Urban Flood Resilience - Smart Tools (FloReST)
Laufzeit: 01.02.2022 - 31.01.2025
Förderung durch: Bundesministerium für Bildung und Forschung
Projektmittel (€): 439.368,00
Kurzfassung
Starkregen bzw. hieraus resultierende Sturzfluten haben in den letzten Jahren vermehrt zu weitreichenden Schäden an technischen und sozialen Infrastrukturen geführt. Für die Schäden waren vor allem kleinere Gewässer bzw. hohe Oberflächenabflüsse fernab der eigentlichen Gewässerläufe, sogenannte Sturzfluten, ursächlich. Bei solchen Extremereignissen müssen die Wassermengen möglichst schadlos durch die urbane Bebauung abgeleitet werden. Technische Maßnahmen sind planmäßig überlastet, sodass...Starkregen bzw. hieraus resultierende Sturzfluten haben in den letzten Jahren vermehrt zu weitreichenden Schäden an technischen und sozialen Infrastrukturen geführt. Für die Schäden waren vor allem kleinere Gewässer bzw. hohe Oberflächenabflüsse fernab der eigentlichen Gewässerläufe, sogenannte Sturzfluten, ursächlich. Bei solchen Extremereignissen müssen die Wassermengen möglichst schadlos durch die urbane Bebauung abgeleitet werden. Technische Maßnahmen sind planmäßig überlastet, sodass neben lokalen Objektschutzmaßnahmen an Risikoelementen Notabflusswege als wesentliches Element der wassersensiblen Stadtentwicklung auszuweisen sind. Diese, die Resilienz der Infrastrukturen steigernden Maßnahmen, werden im Forschungsvorhaben FLoReST ausgelotet. Innovative Lösungen werden entwickelt, die unterschiedliche Ansätze zur belastungsunabhängigen und -abhängigen Ausweisung von Notabflusswegen verfolgen. In enger Abstimmung mit Pilot-Kommunen, Fachverbänden und betroffenen Bürgern/innen wird ein intelligenter, dialog-orientierter Weg zur nachhaltigen Umsetzung von Hochwasservorsorgemaßnahmen in urbanen Räumen eröffnet. Hierzu zählen die Neuentwicklung eines robotergestützten Systems zur hochauflösenden 3D-Datenerfassung der innerörtlichen Infrastruktur mit einer bisher schwer erreichbaren Erfassung kleinskaliger Fließhindernisse und Bruchkanten, der Einsatz von KI zum Nachweis von Notabflusswegen durch Machine-Learning zur Auswertung großer Datensätze in hoher räumlicher Auflösung, die Verbesserung der Umsetzung von Hochwasservorsorgemaßnahmen durch den Einsatz von UAV-Drohnentechnik und Dotierversuchen zur experimentellen Ausweisung
belastungsabhängiger Notabflusswege, die Entwicklung einer Infrastruktur zur digitalen Daten- und Methodenbereitstellung in Form eines Geo-Data-Warehouse sowie einer mobilen App. Durch eine vernetzte Risikokommunikation mit den Pilotkommunen werden hohe Interaktivität und die Einbeziehung der Betroffenenperspektive in das Vorhaben gewährleistet.» weiterlesen» einklappen