Entschlüsselung der Treiber der Partitionierung des Wasserhaushalts in seine Komponenten mittels stabiler Isotope, hydrologischer Modellierung und maschinellem Lernen für verschiedene Landschaften

Description: Das Verständnis für die Partitionierung des Niederschlag (P) in Abfluss (Q), Transpiration (T) und Verdunstung (E) in verschiedenen hydro-klimatologischen Regionen ist wichtig, um die Auswirkungen des Globalen Wandels auf den Wasserhaushalt und den biogeochemischen Kreislauf vorherzusagen. Trotz der Relevanz sind die zugrundeliegenden Prozesse und die Möglichkeiten zur Vorhersage limitiert, da vor allem die Partitionierung der Evapotranspiration (ET) in T und E, aufgrund eines Mangels an Messmethoden und an Daten für die Modellvalidierung, auf Einzugsgebietsskale schwierig ist. Dieses Projekt zielt darauf ab, diese Einschränkung zu überwinden, indem es die T/ET-Verhältnisse in Einzugsgebieten unterschiedlicher Skale untersucht und die dominierenden Mechanismen des Wasserverlusts (T, E, Q) mit der Einzugsgebietsphysiographie in Verbindung bringt. Hier werden Methoden des maschinelles Lernen eingesetzt, um Muster und Korrelationen zu identifizieren. Das Projekt untersucht diverse Einzugsgebiete weltweit welche vorhandene Daten für stabile Isotope (18O und 2H des Wassermoleküls) in den Wasserhaushaltskomponenten aufweisen. Das langjährige Mittel der Partitionierung des Niederschlags und der Evapotranspiration wird für mehrere Hundert Einzugsgebiete mit vorhandenen niederfrequenten Isotopendaten durchgeführt unter Anwendung der Isotopen- und Wassermassenbilanz. Zusätzlich wird für einen Satz von elf Einzugsgebiete mit höherer Datenverfügbarkeit die Partitionierung mittels des hydrologischen Modells isoWATFLOOD für eine feinere zeitlicher Auflösung durchgeführt. Abschließend wird maschinelles Lernen verwendet um die Partitionierung und die dominierenden Wasser-Verlustmechanismen in Einzugsgebieten anhand der Physiogeographie abzuschätzen.

SupportProgram

Origins: /Bund/UBA/UFORDAT

Tags: Lack ? Biogeochemie ? Evapotranspiration ? Transpiration ? Kanada ? Hydrogeologie ? Verdunstung ? Geographie ? Einzugsgebiet ? Hydrochemie ? Künstliche Intelligenz ? Limnologie ? Messverfahren ? Siedlungswasserwirtschaft ? Modellierung ? Globale Veränderung ? Landschaftswasserhaushalt ? Hydrologie ? Niederschlag ? Wasserhaushalt ? Integrated Water Resources Management ? Integrierte Wasserressourcen-Bewirtschaftung ? Physical Geography ? Urban Water Management ? Water Chemistry ?

Region: Nordrhein-Westfalen

Bounding boxes: 6.76339° .. 6.76339° x 51.21895° .. 51.21895°

License: cc-by-nc-nd/4.0

Language: Deutsch

Organisations

• Rheinische Friedrich-Wilhelms-Universität Bonn (Projektverantwortung)
• Umweltbundesamt (Bereitstellung)
• University Calgary (Mitwirkung)

Time ranges: 2024-01-01 - 2025-12-10

Alternatives

• Language: Englisch/English
  Title: Unveiling Drivers of Catchment Water Balance Partitioning from Stable Water Isotopes, hydrological modeling, and Machine Learning across landscapes
  Description: Understanding the partitioning of precipitation (P) into streamflow (Q), transpiration (T), and evaporation (E) across various hydro-climatological regions is crucial for predicting the impact of land cover and climate change on the hydrological and biogeochemical cycle. Despite its significance, this understanding and predictive capability are limited due to challenges in partitioning evapotranspiration (ET) into T and E, primarily due to the lack of measurement approaches and data to validate models at catchment scale. This project aims to address this limitation by innovatively studying T/ET ratios in catchments across different scales. Dominate water loss mechanisms (T, E, Q) will be derived for catchments and related to catchment physiography (i.e., climate, land cover, geology, soil) using machine learning to detect patterns and correlations. The study will encompass catchments worldwide with available stable isotope data (18O and 2H of the water molecule). The partitioning will be estimate for multi-annual time scales for several hundred catchments with available low-frequency isotopic data employing a combination of the isotope and water mass balance. Additionally, a subset of eleven densely monitored catchments in Germany and Canada will undergo partitioning through the isotope-enabled hydrological model isoWATFLOOD with finer temporal resolution. Finally, the project will leverage machine-learning approaches to predict how geographic characteristics influence the dominant water loss mechanisms in catchments. https://ufordat.uba.de/UFORDAT/pages/PublicRedirect.aspx?TYP=PR&DSNR=1138780

Resources

• Webseite zum Förderprojekt

  https://gepris.dfg.de/gepris/projekt/545346931 (Webseite)

Status

Aktiv

Quality score

• Overall: 0.50
• Findability: 0.65

  • Title: 1.00
  • Description: 0.12
  • Identifier: false
  • Keywords: 0.80
  • Spatial: RegionIdentified (1.00)
  • Temporal: true
• Accessibility: 0.67

  • Landing page: Specific (1.00)
  • Direct access: false
  • Publicly accessible: true
• Interoperability: 0.00

  • Open file format: false
  • Media type: false
  • Machine-readable metadata: false
  • Machine-readable data: false
• Reusability: 0.67

  • License: ClearlySpecifiedAndFree (1.00)
  • Contact info: false
  • Publisher info: true

Accessed 1 times.