Sediment erosion and transport is critical to the ecological and commercial health of aquatic habitats from watershed to sea. There is now a consensus that microorganisms inhabiting the system mediate the erosive response of natural sediments ('ecosystem engineers') along with physicochemical properties. The biological mechanism is through secretion of a microbial organic glue (EPS: extracellular polymeric substances) that enhances binding forces between sediment grains to impact sediment stability and post-entrainment flocculation. The proposed work will elucidate the functional capability of heterotrophic bacteria, cyanobacteria and eukaryotic microalgae for mediating freshwater sediments to influence sediment erosion and transport. The potential and relevance of natural biofilms to provide this important 'ecosystem service' will be investigated for different niches in a freshwater habitat. Thereby, variations of the EPS 'quality' and 'quantity' to influence cohesion within sediments and flocs will be related to shifts in biofilm composition, sediment characteristics (e.g. organic background) and varying abiotic conditions (e.g. light, hydrodynamic regime) in the water body. Thus, the proposed interdisciplinary work will contribute to a conceptual understanding of microbial sediment engineering that represents an important ecosystem function in freshwater habitats. The research has wide implications for the water framework directive and sediment management strategies.
Städte haben ihre Wurzeln im Untergrund. Hier befinden sich die Fundamente von Gebäuden und ein wesentlicher Anteil der urbanen Infrastruktur. Zugleich dient der Untergrund als Wasserreservoir und als Quelle für erneuerbare Energie. Ein bisher wenig beachtetes Phänomen sind die sogenannten Urbanen Wärmeinseln im Untergrund (UWIU), die sich oft unbemerkt über Jahrzehnte ausbreiten. Sie reichen häufig über das gesamte Stadtgebiet, in dem erheblich höhere Boden- und Grundwassertemperaturen zu finden sind als in der ungestörten, ländlichen Umgebung. Die Ursachen hierfür sind vielfältig und gerade die langfristige Entwicklung von UWIUs ist noch heute ungeklärt. Um Empfehlungen für eine möglichst proaktive Nutzung des städtischen Untergrunds in der Zukunft zu erstellen, gilt es, die treibenden Prozesse und Faktoren zu ergründen, die UWIUs in verschiedenen Städten verursachen. Das Kernthema dieses Projekts ist, erstmalig die thermischen Bedingungen unter zwei chinesischen und deutschen Städten, Nanjing und Köln, zu vergleichen. Die teilnehmenden Wissenschaftler haben weitreichende Erfahrung in der Erforschung von UWIUs in ihren Ländern und in Vorarbeiten bereits eine umfassende Datenbasis von Boden- und Grundwassertemperaturen gesammelt. Kernziel ist es, diese mit einem neuen gemeinsamen Messprogramm zu aktualisieren und aus der vergangenen und aktuellen Entwicklung der beobachteten UWIUs auf die zukünftige Temperaturentwicklung im Untergrund zu schließen. Dies wird erreicht durch ergänzende Laborversuche und umfassende numerische Simulationen, die insbesondere die zeitliche Entwicklung der Landnutzung berücksichtigen. Die Ergebnisse für die Städte in Deutschland und China werden verglichen und so individuell von gemeinsamen Charakteristiken unterschieden. Auf diese Weise werden allgemeingültige Zusammenhänge erschlossen, die sich auch auf weitere weniger erforschte Städte übertragen lassen und dort Prognosen zur zukünftigen UWIU-Entwicklung ermöglichen.
Gasblasen mit Grössen zwischen einigen Mikrometern bis Zentimetern sind allgegenwärtig in aquatischen Ökosystemen. Sie beeinflussen nicht nur die physikalischen Eigenschaften des Wassers, sie ermöglichen auch einen wichtigen Transportweg mit hoher Relevanz für globale biogeochemische Kreisläufe und das Klima. An der Luft-Wasser-Grenzfläche beschleunigen Blasen den Gasaustausch und beeinflussen damit den globalen Kohlenstoffkreislauf. Aus Sedimenten freigesetzte Blasen (Ebullition) sind ein wichtiger Transportweg für Methan in die Atmosphäre. Darüber hinaus transportieren Blasen nicht nur Gase, sondern auch Partikel, gelöste Stoffe und Bakterien auf ihren Oberflächen. Dieses Material, darunter Kohlenstoff, Nährstoffe und Schadstoffe, stammt aus den Sedimenten oder wurde während des Aufstiegs aus der Wassersäule entfernt. Trotz dieser potenziellen Bedeutung ist wenig über Gasblasen und ihre Eigenschaften in Süßwasserökosystemen bekannt, bestehendes Wissen basiert hauptsächlich auf Beobachtungen in marinen Systemen. In diesem Projekt untersuchen wir diejenigen Prozesse, welche das Vorkommen und die Eigenschaften von Gasblasen in Süßwasserökosystemen kontrollieren, sowie die Rolle der Blasen für den Transport von Gasen, gelösten Stoffen und Partikeln. Wir unterscheiden zwischen Luftblasen die an der Wasseroberfläche eingetragen werden, Blasen die durch Gasübersättigung in der pelagischen Zone entstehen, sowie Blasen die in Sedimenten gebildet werden. Wir gehen davon aus, dass diese drei unterschiedlichen Arten von Blasen unterschiedliche Eigenschaften haben. Auf der Grundlage von Feldmessungen und Laborexperimenten untersuchen wir die Entstehung, Alterung und das Schicksal dieser drei Arten von Blasen und der von ihnen transportierten Substanzen in unterschiedlichen aquatischen Systemen. Die Beobachtungen und Ergebnisse werden mit prozessbasierten Modellen verknüpft um einen theoretisch fundierten und empirisch validierten Rahmen für die Bewertung der Relevanz von Stofftransport durch Gasblasen in aquatischen Ökosystemen zu entwickeln. Dies erlaubt die Übertragung der Ergebnisse dieses Projekts auf eine Vielzahl von Fragestellungen in unterschiedlichen Bereichen der aquatischen Forschung, der Gewässerüberwachung und des Gewässermanagements.
Das zunehmende weltweite Auftreten großer Hochwässer innerhalb der letzten Jahre führte zu einem starken Anstieg vieler Hochwasserwahrscheinlichkeitskurven (hier als Step change bezeichnet) und führt zu der Frage, ob Hochwässer sich verändert haben. Oft werden Klimaänderung und der Verlust der Speicherfähigkeit unserer Böden durch menschliche Eingriffe für diese Veränderung verantwortlich gemacht. Jedoch können auch bei sich nicht veränderten Bedingungen immer wieder große Hochwässer auftreten, die als extrem erscheinen, da sie noch vorher nicht beobachtet werden. Die Frage ob sich Hochwasserprozesse verändern oder nicht, ist essentiell für zuverlässige Vorhersagen des zukünftigen Hochwasserrisikos und grundlegend für viele Entscheidungen, z.B. in der Risikovorsorge, Wasserwirtschaft, Stadt- und Raumplanung oder der Versicherungswirtschaft. Ziel des Projekts ist es, zu erforschen, ob die Wechselwirkungen zwischen Klima und Landschaft in Flussgebieten extreme Hochwässer innerhalb kurzer Perioden hervorrufen können, auch wenn keine Veränderungen der äußeren Einflussfaktoren (z.B. Niederschläge) auftreten. Als Indikator für mögliche Veränderungen in der Genese extremer Hochwässer wird in diesem Projekt das Auftreten bzw. die Lage des step change, d.h. eines plötzlichen starken Anstiegs der Hochwasserwahrscheinlichkeitskurve, gewählt. Methoden zur objektiven Bestimmung der Lage des step change in Hochwasserwahrscheinlichkeitskurven werden entwickelt und es wird untersucht, ob das Auftreten von step changes in den Zeitreihen vieler Gebiete weltweit nur als Artefakt zu kurzer Datenreihen erklärt werden kann. In einem weiteren Schritt wird untersucht, welche Klima- und Landschaftscharakteristiken das Auftreten und die Position von step changes in den Hochwasserwahrscheinlichkeitskurven beeinflussen. Dies erfolgt mit Hilfe eines kürzlich entwickelten vereinfachten stochastischen Modells von Niederschlag-Abflussprozessen, welches zuverlässig die Entstehung von Hochwasserabflüssen in verschiedenen Klima- und Landschaftseinheiten weltweit wiedergeben kann. Auf Basis von Modellsimulationen wird ein Index abgeleitet, der anzeigt ob das Zusammenspiel von sich verändernden Klima- und Landschaftscharakteristiken zu step changes führt. Die Güte des Indexes die Position von step changes vorherzusagen, wird anhand einer Vielzahl unterschiedlicher Gebiete weltweit verifiziert. Auch wird der Index auf Gebiete übertragen, in denen bisher noch keine extremen Hochwasserereignisse beobachtet wurden oder keine Beobachtungsreihen verfügbar sind. Ebenso werden mögliche Änderungen des Indexes aufgrund von Klimaänderungen analysiert. Das Projekt hilft das Zusammenspiel von Klima- und Landschaftsfaktoren bei der Entstehung von extremen Hochwasserereignissen besser zu verstehen und gibt an, wie lange ein bestimmtes Gebiet beobachtet werden muss, um eine zuverlässige Abschätzung auch extremer Hochwasserabflüsse ableiten zu können.
Langsame Diffusionsprozesse von Schadstoffen in geringdurchlässigen wasser-gesättigten Gesteinen sind ein wesentlicher Grund für den beschränkten Erfolg vieler Untergrundsanierungen. Zu den immer noch wichtigsten Schadstoffen im Grundwasser zählen die chlorierten Lösemittel, die trotz jahrzehntelanger Sanierungsanstrengungen inzwischen lange Fahnen im urbanen Raum ausbilden. Eine langsame Diffusion bedingt aber auch lange Aufenthaltszeiten in der Gesteinsmatrix und damit können langsame abiotische Abbaumechanismen zum Tragen kommen, die auf Fe2+-haltige Mineralien wie z.B. Eisensulfide, Magnetit oder Phyllosilikate zurückgehen, und bei der Einschätzung des natürlichen Abbaupotentials berücksichtigt werden sollten. Ziel dieses Vorhabens ist es daher, die Transformation von Tri- und Perchlorethen während der Diffusion in Gesteinsproben geklüfteter Aquifere und Aquitarde zu quantifizieren. Weil die Reaktionsraten der Ausgangssubstanzen sehr wahrscheinlich zu klein sind, um im Labor gemessen werden zu können, liegt der Fokus auf der Bestimmung von Transformations- und Abbauprodukten (bspw. teil-chlorierte Ethene, Azetylen, Ethan). Die Experimente zur reaktiven Diffusion müssen mit intakten Gesteinsproben durchgeführt werden, da beim Zerkleinern reaktive Mineralober-flächen (z.B. bei Quarz und Pyrit) entstehen könnten, die zur Dehalogenierung der Ausgangssubstanzen führen könnten. Im Unterschied zu früheren Studien sollen hier die für die Reaktivität verantwortlichen spezifischen Minerale in der Gesteins-matrix identifiziert werden. Die Ergebnisse sind nicht nur für das Langzeitverhalten von chlorierten Lösemitteln im Grundwasser, sondern generell auch für die Endlagerung von radioaktiven Abfällen oder die chemische Verwitterung (Oxidation) von reduzierten Gesteinen relevant.
Die rasche Verstädterung und das Bevölkerungswachstum haben in den heutigen Gesellschaften neue Probleme geschaffen. Zu diesen Problemen gehören die Verknappung der Trinkwasserressourcen, Schwierigkeiten bei der Abfallbewirtschaftung, Luftverschmutzung, Verkehrsstaus und eine sich verschlechternde und veraltete Infrastruktur. Neben der zunehmenden Dringlichkeit einer nachhaltigen Entwicklung haben Fortschritte in der Mathematik und im Data Science das Konzept der "Smart Cities" zur Lösung dieser Probleme hervorgebracht. Die Versorgung der Menschen mit einer sicheren, zuverlässigen und kostengünstigen Trinkwasserversorgung ist von größter Bedeutung für die Gesundheit in der Gesellschaft, die Wirtschaft und die Politik. Daher ist der Zugang zu sauberem Wasser und sanitären Einrichtungen als eines der 17 Ziele in der Agenda 2030 für nachhaltige Entwicklung der Vereinten Nationen enthalten (https://sdgs.un.org/goals). In diesem Zusammenhang sind die Wasserversorgungsnetze (WDN) das Herzstück jeder intelligenten Stadt und erfordern neue Überlegungen und Entwicklungen, um intelligenter verwaltet und betrieben zu werden. Eines der Hauptprobleme in WDNs sind Lecks im System. Leckagen führen zu einem spürbaren Verlust von sauberem Wasser, was zu umgekehrten Leckagen, Verunreinigungen durch Grundwasser und ernsthaften Betriebsschwierigkeiten führen kann. Eine frühzeitige Leckerkennung spart Wasser und verhindert, dass sich kleine Lecks zu Wassereinbrüchen ausweiten. Daher sind Einrichtungen zur frühzeitigen Leckerkennung für jedes intelligente WDN unerlässlich, um Verluste und die Gefahr von Leckagen zu verringern. SMARTWINE zielt darauf ab, das Potenzial einer Kombination aus maschinellem Lernen (ML), Graphentheorie und Optimierungstechniken zu erforschen und zu nutzen, um zuverlässige, schnelle und einfach zu bedienende Methoden zur Echtzeit-Leckerkennung und Alarmierung in WDNs zu entwickeln.
Fluidspeicherung im Untergrund ist ein wichtiger Bestandteil der Bemühungen zur Eindämmung des Klimawandels (Speicherung von CO2) oder für Energiespeicherung um die Schwankungen durch die wechselnde, unvorhersehbare Produktion erneuerbarer Energierzeugung auszugleichen. Diese Fluide können jedoch durch undichte Brunnen oder beschädigte Deckschichten austreten. Die technisch kontrollierte Kalziumkarbonatausfällung ist von unseren Partnern an der Montana State University erfolgreich in Feldversuchen angewandt worden, solche Leckagen zu beheben. Die Anwendbarkeit einer bestimmten Methode von induzierter Kalziumkarbonatausfällung (ICP) wird hauptsächlich durch die Tiefe der Leckage und dem lokalen geothermalen Gradienten bestimmt. Mikrobiell induzierte Kalziumkarbonatausfällung (MICP) ist auf die Aktivität lebender bakterieller Zellen angewiesen, welche auf einen niedrigen Temperaturbereich beschränkt ist, der meist nur im flacheren Untergrund, in zur Speicherung von CH4 oder Erdgas geeigneten Tiefen gegeben ist, aber in geeigneten Reservoiren für die Speicherung von CO2 meist überschritten wird. Deswegen sollten weitere Möglichkeiten, Kalziumkarbonatausfällung durch Enzyme (EICP) oder thermische Prozesse (TICP) zu induzieren, entwickelt und in Feldversuchen erprobt werden. Das Hauptziel dieses Projekts ist es, das bestehende numerische Modell für MICP zu verallgemeinern um ein allgemeingültiges Modell zu erhalten, welches auch für EICP und TICP sowie Kombinationen der Prozesse verwendet werden kann. Dafür müssen zunächst alle für EICP und TICP relevanten Prozesse und deren Interaktionen identifiziert werden, um das Modellkonzepte zu formulieren. Für EICP und TICP sind nicht-isotherme Modelle besonders wichtig, da für beide die zentrale Harnstoffhydrolysereaktion stark temperaturabhängig ist. Dafür muss die temperaturabhängig der physikalischen Eigenschaften und der biogeochemischen Reaktionen sowie der Transport der inneren Energie quantifiziert und parameterisiert werden. Die Implementierung des Modells im Open-Source Simulator DuMuX (www.dumux.org) wird auf dem vorhandenen Modell für MICP aufbauen. Ein zweiter Teil des Projekts ist die Verbesserung des ICP Modells unter besonderer Berücksichtigung anwendungsrelevanter Prozesse, wie zum Beispiel der Auswirkung von ICP auf die Zweiphasenströmungseigenschaften. Diese Auswirkung ist bis jetzt noch nicht im bestehenden Modell berücksichtigt. Vor allem aufgrund der Anwendung von ICP zur Reduktion von Gasleckagen im Untergrund sollte das Modell die Auswirkung von ICP auf die Zweiphasenströmungseigenschaften jedoch berücksichtigen, da die Erhöhung des Eindringdrucks für das Gas auf Werte über den Reservoirdruck für eine ausreichende Abdichtung ausreicht.
Die Klimakrise verändert zunehmend die räumliche und zeitliche Verfügbarkeit von Grundwasser, der wichtigsten globalen Süßwasserressource. Das quantitative Verständnis der Interaktion von Grundwasser und Klima, vor allem auf nationaler und kontinentaler Skala, ist wichtig für ein optimal angepasstes Grundwassermanagement. Bisher ist das Wissen über die großskalige Sensitivität der Grundwasserressourcen auf den Klimawandel jedoch sehr limitiert. Das Ziel des hier vorgestellten Projektes ist die Erforschung der Auswirkungen des Klimawandels und der damit einhergehenden Umweltveränderungen auf den quantitativen Zustand von Grundwasserressourcen auf national-kontinentaler Skala. Etablierte prozessbasierte Modelle (PBMs) zur hydro(geo)logischen Modellierung auf großer Skala (meist „Global Hydrological Models“ - GHMs) sind starke Vereinfachungen der Realität und unterliegen daher deutlichen Limitationen und Unsicherheiten. Im Gegensatz zu anderen PBMs, weisen GHMs daher begrenzte physikalische Konsistenz und Interpretierbarkeit auf und ihre Anwendung kann zu irreführenden Schlussfolgerungen über die Verfügbarkeit von Grundwasser vor dem Hintergrund des Klimawandels führen. Vor allem die Übertragbarkeit auf datenarme Regionen ist nur eingeschränkt möglich. In den letzten Jahren haben sich Deep Learning (DL) Modelle als präziser und leicht übertragbarer alternativer Ansatz in der Modellierung von Wasserressourcen etabliert. Für die Modellierung von Oberflächengewässern wurde zudem gezeigt, dass DL auch spezialisierte PBMs übertreffen kann. Das vorgeschlagene Projekt möchte sich die gewonnenen Erkenntnisse zunutze machen und ein DL-Modell zur Untersuchung der Sensitivität von Grundwasser auf den Klimawandel auf kontinentaler Skala aufbauen. Hierfür wird ein „big data“ Ansatz gewählt, der Daten von >2200 Einzugsgebieten in Nordamerika nutzt (Erweiterung denkbar). Ein solches Modell kann lernen, Wissen über verschiedene Regionen zu transferieren, gewinnt somit stark an Generalisierungsfähigkeit (z.B. auf datenarme Regionen) und schlussendlich an Vertrauenswürdigkeit. Weiterhin soll das Problem von fehlenden, interpretierbaren und physikalisch konsistenten Modellen im nationalen Maßstab angegangen werden, indem physikalisches Wissen und Prozesse in die DL-Modelle eingebaut werden. Durch diese Ansätze soll ein plausibles, interpretierbares und vor allem vertrauenswürdiges Modell entstehen, welches sich zur Untersuchung von Klimawandelszenarien eignet. Die genannten Aspekte sind hierbei besonders kritisch, da für Zeiträume in der Zukunft keine Validierung möglich ist. Das entwickelte Modell dient anschließend der Beantwortung der übergeordneten Fragestellung, und die Auswirkungen des Klimawandels auf die Grundwasserressourcen werden anhand der Daten von Klimamodellen auf Basis von RCP bzw. SSP Szenarien untersucht. Weiterhin werden spezialisierte Untersuchungen (Szenarien) zum Einfluss einzelner Einflussfaktoren (z.B. Landnutzung) durchgeführt.
Pathogene Legionellenarten, wie Legionella pneumophila, können die Legionärskrankheit, eine schwere Lungeninfektion mit einer Sterblichkeit von 5-10 %, verursachen. Sie werden durch das Einatmen von Legionellen-kontaminierten Aerosolen aus künstlichen Wassersystemen, wie zum Beispiel Kühltürme, Trinkwassernetzwerke und Kläranlagen, übertragen. Die Legionärskrankheit hat in Europa in der Zeit von 2015 bis 2019 um 65 % zugenommen. Es ist davon auszugehen, dass die Legionärskrankheitsfälle, die aus Kläranlagen entspringen, aufgrund der zunehmenden Wiederverwendung von Abwasser und wegen des Klimawandels weiter steigen werden. Das Letztere wird sich insbesondere auf die Abwassertemperaturen und die mikrobielle Zusammensetzung von Abwässern auswirken. Eine Lösung zur Verhinderung der Legionellenvermehrung in Kläranlagen mit warmen Abwassertemperaturen (>23 °C) steht mangels Grundlagenforschung nach unserem Kenntnisstand nicht zur Verfügung. Das Ziel dieses Antrages ist es, die Temperaturbedingungen zu definieren, die das Wachstum von pathogenen Legionella spp. aus Kläranlagen begünstigen, unter Berücksichtigung konstanter und dynamischer Temperaturverhältnisse. Dafür sollen Isolate aus behandeltem Abwasser oder Belebtschlamm von fünf verschiedenen Kläranlagen, die warme Abwässer behandeln, bei fünf verschiedenen Temperaturen zwischen 20 °C und 40 °C kultiviert werden. Um die Wirkung dynamischer Temperaturbedingung zu untersuchen, soll die Temperatur in der Mitte der exponentiellen Wachstumsphase um 5 °C innerhalb einer kurzen Zeitspanne erhöht werden. Die Wachstumsparameter der getesteten Legionellenarten sollen vor und nach der Störung verglichen werden. Aufgrund unserer Erfahrungen bei vergangenen Überwachungsprojekten von Legionella spp. in Kläranlagen wurde ein schneller Temperaturanstieg von 5 °C ausgewählt. Die isolierten Legionellenarten sollen anhand der Kultivierungsmethode aus der biologischen Behandlungsstufe gewonnen werden. Die Arten der Isolate und die Legionellendiversität in der biologischen Stufe soll durch eine gattungsspezifische Next-Generation-Sequencing identifiziert werden. Für das Temperaturexperiment werden Isolate ausgewählt, die sowohl die Kerngemeinschaft der Legionellen, die in allen fünf Kläranlagen vorhanden ist, als auch die einzigartigen Stammtypen, die nur in bestimmten Kläranlagen vorkommen, abdecken. Die Integration der Ergebnisse der Abwasser-/Kläranlagencharakterisierung, der Legionellendiversität und des temperaturabhängigen Wachstums von den Legionellenisolate wird unser Verständnis über die Rolle von Kläranlagen als ökologische Nische für das Legionellenwachstum verbessern. Unsere Erkenntnisse können verwendet werden, um die Überwachung von Legionellen in Kläranlagen zu verbessern und sie sollen die Entwicklung von Strategien zum Umgang mit plötzlichen Temperaturänderungen in Kläranlagen und Abwasserwiederverwendungsanlagen unterstützen.
Ausreichende Verfügbarkeit von Trinkwasser und entsprechende Langzeitplanung sind wesentliche Voraussetzungen für eine nachhaltige Zukunft. Dazu bedarf es verlässlicher Langzeitprognosen des zukünftigen Wasserbedarfs. Stündliche und tägliche Bedarfsprognosen mithilfe von maschinellem Lernen (ML) sind wohletabliert, sofern ausreichend Daten vorhanden sind. Dennoch gibt es einige Herausforderungen. Erstens verfügen viele lokale Wasserversorger lediglich über monatliche Bedarfsdaten. Zweitens ist das System wegen des Klimawandels und wegen sozialer, rechtlicher und wirtschaftlicher Veränderungen instationär. Drittens sind zukünftige Wetter- und Klimabedingungen sowie die genannten Wandelprozesse unsicher. Insgesamt führt dies zu hoch volatilen und unsicheren Szenarien mit begrenzten Daten, was eine große Herausforderung für Modellierung und ML-Methoden darstellt. Dennoch sollten diese Methoden breit in verschiedenen Klima- und Wirtschaftsregionen anwendbar sein, zuverlässige Vorhersagen über Jahrzehnte ermöglichen und für Experten in Planungsbüros handhabbar sein. Dieses Projekt zielt darauf ab, Langzeitprognosen des Wasserbedarfs zu verbessern, indem wir folgende vier Forschungsfragen bearbeiten: Welche ML-Modelle für datenarme Probleme beschreiben den Wasserbedarf am besten, und kann die Modellauswahl automatisiert werden? Welche erklärenden Variablen sind notwendig, und wie sind diese zukünftig verteilt? Wie können wir der variierenden Aussagekraft von Daten in instationären Problemen begegnen? Wie können wir sinnvolle Unsicherheitsintervalle für Risikobewertungen erreichen? Um diese Fragen zu beantworten, werden wir speziell für datenarme Situationen entwickelte ML-Modelle entwickeln, kombinieren und bewerten sowie deren Auswahl automatisieren. Dies umfasst auch die Auswahl der erklärenden Variablen und die Untersuchung ihrer Wahrscheinlichkeitsverteilungen. Wir werden auf zwei Zeitskalen arbeiten: kurzfristig (lokal Wetter) und langfristig (Klima). Für die kurze Zeitskala werden wir statistische Wettergeneratoren verwenden, während wir für die langfristige Skala Langzeit-Wettervorhersagen des DWD unter verschiedenen Klimaszenarien nutzen werden. Da technische, gesellschaftliche oder wirtschaftliche Veränderungen und ihre Auswirkungen auf den Wasserbedarf schwer vorhersehbar und allgemein modellierbar sind, müssen sie als exogene oder festgesetzte Variablen behandelt werden. Sie können die Aussagekraft von Daten, die unter aktuellen Bedingungen erhoben werden, beeinflussen. Daher werden wir Multi-Fidelity-Ansätze entwickeln, die aus kürzeren Zeitreihen größerer räumlicher Gebiete lernen können. Für das Projekt bauen wir auf Vorarbeiten im Bereich des Polynomiellen Chaos und der Gauß-Prozess-Regression auf. Alle Methoden werden open-source verfügbar gemacht, um Transparenz in der Bedarfsvorhersage zu fördern und somit verbesserte Vorhersagen und Entscheidungsunterstützung öffentlich verfügbar zu machen.
| Origin | Count |
|---|---|
| Bund | 838 |
| Type | Count |
|---|---|
| Förderprogramm | 838 |
| License | Count |
|---|---|
| offen | 838 |
| Language | Count |
|---|---|
| Deutsch | 634 |
| Englisch | 614 |
| Resource type | Count |
|---|---|
| Keine | 19 |
| Webseite | 819 |
| Topic | Count |
|---|---|
| Boden | 820 |
| Lebewesen und Lebensräume | 733 |
| Luft | 528 |
| Mensch und Umwelt | 838 |
| Wasser | 823 |
| Weitere | 838 |