Karstgrundwasserleiter spielen im Alpenraum eine wichtige Rolle. Sie bedecken etwa 56% der Fläche, und ein erheblicher Teil der Bevölkerung ist ganz oder teilweise von Trinkwasser aus Karstquellen abhängig, die oft mit wertvollen Ökosystemen verbunden sind und zur Wasserkrafterzeugung beitragen. Die Alpen zählen nach Studien zu den am stärksten vom Klimawandel betroffenen Gebieten in Europa. Als Folge der steigenden Temperaturen werden sich die gespeicherten Mengen an Schnee und Eis stark verringern, was zu einer Verschiebung zwischen Wasserhaushaltskomponenten in Verbindung mit einer saisonalen Umverteilung der Niederschläge führt. Außerdem wird erwartet, dass Hoch- und Niedrigwasserereignisse häufiger auftreten werden. Der Stand der Technik bei der Modellierung der Schüttung von Karstquellen, meist mittels konventioneller numerischer Modelle, ist auf standortspezifische, oft aufwändige und nicht übertragbare wissenschaftliche Studien beschränkt, die manuelle Modellabstimmung und Kalibrierung erfordern. Bis heute gibt es keinen leicht übertragbaren Ansatz, der gleichzeitig auf viele Karstquelleinzugsgebiete anwendbar ist. In diesem Projekt werden wir einen modernen, Deep-Learning basierten Ansatz zur Modellierung der Schüttung von Karstquellen entwickeln, der sich besonders gut eignet, übertragbare Modelle, die Informationen von verschiedenen Standorten nutzen können, aufzubauen. Deep Learning ist ein Teilgebiet des maschinellen Lernens, basierend auf künstlichen neuronalen Netzen, das sich sowohl bei akademischen als auch bei industriellen Anwendungen als sehr erfolgreich erwiesen hat. Die vorgeschlagene Studienregion sind die Alpen, mit Karstgebieten in Österreich, der Schweiz, Deutschland, Frankreich, Italien und Slowenien, mit einem Schwerpunkt auf dem besonders vom Klimawandel betroffenen von der Alpenkonvention abgegrenzten Gebirgsgebiet. Als Grundlage der Studie dient das World Karst Spring Database (WoKaS). Es wird im Laufe des Projekts mit zusätzlichen Daten von Behörden und Wasserversorgern ergänzt, insbesondere in Regionen mit bislang schlechter Abdeckung. Die Arbeiten beinhalten die Erstellung eines umfassenden Datensatzes mit Einzugsgebietsattributen und meteorologischen Einflussgrößen für etwa 150 Quellen. Klassische Lumped-Parameter-Modelle werden als Benchmarks aufgesetzt und mit den neu entwickelten Deep-Learning basierten Modellergebnissen verglichen. Ziel ist es, die Eignung neuartiger Deep-Learning Modellansätze für die Abschätzung der Auswirkungen des Klimawandels für eine Vielzahl von kurz- und langfristigen Vorhersagen zu untersuchen. Eine vertiefende Fallstudie des Dachsteingebietes, dessen große Karstregion wesentlich zur Wasserversorgung und Wasserkrafterzeugung beiträgt, wird die vergleichende Untersuchung mit einem numerischen 3D-Modell erweitern. Schließlich werden die entwickelten Modelle dazu verwendet, um Auswirkungen des Klimawandels auf die alpinen Karstgrundwasserressourcen vorherzusagen.
Konzeptionelle Modelle werden häufig dafür verwendet, um den Abfluss aus Karstquellen vorherzusagen. Die Modellierung von Stofftransportprozessen im Karst stellt hingegen nach wie vor eine Herausforderung dar. Unsere Hypothese ist, dass eine parallelisierte robuste Konzeptualisierung von Quellabfluss und Stofftransport die Modellabbildung der hydrologischen Prozesse in den verschiedenen Kompartimenten von Karstgrundwasserleitern, sprich dem Boden und Epikarst, Matrix und Lösungskanälen, deutlich verbessert. Dazu werden wir einen Kalibrierungsansatz basierend auf den verschiedenen Zeitskalen der Wavelet Transformation anwenden, um sowohl eine robuste Simulation von Quellabfluss und Stofftransport, als auch eine adäquate Modelldarstellung der relevanten hydrologischen Prozesse zu erhalten. Mit Hilfe von experimentellen Ergebnissen aus ereignisbasierten Probenahmekampagnen werden wir zeitlich hochaufgelöste Zeitreihen der elektrischen Leifähigkeit in die dominanten Ionenkonzentrationen zerlegen, um relevante Faktoren zu ermitteln, die die Transportprozesse in den verschiedenen Kompartimenten von Karstsystemen beeinflussen. Auf der Grundlage unserer Erkenntnisse werden wir Stofftransportmodelle unterschiedlicher Komplexität entwickeln und anhand mehrerer Karstsysteme validieren.
Die Bedeutung wasserbürtiger Krankheiten wächst zunehmend, insbesondere im Hinblick auf Herausforderung wie Hochwasser und Dürren im Zuge des Klimawandels. Weltweit sterben jährlich 2-5 Millionen Menschen infolge wasserbürtiger Krankheiten. Diese Situation wird weiter strapaziert durch die jahrzehntelange Fehlanwendung und den Überkonsum von Antibiotika, die zu extremen selektivem Druck auf Bakterien-Gesellschaften geführt haben und so die Entwicklung von Antibiotikaresistenzen vorangetrieben haben. Systematische Geländearbeiten zum Transport und Rückhalt von Mikroorganismen und Antibiotikaresistenzen im Grundwasser unter repräsentativen Bedingungen sind nötig, um zukünftige Herausforderungen im Hinblick auf die sichere Bereitstellung von Grundwasser zu gewährleisten. Obwohl Transporteigenschaften von pathogenen Keimen aus Feldexperimenten dringend benötigt werden, ist die Durchführung von Feldarbeiten kaum möglich, da der Einsatz pathogener Markierungsstoffe wasserrechtlich untersagt ist. Das Projekt zielt darauf ab, ein detailliertes Verständnis der Mobilität von Mikroorganismen und Antibiotikaresistenzen im Grundwasser durch Feldexperimenten zu erlangen. Da der Einsatz pathogener Keime im Gelände nicht möglich ist, wird eine Auswahl nicht-pathogener Organismen und DNA in verschiedenen Feldversuchen in einem sehr gut charakterisiertem Karstgrundwasserleiter in Süd-West Deutschland eingesetzt. Dabei wird der Einfluss verschiedener Aquifer-Bedingungen und Eingabeszenarien getestet und deren Einfluss auf die Transporteigenschaften der eingesetzten Stoffe mittels der Modellierung ihrer Durchbruchkurven abgeleitet. Ereignisbasierte Untersuchungen werden zusätzlich dazu beitragen, die gewonnenen Erkenntnisse mit dem Auftreten anderer Stoffe bei natürlichen Extremereignissen zu vergleichen. Das Projekt wird durch lokale Behörden und Wasserversorger nachdrücklich begrüßt (Unterstützungsschreiben sind beigefügt).Letztendlich wird eine Auswahl nicht-pathogener Organsimen und externer DNA als Markierungsstoff für den Geländeeinsatz für jeweilige Umweltbedingungen entwickelt, um den potentiellen Transport und Rückhalt pathogener Keime und Antibiotikaresistenzen in zukünftigen Studien abzuschätzen. Dazu zählen beispielsweise Fragen zu Grundwasser-Management, Risikoabschätzungen oder mikrobiell gesteuerter Altlastensanierung um Untergrund.