Es ist dringend erforderlich, die relevanten hydrologischen Prozesse in montanen mediterranen Einzugsgebieten zu verstehen, um deren potentielle Änderungen in ihren Funktionen für die Wasserversorgung durch den Klimawandel und Landnutzungsänderungen zu kennen. Daher möchte ich zusammen mit meiner Gastinstitution, dem IDAEA-CSIC in Barcelona, untersuchen, wie die Vegetation, die Böden und das Grundwasser das Speichern, die Mischung, die Abflussbildung, sowie die Evapotranspiration in dem Einzugsgebiet Vallcebre im Nordosten Spaniens beeinflussen. Die Forscher des IDAEA -CSIC haben hydrometrische Daten und stabile Isotope (d2H, d18O) der verschiedenen hydrologischen Kompartimente des Einzugsgebiets gesammelt. Somit liegen Informationen über den Freiland- und Bestandniederschlag, Stammabfluss, Bach- und Grundwasser, sowie Wasser im Boden und der Vegetation vor. Ich plane, diesen umfangreichen Datensatz zur Bestimmung der Verweilzeiten mit neue Methoden anzuwenden, damit sich unser Verständnis von Wasserfluss und Stofftransport in Einzugsgebieten verbessert. Ich werde zunächst testen, wie mittels 'StorAge Selection functions' (Rinaldo et al. 2015) die Dynamik der Verweilzeiten des Abflusses und der Evapotranspiration beschrieben werden können. Des Weiteren habe ich als Ziel die neuen Konzepte der 'young water fraction' (Kirchner 2016) and 'new water fraction' (Kirchner 2017) anzuwenden, um besser die kurzfristige Komponente der Verweilzeiten beschreiben zu können. Diese Methoden sind noch nicht für Mediterrane Einzugsgebiete getestet worden, aber der umfangreiche Datensatz für die Vallcebre Einzugsgebiete ermöglicht die Untersuchung aktueller Fragen der Einzugshydrologie: Können Studien zur Verweilzeit verbessert werden mit höherer Rate der Probennahme von Niederschlag und Abfluss? Wie wirken sich neu erschlossene Daten über Bestandsniederschlag, Stammabfluss, Wurzelwasseraufnahme oder Bodenwasserfluss auf die Analysen aus? Zuletzt werde ich die Information von Tiefenprofilen der Isotopenzusammensetzung von Porenwasser einbeziehen, um hydrologische Modelle zu testen und die Verweilzeiten im Boden mit der Verweilzeit des Einzugsgebietsabflusses in Bezug zu setzen. Letzteres baut auf meine Dissertation und derzeitiger Postdoc-Studien auf.
Die zum 1. August 2002 inkraftgetretene Deponieverordnung des Bundes (DepV) fordert ab 31.05.2002, in Ausnahmefällen ab 31.05.2009, die Beendigung der bisher üblichen Siedlungsabfalldeponierung. Auf den zahlreichen, daraufhin zu schließenden Siedlungsabfalldeponien sind dann entsprechende Oberflächenabdichtungssysteme aufzubringen. Für Hausmülldeponien sieht die Deponieverordnung ein Regel-Oberflächenabdichtungssystem vor (vgl. Anhang 1 Nr. 2 DK II DepV), dass unter Experten als vielfach nicht zielführend angesehen wird. Kritisiert wird unter anderem die Haltbarkeit der Kunststoffdichtungsbahn, die für den Bewuchs nicht ausreichende Mächtigkeit der Rekultivierungsschicht und die Austrocknungs- und Rissbildungsgefahr in der unter der Kunststoffdichtungsbahn gelegenen mineralischen Ton-Dichtungsschicht. Eine Entlassung aus der Nachsorgeverantwortung für die Oberflächenabdichtung einer Deponie wird nur dann realistisch sein, wenn diesen Problemaspekten ausreichend Rechnung getragen worden ist. Um dies zu erreichen, ist es erforderlich, deponiespezifisch besser geeignete Oberflächenabdichtungssysteme zu entwickeln. Vor diesem Hintergrund sollen Dichtungssysteme untersucht werden, die vollständig aus vor Ort verfügbarem Boden- oder anderem Inertmaterial aufgebaut sind. Derartige Systeme bieten folgende Vorteile: 1) anders als Kunststoffdichtungsbahnen ist Boden- und Inertmaterial und somit die gesamte Konstruktion des Dichtungssystems praktisch unbegrenzt haltbar; 2) der gesamte Dichtungsquerschnitt steht dem Bewuchs für eine tiefe Wurzelverankerung sowie hohe Wasserspeicherung und -nachlieferung zur Verfügung; 3) die Schichten des Dichtungssystems und der Bewuchs können an die jeweiligen meteorologischen Verhältnisse so angepasst werden, dass das Dichtungssystem genügend feucht bleibt, damit es dauerhaft plastisch und somit setzungstolerant ist; 4) eindringendes Niederschlagswasser kann durch Speicherung und bewuchsabhängige Evapotranspiration dauerhaft zurückgehalten werden, so dass es nicht in den Deponiekörper eindringen kann; 5) eventuell noch an die Deponieoberfläche drängende Deponiegase können flächig verteilt eine ausreichende belebt-durchwurzelte Bodenschicht passieren, so dass das im Deponiegas enthaltene Methan oxidiert werden kann.
Die Qualität von Wettervorhersagen, saisonalen Simulationen und Klimaprojektionen hängt entscheidend von der Darstellung von Land-Atmosphäre (L-A) Rückkopplungen ab. Diese Rückkopplungen sind das Ergebnis eines hochkomplexen Netzwerks von Prozessen und Variablen, die mit dem Austausch von Impuls, Energie und Masse im L-A-System zusammenhängen. Derzeit gibt es in diesem Bereich erhebliche Wissenslücken, die das vorgeschlagene Projekt schließen soll. Die Land Atmosphäre Feedback Initiative (LAFI) ist ein interdisziplinäres Konsortium von Wissenschaftler:innen aus Atmosphären-, Agrar- und Bodenwissenschaften, Biogeophysik, Hydrologie und Neuroinformatik, das eine neuartige Kombination fortschrittlicher Forschungsmethoden vorschlägt. Das übergeordnete Ziel von LAFI ist es, L-A-Rückkopplungen durch synergistische Beobachtungen und Modellsimulationen von der turbulenten (ca. 10 m) bis zur Meso-Gamma-Skala (ca. 2 km) über tägliche bis saisonale Zeitskalen zu verstehen und zu quantifizieren. LAFI besteht aus einer Reihe eng miteinander verflochtener Projekte, die sich mit sechs Forschungszielen und Hypothesen befassen zu 1) alternativen Ähnlichkeitstheorien, 2) der Landoberflächen-Heterogenität, 3) der Partitionierung der Evapotranspiration, 4) dem Entrainment, 5) der synergetischen Untersuchung von L-A-Feedback und 6) eine Ad-hoc-Untersuchung von Klimaextremen, falls während des gemeinsamen Feldexperiments Dürren oder Hitzewellen auftreten. Die Zusammenarbeit zwischen den zwölf Projekten wird durch drei Querschnittsarbeitsgruppen zu tiefergehendem Lernen, Sensorsynergie und Upscaling sowie dem LAFI-Multimodell-Experiment gestärkt. Unsere Forschung umfasst A) die Erweiterung und den Betrieb des Land-Atmosphere Feedback Observatory der Universität Hohenheim mit einer einmaligen Synergie von Instrumenten, z. B. die erstmalige Kombination von Messungen von Wasserisotopen, faseroptischen Temperatursensoren und scannende Lidar-Systeme sowie die Auswertung der Langzeitdatensätze des Meteorologischen Observatoriums Lindenberg des Deutschen Wetterdienstes, B) wenig untersuchte und verstandene Prozesse im L-A-System wie z. B. Entrainment, C) die Verbesserung und Anwendung von L-A Systemmodellen bis hinunter zu den turbulenz-erlaubenden Skalen mit erweiterter Darstellung von Vegetation und stabilen Wasserisotopen, D) die Anwendung von Methoden des tiefergehenden Lernens zur Identifizierung von potenziell neue Faktoren in Prozessbeschreibungen, die in das L-A-System der nächsten Generation integriert werden sollen. Damit werden wir den mehrdimensionalen Phasenraum von L-A-Systemvariablen mit prozessbasierten Metriken über eine gesamte Vegetationsperiode charakterisieren. Gefördert durch die eng verwobene Verbundforschung ist die LAFI-Forschungsgruppe in der Lage, entscheidende neue Erkenntnisse zu gewinnen, um unser Verständnis von L-A-Rückkopplungen zu vertiefen und die Kopplungsstärken über landwirtschaftliche Regionen in Mitteleuropa zu charakterisieren.
Deep Learning (DL) hat sich auch in den Erdsystemwissenschaften in den letzten Jahren rasant entwickelt. Allerdings ist die genaue Art, wie DL Systeme Probleme lösen kaum zugänglich (eine black box). In diesem Projekt werden wir DL und andere Ansätze des maschinellen Lernens entwickeln, um sowohl Land-Atmosphärische (L-A) Rückkopplungsprozesse besser zu verstehen als auch um quantitative Relationen herzuleiten, die aktuelle Ansätze wie die Monin-Obukhov similarity theory (MOST) übertreffen. Die interdisziplinäre Kollaboration in diesem Konsortium und die Daten, die zusammengetragen werden, wird den Erfolg dieses Projektes sicherstellen. Wie werden Daten-getriebene aber wohl-strukturierte DL und andere Ansätze des maschinellen Lernens verfolgen. Wir wollen (1) Satelliten Daten nutzen um die Landoberflächentemperatur und die Feuchtigkeit der Vegetationsschicht zu bestimmen; (2) Möglichkeiten untersuchen, die Energiebalance herzustellen; (3) Abhängigkeiten der Oberflächenflüsse vom Terrain bis hin zum Entrainment untersuchen und identifizieren, um aktuelle Ansätze wie MOST und Bulk-Richardson-Zahl zu verbessern; (4) ein erstes Foundation-Modell entwickeln, um den Phasenraum zu analysieren und multiple L-A Relationen generieren zu können. Wir werden dabei vier Hauptansätze des maschinellen Lernens nutzen: (A) DL Methoden, die darauf optimiert sind, mit Hilfe von redundanten Daten die räumliche Auflösung einer Datengröße zu erhöhen; (B) die Parametrisierung von Physik-basierten Gleichungen und deren Approximation; (C) die Integration von physik-informierten Induktiven Biases in DL, um das Lernen und die Generalisierung zu verbessern; (D) selbst-informiertes und konrastierendes DL zur Entwicklung eines L-A Foundation Modells. Alle Techniken werden die inhärent limitierte Vorhersagbarkeit der Prozesse berücksichtigen. Um unser Verständnis der L-A Kopplungsprozesse zu verbessern, werden wir DL und andere Ansätze des Maschinellen Lernens schachteln und Relevanzanalysen durchführen. Dadurch werden wir fundamentale, teilweise neue Zusammenhänge, Prozessgleichungskomponenten, Prozessparametrisierungen und notwendige Berechnungsschritte ergründen - insbesondere solche, die für die Generierung von akkuraten und allgemein gültigen Relationen zwischen atmosphärischen Variablen notwendig sind. In Kollaboration mit P2 werden wir das Vorhersagepotential von Satellitendaten erforschen. Zusammen mit P1, P3, P5, und P6 werden wir Oberflächen- und Entrainmentflussrelationen ableiten, Komponenten der Energiebalance herleiten, und Evapotranspiration aufspalten. Unser Projekt führt CCWG-DL. Es wird Hilfestellungen und Workshops anbieten, um andere Daten effektiv mit Verfahren des maschinellen Lernens analysieren zu können und weitere Relationen aufdecken zu können - wie zum Beispiel Einflüsse der Landoberflächenstruktur (P5) und die Bestimmung der Blending Height (P1). Beiträge zu O1, O2, O3, O4 und OS sind zu erwarten.
Download des Datenbestands aus dem Wasserhaushaltsmodell mGROWA (Forschungszentrum Jülich im Auftrag des LANUK) als Referenzdatensatz für das Bundesland Nordrhein-Westfalen im 100 x 100 m-Raster. Hier: Abflusskomponente urbaner Direktabfluss in Form der Jahressummen 1961-2022 in mm als ASCII-Grid. Stand der Modelldaten: 04/2023, Landnutzungsdaten: Stand 2017. Detaillierte Beschreibung des mGROWA-Modells und der genutzten Eingangsdaten, siehe: LANUK-Fachbericht 110, Teilbericht IIa, link: https://www.lanuk.nrw.de/fileadmin/lanuvpubl/3_fachberichte/30110b.pdf
Download des Datenbestands aus dem Wasserhaushaltsmodell mGROWA (Forschungszentrum Jülich im Auftrag des LANUK) als Referenzdatensatz für das Bundesland Nordrhein-Westfalen im 100 x 100 m-Raster. Hier: Abflusskomponente Sickerwasserrate in Form der Jahressummen 1961-2022 in mm als ASCII-Grid. Stand der Modelldaten: 04/2023, Landnutzungsdaten: Stand 2017. Detaillierte Beschreibung des mGROWA-Modells und der genutzten Eingangsdaten, siehe: LANUK-Fachbericht 110, Teilbericht IIa, link: https://www.lanuk.nrw.de/fileadmin/lanuvpubl/3_fachberichte/30110b.pdf
Download des Datenbestands aus dem Wasserhaushaltsmodell mGROWA (Forschungszentrum Jülich im Auftrag des LANUK) als Referenzdatensatz für das Bundesland Nordrhein-Westfalen im 100 x 100 m-Raster. Hier: Abflusskomponente Grundwasserneubildung in Form der Jahressummen 1961-2022 in mm als ASCII-Grid. Stand der Modelldaten: 04/2023, Landnutzungsdaten: Stand 2017. Detaillierte Beschreibung des mGROWA-Modells und der genutzten Eingangsdaten, siehe: LANUK-Fachbericht 110, Teilbericht IIa, link: https://www.lanuk.nrw.de/fileadmin/lanuvpubl/3_fachberichte/30110b.pdf
Grundlage für die in dieser Datenzusammenstellung enthaltenen Rasterkarten der langjährigen Wasserhaushaltskomponenten ist das rasterzellenbasierte Wasserhaushaltsmodell mGROWA (Forschungszentrum Jülich), welches als Eingangsdaten Klima, Landnutzung, Topographie, Bodenkarte sowie Geologische Karten verwendet. In mGROWA werden zunächst standortbezogen (100 x 100 m) auf Basis der jeweiligen Niederschlagsmengen und klimatischen Einflussgrößen die tatsächliche Verdunstung und der Gesamtabfluss in täglicher Auflösung berechnet. Dabei wird die Wasserspeicherung und Sickerbewegung in bis zu 5 Bodenschichten sowie ggf. möglicher kapillarer Aufstieg aus dem Grundwasser berücksichtigt. Die berechneten Tageswerte werden nachfolgend auf Monate, Jahre oder längere Zeiträume aggregiert (hier 1981-2010, 1991-2020, 2011-2020). Nachfolgend wird der Gesamtabfluss auf Basis der Standorteigenschaften (vgl. Rasterkarte „Standorteigenschaften zur Aufteilung des Gesamtabflusses in mGROWA“) in verschiedene Abflusskomponenten aufgeteilt. In der Datenzusammenstellung sind neben den Rasterkarten der tatsächlichen Verdunstung, des Gesamtabflusses und der Standorteigenschaften die Rasterkarten der Abflusskomponenten urbaner Direktabfluss, Sickerwasserrate, Zwischenabfluss, Dränageabfluss, Grundwasserneubildung und Direktabfluss enthalten. Dargestellt werden jeweils langjährige Mittelwerte (1981-2010, 1991-2020, 2011-2020). Eine detaillierte Beschreibung ist in den Metadaten zu dieser Datenzusammenstellung enthalten (Link). Die in dieser Datenzusammenstellung enthaltene Karten der langjährigen Grundwasserneubildung sind identisch mit den auch als separate Datensätze „(Netto-)Grundwasserneubildung“ veröffentlichten Karten der Grundwasserneubildung. Enthaltene Datensätze (Rasterkarten): Tatsächliche Verdunstung (Evapotranspiration) Langjährige Mittelwerte (1981-2010, 1991-2020, 2011-2020) berechnet durch FZ Jülich (Stand 2021) Gesamtabfluss Langjährige Mittelwerte (1981-2010, 1991-2020, 2011-2020) berechnet durch FZ Jülich (Stand 2021) Standorteigenschaften zur Aufteilung des Gesamtabflusses in mGROWA estellt durch FZ Jülich (Stand 2021) Urbaner Direktabfluss Langjährige Mittelwerte (1981-2010, 1991-2020, 2011-2020) berechnet durch FZ Jülich (Stand 2021) Sickerwasserrate Langjährige Mittelwerte (1981-2010, 1991-2020, 2011-2020) berechnet durch FZ Jülich (Stand 2021) Zwischenabfluss Langjährige Mittelwerte (1981-2010, 1991-2020, 2011-2020) berechnet durch FZ Jülich (Stand 2021) Dränageabfluss Langjährige Mittelwerte (1981-2010, 1991-2020, 2011-2020) berechnet durch FZ Jülich (Stand 2021) Grundwasserneubildung Langjährige Mittelwerte (1981-2010, 1991-2020, 2011-2020) berechnet durch FZ Jülich (Stand 2021) Direktabfluss Langjährige Mittelwerte (1981-2010, 1991-2020, 2011-2020) berechnet durch FZ Jülich (Stand 2021)
Niedrige Wolken sind Schlüsselbestandteile vieler Klimazonen, aber in numerischen Modellen oft nicht gut dargestellt und schwer zu beobachten. Kürzlich wurde gezeigt, dass sich während der Haupttrockensaison im Juni und September im westlichen Zentralafrika eine ausgedehnte niedrige Wolkenbedeckung (engl. „low cloud cover“, LCC) entwickelt. Eine derart wolkige Haupttrockenzeit ist in den feuchten Tropen einzigartig und erklärt wahrscheinlich die dichtesten immergrünen Wälder in der Region. Da paläoklimatische Studien auf eine Instabilität hinweisen, kann jede Verringerung des LCC aufgrund des Klimawandels einen Kipppunkt für die Waldbedeckung darstellen. Daher besteht ein dringender Bedarf, das Auftreten, die Variabilität und die bioklimatischen Auswirkungen des LCC in westlichen Zentralafrika besser zu verstehen.Um diese Ziele zu erreichen, wurde ein Konsortium aus französischen, deutschen und gabunischen Partnern aufgebaut, zu dem Meteorologen, Klimatologen und Experten für Fernerkundung und Waldökologie gehören. Die meteorologischen Prozesse, welche die Bildung und Auflösung der LCC im Tagesgang steuern, werden anhand von zwei Ozean-Land-Transekten auf der Grundlage einer synergistischen Analyse von historischen In-situ Beobachtungen, von Daten einer Feldkampagne und anhand von atmosphärischen Modellsimulationen untersucht. Die Ergebnisse werden mit einem kürzlich entwickelten konzeptionellen Modell für LCC im südlichen Westafrika verglichen.Die intrasaisonale bis interannuale Variabilität des LCC wird durch die Analyse von In-Situ-Langzeitdaten und Satellitenschätzungen quantifiziert. Unterschiede im Jahresgang des LCC (d.h. jahreszeitlicher Beginn und Rückzug, wolkenarme Tage) und die Ausdehnung ins Inland werden dokumentiert. Ansätze, die auf Wettertypen und äquatorialen Wellen basieren, werden verwendet, um intrasaisonale Variationen des LCC zu verstehen. Die Auswirkungen lokaler und regionaler Meeresoberflächentemperaturen auf die LCC-Entwicklung und ihre Jahr-zu-Jahr Variabilität werden bewertet, wobei statistische Analysen und spezielle Sensitivitätsversuche mit einem regionalen Klimamodell verknüpft werden.Schließlich wird der Einfluss von LCC auf die Licht- und Wasserverfügbarkeit bzw. die Waldfunktion anhand von In-Situ-Messungen untersucht. Die Ergebnisse werden mit Messungen aus der nördlichen Republik Kongo, wo die Trockenzeit sonnig ist, sowie mit einem einfachen Wasserhaushaltsmodells, das an die Region angepasst ist, verglichen. Die Wasserhaushaltsanalysen sollen die Kompensations- oder Verstärkungseffekte von Regen im Vergleich zur potenziellen Evapotranspiration, beide moduliert durch die LCC, auf das Wasserdefizit aufzeigen.Die Ergebnisse von DYVALOCCA werden zum ersten konzeptionellen Modell für Wolkenbildung und -auflösung im westlichen Zentralafrika führen und eine Hilfestellung für die Bewertung von Klimawandel-Simulationen mit Blick auf potentielle Kipppunkte für die immergrünen Regenwälder in der Region geben.
| Origin | Count |
|---|---|
| Bund | 217 |
| Europa | 6 |
| Kommune | 2 |
| Land | 58 |
| Wissenschaft | 21 |
| Type | Count |
|---|---|
| Daten und Messstellen | 16 |
| Förderprogramm | 182 |
| Text | 16 |
| unbekannt | 53 |
| License | Count |
|---|---|
| geschlossen | 20 |
| offen | 235 |
| unbekannt | 12 |
| Language | Count |
|---|---|
| Deutsch | 216 |
| Englisch | 96 |
| Resource type | Count |
|---|---|
| Archiv | 16 |
| Datei | 18 |
| Dokument | 28 |
| Keine | 149 |
| Webdienst | 9 |
| Webseite | 90 |
| Topic | Count |
|---|---|
| Boden | 234 |
| Lebewesen und Lebensräume | 222 |
| Luft | 204 |
| Mensch und Umwelt | 258 |
| Wasser | 221 |
| Weitere | 267 |