Das Verbundprojekt "Bewirtschaftungsmöglichkeiten im Einzugsgebiet der Havel" hat Methoden und Werkzeuge entwickelt, welche zur Bewertung alternativer Bewirtschaftungsmöglichkeiten im Einzugsgebiet der Havel mit dem Ziel der Verbesserung der Gewässergüte dienen. Neben den naturräumlichen Gegebenheiten dieses typischen, langsam fließenden Tieflandflusses mit eingelagerten Flachseen, weit gespannten Auen und der direkten Kopplung von Grund- und Oberflächenwasser galt das Interesse einer Reihe von Nutzungsansprüchen mit ihren Auswirkungen auf den Wasser- und Stoffhaushalt. Im Mittelpunkt stehen hierbei die Stoffeinträge aus Landwirtschafts- und Siedlungsflächen sowie Aspekte der wasserwirtschaftlichen Steuerung. Es werden die Auswirkungen verschiedener Bewirtschaftungsoptionen der Gewässer und ihrer Einzugsgebiete auf die Wassermenge und -qualität untersucht. Damit werden die wissenschaftlichen Grundlagen für die Bewertung des Zustandes der Gewässer sowie künftiger Handlungsoptionen und Entwicklungsszenarios nach der EG-Wasserrahmenrichtlinie (EG-WRRL) geschaffen. Neben den methodischen Aufgaben zur Erstellung, Anpassung und Kopplung von Modellwerkzeugen (Systemmodelle, Szenarientechniken) werden naturraumspezifische und sozioökonomische Bewertungsmaßstäbe, umsetzungsorientierte Handlungsoptionen sowie Werkzeuge für die Verwertung der Ergebnisse durch die Fachverwaltung erarbeitet.

Das betrachtete Einzugsgebiet der Neiße weist sowohl morphologisch als auch bezüglich der Landnutzung eine Zweiteilung auf, die sich in den hydrologischen Prozessen und auch in der Gewässergüte widerspiegelt. Morphologie, Bodeneigenschaften und Landnutzung steuern die hydrologischen Prozesse, besonders die Abflussbildung und damit den Stofftransport und die Gewässergüte. Das Projekt zeigt u.a. die Bedeutung der kombinierten Anwendung chemischer und isotopischer Verfahren, um die Unterschiede in der Abflussbildung und den Einfluss der Schneedecke auf den Abfluss zu erfassen. Die Wasserqualität in der Neiße und ihrer untersuchten Nebenflüsse ist bezüglich der betrachteten Parameter gut. Es gab nur wenige Überschreitungen von Grenzwerten, entweder in Trockenperioden bei Niedrigwasserabfluss oder nach starken Niederschlagsereignissen. Im Vergleich mit den langjährigen Daten des Standard-Monitorings ist für die letzte Periode eine Abnahme in der Konzentration für einige Stoffe festzustellen. Geringe Stoffkonzentrationen wurden im Bodenwasser unter unterschiedlich bewirtschaftetem Grünland unabhängig vom Management gemessen. Für Grünland wurde ein hohes Rückhaltevermögen konstatiert. Die Einleitungen aus Punktquellen (Kläranlagen) ändert die Gewässergüte besonders während der Niedrigwasserperioden. Während Hochwasserereignissen traten dagegen hohe Schwebstofffrachten auf, die auf den Eintrag aus diffusen Quellen (hauptsächlich von Ackerflächen) zurückzuführen sind. Die Herkunft der Schwermetalle in den Fließgewässern lässt sich nicht eindeutig zuordnen. Dafür müssten detailliertere Untersuchungen entlang der Fließgewässer unter Einbeziehung aller potenziellen Einleiter durchgeführt werden. Zink wird beispielsweise auch in wenig besiedelten Gebieten in erheblichem Maß über die Atmosphäre eingetragen, wie die Messungen zeigen. Werden die während der Projektlaufzeit erhobenen Daten für die 30 Probenahmestellen analysiert, so stellen sich entsprechend ihrer physiko-chemischen Signatur sechs Gruppen heraus. Jeder dieser Probenahmestellen kann ein Einzugsgebiet zugeordnet werden mit bestimmten Anteilen an den verschiedenen Landnutzungskategorien. Diese Gruppen weisen eine weitgehend ähnliche Landnutzungsstruktur auf. Bei der Analyse der Abflussbildungsprozesse im Gesamtgebiet werden auch hierfür die gleichen Teileinzugsgebiete statistisch zusammengefasst. Für das Einzugsgebiet wurden kritische Punkte bestimmt, an denen die Gefahr besteht, dass Stoffablagerung (Sedimente) bebaute Gebiete und Infrastruktur bedrohen. Es wurden vulnerable Flächen hinsichtlich der Bedrohung der Gewässergüte ausgewiesen.

Der großräumige Abbau von Braunkohle in der Lausitz führte in der Vergangenheit zu einer extremen Beeinflussung des Wasserhaushaltes im Einzugsgebiet der Spree. Mit dem Beginn der Sanierung und Flutung der Tagebaue kommt es nun langfristig zu einer verstärkten Nutzung der existierenden Oberflächengewässer und der Einbindung der entstehenden Tagebaurestseen in das Fließgewässernetz. Die Kopplung von Mengenbewirtschaftungsmodellen mit Gütemodellen berücksichtigt die Verfügbarkeit und Verteilung der begrenzten Ressource Wasser im Einzugsgebiet und der aus der Bewirtschaftung resultierenden Gewässergüte. Dies entspricht auch dem Leitbild der EU-WRRL (2000) für ein integriertes Flussgebietsmanagement, was eine einzugsgebietsbezogene Betrachtung der vorhandenen Ressourcen unter Berücksichtigung aller beeinflussten und beeinflussenden Kriterien fordert. Werden Modelle, die unterschiedlich sensitive und komplexe Systeme abbilden, miteinander gekoppelt, erfordert dies eine Anpassung der Datenstruktur und der zeitlichen Skalen. Schwerpunkt dieser Arbeit war die Entwicklung einfacher, robuster Simulationswerkzeuge für die Prognose der Gewässergüte in den Talsperren Bautzen und Quitzdorf. Als Basis diente das komplexe Standgewässergütemodell SALMO. Das Modell wurde zunächst um einfache Algorithmen ergänzt, so dass es trotz einer angepassten, stark reduzierten Datengrundlage, plausible Ergebnisse simulierte. Stochastisch erzeugte Bewirtschaftungsszenarien und die komplex simulierten Modellergebnisse bezüglich der resultierenden Gewässergüte, wurden als Trainingsdaten für ein Künstliches Neuronales Netz (ANN) genutzt. Die für beide Talsperren trainierten ANN sind als effektive Black-Box-Module in der Lage, das komplexe Systemverhalten des deterministischen Modells SALMO widerzuspiegeln. Durch eine Kopplung der entwickelten ANN mit dem Bewirtschaftungsmodell WBalMo ist es möglich, Bewirtschaftungsalternativen hinsichtlich ihrer Konsequenzen für die Gewässergüte zu bewerten. ANN sind systemgebundene Modelle, die nicht auf andere Gewässersysteme übertragen werden können. Allerdings stellt die hier erarbeitete Methodik einen fundierten Ansatz dar, der für die Entwicklung weiterer aggregierter Gütemodule im Rahmen integrierter Bewirtschaftungsmodelle angewendet werden kann. / The large-scale extraction of lignite in Lusatia in the past had an extreme impact on the water balance of the Spree river catchment. The restoration and flooding of the opencast pits put heavy demand on existing surface waters for a long time period. The resulting artificial lakes have to be integrated in the riverine network. The coupling of management models and water quality models allows to consider both availability and distribution of limited water resources in the catchment and resulting water quality. This is corresponding to the principles of the EU-WFD for integrated river basin management, which is a basin-related consideration of available resources taking into account all influencing and influenced characteristics. Adjustment of data structure and time scale is necessary if models describing unequally sensitive and complex systems are to be coupled. Main focus of this task was to develop simple and robust simulation tools for the prediction of water quality in the reservoirs Bautzen and Quitzdorf. The complex water quality model SALMO served as a basis. In a first step, simple algorithms had to be amended in order to generate plausible simulation results despite of an adapted reduced data base. Stochastically generated management scenarios and complex simulated model results regarding the resulting water quality were employed as training data for an Artificial Neuronal Network (ANN). The trained ANN’s are efficient black box modules. As such they are able to mirror complex system behaviour of the deterministic model SALMO. By coupling the developed ANN with the management model WBalMo it is possible to evaluate management strategies in terms of their impact on the quality of the water bodies. ANN’s are system-linked models. A transfer to other aquatic systems is not possible. However, the methodology developed here represents an in-depth approach which is applicable to the development of further aggregated water quality models in the framework of integrated management models.

Das betrachtete Einzugsgebiet der Neiße weist sowohl morphologisch als auch bezüglich der Landnutzung eine Zweiteilung auf, die sich in den hydrologischen Prozessen und auch in der Gewässergüte widerspiegelt. Morphologie, Bodeneigenschaften und Landnutzung steuern die hydrologischen Prozesse, besonders die Abflussbildung und damit den Stofftransport und die Gewässergüte. Das Projekt zeigt u.a. die Bedeutung der kombinierten Anwendung chemischer und isotopischer Verfahren, um die Unterschiede in der Abflussbildung und den Einfluss der Schneedecke auf den Abfluss zu erfassen. Die Wasserqualität in der Neiße und ihrer untersuchten Nebenflüsse ist bezüglich der betrachteten Parameter gut. Es gab nur wenige Überschreitungen von Grenzwerten, entweder in Trockenperioden bei Niedrigwasserabfluss oder nach starken Niederschlagsereignissen. Im Vergleich mit den langjährigen Daten des Standard-Monitorings ist für die letzte Periode eine Abnahme in der Konzentration für einige Stoffe festzustellen. Geringe Stoffkonzentrationen wurden im Bodenwasser unter unterschiedlich bewirtschaftetem Grünland unabhängig vom Management gemessen. Für Grünland wurde ein hohes Rückhaltevermögen konstatiert. Die Einleitungen aus Punktquellen (Kläranlagen) ändert die Gewässergüte besonders während der Niedrigwasserperioden. Während Hochwasserereignissen traten dagegen hohe Schwebstofffrachten auf, die auf den Eintrag aus diffusen Quellen (hauptsächlich von Ackerflächen) zurückzuführen sind. Die Herkunft der Schwermetalle in den Fließgewässern lässt sich nicht eindeutig zuordnen. Dafür müssten detailliertere Untersuchungen entlang der Fließgewässer unter Einbeziehung aller potenziellen Einleiter durchgeführt werden. Zink wird beispielsweise auch in wenig besiedelten Gebieten in erheblichem Maß über die Atmosphäre eingetragen, wie die Messungen zeigen. Werden die während der Projektlaufzeit erhobenen Daten für die 30 Probenahmestellen analysiert, so stellen sich entsprechend ihrer physiko-chemischen Signatur sechs Gruppen heraus. Jeder dieser Probenahmestellen kann ein Einzugsgebiet zugeordnet werden mit bestimmten Anteilen an den verschiedenen Landnutzungskategorien. Diese Gruppen weisen eine weitgehend ähnliche Landnutzungsstruktur auf. Bei der Analyse der Abflussbildungsprozesse im Gesamtgebiet werden auch hierfür die gleichen Teileinzugsgebiete statistisch zusammengefasst. Für das Einzugsgebiet wurden kritische Punkte bestimmt, an denen die Gefahr besteht, dass Stoffablagerung (Sedimente) bebaute Gebiete und Infrastruktur bedrohen. Es wurden vulnerable Flächen hinsichtlich der Bedrohung der Gewässergüte ausgewiesen.:Abbildungsverzeichnis VI Tabellenverzeichnis XI 1 Einleitung 1 2 Das Projekt 2 2.1 Projektziele 2 2.2 Projektpartner 2 3 Das Einzugsgebiet 3 3.1 Klima 4 3.2 Geologie und Boden 4 3.3 Hydrologie 6 3.4 Landnutzung 6 3.5 Die Teileinzugsgebiete 8 4 Methoden 10 4.1 Probenahme 10 4.2 Beschreibung der experimentellen Standorte 11 4.2.1 Zittauer Ökologische Forschungsstation 11 4.2.2 Experimentalgebiete des VURV 12 4.2.3 Experimentalflächen der ČVUT in Prag 16 4.3 chemische Analysen 17 4.4 Auswertung langjähriger Messreihen 17 4.4.1 Auswahl der Kennwerte für die Auswertung 22 4.4.2 Auswertemethoden 23 4.5 Berechnung des Wasserqualitätsindexes (WQI) 24 4.6 Analyse räumlich verteilter Daten 25 4.6.1 Landnutzung 25 4.6.2 Digitales Geländemodell 28 4.6.3 Hydrologische Bodengruppen 28 4.6.4 Linienartige Layer 30 4.7 Statistische Analysen 32 4.8 Modellierung 33 4.8.1 Das CN-Verfahren 34 4.8.1.1 Ermittlung der Abflussmengen mit Hilfe der CN-Kurven 34 4.8.1.2 Berechnung des Spitzendurchflusses aus dem Bemessungsniederschlag 36 4.8.2 WBS-FLAB 37 4.8.3 Erosion und Sedimenttransport 39 4.9 Vulnerabilität des Untersuchungsgebietes 43 4.9.1 Grundlagen 43 4.9.2 Auswertung der Ökologischen Stabilität des Gebietes 43 4.9.3 Bewertung der Vulnerabilität des Untersuchungsgebietes 46 5 Ergebnisse 48 5.1 Landnutzungsanalyse 48 5.2 Hydrologische Prozesse und Isotope 49 5.3 Gewässergüte 54 5.3.1 Bewertung der Qualität der Oberflächengewässer und Identifikation vonsignifikanten anthropogenen Belastungen 54 5.3.1.1 Ergebnisse der Auswertung des Standard-Monitorings des Oberflächenwassers 54 5.3.1.2 Ergebnisse der Auswertung des projektspezifischen Monitorings 62 5.3.2 Zusammenfassung - Fazit 66 5.3.3 Vergleich der aktuellen mit historischen Messwerten 68 5.3.4 Chemische Zusammensetzung des Niederschlags 69 5.3.5 Ausgewählte Stoffkonzentrationen in unterschiedlichen Kompartimenten 71 5.3.5.1 Mittlere zeitliche Verläufe von Bor und Calcium 71 5.3.5.2 Gelöster organischer Kohlenstoff (DOC) 73 5.3.6 Einfluss von Grünland-Managementsystemen 76 5.3.6.1 Historische Daten 76 5.3.6.2 Im Rahmen des Projektes AquaNisa erfasste Daten 79 5.3.6.3 Fazit 82 5.3.7 Einfluss der Landnutzung auf die physiko-chemische Güte der Fließgewässer 83 5.3.8 Längsprofile 90 5.4 Gewässergüteindex 93 5.5 Frachten 94 5.6 Erosion und Sedimenttransport 97 5.6.1 Ergebnisse der Modellierung 97 5.6.2 Identifikation von gefährdeten Standorten und mögliche Maßnahmen 100 5.6.3 Zusammenfassung und Schlussfolgerungen 103 5.7 Ergebnisse des CN-Verfahrens 104 5.7.1 Produktion von Oberflächenabfluss 104 5.7.2 Direktabfluss und Spitzendurchflüsse an kritischen Stellen 111 5.7.2.3 Kombination der Abflussakkumulierung und der CN-Kurven 117 5.8 Abflusskomponenten im Einzugsgebiet 119 5.9 Analyse der Vulnerabilität der Landschaft in dem Einzugsgebiet der oberen Neiße 122 5.9.1 Indikatoren 122 5.9.2 Synthese der Indikatoren 126 6 Vorschläge und Empfehlungen hinsichtlich der Landnutzungsänderung im Untersuchungsgebiet 127 6.1 Maßnahmen zur Förderung des Wasserrückhaltes 127 6.1.1 Reduzierung des Hochwasserrisikos 127 6.1.2 Erhöhung des Wasserrückhaltes in der Landschaft 129 6.2 Maßnahmen zur Einschränkung der Erosion und der Sedimentation 130 6.3 Maßnahmen zum Hochwasserschutz 131 6.4 Maßnahmen zur Reduzierung der Wasserverunreinigung aus diffusen Quellen 132 6.5 Maßnahmen zur Erhöhung der ökologischen Stabilität 132 7 Zusammenfassung 133 8 Literatur 135 9 Steckbriefe der Probenahmestellen

Der großräumige Abbau von Braunkohle in der Lausitz führte in der Vergangenheit zu einer extremen Beeinflussung des Wasserhaushaltes im Einzugsgebiet der Spree. Mit dem Beginn der Sanierung und Flutung der Tagebaue kommt es nun langfristig zu einer verstärkten Nutzung der existierenden Oberflächengewässer und der Einbindung der entstehenden Tagebaurestseen in das Fließgewässernetz. Die Kopplung von Mengenbewirtschaftungsmodellen mit Gütemodellen berücksichtigt die Verfügbarkeit und Verteilung der begrenzten Ressource Wasser im Einzugsgebiet und der aus der Bewirtschaftung resultierenden Gewässergüte. Dies entspricht auch dem Leitbild der EU-WRRL (2000) für ein integriertes Flussgebietsmanagement, was eine einzugsgebietsbezogene Betrachtung der vorhandenen Ressourcen unter Berücksichtigung aller beeinflussten und beeinflussenden Kriterien fordert. Werden Modelle, die unterschiedlich sensitive und komplexe Systeme abbilden, miteinander gekoppelt, erfordert dies eine Anpassung der Datenstruktur und der zeitlichen Skalen. Schwerpunkt dieser Arbeit war die Entwicklung einfacher, robuster Simulationswerkzeuge für die Prognose der Gewässergüte in den Talsperren Bautzen und Quitzdorf. Als Basis diente das komplexe Standgewässergütemodell SALMO. Das Modell wurde zunächst um einfache Algorithmen ergänzt, so dass es trotz einer angepassten, stark reduzierten Datengrundlage, plausible Ergebnisse simulierte. Stochastisch erzeugte Bewirtschaftungsszenarien und die komplex simulierten Modellergebnisse bezüglich der resultierenden Gewässergüte, wurden als Trainingsdaten für ein Künstliches Neuronales Netz (ANN) genutzt. Die für beide Talsperren trainierten ANN sind als effektive Black-Box-Module in der Lage, das komplexe Systemverhalten des deterministischen Modells SALMO widerzuspiegeln. Durch eine Kopplung der entwickelten ANN mit dem Bewirtschaftungsmodell WBalMo ist es möglich, Bewirtschaftungsalternativen hinsichtlich ihrer Konsequenzen für die Gewässergüte zu bewerten. ANN sind systemgebundene Modelle, die nicht auf andere Gewässersysteme übertragen werden können. Allerdings stellt die hier erarbeitete Methodik einen fundierten Ansatz dar, der für die Entwicklung weiterer aggregierter Gütemodule im Rahmen integrierter Bewirtschaftungsmodelle angewendet werden kann. / The large-scale extraction of lignite in Lusatia in the past had an extreme impact on the water balance of the Spree river catchment. The restoration and flooding of the opencast pits put heavy demand on existing surface waters for a long time period. The resulting artificial lakes have to be integrated in the riverine network. The coupling of management models and water quality models allows to consider both availability and distribution of limited water resources in the catchment and resulting water quality. This is corresponding to the principles of the EU-WFD for integrated river basin management, which is a basin-related consideration of available resources taking into account all influencing and influenced characteristics. Adjustment of data structure and time scale is necessary if models describing unequally sensitive and complex systems are to be coupled. Main focus of this task was to develop simple and robust simulation tools for the prediction of water quality in the reservoirs Bautzen and Quitzdorf. The complex water quality model SALMO served as a basis. In a first step, simple algorithms had to be amended in order to generate plausible simulation results despite of an adapted reduced data base. Stochastically generated management scenarios and complex simulated model results regarding the resulting water quality were employed as training data for an Artificial Neuronal Network (ANN). The trained ANN’s are efficient black box modules. As such they are able to mirror complex system behaviour of the deterministic model SALMO. By coupling the developed ANN with the management model WBalMo it is possible to evaluate management strategies in terms of their impact on the quality of the water bodies. ANN’s are system-linked models. A transfer to other aquatic systems is not possible. However, the methodology developed here represents an in-depth approach which is applicable to the development of further aggregated water quality models in the framework of integrated management models.