verringerung des Nebeleintrags gegenüber dem Ausgangsdatensatz, um eine Zunahme der Wasser-
menge im System zu vermeiden.
Eine Darstellung der resultierenden Datenpaare aus Reduktionsfaktor R und mittlerer Gebietshöhe der Teileinzugs-
gebiete enthält Abbildung 11. Die daraus abgeleitete lineare Regressionsbeziehung lieferte für Höhen >900 m NHN
einen mittleren Reduktionsfaktor, mit welchem die Nebelniederschläge der entsprechenden Rasterzellen im Refe-
renzdatensatzes angepasst wurden.

image
image
Vorläufige Version – August 2021
| 30
Abbildung 11: Gegenüberstellung von ermittelten Reduktionsfaktoren (Nebelniederschlag) und mittlerer
Gebietshöhe für sieben Datenpunkte
Nebelniederschläge < 800 m NHN wurden nicht verändert. Für Nebeleinträge zwischen 800 – 900 m NHN erfolgte
die Ableitung eines mittleren Reduktionsfaktors aus den beiden Kurvenverläufen (<800 m NHN und >900 m NHN),
um einen nahtlosen Anschluss zu gewährleisten. Das Ergebnis der Nebelniederschlagsreduktion und der Vergleich
mit dem ursprünglichen Datensatz ist in Abbildung 12 zu sehen.
Abbildung 12: Vergleich der mittleren Niederschläge (P, grau), mittleren Niederschläge + Nebelinput
(P+PNebel, blau) sowie mittleren Niederschläge + reduziertem Nebelinput (P+PNebel_korr, grün) in Abhän-
gigkeit von der Höhe

image
image
Vorläufige Version – August 2021
| 31
Für die Höhenstufen 900-1000 m NHN, 1000-1100 m NHN sowie 1100-1200 m NHN ist eine deutliche Reduktion
des Nebelniederschlags von jeweils rund 200 mm/a erkennbar. Bis zu einer Höhe von 1000 m NHN ergibt sich nun
ein mittlerer Jahresniederschlag von 1400 mm/a, was als realistisch angesehen werden kann. Für die Höhenstufe
1100-1200 m NHN erscheint der Niederschlagsinput (inkl. Nebel) allerdings immer noch sehr hoch. Da diese Höhen-
stufe mit ihrem Flächenanteil in Sachsen aber keine Rolle spielt, wurde das Resultat als hinreichend angesehen.
Abbildung 13: Räumliche Verteilung des langjährigen mittleren Jahresniederschlags (1961-2015) inklusive
Nebel im Ausgangszustand
Abbildung 14: Räumliche Verteilung des langjährigen mittleren Jahresniederschlags (1961-2015) inklusive
angepasstem Nebel

image
Vorläufige Version – August 2021
| 32
Abbildung 15: Differenz der mittleren unveränderten Nebelniederschläge (1961-2015) abzüglich der ange-
passten mittleren Nebelwerte in ihrer räumlichen Verteilung
Die Abbildung 13 bis Abbildung 15 verdeutlichen noch einmal die Auswirkungen der Nebelniederschlagsreduktion in
ihrer räumlichen Verteilung. Der Effekt beschränkt sich auf den Erzgebirgskamm und kommt vor allem im Gebiet um
den Fichtelberg zum Tragen. Er wirkt sich aber in der Mulde auch auf die Unterliegergebiete aus, welchen nun
realistische Mengen aus den Oberliegern zufließen. Dies ergaben die abschließenden Untersuchungen.
Es ist anzumerken, dass es sich bei den durchgeführten Arbeiten um ergänzende Punkte handelte, welche nicht
Gegenstand des ursprünglichen Projektauftrags waren. Die Notwendigkeit dieser Arbeiten zur Ermittlung von plau-
siblen Wasserhaushaltsergebnissen wurde dargelegt und mit dem Auftragnehmer abgestimmt. Die Durchführung
erfolgte im Austausch gegen die in der Leistungsbeschreibung unter Arbeitspaket 3 angeführten Aufgaben (s. Ab-
schnitt 2.3). Diese waren nicht mehr erforderlich aufgrund einer Änderung im Rahmen der Optimierungsstrategie.
2.2.4
Klimaprojektionen
Für die Modellierung der projizierten hydrologischen Verhältnisse in den sächsischen Einzugsgebieten wurden me-
teorologische Eingangsdaten benötigt. Hierfür erfolgte die Bereitstellung von acht Klimarealisierungen, welche durch
das LfULG, Referat Klima aus einem größeren Ensemble ausgewählt und vom Lehrstuhl für Meteorologie, TU Dres-
den als interpolierte Rasterdatensätze übergeben wurden. Eine Übersicht der Klimarealisierungen enthält Tabelle 4.
Bei den acht ausgewählten Realisierungen handelt es sich um zwei Datensätze, welche dem A1B-Szenario (IPCC,
2007) folgen, sowie um sechs Projektionen, welche den aktuellen RCP-Szenarien (IPCC, 2014) entstammen. Sie
decken den Zeitraum von 1961 – 2100 ab und weisen die gleichen meteorologischen Eingangsgrößen auf täglicher
Basis wie der Referenzdatensatz (s. Abschnitt 2.2.1) mit Ausnahme des Nebelniederschlags auf. Um bezüglich des
Nebels konsistente Bedingungen zwischen dem Referenzdatensatz und den Klimarealisierungen zu schaffen, wur-
den die Klimadatensätze um die korrigierten und mit dem statistischen Nebelmodell (s. Abschnitt 2.2.2 und Abschnitt
2.2.3) ermittelten Nebelniederschläge ergänzt.
Die räumliche Auflösung beträgt wie beim Referenzdatensatz 1 x 1 km Rasterweite, da die stationsbasierten mete-
orologischen Größen mit demselben Regionalisierungsverfahren am Lehrstuhl für Meteorologie, TU Dresden inter-
poliert wurden.
Zum Hintergrund der Klimaszenarien sowie den zugrundliegenden Modellen soll an dieser Stelle nur eine kurze
Zusammenfassung gegeben werden, welche Spekat & Enke (2020, S. 7) entnommen ist. „Methodisch wird zur Ab-

Vorläufige Version – August 2021
| 33
schätzung des Klimawandels eine Kette verschiedener Modelle eingesetzt. Plausible Annahmen zu zukünftigen Ver-
änderungen von Bevölkerung, Wirtschaft, Technologie und anderen fundamentalen Steuerfaktoren werden in Form
von Szenarios entwickelt. Die Steuerfaktoren nehmen Einfluss auf den Ausstoß und den atmosphärischen Bestand
von Treibhausgasen. Diese wiederum dienen als Antrieb für globale Klimamodelle, die großräumige Klimaentwick-
lungen auf Grund des sich ändernden Anteils an Treibhausgasen simulieren.“ Im Rahmen des Ensembles kamen
verschiedene Globalmodelle wie zum Beispiel das Community Land Model (CLM) und das MPI-ESM mit ECHAM 5
(EH5) bzw. ECHAM 6 (EH6) zum Einsatz. Weitergehende Informationen zu CLM können Lawrence et al. (2018)
sowie der Internetseite
https://www.cesm.ucar.edu/models/clm/
entnommen werden. Details zum Modell MPI-ESM
finden sich in Giorgetta et al. (2013) sowie unter https://mpimet.mpg.de/en/science/models/mpi-esm/.
Den globalen Klimamodellen schließen sich in der Modellkette regionale Klimamodelle an. Damit lassen sich räum-
lich grob aufgelöste Ergebnisse globaler Klimamodelle auf die regionale Ebene mit höherer Auflösung übertragen.
Als regionales Klimamodell kam bei allen Klimaprojektionen die statistische Regionalisierungsmethode WEREX VI
zum Einsatz, welche in Spekat & Enke (2020) umfänglich beschrieben ist.
Die modellinternen Bezeichnungen der acht Klimarealisierungen innerhalb von WEREX VI finden sich in Tabelle 4,
Spalte 2. Für die weitere Nutzung im KliWES-Projekt wurde auf die jeweiligen Modellbezeichnungen verzichtet und
eine neue Kennung vergeben, welche in Tabelle 4, Spalte 1 aufgeführt ist.
Tabelle 4:
Liste der acht im KliWES-Projekt verwendeten Klimarealisierungen
Kennung im KliWES-
Projekt
Kennung in WEREX VI
(RCP-) Szenario
A1B_1
CLMr1A1B
A1B
A1B_2
EH5r1A1B
A1B
RCP2.6_1
EH6r2R26
R2.6
RCP2.6_2
EH6r1R26
R2.6
RCP4.5_1
EH6r1R45
R4.5
RCP4.5_2
EH6r2R45
R4.5
RCP8.5_1
Ca2r1R85
R8.5
RCP8.5_2
EH6r2R85
R8.5
Ganz allgemein lässt sich sagen, dass die ausgewählten Realisierungen den oberen Rand (RCP-Szenario 8.5),
einen mittleren Verlauf (RCP-Szenario 4.5) sowie den unteren Rand (RCP-Szenario 2.6) der klimatischen Entwick-
lung widerspiegeln. Damit stellt das RCP-Szenario 8.5 die ungünstigste Entwicklung dar. Die beiden zusätzlichen
A1B-Datensätze sollen vor allem dem Vergleich mit den neuen RCP-Szenarien dienen, da sie bisher häufig in der
Betrachtung zukünftiger klimatischer Entwicklungen verwendet wurden.
Es wird an dieser Stelle darauf hingewiesen, dass die acht Klimarealisierungen zwischen 1961 – 2015 nicht den
Beobachtungsdaten entsprechen. Bei jedem Projektionsdatensatz handelt es sich um einen zufallsgenerierten Lauf
der meteorologischen Größen, welcher nur hinsichtlich seiner statistischen Kennwerte mit den Beobachtungsdaten
vergleichbar ist. Dies zeigen exemplarisch die beiden nachfolgenden Abbildungen, welche die projizierte Entwicklung
des Niederschlags (Abbildung 16) und der mittleren Temperatur (Abbildung 17) als 20jähriges gleitendes Mittel der
Klimarealisierungen und der Beobachtungsdaten (Ist-Zustand) für Sachsen gegenüberstellen. Die Werte des Ist-
Zustands weichen dabei in ihrem Verlauf teils deutlich erkennbar von den verschiedenen Realisierungen ab. Und
während sie sich bei der Temperatur zwischen 1961 - 2015 den Realisierungen annähern, nimmt beim Niederschlag
die Abweichung teilweise zu.

image
image
Vorläufige Version – August 2021
| 34
Abbildung 16: Entwicklung des projizierten Niederschlags der Klimarealisierungen als 20jähriges gleiten-
des Mittel in Sachsen und Gegenüberstellung mit den Beobachtungsdaten (Quelle: neue KliWES-Anwen-
dung im Wasserhaushaltsportal Sachsen)
Abbildung 17: Entwicklung der projizierten mittleren Temperatur der Klimarealisierungen als 20jähriges
gleitendes Mittel in Sachsen und Gegenüberstellung mit den Beobachtungsdaten (Quelle: neue KliWES-
Anwendung im Wasserhaushaltsportal Sachsen)
Ganz allgemein weisen alle acht Realisierungen bis 2100 eine Abnahme der jährlichen Niederschläge auf (s. Abbil-
dung 16), wobei die Stärke des Trends teils sehr unterschiedlich ist und insgesamt eine große Spannweite gegen
Ende des 21. Jahrhunderts vorliegt.
Gleichzeitig zeigt die projizierte Entwicklung der Lufttemperatur (Abbildung 17) einen Temperaturanstieg, welcher in
allen acht Klimarealisierungen auftritt. Die Realisierung RCP8.5_1 weist dabei die deutlichste Zunahme der mittleren
Lufttemperatur und gleichzeitig den stärksten Rückgang des Niederschlags bis 2100 auf (Abbildung 17, dunkelblaue
Linie). Die Klimaprojektion RCP2.6_1 hat hingegen einen vergleichsweise moderaten Rückgang des Niederschlags
und die geringste Zunahme der mittleren Lufttemperatur (Abbildung 16 und Abbildung 17, orange Linie).

image
Vorläufige Version – August 2021
| 35
Umfangreichere Informationen und Hintergründe zu den Klimamodellen, den verwendeten Datengrundlagen sowie
den Klimarealisierungen können Spekat & Enke (2020) entnommen werden. Weitergehende Angaben zu den Kli-
maszenarien finden sich im 4. und 5. IPCC-Report (IPCC, 2007 und 2014).
2.2.5
Meteorologischer Eingangsdatensatz zur Simulation der Trockenjahre 2018 und 2019
Der für den Ist-Zustand verwendete meteorologische Eingangsdatensatz (Referenzdatensatz) deckt gegenwärtig
den Zeitraum zwischen 1961 – 2015. Um den Einfluss und die Auswirkungen der Trockenjahre zwischen 2018 und
2019 für vier ausgewählte Einzugsgebiete simulieren zu können, war daher die Erstellung eines zusätzlichen Ein-
gangsdatensatzes erforderlich. Grundlage dieses Datensatzes sind im ReKiS-Portal verfügbare tägliche Beobach-
tungsdaten im Zeitraum zwischen dem 01.01.2010 bis zum 28.02.2020 von Niederschlags- und Klimastationen. Das
Jahr 2020 konnte nicht vollständig berücksichtigt werden, da zum Zeitpunkt der Datenabfrage und Bearbeitung die-
ses Projektabschnitts die Beobachtungsdaten im ReKiS-Portal nur bis zum 28.02.2020 vorlagen.
Für jedes der vier Pegeleinzugsgebiete (Jänkendorf 1, Markersbach 1, Merzdorf, Schönau) wurden mehrere Nieder-
schlagsstationen sowie jeweils mindestens zwei Klimastation herangezogen. Eine Übersichtskarte zur Lage der Pe-
geleinzugsgebiete sowie der Niederschlags- und Klimastationen enthält Abbildung 18.
Abbildung 18: Übersichtskarte zur Lage von Klima- und Niederschlagsstationen in Sachsen sowie vier
Testeinzugsgebieten für die Modellierung der Trockenjahre von 2018 – 2020
Die Datenreihen wurden auf Vollständigkeit bzw. Lücken geprüft. Das Vorliegen aller notwendigen meteorologischen
Größen für die Wasserhaushaltsmodellierung war hierbei von Bedeutung. Abgesehen von der Größe Windgeschwin-
digkeit war dies gegeben. Einige Klimastationen wiesen allerdings keine Messwerte der Windgeschwindigkeiten auf.
Es musste daher sichergestellt werden, dass in jedem Einzugsgebiet mindestens eine Klimastation Windgeschwin-
digkeiten erfasste und diese Reihen durchgängig sind. In den Gebieten Markersbach 1 mit vier Klimastationen und
Merzdorf mit drei Klimastationen traten diesbezüglich keine Lücken aus. Für die Gebiete Schönau mit zwei Klimas-
tationen (Hoyerswerda und Kubschütz-Bautzen) sowie Jänkendorf 1 mit ebenfalls zwei Klimastationen (Görlitz und

image
Vorläufige Version – August 2021
| 36
Kubschütz-Bautzen) mussten hingegen die Messreihen der Windgeschwindigkeit aufbereitet werden, da an der Sta-
tion Kubschütz-Bautzen kein Wind gemessen wird. Um die Lücken in den Winddaten der Stationen Hoyerswerda
und Görlitz zu schließen, wurden diese mit der Klimastation Dresden-Klotzsche zunächst auf Korrelationen überprüft.
Im Ergebnis zeigte sich eine hohe Korrelation von 0,84 zwischen Dresden-Klotzsche und Hoyerswerda sowie von
0,83 zwischen Dresden-Klotzsche und Görlitz. Ausgehend von diesen hohen Korrelationen, welche einen deutlichen
Zusammenhang zwischen den Windmessreihen ausdrücken, erfolgte eine Regressionsanalyse. Mithilfe der ermit-
telten Regressionsgleichungen wurden die Lücken in den Winddaten der Klimastationen Hoyerswerda und Görlitz
geschlossen.
Darüber hinaus war für alle vorhandenen Windgeschwindigkeiten die Umrechnungen von 10m auf 2m über der Ge-
ländeoberfläche notwendig. Hierfür wurde folgende Gleichung verwendet:
(2 )=
(10 )∗
ቀ2
0
ቀ10
0
Für die Rauhigkeitslänge
0
wurde entsprechend der DWD-Messstandards ein Wert von 0,02m eingesetzt, für die
Verdrängungshöhe
ein Wert von 0,1m.
Im Gegensatz zum Referenzdatensatz und den Klimaprojektionen erfolgte für die Stationsdaten keine räumliche
Interpolation auf Raster. Stattdessen wurden die Stationsreihen mithilfe des im Wasserhaushaltsmodell ArcEGMO
implementierten Quadrantenverfahrens räumlich interpoliert. Genauere Ausführungen zum Verfahren können der
Dokumentation zu ArcEGMO entnommen werden. Die Interpolation der meteorologischen Daten erfolgte jeweils für
die einem Testgebiet zugeordneten Stationen, so dass im Ergebnis vier Datensätze vorlagen.
Um die Güte der erzeugten Datensätze und die Pass- bzw. Anschlussfähigkeit zum Referenzdatensatz zu prüfen,
wurden die meteorologischen Eingangsdatensätze der Testgebiete für den Zeitraum von 2010 bis 2015 dem Refe-
renzdatensatz gegenübergestellt. Die Eingangsdatensätze der Testgebiete werden nachfolgend als REKIS-Daten
bezeichnet.
Abbildung 19: Gegenüberstellung des monatlichen Gebietsniederschlags von 2000-2020 basierend auf
dem Referenzdatensatz (RDS, schwarze Linie) und dem REKIS-Datensatz (rote Linie) für das Einzugsgebiet
Jänkendorf 1

image
Vorläufige Version – August 2021
| 37
Für die drei Einzugsgebiete Merzdorf, Jänkendorf 1 und Schönau konnte eine gute Passfähigkeit zum Referenzda-
tensatz festgestellt werden. Dies zeigen exemplarisch die Abbildung 19 für das Gebiet Jänkendorf 1 und Abbildung
20 für das Gebiet Merzdorf. Darin ist der Verlauf der monatlichen Gebietsniederschläge im Zeitraum zwischen 2000
und 2020 basierend auf dem Referenzdatensatz (RDS) und dem Datensatz basierend auf den Stationswerten aus
dem ReKiS-Portal dargestellt. Um Überlappungszeitraum von 2010 bis 2015 sind die Verläufe der beiden Kurven
nahezu deckungsgleich.
Abbildung 20: Gegenüberstellung des Gebietsniederschlags von 2000-2020 basierend auf dem Referenz-
datensatz (RDS, schwarze Linie) und dem REKIS-Datensatz (rote Linie) für das Einzugsgebiet Merzdorf
Auffallend sind die hohen Niederschlagsmengen im Zeitraum von 2010 bis 2014 (s. Abbildung 19 und Abbildung 20)
mit Werten von teils > 125 mm/mon. Für Jänkendorf 1 ergibt sich für den genannten Zeitraum ein durchschnittlicher
jährlicher Niederschlag von ca. 850 mm/a. Das Jahr 2010 weist dabei mit rund 1000 mm/a einen besonders hohen
Wert auf, wie auch die räumliche Verteilung des Niederschlags im Gebiet Jänkendorf 1 zeigt (s. Abbildung 22). Die
Jahre 2015 bis 2017 liegen im Mittel (ca. 770 mm/a) nur leicht darunter. Demgegenüber sind die Jahre 2018 mit rund
480 mm/a und 2019 mit etwa 630 mm/a Jahresniederschlag sehr trocken, wie in Abbildung 21 dargestellt ist.
Ein ähnliches Bild zeigt sich auch im Einzugsgebiet Merzdorf (s. Abbildung 20), in welchem die durchschnittliche
jährliche Niederschlagsmenge von 2010 bis 2014 rund 730 mm/a und in den Jahren von 2015 bis 2017 ca. 690 mm/a
beträgt. Im Gegensatz dazu weisen die Jahre 2018 und 2019 einen Jahresniederschlag von rund 440 mm/a bzw.
550 mm/a auf. Eine Darstellung der räumlichen Verteilung des Gebietsniederschlags in den Jahren 2017, 2018 und
2019 basierend auf dem REKIS-Datensatz für die Einzugsgebiete Merzdorf und Schönau findet sich im Anhang
(Abbildung 4 sowie Abbildung 5).
Der Verlauf des monatlichen Gebietsniederschlags von 2000-2020, basierend auf dem Referenzdatensatz und dem
REKIS-Datensatz, im Einzugsgebiet Schönau ist mit den Gebieten Jänkendorf 1 und Merzdorf vergleichbar. Die
Graphik kann dem Anhang (Abbildung 6) entnommen werden.

image
image
Vorläufige Version – August 2021
| 38
Abbildung 21: Räumlichen Verteilung des Gebietsniederschlags der Jahre 2017, 2018 und 2019 basierend
auf dem REKIS-Datensatz für das Einzugsgebiet Jänkendorf 1
Abbildung 22: Gegenüberstellung der räumlichen Verteilung des Gebietsniederschlags 2010 basierend auf
dem Referenzdatensatz (RDS, rechts) und dem REKIS-Datensatz (links) für das Einzugsgebiet Jänkendorf 1

image
Vorläufige Version – August 2021
| 39
Hinsichtlich der räumlichen Verteilung der Gebietsniederschläge weisen beide Datensätze (RDS und REKIS) eine
große Ähnlichkeit auf, wie in Abbildung 22 am Beispiel des Jahresniederschlags von 2010 für das Einzugsgebiet
Jänkendorf 1 zu sehen ist. Dies trifft auch auf die weiteren Jahre von 2011 bis 2015 zu, wie die Abbildung 7 sowie
Abbildung 8 im Anhang für die Jahre 2012 und 2015 zeigen. Das gleiche Bild zeigt sich in den beiden Gebieten
Merzdorf und Schönau, weswegen hier auf eine Darstellung verzichtet wird.
Da in allen drei Einzugsgebieten keine starke orographische Gliederung vorliegt, konnten ausgehend von den Stati-
onsdaten aus dem ReKiS-Portal und der modellinternen Interpolationsmethode plausible Datensätze für die Gebiete
generiert werden. Damit waren sie für den Einsatz in der hydrologischen Modellierung der Trockenjahre 2018 und
2019 geeignet.
Anders stellt sich die Situation im orographisch stark gegliederten Einzugsgebiet Markersbach 1 dar, welches unmit-
telbar am Fichtelberg liegt (s. Abbildung 18). Während der Verlauf der monatlichen Gebietsniederschläge im Zeit-
raum zwischen 2000 und 2020 für den RDS und den REKIS-Datensatz noch eine gute Passfähigkeit andeutet (s.
Abbildung 23), zeigen sich in der räumlichen Verteilung der Gebietsniederschläge am Beispiel des Jahres 2010
große Unterschiede (s. Abbildung 24).
Abbildung 23: Gegenüberstellung des Gebietsniederschlags von 2000-2020 basierend auf dem Referenz-
datensatz (RDS, schwarze Linie) und dem REKIS-Datensatz (rote Linie) für das Einzugsgebiet Markers-
bach 1
Das ausgeprägte Nord-Süd-Gefälle des Einzugsgebietes spiegelt sich auch in der Niederschlagsverteilung basie-
rend auf dem RDS wider. Der Jahresniederschlag, beispielhaft für das Jahr 2010 dargestellt (Abbildung 24, rechte
Darstellung), liegt im nördlichen Einzugsgebietsteil im Bereich von 1100 mm/a bis 1200 mm/a. In den Kammlagen
treten hingegen über 2000 mm/a auf. Demgegenüber weisen die Jahresniederschläge entsprechend des ReKiS-
Datensatzes eine deutlich geringe Spannweite zwischen 1500 mm/a bis über 2000 mm/a auf. Das Nord-Süd-Gefälle
ist in der räumlichen Verteilung der Niederschläge im ReKiS-Datensatzes zwar erkennbar (Abbildung 24, linke Dar-
stellung), fällt aber gegenüber dem Referenzdatensatz geringer aus. Ergänzende Darstellungen der Niederschlags-
verteilung in den Jahren 2012 und 2015 für Markersbach 1 finden sich im Anhang (Abbildung 9 und Abbildung 10).

image
image
Vorläufige Version – August 2021
| 40
Abbildung 24: Gegenüberstellung der räumlichen Verteilung des Gebietsniederschlags 2010 basierend auf
dem Referenzdatensatz (RDS, rechts) und dem REKIS-Datensatz (links) für das Einzugsgebiet Markers-
bach 1
Abbildung 25: Räumlichen Verteilung des Gebietsniederschlags der Jahre 2017, 2018 und 2019 basierend
auf dem REKIS-Datensatz für das Einzugsgebiet Markerbach 1

Vorläufige Version – August 2021
| 41
Der Rückgang der Niederschläge in den Jahren 2018 und 2019 gegenüber den Werten des Zeitraums von 2010 bis
2017 ist, ebenso wie in den anderen drei Einzugsgebieten, deutlich zu erkennen (s. Abbildung 23 und Abbildung 25).
Im Ergebnis zeigen sich für die zeitlichen Verläufe des Gebietsmittelniederschlags für Markersbach 1 zwar vergleich-
bare Werte, wie Abbildung 23 zeigt, die räumliche Verteilung weicht aber deutlich voneinander ab. Damit bietet der
Datensatz, basierend auf den Stationswerten aus dem ReKiS-Portal und der modellintern durchgeführten Interpola-
tion der Stationswerte, nur eine begrenzte Aussage für die Bewertung der Trockenjahre 2018 und 2019. An dieser
Stelle wäre ein komplexeres Regionalisierungsverfahren für die Stationsreihen notwendig, um den orographischen
Gegebenheiten Rechnung zu tragen. Dies war im Rahmen des Projekts nicht vorgesehen.
2.2.6
Durchflussdaten
Um für die spätere Modellkalibrierung und -validierung möglichst aktuelle Durchflussdaten zu nutzen, wurde u.a. auf
das iDA-Portal des LfULG zurückgegriffen. Ebenso erfolgten Datenbereitstellungen unmittelbar durch das LfULG
und die Landestalsperrenverwaltung Sachsen (LTV). Für drei Pegel außerhalb der sächsischen Landesgrenze im
Flussgebiet der Weißen Elster lieferte das Thüringer Landesamt für Umwelt, Bergbau und Naturschutz (TLUBN) die
erforderlichen Daten. Zusätzlich wurden auch bereits am IHM, TU Dresden vorhandene Durchflussreihen verwendet.
Diese endeten im Allgemeinen im Jahr 2010 bzw. 2014 und wurden bis 2015 verlängert, sofern aktuelle Daten an
den betreffenden Pegeln vorlagen.
Alle Durchflussdaten wurden einer umfangreichen Prüfung auf Lücken und Datenfehler unter Berücksichtigung von
eventuell vorliegenden Einflussfaktoren (soweit bekannt) unterzogen. Beeinflussungen wurden erfasst und im Falle
des Rothschönberger Stollns aus den Pegeln Munzig und Garsebach herausgerechnet. Eine Liste der verwendeten
Pegel befindet sich im Anhang (Abbildung 11).
Weiterführende Erläuterungen hinsichtlich des Einsatzes zu Kalibrierungs- bzw. Validierungszwecken sind in Kapitel
3.4 zu finden.
2.3 DIFGA-Analysen
Entsprechend der Aufgabenstellung war eine Aktualisierung der DIFGA-Analysen sowie eine Regionalisierung von
ermittelten DIFGA-Parametern durchzuführen. Bei den DIFGA-Analysen handelt es sich um eine Methode zur Ab-
leitung von verschiedenen Wasserhaushaltsgrößen aus Beobachtungsdaten von Niederschlag und Durchfluss. Zu-
sätzlich werden drei Parameter zur Beschreibung der Grundwasserspeicher ermittelt. Hierbei handelt es sich um die
Speicherkonstanten eines schnellen und eines langsamen Grundwasserspeichers (CG1 und CG2) sowie um einen
Aufteilungsparameter (SG1grenz), welcher den Zufluss zum jeweiligen Speicher bestimmt. Eine genaue Beschrei-
bung des Verfahrens kann Schwarze (1985) sowie Schwarze et al. (2014) entnommen werden.
Analysen des Wasserhaushalts sächsischer Einzugsgebiete wurden bereits im vorangegangenen KliWES-Projektteil
mit dem DIFGA-Verfahren erstellt. In der aktuellen Studie wurde auf dieselben 114 Pegeleinzugsgebiete, auch als
DIFGA-Gebiet bezeichnet, zurückgegriffen. Die Analyse erfolgte für den Zeitraum von 1961 – 2015. Im Zusammen-
hang mit der Aufbereitung der Eingangsdaten für die DIFGA-Analysen wurde der korrigierte Niederschlag um den
Nebelniederschlag ergänzt, um konsistente Eingangsdaten für DIFGA-Analysen und Wasserhaushaltsberechnun-
gen für den Beobachtungszeitraum zu erlangen und damit eine Vergleichbarkeit zu gewährleisten. Genauere Anga-
ben zum Nebelniederschlag finden sich im Abschnitt 2.2.2 sowie 2.2.3.
Das bisherige DIFGA-Gebiet Cranzahl wurde nach eingehenden Untersuchungen der Durchflussreihe und dem fest-
gestellten großen Einfluss des Hanggrabens, welcher nicht herausgerechnet werden konnte, aus dem Datenbestand
genommen. Demgegenüber konnte mit dem Pegelgebiet Ortrand (Gewässer: Pulsnitz) ein neues DIFGA-Gebiet
hinzugefügt werden. Die Gesamtanzahl der DIFGA-Gebiete liegt damit weiterhin bei 114 Einzugsgebieten.
Die erstellten DIFGA-Analysen dienen im KliWES-Projekt u.a. als Grundlage für die Optimierung der ArcEGMO-
Modelle (s. Abschnitt 4.1). Zudem wurden die ermittelten Speicherparameter der Grundwasserspeicher (CG1, CG2
und SG1grenz) im Anschluss in die Wasserhaushaltsmodelle übernommen. Um diese neben den DIFGA-Gebieten

Vorläufige Version – August 2021
| 42
auch für alle weiteren Flächen Sachsens zu erhalten, wurden im vorangegangenen KliWES-Projektteil Regressions-
beziehungen erstellt und die drei genannten Parameter auf alle weiteren Teileinzugsgebiete Sachsens übertragen.
Die Methodik ist in Schwarze et al. (2014) ausführlich beschrieben. Dasselbe Vorgehen war auch im Rahmen der
aktuellen KliWES-Studie geplant. Hierfür sollten die bereits bestehenden Regressionsbeziehungen überarbeitet wer-
den, um die aktualisierten Datengrundlagen einzubinden. Im Ergebnis wäre jedem sächsischen Teileinzugsgebiet
ein Parametersatz zur Beschreibung der Grundwasserspeicher zugeordnet worden. Letztlich wurde in der Bearbei-
tung ein davon abweichendes Vorgehen gewählt, welches nachfolgend beschrieben wird.
Ausgangspunkt war das Vorliegen eines großen Bestandes an bereits durchgeführten DIFGA-Analysen am IHM, TU
Dresden. Im Ergebnis jeder DIFGA-Analyse lagen u.a. die Parameter CG1, CG2 und SG1grenz vor. Zudem war
jedem untersuchten Pegeleinzugsgebiet im Rahmen der Analyse eine dominierende Lithofazieseinheit (auch hydro-
geologische Einheit) zugeordnet worden. Grundlage für die Zuordnung der Lithofazieseinheiten waren die HÜK200
sowie die GÜK200 (s. Abschnitt 2.1.4). Eine Übersicht der hydrogeologischen Einheiten enthält Tabelle 32. Für einen
Großteil der hydrogeologischen Einheiten lagen jeweils etwa 20 bis 30 DIFGA-Analysen mit den abgeleiteten Para-
metern CG1, CG2 und SG1grenz vor. Diese stammten aus dem KliWES-Projekt sowie aus anderen am IHM, TU
Dresden durchgeführten Studien.
Basierend auf den umfangreich vorliegenden DIFGA-Analysen erfolgte nun eine Auswertung der drei Parameter
CG1, CG2 und SG1grenz für jede hydrogeologische Einheit. Hierbei wurden der Median, der minimale sowie der
maximale Wert für CG1, CG2 und SG1grenz ermittelt. Die Verknüpfung der Lithofazieseinheiten mit den Medianwer-
ten von CG1, CG2 und SG1grenz ermöglichte die Integration dieser Parameter in die HÜK200/GÜK200. Mit der
Einbindung in die Geodatengrundlage gingen die Parameter direkt mit in die Hydrotopbildung ein (s. Kapitel 3). Somit
war eine Regionalisierung der Grundwasserspeicherparameter für die Teileinzugsgebietsebene nicht mehr erforder-
lich.
2.4 Festlegung Bearbeitungsraum
Der bisher verwendete Bearbeitungsraum (siehe Abbildung 26) wurde im Rahmen der aktuellen Projektphase ange-
passt. In den vorangegangenen, bis Ende 2016 abgeschlossenen KliWES-Teilprojekten fanden der Elbeschlauch im
Bereich der Überflutungsflächen des Hochwassers von 2002 sowie die vom Braunkohlenbergbau beeinflussten Ge-
biete im Leipziger Raum und Lausitzer Raum bislang keine Berücksichtigung. Einerseits konnten die dort ablaufen-
den Prozesse mit der damals verfügbaren ArcEGMO-Version (Stand 2013) teilweise nicht abgebildet werden. Dies
betraf z.B. die Wechselwirkungen von Grund- und Oberflächenwasser auf Auenflächen. Andererseits sind umfang-
reiche Standortinformationen und komplexe Grundwasser-Strömungsmodelle erforderlich, um die relevanten Was-
serhaushaltsprozesse in den stark anthropogen beeinflussten Gebieten der Tagebaureviere in der Lausitz und im
Großraum Leipzig hinreichend belastbar abbilden zu können. Daraus resultierten „Lücken“ im bisherigen Ergebnis-
raum, welche in Abbildung 26 als weiße Flächen dargestellt sind.

image
image
Vorläufige Version – August 2021
| 43
Abbildung 26: Karte zum bisherigen Bearbeitungsraum im Projekt KliWES (dunkelgrüne Fläche) und der
Landesgrenze Sachsens (schwarze Linie)
Abbildung 27: Karte zum aktualisierten KliWES-2.0- Bearbeitungsraum (hellgrüne Fläche), weiteren Pro-
jektbereichen (gelbe Fläche (NEYMO-NW); braune Fläche (Großraum Leipzig)) und der Landesgrenze Sach-
sens (schwarze Linie)

Vorläufige Version – August 2021
| 44
Für den Großraum Leipzig konnte im Rahmen eines LfULG-Projekts durch IGBW Leipzig und BAH Berlin (Mansel et
al., 2019) eine regionalspezifische Wasserhaushaltsmodellierung realisiert werden. Im Anschluss erfolgte die Über-
nahme der Ergebnisse in das Wasserhaushaltsportal Sachsen. Der Ergebnisraum dieses Projekts ist in Abbildung
26 als braune Fläche gekennzeichnet. Der tatsächliche Bearbeitungsraum war etwas größer und ist durch die
schwarz schraffierte Fläche zu erkennen. Hierdurch gab es eine gewünschte Überlappung mit dem KliWES-Raum,
welche in Abbildung 26 die grüne Fläche mit schwarzer Schraffur verdeutlicht.
Die Grenze dieser Projektbearbeitungsräume im Leipziger Gebiet muss aus methodischen und inhaltlichen Gründen
vorerst beibehalten werden. Die bisher noch bestehende Lücke zwischen diesen beiden Räumen im südlichen Rand-
bereich des Leipziger Gebietes wurde nun durch eine Erweiterung des derzeitigen KliWES-Bearbeitungsraumes
geschlossen. Dies zeigt Abbildung 27.
Für das Flusseinzugsgebiet der Lausitzer Neiße erfolgten die Wasserhaushaltsberechnungen im Rahmen des inter-
national (EU) konzipierten NEYMO-NW-Projekts am LfULG. Da hierfür ebenfalls das Modell ArcEGMO verwendet
wurde, sind somit auch für die sächsischen Gebietsteile des Flusseinzugsgebietes der Lausitzer Neiße weitestge-
hend konsistente Ergebnisse zu erwarten, welche mit in die KliWES-Anwendung des Wasserhaushaltsportals Sach-
sen integriert werden sollen. Aufgrund der Verwendung desselben Modells mit möglichst den gleichen Ansätzen und
ähnlichen Datengrundlagen wurde hier ein Überlappungsbereich als nicht notwendig erachtet. Die Übergabe der
Daten und Ergebnisse aus dem NEYMO-NW-Projekt an IHM, TU Dresden erfolgte bereits. Die Integration in das
Wasserhaushaltsportal wird angestrebt.
Für das Lausitzer Tagebaurevier wird eine ähnliche Lösung wie im Leipziger Raum angestrebt, mit einer eigenstän-
digen Modelllösung und der anschließenden Übernahme der Ergebnisse in das Wasserhaushaltsportal. Hierzu
wurde eine Ausgrenzung des vom Braunkohlentagebau beeinflussten Gebietes in der Lausitz vorgenommen, wel-
ches in Abbildung 27 als gelbe Fläche mit schwarzer Schraffur dargestellt ist. Die Informationen zur Ausgrenzung
des Tagebaureviers stammen aus zwei verschiedenen Datengrundlagen. Zum einen handelte es sich um die BK50
(s. Kapitel 2.1.2), in welcher anthropogen beeinflusste Böden ausgewiesen werden, und zum anderen um Karten
aus dem Geodatenportal der Lausitzer und Mitteldeutschen Bergbau-Verwaltungsgesellschaft mbH (LMBV). Das
Kartenmaterial enthält Informationen zu den Bereichen, in denen die Bergaufsicht durch die LMBV beendet wurde
und den geotechnischen Sperrbereichen. Daraus lassen sich Rückschlüsse auf die durch den Braunkohlentagebau
beeinflussten Gebiete ziehen.

image
Vorläufige Version – August 2021
| 45
3 Hydrotopbildung und Modellaufbau
In ArcEGMO existieren die räumlichen Modellierungsebenen Gebiet, Teilgebiet und Hydrotop mit jeweils zugeord-
neten Modellparametern. Hydrotope werden auch als Elementarflächen bezeichnet und stellen die kleinste Flächen-
einheit bezüglich der Berechnung von Wasserhaushaltsgrößen dar. Die bisher verwendete Hydrotopstruktur stammt
aus dem Jahr 2012 (Schwarze et al., 2012). Im Zuge der KliWES-Fortschreibung erfolgte ein Neuaufbau der Hydro-
topstruktur aufgrund der umfänglich aktualisierten Geodatenbasis (s. Abschnitt 2.1).
Vergleiche zwischen den alten und den aktualisierten Datengrundlagen zeigten teils erhebliche Abweichungen auf,
sowohl inhaltlich als auch in den räumlichen Strukturen, wie in Hauffe et al. (2019) dargelegt wird. Exemplarisch soll
hier die Überlagerung der aktuellen Bodenkarte BK50 mit der alten Hydrotopstruktur auf Basis der BKkonz für das
Testgebiet Schönau in Abbildung 28 gezeigt werden. In einem Großteil der Hydrotope befindet sich mehr als ein
Bodenpolygon. Damit war die Integration der neuen Datengrundlagen in die vorhandene Hydrotopstruktur nicht sinn-
voll und sehr zeitaufwändig. Aufgrund dessen erfolgte für den aktuellen Bearbeitungsraum des KliWES-Fortschrei-
bungs-Projektes eine erneute Hydrotopbildung u.a. mit Bezug zur aktuellen Bodenkarte BK50.
Abbildung 28: Ausschnitt aus dem Testgebiet Schönau (südlicher Teil) mit Überlagerung der aktuellen Bo-
denkarte BK50 und der bisherigen Hydrotopstruktur auf Basis der BKkonz
Da mehr Datengrundlagen als zuvor in die Bildung der Hydrotope eingingen, wurde deren Verschneidung sowie die
sinnvolle Attributierung der entstandenen Hydrotope untersucht. Im Folgenden wird die Hydrotopbildung schrittweise
erläutert, wobei der Fokus auf den methodischen Unterschieden bzw. Weiterentwicklungen gegenüber der alten
Version liegt.
Die Bildung der Hydrotope basierte auf vier Datengrundlagen:
Teileinzugsgebietsgrenzen,
Boden,
Landnutzung und
Geologie.

image
Vorläufige Version – August 2021
| 46
Letztere kam hinzu, da für die Modellierung von Auenflächen in ArcEGMO (s. Abschnitt 3.2) eine Anbindung der
Lithofazieseinheit je Hydrotop anstatt je Teilgebiet benötigt wurde. Die separate Ausweisung der Auenflächen er-
folgte mithilfe von Informationen aus dem Landcover-Datensatz für Auenbereiche (s. Abschnitt 2.1.3).
Durch die Verschneidung der Datengrundlagen im Rahmen der Hydrotopbildung entstanden einerseits Kleinstflä-
chen. Andererseits ergaben sich in Gebieten mit überwiegend grobaufgelösten Datengrundlagen aber auch ver-
gleichsweise große Hydrotope von mehreren Quadratkilometern. Diese entstanden überwiegend in Einzugsgebiets-
teilen auf tschechischer Seite. Die dort vorliegenden Höhenunterschiede innerhalb der Hydrotopgrenzen konnten
nicht gut abgebildet werden. Um dem entgegenzuwirken, erfolgte in den Gebirgsregionen (> 600 m NHN) eine Be-
rücksichtigung des digitalen Geländemodells. Aus diesem wurden Isolinien mit Abständen von 50 Höhenmetern ab-
geleitet und bei der Verschneidung der einzelnen Datengrundlagen hinzugezogen.
Die Vielzahl von Kleinstflächen resultierte wiederum vor allem aus der hohen Auflösung der Landnutzung. Daher war
eine anschließende Generalisierung erforderlich, welche immer eine Abwägung zwischen möglichst genauer Abbil-
dung der realen Verhältnisse, vorhandener Geodatenbasis und der benötigten Modellrechenzeiten darstellt. Dieser
Kompromiss spiegelt sich in der Festlegung einer Mindestgröße der Hydrotope wider, für welche nochmals Untersu-
chungen anhand des Testgebietes Schönau durchgeführt wie auch bereits vorliegende Betrachtungen aus einer
früheren Projektphase herangezogen wurden.
In Schwarze et al. (2012) erfolgten Untersuchungen hinsichtlich des Einflusses der Mindestgröße auf die Rechenzeit
von ArcEGMO für ehemalige Testgebiete im Einzugsgebiet der Spree. Betrachtet wurde eine Simulationsdauer von
45 Jahren. Wie zu erwarten, erhöht sich die Rechenzeit von ArcEGMO bei abnehmender Mindestgröße der Hydro-
tope (s. Abbildung 29). Außerdem ist erkennbar, dass sich die Rechenzeiten für die Mindestgrößen von 10.000 m
2
,
100.000 m
2
und 250.000 m
2
kaum unterschieden. Dies sprach bei gleichzeitiger Betrachtung von Tabelle 5 für eine
durchschnittliche Mindestgröße von höchstens 10.000 m
2
. Bei Überschreitung dieser Grenze geht die höhere Auflö-
sung der neuen Datengrundlage weitestgehend verloren. Gleichzeitig verringert sich die Rechenzeit von ArcEGMO
aber nur minimal.
Abbildung 29: Abhängigkeit der Rechenzeit von ArcEGMO (hier für 45 Simulationsjahre) und der Anzahl
der Hydrotope bei verschiedenen Mindestgrößen (entnommen aus Schwarze et al., 2012)

Vorläufige Version – August 2021
| 47
Ausgehend von dieser Untersuchung wurden Hydrotope mit verschiedenen Mindestgrößen (< 100.000 m²) für das
Testgebiet Schönau (s. Tabelle 5) erstellt, um einen Eindruck von der zu erwartenden Hydrotopanzahl zu erhalten.
Durch die Nutzung der neuen, detaillierteren Datengrundlagen sowie die Verwendung von weiteren Daten-Layern
bei der Hydrotopbildung ergab sich im Gegensatz zur bisherigen Methode eine deutlich größere Hydrotopanzahl.
Tabelle 5 zeigt die jeweilige Hydrotopanzahl bei Festlegung von drei verschiedenen Mindestgrößen – von 100 m²
bis 100.000 m
2
. Das Testgebiet Schönau wies in der bisherigen Hydrotopstruktur 259 Hydrotope auf. Demgegenüber
ergaben sich mit der aktualisierten Datengrundlage insgesamt 282 Hydrotope bei einer Mindestgröße von
100.000 m².
Tabelle 5:
Anzahl und mittlere Größe der Hydrotope im Testgebiet Schönau in Abhängigkeit verschie-
dener Mindestgrößen, Vergleich von bisheriger und neuer Hydrotopstruktur
Hydrotopstruktur
Mindestgröße
[m
2
]
Anzahl Hydrotope
in Schönau
mittlere Größe
[m x m]
Bisher
> 100.000
259
639 x 639
mit neuer Daten-
grundlage
ohne
10139
101 x 101
> 100
9038
107 x 107
> 1000
6608
125 x 125
> 10.000
2024
227 x 227
> 100.000
282
608 x 608
Für die verschiedenen Varianten wurde die Hydrotopanzahl des Testgebiets (105 km
2
) auf die Fläche des gesamten
Bearbeitungsraumes (ca. 17.600 km
2
) linear skaliert (s. Tabelle 6).
Tabelle 6:
Geschätzte Anzahl der Hydrotope für den Bearbeitungsraum (ca. 17.600 km²) in Abhängig-
keit verschiedener Mindestgrößen, Vergleich von bisheriger und neuer Hydrotopstruktur
Hydrotopstruktur
Mindestgröße
[m
2
]
Anzahl Hydrotope
Bearbeitungsraum
Bisher
> 100.000
ca. 47.000
mit neuer Daten-
grundlage
ohne
ca. 1,7 Mio.
> 100
ca. 1,5 Mio.
> 1000
ca. 1,1 Mio.
> 10.000
ca. 340.000
> 100.000
ca. 47.000
Da sich die Rechenleistung im Laufe der Zeit kontinuierlich weiterentwickelt hat, spielte die Hydrotopanzahl letztend-
lich für die Modellrechenzeit eine eher untergeordnete Rolle. Da dieser Einfluss nicht mehr so groß ist, wurde als
Flächenmindestgröße 100 m² gewählt. Für die Fläche des gesamten Bearbeitungsraumes ergab sich im Resultat
eine Anzahl von ca. 1,35 Mio. Hydrotopen.
Die Anbindung der entstandenen Kleinstflächen von < 100 m² im Rahmen der Hydrotopbildung sollte an Nachbar-
flächen mit ähnlichen Eigenschaften erfolgen. Im abgeschlossenen KliWES-Projektteil wurde lediglich eine Vereini-
gung ohne Überprüfung hinsichtlich ihrer Eigenschaften von Kleinstfläche und Nachbarfläche angewendet. Mit der

image
Vorläufige Version – August 2021
| 48
nun realisierten Vorgehensweise wurden für jede Kleinstfläche alle zugehörigen Nachbarhydrotope mit der gleichen
Landnutzung selektiert. Aus dieser Menge der potentiell geeigneten Nachbarhydrotope wurde das mit der größten
Hydrotopfläche für die Vereinigung ausgewählt.
Auf diese finale Hydrotopstruktur mussten im letzten Schritt repräsentative Werte für weitere Parameter (s. Abschnitt
3.1) übertragen werden. Hierbei handelte es sich im Folgenden um:
Anschlussgrad, Kanalisation und Versiegelung,
mittlere Geländehöhe und Hangneigung sowie häufigste Ausrichtung (Digitales Geländemodell),
Drainagen und
Grundwasserflurabstand.
3.1 Übertragung von weiteren Gebietseigenschaften auf die
Hydrotope
Die Übertragung der Angaben zum Anschlussgrad und dem Kanalisationstyp wurde im Büro für Angewandte Hyd-
rologie BAH Berlin zunächst anhand eines Beispielgebietes getestet und durchgeführt. Abbildung 30 zeigt den dafür
verwendeten Ausschnitt mit den neu erstellten Hydrotopen und einen Umriss der Stadtfläche von Dresden, wobei im
nördlichen Stadtgebiet noch keine Hydrotope vorlagen.
Abbildung 30: Lage des Beispielgebiets und der übergebenen Hydrotope
Für die Bearbeitung wurde aus den neuen Hydrotopen die Flächen des Stadtgebiets Dresden selektiert und mit zwei
neuen Spalten versehen:

image
image
image
Vorläufige Version – August 2021
| 49
„Anschlu“ mit Werten von 0-1 (1 entspricht 100%) und
„Kanal“ mit Angaben von 1 für Misch- und 2 für Trennkanalisation.
Die Spalte „Kanal“ wurde für Dresden mit „1“ = Mischkanalisation aufgefüllt. Die Spalte „Anschlu“ erhält den Wert
0.99 für den Anschlussgrad von 99,4 der 2016 für Dresden ermittelt wurde.
Der im Modell ermittelte Kanalisationsabfluss orientiert sich an dem Muster der Versiegelung (Abbildung 31, rechts).
Der Anschlussgrad und die dominierende Kanalisationsart sind mit der Zeit veränderlich. Als Referenzjahr wurde
das Jahr 2016 verwendet.
Abbildung 31: Selektion des Stadtgebiets Dresden (links), Versiegelung Dresdens (rechts)
Das zunächst testweise durchgeführte Vorgehen wurde mit Vorliegen der gesamten Hydrotopstruktur auf alle weite-
ren Stadtflächen angewendet.
Neben Kanalisationstyp und Anschlussgrad wurden den gebildeten Hydrotopen zudem repräsentative Werte für
Hangneigung, mittlere Geländehöhe und häufigste Ausrichtung basierend auf dem digitalen Geländemodell mittels
zonaler Statistik zugewiesen. Dieselbe Methodik wurde für die Zuweisung der Grundwasserflurabstände und der
Drainagen genutzt.
Abschließend erfolgte eine Überprüfung der zugeordneten Gebietseigenschaften auf eventuell unplausible Merk-
malskombinationen. Als Beispiel sei hier die Abstimmung von Grundwasserflurabständen und Drainagen genannt.
So war zu prüfen, ob der Grundwasserspiegel oberhalb von Drainagen liegt. Ggf. wurde der Grundwasserflurabstand
so angepasst, dass er sich knapp unterhalb der Drainage befindet.
3.2 Parametrisierung des Auenmodells
Auenbereiche werden durch sehr hohe und (sofern ausreichend Feuchte vorhanden ist) oft potenzielle Verdunstung
charakterisiert. Dadurch ergibt sich oft eine negative Wasserbilanz. Zum Verständnis ihres Wasserhaushaltes sind
die Wechselwirkungen zwischen Grundwasser und Oberflächengewässern sowie zwischen Grundwasser und Bo-
denwasser von Bedeutung. Teilweise treten auch externe, d.h. gebietsfremde Speisungen (Grundwasserentlastung)
auf. Diese Eigenschaften verlangen eine besondere Parametrisierung der in den Auen auftretenden Bereiche.
Die Interaktion zwischen Grundwasser und Bodenwasser kann konzeptionell abgebildet werden. Der Grundwasser-
flurabstand wird dabei indirekt über die Füllung des Einzellinearspeichers beschrieben. Der kapillare Aufstieg wird
dementsprechend reduziert, wenn die GW-Speicherfüllung sinkt.

image
Vorläufige Version – August 2021
| 50
Im Modell ist dies über den „KapRed-Ansatz“ möglich, mit dem die kapillare Ausschöpfung grundwassernaher
Standorte neben der klimatischen Situation nicht nur von der Durchwurzelungstiefe und dem Flurabstand abhängig
ist, sondern auch von dem aktuellen Füllungsstand des Grundwasserspeichers.
Insbesondere in Gebieten mit angespannter Wasserhaushaltssituation (z.B. in Tieflandgebieten mit hohem Anteil an
grundwassernahen Flächen oder in Gebieten mit bindigen Böden) wirkt sich die Integration des „KapRed-Ansatzes“
auf die Ergebnisse des Wasserhaushalts, vor allem auf die reale Verdunstung und die Grundwasserneubildung aus.
In Gebieten mit einem geringen Anteil an grundwassernahen Flächen zeigt der Einsatz des „KapRed-Ansatzes“
kaum eine oder keine Veränderung der Ergebnisse, was auch der Realität entspricht. Daher kann der Ansatz flä-
chendecken angewendet werden und muss nicht auf die Auenbereiche begrenzt sein.
Abbildung 32: Vergleich der GWN mit und ohne reduzierten Kapillaraufstieg
In der Darstellung der Ergebnisse der Grundwasserneubildung mit beiden Methoden erkennt man, dass durch den
reduzierten Kapillaraufstieg die Zehrungen im Nahbereich der Gewässer deutlich reduziert werden (Abbildung 32).
Deutlicher erkennt man die Unterschiede der Grundwasserneubildung durch die Reduzierung des Kapillaraufstiegs,
wenn man die Differenz aus den beiden Ergebnissen in Abbildung 33 betrachtet. Diese können lokal bis zu 150 mm/a
ausmachen liegen im Mittel bei etwa 50 mm/a.

image
Vorläufige Version – August 2021
| 51
Abbildung 33: Differenz der berechneten GWN mit und ohne reduzierten Kapillaraufstieg
Neben dem KapRed-Ansatz wäre für grundwassernahe Flächen auch die Ableitung von mittlere Jahresgänge aus
der Bodenkarte (Sinusfunktion zwischen dem Höchststand im März und dem Tiefststand im August/September) eine
Möglichkeit zur Reduktion des Kapillaraufstiegs in Zehrungsphase (s. Kapitel 2.1.9). Dies wird dadurch ebenfalls in
den Sommermonaten reduziert. Dabei wird allerdings nicht (wie mit dem KapRed-Ansatz) die aktuelle Feuchte-
Situation berücksichtigt.
Fazit
Die Modellierung von Flussgebietsauen kann durch zusätzliche Ansätze verbessert werden. Im Falle einer zu starken
Ausschöpfung der Auenregionen wäre der KapRed-Ansatz einzusetzen. Mit diesem wird die kapillare Nachlieferung
in Abhängigkeit vom aktuellen Füllungsstand des Grundwasserspeichers beschrieben, die letztlich auch einen
Jahresgang unter Berücksichtigung der konkreten Feuchtesituation abbildet.

Vorläufige Version – August 2021
| 52
3.3 Nutzung des Vegetationsmoduls VEGEN
3.3.1
Modellkonzept des Vegetationsmoduls VEGEN
ArcEGMO-PSCN enthält vier unterschiedliche Vegetationsmodelle, die sich den zwei Gruppen „gesteuerte Modelle“
und „Feedback-Modelle“ zuordnen lassen. Bislang wurde im Rahmen von KliWES ein Modell genutzt, das über zeit-
variable Randbedingungen (vorgegebene Zeitfunktionen der Entwicklung phänologischer Kennwerte) gesteuerten
wird. Nachteil dieses Ansatzes ist, dass der Einfluss der Witterung und der übrigen Standortbedingungen auf die
aktuelle Pflanzenentwicklung vernachlässigt wird. Deshalb soll anstelle dieses Ansatzes (VM 8) das „Feedback-
Modell“ VEGEN, ein generisches Wachstumsmodell auf der Basis eines Wärmesummenansatzes zur Simulation der
phänologischen Entwicklung (Klöcking et al., 2009) genutzt werden. Mit diesem Modell lassen sich auch die Erträge
landwirtschaftlicher Kulturen in Abhängigkeit von den aktuellen Standortbedingungen und somit auch die Ertrags-
auswirkungen des Klimawandels auf den Ertrag für verschiedene Böden berechnen. Es handelt sich hierbei um eine
vereinfachte Version des EPIC-Wachstumsmodells (Williams et al., 1989), wie sie auch in SWAT2000/2005 (Neitsch
et al., 2005) enthalten ist. Obwohl dieses Modell einen deutlich höheren Bedarf an Eingangsdaten hat, konnte es
schon erfolgreich für makroskalige Untersuchungen auf Landesebene eingesetzt werden (Pfützner et al., 2013).
Die phänologische Modellierung folgt der „Heat Unit Theory“. Dieser Temperatursummenansatz beruht auf der An-
nahme, dass das Wachstum der Vegetation vor allem von der Temperatur gesteuert wird (Boswell, 1926). Bei jeder
Pflanze muss eine festgelegte Basistemperatur erreicht werden, bevor das Wachstum beginnt. Über dieser Schwel-
lentemperatur beschleunigt sich das Wachstum mit steigenden Temperaturen bis zu einer Optimaltemperatur. Steigt
die Tagesmitteltemperatur über die Optimaltemperatur, verlangsamt sich das Wachstum bis zu einer Maximaltem-
peratur, oberhalb derer schließlich das Wachstum endet. Eine „Heat Unit“ (HU) ist dabei die Differenz aus der Mit-
teltemperatur eines bestimmten Tages und der pflanzenspezifischen Minimaltemperatur. Die Ausbildung bestimmter
phänologischer Stadien erfolgt anhand pflanzenspezifischer kumulierter HU. Die Entwicklung des Blattflächenindex
nimmt eine zentrale Stellung im Modell ein. Alle übrigen Vegetationsgrößen (Biomasse, Ertrag, Wurzeltiefe, etc.)
sowie die potenzielle Nährstoff- und Wasseraufnahme werden direkt oder indirekt in Abhängigkeit vom LAI berech-
net.
Das Pflanzenwachstum erfolgt proportional der aktuell aufgenommenen photosynthetisch aktiven Strahlung (Mon-
teith, 1977). Sie wird durch Stress (Temperatur, Wasser- und Nährstoffmangel) begrenzt.
Bei den mehrjährigen bzw. den Winterfruchtarten erfolgt die Berücksichtigung der Vegetationspause im Winter bei
Unterschreitung einer minimalen (sortenunabhängigen) Tageslänge TD, die sich aus der kürzesten Tageslänge im
Jahr für einen Standort plus einem, vom Längengrad abhängigen Summanden (= 1 h für Längengrad > 40 ° Nord
oder Süd) ergibt.
Wird nur der Wasserhaushalt simuliert (C/N-Modell von ArcEGMO-PSCN ist deaktiviert), so wird von einer optimalen
Nährstoffversorgung des Pflanzenbestandes ausgegangen.
3.3.2
Eingangsdaten für das Vegetationsmodell VEGEN
Das Vegetationsmodell VEGEN stellt im Vergleich zur bisher in KliWES genutzten Modellversion von PSCN keine
höheren Ansprüche an die räumlichen Eingangsdaten zur Beschreibung der topographischen, pedologischen und
klimatischen Eigenschaften der zu modellierenden Räume. Die benötigten Bodenparameter sind in Tabelle 7 enthal-
ten. Dabei sind nur die mit „o“ in der Spalte „o/f“ gekennzeichneten Parameter zwingend erforderlich. Die übrigen
Parameter werden bei Nichtvorhandensein entweder als Standardwerte gesetzt oder entsprechend der Vorgaben
der KA4/KA5 (AD-HOC-AG BODEN, 2005) berechnet.
Tabelle 7:
Bodenparameter für PSCN, o/f: obligatorisch/fakultativ
Parameter
Bezeichnung
Zuordnung
Dimension
Steuerwort
o/f
Standard
EP
Ertragspotential
EFL
-
ERTRAGSPOTENTIAL**
2
Horizontnummer
Bodentyp
-
HORIZONNUMMER*
o
Horizontmächtigkeit
Bodentyp
mm
SCHICHTMAECHTIGKEIT*
o

Vorläufige Version – August 2021
| 53
Durchwurzelungsintensität
Bodentyp
-
WURZELINTENSITAET*
1
Bodenart
Bodentyp
-
BODENART*
o
ρt
Trockenrohdichte
Bodentyp
g/cm³
LAGERUNGSDICHTE*
o
Skelett
Skelettanteil
Bodentyp
Vol.%
SKELETTANTEIL*
0
Ton
Tongehalt
Bodentyp
Masse%
TON*
KA4/KA5
Schluffgehalt
Bodentyp
Masse%
SCHLUFF*
KA4/KA5
Sandgehalt
Bodentyp
Masse%
SAND*
KA4/KA5
WP
Welekepunkt
Bodentyp
Vol.%
WELKEPUNKT*
KA4/KA5
FK
Feldkapazität
Bodentyp
Vol.%
FELDKAPAZITAET*
KA4/KA5
PV
Gesamtporenvolumen
Bodentyp
Vol.%
PORENVOLUMEN*
KA4/KA5
MK
Makroporen
Bodentyp
%
MAKROPOROSITAET*
f(Skelett, Ton, Vege-
tation)
k
Gesättigte Leitfähigkeit
Bodentyp
mm/h
HYD_LEITFAEHIGKEIT*
KA4/KA5
*
in …\GIS\describe\efl.sdf / BODEN_TABELLE
**
in …\arc_egmo\pscn\pscn.ste/ EFL-Karte
Die Ausweisung des Ertragspotenzials der Böden EP in drei Klassen dient einer standortspezifischen Anpassung
der Vegetationsentwicklung besonders in makroskaligen Modellanwendungen. So kann die Adaption der Vegetation
bzw. des Managements an die Standortbedingungen (Verdunstungsbedarf, Sortenauswahl, etc.) im Modell erfasst
werden. Basis hierfür ist die Bodenbewertung landwirtschaftlich nutzbarer Böden (s. BLfS, 2009). Es wird zwischen
drei Klassen unterschieden (Tabelle 8), die auch zu unterschiedlichen Durchwurzelungstiefen ein und derselben
Vegetationsart führen.
Tabelle 8:
Ertragspotenzial EP in Abhängigkeit von der Bodenwertzahl BZ
EP
BZ
Kriterien
1 (gering)
<40
Geringe Durchwurzelungstiefe, hoher Ton- und/oder Sandanteil, hoher Skelettanteil, geringer pH-Wert, ge-
ringer Gehalt an pflanzenverfügbarem Wasser, vernässt
2 (mittel)
40 – 65
Mittlere Durchwurzelungstiefe, sandig-lehmige bis schluffig-tonige Textur, mittlerer Gehalt an pflanzenver-
fügbarem Wasser, zeitweise vernässt, geringer pH-Wert
3 (hoch)
65 - 100
Hohe Durchwurzelungstiefe, sandig-lehmige bis schluffig-tonige Textur, hohe Wasserspeicherkapazität, Ka-
pillaraufstieg aus dem Grundwasser, geringer Steingehalt
Die Erfassung des realen Managements auf den landwirtschaftlichen Flächen des Untersuchungsgebietes ist von
entscheidender Bedeutung für die Simulationsgüte des VEGEN-Modells.
Benötigt werden Informationen:
zum Fruchtartenspektrum (Fruchtfolgen),
zu den Bearbeitungsterminen (Saat, Düngung, Grünschnitt, Ernte) und
den Düngermengen und –formen (nur bei aktivem C/N-Modell).
In der Regel kann nicht davon ausgegangen werden, dass diese Angaben für jeden Einzelschlag verfügbar sind.
Außerdem wäre diese Datenflut für meso- bis makroskalige Modellanwendungen nicht mehr handhabbar. Anderer-
seits kann für kleinskalige Anwendungen z.B. auf Betriebsebene eine möglichst exakte Verarbeitung aller vorhande-
nen Informationen erforderlich werden. Deshalb wurde ein Managementmodell für VEGEN entwickelt, das entspre-
chend der Aufgabenstellung und Datenverfügbarkeit eine flexible Verarbeitung erlaubt. Alle Verfahren zur Erfassung
der Bewirtschaftung der landwirtschaftlich genutzten Flächen greifen auf dieselben Basisdaten zu, die um weitere
Informationen ergänzt werden können.

Vorläufige Version – August 2021
| 54
Die Basisdaten (Stammdaten) stellen eine Sammlung von durchschnittlichen Eigenschaften der gebräuchlichsten
Fruchtarten und Wirtschaftsdünger in Deutschland dar. Als Grundlage wurden dafür die von den Ländern veröffent-
lichten Richtwerte für die Umsetzung der Düngeverordnung und die Empfehlungen des Verbandes Deutscher Land-
wirtschaftlicher Untersuchungs- und Forschungsanstalten (VDLUFA) herangezogen. Weitere Parameter, wie z.B.
die Umsatz- und Humusreproduktionskoeffizienten der organischen Düngertypen und der Ernte- und Wurzelreste
(EWR), wurden der Literatur entnommen.
Liegen räumlich detailliertere Informationen zur Fruchtartenverteilung (z.B. jährliche Anbaustatistik auf Kreisebene
oder Bewirtschaftungsszenarien) vor, so können den einzelnen Flächen eines Landnutzungstyps mittels eines geo-
statistischen Verfahrens („Fruchtfolgengenerator“) unterschiedliche Fruchtfolgen zugeordnet werden. Die Berech-
nung des Managements der einzelnen Fruchtarten erfolgt wie beim Standardmanagement. Dieses Verfahren eignet
sich besonders für mesoskalige Modellanwendungen.
Daneben gibt es Schnittstellen für die Verarbeitung von regional vorhandenen räumlich und zeitlich hochaufgelösten
Bewirtschaftungsdaten der landwirtschaftlichen Flächen (z.B. aus dem Datenspeicher InVeKoS oder aus Acker-
schlagkarteien).
3.3.3
Ableitung regionstypischer Fruchtfolgen für Sachsen
1
Als räumliche Basis für die Ableitung regionstypischer Fruchtfolgen, die die derzeitigen Anbauverhältnisse im Frei-
staat Sachsen flächendeckend widerspiegeln, dienen die 12 Landwirtschaftlichen Vergleichsgebiete (LVG), die auf
der Basis der naturräumlichen Gliederung Sachsens abgeleitet wurden (Winkler et al., 1999, Tabelle 9).
Tabelle 9:
Landwirtschaftliche Vergleichsgebiete LVG mit Anzahl der dort liegenden Dauertestflächen
(n DTF) und zugeordneter Ackerfläche des KliWES-Modells
LVG
LVG-Bezeichnung
Böden
N
DTF
Fläche
[km²]
Ackerfl.
[km²]
1
Lausitzer Heide- und Teichlandschaft
leichte bis mittlere Böden (D 1 ... D 5)
95
3182
739
2 Lausitzer Platte, Zittauer Becken und
Oberlausitzer Bergland
mittlere Böden (D 4/5; Lö 4 ... 6; V5/7)
152
2038
727
3
Elbsandsteingebirge und Zittauer Gebirge
mittlere Böden (Lö 3 - Lö 6; V 7/8)
48
786
219
4
Nördliche Erzgebirgsabdachung
Verwitterungsböden (V 7/8)
110
1339
502
5
Erzgebirgskamm
Verwitterungsböden (V 5/8/9)
110
1926
289
6
Zwickauer-Chemnitzer Hügelland
Verwitterungsböden (V 2 ... V 6, V 9)
63
1222
427
6a
Elsterbergland
73
1067
445
7
Mittelsächsisches Hügelland
mittlere Böden (Lö 4 - Lö 6)
78
1301
728
8
Mittelsächsische Platte
mittlere bis beste Böden (D 5, Lö 3 ... Lö 6)
233
2530
1494
9
Leipziger Tieflandsbucht
mittlere bis beste Böden (D 4 ... D 6; Lö 1 bis Lö 5)
101
1868
391
10
Düben-Dahlener Heide
leichte Böden (D 2 ... D 4)
114
961
372
11
Sächsische Elbtalniederung
alluviale Böden (AL 3)
39
244
159
Als Grundlage zur Erfassung der Bewirtschaftung der Ackerflächen in diesen LVG wurden die Messreihen der Säch-
sischen Dauertestflächen (DTF) genutzt. „Das Sächsische Landesamt für Umwelt, Landwirtschaft und Geologie be-
treibt seit 1990 ein Nitratmessnetz, das jährlich ca. 1.000 fest eingemessene Dauertestflächen (DTF) in Praxisschlä-
gen umfasst. Von diesen werden jeweils im Frühjahr zu Vegetationsbeginn und im Spätherbst Bodenproben aus
1
In Zusammenarbeit mit Hans-Joachim Kurzer, LfULG, Referat 72 Pflanzenbau

image
Vorläufige Version – August 2021
| 55
einer Tiefe von 0 bis 30 cm und 30 bis 60 cm entnommen und auf Nitratstickstoff untersucht. Zudem werden von
allen Flächen jährlich schlagspezifische Bewirtschaftungsdaten erfasst.
Durch die gleichmäßige Verteilung der DTF über Sachsen entspricht die Anzahl der DTF der untersuchten Katego-
rien im Wesentlichen ihrem prozentualen Anteil an der landwirtschaftlich genutzten Ackerfläche in Sachsen.“ (aus
Kurzer & Kolbe, 2016). Insgesamt stehen die Daten von 1322 Dauertestflächen (davon 54 mit Dauergrünland) zur
Verfügung. Eine Unterscheidung zwischen Flächen in oder außerhalb von Wasserschutzgebieten (WSG) oder im
Ökolandbau erfolgte nicht. Jedoch mussten einige Flächen von den weiteren Analysen ausgeschlossen werden,
wenn die Zeitreihen zur Bewirtschaftung zu kurz waren.
Abbildung 34: Landwirtschaftliche Vergleichsgebiete und Dauertestflächen Sachsens
Im ersten Arbeitsschritt erfolgte die Zuordnung der DTF zu den Landwirtschaftlichen Vergleichsgebieten (Abbildung
34, Tabelle 9). Danach erfolgte die Analyse der Häufigkeit der angebauten Fruchtarten im Zeitraum 2000-2018 für
die einzelnen LVG. Fasst man die einzelnen Fruchtarten zu Fruchtgruppen zusammen (Tabelle 10), ergeben sich
die in Tabelle 12 angegebenen Anbauanteile. Um diese Anbauverhältnissen in einer Fruchtfolge pro LVG wiederzu-
geben, wurden Fruchtfolgen mit 27 bis 31 Gliedern gewählt. Somit können auch Fruchtarten mit einem Anbauanteil
von 1,8-5 % bei der Modellierung berücksichtigt werden. Tabelle 13 enthält die Anbaujahre und die Länge der so für
die einzelnen LVG abgeleiteten Fruchtfolgen. Der Anbau von Getreide als Ganzpflanze und von sonstigen Fruchtar-
ten wird entsprechend des geringen Flächenanteils nicht mehr berücksichtigt.
Tabelle 10:
Zusammenfassung der Fruchtarten zu Fruchtgruppen (FG), Kodierung laut BESyD
ID
Fruchtgruppe
Name
Fruchtarten (BESyD-ID)
101
WW
Winterweizen
101 – 105
110
WRo
Winterroggen
110
120
WG
Wintergerste
120, 125
150
SoGetr
Sommergetreide
130 – 165

Vorläufige Version – August 2021
| 56
170
KM
Körnermais
170
190
Tritical
Wintergetreide ohne WW
190 – 195
301
KöLeg
Körnerleguminosen
301 – 308
401
WRaps
Winterraps
401
403
SÖl
Sommerölfrüchte
403 – 409
701
K
Kartoffeln
701 – 707
801
ZR
Zuckerrüben
801 – 902
1008
KGras
Kleegras
1000 – 1008, 1012 – 1027, 1108 – 1227
1028
AGras
Ackergras
1011, 1028 – 1029
1030
SM
Silomais
1030
1040
GGanz
Getreide Ganzpflanze
1031 – 1041
Sonst.
Sonstige
2000 – 9999
Seit 2010 liegen für die Sächsischen Dauertestflächen (DTF) Informationen zum Zwischenfruchtanbau vor. Anhand
dieser Daten wurden analog zum Vorgehen bei den Hauptfrüchten die Häufigkeit des Zwischenfruchtanbaus pro
VGL abgeleitet und die Fruchtfolgen der Hauptfrüchte um Zwischenfrüchte (ZF) ergänzt. Die Zuordnung erfolgte
nach guter fachlicher Praxis, also vor Sommergerste (150), Körnermais (170) oder Silomais (1030), wie in Tabelle
14 zu sehen ist.
Tabelle 11:
Integration von Zwischenfrüchten (ZF) in die n-gliedrigen Fruchtfolgen (FF) pro LVG
LVG
n (DTF)
ZF-Anbau
2010-2018
Anteil ZF am Gesamtanbau
2010-2018 [%]
Jahre mit ZF in FF
n (FF)
1
107
98
10,2
3
31
2
152
102
7,5
2
29
3
43
23
5,9
2
27
4
111
85
8,5
3
30
5
111
72
7,2
2
30
6
63
22
3,9
1
31
6a
74
70
10,5
3
28
7
78
32
4,6
1
28
8
240
171
7,9
2
29
9
119
70
6,5
2
30
10
114
93
9,1
3
29
11
39
28
8,0
2
29

Vorläufige Version – August 2021
| 57
Tabelle 12:
Anteil der angebauten Fruchtarten auf den DTF in den LVG (2000-2018) [%], n: erfasste Anbaujahre
LVG
n
WW
WRo
WG
SoGetr
KM
Tritical
KöLeg
WRaps
SÖl
K
ZR
KGras
AGras
SM
GGanz
Sonst.
1
1579
12,3
22,2
14,2
2,0
1,9
7,5
1,5
16,0
2,0
2,2
0,4
0,8
2,0
14,0
0,3
0,6
2
2634
35,0
1,9
17,9
5,6
0,9
1,0
0,8
20,0
0,2
1,3
3,7
0,4
0,7
10,1
0,3
0,2
3
739
34,6
1,4
11,4
11,4
3,1
1,9
1,4
16,9
0,7
3,9
1,8
3,9
0,8
4,6
0,4
1,9
4
1862
13,4
3,3
13,6
18,5
0,2
7,1
0,6
18,5
0,0
1,7
0,1
5,1
3,3
13,4
0,9
0,4
5
1781
4,7
1,7
11,0
26,1
0,0
12,0
2,5
15,4
0,2
0,5
0,0
8,9
3,6
10,2
1,5
1,7
6
910
24,6
2,7
15,1
13,3
0,2
1,9
1,0
18,4
0,2
3,6
0,0
3,3
5,9
8,9
0,3
0,5
6a
1174
14,5
3,9
12,3
21,5
0,0
8,3
2,4
18,3
1,2
0,0
0,1
4,8
1,8
10,1
0,9
0,0
7
1267
33,4
0,5
13,7
5,9
1,5
1,3
1,1
20,4
0,0
2,9
2,8
1,2
4,4
10,3
0,4
0,3
8
3920
32,8
3,1
14,9
2,7
2,9
4,0
0,5
17,1
0,2
2,7
4,4
4,0
1,7
6,8
0,3
1,9
9
1666
33,1
3,1
16,8
1,4
3,5
3,5
0,5
21,3
0,0
2,2
4,3
1,1
1,7
7,1
0,1
0,4
10
1786
20,7
10,9
18,8
2,2
1,7
8,2
0,9
16,1
0,8
0,4
3,0
5,7
1,3
8,0
0,4
1,0
11
711
36,0
1,5
15,3
2,8
5,8
1,1
0,1
19,3
0,3
0,0
6,2
1,4
0,0
9,7
0,0
0,4
Tabelle 13:
Anbaujahre pro Fruchtart und LVG in n-gliedriger Fruchtfolge (FF)
LVG
n (FF)
WW
WRo
WG
SoGetr
KM
Tritical
KöLeg
WRaps
SÖl
K
ZR
KGras
AGras
SM
1
31
4
7
4
1
1
2
0
5
1
1
0
0
1
4
2
29
11
1
5
2
0
0
0
6
0
0
1
0
0
3
3
27
10
0
3
3
1
1
0
5
0
1
1
1
0
1
4
30
4
1
4
6
0
2
0
6
0
0
0
2
1
4
5
30
1
1
3
8
0
4
1
5
0
0
0
3
1
3
6
30
7
1
5
4
0
1
0
6
0
1
0
1
2
3
6a
27
4
1
4
6
0
2
1
5
0
0
0
1
1
3
7
27
10
0
4
2
0
0
0
6
0
1
1
0
1
3
8
28
10
1
4
1
1
1
0
5
0
1
1
1
1
2
9
29
10
1
5
0
1
1
0
6
0
1
1
0
2
2
10
28
10
1
5
0
1
1
0
6
0
1
1
0
1
2
11
29
10
0
5
1
2
0
0
6
0
0
2
0
0
3

Vorläufige Version – August 2021
| 58
Tabelle 14:
Fruchtfolgen für die 12 LVG Sachsens, ID s. Tabelle 10, FFG: Fruchtfolgeglied
Landwirtschaftliches Vergleichsgebiet LVG
FFG
1
2
3
4
5
6
6a
7
8
9
10
11
1
110
150
120
120
190
120
1028
150
1008
120
101
101
2
401
101
801
401
150*
1008
401
120
701
101
120
120
3
1030*
120
101
120
120
150
101
1028
401
1030*
401
150
4
403
401
1030*
1030*
401
120
1030*
101
1030*
801
120
101
5
1030
101
101
401
150*
401
150
401
101
101
101
1030
6
110
1030
401
150
1008
150
120
120
150
120
120
101
7
150*
101
101
401
1008
1030
401
1030
120
101
101
401
8
110
120
120
101
150
120
120
101
1028
1028
120
801
9
120
401
401
1030*
1030
701
190
120
101
1028
801
101
10
401
101
101
101
401
101
301
401
801
101
1030
120
11
101
120
1008
110
150
150
120
101
101
120
401
401
12
120
401
190
401
401
1028
1030*
1030
120
401
701
101
13
190
101
101
190
150
1028
150
101
101
101
101
1030*
14
401
1030*
150
120
1030
101
150
401
401
1030*
120
120
15
1030
101
101
1008
150
401
1030
101
190
701
101
401
16
190
801
401
1008
190
101
101
120
101
101
401
101
17
101
401
120
101
120
401
150*
401
1030*
401
101
101
18
401
101
150
150
401
101
120
101
101
101
401
401
19
1030
120
170*
101
150
1030*
110
801
401
120
190
101
20
110
401
101
401
1030
401
401
401
120
110
401
120
21
1028
101
401
150
1008
190
1008
101
101
101
101
1030*
22
110
1030*
101
1028
190
120
190
1030*
401
401
110
101
23
170*
101
150
1030*
101
401
150
101
101
101
170*
401
24
120
150
101
150
150
101
101
401
120
401
101
170
25
401
401
401
401
120
401
401
101
401
101
401
120
26
101
101
101
120
110
101
401
701
101
401
101
401
27
101
120
701
150
190
1030
101
150
170
120
1028
101
28
110
101
190
1028
150
150
101
101
170
101
170
29
110
110
150
401
101
110
190
1030*
801
30
120
1030
190
120
401
31
701
301
110
* nach Zwischenfrucht
Diese repräsentativen Fruchtfolgen (Tabelle 14) können auch außerhalb des Projektes KliWES für die Untersuchung
unterschiedlichster Fragestellungen genutzt werden.
3.3.4
Verortung der Fruchtfolgen im KliWES-Modell
Entsprechend ihrer Lage wurden die Elementarflächen der vorliegenden Hydrotopkarte dem entsprechendem Land-
wirtschaftlichen Vergleichsgebiet (LVG) zugeordnet. Diese Zuordnung erfolgt über eine räumliche Verknüpfung (spa-
tial join) der Teileinzugsgebiete mit der LVG-Karte. Bereiche außerhalb der LVG-Kartierung (z.B. Tschechische Ge-
bietsteile) wurden dem nächstgelegenen LVG zugeordnet (Abbildung 35).

image
Vorläufige Version – August 2021
| 59
Abbildung 35: Zuordnung der Hydrotope zu den Landwirtschaftlichen Vergleichsgebieten LVG
Allen ackerbaulich genutzten Flächen (LNTZ-ID = 1510) wurde nun die Fruchtfolge für „ihr“ LVG zugeordnet. Damit
eine gleichmäßige räumliche Verteilung der angebauten Fruchtarten entsprechend des Anbauverhältnisses laut Ta-
belle 12 pro LVG gewährleistet ist, wurde die gesamte Ackerfläche eines LVG (Spalte „Ackerfl. [km²]“ in Tabelle 9)
in n Klassen nahezu gleicher Fläche entsprechend der Anzahl n der Fruchtfolgeglieder pro LVG unterteilt. Diesen
wurde das entsprechende Fruchtfolgeglied (FFG in Tabelle 14) als Einstiegspunkt in die Fruchtfolge bei Simulations-
start zugewiesen. Diese Erweiterungen der EFL(Hydrotop)-Karte und die Ansteuerung in ArcEGMO-PSCN sind in
Abbildung 36 dargestellt.

image
image
Vorläufige Version – August 2021
| 60
Abbildung 36: VEGEN-spezifische Einträge in der Hydrotopkarte und Ansteuerung durch pscn.ste
3.3.5
Regionsspezifische Ableitung der VEGEN-Parameter
Die in Kapitel 3.3.2 angeführten Basisdaten für die Simulation der erfassten Fruchtgruppen (Tabelle 10) stehen aus
vorhergehenden Modellanwendungen in Sachsen (Lysimeterstation Brandis, Projekt ReArMo) zur Verfügung. Sie
sind in der Input-Datei CROPPARAMETER_VEGEN „…\VEGEN\Vegen_Parameter.txt“ enthalten.
Zusätzlich benötigt werden mittlere agronomische Termine (Saat und Ernte) und die benötigten Wärmemengen für
die einzelnen Fruchtarten der Fruchtfolgen innerhalb der LVGs. Diese Parameter sind Inhalt der Managementtabelle
MANAGEMENT_VEGEN „…\VEGEN\Management_BESyD.txt“.
Als Basis für die Ableitung mittlerer Saat- und Erntetermine dienten wieder die Managementdaten der Sächsischen
Dauertestflächen (DTF) von 2010 bis 20181. Nach Integration dieser Daten in das Modell erfolgte die Simulation für
jedes LVG für den Zeitraum 1980-2015. Ziel war die Ableitung der benötigten Wärmemengen und der Überprüfung
der simulierten Ernteerträge anhand der Erträge auf den DTF.
Dazu wurden für jede ackerbaulich genutzte Elementarfläche in diesem LVG die simulierten akkumulierten Wärme-
einheiten am Erntetermin 1981-2015 statistisch analysiert und die Mediane in die Management-Tabelle übernom-
men. Als Beispiel zeigt Abbildung 37 die Ergebnisse für die Mittelsächsische Platte (LVG 8).

image
image
image
Vorläufige Version – August 2021
| 61
Abbildung 37: Simulierte Wärmemengen bei der Ernte im LVG 8 1981-2015
Entsprechend der unterschiedlichen meteorologischen Verhältnisse innerhalb eines LVG als auch in den einzelnen
Jahren treten recht starke Streuungen der simulierten Werte auf. Jedoch sind für die Mehrzahl der Fruchtarten die
Interquartilsabstände (75%-Quantil – 25%-Quantil), die 50% der Werte enthalten, klein. Stärkere Streuungen treten
bei Mais, Kartoffeln und Rüben auf. Dabei muss beachtet werden, dass bei der Ableitung der mittleren Erntetermine
dieser Fruchtarten (mit Ausnahme von Silomais), der Stichprobenumfang für viele Vergleichsgebiete sehr klein war.
Stellt man die statistischen Ergebnisse für die Fruchtarten, die in den Fruchtfolgen aller LVGs vorkommen, gegen-
über (Abbildung 38 bis Abbildung 41), so zeigt sich beim Wintergetreide nur ein geringes Streuungsmaß. Die höhere
Streuung bei Raps und besonders Silomais weist darauf hin, dass hier ggf. noch einmal eine Anpassung in einzelnen
Modellräumen sinnvoll ist, wenn genauere Daten vorhanden sind.
Auch wenn eine Fruchtart in der Fruchtfolge eines LVG nicht vorkommt (z.B. Körnerleguminosen und Sommerraps
im LVG 8), wurden auch für diese Fruchtarten die Managementparameter anhand der Werte in benachbarten LVG
abgeschätzt.
Abbildung 38: Simulierte Wärmemengen bei der Ernte Winterweizen mit Stichprobenumfang
Abbildung 39: Simulierte Wärmemengen bei der Ernte Wintergerste mit Stichprobenumfang

image
image
Vorläufige Version – August 2021
| 62
Abbildung 40: Simulierte Wärmemengen bei der Ernte Winterraps mit Stichprobenumfang
Abbildung 41: Simulierte Wärmengen bei der Ernte Silomais mit Stichprobenumfang
Diese mittleren Managementparameter pro Landwirtschaftlichem Vergleichsgebiet (LVG) können natürlich nicht die
Adaption der Vegetation bzw. des Managements an die lokalen Standortbedingungen (Verdunstungsbedarf, Sorten-
auswahl, etc.) wiedergeben. Eine Möglichkeit zum Ausgleich bietet die im Modell vorgesehene Berücksichtigung des
Ertragspotenzials eines Standortes (s. Abschnitt 3.3.2). Basis hierfür ist die Bodenbewertung landwirtschaftlich nutz-
barer Böden (LfULG, 2014: Anhang 3). Vom LfULG, Referat 42 „Boden, Altlasten“ (Dr. A. Bräunig und R. Benning)
wurde dafür der aktuelle Bearbeitungsstand der Bodenschätzung (BoschaeFGDB_20191202.gdb) zur Verfügung
gestellt. Die dort enthaltenen Attribute „N-Grundzahl“ und „N-AG-Zahl“ wurden den landwirtschaftlich genutzten EFL-
Flächen der Hydrotopkarte zugewiesen (Abbildung 36, Attribute Ngz und Agz). Nach Klassifizierung entsprechend
Tabelle 8 wurde daraus das Ertragspotenzial abgeschätzt. Lagen keine Wertzahlen vor, so wurde von mittleren
Bedingungen ausgegangen (Ertragspotenzial = 2).

image
Vorläufige Version – August 2021
| 63
Abbildung 42: Hydrotopkarte KliWES mit Ertragspotenzial in Abhängigkeit von der Bodenwertzahl (BZ = N-
Grundzahl)
3.4 Untergliederung des Bearbeitungsraums in Modellregionen
Nach dem Aufbau des Datenmodells für den Bearbeitungsraum (s. Abschnitt 2.4) und der Integration aller Parameter
in das Modell ArcEGMO wurde mit der Untergliederung in Modellregionen begonnen. Wesentlich für die Festlegung
der Gebietsauslässe war das Vorhandensein eines Pegels mit ausreichend langer und möglichst lückenfreier Durch-
flussmessreihe zwischen den Jahren 2000 bis 2015. Dieses Kriterium traf potentiell auf 189 Pegel zu, welche als
Gebietsauslässe der Modellregionen festgelegt wurden. Eine Übersichtskarte der entstandenen Modellregionen ent-
hält Abbildung 43.
Die modellinterne Untergliederung des Datenmodells und die hierarchische Verknüpfung der Ober- und Unterlieger-
gebiete erfolgte weitestgehend automatisiert sowie in enger Abstimmung zwischen BAH und IHM, TU Dresden. Im
Rahmen dieser Arbeiten wurden durch BAH neue Routinen programmiert und integriert, um den Ablauf noch stärker
zu optimieren und den erforderlichen Zeitaufwand weiter zu minimieren. Abschließend erfolgte ein Test auf Lauffä-
higkeit sowie inhaltliche Plausibilität. Die im Ergebnis vorliegenden Gebietsstrukturen erlauben Simulationen als Ge-
samtmodell wie auch Einzelrechnungen für ausgewählte Modellregionen.
Die insgesamt 189 Regionen des Datenmodells erstrecken sich über 11 Hierarchieebenen, wobei die erste Ebene
alle 100 Kopfgebiete umfasst. In jeder nachfolgenden Ebene befinden sich jeweils die direkten Unterlieger-Regionen.
In Abbildung 46 ist die Gliederung der Hierarchieebenen im Bearbeitungsraum dargestellt.

image
image
Vorläufige Version – August 2021
| 64
Abbildung 43: Übersichtskarte der 189 Modellregionen im derzeitigen KliWES-Fortschreibungs-Projekt
Abbildung 44: Übersichtskarte der Hierarchieebenen der 189 Modellregionen (Ebene 1 = Kopfgebiete)

image
Vorläufige Version – August 2021
| 65
Abbildung 45: Übersichtskarte der 106 Modellregionen mit DIFGA-Ergebnis sowie 83 Modellregionen
ohne DIFGA-Ergebnis

 
Vorläufige Version – August 2021
| 66
4 Wasserhaushaltsberechnungen
4.1 Optimierungsstrategie
4.1.1
Allgemeines Vorgehen
Das für den Bearbeitungsraum aufgebaute und in Regionen untergliederte Modell ArcEGMO wird einer Kalibrierung
unterzogen, mit dem Ziel, eine möglichst realitätsnahe Abbildung verschiedener Wasserhaushaltsgrößen wie z.B.
Verdunstung und Grundwasserabfluss zu erreichen. Letztgenannte Größen liegen für die Mehrzahl der Regionen
als Ergebnis von DIFGA-Analysen vor (s. Abbildung 47). Des Weiteren soll der simulierte Durchfluss eine gute An-
passung an die Beobachtungsdaten vor allem im Niedrigwasser-Bereich darstellen.
Die in Hauffe et al. (2019) anhand von repräsentativ ausgewählten sächsischen Modelltesteinzugsgebieten entwi-
ckelte Optimierungsstrategie wird aufgegriffen und an die landesweite Datenstruktur sowie die zwischenzeitlich ak-
tualisierte ArcEGMO-Modellversion angepasst. Die Kalibrierung erfolgt separat je Modellregion. Dabei werden die
Hierarchieebenen schrittweise bearbeitet, beginnend bei den Kopfgebieten. Die Optimierung der drei Modellparame-
ter umfasst:
Aufteilungsparameter der zwei Grundwasserspeicher (ein Parameter),
Speicherkonstante des schnellen Grundwasserspeichers (ein Parameter) sowie
Rückgangsexponent des Einzellinearspeichers für den Gerinneabfluss (ein Parameter).
Im Vergleich zur bisherigen Optimierungsstrategie (s. Schwarze et al., 2014 und Hauffe et al., 2016) werden folgende
Parameter für den gesamten Bearbeitungsraum einheitlich (d.h. nicht regionsspezifisch) definiert:
Verdunstungskorrektur (zwei Parameter),
Makroporosität je Bodenhorizont (ein Parameter) und
Lagerungsdichte je Bodenhorizont (ein Parameter).
In den DIFGA-Regionen ermöglichte das jeweils noch nicht kalibrierte Modell bereits eine zufriedenstellende Anpas-
sung des simulierten Restgliedes (Verdunstung plus Bodenspeicheränderung) an die Ergebnisse der DIFGA-Ana-
lyse auf Monatsbasis. Abbildung 46 zeigt die Spannbreite der prozentualen Restglied-Abweichungen der Simulation
von den DIFGA-Werten für den Zeitraum 2000 bis 2015 vor der Optimierung. Dabei ist jede Region über ihre flä-
chenmäßig größte Landnutzungsklasse erfasst. Für 80 Prozent der Modellregionen mit DIFGA-Ergebnis liegt die
mittlere prozentuale Restglied-Abweichung unter 20 Prozent. Die größten Abweichungen ergeben sich für Regionen,
in denen Grünland, Heide oder Nadelwald dominiert. Aufgrund dessen werden die voreingestellten Verdunstungs-
korrektur-Faktoren für diese Landnutzungsklassen im gesamten Bearbeitungsraum um 20 Prozent leicht erhöht,
wodurch die Restglied-Abweichungen betragsmäßig sinken (s. Abbildung 47).
Die Makroporosität war bisher Optimierungsparameter, da sich dieser Parameter in einer bereits im Jahr 2012/2013
durchgeführten Sensitivitätsanalyse (s. Schwarze et al., 2014) als sehr sensitiver Bodenparameter herausstellt. Da
für diesen Parameter im Allgemeinen nur grobe Richtwerte für alle Bodenhorizonte existierten, wurde er als Optimie-
rungsparameter im Bodenmodell herangezogen. In der jetzt angepassten Strategie wird der Parameter vorab durch
ArcEGMO basierend auf den Bodeneigenschaften jedes Horizontes berechnet. Auch die nahezu lückenlos vorlie-
gende Lagerungsdichte, welche nun als Information aus der Bodenkarte BK50 hervorgeht, wird während der Kalib-
rierung nicht verändert. Sie nimmt üblicherweise mit zunehmender Bodentiefe ebenfalls zu.

image
Vorläufige Version – August 2021
| 67
Abbildung 46: Anzahl Modellregionen (mit DIFGA-Ergebnis) mit größtem Flächenanteil in Landnutzungs-
klasse und minimale/maximale mittlere prozentuale Restglied-Abweichung (2000-2015, unkalibriertes Mo-
dell), ohne Veränderung der Verdunstungskorrektur-Faktoren
Die drei ausgewählten Modellparameter werden gleichzeitig, d.h. in einem einstufigen Verfahren optimiert, wobei
folgende Vergleichsgrößen für Regionen mit DIFGA-Ergebnis genutzt werden:
täglicher gemessener Durchfluss Q,
Dauerlinie auf Basis des logarithmierten täglich gemessenen Durchflusses log(Q) sowie
Abfluss aus dem schnellen Grundwasserspeicher QG1 auf monatlicher Basis (DIFGA-Ergebnis).
Die letztgenannte Größe QG1 liegt ausschließlich für Regionen mit DIFGA-Ergebnis vor. Sie wird im Rahmen der
Optimierung der ArcEGMO-Ausgabe für RG1 gegenübergestellt, welche modellintern ebenfalls den Abfluss aus dem
schnellen Grundwasserspeicher repräsentiert. Bei Regionen ohne DIFGA-Ergebnis wird die Optimierung nur für die
zwei Vergleichsgrößen Durchfluss und Dauerlinie realisiert.

image
Vorläufige Version – August 2021
| 68
Abbildung 47: Anzahl Modellregionen (mit DIFGA-Ergebnis) mit größtem Flächenanteil in Landnutzungs-
klasse und minimale/maximale mittlere prozentuale Restglied-Abweichung (2000-2015, unkalibriertes Mo-
dell), mit Erhöhung der Verdunstungskorrektur-Faktoren für Grünland, Heide und Nadelwald
Zur Einschätzung der Modellanpassung während der Optimierung kam die Residuenquadratsumme SSE (sum of
squared errors) als Gütekriterium zum Einsatz:
=
(
)
2
=1
Hierbei steht xi für die jeweilige beobachtete Vergleichsgröße zum Zeitpunkt i und y
i
für die entsprechende simulierte
Modellausgabe zum selben Zeitpunkt i. Zu beachten ist, dass die gemessene sowie die simulierte Durchflussreihe
hier jeweils logarithmiert in die Betrachtung eingehen. Die Logarithmierung des Durchflusses dient der stärkeren
Betonung von Niedrigwasserereignissen bzw. der Reduzierung des Einflusses von Hochwasserereignissen auf die
Anpassungsgüte. Für
SSE
= 0 ist die simulierte Reihe mit der gemessenen identisch. Je größer der Wert für
SSE
,
desto größer die Abweichung zwischen simulierter Modellausgabe und der Zielgröße.
Aufgrund der Vielzahl zu optimierender Regionen wurde die Kalibrierung monokriteriell durchgeführt. Diese Strategie
ist bei nur drei Kalibrierparametern wesentlich effektiver und zeitsparender als ein multikriterielles Verfahren. Letzte-
res hätte die Fertigstellung der Optimierung innerhalb des zeitlichen Projektrahmens unmöglich gemacht.
Es erfolgt jeweils eine Aufsummierung der SSE-Werte für die drei (bei Region mit DIFGA-Ergebnis) bzw. zwei (bei
Region ohne DIFGA-Ergebnis) Vergleichsgrößen zu einer einzigen resultierenden Zielgröße. Diese stellt somit die
Summe der Abweichungen von den Modellsimulationen und den zugehörigen Vergleichsgrößen dar und wird im
Rahmen der Optimierung minimiert:
min
=
[
(
(
,
),
(
(
)
,
(
)
),
(
1
,
1
))]
Der Wertebereich von F liegt zwischen [0,∞], wobei 0 das Optimum darstellt.
Optimiert wurde für den Zeitraum 2000 bis 2015, da dieser die aktuellen klimatischen Bedingungen am besten wi-
dergibt. Außerdem traten in diesem Zeitraum keine großräumigen und für den Wasserhaushalt gravierenden Land-
nutzungsänderungen auf, wie z.B. das Waldsterben im Erzgebirge in den 80er Jahren.
Insgesamt werden 177 Modellregionen der oben beschriebenen Optimierung unterzogen (s. Abbildung 48, grüne
Flächen). Für die restlichen 12 Modellregionen bzw. deren Pegel lagen zum Beginn der Optimierung keine vollstän-
digen Durchflussdaten im betrachteten Zeitraum 2000-2015 vor (s. rote bzw. gelbe Flächen). Für vier von den 12

image
 
Vorläufige Version – August 2021
| 69
Regionen wurden Durchflussdaten nachgeliefert (s. Abbildung 48, gelbe Flächen), jedoch zu spät, um sie in der
Optimierung noch nutzen zu können. Alle Modellregionen ohne Optimierung behalten somit ihre unveränderte Aus-
gangsparametrisierung. Hinsichtlich der Modellierung ist für das Flussgebiet der Elbe eine Besonderheit zu beach-
ten. Da sich deren Quellgebiet außerhalb des Bearbeitungsraumes befindet, ist das Einlesen einer beobachteten
Durchflussganglinie am Modellrand (Pegel Schöna) notwendig (s. Abbildung 48, roter Pfeil).
Die Validierung der optimierten Modelle erfolgt anhand von sechs zusätzlichen Pegeln (s. Abbildung 48, gelbe
Kreise). Diese wurden bei der Optimierung aufgrund von räumlicher Nähe zu anderen Pegeln oder zu kurzen Durch-
flussreihen nicht berücksichtigt.
Abbildung 48: Übersichtskarte der 177 Modellregionen mit Optimierung (grün) und der 12 Modellregionen
ohne Optimierung – aufgrund fehlender Durchflussdaten (rot) bzw. zu spät gelieferter Durchflussdaten
(gelb) sowie der verwendeten Pegel
4.1.2
Verfahren zur Auswertung der Optimierung
Während der Optimierung kommt die Residuenquadratsumme (SSE) als Gütemaß zum Einsatz, um den optimalen
Parametersatz für jede Modellregion zu ermitteln (s. Abschnitt 4.1.1). Die Bewertung der Anpassungsgüte im Zeit-
raum von 2000 bis 2015 für das bereits optimierte Modell erfolgt mit zwei weiteren Kriterien:
Mittlerer prozentualer Volumenfehler (mean percent error)
=
1
=1
(
)
1
=1
100
und
Nash-Sutcliffe Effizienz (Nash-Sutcliffe efficiency) NSE
=1−
(
)
2
=1
(
തതതത
)
2
=1
.
Dabei steht xi für die jeweilige beobachtete Vergleichsgröße zum Zeitpunkt i und yi für die entsprechende simulierte
Modellausgabe zum selben Zeitpunkt i. Der Volumenfehler wird als Abweichung des simulierten vom beobachteten
langjährigen Mittelwert berechnet und dient der Beurteilung der mengenmäßigen Abbildung der Vergleichsgröße

image
 
Vorläufige Version – August 2021
| 70
durch das Modell. Demgegenüber kann mit der NSE vor allem eingeschätzt werden, wie gut das Modell die Ver-
gleichsgröße zeitlich sowie in ihrer Höhe annähert. Die nachfolgenden drei Vergleichsgrößen werden für alle Regio-
nen mit DIFGA-Ergebnis betrachtet:
tägliche Durchflüsse Q am Pegel,
monatliche QG1-Werte aus DIFGA (Vgl. mit RG1 in ArcEGMO) sowie
monatliche REST-Werte aus DIFGA (Vgl. mit Verdunstung plus Bodenspeicheränderung in ArcEGMO).
Besitzt eine Region kein DIFGA-Ergebnis entfallen die beiden letztgenannten Vergleichsgrößen. Zu beachten ist,
dass für die Bestimmung der NSE die logarithmierten täglichen Durchflusswerte genutzt werden, um den Fokus auf
die Anpassung im Niedrigwasserbereich zu legen.
Aufgrund der Vielzahl an Modellregionen und der damit einhergehenden hohen Anzahl an Gütemaßen wird ein Sco-
ring-System zur Kategorisierung der Anpassungsgüte konzipiert (s. Tabelle 15). Aus dem mittleren Volumenfehler
ergibt sich der Volume-Score und aus der NSE resultiert der NSE-Score. Der Wertebereich der Scores erstreckt sich
dabei von null (schlechte Anpassung) bis fünf (sehr gute Anpassung). Jeder Modellregion werden somit zwei Score-
Werte pro Vergleichsgröße zugeordnet (s. Tabelle 16). In Summe besteht der Gesamtscore für Regionen mit DIFGA-
Ergebnis aus drei und für Regionen ohne DIFGA-Ergebnis aus einem Score-Wert.
Tabelle 15: Einteilung des mittleren prozentualen Volumenfehlers sowie der NSE in Klassen (untere Grenze
offen, obere Grenze geschlossen) und Zuordnung eines Score-Wertes
Tabelle 16: Übersicht der Score-Werte je Vergleichsgröße für Regionen mit bzw. ohne DIFGA-Ergebnis
Region
Score
Vergleichsgröße
Gesamtscore
max. Gesamtscore
mit DIFGA-Ergebnis
Volume/NSE
Q / log Q
QG1
REST
3 Einzelscores = Volume/NSE-Score gesamt
15 (3 x 5)
ohne DIFGA-Ergebnis
Volume/NSE
Q / log Q
-
-
Einzelscore = Volume/NSE-Score gesamt
5 (1 x 5)
4.2 Ergebnisse der Optimierung
Die Bewertung der Modellgüte erfolgt zu Beginn für den Ausgangszustand ohne Veränderung der Startparametrisie-
rung. Nach abgeschlossener Optimierung wird die Modellgüte auf Basis der optimierten Parameterwerte mit der
anfänglichen Modellgüte verglichen. Dabei stützt sich die Auswertung auf das in Abschnitt 4.1.2 vorgestellte Scoring-
System mit Vergabe eines Volume- und NSE-Scores je Modellregion für eine oder mehrere Vergleichsgrößen. Die
Ergebnisse werden zunächst für den gesamten Projektraum und danach für ausgewählte Regionen vorgestellt.

image
 
Vorläufige Version – August 2021
| 71
4.2.1
Ergebnisse im gesamten KliWES-Projektraum
Modellgüte im Ausgangszustand
Für das nicht kalibrierte ArcEGMO-Modell wird ein Simulationslauf mit allen Modellregionen im Zeitraum von 2000
bis 2015 durchgeführt. Mithilfe der Ergebnisse kann das initiale Modellverhalten im Optimierungszeitraum regions-
spezifisch eingeschätzt werden. Die Abbildung 49, Abbildung 50 und Abbildung 51 zeigen die Auswertung des mitt-
leren prozentualen Volumenfehlers als Volume-Score je Vergleichsgröße Q, QG1 und REST. Für die Pegel der in
Abbildung 49 grau eingefärbten acht Modellregionen (jeweils ohne DIFGA-Ergebnis) liegen keine beobachteten
Durchflussdaten im Optimierungszeitraum vor. Somit sind diese von der Vergabe der Score-Werte stets ausgenom-
men.
Abbildung 49: Auswertung des mittleren prozentualen Volumenfehlers des simulierten täglichen Durch-
flusses (Zeitraum 2000 bis 2015, nicht kalibriertes ArcEGMO-Modell) als Volume-Score Q (0 = Betrag Volu-
menfehler größer 80 Prozent, 5 = Betrag Volumenfehler maximal 10
Für alle Vergleichsgrößen ergibt sich ein überwiegend positives Bild hinsichtlich der volumetrischen Anpassung der
noch nicht optimierten Modellausgabe auf Regionsebene. Bezüglich des Durchflusses (s. Abbildung 49) erreichen
bereits 71 Prozent der Modellregionen einen Volume-Score von mindestens vier (Betrag mittlerer Volumenfehler
maximal 20 Prozent) (s. Tabelle 17). Für 22 Modellregionen liegt der Volume-Score Q bei null bis zwei (Betrag
mittlerer Volumenfehler größer 40 Prozent). Letztere liegen größtenteils im Randbereich des anthropogen stark be-
einflussten Lausitzer Bergbaugebietes sowie der durch Talsperrenabgaben, Überleitungen und Umfluten beeinfluss-
ten Pegel im Bereich des Erzgebirgskamms. Bei der Betrachtung von QG1 (s. Abbildung 50) besitzt die Mehrzahl
der Regionen mit DIFGA-Ergebnis (74 Prozent) einen Volume-Score von mindestens drei (Betrag mittlerer Volumen-
fehler kleiner als 40 Prozent) (s. Tabelle 17). Es fällt auf, dass vor allem flächenmäßig größere Regionen mit höherer
Hierarchieebene QG1 aus DIFGA weniger gut nachbilden. Die Modellergebnisse für das simulierte Restglied (s.
Abbildung 51) weisen nahezu für alle Regionen eine sehr gute Anpassung an die DIFGA-Daten auf. Denn 92 Prozent
der Modellregionen erhalten einen Volume-Score von mindestens vier (s. Tabelle 17).

image
image
Vorläufige Version – August 2021
| 72
Abbildung 50: Auswertung des mittleren prozentualen Volumenfehlers des simulierten Abflusses aus dem
schnellen Grundwasserspeicher (Zeitraum 2000 bis 2015, nicht kalibriertes ArcEGMO-Modell) als Volume-
Score QG1 (0 = Betrag Volumenfehler größer 80 Prozent, 5 = Betrag Volumenfehler maximal 10 Prozent) für
106 Modellregionen mit DIFGA-Ergebnis
Tabelle 17: Anzahl der Modellregionen je Volume-Score-Wert für die Vergleichsgrößen Q, QG1 und REST
sowie prozentualer Anteil bezogen auf die Gesamtzahl der Regionen (181 Regionen mit Durchflussdaten
bzw. 106 Regionen mit DIFGA-Ergebnis) für das nicht kalibrierte ArcEGMO-Modell im Zeitraum 2000 bis
2015

image
Vorläufige Version – August 2021
| 73
Abbildung 51: Auswertung des mittleren prozentualen Volumenfehlers des simulierten Restgliedes (Zeit-
raum 2000 bis 2015, nicht kalibriertes ArcEGMO-Modell) als Volume-Score REST (0 = Betrag Volumenfehler
größer 80 Prozent, 5 = Betrag Volumenfehler maximal 10 Prozent) für 106 Modellregionen mit DIFGA-Ergeb-
nis
In Abbildung 52 ist die Aufsummierung der drei Volume-Scores bezüglich Q, QG1 und REST für alle Regionen mit
DIFGA-Ergebnis ersichtlich. Für die überwiegende Anzahl der Regionen liegt der Gesamtscore bei mindestens 12
von maximal 15 zu erreichenden Punkten, bei einer größtenteils ausgeglichenen Verteilung auf die Einzelscores.
Alle restlichen Regionen erlangen mindestens Gesamtscore sieben. Die einzige Ausnahme bildet die Region des
Pegels Cranzahl (ID 10), deren Gesamtscore aufgrund starker (aber nicht ausreichend mit Daten belegter) anthro-
pogener Beeinflussung deutlich niedriger ist. Eine Darstellung des Gesamtscores für alle Regionen ohne DIFGA-
Ergebnis (entspricht Volume-Score bezüglich Q) befindet sich im Anhang (s. Abbildung 12).
Abbildung 48 zeigt die Auswertung des NSE-Scores für die Vergleichsgröße des logarithmierten täglichen Durch-
flusses logQ im gesamten KliWES-Projektraum (NSE-Score für QG1 und REST s. Anhang, Abbildung 12 und Abbil-
dung 14) ohne Optimierung des ArcEGMO-Modells. Im Vergleich zur volumetrischen Anpassung sind die Ergebnisse
wesentlich durchwachsener, wobei 54 Prozent der Regionen einen NSE-Score für logQ von mindestens drei (NSE
größer als 0,4) erreichen (s. Tabelle 18). Auch hier fallen neben einigen Regionen in Nord- und Mittelsachsen das
Lausitzer Bergbaugebiet sowie Bereiche des Erzgebirgsvorlands und -kamms als Problemgebiete auf.
Für die Vergleichsgröße QG1 sieht die Verteilung der NSE-Score-Werte ähnlich aus (s. Tabelle 18). Es erhalten 43
Prozent der Regionen (mit DIFGA-Ergebnis) einen NSE-Score QG1 von mindestens drei. Dagegen sticht die Anpas-
sung des simulierten Restgliedes hinsichtlich des NSE-Scores positiv hervor (s. Tabelle 18). Von allen Regionen mit
DIFGA-Ergebnis erzielen 76 Prozent einen NSE-Score REST von mindestens drei.

image
image
Vorläufige Version – August 2021
| 74
Abbildung 52: Volume-Score-Werte je Vergleichsgröße und Modellregion (mit DIFGA-Ergebnis) für das
nicht kalibrierte ArcEGMO-Modell im Zeitraum 2000 bis 2015
Abbildung 53: Auswertung der Nash-Sutcliffe Effizienz des simulierten täglichen Durchflusses (Zeitraum
2000 bis 2015, nicht kalibriertes ArcEGMO-Modell) als NSE-Score logQ (0 = NSE kleiner oder gleich null, 5 =
NSE größer als 0,8) für 181 Modellregionen (acht Regionen ohne Durchflussdaten)

image
image
Vorläufige Version – August 2021
| 75
Tabelle 18: Anzahl der Modellregionen je NSE-Score-Wert für die Vergleichsgrößen Q, QG1 und REST so-
wie prozentualer Anteil bezogen auf die Gesamtzahl der Regionen (181 Regionen mit Durchflussdaten bzw.
106 Regionen mit DIFGA-Ergebnis) für das nicht kalibrierte ArcEGMO-Modell im Zeitraum 2000 bis 2015
Zusammenfassend zeigt Abbildung 49 die Aufsummierung der drei NSE-Scores bezüglich logQ, QG1 und REST für
alle Regionen mit DIFGA-Ergebnis. Dabei entspricht die Sortierung der Regionen der Reihenfolge in Abbildung 47,
das heißt von links nach rechts mit abnehmendem Volume-Gesamtscore. Es ist erkennbar, dass eine gute volumet-
rische Anpassung der Simulationen ohne Optimierung nicht zwangsläufig eine vergleichbar gute Anpassung bezüg-
lich der Nash-Sutcliffe Effizienz bedeutet. Der maximal erreichte NSE-Gesamtscore liegt mit einem Wert von elf
deutlich unter dem Niveau des Volume-Gesamtscores. Auch hier befindet sich eine Darstellung des Gesamtscores
für alle Regionen ohne DIFGA-Ergebnis (entspricht NSE-Score Q) im Anhang (s. Abbildung 15).
Eine tabellarische Gesamtübersicht mit sämtlichen Gütekriterien und daraus abgeleiteten Score-Werten je Ver-
gleichsgröße für alle Regionen (mit zugeordneten Pegel-Namen) wird dem digitalen Anhang hinzugefügt.
Abbildung 54: NSE-Score-Werte je Vergleichsgröße und Modellregion (mit DIFGA-Ergebnis) für das nicht
kalibrierte ArcEGMO-Modell im Zeitraum 2000 bis 2015, Regionen von links nach rechts mit abnehmendem
Volume-Gesamtscore (Sortierung wie in Abbildung 52)

image
Vorläufige Version – August 2021
| 76
Modellgüte mit Optimierung
Wie in Abschnitt 4.1.1 bereits erläutert, sind 177 von den insgesamt 189 ausgewiesenen Modellregionen im KliWES-
Projektraum für die Optimierung vorgesehen. Bei den restlichen 12 Modellregionen mit fehlenden bzw. verspätet
erhaltenen Durchflussdaten im Optimierungszeitraum erfolgt keine Veränderung der initialen Modellparameter (s.
gelbe bzw. rote Flächen in Abbildung 48).
Weiterhin ergab die Analyse der Modellgüte im Ausgangszustand für neun Regionen (davon zwei mit DIFGA-Ergeb-
nis) eine ungenügende Anpassung hinsichtlich der Vergleichsgrößen. Dabei lagen der Volume-Score bzw. der NSE-
Score bei insgesamt null oder eins. Hierfür können beispielhaft diese Regionen genannt werden:
Pegel Johanngeorgenstadt 2 (Region sieben), Pegel Cranzahl (10) sowie Pegel Schmalzgrube (108) im Bereich
des Erzgebirgskamms mit einem stark abweichenden Basisabflussniveau zwischen simuliertem und beobachte-
tem Durchfluss, was durch vorliegende Gräben und Überleitungen verursacht wird.
Pegel Albrechtshain 1 (187) mit einer sehr starken Reaktion auf Niederschlag und infolgedessen einer simulierten
Durchflussganglinie mit sehr vielen nicht beobachteten Ausschlägen. Es ist davon auszugehen, dass die Trink-
wasserentnahmen durch das Wasserwerk Naunhof, welche nicht im Modell abgebildet werden, eine wesentliche
Ursache für die geringen Score-Werte sind.
Pegel Hähnichen (152), Pegel Rietschen 3 (154) und Pegel Rietschen 1 (155) im anthropogen beeinflussten Lau-
sitzer Braunkohlegebiet, welche durch Umfluten beeinflusst sind.
Somit wurde eine Optimierung in diesen Fällen als nicht sinnvoll erachtet und die initiale Modellparametrisierung
beibehalten. Eine vollständige tabellarische Übersicht der von der Optimierung ausgenommenen Regionen ist im
Anhang (s. Tabelle 1) zu finden. Weiterhin ist zu beachten, dass ausschließlich für diese betroffenen Regionen statt
dem simulierten Durchfluss stets der beobachtete Durchfluss an den Unterlieger weitergegeben wird, um dessen
Optimierung nicht zu beeinflussen.
Eine erste Zusammenfassung der Optimierungsergebnisse für die verbliebenen 168 Modellregionen liefert Tabelle
19. Darin ist ersichtlich, wie sich die Anpassung bezüglich des mittleren Volumenfehlers und der Nash-Sutcliffe Effi-
zienz in Form des Volume-Score gesamt bzw. NSE-Score gesamt (Summe der Score-Werte über eine bzw. drei
Vergleichsgrößen für Regionen ohne bzw. mit DIFGA-Ergebnis) im Rahmen der Optimierung verändert hat. Einen
räumlichen Überblick bezüglich der Werte aus Tabelle 19 ermöglicht Abbildung 55.
Für alle Regionen mit DIFGA-Ergebnis muss beachtet werden, dass die Optimierung der ausgewählten Modellpara-
meter (Parameter für Grundwasserabfluss und Gerinneabfluss, s. auch Abschnitt 4.1.1) die Anpassung des Rest-
gliedes nicht beeinflusst. Der Gesamtscore wird dennoch über alle drei Vergleichsgrößen (Q, QG1 und REST) ge-
bildet, um die Vergleichbarkeit zwischen Ausgangszustand und optimiertem Modell zu gewährleisten.
Tabelle 19:
Anzahl der Modellregionen mit verbesserter, unveränderter und teilweise schlechterer An-
passung des optimierten Modells im Vergleich zum Ausgangszustand für den Zeitraum 2000 bis 2015
Insgesamt ergibt sich ein positives Bild mit einer Verbesserung der Anpassung im Optimierungszeitraum (2000 bis
2015) für 117 Modellregionen bzw. 70 Prozent (Abbildung 55, grüne Flächen). Dabei können für 68 Modellregionen,
wovon 61 Regionen ein DIFGA-Ergebnis besitzen, sowohl Volume-Score gesamt als auch NSE-Score gesamt erhöht
werden. Die in Abbildung 55 gelb eingefärbten Flächen weisen auf eine unveränderte Anpassung hin. Dies sind vor
allem Modellregionen, welche bereits ohne Optimierung relativ hohe Score-Werte erzielen. Bei 23 von 28 in Abbil-
dung 55 rot dargestellten Modellregionen (s. auch Tabelle 19) führt die Optimierung zu einer Erhöhung des NSE-

image
Vorläufige Version – August 2021
| 77
Score gesamt auf Kosten eines niedrigeren Volume-Score gesamt. Dieses Phänomen betrifft hauptsächlich Regio-
nen ohne DIFGA-Ergebnis an Zwickauer und Freiberger Mulde, Schwarzer Elster und Schwarzer Schöps.
Da Abbildung 55 die beiden Score-Gesamtwerte zusammen betrachtet, enthält der Anhang eine getrennte räumliche
Aufschlüsselung für die Veränderung von Volumen-Score gesamt bzw. NSE-Score gesamt (s. Abbildung 16 und
Abbildung 17) infolge der Optimierung. Weiterhin sind im Anhang Diagramme zur Aufteilung der optimierten Gesamt-
score-Werte bezüglich der einzelnen Vergleichsgrößen für Regionen mit bzw. ohne DIFGA-Ergebnis dargestellt (s.
Abbildung 18 bis Abbildung 21). Außerdem wird eine tabellarische Gesamtübersicht mit sämtlichen Gütekriterien und
daraus abgeleiteten Score-Werten je Vergleichsgröße für alle Regionen (mit zugeordneten Pegel-Namen) im digita-
len Anhang zur Verfügung gestellt.
Abbildung 55: Integrale Bewertung der Anpassung (Volume-Score gesamt und NSE-Score gesamt) des
optimierten Modells im Vergleich zum Ausgangszustand für den Zeitraum 2000 bis 2015 (Verbesserung der
Anpassung = mindestens ein Gesamtscore-Wert steigt, Anpassung unverändert = beide Gesamtscore-
Werte gleich, teilweise Verschlechterung der Anpassung = mindestens ein Gesamtscore-Wert sinkt)
4.2.2
Ergebnisse für ausgewählte Modellregionen
Neben der Klassifizierung der Modellregionen bezüglich des Volumenfehlers und der Nash-Sutcliffe Effizienz wird in
diesem Abschnitt die Anpassung der simulierten an die beobachteten Ganglinien je Vergleichsgröße visuell
betrachtet. Dies erfolgt für vier Modellregionen (s. Tabelle 20), welche jeweils in verschiedenen Flussgebieten liegen
(s. Abbildung 56). Mithilfe der ausgewählten Regionen können stellvertretend für den gesamten KliWES-Projektraum
sowohl die positiven Ergebnisse als auch noch bestehende Schwierigkeiten der Optimierung aufgezeigt werden.

image
Vorläufige Version – August 2021
| 78
Tabelle 20: Eigenschaften der ausgewählten Modellregionen für die Detailanalyse der Optimierung
Region
Pegel
Flussgebiet
Hierarchieebene
DIFGA-Ergebnis
AE [km
2
]
33
Niedermuelsen 1
Mulde
1
ja
49,2
80
Koenigsbrueck
Schwarze Elster
1
ja
91,9
131
Neundorf
Elbe
2
nein
52,3
168
Langenleuba (Leubabach)
Weiße Elster
1
nein
35,0
Abbildung 56: Lage der ausgewählten Modellregionen (rot umrandet) für die Detailanalyse der Optimierung

image
Vorläufige Version – August 2021
| 79
Region 33 – Niedermülsen 1
Die Region 33 (Pegel Niedermülsen 1) ist ein Kopfgebiet mit DIFGA-Ergebnis im Flusseinzugsgebiet der Mulde. Es
liegt mit einer Größe von ca. 49 km
2
im Erzgebirgsbecken (s. Abbildung 56), wobei das Rotliegend die dominierende
Lithofazies darstellt.
Infolge der Optimierung steigt der Volume-Score gesamt um zwei auf 15 von 15 Punkten (s. Anhang, Abbildung 22).
Der NSE-Score gesamt erhöht sich ebenfalls um zwei Punkte auf 10 von 15 (s. Anhang, Abbildung 23). Ein Blick auf
die Aufteilung des Gesamtscores bezüglich der einzelnen Vergleichsgrößen zeigt, was für die Mehrzahl der Regio-
nen mit DIFGA-Ergebnis gültig ist: Die Optimierung verbessert primär die Anpassung des Abflusses aus dem schnel-
len Grundwasserspeicher QG1 (s. Abbildung 59 dunkelgrüner und hellgrüner Anteil). Für Region 33 steigt der Vo-
lume-Score QG1 um zwei Punkte und der NSE-Score QG1 um einen Punkt. In Abbildung 58 (oben) sind die simu-
lierten monatlichen QG1-Werte den Ergebnissen der DIFGA-Analyse gegenübergestellt.
Abbildung 57: Anzahl der Regionen mit DIFGA-Ergebnis (Summe 104) und ausschließlich verbesserter
Anpassung des Durchflusses Q (blau), des Abflusses aus dem schnellen Grundwasserspeicher QG1
(dunkelgrün) bzw. verbesserter Anpassung beider (hellgrün) oder keiner Größe (rot) – aufgeschlüsselt
für den Volume-Score (links) sowie den NSE-Score (rechts)

image
Vorläufige Version – August 2021
| 80
Abbildung 58: Anpassung der simulierten Ganglinien (blau = nicht kalibiert, rot = optimiert) an die DIFGA-Ergebnisse für den Abfluss aus dem schnellen
Grundwasserspeicher QG1 (oben) und das Restglied (unten) im Zeitraum 2000 bis 2015 als Gebietssumme der Region 33 mit Pegel Niedermülsen 1, Modellaus-
gaben des simulierten Restgliedes (entspricht Verdunstung plus Bodenspeicheränderung) unterscheiden sich nicht, da die Verdunstungsparameter nicht
optimiert werden

Vorläufige Version – August 2021
| 81
Die simulierte QG1-Ganglinie mit Optimierung besitzt eine wesentlich bessere Anpassung an die DIFGA-Werte, so-
wohl hinsichtlich der Dynamik als auch des Volumens. Ein Blick auf die Gütekriterien in Tabelle 21 bestätigt diese
Aussage. Da keine Verdunstungsparameter optimiert werden, unterscheiden sich die in Abbildung 58 (unten) ge-
zeigten Ganglinien des simulierten Restgliedes nicht voneinander. Diese weisen bereits eine relativ gute Anpassung
auf (s. Tabelle 21).
Tabelle 21: Gütemaße (Zeitraum 2000 bis 2015) für die Anpassung der simulierten QG1- bzw. Restglied-
Werte (Ausgangssituation und nach Optimierung) hinsichtlich der monatlichen Vergleichswerte aus DIFGA
als Gebietssumme der Region 33 mit Pegel Niedermülsen 1
Gütemaß
Einheit
Abfluss schneller
Grundwasserspeicher QG1
Restglied REST
Ausgangssituation
optimiert
Ausgangssituation/optimiert
Root-mean-squared error RMSE
mm
8,59
7,09
26,10
Nash-Sutcliffe-Effizienz NSE
-
0,34
0,55
0,58
Mittelwert DIFGA
mm
8,50
53,68
Mittelwert simuliert
mm
5,97
9,20
50,11
In Abbildung 59 ist die simulierte Durchflussganglinie im Vergleich zu den Beobachtungswerten am Pegel Nieder-
mülsen 1 dargestellt. Das optimierte Modell liefert ein verbessertes Rückgangsverhalten im Mittelwasserbereich so-
wie eine stärkere Annäherung an das beobachtete Niedrigwasserniveau. Bestätigt wird dies durch einen Anstieg der
NSE von 0,57 auf 0,68 (s. Tabelle 22) sowie bei der Betrachtung der Dauerlinie (s. Abbildung 60). Da sich die Nash-
Sutcliffe Effizienz aus den logarithmierten Durchflüssen berechnet, ist sie weniger sensitiv bezüglich der Abbildungs-
defizite im Hochwasserbereich. Denn die Ereignisspitzen sind nicht im Fokus der hier durchgeführten Optimierung.
Tabelle 22: Gütemaße (Zeitraum 2000 bis 2015) für die Anpassung des simulierten Durchflusses (Aus-
gangssituation und nach Optimierung) hinsichtlich des beobachteten täglichen Durchflusses am Pegel
Niedermülsen 1 (Berechnung NSE für logarithmierten Durchfluss)
Gütemaß
Einheit
Durchfluss Q (bzw. logQ)
Ausgangssituation
optimiert
Root-mean-squared error RMSE
m
3
/s
0,56
0,54
Nash-Sutcliffe-Effizienz NSE
-
0,57
0,68
Mittelwert DIFGA
m
3
/s
0,43
Mittelwert simuliert
m
3
/s
0,43
0,43

image
Vorläufige Version – August 2021
| 82
Abbildung 59: Vergleich der beobachteten Ganglinie (schwarz strichliert) des Pegels Niedermülsen 1 mit dem simulierten Durchfluss in der Ausgangssituation
(blau) und nach der Optimierung (rot) sowie das Niederschlagsgebietsmittel des Referenzdatensatzes (schwarz) für den Zeitraum 2000 bis 2015

image
Vorläufige Version – August 2021
| 83
Abbildung 60: Vergleich der Dauerlinie des beobachteten Durchflusses (schwarz strichliert) des Pegels
Niedermülsen 1 mit den Dauerlinien des simulierten Durchflusses in der Ausgangssituation (blau) und
nach der Optimierung (rot) für den Zeitraum 2000 bis 2015
Region 80 – Pegel Königsbrück
Die Region 80 ist ebenfalls ein Kopfgebiet mit DIFGA-Ergebnis im Flusseinzugsgebiet der Schwarzen Elster. Es
umfasst Teile des Westlausitzer Hügel- und Berglandes sowie der Königsbrück-Ruhlander Heiden (s. Abbildung 56).
Bis zum Pegel Königsbrück beträgt die Einzugsgebietsfläche ca. 92 km
2
, wobei magmatisches Tiefengestein die
dominierende Lithofazies darstellt.
Ähnlich wie bei Region 33 bzw. der Mehrzahl der Regionen mit DIFGA-Ergebnis verbessert die Optimierung hier
vorrangig die Anpassung des Abflusses aus dem schnellen Grundwasserspeicher QG1 (s. Abbildung 61 oben und
Tabelle 23). Die Erhöhung des Volume-Score gesamt um eins auf 14 von 15 (s. Anhang, Abbildung 24) sowie die
Erhöhung des NSE-Scores gesamt um eins auf 11 von 15 (s. Anhang, Abbildung 25) ist allein auf die Vergleichs-
größe QG1 zurückzuführen.
Abbildung 62 zeigt die simulierte Durchflussganglinie im Vergleich zu den beobachteten Werten am Pegel Königs-
brück. Hinsichtlich des Volumens liefert bereits das nicht optimierte Modell eine sehr gute Anpassung (s. Tabelle 24).
Dagegen können die Phasen des Durchflussrückgangs auch mit Optimierung nicht immer gut nachgebildet werden
(s. auch Dauerlinie in Abbildung 63). Eine Ursache könnte hier das generelle Modellverhalten mit einer zu starken
Reaktion auf Niederschlagsinput sein. Die hohe Zahl an nicht beobachteten Ausschlägen des simulierten Durchflus-
ses erschwert dabei die Optimierung vor allem bei sinkenden Durchflüssen. Das genannte Phänomen tritt auch bei
wenigen weiteren Regionen im KliWES-Projektraum auf.

image
Vorläufige Version – August 2021
| 84
Abbildung 61: Anpassung der simulierten Ganglinien (blau = nicht kalibriert, rot = optimiert) an die DIFGA-Ergebnisse für den Abfluss aus dem schnellen
Grundwasserspeicher QG1 (oben) und das Restglied (unten) im Zeitraum 2000 bis 2015 als Gebietssumme der Region 80 mit Pegel Königsbrück, Modellausga-
ben des simulierten Restgliedes (entspricht Verdunstung plus Bodenspeicheränderung) unterscheiden sich nicht, da die Verdunstungsparameter nicht opti-
miert werden

Vorläufige Version – August 2021
| 85
Tabelle 23: Gütemaße (Zeitraum 2000 bis 2015) für die Anpassung der simulierten QG1- bzw. Restglied-
Werte (Ausgangssituation und nach Optimierung) hinsichtlich der monatlichen Vergleichswerte aus DIFGA
als Gebietssumme der Region 80 mit Pegel Königsbrück
Gütemaß
Einheit
Abfluss schneller
Grundwasserspeicher QG1
Restglied REST
Ausgangssituation
optimiert
Ausgangssituation/opti-
miert
Root-mean-squared error RMSE
mm
5,99
4,90
28,16
Nash-Sutcliffe-Effizienz NSE
-
0,45
0,63
0,48
Mittelwert DIFGA
mm
8,28
48,98
Mittelwert simuliert
mm
5,54
7,17
50,73
Tabelle 24: Gütemaße (Zeitraum 2000 bis 2015) für die Anpassung des simulierten Durchflusses (Aus-
gangssituation und nach Optimierung) hinsichtlich des beobachteten täglichen Durchflusses am Pegel Kö-
nigsbrück (Berechnung NSE für logarithmierten Durchfluss)
Gütemaß
Einheit
Durchfluss Q (bzw. logQ)
Ausgangssituation
optimiert
Root-mean-squared error RMSE
m
3
/s
0,60
0,57
Nash-Sutcliffe-Effizienz NSE
-
0,61
0,62
Mittelwert DIFGA
m
3
/s
0,78
Mittelwert simuliert
m
3
/s
0,71
0,71

image
Vorläufige Version – August 2021
| 86
Abbildung 62: Vergleich der beobachteten Ganglinie (schwarz strichliert) des Pegels Königsbrück mit dem simulierten Durchfluss in der Ausgangssituation
(blau) und nach der Optimierung (rot) sowie das Niederschlagsgebietsmittel des Referenzdatensatzes (schwarz) für den Zeitraum 2000 bis 2015

image
image
Vorläufige Version – August 2021
| 87
Abbildung 63: Vergleich der Dauerlinie des beobachteten Durchflusses (schwarz strichliert) des Pegels
Königsbrück mit den Dauerlinien des simulierten Durchflusses in der Ausgangssituation (blau) und nach
der Optimierung (rot) für den Zeitraum 2000 bis 2015
Region 131 – Pegel Neundorf
Die Region 131 ohne DIFGA-Ergebnis liegt im Flusseinzugsgebiet der Elbe auf Hierarchieebene zwei (ein Oberlie-
ger). Das ca. 52 km
2
große Einzugsgebiet bis Pegel Neundorf am Randes des Osterzgebirges (s. Abbildung 56)
umfasst mehrere Lithofazies wie Sandstein, magmatisches Tiefengestein sowie die Metamorphite Gneis und Schie-
fer.
Die Ergebnisse am Pegel Neundorf stehen stellvertretend für alle Regionen ohne DIFGA-Ergebnis mit gleichzeitiger
Erhöhung des Volume-Score Q sowie des NSE-Score logQ infolge der Optimierung (s. Abbildung 64, blauer Anteil).
Konkret steigt hier der Volume-Score Q um zwei Punkte auf fünf von fünf (s. Anhang, Abbildung 26) und der NSE-
Score logQ um einen Punkt auf drei von fünf (s. Anhang, Abbildung 27). Abbildung 65 und Abbildung 66 zeigen die
verbesserte Anpassung des simulierten Durchflusses bezüglich Volumen und Dynamik vor allem im Rückgangs- und
Niedrigwasserbereich. Ein Blick auf die Gütemaße in Tabelle 25 bestätigt die getroffenen Aussagen.
Abbildung 64: Anzahl der Regionen ohne DIFGA-Ergebnis (Summe 64) und verbesserter Anpassung des
Durchflusses Q (blau) bzw. ohne Verbesserung (rot) – aufgeschlüsselt für den Volume-Score (links) sowie
den NSE-Score (rechts)

image
Vorläufige Version – August 2021
| 88
Abbildung 65: Vergleich der beobachteten Ganglinie (schwarz strichliert) des Pegels Neundorf mit dem simulierten Durchfluss in der Ausgangssituation (blau)
und nach der Optimierung (rot) für den Zeitraum 2000 bis 2015

image
Vorläufige Version – August 2021
| 89
Tabelle 25: Gütemaße (Zeitraum 2000 bis 2015) für die Anpassung des simulierten Durchflusses (Aus-
gangssituation und nach Optimierung) hinsichtlich des beobachteten täglichen Durchflusses am Pegel
Neundorf (Berechnung NSE für logarithmierten Durchfluss)
Gütemaß
Einheit
Durchfluss Q (bzw. logQ)
Ausgangssituation
optimiert
Root-mean-squared error RMSE
m
3
/s
2,09
1,93
Nash-Sutcliffe-Effizienz NSE
-
0,26
0,61
Mittelwert DIFGA
m
3
/s
1,22
Mittelwert simuliert
m
3
/s
1,47
1,14
Abbildung 66: Vergleich der Dauerlinie des beobachteten Durchflusses (schwarz strichliert) des Pegels
Neundorf mit den Dauerlinien des simulierten Durchflusses in der Ausgangssituation (blau) und nach der
Optimierung (rot) für den Zeitraum 2000 bis 2015
Region 168 – Langenleuba (Leubabach)
Abschließend werden die Ergebnisse der Region 168 bis zum Pegel Langenleuba (Leubabach) im Flusseinzugsge-
biet der Weißen Elster vorgestellt. Das ca. 35 km
2
große Kopfgebiet ohne DIFGA-Ergebnis befindet sich im Ostthü-
ringischen Lösshügelland (s. Abbildung 56) mit Löss als dominierender Lithofazieseinheit.
Für Region 168 bewirkt die Optimierung keine Veränderung von Volume-Score Q (vier von fünf, s. Anhang, Abbildung
19) und NSE-Score logQ (null von fünf, s. Anhang, Abbildung 21). Sie repräsentiert damit den in Abbildung 64 rot
dargestellten Anteil der Nicht-DIFGA-Regionen ohne Verbesserung der Score-Werte.
Dabei ist jedoch anzumerken, dass die volumetrische Anpassung des simulierten Durchflusses für diese Regionen
bereits im nicht kalibrierten Zustand hinreichend gut ausfällt. Somit besteht nur noch ein geringes Steigerungspoten-
tial bezüglich des Volume-Score Q. Diese Aussage lässt sich für Region 168 bei Betrachtung der simulierten und
beobachteten Durchflussganglinien am Pegel Langenleuba (Leubabach) (s. Abbildung 67) bestätigen.

image
Vorläufige Version – August 2021
| 90
Abbildung 67: Vergleich der beobachteten Ganglinie (schwarz strichliert) des Pegels Langenleuba (Leubabach) mit dem simulierten Durchfluss in der Aus-
gangssituation (blau) und nach der Optimierung (rot) für den Zeitraum 2000 bis 2015

image
Vorläufige Version – August 2021
| 91
Das beobachtete Durchflussmittel liegt etwa bei 0,22 m
3
/s und wird sowohl von dem nicht kalibrierten als auch dem
optimierten Modell mit ca. 0,19 m
3
/s relativ gut getroffen (s. Tabelle 26). Defizite bestehen dagegen bei der Abbildung
einiger Rückgangs- und Niedrigwasserperioden. Hier bewirkt die Optimierung nahezu keine Verbesserung, was auch
die niedrige NSE für den logarithmierten Durchfluss (s. Tabelle 26) sowie die Dauerlinie (s. Abbildung 68) bestätigt.
Die Ursachen sind möglicherweise sehr vielschichtig und nicht eindeutig voneinander abgrenzbar. Zu nennen sind
einerseits nicht quantifizierte Messunsicherheiten in den Eingangsdaten wie Niederschlag und Durchfluss sowie Un-
sicherheiten in der Modellparametrisierung. Des Weiteren ist denkbar, dass das Wasserhaushaltsmodell in den be-
treffenden Regionen nicht alle relevanten hydrologischen Prozesse vollständig abbilden kann. Dies muss jedoch erst
mit weiteren Untersuchungen abgeklärt werden.
Tabelle 26: Gütemaße (Zeitraum 2000 bis 2015) für die Anpassung des simulierten Durchflusses (Aus-
gangssituation und nach Optimierung) hinsichtlich des beobachteten täglichen Durchflusses am Pegel
Langenleuba (Leubabach) (Berechnung NSE für logarithmierten Durchfluss)
Gütemaß
Einheit
Durchfluss Q (bzw. logQ)
Ausgangssituation
optimiert
Root-mean-squared error RMSE
m
3
/s
0,35
0,32
Nash-Sutcliffe-Effizienz NSE
-
-0,55
0,00
Mittelwert DIFGA
m
3
/s
0,22
Mittelwert simuliert
m
3
/s
0,19
0,19
Abbildung 68: Vergleich der Dauerlinie des beobachteten Durchflusses (schwarz strichliert) des Pegels
Langenleuba (Leubabach) mit den Dauerlinien des simulierten Durchflusses in der Ausgangssituation
(blau) und nach der Optimierung (rot) für den Zeitraum 2000 bis 2015

 
Vorläufige Version – August 2021
| 92
4.2.3
Ergebnisse für den Optimierungszeitraum 1961 bis 1987
Der gewählte Optimierungszeitraum von 2000 bis 2015 berücksichtigt bestmöglich die aktuellen klimatischen Ver-
hältnisse. So sollen die kalibrierten Modellparameter auch für Simulationen mit Klimaprojektionen bis 2100 nutzbar
sein. Um die Relevanz der Wahl eines geeigneten Optimierungszeitraums zu untersuchen, wird die Kalibrierung für
zwei Modellregionen anhand der Jahre 1961 bis 1987 vergleichend durchgeführt.
Die Auswahl der beiden Modellregionen richtet sich nach mehreren Kriterien: Es kommen nur Kopfgebiete mit
DIFGA-Ergebnis in Frage, um eine Beeinflussung durch Oberlieger auszuschließen und die Anpassung hinsichtlich
der drei Vergleichsgrößen beurteilen zu können. Des Weiteren sind Einzugsgebiete im Erzgebirge ausgeschlossen,
da hier das Waldsterben in den 80er-Jahren den Wasserhaushalt stark beeinflusst. Außerdem sollten keine Hoch-
wasserrückhaltebecken oder ähnliche wasserwirtschaftliche Anlagen zwischen den beiden Optimierungszeiträumen
errichtet worden sein. Somit fiel die Wahl auf die bereits vorgestellte Region 33 mit Pegel Niedermülsen 1 sowie
Region 80 mit Pegel Königsbrück (s. Abbildung 56).
Die Abbildung 69 zeigt die Anpassung der simulierten Durchflussganglinien für das nicht kalibrierte Modell bzw. die
zwei optimierten Modelle (bzgl. Zeitraum 2000 bis 2015 und Zeitraum 1961 bis 1987) an die Beobachtungsdaten des
Pegels Niedermülsen 1. Es sind geringfügige Unterschiede der Optimierungsvarianten in den Hochwasserspitzen zu
sehen. Die Anpassung im Mittel- und Niedrigwasserbereich ist nahezu identisch, was auch bei Betrachtung der Dau-
erlinien (s. Abbildung 71) sowie der Gütemaße in Tabelle 27 bestätigt wird.
Etwas größere Unterschiede bestehen hinsichtlich der Simulation des Abflusses aus dem schnellen Grundwasser-
speicher (s. Abbildung 70). Hier liegt die für den Zeitraum 2000 bis 2015 optimierte Modellvariante mit einem QG1-
Mittelwert von 9,2 mm näher an dem QG1-Mittelwert von 8,5 mm aus DIFGA (s. Tabelle 28). Die bezüglich 1961 bis
1987 optimierte Modellvariante liefert eine schlechtere volumetrische Anpassung mit einem QG1-Mittelwert von 10,4
mm. Auf die Darstellung des simulierten Restgliedes wird verzichtet, da sich dessen Ergebnisse nicht von denen in
Abbildung 61 unterscheiden.
Tabelle 27: Gütemaße (Zeitraum 2000 bis 2015) für die Anpassung des simulierten Durchflusses (Aus-
gangssituation und nach Optimierung bzgl. Zeitraum 2000 bis 2015 bzw. 1961 bis 1987) hinsichtlich des
beobachteten täglichen Durchflusses am Pegel Niedermülsen 1 (Berechnung NSE für log. Durchfluss)
Gütemaß
Einheit
Durchfluss Q (bzw. logQ)
Ausgangssituation
optimiert (2000-2015)
optimiert (1961-1987)
Root-mean-squared error RMSE
m
3
/s
0,56
0,54
0,55
Nash-Sutcliffe-Effizienz NSE
-
0,57
0,68
0,67
Mittelwert beobachtet
m
3
/s
0,43
Mittelwert simuliert
m
3
/s
0,43
0,44
0,44
Tabelle 28: Gütemaße (Zeitraum 2000 bis 2015) für die Anpassung des simulierten Abflusses aus dem
schnellen Grundwasserspeicher (Ausgangssituation und nach Optimierung bzgl. Zeitraum 2000 bis 2015
bzw. 1961 bis 1987) hinsichtlich der monatlichen Vergleichswerte aus DIFGA als Gebietssumme der Region
33 mit Pegel Niedermülsen 1
Gütemaß
Einheit
Abfluss schneller Grundwasserspeicher QG1
Ausgangssituation
optimiert (2000-2015)
optimiert (1961-1987)
Root-mean-squared error RMSE
mm
8,59
7,09
7,28
Nash-Sutcliffe-Effizienz NSE
-
0,34
0,55
0,52
Mittelwert DIFGA
mm
8,50
Mittelwert simuliert
mm
5,97
9,20
10,36

image
Vorläufige Version – August 2021
| 93
Abbildung 69: Vergleich der beobachteten Ganglinie (schwarz strichliert) des Pegels Niedermülsen 1 mit dem simulierten Durchfluss in der Ausgangssituation
(blau) und nach der Optimierung für den Zeitraum 2000 bis 2015 (rot) bzw. 1961 bis 1987 (grün) sowie das Niederschlagsgebietsmittel des Referenzdatensatzes
(schwarz) für den Zeitraum 2000 bis 2015

image
Vorläufige Version – August 2021
| 94
Abbildung 70: Anpassung der simulierten Ganglinien (blau = nicht kalibriert, rot = optimiert für 2000 bis 2015, grün = optimiert für 1961 bis 1987) an die DIFGA-
Ergebnisse für den Abfluss aus dem schnellen Grundwasserspeicher QG1 im Zeitraum 2000 bis 2015 als Gebietssumme der Region 33 mit Pegel Niedermül-
sen 1

image
Vorläufige Version – August 2021
| 95
Abbildung 71: Vergleich der Dauerlinie des beobachteten Durchflusses (schwarz strichliert) des Pegels
Niedermülsen 1 mit den Dauerlinien des simulierten Durchflusses in der Ausgangssituation (blau) und
nach der Optimierung bzgl. 2000 bis 2015 (rot) bzw. 1961 bis 1987 (grün) für den Zeitraum 2000 bis 2015
Für die Region 80 mit Pegel Königsbrück ergeben sich ähnliche Schlussfolgerungen im Vergleich der zwei optimier-
ten Modelle. Die entsprechenden Ergebnisse befinden sich im Anhang (s. Abbildung 30 bis 32 sowie Tabelle 2 und
Tabelle 3).
Zusammenfassend wird anhand der untersuchten Einzugsgebiete festgestellt, dass die Wahl des Optimierungszeit-
raums die Durchflussanpassung am Pegel nur wenig beeinflusst. Hinsichtlich der einzelnen Wasserhaushaltskom-
ponenten wie z.B. QG1 sind die Unterschiede wesentlich größer. Um dies jedoch für den gesamten KliWES-Projekt-
raum einschätzen zu können, müssten wesentlich mehr Regionen in den Vergleich einbezogen werden.

image
Vorläufige Version – August 2021
| 96
5 Wasserhaushaltsergebnisse
Das Kapitel 5 umfasst die Auswertung der Wasserhaushaltsergebnisse für den gesamten Untersuchungsraum sowie
für einzelne Einzugsgebiete. Die Ergebnisse sollen einen Überblick zu den erzeugten Daten geben. Aufgrund des
Umfangs der Ergebnisse kann allerdings nur ein allgemeiner Überblick anhand von ausgewählten Beispielen gege-
ben werden.
5.1 Auswertung von Ergebnissen der Klimaprojektionen im ge-
samten Untersuchungsraum
Zur Abbildung allgemeiner Tendenzen verschiedener simulierter Größen bis 2100 finden sich nachfolgend mehrere
Graphiken (Abbildung 72 bis Abbildung 78), welche jeweils den mittleren Verlauf bzw. die räumliche Verteilung für
den Modellraum in Sachsen wiedergeben. Die Graphiken und Karten wurden dem neuen Wasserhaushaltsportal (s.
Abschnitt 6) entnommen.
Wie bereits in Abschnitt 2.2.4 gezeigt wurde, nimmt die mittlere Lufttemperatur ausgehend von den acht ausgewähl-
ten Szenarien (s. Tabelle 4) zu. Dies führt im Ergebnis auch zu einem teils erheblichen Ansteigen der potentiellen
Verdunstung, deren Verlauf zwischen 1961 – 2100 als 20jähriges gleitendes Mittel in Abbildung 72 dargestellt ist. Es
ist zu erkennen, dass der Verlauf der potentiellen Verdunstung basierend auf den Beobachtungsdaten (Abbildung
72, Ist-Zustand, hellblaue Linie) weitestgehend mit dem „worst case Szenario“ RCP8.5_1 (Abbildung 72, dunkelblaue
Linie) übereinstimmt.
Abbildung 72: Entwicklung der projizierten potentiellen Verdunstung als 20jähriges gleitendes Mittel unter
Einfluss der ausgewählten Klimarealisierungen in Sachsen (Quelle: neue KliWES-Anwendung im Wasser-
haushaltsportal Sachsen)
Die mittlere potentielle Verdunstung des Zeitraums 1988 – 2014 ist mit ca. 575 mm/a für den Ist-Zustand nahezu
gleich dem RCP8.5_1-Szenario mit ca. 580 mm/a. Demgegenüber projiziert das 8.5-Szenario für den Zeitraum der
fernen Zukunft (2071 – 2100) eine mittlere potentielle Verdunstung von rund 700 mm/a, was einer Zunahme um das
1,25-fache für den Raum Sachsens entspricht. Für das vergleichsweise moderate Szenario RCP2.6_1 steigt die
mittlere potentielle Verdunstung hingegen nur von ca. 560 mm/a (1988 – 2014) auf etwa 580 mm/a (2071 – 2100).

image
Vorläufige Version – August 2021
| 97
Abbildung 73: Entwicklung der Klimatischen Wasserbilanz (= projizierter Niederschlag minus projizierter
potentieller Verdunstung) der ausgewählten Klimarealisierungen als 20jähriges gleitendes Mittel für Sach-
sen (Quelle: neue KliWES-Anwendung im Wasserhaushaltsportal Sachsen)
Um einen Eindruck vom zukünftige zu erwartenden Wasserdargebot zu erhalten, wird die Größe der klimatischen
Wasserbilanz KWB verwendet. Sie stellt die Differenz von Niederschlag minus potentieller Verdunstung dar. Ihr pro-
jizierter Verlauf als 20jähriges gleitendes Mittel des Ist-Zustands und der acht Klimaprojektionen über den Modell-
raum Sachsens ist in Abbildung 73 zu sehen. Es ist für alle Klimarealisierungen ein negativer Trend festzustellen,
was einer Abnahme des Wasserdargebots entspricht. Die projizierten Auswirkungen der klimatischen Veränderun-
gen sind allerdings für die drei Realisierungen A1B_1, RCP8.5_1 und RCP8.5_2 am stärksten, da diese drei Projek-
tionen spätestens ab 2050 im Mittel negative Werte für die klimatische Wasserbilanz aufweisen. Dies würde einem
erheblichen Wassermangel gleichkommen. Vor allem die RCP8.5_1-Realisierung fällt wiederum mit einem starken
Rückgang auf, welcher für den Zeitraum von 2071 – 2100 einen mittleren Wert von rund -130 mm/a für die klimatische
Wasserbilanz ergibt.
Die übrigen fünf Realisierung weisen zwar entsprechend der Modellierungen auch gegen Ende des 21. Jahrhunderts
projizierte Werte von > 0 mm/a, aber auch hier zeigt sich ein deutlicher Rückgang von durchschnittlich 50% gegen-
über dem Zeitraum des Ist-Zustands.
Um die Entwicklung auch für den Raum Sachsens zu verdeutlichen, sind in Abbildung 74 vier Karten dargestellt,
welche die langjährigen Mittelwerte der klimatischen Wasserbilanz für die Zeitabschnitte der Vergangenheit von 1961
– 1987 und 1988 – 2014 sowie für die Zukunft von 2021 – 2050 und 2071 – 2100 wiedergeben. Grundlage der Werte
ist die Realisierung RCP8.5_1. Hierbei fällt auf, dass bereits im Zeitraum von 1988 – 2014 der Norden Sachsens
Werte von unter 50 mm/a für die klimatische Wasserbilanz - als Maß für das Wasserdargebot - aufweisen (s. Abbil-
dung 74, dunkelrote Flächen). Zum Ende des 21. Jahrhunderts dominieren dann die Flächen mit weniger als
50 mm/a den Großteil des untersuchten Raums in Sachsen. Nur für die Kammlagen des Erzgebirges würde es dieser
Klimarealisierung folgend noch ein nennenswertes Dargebot geben.

image
image
Vorläufige Version – August 2021
| 98
Abbildung 74: Karten der projizierten klimatischen Wasserbilanz als langjährige Mittelwerte (1961-1987,
1988-2014, 2021-2050 und 2071-2100) in den sächsischen Einzugsgebieten basierend auf dem RCP-8.5_1-
Szenario (Quelle Karten: neue KliWES-Anwendung im Wasserhaushaltsportal)
In Abbildung 75 ist die Entwicklung der projizierten realen Verdunstung als 20jähriges gleitendes Mittel bis 2100
unter Einfluss der ausgewählten Klimarealisierungen in Sachsen dargestellt.
Abbildung 75: Entwicklung der projizierten realen Verdunstung als 20jähriges gleitendes Mittel unter Ein-
fluss der ausgewählten Klimarealisierungen in Sachsen (Quelle: neue KliWES-Anwendung im Wasserhaus-
haltsportal Sachsen)

image
Vorläufige Version – August 2021
| 99
Im Gegensatz zur potentiellen Verdunstung gibt es kaum einen Anstieg der Werte, welcher spätestens zur Mitte des
21. Jahrhunderts umschlägt. Für die Mehrzahl der Klimaprojektionen kommt es ab diesem Zeitpunkt wieder zu einer
Abnahme der realen Verdunstungswerte, was auf die rückläufigen Niederschläge und die damit limitierten Wasser-
vorräte zurückzuführen ist. Insgesamt schwanken die Verdunstungswerte über den Betrachtungszeitraum der Klima-
realisierungen nur in einem Wertebereich zwischen rund 530 mm/a und 570 mm/a.
Es hebt sich allerdings besonders der Verlauf der realen Verdunstung des berechneten Ist-Zustands (basierend auf
dem Referenzdatensatz) hervor, da die Werte deutlich über den Kurven der Klimaprojektionen liegen. Dies wird
durch die höheren Niederschläge hervorgerufen, welche im Zeitraum des Ist-Zustands (1961 - 2015) über den Wer-
ten der Klimaprojektionen liegen (s. Abbildung 16). Damit steht mehr Wasser für die reale Verdunstung zur Verfü-
gung.
Abbildung 76: Karten der simulierten realen Verdunstung als langjährige Mittelwerte (1961-1987, 1988-
2014, 2021-2050 und 2071-2100) in den sächsischen Einzugsgebieten basierend auf dem RCP-8.5_2-Szena-
rio (Quelle Karten: neue KliWES-Anwendung im Wasserhaushaltsportal)
Um wiederum die zeitliche Entwicklung sowie räumliche Verteilung der realen Verdunstungswerte in Sachsen zu
veranschaulichen, zeigt Abbildung 76 exemplarisch für die Klimarealisierung RCP8.5_2 vier Karten, welche aus dem
neuen Wasserhaushaltsportal Sachsen entstammen. Es ist eine recht heterogene Verteilung der realen Verdunstung
erkennbar, welche maßgeblich durch die Landnutzungseigenschaften geprägt wird. Auch hier zeigt sich, dass es nur
zu begrenzten Veränderungen der realen Verdunstung kommt, wobei der Norden Sachsens insgesamt stärker be-
troffen ist.
In der Folge von reduzierten Niederschlägen und steigenden Temperaturen basierend auf den verwendeten Klima-
realisierungen sinkt der projizierte Abfluss aus dem langsamen Grundwasserspeicher in Sachsen, wie in Abbildung
77 dargestellt ist.

image
Vorläufige Version – August 2021
| 100
Abbildung 77: Entwicklung des projizierten langsamen Grundwasserabflusses als 20jähriges gleitendes
Mittel unter Einfluss der ausgewählten Klimarealisierungen in Sachsen (Quelle: neue KliWES-Anwendung
im Wasserhaushaltsportal Sachsen)
Die 20jährigen gleitenden Mittelwerte des langsamen Grundwasserabflusses liegen zu Beginn im Mittel über Sach-
sen bei Werten von > 35 mm/a, weisen aber für den Beobachtungszeitraum bereits überwiegend einen negativen
Trend auf. Zum Ende des 21. Jahrhunderts ergeben sich nur noch für die beiden Realisierungen des RCP2.6-Sze-
narios leicht positive Werte von rund 10 mm/a des langsamen Grundwasserabflusses. Für alle weiteren Realisierun-
gen liegen die Werte hingegen im Mittel unter 0 mm/a, was eine Reduktion der Grundwasservorräte und damit ein
Absinken der Grundwasserstände zur Folge hat. Die Realisierung RCP8.5_1 weist mit rund -50 mm/a projiziertem
Abfluss aus dem langsamen Grundwasserspeicher gegen Ende des Jahrhunderts einen Minimalwert auf.
Die Entwicklung der Abflüsse ist hierbei regional sehr verschieden, auch wenn insgesamt alle Bereiche Sachsens
basierend auf den Wasserhaushaltsmodellierungen einen negativen Trend aufweisen. Dies soll anhand der Abbil-
dung 78 exemplarisch für den Gesamtabfluss veranschaulicht werden. Grundlage der Karten ist die Klimarealisie-
rung RCP8.5_2. Die vier dargestellten Karten enthalten die langjährigen Mittelwerte des Gesamtabflusses für die
Zeitabschnitte der Vergangenheit von 1961 – 1987 und 1988 – 2014 sowie für die Zukunft von 2021 – 2050 und
2071 – 2100. Der Gesamtabfluss stellt dabei die Summe aller Abflusskomponenten dar:
Landoberflächenabfluss inkl. Dränabfluss
Abfluss über Trenn- und Mischkanalisation
Hypodermischer Abfluss
Schneller und langsamer Grundwasserabfluss
Entsprechend der zuvor beschriebenen Veränderungen der klimatologischen und hydrologischen Größen ergibt sich
flächendeckend eine Reduktion der Gesamtabflüsse. Während im Zeitraum 1988 – 2014 der mittlere Gesamtabfluss
in Sachsen bei rund 250 mm/a (für Realisierung RCP8.5_2) liegt, kommt es 2071 – 2100 nur noch zu einem mittleren
Abfluss von ca. 90 mm/a. Dies entspricht in etwa einer Reduktion um zwei Drittel. Demgegenüber projiziert das
moderate Klimaszenario RCP2.6 nur einen Rückgang von rund 20% des Gesamtabflusses zum Ende des 21. Jahr-
hunderts verglichen mit dem Zeitraum 1988 – 2014.

image
Vorläufige Version – August 2021
| 101
Abbildung 78: Karten des simulierten Gesamtabflusses als langjährige Mittelwerte (1961-1987, 1988-2014,
2021-2050 und 2071-2100) in den sächsischen Einzugsgebieten basierend auf dem RCP-8.5_2-Szenario
(Quelle Karten: neue KliWES-Anwendung im Wasserhaushaltsportal)
Die nachfolgenden Abbildungen sollen ergänzend noch einen Überblick zu weiteren möglichen Auswertungen der
projizierten meteorologischen Größen und der simulierten Wasserhaushaltsergebnisse bieten. So sind Auswertun-
gen zu minimalen und maximalen Veränderungen möglich, wie sie die Abbildung 80 und Abbildung 81 am Beispiel
des langsamen Grundwasserabflusses zeigen. Dargestellt sind die zeitlichen Entwicklungen der minimalen und ma-
ximalen Abflüsse aus dem langsamen Grundwasserspeicher für den Ist-Zustand (1961-2015) und die acht ausge-
wählten Klimarealisierungen (1961-2100). Zudem ist für jedes Jahr der Monat des minimalen bzw. maximalen Ab-
flusses miterfasst. Diese Betrachtung wurden für den gesamten Untersuchungsraum durchgeführt.
Die bereits zuvor vorgestellten Auswertungen können auch für jedes der modellierten Einzugsgebiete (s. Abbildung
43) durchgeführt werden. Graphiken hierzu finden sich im Anhang (Abbildung 33 bis Abbildung 37) und verdeutlichen
noch mehr die lokale und regionale Entwicklung der verschiedenen Klima- und Wasserhaushaltsgrößen. Ebenso
können z.B. die mittleren prozentualen Abweichungen verschiedener Größen vom Vergleichszeitraum 1961-1990
bestimmt werden. Dies ist exemplarisch für die Realisierung A1B_1 in Abbildung 79 aufgezeigt. Auch Betrachtungen
der jahreszeitlichen Veränderungen können Gegenstand von weiteren Detailuntersuchungen sein.
Eine nutzerspezifische Auswertung der Ergebnisse des KliWES-Projekts bietet die neue Anwendung im Wasser-
haushaltsportal Sachsen, welche zukünftig alle aktualisierten Projektergebnisse zum Download bereitstellt (s. Kapi-
tel 6).

image
Vorläufige Version – August 2021
| 102
Abbildung 79: Tabellenauszug zur Darstellung von mittleren jährlichen prozentualen Änderungen verschiedener Klima- und Wasserhaushaltsgrößen für 10jäh-
rige Zeitscheiben gegenüber dem Vergleichszeitraum 1961-1990 am Beispiel der Klimarealisierung A1B_1
A1B_1

image
Vorläufige Version – August 2021
| 103
Abbildung 80: Darstellung zur zeitlichen Entwicklung der minimalen Abflüsse aus dem langsamen Grundwasserspeicher für den Ist-Zustand (1961-2015) und
die acht ausgewählten Klimarealisierungen (1961-2100)

image
Vorläufige Version – August 2021
| 104
Abbildung 81: Darstellung zur zeitlichen Entwicklung der maximalen Abflüsse aus dem langsamen Grundwasserspeicher für den Ist-Zustand (1961-2015) und
die acht ausgewählten Klimarealisierungen (1961-2100)

image
 
Vorläufige Version – August 2021
| 105
5.2 Auswertung von Ergebnissen für die Trockenjahre 2018
und 2019
Ergänzend zu den Wasserhaushaltsberechnungen für Ist-Zustand (Referenzdatensatz) und Klimaprojektionen er-
folgten weitere Wasserhaushaltsmodellierungen für den Zeitraum 2010 bis 2019 basierend auf einem weiteren me-
teorologischen Eingangsdatensatz. Erläuterungen zu diesem Datensatz finden sich in Abschnitt 2.2.5. Die Wasser-
haushaltsmodellierungen für die betrachteten Pegeleinzugsgebiete Jänkendorf 1, Markersbach 1, Merzdorf und
Schönau sollen nachfolgend anhand der drei Ergebnisgrößen potentielle Verdunstung, reale Verdunstung sowie
Abfluss aus dem langsamen Grundwasserspeicher ausgewertet werden. Da die Ergebnisse der drei Gebiete Jän-
kendorf 1, Merzdorf und Schönau vergleichbar sind, wird jeweils nur auf das Gebiet Schönau detailliert eingegangen.
Alle weiteren Karten und Graphiken können dem Anhang entnommen werden.
Beginnend mit der potentiellen Verdunstung zeigt sich am Beispiel des Gebiets Schönau ein hoher Verdunstungs-
anspruch von rund 750 mm/a für die Jahre 2018 und 2019, welcher in Abbildung 82 dargestellt ist. Dieser begründet
sich vornehmlich durch die hohen Temperaturen. Das Jahr 2017 erreicht mit einem Wert von ca. 650 mm/a eine
deutlich geringere potentielle Verdunstung.
Abbildung 82: Räumliche Verteilung der potentiellen Verdunstung in den Jahren 2017, 2018 und 2019 im
Einzugsgebiet Schönau

image
Vorläufige Version – August 2021
| 106
Abbildung 83: Räumliche Verteilung der realen Verdunstung in den Jahren 2017, 2018 und 2019 im Ein-
zugsgebiet Schönau
Da die meteorologischen Größen, welche für die Berechnung der potentiellen Verdunstung benötigt werden, in ihrer
räumlichen Verteilung sehr homogen sind, ergibt sich auch für die physikalisch mögliche Verdunstung im Einzugs-
gebiet eine sehr gleichförmige Verteilung. In der Betrachtung der realen Verdunstung tritt hingegen eine wesentlich
stärkere Differenzierung auf, wie Abbildung 83 zeigt, da die vorliegenden Landnutzungseigenschaften berücksichtigt
werden. Zudem zeigt sich, dass die reale Verdunstung mit rund 640 mm/a nur geringfügig unter der potentiellen
Verdunstung liegt und der Verdunstungsanspruch im Jahr 2017 damit nahezu erfüllt werden kann. D.h., dass aus-
reichend Wasser zur Verdunstung vorhanden ist. Demgegenüber liegt die reale Verdunstung in den Jahren 2018
und 2019 mit ca. 540 mm/a bzw. 590 mm/a deutlich niedriger als die Werte der potentiellen Verdunstung. Die hohen
Werte der potentiellen Verdunstung in diesem Zeitraum schlagen sich aufgrund des Wassermangels im Einzugsge-
biet nicht in der realen Verdunstung nieder. Nur einzelne grundwassernahe Flächen (dunkelrot) im nördlichen Be-
reich des Gebietes heben sich hervor und weisen sehr hohe Verdunstungsmengen auf (s. Abbildung 83), da keine
Wasserlimitierung vorliegt.
Im Vergleich der drei Jahre ist damit die reale Verdunstung für 2017 im Gebietsmittel am höchsten, obwohl dieses
Jahr den niedrigsten Wert bei der potentiellen Verdunstung aufweist.

Vorläufige Version – August 2021
| 107
Tabelle 29:
Entwicklung der potentiellen Verdunstung ETP [mm/a] im Zeitraum 1986-2015 (basierend
auf den Werten des Referenzdatensatzes) anhand von 10jährigen Mittelwerten in den Einzugsgebieten
Schönau, Merzdorf, Jänkendorf 1 und Markersbach 1
10jähriges Mittel von
ETP [mm/a]
Schönau
Merzdorf
Jänkendorf 1
Markersbach 1
1986-1995
598
596
600
494
1996-2005
601
592
601
474
2006-2015
615
620
617
511
Zur Einordnung der Werte ist in Tabelle 29 die Entwicklung der potentiellen Verdunstung im Zeitraum 1986-2015
(basierend auf dem Referenzdatensatz) anhand von 10jährigen Mittelwerten aufgeführt. Spalte 2 zeigt die Werte für
das Einzugsgebiet Schönau. Für die Zeitscheiben von 1986-1995 sowie 1996-2005 liegt die potentielle Verdunstung
bei rund 600 mm/a. Im Zeitraum 2006-2015 zeigt sich bereits ein Anstieg auf rund 615 mm/a, was durch die Zunahme
der mittleren Temperatur begründet ist. Damit liegt der Wert der potentiellen Verdunstung mit rund 650 mm/a im Jahr
2017 (Gebiet Schönau) bereits über den langjährigen Mittelwerten.
Dieselbe Entwicklung der potentiellen Verdunstung findet sich in den Einzugsgebieten Jänkendorf 1, Markersbach 1
und Merzdorf, welche ebenfalls in Tabelle 29 aufgeführt sind. Für diese Gebiete sind die Abbildungen zur räumlichen
Verteilung der potentiellen sowie realen Verdunstung in den Jahren 2017, 2018 und 2019 im Anhang zu finden
(Abbildung 38 bis Abbildung 43).
Tabelle 30:
Entwicklung der realen Verdunstung ETR [mm/a] im Zeitraum 1986-2015 (basierend auf den
Werten des Referenzdatensatzes) anhand von 10jährigen Mittelwerten in den Einzugsgebieten Schönau,
Merzdorf, Jänkendorf 1 und Markersbach 1
10jähriges Mittel von
ETR [mm/a]
Schönau
Merzdorf
Jänkendorf 1
Markersbach 1
1986-1995
586
536
583
621
1996-2005
595
537
602
603
2006-2015
604
568
618
636
Daneben soll auch die Entwicklung der mit dem Wasserhaushaltmodell ArcEGMO ermittelten realen Verdunstung
im Zeitraum 1986-2015 (Eingangsdaten: Referenzdatensatz) anhand von 10jährigen Mittelwerten in Tabelle 30 auf-
gezeigt werden. Auch hier liegt die reale Verdunstung des Jahres 2017 mit rund 640 mm/a über den Mittelwerten
der Zeitscheiben 1986-1995, 1996-2005 sowie 2006-2015. Da es in den Jahren zwischen 2010 und 2015 hohe
Niederschlagsmengen gab und auch das Jahr 2017 ausreichend Niederschlag bringt (s. Abschnitt 2.2.5), ist das
Wasserdargebot im Einzugsgebiet Schönau ebenfalls hoch, so dass viel Wasser verdunstet werden kann. So liegt
die reale Verdunstung um ca. 40 mm/a höher als im Mittel der Jahre 2006-2015 (s. Tabelle 30) bzw. um ca. 30 mm/a
höher im Vergleich zum Zeitraum 2010-2015 (s. Abbildung 84). Abbildung 84 stellt die Differenzen zwischen der
jährlichen realen Verdunstung (REKIS-Datensatz) von 2017, 2018 und 2019 jeweils gegenüber dem Mittelwert 2010-
2015 der jährlichen realen Verdunstung (Referenzdatensatz) in ihrer räumlichen Verteilung für das Einzugsgebiet
Schönau dar. 2018 und 2019 weisen die überwiegenden Flächen hingegen eine negative Differenz von rund 100
mm/a auf mit Ausnahme der grundwassernahen Flächen, welche eine deutliche Zunahme der realen Verdunstung
zeigen.
Die Differenzenkarten der Einzugsgebiete Jänkendorf 1 und Merzdorf sind dem Anhang (Abbildung 44 und Abbil-
dung 46) zu entnehmen.

image
Vorläufige Version – August 2021
| 108
Abbildung 84: Differenzenkarten der jährlichen realen Verdunstung (REKIS-Datensatz) von 2017, 2018 und
2019 jeweils gegenüber dem Mittelwert 2010-2015 der jährlichen realen Verdunstung aus dem Referenzda-
tensatz für das Einzugsgebiet Schönau
Für das Gebiet Markersbach 1 ist die Entwicklung nicht so stark ausgeprägt, ob wohl auch in diesem Gebiet der
Jahresniederschlag in den Jahren 2018 und 2019 abnimmt (s. Abbildung 23). Da die jährlichen Niederschlagsmen-
gen aber weiterhin über 1000 mm/a liegen, kommt es nicht zu einer Wasserlimitierung. Die Auswirkungen auf die
reale Verdunstung sind somit nur sehr begrenzt, wie Abbildung 85 zeigt. Anhand des Verlaufs monatlichen Verduns-
tungswerte lässt sich erkennen, dass im Sommer 2018 die reale Verdunstung durch den fehlenden Niederschlag
zwar etwas geringer ausfällt, im Sommer 2019 aber ein Maximalwert erreicht wird. Dieser begründet sich durch ein
hohes Niederschlagsdargebot im Winter 2018/2019 (s. Abbildung 23).
Die Differenzen zwischen der jährlichen realen Verdunstung (REKIS-Datensatz) von 2017, 2018 und 2019 jeweils
gegenüber dem Mittelwert 2010-2015 der jährlichen realen Verdunstung (Referenzdatensatz) in ihrer räumlichen
Verteilung für das Einzugsgebiet Markersbach 1 sind im Anhang (Abbildung 45) dargestellt. Aufgrund der in Ab-
schnitt 2.2.5 beschriebenen Abweichungen zwischen Referenzdatensatz und REKIS-Datensatz hinsichtlich der
räumlichen Verteilung der meteorologischen Größen wird darauf hingewiesen, dass die Darstellung nur bedingt aus-
sagekräftig ist.

image
image
Vorläufige Version – August 2021
| 109
Abbildung 85: Gegenüberstellung der realen Verdunstung von 2000-2020 basierend auf dem Referenzda-
tensatz (RDS, schwarze Linie) und dem REKIS-Datensatz (rote Linie) für das Einzugsgebiet Markersbach 1
Neben der Auswertung der potentiellen und realen Verdunstung für die Trockenjahre 2018 und 2019 soll auch die
Entwicklung des langsamen Grundwasserabflusses betrachtet werden. Abbildung 86 gibt hierzu die Entwicklung des
langsamen Grundwasserabflusses als Monatswerte zwischen 2000 und 2020 wider.
Abbildung 86: Gegenüberstellung des langsamen Grundwasserabflusses von 2000-2020 basierend auf
dem Referenzdatensatz (RDS, schwarze Linie) und dem REKIS-Datensatz (rote Linie) für das Einzugsgebiet
Schönau

image
Vorläufige Version – August 2021
| 110
Positive Werte bedeuten hierbei, dass es zu Grundwasserabfluss kommt. Negative Werte treten auf, wenn durch
starke Verdunstung bzw. einen großen Wasserentzug durch die Vegetation die Zehrung aus dem Grundwasser den
Zufluss zum Grundwasser übersteigt und sich somit ein negativer Saldo ergibt. Dieser Effekt spielt besonders auf
grundwassernahen Flächen eine Rolle und tritt im Allgemeinen in den Sommermonaten auf.
In Abbildung 86 ist zu erkennen, dass bereits ab 2014 die Grundwasserabflüsse aus dem langsamen Grundwasser-
speicher zurückgehen, da das Jahr 2014 mit rund 600 mm/a Jahresniederschlag vergleichsweise trocken war.
Ebenso wird ersichtlich, dass der langsame Grundwasserabfluss in den Jahren 2018 und 2019 durch Zehrungspro-
zesse überwiegend negative Abflüsse aufweist. Als Saldo für das Einzugsgebiet Schönau ergeben sich für 2018
rund -30 mm/a und für 2019 ca. -20 mm/a langsamer Grundwasserabfluss. Diese negative Bilanz führt letztendlich
zu einem Absinken der Grundwasserstände, wie es in den vergangenen Jahren bereits in den Grundwassermess-
reihen beobachtet wurde.
Das Jahr 2017 weist mit rund 35 mm/a langsamem Grundwasserabfluss als Gebietsmittel zumindest noch einen
leicht positiven Saldo auf.
Abbildung 87: Räumliche Verteilung des langsamen Grundwasserabflusses in den Jahren 2017, 2018 und
2019 im Einzugsgebiet Schönau
Die räumliche Verteilung der mit ArcEGMO berechneten langsamen Grundwasserabflüsse der 2017, 2018 und 2019
im Gebiet Schönau, wie in Abbildung 87 dargestellt, lässt für 2018 und 2019 kaum Unterschiede erkennen. Der
überwiegende Anteil der Flächen weist negative Grundwasserabflüsse auf (Abbildung 87, rot markierte Flächen).
Weitere Abbildungen zur räumlichen Verteilung des langsamen Grundwasserabflusses in den Gebieten Jänken-
dorf 1, Markersbach und Merzdorf sind dem Anhang (Abbildung 47 bis Abbildung 53) zu finden.

Vorläufige Version – August 2021
| 111
Tabelle 31:
Entwicklung des langsamen Grundwasserabflusses [mm/a] im Zeitraum 1986-2015 (basie-
rend auf den Werten des Referenzdatensatzes) anhand von 10jährigen Mittelwerten in den Einzugsgebieten
Schönau, Merzdorf, Jänkendorf 1 und Markersbach 1
10jähriges Mittel [mm/a]
Schönau
Merzdorf
Jänkendorf 1
Markersbach 1
1986-1995
67
26
39
224
1996-2005
57
23
34
315
2006-2015
45
28
53
360
Die 10jährigen Mittelwerte des langsamen Grundwasserabflusses in Tabelle 31 erlauben eine Einordnung der Werte
aus den Jahren 2017, 2018 und 2019. Im Gebiet Schönau zeigt sich ein deutlich rückläufiger Trend, während im
Gebiet Merzdorf nur geringfügige Schwankungen vorliegen. Die Einzugsgebiete Jänkendorf 1 und Markersbach 1
weisen im Zeitraum 2006-2015 deutlich höhere Werte des langsamen Grundwasserabflusses auf als in den Vorjah-
ren, was maßgeblich durch die hohen Niederschlagsmengen in den Jahren 2009 bis 2013 verursacht wird.
Abbildung 88: Entwicklung des langsamen Grundwasserabflusses [mm/a] im Zeitraum 2010-2019 (basie-
rend auf den Werten des REKIS-Datensatzes) in den Einzugsgebieten Schönau, Jänkendorf 1 und Merzdorf
Eine Gegenüberstellung der zeitlichen Entwicklung des simulierten langsamen Grundwasserabflusses in den Jahren
2010 bis 2019 für die drei Einzugsgebiete Schönau, Jänkendorf 1 und Merzdorf lässt den negativen Trend klar er-
kennen, wie Abbildung 88 entnommen werden kann. Das Gebiet Jänkendorf 1 weist hierbei den stärksten Rückgang
auf und ergab für das Jahr 2018 einen simulierten Grundwasserabfluss von -100 mm/a, was eine erhebliche Redu-
zierung der Grundwasservorräte bedeutet.
Ergänzend soll auch das Gebiet Markersbach 1 betrachtet werden. Wie bereits bei der potentiellen und realen Ver-
dunstung sind die Auswirkungen der Trockenjahre 2018 und 2019 im Gebiet Markersbach 1 deutlich geringer, was
auch auf den langsamen Grundwasserabfluss zutrifft, dessen Verlauf auf monatlicher Basis zwischen 2000 bis 2020
in Abbildung 89 zu sehen ist. Der jährliche Saldo ist trotz der Zehrung in den Sommermonaten 2018 und 2019 positiv.
-150.0
-100.0
-50.0
0.0
50.0
100.0
150.0
2010
2011
2012
2013
2014
2015
2016
2017
2018
2019
Wasserhaushaltsgröße [mm/a]
Langsamer Grundwasserabfluss
Schönau
Jänkendorf 1
Merzdorf

image
Vorläufige Version – August 2021
| 112
Abbildung 89: Gegenüberstellung des langsamen Grundwasserabflusses von 2000-2020 basierend auf
dem Referenzdatensatz (RDS, schwarze Linie) und dem REKIS-Datensatz (rote Linie) für das Einzugsgebiet
Markersbach 1
Die Folgen der Trockenjahre 2018 und 2019 auf den Gebietswasserhaushalt der Einzugsgebiete Jänkendorf 1,
Markersbach 1, Merzdorf und Schönau konnten hier aufgezeigt werden. Die Auswirkungen des Wassermangels und
der gestiegenen Temperaturen sind in allen Gebieten, mit Ausnahme von Markersbach 1, sehr deutlich erkennbar.
5.3 Diskussion von Unsicherheiten und Defiziten
Im Rahmen der Aufbereitung der Datengrundlagen sowie der Umsetzung der Optimierungsstrategie und den Was-
serhaushaltsberechnungen gibt es eine Reihe von Aspekten, welche zu Ungenauigkeiten und Unsicherheiten in den
Ergebnissen führen. Dies ist unvermeidlich, da einerseits die Datengrundlagen selbst Unschärfen aufweisen und die
Komplexität der Natur nicht vollständig erfassen können. Andererseits sind auch die Wasserhaushaltsmodellierun-
gen nur eine vereinfachte Abbildung der natürlichen Prozesse. Um die im Projekt ermittelten Ergebnisse einordnen
und bewerten zu können, sind daher nachfolgend Unsicherheiten benannt sowie noch bestehende Defizite aufge-
führt. Der nachfolgende Text ist zum größten Teil ein Auszug aus der Veröffentlichung Schwarze et al. (2014). Die
Aussagen haben nach wie vor Gültigkeit.
Zunächst ist grundsätzlich darauf hinzuweisen,
dass Realisierungen keine Vorhersagen bzw. Prognosen des zukünftigen Klimas sind. „Klimaprojektionen sind […]
zwangsläufig mit Unsicherheiten verbunden (Schmidt et al., 2011)“. Trotz der verbesserten klimatischen Berech-
nungsmodelle (LfULG, 2012), in denen „die globalen klimatischen Abläufe mit den Gegebenheiten vor Ort, wie
z. B. dem Relief, verknüpfen und Rückkopplungsprozesse einbeziehen, stellen Ursachen des Klimawandels wie
der CO
2
-Ausstoß oder die Landnutzung keine fixen Einflussgrößen dar (Schmidt et al., 2011)“. Des Weiteren sind
manche Ursache-Wirkung-Zusammenhänge in der Klimaforschung noch nicht vollständig bekannt. Aus diesem
Grund sind die Klimaprojektionen als mögliche Variante der Klimaentwicklung zu sehen. Infolgedessen ist ebenso
die Entwicklung der Wasserhaushaltsgrößen und Abflusskomponenten als mögliche zukünftige Variante unter der
Annahme der Klimaprojektionen zu betrachten. Es ist immer eine Spannbreite möglicher Entwicklungen zu be-
trachten, die sich aus der Verwendung mehrerer Klimaprojektionen ergibt.

Vorläufige Version – August 2021
| 113
dass die ermittelten Durchflussdaten nicht zur Abschätzung von zukünftigen Eintrittswahrscheinlichkeiten für Hoch-
wasserereignisse geeignet sind, weil das Modell ArcEGMO nicht für diesen Zweck kalibriert wurde.
dass es während eines Simulationslaufs keine sukzessiven Anpassungen z. B. der Landnutzung an die sich än-
dernden klimatischen Bedingungen bis zum Jahr 2100 gibt.
Nachfolgend werden die Unsicherheiten nach ihren Herkunftsquellen unterteilt.
Meteorologische Eingangsdaten
„Die Daten des antreibenden meteorologischen Inputs werden punktuell an räumlich verteilten Stationen gemessen
(Grundmann, 2010).“ Neben den Beobachtungsdaten des Referenzdatensatzes standen auch acht Klimaprojektio-
nen zur Verfügung. Im Folgenden werden die Unsicherheiten der meteorologischen Datensätze erörtert:
Die Anzahl der Klima- und Niederschlagsstationen für den Beobachtungs- und Projektionszeitraum sind nicht iden-
tisch. Die Stationsdichte im Projektionszeitraum ist geringer. Dies führt dazu, dass Stützstellen für die Interpolation
fehlen und zu größeren Unsicherheiten bei der Übertragung in die Fläche führen.
Lokale bzw. kleinräumige Niederschlagsereignisse sind bei der Interpolation von Stationsdaten nicht darstellbar.
Die Eingangsdaten des Nebelniederschlags sind (noch) als unsicher zu betrachten. Der verfügbare Datensatz im
ReKiS-Portal weist in den Kammlagen des Erzgebirges teils sehr hohe Nebelniederschläge auf, welche in der
hydrologischen Modellierung problematisch waren. Die entwickelte Methode zur Korrektur des Nebelniederschlags
stellt nur eine Übergangslösung dar. Hier bedarf es weiterer Untersuchungen.
Weitere Ausführungen zu Unsicherheiten und Fehlern bezüglich des WEREX VI-Modells und der Realisierungen
sind Spekat & Enke (2020) zu entnehmen.
Hydrologische Daten
Zu den hydrologischen Daten zählen zum einen die gemessenen Durchflussreihen als Vergleichsdaten sowie die
simulierten Wasserhaushaltsgrößen und Abflusskomponenten. Durchflussreihen von Pegeln unterliegen gewissen
Unsicherheiten. Sie können durch Überleitungen, Talsperrenbewirtschaftung, etc. beeinflusst sein. Hinweise zu Be-
einflussungen finden sich im sächsischen Pegelverzeichnis (2014) sowie im Anhang.
Diese anthropogenen Einflüsse können i. d. R. in Modellen nicht vollständig berücksichtigt werden, da nötige Infor-
mationen oder Datenreihen fehlen. Daher wird in solchen Fällen das natürliche Abflussverhalten im Modell simuliert
und nicht der tatsächliche anthropogen beeinflusste Durchfluss.
Die simulierten Wasserhaushaltsgrößen und Abflusskomponenten weisen zu Beginn des Simulationszeitraumes Un-
sicherheiten, aufgrund ungenauer Kenntnisse des Gebietszustandes zu Beginn der Modellierung, auf. Dieser Ge-
bietszustand, „ausgedrückt als Gebietsfeuchte oder Speicherfüllung, charakterisiert die Abflussbereitschaft eines
Einzugsgebietes und ist einer direkten Messung nur sehr eingeschränkt zugänglich (Grundmann, 2010).“ Dies führt
u. U. zu Beginn eines Modellierungslaufs zu Abweichungen zwischen den Modellergebnissen im Vergleich zu Refe-
renzdaten bzw. Messwerten. Um diesen Effekt möglichst gering zu halten, wird das erste Simulationsjahr grundsätz-
lich zweimal berechnet. Dabei dient der Modellzustand am Ende der ersten Berechnung als Startparametrisierung
für den zweiten Lauf.
Geodaten
Geodaten liefern die Grundlage zur Charakterisierung von Einzugsgebieten und dienen dem Aufbau und der Para-
metrisierung von Modellen. Sie enthalten Informationen über Landnutzung, Geländehöhen, Fließwege u. s. w. (siehe
Kapitel 2.1). Im Folgenden werden die Datenunsicherheiten der räumlichen Informationen dargelegt:
Die Hydrotopbildung stellt grundsätzlich eine Generalisierung der Eingangsdaten dar, welche zu einem Informati-
onsverlust führt.

image
image
Vorläufige Version – August 2021
| 114
In Folge unvollständiger Kartengrundlagen wurden Eingangsdaten aus verschiedenen Kartengrundlagen mit un-
terschiedlichen Maßstäben zusammengestellt. Zudem wurden mitunter Annahmen getroffen, um vollständige Ein-
gangsdaten zu erhalten. Als Beispiele sind die Bodenkarte (Kapitel 2.1.2) und die Karte der räumlichen Verteilung
der Grundwasserflurabstände (Kapitel 2.1.9) zu nennen.
Kartengrundlagen, wie die der Geologie und Böden, basieren auf punktuellen Stichproben, die nur einen begrenz-
ten Einblick in die räumliche Heterogenität der hydrogeologischen bzw. hydraulischen Eigenschaft eines Gebietes
geben (Grundmann, 2010). Diese punktuellen Geoinformationen werden auf die Fläche übertragen. Bei der Erstel-
lung der Karten erfolgt eine Klassifizierung und Generalisierung der hydrogeologischen bzw. hydraulischen Eigen-
schaften. „Die Klassifizierung und Generalisierung der punktuellen Messwerte in Kartenwerken nach Bodenarten
und Fazies führen zu einer Bandbreite an möglichen Parameterwerten für alle Orte im EZG, für die keine Messun-
gen vorliegen“ (Grundmann, 2010).
Informationen, wie Drainagetiefe oder Grundwasserflurabstand, wurden nicht aus Messungen oder Stichproben
gewonnen, sondern aus anderen Karteninformationen abgeleitet. Hierfür sind folgenden Informationen zu nennen:
Die Grundwasserflurabstände sind aus Angaben zu den Bodenhorizonten der BK50 (s. Abschnitt 2.1.2) ab-
geleitet worden.
Lage und Eigenschaften von Drainagen wurden aus einem Kartenwerk zu potentiell drainagebedürftigen
Acker- und Grünlandflächen entnommen (s. Abschnitt 2.1.7). Über das tatsächliche Vorhandensein, die ge-
naue Lage und den Zustand der Drainagen sind keine Informationen verfügbar. Abweichungen in den zu-
grundeliegenden Bodenkarten BKkonz (bei den potentiell drainierten Böden) und BK50 (im Rahmen dieser
Studie) stellen weitere Unsicherheiten dar.
Zur Ableitung der im Abschnitt 2.1.5 und 2.1.6 aufgeführten Datengrundlagen Anschlussgrad und Kanalisationsart
wurde mit statistischen Angaben gearbeitet, da es keine frei verfügbaren ortsgenauen Informationen gibt. Die ab-
geleiteten Datengrundlagen müssen daher nicht den tatsächlichen Gegebenheiten entsprechen.
Da sich die schnelle Abflusskomponente RS aus dem hypodermischen Abfluss sowie dem Oberflächen-, Drainage-
und dem Kanalisationsabfluss zusammensetzt, ist sie eine relativ unsichere Ergebnisgröße. Denn für Drainagen und
Kanalisation konnten nur allgemeine und pauschale Annahmen getroffen werden. Außerdem handelt es sich bei RS
um eine nach Regenereignissen temporär auftretende Größe. Aufgrund dessen sind die Ergebnisse für die schnelle
Abflusskomponente RS nur unter Berücksichtigung dieser Aspekte zu verwenden.
Modellsystem ArcEGMO
Modelle wie das Modellsystem ArcEGMO sind eine vereinfachte Abbildung der realen Verhältnisse. Natürliche Pro-
zesse werden im Modell mit Hilfe von Randbedingungen über mathematische Gleichungen beschrieben (Abstrak-
tion). „Bestimmte Randbedingungen werden auch bewusst vereinfacht, wenn die Datenlage es nicht anders zulässt
oder auch mit den Vereinfachungen eine hinreichende Genauigkeit gewährleistet ist“ (Zippel, 2006). „Werden hierbei
wesentliche Prozesse nicht berücksichtigt oder in ihrem Wirkungsmechanismus nicht adäquat beschrieben, so er-
geben sich Einschränkungen in der Eignung und der Flexibilität des Modells bei der Anpassung auf die Daten“
(Grundmann, 2010). Die Vereinfachungen im Modell ArcEGMO werden am Beispiel des Pflanzenwachstums und
der Entwicklung des Grundwasserflurabstandes aufgezeigt:
Zur Simulation des Pflanzenwachstums und damit der Transpiration, die ein Bestandteil der realen Verdunstung
darstellt, wurde der VEGEN-Ansatz sowie der statische Ansatz im Modell ArcEGMO verwendet. Der statische
Ansatz ist ein relativ einfaches Verfahren, welches auf Flächen ohne Vegetationsdynamik im Jahresgang zum
Einsatz kommt. Hierbei handelt es sich z.B. um Wasserflächen oder vegetationslose Böden. Der komplexere VE-
GEN-Ansatz (Klöcking, 2012) erfordert viele Eingangsparameter, die zu ermitteln waren (Kapitel 3.3). Fruchtfolgen,
wie auf Ackerflächen üblich, können damit simuliert werden. Die verwendeten Fruchtfolgen sind jedoch keine
standortgenaue Rekonstruktion der Anbauverhältnisse seit 1961.
Im Laufe der Zeit ändert sich die Landnutzung, der Boden etc. in Einzugsgebieten infolge klimatischer Änderungen
oder aufgrund des Einflusses der Menschen. Beispielhaft soll hier das Waldsterben im Erzgebirgsraum (beginnend

Vorläufige Version – August 2021
| 115
in den 1970er Jahren bis in die 1990er Jahre) genannt werden, welches im Rahmen der Modellierung nicht simuliert
wird. Im Modell findet keine Anpassung der Vegetation, des Bodens etc. an die geänderten Bedingungen statt. Die
in der Realität vorhandene Rückkopplung zwischen klimatischen Gegebenheiten und Einzugsgebietseigenschaf-
ten wird nicht abgebildet.
Es besteht im Wasserhaushaltsmodell keine Kopplung mit einem Grundwasserströmungsmodell, welche eine ge-
nauere Abbildung der Prozesse des Grundwasserabflusses sowie der Interaktionen des Grundwasserkörpers mit
den Oberflächengewässern und der Interaktion des Grundwasserkörpers mit benachbarten Teilsystemen ermög-
lichen würde. Deswegen wird keine situationsabhängige Modellierung der Grundwasserflurabstände durchgeführt.
Um dennoch ein eventuelles Absinken von Grundwasserständen auf grundwassernahen Flächen durch Zehrungs-
prozesse möglichst realitätsnah abbilden zu können, erfolgte die Implementierung des KapRed-Ansatzes (s. Ab-
schnitt 3.2) in das Modell ArcEGMO. Hierbei wird der Kapillaraufstieg reduziert, was im Ergebnis einem Absinken
der Grundwasserstände gleichkommt.
Kalibrierung
Die verwendete Kalibrierungsstrategie beruht, wie in Kapitel 4.1 erläutert, auf der Anpassung an drei verschiedene
Größen: Q, Dauerlinie bezüglich logQ und QG1. Für Letztere erfolgt eine Anpassung an die mit DIFGA ermittelten
Werte. Eine solche multikriterielle Optimierung führt grundsätzlich zu stärkeren Abweichungen von den einzelnen
Größen als eine Anpassung an nur eine Größe (etwa den Gesamtabfluss). Da der Gesamtabfluss die einzelnen
Wasserhaushaltsgrößen jedoch nur summarisch enthält, lässt sich bei einer monokriteriellen Strategie keine Anpas-
sung an die einzelnen Wasserhaushaltskomponenten durchführen. Daher wurde entschieden die etwas größeren
Abweichungen des multikriteriellen Ansatzes in Kauf zu nehmen, um die Aufteilung auf die verschiedenen Wasser-
haushaltskomponenten möglichst realistisch und detailliert abzubilden. Die Anpassung an den Gesamtabfluss wurde
im Anschluss an die multikriterielle Optimierung überprüft. Aus Zeitgründen wurden dem verwendeten Algorithmus
letztendlich nicht alle drei Zielgrößen einzeln präsentiert, sondern die Summe der Zielfunktionen. Durch diese Zu-
sammenfassung konnte die benötigte Optimierungszeit pro Modellregion auf ein annehmbares Maß reduziert wer-
den.
Nähere Informationen zu Unsicherheiten von DIFGA bzw. den damit ermittelten Wasserhaushaltsbilanzen finden
sich in Schwarze et al. (2012).
Validierung
Einzugsgebiete ohne Pegelinformationen wurden nicht kalibriert und dementsprechend auch nicht validiert, da die
Vergleichsdaten fehlten. Sie sind hinsichtlich ihrer Aussagefähigkeit daher kritisch zu betrachten.

Vorläufige Version – August 2021
| 116
6 Wasserhaushaltsportal Sachsen
6.1 Zielstellung
Im Rahmen der Fortschreibung des Projektes KliWES der TU Dresden, Institut für Hydrologie und Meteorologie,
Lehrstuhl für Hydrologie (TUD), wurden die bisherigen KliWES-Anwendungen im Wasserhaushaltsportal Sachsen
durch eine Neuentwicklung ersetzt. Entsprechende technologische Vorarbeiten wurden von der VisDat geodaten-
technologie GmbH (VisDat) im Rahmen der Entwicklung der Webumgebung STOFFBILANZ Viewer (Gebel et al.,
2020) bzw. GWN Viewer (Gebel et al., 2018) für den Freistaat Sachsen erbracht. Auf bereits vorhandene Bausteine
und Konzepte kann in der neu aufzusetzenden Anwendung somit Bezug genommen werden.
Technologisch und inhaltlich orientiert sich die aufzusetzende Anwendung insbesondere an den Funktionalitäten des
GWN Viewers. Die Entwicklung der Webanwendung erfolgt zunächst auf einem lokalen Server von VisDat und wird
dann sukzessive auf den Webserver des ZIH übertragen. Auf dem Server der TUD wird für VisDat ein temporärer
Remote-Zugang eingerichtet.
Die in der neuen KliWES-2.0- Webanwendung im Wasserhaushaltsportal Sachsen hinterlegten Daten werden von
der TUD bereitgestellt. VisDat beschreibt und definiert die Standards für die Datenübergabe (Filesystem, Datenstruk-
tur, Datenformat).
Folgende Arbeiten wurden im Rahmen des Vorhabens erbracht:
Datenübergabe von TUD nach VisDat nach definierten Übergabestandards,
Preprocessing der übergebenen Daten, Aufbau einer Datenhaltung,
Entwicklung der Webanwendung auf einem lokalen Server von VisDat (Testumgebung),
Installieren bzw. kompilieren von Softwarebibliotheken sowie Implementierung der Anwendung auf dem ZIH-
Server (Produktivumgebung).
Ursprünglich war vorgesehen die von TUD übergebenen Daten von
ArcEGMO Ist-Zustand (Perioden 1961-1987, 1988-2015)
DIFGA Ist-Zustand (Perioden 1961-1987, 1988-2015)
ArcEGMO Projektionen (Perioden 1961-1987, 1988-2015, 2021-2050, 2071-2100)
auf ein 100 m Raster zu übertragen, auf dessen Grundlage die Daten auf unterschiedliche Raumebenen aggregiert
werden. Von diesem Konzept wurde aufgrund der unerwartet großen Zahl von Hydrotopen (ca. 1,5 Mill.) und des
sich damit ergebenden hohen Prozessierungsaufwandes und langer Rechenzeiten abgewichen. Im hier alternativ
beschrittenen Weg werden die Hydrotope bzw. deren Informationen unter vektorieller Verschneidung flächengewich-
tet auf die entsprechenden Raumeinheiten übertragen, so dass eine Unschärfe durch die Rasterung (nach Domi-
nanzprinzip) vermieden wird. Ein weiterer Grund für den Strategiewechsel in der Datenverarbeitung besteht darin,
dass die vorgesehene Rasterauflösung zur Abbildung der kleinteiligen Hydrotopstrukturen nur noch bedingt geeignet
gewesen wäre.
6.2 Datengrundlagen und -prozessierungen
6.2.1
Datenübergabeformat
Die vom Modell ArcEGMO bzw. DIFGA ausgegebenen Daten der unterschiedlichen Modellläufe wurden von der
TUD in ein von VisDat definiertes Übergabeformat gebracht und zum Download für VisDat bereitgestellt.

Vorläufige Version – August 2021
| 117
6.2.2
Übergebene Dateninhalte aus der ArcEGMO-Modellierung
Folgende Parameter aus der ArcEGMO-Modellierung, wurden als Grundlage für die Prozessierung und Integration
auf Basis von ca. 1,4 Mio. Hydrotopen für den Projektraum in einer monatlichen Auflösung für die unten genannten
Modellläufe übergeben:
Korrigierter Niederschlag P [mm]
Nebelniederschlag FP [mm]
Bodenfeuchte BF [mm]
Lufttemperatur LT [°C]
Relative Luftfeuchte rF [%]
Potentielle Verdunstung ETp [mm]
Klimatische Wasserbilanz KWB [mm]
Reale Verdunstung ETa [mm]
Landoberflächenabfluss inkl. Dränabfluss RO [mm]
Abfluss über Trenn- und Mischkanalisation KR [mm]
Hypodermischer Abfluss RH [mm]
Sickerwasser (RG1+RG2) [mm]
Schneller Grundwasserabfluss RG1 [mm]
Langsamer Grundwasserabfluss RG2 [mm]
Gesamtabfluss R [mm]
Für jedes Hydrotop liegt die Information vor, ob er einem Lockergesteins- oder Festgesteinsgrundwasserleiter zuge-
ordnet ist. Für eine Zuordnung im Lockergesteinsbereich wird die
Grundwasserneubildung GWN [mm]
aus der Summe von RG1 und RG2 gebildet. Für den Festgesteinsbereich berechnet sich die GWN allein aus der
Komponente RG2. Die zugrundeliegende Konvention für die Berechnung der Grundwasserneubildung ist im Anhang
(Abschnitt 5) enthalten.
Die Zuordnung erfolgt über die jeweilige Lithofazies-ID (Tabelle 32).
Tabelle 32:
Zuordnung der Hydrotope zu Fest- bzw. Lockergesteinsbereich anhand der Lithofaziesein-
heit
Lithofazies-ID
für ArcEGMO
Lithofazieseinheit bei DIFGA
Zuordnung Festgestein
Zuordnung Lockergestein
1
Löß
X
2
Lockergestein unklassifiziert
X
3
Sandstein (GWG)
X
4
Sandstein (GWL)
X
5
Rotliegendes, Konglomerat, Molasse
X
6
Wechsellagerungen
X
7
Magmatisches Tiefengestein
X
8
Metamorphite Gneis
X
9
unklassifiziert Festgestein
X
10
Metamorphite Fels
X

Vorläufige Version – August 2021
| 118
Lithofazies-ID
für ArcEGMO
Lithofazieseinheit bei DIFGA
Zuordnung Festgestein
Zuordnung Lockergestein
11
Pyroklastika
X
12
Grauwacke
X
13
Magmatisches Ergussgestein
X
15
Metamorphite Schiefer
X
16
Kalkstein
X
17
Zechstein
X
18
Tonstein
X
21
Lockergestein Kies
X
22
Lockergestein sandig, kiesig
X
23
Lockergestein sandig, schluffig
X
24
Lockergestein schluffig, tonig
X
88
anthropogen
X
99
Standgewässer
X
100
Auen
X
101
Moor
X
Die Parameterdatensätze wurden für folgende Modellläufe (Szenarien) für die Weiterverarbeitung und Integration in
das Wasserhaushaltsportal in monatlicher Auflösung von der TUD übergeben:
Ist-Zustand, 1961-2015,
A1B_1, 1961-2100,
A1B_2, 1961-2100,
RCP4.5_1, 1961-2100,
RCP4.5_2, 1961-2100,
RCP2.6_1, 1961-2100,
RCP2.6_2, 1961-2100,
RCP8.5_1, 1961-2100,
RCP8.5_2, 1961-2100.
Die Modellläufe basieren hinsichtlich ihrer meteorologischen Eingangsdaten auf unterschiedlichen Klimaprojektionen
(außer Ist-Zustand) und sind nach diesen benannt. Weitere Informationen hierzu sind in Spekat & Enke (2020) ent-
halten.
6.2.3
Übergebene Dateninhalte aus der DIFGA-Modellierung
Folgende Datensätze aus der DIFGA-Modellierung wurden als Grundlage für die Prozessierung und Integration auf
Basis der DIFGA-Gebiete (H1, H2, H3, H4) in einer monatlichen Auflösung für die Modellierung
DIFGA Ist-Zustand, 1961-2014, monatlich,
übergeben:
Niederschlag P
Zufluss zum Direktabflussspeicher RD
Zufluss zum schnellen Grundwasserabflussspeicher RG1
Zufluss zum langsamen Grundwasserabflussspeicher RG2

Vorläufige Version – August 2021
| 119
Verdunstung als Bilanzrest ETR
Schneller Grundwasserabfluss QG1
Langsamer Grundwasserabfluss QG2
Direktabfluss QD
Gesamtabfluss Q
Rückgangskonstante der schnellen Abflusskomponente CG1
Rückgangskonstante der schnellen Abflusskomponente CG2
Speicherbegrenzung des Zuflusses zum Speicher der schnellen Abflusskomponente SG1Grenz
Für jedes DIFGA-Gebiet liegt die Information vor, ob es einem Lockergesteins- oder Festgesteinsgrundwasserleiter
zugeordnet ist. Für eine Zuordnung im Lockergesteinsbereich (nach Dominanzprinzip) wird die
Grundwasserneubildung GWN
aus der Summe von RG1 und RG2 gebildet. Für den Festgesteinsbereich berechnet sich die GWN allein aus der
Komponente RG2. Die Zuordnung erfolgt über die jeweilige Lithofazieseinheit (siehe Tabelle 1).
Die Daten aus der DIFGA-Modellierung wurden für die vier Hierarchie-Ebenen H1 bis H4 in die KliWES-Webanwen-
dung im Wasserhaushaltsportal Sachsen integriert. Eine Auswertung, Analyse und ein Export dieser Daten ist auch
nur auf der jeweiligen DIFGA-Ebene möglich. Eine Aggregation auf andere Geometrieebenen wurde bewusst nicht
vorgenommen, da dies teilweise nur unter Inkaufnahme großer Unschärfen möglich wäre und fachlich kritisch zu
hinterfragen ist. Alle Daten aus der ArcEGMO-Modellierung können hingegen auf die DIFGA-Gebiete bezogen wer-
den, so dass ein direkter Vergleich von DIFGA-Ergebnissen mit den Ergebnissen von ArcEGMO möglich ist.
6.2.4
Prozessierung der ArcEGMO-Hydrotopdaten und DIFGA-Daten
Die aus der Modellierung mit ArcEGMO übergeben Daten auf Hydrotopebene wurden flächengewichtet auf die
Raumebenen der KliWES-Webanwendung im Wasserhaushaltsportal Sachsen aggregiert. Als höchst mögliche Auf-
lösung wird dabei die Raumebene der
Teileinzugsgebiete
bereitgestellt, welche in der aktuellen Struktur (Stand: Oktober 2020) vom LfULG zur Verfügung gestellt wurde. Als
weitere, für den Nutzer verfügbare Ebenen für die Visualisierung, Analyse und den Datenexport werden die nachfol-
gend genannten räumlichen Einheiten vorgehalten:
OWK,
GWK,
DIFGA-Gebiete H1,
DIFGA-Gebiete H2,
DIFGA-Gebiet H3,
DIFGA-Gebiete H4,
Flussgebietseinheit,
Koordinierungsraum,
Planungseinheit,
RAG,
Landesdirektion,
Kreis,

Vorläufige Version – August 2021
| 120
Gemeinde.
Menge und Umfang der raum-zeitlichen Daten erfordern ein hohes Maß an Automatisierungsroutinen, um Transpa-
renz und Nachvollziehbarkeit zu gewährleisten und Fehler beim Handling zu vermeiden.
In einer Preprocessing-Routine wurden die von der TUD übergebenen originalen Daten aus den Modellläufen von
ArcEGMO für das Wasserhaushaltsportal aufbereitet, indem die ca. 1,5 Mill. Hydrotope als kleinste gemeinsame
Geometrie mit allen übergeordneten Raumebenen (z.B. OWK, Kreis) verschnitten wurden. Aus den vorliegenden
Verschnitten wurden dann die Ergebnisse flächengewichtet auf die jeweiligen Raumeinheiten übertragen. Folglich
sind Auswertungen der ArcEGMO-Ergebnisse auf allen vorgehaltenen Geometrieebenen möglich:
Die in der Prepocessing-Routine transformierten Vektordaten wurden für jeden Monat in einem komprimierten HDF5-
Format abgelegt. Die HDF5-files wurden mit NumPy bearbeitet. NumPy ist eine Programmbibliothek für die Program-
miersprache Python, die eine einfache Handhabung von Vektoren, Matrizen oder generell großen mehrdimensiona-
len Arrays ermöglicht. Neben den Datenstrukturen bietet NumPy auch effizient implementierte Funktionen für nume-
rische Berechnungen an.
Für die ebenfalls übergebenen Daten aus der DIFGA-Modellierung wurde beim Preprocessing auf die Erzeugung
der Verschnitte verzichtet, da diese Daten nur auf der vorgegebenen DIFGA-Gebietsebene visualisiert, analysiert
und exportiert werden sollen.
Im Rahmen einer Postprocessing-Routine wurde dann das Aggregieren von Einzelmonatsrechnungen auf eine
mehrjährige Periode automatisiert vorgenommen. Technologischer Hintergrund für diese Art der Datenverarbeitung
und -bereitstellung ist die Speicherung der spatio-temporalen Daten als sogenannte ndarrays. Dies sind n-dimensi-
onale Arrays, hier mit 2 Raumdimensionen (x, y) und einer Zeitdimension (t). Die ndarrays wurden dann entspre-
chend der Raum- und Zeitauswahl mittels der Python3-NumPy-Bibliothek statistisch ausgewertet. Die Ergebnisse
(2d-Arrays als Karten oder statistische Tabellen) werden an das Wasserhaushaltsportal ausgeliefert.
In der praktischen Durchführung wird die Prozessierung durch vorhandene topologische Inkonsistenzen zwischen
dem Layer der mit ArcEGMO modellierten Hydrotope und den übrigen Einzugsgebietsgeometrien erheblich er-
schwert. So ergeben sich beim Matching der Hydroptpe z.B. mit den Teileinzugsgebieten minimale, aber vorhandene
Überlappungs- oder Lückenbereiche. Dies hat dann unerwünschte Auswirkungen insbesondere an den Außenrän-
dern des Projektraums. Hier werden z.B. Teileinzugsgebiete, die faktisch nicht zum modellierten Projektraum gehö-
ren, aufgrund einer trotzdem gegeben Überschneidung mit Hydrotopen mit Modellwerten versehen. Besonders
schwerwiegende Fehlzuordnungen ergeben sich im Grenzbereich zu den Nachbarländern, da hier teilweise sehr
große Teileinzugsgebiete liegen, die von den modellierten Hydrotopen nur minimal abgedeckt sind.
Um diese Inkonsistenzen zu umgehen, wurde beim Verschneiden der Hydrotopgeometrie ein 2%-Kriterium einge-
setzt. Im Ergebnis bedeutet dies z.B., dass ein brandenburgisches Teileinzugsgebiet beim Durchlauf der sich an-
schließenden Prozessierungsroutinen nur dann mit Werten aus der Modellierung gefüllt wird, wenn mehr als 2%
seiner Gesamtfläche eine Überschneidung mit modellierten Hydrotopen aufweist. Die Visualisierung der Modeller-
gebnisse beschränkt sich unter dieser statisch gesetzten Rahmenbedingung weitgehend auf den Projektraum.
Gleichzeitig werden Datenverluste und Informationslücken im Projektraum gering gehalten. Eine Veränderung oder
Optimierung dieses Abschneidekriteriums ist bei zukünftigen Datenuploads (z.B. im Rahmen der Einbindung der
Modelle für das Leipziger Großraummodell sowie das sächsische Neißegebiet) möglich, muss aber vor dem Start
der Prozessierung erfolgen.
6.3 Softwareentwicklung
6.3.1
Konzeptionelle Vorüberlegungen
Ein erster Schritt innerhalb der Softwareentwicklung bestand darin unter den Projektbeteiligten Anforderungen zu
erfassen, die das System später erfüllen muss. Die Abläufe, ausgehend von der Datenübergabe, Prozessierung,
Speicherung und Visualisierung bis hin zur Auswertung von Daten und deren Export, mussten konzeptionell geplant
und strukturiert werden. Durch das Vorhandensein eines durch die Neuentwicklung abzulösenden Webportals, sind
Inhalte und Rahmenbedingungen, die minimal zu berücksichtigen sind, bereits definiert. Die Neuentwicklung geht
allerdings sowohl inhaltlich als auch technologisch über das bestehende Portal hinaus. Zudem liegen mit dem von

Vorläufige Version – August 2021
| 121
VisDat betriebenen GWN-Viewer bzw. dem STOFFBILANZ-Viewer bereits Webanwendungen vor, die technologisch
auf dem neuesten Stand der Technik angesiedelt sind und hier als Vorbild fungieren. Inhaltlich orientiert sich die zu
entwickelnde Anwendung insbesondere am GWN-Viewer und enthält folgende Funktionalitäten:
Kartenmodul mit Auswahl eines Parameters je Periode für ein Referenzmodell und ein Vergleichsmodell, Diffe-
renzenkarte, Histogramm mit statistischen Kennwerten, Einbindung administrativer und topographischer Layer,
Raumauswahl über alle administrativen Layer, Einbau eines Raumfilters, Freitextsuche,
Diagrammmodul zum Vergleich von unterschiedlichen Modellläufen für einen ausgewählten Parameter und
Raum,
Exportmodul zur Durchführung eines Datenexports für einen oder mehrere definierte Parameter eines Modell-
laufes und eine Raumebene für eine gewählte Periode (langjährige Mittelwerte) oder eine Zeitreihe (monatliche
oder jährliche Auflösung).
Im Rahmen der Umsetzung müssen große Geodatenbestände mit komplexen Algorithmen automatisiert in einer
Serverumgebung verarbeitet werden. Über eine Webanwendung müssen die Projektdaten schließlich ansprechend
für die Nutzer bereitgestellt werden. Der Zugang soll ohne Login möglich sein. Eine Projekt- und Nutzerverwaltung
wird nicht benötigt, da Sessions nicht gespeichert werden müssen.
Die Realisierung des IT-Systems hält aus Sicht der Softwareentwicklung mehrere grundlegende Bestandteile bereit,
die sich in den nachfolgenden Unterkapiteln wiederfinden.
6.3.2
Bereitstellung von Test- und Produktivumgebung
Um ein Client-Server-System zu erstellen, auf das die Projektbeteiligten und nach Projektabschluss die Endnutzer
Zugriff haben, wurde von der TUD die entsprechende Serverhardware im Rechenzentrum des ZIH bereitgestellt.
Für das Aufsetzen der Anwendung wurde eine zweistufige Vorgehensweise gewählt. Zunächst wurde ein lauffähiges
System auf einer lokalen Entwicklungsplattform erstellt und getestet, welches dann im weiteren Verlauf des Projektes
auf den Webserver des ZIH übertragen wurde.
Für die Testumgebung wurde auf einen lokalen bereits konfigurierten Server von VisDat zurückgegriffen. Das Pro-
duktivsystem wurde dann auf einem Server des ZIH aufgesetzt. Die für das System notwendigen Softwarebibliothe-
ken (bspw. Apache, PostgreSQL/POSTGIS, Mapserver, Mapproxy, GDAL, Python, Docker) wurden installiert bzw.
kompiliert.
Die Test- und Produktivumgebung wurde serverseitig unter Linux Betriebssystemen mit der Container-Technologie
Docker entwickelt. Dadurch lassen sich beteiligte Serverprogramme inklusive ihrer verwendeten Bibliotheken orga-
nisiert in virtuellen Containern kapseln, was zu einer Entkoppelung vom verwendeten Betriebssystem führt. Das
System kann dadurch mit vergleichsweise geringem Aufwand auf andere Serverstrukturen, bspw. wenn Skalierun-
gen notwendig werden, übertragen werden.
6.3.3
Datenhaltung
Im Projekt wurde eine zweigleisige Datenhaltung verfolgt. Um eine Minimierung der Datenmenge und performante
Schreib- und Lesezugriffe zu erhalten, erfolgte die Speicherung der Modelldaten im Filesystem. Dabei wird als For-
mat für Speicherung und Prozessierung sowie als Grundlage für die Visualisierung in Webanwendungen NetCDF
verwendet. NetCDF nutzt das HDF5-Format und zeichnet sich durch sehr effiziente Möglichkeiten der Datenkom-
pression, bei gleichzeitig indiziertem und selektivem Zugriff auf mehrdimensionale Daten aus.
Das HDF5-Format ist ein global genutzter Standard für die effiziente Speicherung und Verarbeitung von geowissen-
schaftlichen Massendaten. Dieses Format bildet die Grundlage für die Visualisierungen über den Mapserver sowie
die vorgeschaltete Prozessierung von Daten im Wasserhaushaltsportal. Als universelle Datenstruktur ermöglicht das
HDF5-Format die Abbildung von mehrdimensionalen Daten bzw. Bildern sowie die effiziente Ausführung von Algo-
rithmen in Python/NumPy. Die Ablage der Dateien erfolgt in einem Filesystem und zugehörigen Verweisen in der
Datenbank. Die Nutzung der sehr effizienten binären HDF5/netCDF Formate in Kombination mit der Virtual Raster
Technology (VRT) von GDAL ermöglicht es somit sehr große Datenmengen vorzuhalten und dynamisch mit kurzen
Reaktionszeiten über den Mapserver auszuwerten. Weiterhin ist damit auch bereits die Grundlage geschaffen, um
perspektivisch neue Funktionen und Erweiterungen integrieren zu können.

Vorläufige Version – August 2021
| 122
Projekt- und Nutzerdaten, Sachdaten, Konfigurationsdaten, etc. werden hingegen in einer PostgreSQL Datenbank
gehalten. Hier übertreffen die Vorteile relationaler Datenbanken eine Speicherung im Filesystem.
6.3.4
Erstellung der Webanwendung
Technologische Umgebung
Die clientseitige Entwicklung der Webanwendung erfolgte mit modernen JavaScript-Frameworks, wie Bootstrap,
jQuery, OpenLayers, u.a. Serverseitig wurden Softwarepakete wie Mapserver, Mapproxy und GDAL eingesetzt. Ser-
verseitige Programmiersprachen sind PHP und Python.
Datenstruktur und -inhalte
Die neue WebGIS-Anwendung unter dem Dach des „Wasserhaushaltsportal Sachsen“ wurde als Expertensystem
konzipiert und entwickelt. Der Nutzer ist hier der Endkunde, bspw. ein Ingenieurbüro mit entsprechendem Fachwis-
sen. Der Nutzer kann Raum- (Karten) und erläuternde Sachdaten in Diagrammform zu seinem Projektgebiet einse-
hen. Die Daten des Projekts können vom Nutzer exportiert werden. Dabei legt der Nutzer Formate (Modelllauf (Sze-
nario), Raum, Zeit) und ggf. Projektionen fest.
In der Anwendung sind die Daten hierarchisch strukturiert. Die oberste Ebene bildet das „Modell“. Ein Modell setzt
sich aus dem Modellverfahren (ArcEGMO oder DIFGA), dem verwendeten Szenario (IST-Zustand, A1B_1,
RCP4.5_1, ...) und einer Zeitspanne (bspw. 1961-1987) zusammen. Nähere Informationen zu den Klimaprojektionen
finden sich bei Spekat & Enke (2020). Für jedes Modell existieren zahlreiche Parameter. Parameter können bspw.
der Niederschlag oder der Grundwasserabfluss sein. Die einzelnen Modelle können jeweils unterschiedliche Para-
meter enthalten.
Die Parameter der ArcEGMO-Modellierungen können auf den im System hinterlegten Raumeinheiten dargestellt
werden. Eine Raumeinheit ist eine Auswerteebene und kann bspw. die Ebene der Kreise oder Gemeinden, aber
auch eine naturräumlich oder wasserwirtschaftlich definierte Ebene wie die Ebene der Oberflächenwasserkörper
(OWK) sein. Die Übertragung der Daten aus den ArcEGMO-Modellen erfolgt von der originären Raumebene der
ArcEGMO-Hydrotope flächengewichtet auf andere Raumebenen (bspw. Kreise, Teileinzugsgebiete). Die ArcEGMO-
Hydrotope selbst werden nicht dargestellt, sondern dienen nur als Datenquelle für alle übergeordneten Raumebenen.
Die Ergebnisse aus den DIFGA-Analysen können nur auf der Ebene der DIFGA-Gebiete visualisiert werden. Eine
Übertragung der Daten auf andere Raumebenen ist nicht möglich.
6.3.5
Startseite
Zunächst wurde eine Startseite (Home) eingerichtet, wobei auf ein Login- bzw. Logout-Menü verzichtet wurde, so
dass der Nutzer direkt in die Anwendung gelangt bzw. sich beim Verlassen nicht abmelden muss. Nach dem Aufruf
gelangt der Nutzer über die Icons in der Bildmitte (Abbildung 90) in die derzeit vorhandenen Module
Karten,
Diagramme und
Datenexport.
Die Startseite enthält zudem kurze Informationen zum Hintergrund, den Inhalten und Nutzungsmöglichkeiten des
Portals.

image
Vorläufige Version – August 2021
| 123
Abbildung 90: Ansicht der Startseite (Home) der neuen KliWES-Webanwendung
6.3.6
Modul Karten
Beim Betätigen des Icons "Karten" öffnet sich das Kartenmodul.
Die Select-Menüleiste oberhalb des Kartenfensters beinhaltet die Auswahlfelder:
Raumauswahl
Modell
Vergleichsmodell
Differenzenkarte und
Raumfilter.
Über die Raumauswahl kann eine Raumkategorie (Teileinzugsgebiet, OWK, Kreis, Gemeinde, ...) ausgewählt wer-
den, auf deren Ebene die Darstellung der Parameter (Niederschlag, Gesamtabfluss, ...) erfolgt.
Im Auswahlfeld „Modell“ erfolgt die Auswahl von Modellverfahren (ArcEGMO, DIFGA), verwendetem Szenario (Ist-
Zustand, A1B_1, RCP4.5_1, …) und einer Zeitspanne (bspw. 1988-2015). Diese Modellauswahl definiert, welche
Parameter im Layerbaum auf der linken Seite der Anwendung selektierbar sind.
In der Anwendung können Parameter über die Bildung von Differenzenkarten miteinander verglichen werden. Dabei
können nur gleiche Parameter in Differenz zueinander gesetzt werden (Niederschlag Modell A mit Niederschlag
Modell B). Von unterschiedlichen Parametern kann im System keine Differenzenkarte gebildet werden (z. B. Nieder-
schlag mit Grundwasserneubildung).
Die Auswahl eines Vergleichsmodells wirkt sich nur aus, wenn die Auswahl „Differenzenkarte“ auf „an“ steht. Dabei
wird vom gewählten Parameterdatensatz des Modells der entsprechende Parameterdatensatz des Vergleichsmo-
dells abgezogen.
Über den „Raumfilter“ lässt sich die Visualisierung und Auswertung der Daten auf einen bestimmten Raum einschrän-
ken.
Beim Modulaufruf erscheint zunächst nur die Select-Menüleiste zur Vornahme der Raumauswahl sowie der Auswahl
des Modells. Durch Anklicken des Buttons rechts neben der Menüleiste zur Auswahl für das Modell öffnen sich die
weiteren oben genannten Select-Menüleisten für die erweiterte Anwendung.
Auf der linken Seite der Anwendung befindet sich der Layerbaum. Dieser gruppiert die Layer in die Ordner „Raum-
einheiten“, „Topographie“ sowie „Wasserhaushalt“. Im Ordner Raumeinheiten sind alle im System hinterlegten

image
Vorläufige Version – August 2021
| 124
Raumeinheiten vorhanden. Wie oben bereits erläutert sind die originalen hoch aufgelösten ArcEGMO-Hydrotope
(also der modellierte Raum) nicht im Wasserhaushaltsportal sichtbar. Über den Layer "Modellgebiet ArcEGMO" er-
hält der Nutzer aber eine Information zur räumlichen Ausdehnung des modellierten Projektraums. Somit kann der
Nutzer einschätzen, ob ein z.B. an der Außengrenze Sachsen gelegenes mit Werten belegtes Polygon überwiegend
im Projektraum verortet ist oder nur mit einem geringen Flächenanteil in den Projektraum hineinragt.
Im Ordner "Topographie" können Informationen wie Schummerung, Luftbilder und Hintergrundkarte angewählt wer-
den.
Im Ordner „Wasserhaushalt“ sind alle Parameterlayer hinterlegt, die im ausgewählten Modell verfügbar sind. Es kann
immer nur ein Parameter angeklickt werden. Eine Parameterbeschreibung ist über den Infobutton rechts neben dem
Parameter im Layerbaum abrufbar.
In der rechten unteren Ecke der Anwendung befindet sich eine Liste mit flächenungewichteten statistischen Werten
(Mittelwert, Median, ...) zum angezeigten Kartenbild. Darüber befindet sich ein Histogramm, welches die Verteilung
des Vorkommens der Legendenklassen wiedergibt. Es gilt zu beachten, dass hier keine räumliche Verteilung wie-
dergegeben wird, sondern eine Gruppierung der im Layer vorhandenen Einzelwerte (keine Flächenwichtung).
In der Karte werden Wasserhaushaltsdaten und weitere Hintergrundinformationen in Sachsen visualisiert. Über eine
räumliche Suche lassen sich Objekte von Raumeinheiten auffinden. Per Mausklick in die die Karte erhält man Infor-
mationen zum ausgewählten Parameter sowie den Begleitparametern. Zudem wird der zeitliche Verlauf der Werte
des gewählten Wasserhaushaltsparameters angezeigt.
Oberhalb der Karte befindet sich die Funktionsleiste mit „Freitextsuche“, „Hoverauswahl“, „Vergrößern“, „Verklei-
nern“, „Volle Ausdehnung“ und „Vollbild“.
Einen Überblick über die Anordnung und Funktionen des Kartenmoduls gibt Abbildung 91.
Abbildung 91: Ansicht des Moduls "Karten"
6.3.7
Modul Diagramme
Hier erhält der Nutzer einen Einblick in die zu erwartende zukünftige Entwicklung der einzelnen Parameter des Was-
serhaushalts in Sachsen (Abbildung 92).

image
Vorläufige Version – August 2021
| 125
Abbildung 92: Ansicht des Moduls "Diagramme"
Im Diagramm erfolgt der Vergleich auf Basis verschiedener Szenarien. Die Szenarien (IST-Zustand, verschiedene
Klimaszenarien) können an der Unterseite des Diagramms einzeln ausgeschaltet oder hinzu gewählt werden. Der
Nutzer kann die Auswertung auf bestimmte Gebiete über eine Raumauswahl einschränken. Wahlweise können die
Originaldaten oder gleitende Mittelwerte ausgegeben werden.
6.3.8
Modul Datenexport
Der Nutzer hat im Modul "Datenexport" die Möglichkeit, den hinterlegten Datenbestand zum Wasserhaushalt herun-
terzuladen. Die Oberfläche ist interaktiv gestaltet, so dass die Auswahl an einer Stelle, Auswirkungen auf die Aus-
wahlmöglichkeiten an anderer Stelle haben kann. Beispielsweise existieren für das Modellverfahren ArcEGMO an-
dere Parameter und Szenarien als für die DIFGA-Analysen. Die Selektion von Modellverfahren, Szenario und Para-
meter ist selbsterklärend. Die weiteren Auswahlmöglichkeiten werden im Folgenden erläutert.
Durch die Auswahl einer Raumebene im Abschnitt Raumauswahl werden die zu exportierenden Daten für die ge-
wählte Raumebene exportiert. Der Raumfilter ermöglicht es, die Daten für einzelne Raumeinheiten innerhalb der
ausgewählten Raumebene einzuschränken. So kann beispielsweise bei der Raumauswahl "Kreise" über den Raum-
filter der Erzgebirgskreis selektiert werden. Wird der Raumfilter nicht genutzt (Raumfilter steht auf "aus"), so werden
alle Kreise einbezogen.
Einen Sonderfall stellt die Ebene der Teileinzugsgebiete als kleinste Raumebene dar. Hier kann die Filterung nicht
nur über Teileinzugsgebiete, sondern auch über alle anderen verfügbaren Raumebenen und die entsprechenden
Raumeinheiten erfolgen.
Beispiel: Die Raumauswahl steht auf Teileinzugsgebiete. Im Raumfilter wird erst die Raumebene Gemeinden selek-
tiert und im zweiten Schritt die Raumeinheit Niederwiesa. Als Exportergebnis erhält man Daten zu allen Teileinzugs-
gebieten in der Gemeinde Niederwiesa.
Die Daten können in zwei räumlichen Projektionen exportiert werden:
31468 - DHDN / 3-degree Gauss-Krüger Zone 4
25833 - ETRS89 / UTM Zone 33N
Die Auswahl des Datentyps kann zwischen langjährigen Mittelwerten oder Zeitreihen erfolgen. Damit einher geht
eine entsprechende Struktur der zu exportierenden Daten. Bei langjährigen Mittelwerten besteht das heruntergela-
dene Zip-File aus einer Esri-Shapedatei mit der selektierten Raumebene. Die ausgewählten Parameter sind als
Spalten in der Attributtabelle der Shapedatei angelegt und beziehen sich auf die gewählte Zeitspanne.

image
Vorläufige Version – August 2021
| 126
Die Auswahl von Zeitreihen kann in einer monatlichen oder jährlichen Auflösung erfolgen. Die hier zum Download
bereitgestellten Datenmengen können vergleichsweise groß werden (v.a. bei Monatswerten). Deshalb erfolgt der
Download über ein TAR-Archiv in dem mehrere Zip-Files hinterlegt sind. In dem mit der Raumebene bezeichneten
Zip-File befindet sich die geometrische Grundlage in Form eines Esri-Shapefiles (bspw. Kreise.zip). Die weiteren
Zip-Files beinhalten die zugehörigen Parameterdaten in Form von CSV-Files. Die Spalte „id_area“ ist der Verbin-
dungsschlüssel zur geometrischen Grundlage. Einen Überblick über den Aufbau des Moduls "Datenexport" gibt Ab-
bildung 93.
Abbildung 93: Ansicht des Moduls "Datenexport"

Vorläufige Version – August 2021
| 127
7 Zusammenfassung
Mit der Fortführung des KliWES-Projektes im Zeitraum von August 2019 bis April 2021 wurden mehrere Ziele verfolgt.
Die wesentlichen waren hierbei:
Die Verwendung von aktualisierten (Geo)Datengrundlagen
Die Nutzung aktueller Klimaszenarien sowie die Berücksichtigung von Nebelniederschlägen
Die Anwendung von weiterentwickelten Modellbausteinen im Wasserhaushaltsmodell ArcEGMO
Die Umsetzung einer verbesserten Optimierungsstrategie und die Anpassung der Optimierungsziele (gute Abbil-
dung von Niedrigwasserphasen)
Aktualisierung und Fortschreibung der Zeitreihen des Wasserhaushaltes
Aufbau einer hinsichtlich Inhalt und Funktionalität vollständig überarbeiteten KliWES-Webanwendung unter dem
Dach des Wasserhaushaltsportals Sachsen
Um diese Ziele zu erreichen und letztlich der breiten Öffentlichkeit ein zukunftsfähiges Portal mit belastbaren Was-
serhaushaltsergebnisse zur Verfügung stellen zu können, wurden u.a. folgende Arbeiten in Rahmen der Projektbe-
arbeitung durchgeführt:
Prüfung, Aufbereitung (ggf. Homogenisierung) und Parametrisierung der Geodatengrundlage
Entwicklung eines Ansatzes zur Modifizierung des Nebelniederschlags sowie Umsetzung des Ansatzes
Prüfung und Aufbereitung von acht Klimaprojektionen und Ergänzung um den Nebelniederschlag
Erstellung eines zusätzlichen meteorologischen Eingangsdatensatzes für den Zeitraum 2010 bis 2019 und Durch-
führung von Wasserhaushaltsberechnungen für ausgewählte Testgebiete zur Untersuchung der hydrologischen
Entwicklung zwischen 2010 bis 2019
Integration und Parametrisierung des KapRed-Ansatzes zur Reduktion des Kapillaraufstiegs bei starker Zehrung
auf grundwassernahen Flächen
Ableitung von Fruchtfolgen und Parametrisierung des VEGEN-Moduls (Vegetationsmodell in ArcEGMO)
Weiterentwicklung der Methodik zum weitestgehend automatisierten Modellaufbau sowie Anwendung der Metho-
dik
Aufbau einer möglichst automatisiert ablaufenden Optimierung und Durchführung der Optimierung von Modellre-
gionen
Durchführung von Wasserhaushaltsberechnungen für das Gesamtmodell unter Nutzung des Referenzdatensatzes
und der Klimaprojektionen
Übergabe der Ergebnisse von der TUD an VisDat und Integration in die neue KliWES-Webanwendung im Wasser-
haushaltsportal Sachsen
Umsetzung des Konzepts für die neue KliWES-Webanwendung im Wasserhaushaltsportal Sachsen, das heißt u.a.
Aufbau der Datenstruktur, Anpassung der Software-Lösung an die sehr umfangreichen Ergebnisse
Für die Realisierung und Erreichung der Projektziele erfolgten eine Reihe von Weiterentwicklungen. So wurde z.B.
im Rahmen dieses Projekts ein für Sachsen bisher noch nicht vorhandener Datensatz zu Fruchtfolgen für die land-
wirtschaftlichen Vergleichsgebiete ab 1961 abgeleitet.
Von den Wasserhaushaltsberechnungen waren aktive und ehemalige Braunkohletagebaugebiete in der Lausitz so-
wie im Leipziger Raum ausgeschlossen. Auch das Einzugsgebiet der Neiße wurde nicht mit modelliert, da hierfür

Vorläufige Version – August 2021
| 128
separate Wasserhaushaltsberechnungen im Rahmen des NEYMO-NW-Projekts erfolgten, welche zukünftig mit in
das neue Wasserhaushaltsportal Sachsen integriert werden sollen.
Für die Wasserhaushaltsberechnungen kam das Wasserhaushaltsmodell ArcEGMO zum Einsatz. Das für den ge-
samten KliWES-Projektraum aufgebaute Modell ArcEGMO ist bereits unter Nutzung der Startparametrisierung in der
Lage, die volumetrische Aufteilung der Wasserhaushaltskomponenten für die Mehrzahl der Modellregionen sehr gut,
das heißt entsprechend der Beobachtungsdaten bzw. der Ergebnisse aus DIFGA, abzubilden. Die regionsspezifi-
sche Optimierung ermöglicht für 70 Prozent aller Modellregionen eine weitere Verbesserung der Anpassung hin-
sichtlich Volumen und bzw. oder Dynamik der simulierten Größen. Bezüglich des Durchflusses lag dabei der Fokus
auf einer adäquaten Abbildung des Rückgangsverhaltens im Mittel- und Niedrigwasserbereich. Für einige anthropo-
gen sehr stark beeinflusste Modellregionen wie z. B. im Lausitzer Braunkohlegebiet sind aufgrund fehlender Daten
zu Einleitungen, Entnahmen o.ä. die erhaltenen Wasserhaushaltsergebnisse nur sehr eingeschränkt belastbar. Der
gewählte Optimierungszeitraum von 2000 bis 2015 gibt die aktuellen klimatischen Verhältnisse entsprechend der
Datenverfügbarkeit bestmöglich wider. Dies zeigt der Vergleich mit Modellergebnissen, welche basierend auf einem
anderen Optimierungszeitraum (1961 bis 1987) erzeugt wurden.
Die im Anschluss an die Optimierung durchgeführten Wasserhaushaltsberechnungen nutzten einerseits den Refe-
renzdatensatz als meteorologischen Input für den Beobachtungszeitraum von 1961 – 2015. Andererseits wurden die
projizierten hydrologischen Entwicklungen mittels acht ausgewählter Klimarealisierungen (1961 - 2100) berechnet.
Hierbei kamen sechs RCP-Szenarien sowie zwei SRES-Szenarien zur Anwendung. Alle Projektionen weisen einen
negativen Trend für die Niederschlagsmengen sowie einen positiven Trend bei der Entwicklung der Temperaturen
auf. Mit den acht Szenarien kann eine größere Bandbreite an möglichen zukünftigen Entwicklungen abgedeckt wer-
den. Das RCP-Szenario RCP2.6 stellt hierbei einen relativen moderaten Verlauf der Klimaentwicklung dar, während
das Szenario RCP8.5 einen sehr starken Anstieg der Temperaturen bei gleichzeitig ausgeprägtem Rückgang des
Niederschlags aufweist.
Die Auswirkungen auf die berechneten Wasserhaushaltsgrößen bilden dementsprechend ebenfalls eine größere
Bandbreite ab. Grundsätzlich kann aber gesagt werden, dass der Norden Sachsen von den projizierten Folgen des
Klimawandels deutlich stärker betroffen sein wird als die höheren Lagen des Erzgebirges.
Detaillierte Betrachtungen der Wasserhaushaltsergebnisse ermöglicht das neue Wasserhaushaltsportal Sachsen.
Durch den Download der Ergebnisse in monatlicher Auflösung für verschiedene Raumebenen kann der Nutzer ei-
gene Auswertungen durchführen und die Daten für spezifische Fragenstellungen heranziehen.
Es wird allerdings darauf hingewiesen, dass die Ergebnisse Unsicherheiten und Defizite aufweisen, welche in der
weiteren Verarbeitung der Daten berücksichtigt werden sollten. Vor allem wird darauf hingewiesen, dass es sich um
Modellierungen in einem größeren Raum handelt, welche lokale Besonderheiten unter Umständen nicht im Detail
abbilden. Es sind daher z.B. bei Standortuntersuchungen auch ergänzende Informationen/Messdaten heranzuzie-
hen, sofern diese vorhanden sind.

Vorläufige Version – August 2021
| 129
8 Literatur
AD-HOC-AG BODEN (2005): Bodenkundliche Kartieranleitung, 5. Auflage, 438 S., Hannover. Schweizer-Bart’sche
Verlagsbuchhandlung. Stuttgart.
BAH (2018): Wasserhaushaltsmodellierung für Sachsen-Anhalt 2017. Im Auftrag des LHW Sachsen-Anhalt.
BAYERISCHES LANDESAMT FÜR STEUERN (BLfS) 2009: Merkblatt über den Aufbau der Bodenschätzung, digital
verfügbar (23.04.2020):
https://www.finanzamt.bayern.de/Informationen/Steuerinfos/Weitere
_Themen/ Bo-
denschaetzung/Merkblatt-ueber-den-Aufbau-der-Bodenschaetzung.pdf
BERNHOFER, C., KÖRNER, P. & SCHWARZE, R. (2017): Modellierung abgesetzter Niederschläge. (Hrsg.) Säch-
sisches Landesamt für Umwelt, Landwirtschaft und Geologie (LfULG), Schriftenreihe, Heft 9/2017.
BERNHOFER, C.; PLUNTKE, T.; BARFUS, K.; HEIDENREICH, M.; KRONENBERG, R.; HAUFFE, C.; WAGNER,
M.; SCHWARZE, R.; GUTZMANN, B. (2019): Analyse und Bewertung der gemessenen meteorologischen Da-
tengrundlage im Freistaat Sachsen sowie Erzeugung eines Klima-Referenzdatensatzes. (Hrsg.) Sächsisches
Landesamt für Umwelt, Landwirtschaft und Geologie (LfULG), Schriftenreihe, Heft 7/2019.
BOSWELL, V.G. (1926): The Influence of Temperature upon the Growth and Yield of Garden Peas. Proc. Amer. Soc.
Hort. Sci. 23:162-168.
DWA REGELWERK (2016): Arbeitsblatt DWA-A 920-1. Bodenfunktionsansprache - Teil 1: Ableitung von Kennwer-
ten des Bodenwasserhaushaltes. (Hrsg.) Deutsche Vereinigung für Wasserwirtschaft, Abwasser und Abfall e.V.
-DWA-, Hennef.
FAO (1974): Soil Map of the World 1 : 5.000.000, Volume 1. (Hrsg.) United Nations Educational, Scientific and Cul-
tural Organization Unesco. Paris 1974.
FARR, T. G.; ROSEN, P. A.; CARO, E.; CRIPPEN, R.; DUREN, R.; HENSLEY, S.; KOBRICK, M.; PALLER, M.;
RODRIGUEZ, E.; ROTH, L.; SEAL, D.; SHAFFER, S.; SHIMADA, J.; UMLAND, J.; WERNER, M.; OSKIN, M.;
BURBANK, D.; ALSDORF, D. (2007): The Shuttle Radar Topography Mission, Rev. Geophys., 45, RG2004.
GEBEL M., BÜRGER S., UHLIG M., HALBFAß S. (2018): Projektion der Grundwasserneubildung anhand vorhan-
dener Wasserhaushaltsdaten für den Ist-Zustand und die Zeiträume 2021-2050 und 2071-2100. Abschlussbe-
richt (unveröff.). (Hrsg.) Sächsisches Landesamt für Umwelt, Landwirtschaft und Geologie (LfULG).
GEBEL M., BÜRGER S., UHLIG M., HALBFAß S. (2020): Dynamische Bilanzierung der Nährstoffeinträge in säch-
sische Gewässer im Zeitraum 2016 bis 2021 – Phase 4. Studie im Auftrag des LfULG, unveröff. Abschlussbe-
richt, Dresden.
GIORGETTA, M. A., et al. (2013): Climate and carbon cycle changes from 1850 to 2100 in MPI-ESM simulations for
the Coupled Model Intercomparison Project phase 5, J. Adv. Model. Earth Syst., 5, 572–597,
doi:10.1002/jame.20038.
GOFF, J. A.; GRATCH, S. (1946): Low-pressure properties of water from −160 to 212 °F. In: Transactions of the
American Society of Heating and Ventilating Engineers, pp 95–122, presented at the 52nd annual meeting of
the American Society of Heating and Ventilating Engineers, New York, 1946.
GRUNDMANN, J. (2010): Analyse und Simulation von Unsicherheiten in der flächendifferenzierten Niederschlags-
Abfluss-Modellierung. Dresdner Schriften zur Hydrologie, Heft 8, Eigenverlag der Technischen Universität Dres-
den, Dresden.
GURTZ, J. (1988): Beitrag zu den hydrologischen Grundlagen für die Gewährleistung der gesellschaftlich notwendi-
gen Mehrfachnutzung der Wasserressourcen. Habilitation, Technische Universität Dresden, Fakultät für Bau-,
Wasser-, Forstwesen, Dresden.
HAUFFE, C., MÜLLER, R., WINKLER, P., BALDY, A., SCHWARZE, R., SCHÜTZE, N. (2016): Strategie zur Kalib-
rierung großräumiger Wasserhaushaltsmodelle sowie Ergebnisse für Ist-Zustand und Klimaszenarien in Sach-
sen. Hydrologie und Wasserbewirtschaftung. Heft 1 (2016).

Vorläufige Version – August 2021
| 130
HAUFFE, C., WAGNER, M., PAHNER, S., SCHWARZE, R., PFÜTZNER, B., KLÖCKING, B., MEY, S., RÖHM, P.,
WÖHLING, T., REHSE, C. (2019): Fortschreibung KliWES Klimawandel und Wasserhaushalt in Sachsen - Säu-
len A, B und C: Überprüfung und Anpassung von Methoden und Verfahren in Verbindung mit deren Anwendung
in repräsentativ ausgewählten sächsischen Modelltesteinzugsgebieten. Studie im Auftrag des LfULG, unveröff.
Abschlussbericht, Dresden.
IPCC (2007): Climate Change 2007: Synthesis Report. Contribution of Working Groups I, II and III to the Fourth
Assessment Report of the Intergovernmental Panel on Climate Change [Core Writing Team, Pachauri, R.K and
Reisinger, A. (eds.)]. IPCC, Geneva, Switzerland, 104 pp.
IPCC (2014): Climate Change 2014: Synthesis Report. Contribution of Working Groups I, II and III to the Fifth As-
sessment Report of the Intergovernmental Panel on Climate Change [Core Writing Team, R.K. Pachauri and
L.A. Meyer (eds.)]. IPCC, Geneva, Switzerland, 151 pp.
IUSS WRB (2015): World Reference Base for Soil Resources 2014 (Update 2015) - International soil classification
system for naming soils and creating legends for soil maps. World Soil Resources Reports No. 106. FAO, Rom.
KATATA, G., NAGAI, H., WRZESINSKY, T., KLEMM, O., EUGSTER, W. & BURKARD, R. (2008): Development of
a Land Surface Model Including Cloud Water Deposition on Vegetation. Journal of Applied Meteorology and
Climatology 47, Nr. 8 (2008): 2129–46. doi:10.1175/2008JAMC1758.1.
KLÖCKING, B. (2012): Das ökohydrologische PSCN-Modul innerhalb des Flussgebietsmodells ArcEGMO. [Online]
2012.
KLÖCKING; B., WENSKE, D.; KNAB, G.; PFÜTZNER, B.; REINICKE, F.; IHLING, H.; ROST, A.; HAFERKORN, U.
(2018): ReArMo – Ein Modellverbund zur Abschätzung künftiger Entwicklungen des Grundwassers hinsichtlich
Menge und Beschaffenheit. Forum für Hydrologie und Wasserbewirtschaftung, (Hrsg.) Fachgemeinschaft Hyd-
rologische Wissenschaften in der DWA, Heft 39.18, S. 215-225.
KÖRNER, P. (2019): mündliche Mitteilung von Philipp Körner (Mitarbeiter an der Professur für Meteorologie, TU
Dresden).
KURZER, H.-J, KOLBE, H. (2016): Monitoring auf Nitrat-Dauertestflächen. In: Barth, N., Tannert, R., Kurzer, H.-J.,
Kolbe, H., Andreae, H., Jacob, F., Haferkorn, U., Rust, M., Grunert, M. 2016. Stickstoffmonitoring sächsischer
Böden, (Hrsg.) Sächsisches Landesamt für Umwelt, Landwirtschaft und Geologie (LfULG), 37-50.
LAWRENCE, D.M., et al. (2018): The Community Land Model version 5: Description of new features, benchmarking,
and impact of forcing uncertainty. in prep for J. Adv. Model. Earth Sys.
LfULG (2014): Bodenbewertungsinstrument Sachsen. (Hrsg.) Sächsisches Landesamt für Umwelt, Landwirtschaft
und Geologie (LfULG), Ad hoc AG „Bodenschutzplanung“, März 2009, Aktualisierung: Januar 2010, Oktober
2014.
SMUL (2018): Lagebericht 2018 zur kommunalen Abwasserbeseitigung und zur Klärschlammentsorgung im Frei-
staat Sachsen. (Hrsg.) SMUL - Sächsisches Staatsministerium für Umwelt und Landwirtschaft.
MANSEL, H., KACIREK, H., PFÜTZNER, B., MEY, S., HESSE, P., SCHWARZE, R., HAUFFE, C., RÖHM, P. (2019):
Berechnung des Wasserhaushaltes im Tagebaugebiet um Leipzig auf Basis eines Ensembles von zehn Klima-
projektionen für die Säule B des Wasserhaushaltsportales, Abschlussbericht. (Hrsg.) Sächsisches Landesamt
für Umwelt, Landwirtschaft und Geologie (LfULG).
MONTEITH, J.L. (1977): Climate and efficiency of crop production in Britain, Phil. Trans. Res. Soc. London Ser. B
281, 277-329.
MÜLLER, U. & WALDECK, A. (2011): Auswertungsmethoden im Bodenschutz - Dokumentation zur Methodenbank
des Niedersächsischen Bodeninformationssystems (NIBIS). (Hrsg.) Landesamt für Bergbau, Energie und Geologie,
Hannover. Version 2017.
NEITSCH, S.L., ARNOLD, J.G., KINIRY, J.R., WILLIAMS, J.R. (2005): Soil and Water Assessment Tool - Theoretical
Documentation Version 2005
(http://www.brc.tamus.edu/swat/).
USDA Agricultural Research Service at the
Grassland, Soil and Water Research Laboratory in Temple, Texas, USA, Section 5 and 6, 275-324.

Vorläufige Version – August 2021
| 131
PEGELVERZEICHNIS (2014): Hydrologisches Handbuch – Pegelverzeichnis Teil 1. (Hrsg.) Sächsisches Landesamt
für Umwelt, Landwirtschaft und Geologie (LfULG).
PFÜTZNER, B. (2002): Modelldokumentation ArcEGMO. [Online] 2002.
http://www.arcegmo.de.
ISBN 3-00-011190-
5.
PFÜTZNER, B., KLÖCKING, B., SCHUMANN, A., HESSE, P. (2013): Klimafolgenstudie 2012 - Wasser: Untersu-
chung zu den Folgen des Klimawandels in Sachsen-Anhalt, Berichte des Landesamtes für Umweltschutz Sach-
sen-Anhalt, Heft 5 (Band 1), ISSN 0941-7281, 176 S.
PIANI, C., HAERTER, J. O., COPPOLA, E. (2010): Statistical bias correction for daily precipitation in regional climate
models over Europe. Theor. Appl. Climatol. 99, p. 187-192.
SCHMIDT, C.; SEIDEL, A.; KOLODZIEJ, J., KLAMA, K.; SCHOTTKE, M.; FRIEDRICH, M.; BERKNER, A.; CHMIE-
LESKI, S. (2011): Vulnerabilitätsanalyse Westsachsen. Leipzig/Dresden, April 2011. TU Dresden im Auftrag
des regionalen Planungsverbandes Leip