Der Grand River erreichte am 8. April 2026 in Comstock Park seinen Scheitelwasserstand, etwa 15 cm unterhalb der Hochwassermarke – knapp genug, dass die nächste Vorhersage (es regnete weiter) Grand Rapids auf Kurs für einen der höchsten Messwerte in der aufgezeichneten Geschichte setzte. Die Stadt erhielt in den ersten zwei Aprilwochen 147 mm Regen, bereits 5 cm über dem Monatsdurchschnitt, obendrauf ein März mit etwa doppeltem normalen Niederschlag. Das NASA-Earth-Observatory-Komposit vom 11. April – von Landsat abgeleitet, falschfarben zur Wassertrennung von Vegetation – zeigt die Überflutungsfläche gegen die gleiche Szene von vor einem Jahr.

Lies es als System, nicht als Wetterbericht. Zwei Eingaben treffen auf einen gesättigten Puffer: Der Märzregen trieb die Bodenfeuchte gegen die Feldkapazität, die nördliche Lower Peninsula trug eine überdurchschnittliche Schneedecke in den April, und der Aprillegen kam mit dem Abflussbeiwert schon nahe eins an. Schneeschmelze liefert die zweite Zwangsbedingung. Stromabwärts baut sich der Stau an den Talsperren auf: Speicher, entworfen für Durchflussausgleich, füllen schneller, als sie ablassen können, und die Pegelmesser des National Water Prediction Service (NOAA) begannen, die Topologie anzuzeigen – Newaygo-Evakuierungen, steigende Cheboygan-Talsperre, ein Zugangsweg und eine Flughafen-Laufbahn ausser Betrieb.

←HEUTE: Grand River erreichte am 8. April 2026 seinen Scheitelstand ~15 cm unterhalb der Hochwassermarke; gealterte Michigan-Talsperren unter Regen-auf-Schnee-Stress.
→3012: Regen-auf-Schnee wird zur Entwurfsgrundlage; Abhängigkeitsgraph-Literacy ist zulassungsgradige Arbeit.
Fulcrum: Der kritische Fehlerpunkt ist immer der, den du nicht gezeichnet hast.

Die Fernerkundungsebene ist der Part, den PAZ-Leser heute nutzen können. Landsat 8 und 9 liefern 30-m-Oberflächenreflektanz mit 16-Tage-Überflugzyklus und die Szenen sind kostenlos – USGS EarthExplorer oder der Microsoft Planetary Computer STAC-Katalog wenn du sie programmatisch willst. Copernicus Sentinel-1 SAR ist das europäische Äquivalent und schneidet durch Wolken, was zählt, wenn das Sturmsystem noch über deinem Standort liegt. Die EU-Hochwasserrichtlinie (2007/60/EC) verpflichtet Mitgliedstaaten bereits, Hochwassergefährdungs- und Risikokarten zu veröffentlichen; mit der Satellitenschene überprüfst du, ob sich die tatsächliche Überflutung an die kartierten Grenzen hält.

Die schwierigere Lektion ist die mit den Talsperren. Michigans Edenville-Sanford-Desaster von 2020 in Midland County verdrängte etwa 11’000 Menschen und verursachte neunstelligen Schaden; der 2026er Stresstest trifft auf eine Talsperrenkette, die grösstenteils noch alt ist. Das Architekturdiagramm im Anlagenregister ist nicht der Abhängigkeitsgraph. Der Abhängigkeitsgraph ist, was ausfällt, wenn der Betreiber die Hochwasserentlastung nicht erreichen kann, weil der Zufahrtsweg unter Wasser ist, oder die SCADA-Verbindung abbricht, weil das Umspannwerk geflutet ist – die Sekundärkopplung zwischen der Anlage und den Menschen, Fahrzeugen, Infrastruktur, die zu ihrem Betrieb erforderlich sind.

Atelier: Bei einem Projekt am Rande eines Schweizer-Plateau-Flusses (Aare, Limmat, Reuss) ist das Michigan-Ereignis ein Kalibrierungspunkt: Regen-auf-Schnee-Ereignisse sind keine 2005-Hochwasser-Ausreisser mehr. Der Atelier-Code-Schachzug: Sentinel-1-SAR-Überflutungsflächen der letzten fünf DACH-Ereignisse über Kataster, 2007/60/EC-Gefahrenkarten und Versorgungsplan legen – dann den Ausfallgraph zeichnen. Welches Umspannwerk, welche Pumpe, welche zwei Zufahrtswege. Zwei Tage Arbeit; der Nutzen reicht über die ganze Projektlaufzeit.

Hack: Dieses Hack lehrt dich, NDWI zu berechnen – Normalized Difference Water Index, die gleiche Bandrechnung, die Hochwasser auf NASAs Komposit zum Leuchten bringt – aus einer kostenlosen Landsat-9-Szene, damit du die gestrige Ausuferung heute Nachmittag auf dein Standmodell legen kannst. Domain: Workflow. Tools: rasterio, numpy, eine Szene von USGS EarthExplorer.

import rasterio, numpy as np
with rasterio.open('LC09_B3.TIF') as g, rasterio.open('LC09_B5.TIF') as n:
    green, nir = g.read(1).astype('f4'), n.read(1).astype('f4')
ndwi = (green - nir) / (green + nir + 1e-9)   # > 0 ≈ open water
np.save('ndwi.npy', ndwi)

Für eine binäre Wasserschicht ndwi > 0 maskieren, polygonisieren, in Rhino oder QGIS über deinen Standort laden. Dreissig-Meter-Auflösung, Jahrzehnte an Archivdaten – genug, um eine Hochwasserrisiko-Überlagierung anhand echter Ereignisse zu überprüfen, nicht nur modellierte Wiederkehrperioden.

Wähle dir einen Fluss, an dem dein Büro dieses Jahr arbeitet. Hole dir zwei Landsat-Szenen – eine aus der Trockenzeit und die schlimmste Überflutung, die du findest – berechne NDWI auf beiden, und zeichne den Abhängigkeitsgraph für das riskantere Szenario, bevor das nächste Projekt auf den Tisch kommt.

Quellen und weiterführende Lektüre

• Primär: NASA Earth Observatory — Frühjahrsregen sättigen Michigan