Kurzfassung
Ziel ist die Entwicklung eines meteorologisch-hydrologischen Vorhersagesystems für die grenzüberschreitende Wasserbewirtschaftung des Blauen Nils. Der sogenannte „Seamless Prediction"-Ansatz kombiniert sich überschneidende Vorhersagehorizonte von Tagen bis zu mehreren Monaten. Zentrale Vorhersagevariablen – darunter Niederschlag, Reservoirzufluss, Sedimenteintrag sowie potenzielle landwirtschaftliche Erträge – ermöglichen eine umfassende Bewertung im Nexus Wasser-Nahrungsmittel-Energie, insbesondere für den Grand Ethiopian Renaissance Dam (GERD). Ein besonderer Schwerpunkt liegt auf der ensemblebasierten, probabilistischen Vorhersage hydro-meteorologischer Extremereignisse: von Starkniederschlägen und Überschwemmungen (kurzfristig, einige Tage) bis hin zu Dürren und Hitzeperioden im Subseasonal-to-Seasonal-Bereich (S2S, Wochen bis Monate). Für die praktische Anwendung werden die Ansätze in Cloud-fähige Module und Microservices überführt, die eine flexible, an lokale Gegebenheiten angepasste Implementierung ermöglichen. Die Entwicklung erfolgt in enger Zusammenarbeit mit äthiopischen und sudanesischen Partnern aus Wissenschaft, Politik und Wasserwirtschaft. Über Sandwich-Doktorandenprogramme, gemeinsame Workshops sowie die Einbindung in übergeordnete Initiativen wird ein internationaler Fachdialog zwischen Expertinnen und Experten aus Äthiopien, Sudan, Deutschland und weiteren Ländern gefördert.
Förderkennzeichen: 02WGR1643A-C
Projektlaufzeit: 01.09.2022 - 30.04.2026
Publikationen & Produkte
Integrating dynamic planting dates into Noah-MP-Crop for sorghum simulation in semi-arid regions
Durch die Integration dynamischer, satellitenbasierter Saattermine in das prozessbasierte Ernte-Klimamodell Noah-MP-Crop wird das Sorghum Wachstum im semiariden östlichen Nil-Becken realistischer simuliert. Im Vergleich zu fixen Saatterminen verbessern dynamische Pflanzdaten die Modellgüte hinsichtlich Blattflächenindex und Ernteerträgen deutlich — und bieten damit einen übertragbaren Ansatz für Ernte-Klima-Bewertungen in datenarmen Regionen.
Toward a Seamless Sub-Seasonal to Seasonal Prediction System for the Blue Nile Basin
Durch regionale Verbesserung von ECMWF-Vorhersageprodukten (SEAS5 und sub-saisonale Vorhersagen) mittels statistischer und Deep-Learning-basierter Post-Processing-Methoden wird ein nahtloses S2S-Vorhersagesystem für das Blaue Nil-Becken entwickelt. Obwohl die aufbereiteten meteorologischen Vorhersagen für sich allein kaum die Klimatologie übertreffen, zeigen sie in Kombination mit hydrologischen und Ernte-Modellen einen deutlichen Mehrwert für sektorspezifische Entscheidungen.
Improved seasonal precipitation forecasts for the Blue Nile Basin: a deep learning approach.
Die Studie schlägt mit Seasonal AFNOCast einen Deep-Learning-Ansatz zur Bias-Korrektur und Downscaling von saisonalen Niederschlagsvorhersagen im Blauen Nil-Becken vor, der auf einem adaptiven Fourier Neural Operator basiert und mit der etablierten statistischen Methode BCSD verglichen wird. Dabei zeigt sich, dass beide Methoden die Vorhersagequalität gegenüber den Rohdaten deutlich verbessern, Seasonal AFNOCast jedoch insbesondere bei längeren Vorlaufzeiten, der Darstellung von Extremereignissen und der Rechengeschwindigkeit (5–20× schneller) Vorteile gegenüber BCSD aufweist.
How to Improve Forecast Dissemination in the Blue Nile River Basin. Challenges, Opportunities and Ways Forward.
Das Paper untersucht, wie Klima- und Wettervorhersagen im Einzugsgebiet des Blauen Nils kommuniziert werden und wie Regierungen, globale und regionale Organisationen sowie Entwicklungspartner bestehende Systeme und Praktiken unterstützen können. Veröffentlicht im März 2026.
Suspended Sediment Fluxes and Decadal Trends in the Humid Tropics: Machine Learning Reconstruction and Coupled Modelling in Upper Blue Nile Tributaries
Mittels Machine-Learning-Methoden — insbesondere Quantile Regression Forests (QRF) — werden kontinuierliche tägliche Sedimentgraphen (1990–2020) für zwei Einzugsgebiete im Oberen Blauen Nil-Becken rekonstruiert und erstmals zur Kalibrierung des gekoppelten hydro-sedimentologischen Modells WASA-SED genutzt. Dekadische Analysen offenbaren dabei gegensätzliche Entwicklungen: Während im Gilgel-Abay-Einzugsgebiet intensivere Niederschläge den Abfluss stark erhöhten, aber die Sedimentfrachten zuletzt sanken, stiegen im Gumara-Einzugsgebiet sowohl Abfluss als auch Sedimentfrachten deutlich — maßgeblich bedingt durch Feuchtgebietsverlust und Urbanisierung.
Seasonal forecast of streamflow and suspended sediment in the Blue Nile Basin, Ethiopia
Untersuchung des Potenzials eines gekoppelten hydro-meteorologischen Saisonvorhersagesystems für Abfluss und Sedimenttransport im Oberen Blauen Nil-Becken (Äthiopien), flussaufwärts des GERD-Staudamms, mit einer Vorhersagereichweite von bis zu sieben Monaten. Durch die Kombination des ECMWF-SEAS5-Niederschlagsprodukts mit dem hydro-sedimentologischen Modell WASA-SED sowie einem nachgelagerten autoregressiven Korrekturverfahren zeigen die Ergebnisse, dass das System Niederschlag und Abfluss auf saisonaler Skala verlässlich vorhersagen kann.
Policy Brief. How to Improve Forecast Dissemination in the Blue Nile River Basin. Challenges, Opportunities and Ways Forward.
Das Policy Brief fasst die Ergebnisse des Policy Papers zusammen, welches untersucht, wie Klima- und Wettervorhersagen im Einzugsgebiet des Blauen Nils kommuniziert werden und wie Regierungen, globale und regionale Organisationen sowie Entwicklungspartner bestehende Systeme und Praktiken unterstützen können. Veröffentlicht im März 2026.
Koordination
kit.edu
Partnerkonsortium
