Entfernung von jedem Flussabschnitt bis zur Mündung: größere Entfernungen hell (Bild: igb-berlin.de)

Forscher des Leibniz-Instituts für Gewässerökologie und Binnenfischerei (IGB) und der Yale University haben eine Karte von Flusssystemen weltweit entwickelt, die eigenen Angaben nach so hochaufgelöst ist wie keine zuvor. Sie biete eine Grundlage für genauere Analysen darüber, was flussgebundene Lebensräume ausmacht und wie sie zusammenhängen, heisst es.

Die Hightech-Karte basiert auf dem "Hydrography90m"-Datensatz, den die Forscher binnen zweieinhalb Jahren am Supercomputer der Yale University erstellt haben. Satellitengestützt gewonnene Daten topografischer Reliefs wurden genutzt: Wo sich in der Landschaft Einschnitte mit bestimmten Eigenschaften befinden, fliesst potenziell auch ein Wasserlauf. Doch keiner der bisher verwendeten Datensätze ist so kleinteilig wie Hydrography90m.

"Wir haben ein hochauflösendes Geländemodell der Erde genommen und daraus mithilfe von Open-Source-Software das Flussnetz extrahiert. Hydrography90m bildet, anders als die bisherigen Datensätze, auch kleinere und kleinste Arme von Fliessgewässern ab", so IGB-Forscher Sami Domisch. 90 Meter Länge betrage die kleinste Einheit. Da kleine Flüsse mit etwa 70 Prozent dominieren, seien sie besonders bedeutsam für flussgebundene Artenvielfalt.

Der Datensatz umfasst 726 Mio. potenzielle Flussabschnitte. "Wo wirklich ein Fluss fliesst, wissen wir erst einmal nicht", sagt Domisch. Er und sein Team modellieren aktuell die Abflüsse, um Flüsse zu identifizieren, die tatsächlich - ganzjährig oder zeitweise - Wasser führen. Dazu nutzen sie die Daten von weltweit 30.000 Messstationen, an denen über viele Jahre Wassermengen in definierten Flussabschnitten gesammelt wurden.

Zugriff gibt es darüber hinaus auf flächendeckend vorliegende Daten zu Umweltparametern, wie Niederschlag, Temperatur, Landnutzung, Bodenbeschaffenheit und Hangneigung. Im Modell werden diese Parameter mit den jeweiligen gemessenen Wassermengen in Beziehung gesetzt. "Dabei arbeiten wir mit maschinellem Lernen, das heisst, unser Modell kann mit jedem weiteren Datensatz immer besser erkennen, welche Parametergrössen mit welchen Wassermengen zusammenhängen", erläutert Giuseppe Amatulli, Erstautor der Studie.



Der Online-Stellenmarkt für ICT Professionals