Karstquellen sind ein wichtiger Bestandteil des alpinen Wasserkreislaufs und von zentraler Bedeutung für die regionale Trinkwasserversorgung. Zugleich wirken sich ändernde klimatische Bedingungen auf die Dynamik der Karstquellschüttungen aus und können beispielsweise zu Verschiebungen in saisonalen Abflussmustern führen. Ein besseres Verständnis der vorherrschenden hydrologischen Prozesse sowie belastbare quantitative Vorhersagen alpiner Karstquellschüttungen erfordern eine umfassende Datengrundlage. Im Rahmen des durch die DFG geförderten Projekts AlKa-DL (Prediction of Alpine karst spring discharges in view of climate change using recent advances in Deep Learning) wurde ein umfangreicher Datensatz aus Karstquellschüttungsreihen, hydrometeorologischen Zeitreihen und statischen Einzugsgebiets-Attributen im gesamten Alpenraum (EUSALP) erstellt, der als Basis für vielfältige Anwendungen in der alpinen Karsthydrologie dienen kann.

Den Kern des Datensatzes bilden über 200 Karstquellschüttungsreihen, die einer einheitlichen Datenvorverarbeitung unterzogen wurden. Die Zeitreihen wurden mittels manueller und automatischer Verfahren von Ausreißern und Artefakten bereinigt und mit Qualitätskennzeichen (Flags) versehen. Abhängig von der ursprünglichen zeitlichen Auflösung wurden die Daten auf stündliche und tägliche Zeitschritte aggregiert. Die in der Literatur bereits bekannten Abgrenzungen der unterirdischen Einzugsgebiete wurden in den Datensatz integriert. Zusätzlich wurden die Einzugsgebiete aller Karstquellen mittels eines Pufferansatzes abgeschätzt. Der Datensatz wurde um Zeitreihen aus regionalen und nationalen meteorologischen Datenprodukten sowie um zahlreiche statische Attribute aus Topografie, Landbedeckung, Boden und Hydrogeologie ergänzt, die jeweils innerhalb der definierten Einzugsgebiete räumlich aggregiert bereitgestellt werden. Aus den Hydrographen wurden zudem statistische Kenngrößen sowie Indikatoren für Speichereigenschaften, Abflussverhalten und Verkarstungsgrad abgeleitet.

Der Datensatz ermöglicht (i) vergleichende Analysen und Klassifikationen von Karstsystemen, (ii) Training und Benchmarking klassischer wie datengetriebener Modelle sowie (iii) Vorhersagen von Karstquellschüttungen und Szenarioanalysen zu Klimaänderungen im Alpenraum. Der Aufbau orientiert sich an den CAMELS-Datensätzen aus der klassischen Einzugsgebietshydrologie. Die umfangreichen, einheitlich aufbereiteten Attribute bilden insbesondere eine geeignete Grundlage, um als Prädiktoren in globalen datengetriebenen Modellierungsansätzen des Maschinellen Lernens eingesetzt zu werden.