Entschlüsselung der Treiber der Partitionierung des Wasserhaushalts in seine Komponenten mittels stabiler Isotope, hydrologischer Modellierung und maschinellem Lernen für verschiedene Landschaften

• Antragsteller: Professor Dr. Julian Klaus
• Fachliche Zuordnung: Hydrogeologie, Hydrologie, Limnologie, Siedlungswasserwirtschaft, Wasserchemie, Integrierte Wasserressourcen-Bewirtschaftung ; Physische Geographie
• Förderung: Förderung seit 2024
• Projektkennung: Deutsche Forschungsgemeinschaft (DFG) - Projektnummer 545346931

Das Verständnis für die Partitionierung des Niederschlag (P) in Abfluss (Q), Transpiration (T) und Verdunstung (E) in verschiedenen hydro-klimatologischen Regionen ist wichtig, um die Auswirkungen des Globalen Wandels auf den Wasserhaushalt und den biogeochemischen Kreislauf vorherzusagen. Trotz der Relevanz sind die zugrundeliegenden Prozesse und die Möglichkeiten zur Vorhersage limitiert, da vor allem die Partitionierung der Evapotranspiration (ET) in T und E, aufgrund eines Mangels an Messmethoden und an Daten für die Modellvalidierung, auf Einzugsgebietsskale schwierig ist. Dieses Projekt zielt darauf ab, diese Einschränkung zu überwinden, indem es die T/ET-Verhältnisse in Einzugsgebieten unterschiedlicher Skale untersucht und die dominierenden Mechanismen des Wasserverlusts (T, E, Q) mit der Einzugsgebietsphysiographie in Verbindung bringt. Hier werden Methoden des maschinelles Lernen eingesetzt, um Muster und Korrelationen zu identifizieren. Das Projekt untersucht diverse Einzugsgebiete weltweit welche vorhandene Daten für stabile Isotope (18O und 2H des Wassermoleküls) in den Wasserhaushaltskomponenten aufweisen. Das langjährige Mittel der Partitionierung des Niederschlags und der Evapotranspiration wird für mehrere Hundert Einzugsgebiete mit vorhandenen niederfrequenten Isotopendaten durchgeführt unter Anwendung der Isotopen- und Wassermassenbilanz. Zusätzlich wird für einen Satz von elf Einzugsgebiete mit höherer Datenverfügbarkeit die Partitionierung mittels des hydrologischen Modells isoWATFLOOD für eine feinere zeitlicher Auflösung durchgeführt. Abschließend wird maschinelles Lernen verwendet um die Partitionierung und die dominierenden Wasser-Verlustmechanismen in Einzugsgebieten anhand der Physiogeographie abzuschätzen.

• DFG-Verfahren: Sachbeihilfen
• Internationaler Bezug: Kanada
• Kooperationspartnerin: Professorin Dr. Tricia Stadnyk