Multivariate Analyse von Land-Atmosphäre Wechselwirkungen in einem veränderlichen Klima

• Antragsteller: Professor Dr. Rene Orth
• Fachliche Zuordnung: Hydrogeologie, Hydrologie, Limnologie, Siedlungswasserwirtschaft, Wasserchemie, Integrierte Wasserressourcen-Bewirtschaftung
• Förderung: Förderung seit 2017
• Projektkennung: Deutsche Forschungsgemeinschaft (DFG) - Projektnummer 391059971

Es ist bekannt, dass die vom Menschen verursachten Treibhausgasemissionen das globale Klima beeinflussen. Diese Veränderungen werden sich auch auf den Wasserkreislauf auswirken, zum Beispiel direkt durch Veränderungen der Niederschläge oder indirekt durch Veränderungen der potentiellen Verdunstung infolge von Temperaturveränderungen. Im Ergebnis kann dies zu mehr und/oder verstärkten Dürren führen. Dürren haben erhebliche Auswirkungen auf Ökosysteme und die Gesellschaft, so dass Veränderungen in Dürre-Dynamiken eine große Herausforderung für das Management und die Anpassung an solche verschärften Wasserextreme darstellen. Dies erfordert eine genaue Charakterisierung von Dürren und ihrer Auswirkungen auf den großräumigen Wasserkreislauf. Im Detail werden wir in diesem Projekt einen auf maschinellem Lernen basierenden Abflussdatensatz erstellen, der anschließend in Verbindung mit auf maschinellem Lernen basierenden Bodenfeuchte- und Evapotranspirationsdatensätzen verwendet werden kann, um die Reaktion des globalen Wasserkreislaufs auf Dürren zu untersuchen. Die Abflussmodellierung wird ferner dazu dienen, zeitversetzte Dürrefolgen zu ermitteln und zu beschreiben. Dazu werden die beobachteten Abflüsse mit den Abflüssen verglichen, die durch maschinelles Lernen simuliert wurden, das ohne die Zeiträume nach den Dürreperioden trainiert wurde, so dass der Algorithmus keine zeitversetzten Effekte darstellen kann. Schließlich werden wir die Ausbreitung von dürrebedingten Wasserdefiziten in Abfluss und Evapotranspiration auf der ganzen Welt aufzeigen und die Bedeutung potenzieller Einflussfaktoren wie Boden- und Vegetationseigenschaften oder Klimaregime bestimmen. Darüber hinaus werden wir die Leistungsfähigkeit von physikalisch basierten Landoberflächenmodellen zur Darstellung dieser Dürreauswirkungsmuster untersuchen. Die vorgeschlagene Arbeit baut auf früheren Arbeiten im Rahmen des ersten Teils dieses Emmy Noether-Projekts auf, wo (i) die Methodik des maschinellen Lernens erfolgreich entwickelt und für Bodenfeuchtedaten angewendet wurde (O und Orth 2021) und (ii) die Reaktion des Wasserkreislaufs auf Dürre in ganz Europa untersucht wurde (Orth und Destouni 2018). Auf diese Weise werden die Erfahrungen und Methoden, die in diesen früheren Studien generiert wurden, in die Analysen und die wissenschaftlichen Ergebnisse dieses Erneuerungsprojekts einfließen.

• DFG-Verfahren: Emmy Noether-Nachwuchsgruppen