Record #351479 - GSI Repository

DFG project G:(GEPRIS)544878839

Gekoppelte Hydrogeophysikalische Inversion und Machine Learning zur verbesserten Abschätzung hydrologischer Parameter

Coordinator	Professor Dr. Sebastian Uhlemann
Grant period	2024 -
Funding body	Deutsche Forschungsgemeinschaft
	DFG
Identifier	G:(GEPRIS)544878839

Note: Grundwasser versorgt mehr als 1500 Millionen Menschen mit Süßwasser und ist eine wichtige Ressource für die Landwirtschaft und Ökosysteme. Die zunehmende Grundwasserentnahme und die durch den Klimawandel bedingten Veränderungen der Niederschlagsmuster mit häufigen, schweren und langanhaltenden Dürreperioden belasten diese wichtigen Wasserressourcen. Es besteht ein dringender Bedarf an neuartigen Methoden zur Optimierung der Grundwasseranreicherung, doch die Abschätzung der Anreicherung ist nach wie vor äußerst unsicher. Hier schlagen wir einen hydrogeophysikalischen Ansatz vor, der auf geoelektrischer Überwachung in Verbindung mit hydrologischer Modellierung und maschinellem Lernen beruht. In den letzten Jahren wurde gezeigt, dass geoelektrische Methoden detaillierte Informationen über grundwasserbezogene Prozesse liefern, und mit Hilfe von hydrologischen Modellen quantitative Abschätzungen hydrologischer Parameter gewonnen werden können. Wir werden diese bestehenden Entwicklungen nutzen und einen hydrogeophysikalischen Inversionsansatz entwickeln, der deterministische und geostatistische Ansätze kombiniert, um Abschätzungen der hydraulischen Leitfähigkeitsverteilung und schließlich räumlich aufgelöste Schätzungen der Grundwasserneubildungsraten zu liefern. Da diese Ansätze bekanntermaßen sehr rechenintensiv sind, werden wir zwei auf maschinellem Lernen basierende Ansätze entwickeln und testen. Der erste Ansatz nutzt Klassifizierungsschemata zur Verfolgung der Infiltrationsfront und leitet daraus hydraulische Leitfähigkeiten ab, während der zweite Ansatz physikalisch basierte Modelle zur Schätzung der hydraulischen Leitfähigkeiten aus den gemessenen elektrischen Widerständen verwendet. Wir werden optimierte Vermessungstechniken anwenden, um zu testen, ob die höhere Auflösung, die mit solchen Ansätzen erzielt werden kann, genauere Schätzungen der Neubildungsrate ermöglicht. Um die effektivste Lösung zu ermitteln, werden wir die Genauigkeit und die Rechenkosten der verschiedenen Ansätze vergleichen. Wir werden diese Techniken zunächst anhand synthetischer Modelle entwickeln, die bereits gewonnenen Felddaten ähneln, auf die die Ansätze später angewandt werden sollen. Um die Genauigkeit der verschiedenen Ansätze zu testen und zu bewerten, werden wir Laborexperimente konzipieren und durchführen. Nach der Validierung der entwickelten hydrogeophysikalischen Ansätze durch synthetische Modelle und Laborexperimente werden wir sie auf Felddaten anwenden, die im Rahmen früherer Projekte in Südkalifornien gewonnen wurden, sowie auf einen neuen Standort. Im Rahmen dieses Projekts werden wir neuartige Verfahren zur Abschätzung hydrogeophysikalischer Parameter entwickeln, die so abgestimmt werden, dass sie räumlich aufgelöste Schätzungen der Grundwasseranreicherungsraten liefern. Solche Informationen sind entscheidend für das Management und die Optimierung von Grundwasseranreicherungsanlagen.

Recent Publications

There are no publications

Record created 2024-07-05, last modified 2024-11-27

Similar records

Add to personal basket
Export as Author List with IDs BibTeX (UTF-8), EndNote XML, EndNote Text, RIS, MARC, Print MARC, MARCXML, DC,
Request correction
Submit fulltext

GSI Homepage \| GSI Library \| English Deutsch \| guest :: login GSI Repository
Search	Submit	Personalize Your alerts Your baskets Your searches	Help