Projektet ønsker at udvikle en dataanalyse-model, der kan forudsige vandstanden i Høje-Taastrup Kommunes åer. Det skal undersøges om modellen efterfølgende kan anvendes til også at optimere grødeskæringen – skæringen af åernes planter – til fordel for biodiversiteten.
Baggrund og kontekst
Kommunen ønsker at få et bedre overblik over vandstanden i kommunens åer. Desuden ønsker man at grødeskære mere efter behov. For i dag gennemføres grødeskæring fast flere gange årligt for at sikre, at overskydende vand bliver bedre ledt videre i åen. Men det går ud over biodiversiteten, da det også er væsentligt, at vandløbet ikke udtørres. Derfor ønsker kommunen at finde en model, der balancerer mellem at planterne ikke beskæres så ofte, at oversvømmelsesrisikoen af landbrugsområder ikke stiger for meget, samt at åerne ikke tørrer ud i perioder med mindre regn.
Partnere
Høje-Taastrup Kommune i samarbejde med DTU Engineering Technology, som har udviklet et værktøj.
Centrale resultater og gevinster
Løsningen er et webbaseret værktøj, der automatisk henter vandstandsdata fra Miljøportalens målestationer og suppleres med vejrdata. Ved hjælp af en machine-learning-model, trænet på historiske data, kan værktøjet i dag forudsige vandniveauet op til 7 dage frem, men det har ikke været muligt at afprøve værktøjet på grødeskæring. Værktøjet og sensorer skal køre i en længere periode, før de endelige gevinster kan opgøres, men det forventes, at man vil kunne forudsige større oversvømmelser og også reducere udgifter til vandløbsvedligeholdelse.
Skalering og genbrug
Casen bygger på åbne data og open source og anvender vandstandssensorer. Den har stort genbrugspotentiale, idet værktøjet kan anvendes på vandløb overalt i Danmark. Det kan ved begrænset ændring i kernen også bringes til at blive anvendt i Sverige og andre lande. Umiddelbart er det kun interface for træk af data fra målestationer, der skal justeres efter land eller eventuel leverandør af målestationer.
Vandstandsmåling i Høje-Taastrup
Case | Vandstandsmåling i Høje-Taastrup
Formål
Projektet ønsker at udvikle en dataanalyse-model, der kan forudsige vandstanden i Høje-Taastrup Kommunes åer. Det skal undersøges om modellen efterfølgende kan anvendes til også at optimere grødeskæringen – skæringen af åernes planter – til fordel for biodiversiteten.
Baggrund og kontekst
Kommunen ønsker at få et bedre overblik over vandstanden i kommunens åer. Desuden ønsker man at grødeskære mere efter behov. For i dag gennemføres grødeskæring fast flere gange årligt for at sikre, at overskydende vand bliver bedre ledt videre i åen. Men det går ud over biodiversiteten, da det også er væsentligt, at vandløbet ikke udtørres. Derfor ønsker kommunen at finde en model, der balancerer mellem at planterne ikke beskæres så ofte, at oversvømmelsesrisikoen af landbrugsområder ikke stiger for meget, samt at åerne ikke tørrer ud i perioder med mindre regn.
Partnere
Høje-Taastrup Kommune i samarbejde med DTU Engineering Technology, som har udviklet et værktøj.
Centrale resultater og gevinster
Løsningen er et webbaseret værktøj, der automatisk henter vandstandsdata fra Miljøportalens målestationer og suppleres med vejrdata. Ved hjælp af en machine-learning-model, trænet på historiske data, kan værktøjet i dag forudsige vandniveauet op til 7 dage frem, men det har ikke været muligt at afprøve værktøjet på grødeskæring. Værktøjet og sensorer skal køre i en længere periode, før de endelige gevinster kan opgøres, men det forventes, at man vil kunne forudsige større oversvømmelser og også reducere udgifter til vandløbsvedligeholdelse.
Skalering og genbrug
Casen bygger på åbne data og open source og anvender vandstandssensorer. Den har stort genbrugspotentiale, idet værktøjet kan anvendes på vandløb overalt i Danmark. Det kan ved begrænset ændring i kernen også bringes til at blive anvendt i Sverige og andre lande. Umiddelbart er det kun interface for træk af data fra målestationer, der skal justeres efter land eller eventuel leverandør af målestationer.
Kontakt
Bjørn Hallberg Nielsen
Høje-Taastrup Kommune
Birger Andersen
DTU Engineering Technology
Andre cases inden for klima/vand-temaet