Algenblüten stellen eines der Hauptprobleme für die Wasserqualität vieler Seen und Küstengewässer dar. Trotz der Reduzierung externer Nährstoffeinträge treten sie wiederholt auf. Der Hauptgrund dafür wird in der pulsartigen Freisetzung von Nährstoffen, die in den Sedimenten der betroffenen Gewässer angereichert sind, gesehen. Daten zur Kinetik solcher Nährstoffpulse (Ursachen, Mengen) liegen aber kaum vor und die unmittelbaren Effekte auf das Phytoplankton sind bislang unerforscht. Das liegt vor allem daran, dass Methoden für zeitlich hochauflösende in-situ-Messungen erst in den vergangenen Jahren in größerem Umfang verfügbar wurden. Ihr Einsatz ist sehr arbeitsaufwändig und nur in begrenztem Zeitrahmen realisierbar. Dennoch gibt es in der Fachliteratur zahlreiche Beispiele für pulsartige Nährstofffreisetzungen (NSF), die im Rahmen von Monitoringprogrammen dokumentiert wurden. Dabei handelt es sich meist um sprunghafte Erhöhungen von Nährstoffkonzentration nach plötzlicher Änderung der Redox-Bedingungen in Folge von Sauerstoffmangel. Es ist zu erwarten, dass solche pulsartigen NSF-Ereignisse im Zuge des Klimawandels häufiger auftreten werden, da die Schichtung von Gewässern unter höheren Temperaturen länger anhalten und damit das Risiko für das Auftreten von Sauerstoffmangel ansteigen wird. Die Auswirkungen von NSF auf das Phytoplankton sind sehr wahrscheinlich erheblich, weil sein Wachstum in den Sommermonaten oft durch Nährstoffmangel (N, P, Fe) begrenzt ist. Das Ziel des vorliegenden Projekts ist es, Kurzeiteffekte auf das Phytoplankton (Artenzusammensetzung und physiologische Reaktionen, inklusive Art-spezifischer Reaktionen) unter in-situ-Bedingungen zu analysieren und daraus allgemeingültige Konzepte bezüglich der Trigger- und der Responsevariablen abzuleiten. Die Messungen werden in einem flachen Süß- und einem flachen Brackwassersystem mit einer Kombination aus neuartigen, hochauflösenden nasschemischen Sensoren (P), UV-Sensoren (C, N) und Methoden zur Charakterisierung der Phytoplanktonphysiologie (in-situ-Flow Cytometry, Gasaustauschmessungen und verschiedene Pulse-Amplitude-Modulated [PAM]-Fluorometer) durchgeführt. Im Mittelpunkt stehen die Verifizierung der Ursachen sowie die Quantifizierung der kinetischen Parameter (Dauer und Amplitude) von pulsartigen NSF in Kombination mit der quantitativen Erfassung der Auswirkungen auf Phytoplanktonentwicklung und -zusammensetzung. Parallel zu den Feldarbeiten sind Mesokosmos- und Laborexperimente vorgesehen, um unter kontrollierten Bedingungen die Kausalität der Freilandbeobachtungen zu überprüfen. Durch die Arbeiten des Projekts, vor allem die zeitlich hochaufgelösten Erfassungen von Freisetzungskinetik und Phytoplanktonreaktion, werden wegweisende Erkenntnisse erwartet, die insbesondere für Experten im Bereich Wasserqualitätsmanagement von fundamentalem Interesse sein werden. Es ist daher vorgesehen, die Ergebnisse auf frei zugänglichen Wissenschaftsdaten-Plattformen zur Verfügung zu stellen.
WaterGAP ist eine globale hydrologische Simulationssoftware zur Berechnung von Wasserflüssen und -speicherung auf allen Kontinenten der Erde. Sie wird verwendet, um Wasserverfügbarkeit und Wasserstress für Menschen und andere Biota weltweit zu bestimmen. In zahlreichen Studien wurde WaterGAP genutzt, um z.B. den Einfluss des Klimawandels auf Bewässerungsbedarf, ökologisch relevante Durchflusscharakteristika, Grundwasserneubildung und auf Wasserressourcen im Allgemeinen zu erforschen. Resultate aus diesen Studien sind in IPCC-Berichte eingegangen. WaterGAP nimmt unter den hydrologischen Modellen weltweit eine Führungsrolle ein. Allerdings wurde die Software über mehr als 20 Jahre von mehreren Doktoranden und Postdocs verändert und befindet noch sich immer in einem Prototypstadium. Die Software wurde nie grundlegend überarbeitet oder auf Grundlage einer sorgfältig geplanten Software-Architektur entwickelt. Es handelt sich eher um eine Ansammlung von Dateien mit jeweils fast 10.000 Code-Zeilen, ohne eine konsequente Modularisierung. Es ist es uns daher aktuell nicht möglich, die Software anderen Forschern zur Verfügung zu stellen, damit sie Ergebnisse replizieren und verstehen können oder die Software für eigene Forschung zu erweitern. Auch Modellveränderungen und Erweiterungen durch unsere beiden Gruppen sind herausfordernd und kosten Zeit. Gerade wegen der wichtigen Forschungsergebnisse bezüglich der Beurteilung und Projektion von globalen Wasserressourcen wäre eine Replikation der Ergebnisse durch Dritte unbedingt notwendig, was eine deutliche Verbesserung der Softwarequalität voraussetzt. Projektziel ist es. die Forschungssoftware in einer modernen Programmiersprache neu zuschreiben und ausführlich zu dokumentieren. Zudem soll die räumliche Auflösung flexibel anpassbar sein. Die resultierende Software soll testbar, wartbar, erweiterbar und durch Dritte nutzbar und erweiterbar sowie gründlich getestet sein. Die Neuentwicklung wird mit einem angepassten Scrum-Prozess durchgeführt und die Planung der Software Architektur wird auf Grundlage des IEEE 1016-2009 Dokuments erstellt. Mehrere Methoden werden genutzt um nachhaltig die Qualität der Software intern und externe zu steuern. Dieses Projekt wird anderen Forschern erlauben unser globales hydrologisches Modell selbst auszuführen, Ergebnisse zu replizieren oder die Einflüsse von Modifikationen in den Eingabedaten und Algorithmen zu untersuchen. Die Forschergemeinschaft kann so algorithmische Ansätze vergleichen, unserer Ergebnisse überprüfen und auch Fehler in unserer Software identifizieren. Um die Berichterstattung und Zusammenarbeit so einfach wie möglich zu gestalten setzen wir auf die etablierte Plattform github. Auch werden wir von automatisierten Tests und Benchmarkszenarien Gebrauch machen. Dies wird nicht nur dazu beitragen die Forschungssoftware WaterGAP effizienter zu nutzen und wissenschaftliche Ergebnisse robuster machen, sondern auch den wissenschaftlichen Fortschritt beschleunigen.
Unterirdische Transportpfade im Hainich CZE sind komplex und bestimmt von der Heterogenität und Reaktivität des Aquifer-Materials. Der Transport von Tonmineralen aus der Bodenzone wird unter Verwendung synthetischer Tonmineral-Nanopartikel mit der multi-methodischen massenspektrometrischen Plattform untersucht. Der besondere Schwerpunkt liegt auf der Dynamik, Steuerung und Rückkopplung des Spurenelementtransports auf das unterirdische Mikrobiom der Critical Zone vom Labormaßstab bis zum projektübergreifenden Feldexperiment.
Das Projekt "Quantifying the Influence of SnowmelT on RIVEr Hydrology in High Mountain Asia (STRIVE)" fokussiert sich auf alpine Flüsse und dem Zeitpunkt und Menge der Schneeschmelze im Himalaya . In vielen alpinen Einzugsgebieten stammt ein signifikanter Teil des jährlichen Wasserhaushalts aus der Schneeschmelze, insbesondere während der Monate vor dem Beginn des Monsuns. Da die Gletscher in vielen hochgelegenen Bergregionen weiter schmelzen werden, wird der saisonale Wasserpuffer durch die Schneeschmelze in Zukunft noch wichtiger werden. Auch die Gefahr von Überschwemmungen wird zunehmen, da die steigenden Temperaturen die Schneeschmelze im Frühjahr beschleunigen. Trotz der Bedeutung des Schneewasserhaushalts für viele besiedelte Gebiete sind Zeitpunkt und Volumen der Schneeschmelze nach wie vor nur unzureichend bekannt - insbesondere in Einzugsgebieten in großer Höhe. Um besser quantifizieren zu können, wann und wo das Wasser der Schneeschmelze die alpinen Flüsse erreicht, wird das STRIVE-Projekt einen kombinierten in-situ- und satellitenbasierten Ansatz verwenden, um (1) den Zeitpunkt und die räumliche Verteilung der Schneeschmelze zu überwachen, (2) den Einfluss der Schneeschmelze auf die Flusshöhen und (3) Flusstemperaturen zu bewerten. Die im Rahmen des STRIVE-Projekts gesammelten neuen Daten mit hoher zeitlicher Auflösung werden mit lokalen und regionalen hydrologischen Daten kombiniert, um (4) ein umfassenderes Verständnis der aktuellen Schneeschmelze und deren Wassermenge für alpine Flüsse zu entwickeln. Hier spielen insbesondere die sich verändernden Klimabedingungen eine große Rolle. Die Ergebnisse des STRIVE-Projekts werden für Forscher verschiedener Fachbereiche in der physischen Geographie, Hydrologie und Geomorphologie, zum Einschätzen von Naturgefahren und für Manager sowie Entwickler von Wasserkraftwerken im gesamten Himalaya und in ähnlichen, von der Schneeschmelze angetriebenen alpinen Ökosystemen, von großem Nutzen sein. Um die Forschungszusammenarbeit und den Austausch mit den nepalesischen Partnern zu erleichtern und nachhaltiger zu machen, wird das STRIVE-Projekt zwei Workshops für Nachwuchswissenschaftlerinnen durchführen, die sich mit der Sammlung und Verarbeitung von in-situ- und Fernerkundungsdaten beschäftigen. Diese Workshops werden dazu beitragen, die Ergebnisse und Erkenntnisse des STRIVE-Projekts zu verbreiten und sicherzustellen, dass die entwickelten Methoden und Daten auch nach dem Ende des Projekts in die Forschung und in wasserpolitische Entscheidungen im Himalaya einfließen.
Binnengewässer sind wichtiger Teil des globalen Kohlenstoffkreislaufs, da sie der terrestrischen Biosphäre entstammende Biomasse (organisches Material, OM) aufnehmen und umsetzen. Gelöstes OM beeinflusst Farbe und Zustand der Gewässer und subventioniert als Energieträger das aquatische Nahrungsnetz. Der Umsatz des OM wird von dessen oxidativer Mineralisation getrieben, daher wird die Sauerstoffverfügbarkeit als kritischer Einflussfaktor gesehen. Jedoch findet auch in sauerstofffreien, anoxischen Zonen rege Produktion, Mineralisation und Transformation von OM statt. Die chemische Zusammensetzung des OM wird in anoxischen Zonen auf spezifischen Reaktionspfaden transformiert. Zu diesen Pfaden gehört (1.) der bevorzugte Abbau von energiereichen OM-Fraktionen, (2.) die Anreicherung von mikrobiellem OM, sowie (3.) der Einbau von anaerob entstandenem Wasserstoff in OM. Anoxische Zonen sind in kontinentalen und marinen Gewässern bereits heute weit verbreitet. Ihre weitere Ausdehnung ist vorhergesagt. Trotzdem ist unklar, unter welchen Bedingungen die anoxischen Reaktionspfade aktiviert werden und wie sie gemeinsam den Kohlenstoffkreislauf und aquatische Ökosystemfunktionen beeinflussen. Ziel dieses Projekts ist es daher, das Zusammenspiel anoxisch ablaufender OM Transformationen aufzuklären. Zu diesem Zweck entwickeln wir eine OM Charakterisierung basierend auf der (Gibbs-) Energie seiner molekularen Bestandteile. Die Energieeigenschaften des OM dienen als Bezugssystem, mit dem sich aktive Reaktionspfade einschließlich ihre spezifischen Einflussfaktoren unterscheiden lassen. Auf Grundlage dieses Bezugssystems können wir die orts- und substratspezifischen Faktoren identifizieren, die mit der molekulare OM Zusammensetzung variieren. Entlang aquatischer Netzwerke werden wir dann analysieren, wie anoxische Zonen einen spezifischen Fingerabdruck im OM formen. Die Ergebnisse dieses Projekts werden eine neuartige, energiezentrierte Charakterisierung von organischem Material begründen. Damit können wir langfristig unser Verständnis des Umweltverhaltens von OM, insbesondere unter anoxischen Bedingungen, verbessern.
Das Projekt „Hochwasserrückhalt im Wald“ befasst sich mit der Untersuchung von Einflussfaktoren auf die Rückhaltekapazität von Wäldern zur Verbesserung des Hochwasserschutzes. Während des Katastrophenhochwassers in Westdeutschland Mitte Juli 2021 wurden hohe Abflussakkumulationen aus Waldgebieten sowohl im Ahrtal als auch im Einzugsgebiet von Inde und Vichtbach beobachtet; das Potential des Wasserrückhaltes im Wald ist folglich elementar für die Hochwasservorsorge. Trotz der positiven Gebietseigenschaften von Waldflächen zeigen Studien, dass menschliche Eingriffe und schlechte forstwirtschaftliche Praktiken die Wasserrückhaltung negativ beeinträchtigen können. Im Projekt „Hochwasserrückhalt im Wald“ werden Sachbeihilfen für die Durchführung von Feldversuchen zur differenzierten Evaluation der Rückhalteleistung sowie zur messtechnischen Begleitung von Anpassungsmaßnahmen in Entwässerungsgräben beantragt. Im Rahmen der Feldarbeiten soll auf der Projektfläche im Ahrtal untersucht werden, wie sich der Wasserrückhalt unter verschiedenen Baumarten (Laub- vs. Nadelbäume) hinsichtlich der jeweiligen Interzeptions- sowie Infiltrationsleistung unterscheidet. Zweitens soll erforscht werden, wie lineare Strukturen im Wald so gestaltet werden können, dass sie die Hochwasserschutzwirkung maximieren. Hierfür werden geplante Anpassungsmaßnahmen auf einer Projektfläche bei Stolberg messtechnisch begleitet und die Wirkweisen anschließend mittels hydronumerischer Simulation weitergehend evaluiert. Insgesamt zielt das Vorhaben darauf ab, das Verständnis über die Rolle von Wäldern im Hochwasserschutz zu vertiefen und konkrete Maßnahmen zur Verbesserung des Wasserrückhalts zu entwickeln.
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.
Aminopolyphosphonate (APPs) sind starke Komplexbildner für Metalle, die zunehmend in der Industrie und im Haushalt eingesetzt werden. Sie sind gut wasserlöslich, nicht flüchtig und besitzen eine geringe Affinität zu organischen Phasen. Dennoch scheint in Kläranlagen die Sorption an Klärschlamm ein wichtiger Eliminierungssprozess zu sein. Die Polyphosphonat-Konzentrationen in deutschen Flüssen liegen derzeit im ng L-1- bis niedrigen µg L-1 Bereich. Es wird jedoch ein Anstieg der Polyphosphonat-Konzentrationen aufgrund einer erhöhten Produktion und Nutzung vorhergesagt. Das Umweltverhalten dieser Substanzen kann derzeit jedoch nicht zuverlässig abgeschätzt werden, was in erster Linie auf Wissenslücken bezüglich der Bedeutung von Sorptions- und Abbauprozessen für die Gesamtentfernung von APPs in natürlichen und technischen Systemen zurückzuführen ist. Darüber hinaus sind die Reaktionsmechanismen und -wege von AAPs nicht vollständig identifiziert. Dies erschwert sowohl die Vorhersage der Auswirkungen von Umweltparametern auf den Verbleib von APPs als auch die Entwicklung von Verfahren zur effizienten Entfernung in technischen Systemen. Ziel der vorgeschlagenen Forschung ist es daher, Sorbentien, Reaktanten und Umweltbedingungen zu identifizieren, die die Entfernung von APPs aus natürlichen Gewässern und in der Wasseraufbereitung begünstigen. Wir schlagen vor, die Auswirkungen wichtiger Umweltparameter (z.B. pH-Wert, Komplexbildung) auf Sorptions- und Abbausprozesse von APPs in sorgfältig konzipierten Laborexperimenten an zwei Vertretern dieser Substanzklasse zu untersuchen: ATMP (Amino-tris(methylenphosphonsäure) und EDTMP (Ethylendiamin-tetra¬(methylenphosphonsäure). Durch die Kombination von Isotopenanalyik und hochauflösender Massenspektrometrie unter Einbeziehung weiterer moderner Verfahren sollen die wichtigsten Sorptions- und Abbauprozesse sowie die Umwandlungsprodukte von APPs identifiziert werden. Die vorgeschlagenen Forschungsarbeiten umfasse drei Teilbereiche. Zunächst soll die Sorption von APPs an Eisen(hydr-)oxiden, Tonmineralen und Aktivkohle/Biokohle untersucht und die potenziellen Isotopenfraktionierungseffekte aufgrund der Sorption quantifiziert werden. Dann werden wir uns mit den natürlichen Umwandlungsprozessen von AAPs befassen, wobei der Schwerpunkt auf der Oxidation durch Manganoxide und der direkten Photolyse von APP-Fe(III)-Komplexen liegt. Schließlich werden AAP-Abbauprozesse in technischen Systemen wie Ozonolyse und elektrochemischen Oxidation untersucht.
Karstaquifere, die etwa 25 % der Weltbevölkerung mit Wasser versorgen, sind wichtige natürliche Wasserressourcen. Die realistische und prozessbasierte hydrologische Modellierung der Abflussmenge von Karstquellen stellt jedoch aufgrund der Komplexität des Systems und der begrenzten Datenverfügbarkeit nach wie vor eine Herausforderung dar. Daher werden in der Praxis häufig vereinfachte Lumped Parameter Modelle (LMs) angewendet, die das System in einer räumlich aggregierten Weise mit vereinfachten Prozessdarstellungen abbilden. Die Parameter dieser LMs sind jedoch möglicherweise nicht direkt physikalisch interpretierbar oder messbar, und Rückschlüsse auf die Eigenschaften des Karstsystems anhand von LMs sind oft eingeschränkt- unter anderem durch Parameterunsicherheiten und einen unbekannten Grad an Modellrealismus. Aufgrund der globalen Bedeutung von LMs für die hydrologische Modellierung von Karstsystemen ist es erforderlich, diese Probleme anzugehen und zu lösen, um in Zukunft effizientere und realistischere hydrologische Modellierungen von Karstsystemen zu ermöglichen. Unsere Hypothese ist, dass es durch Methoden der Unsicherheitsquantifizierung, Sensitivitätsanalyse und Modellevaluation möglich ist, das realistischste LM für ein bestimmtes Karstsystem zu identifizieren, um Systemeigenschaften aufzudecken und genaue Simulationen zu ermöglichen. Wir konzentrieren uns darauf, Zusammenhänge zwischen den LM-Parametern und den physikalischen Systemeigenschaften für eine große Anzahl synthetischer Karstsysteme herzustellen. Diese werden mithilfe kürzlich entwickelter stochastischer Karstnetzwerk-Generatoren in Kombination mit einem hochmodernen, räumlich verteilten prozessbasierten distributiven numerischen Modell (PBM) erzeugt. Wir simulieren entsprechende synthetische Quellabflusszeitreihen, die als bekannte Referenzdaten dienen. Letztlich ermöglicht dies die Entdeckung von Mustern in Modellrealismus, Prozessdarstellungen und Parameterbeziehungen für eine große Anzahl von Karstsystemen auf eine bisher beispiellose und verallgemeinerte Weise.
| Origin | Count |
|---|---|
| Bund | 189 |
| Type | Count |
|---|---|
| Förderprogramm | 189 |
| License | Count |
|---|---|
| offen | 189 |
| Language | Count |
|---|---|
| Deutsch | 186 |
| Englisch | 185 |
| Resource type | Count |
|---|---|
| Webseite | 189 |
| Topic | Count |
|---|---|
| Boden | 189 |
| Lebewesen und Lebensräume | 151 |
| Luft | 132 |
| Mensch und Umwelt | 189 |
| Wasser | 189 |
| Weitere | 189 |