TY - THES A1 - Fernandez Palomino, Carlos Antonio T1 - Understanding hydrological dynamics in the tropical Andes of Peru and Ecuador and their responses to climate change T1 - Verständnis der hydrologischen Dynamik in den tropischen Anden von Peru und Ecuador und ihrer Reaktionen auf den Klimawandel N2 - Human-induced climate change is impacting the global water cycle by, e.g., causing changes in precipitation patterns, evapotranspiration dynamics, cryosphere shrinkage, and complex streamflow trends. These changes, coupled with the increased frequency and severity of extreme hydrometeorological events like floods, droughts, and heatwaves, contribute to hydroclimatic disasters, posing significant implications for local and global infrastructure, human health, and overall productivity. In the tropical Andes, climate change is evident through warming trends, glacier retreats, and shifts in precipitation patterns, leading to altered risks of floods and droughts, e.g., in the upper Amazon River basin. Projections for the region indicate rising temperatures, potential glacier disappearance or substantial shrinkage, and altered streamflow patterns, highlighting challenges in water availability due to these expected changes and growing human water demand. The evolving trends in hydroclimatic conditions in the tropical Andes present significant challenges to socioeconomic and environmental systems, emphasizing the need for a comprehensive understanding to guide effective adaptation policies and strategies in response to the impacts of climate change in the region. The main objective of this thesis is to investigate current hydrological dynamics in the tropical Andes of Peru and Ecuador and their responses to climate change. Given the scarcity of hydrometeorological data in the region, this objective was accomplished through a comprehensive data preparation and analysis in combination with hydrological modeling using the Soil and Water Assessment Tool (SWAT) eco-hydrological model. In this context, the initial steps involved assessing, identifying, and/or generating more reliable climate input data to address data limitations. The thesis introduces RAIN4PE, a high-resolution precipitation dataset for Peru and Ecuador, developed by merging satellite, reanalysis, and ground-based data with surface elevation through the random forest method. Further adjustments of precipitation estimates were made for catchments influenced by fog/cloud water input on the eastern side of the Andes using streamflow data and applying the method of reverse hydrology. RAIN4PE surpasses other global and local precipitation datasets, showcasing superior reliability and accuracy in representing precipitation patterns and simulating hydrological processes across the tropical Andes. This establishes it as the optimal precipitation product for hydrometeorological applications in the region. Due to the significant biases and limitations of global climate models (GCMs) in representing key atmospheric variables over the tropical Andes, this study developed regionally adapted GCM simulations specifically tailored for Peru and Ecuador. These simulations are known as the BASD-CMIP6-PE dataset, and they were derived using reliable, high-resolution datasets like RAIN4PE as reference data. The BASD-CMIP6-PE dataset shows notable improvements over raw GCM simulations, reflecting enhanced representations of observed climate properties and accurate simulation of streamflow, including high and low flow indices. This renders it suitable for assessing regional climate change impacts on agriculture, water resources, and hydrological extremes. In addition to generating more accurate climatic input data, a reliable hydrological model is essential for simulating watershed hydrological processes. To tackle this challenge, the thesis presents an innovative multiobjective calibration framework integrating remote sensing vegetation data, baseflow index, discharge goodness-of-fit metrics, and flow duration curve signatures. In contrast to traditional calibration strategies relying solely on discharge goodness-of-fit metrics, this approach enhances the simulation of vegetation, streamflow, and the partitioning of flow into surface runoff and baseflow in a typical Andean catchment. The refined hydrological model calibration strategy was applied to conduct reliable simulations and understand current and future hydrological trajectories in the tropical Andes. By establishing a region-suitable and thoroughly tested hydrological model with high-resolution and reliable precipitation input data from RAIN4PE, this study provides new insights into the spatiotemporal distribution of water balance components in Peru and transboundary catchments. Key findings underscore the estimation of Peru's total renewable freshwater resource (total river runoff of 62,399 m3/s), with the Peruvian Amazon basin contributing 97.7%. Within this basin, the Amazon-Andes transition region emerges as a pivotal hotspot for water yield (precipitation minus evapotranspiration), characterized by abundant rainfall and lower atmospheric water demand/evapotranspiration. This finding underlines its paramount role in influencing the hydrological variability of the entire Amazon basin. Subsurface hydrological pathways, particularly baseflow from aquifers, strongly influence water yield in lowland and Andean catchments, sustaining streamflow, especially during the extended dry season. Water yield demonstrates an elevation- and latitude-dependent increase in the Pacific Basin (catchments draining into the Pacific Ocean), while it follows an unimodal curve in the Peruvian Amazon Basin, peaking in the Amazon-Andes transition region. This observation indicates an intricate relationship between water yield and elevation. In Amazon lowlands rivers, particularly in the Ucayali River, floodplains play a significant role in shaping streamflow seasonality by attenuating and delaying peak flows for up to two months during periods of high discharge. This observation underscores the critical importance of incorporating floodplain dynamics into hydrological simulations and river management strategies for accurate modeling and effective water resource management. Hydrological responses vary across different land use types in high Andean catchments. Pasture areas exhibit the highest water yield, while agricultural areas and mountain forests show lower yields, emphasizing the importance of puna (high-altitude) ecosystems, such as pastures, páramos, and bofedales, in regulating natural storage. Projected future hydrological trajectories were analyzed by driving the hydrological model with regionalized GCM simulations provided by the BASD-CMIP6-PE dataset. The analysis considered sustainable (low warming, SSP1-2.6) and fossil fuel-based development (high-end warming, SSP5-8.5) scenarios for the mid (2035-2065) and end (2065-2095) of the century. The projected changes in water yield and streamflow across the tropical Andes exhibit distinct regional and seasonal variations, particularly amplified under a high-end warming scenario towards the end of the century. Projections suggest year-round increases in water yield and streamflow in the Andean regions and decreases in the Amazon lowlands, with exceptions such as the northern Amazon expecting increases during wet seasons. Despite these regional differences, the upper Amazon River's streamflow is projected to remain relatively stable throughout the 21st century. Additionally, projections anticipate a decrease in low flows in the Amazon lowlands and an increased risk of high flows (floods) in the Andean and northern Amazon catchments. This thesis significantly contributes to enhancing climatic data generation, overcoming regional limitations that previously impeded hydrometeorological research, and creating new opportunities. It plays a crucial role in advancing hydrological model calibration, improving the representation of internal hydrological processes, and achieving accurate results for the right reasons. Novel insights into current hydrological dynamics in the tropical Andes are fundamental for improving water resource management. The anticipated intensified changes in water flows and hydrological extreme patterns under a high-end warming scenario highlight the urgency of implementing emissions mitigation and adaptation measures to address the heightened impacts on water resources. In fact, the new datasets (RAIN4PE and BASD-CMIP6-PE) have already been utilized by researchers and experts in regional and local-scale projects and catchments in Peru and Ecuador. For instance, they have been applied in river catchments such as Mantaro, Piura, and San Pedro to analyze local historical and future developments in climate and water resources. N2 - Menschgemachter Klimawandel beeinflusst den globalen Wasserkreislauf durch Veränderungen in Niederschlagsmustern, Verdunstungsdynamiken, dem Rückgang der Gletscher und komplexen Trends in den Abflussraten in den Flüssen. Diese Veränderungen, gepaart mit der zunehmenden Häufigkeit und Schwere von extremen hydrometeorologischen Ereignissen wie Überschwemmungen, Dürren und Hitzewellen, tragen zu hydroklimatischen Katastrophen bei und haben erhebliche Auswirkungen auf lokale und globale Infrastruktur, die menschliche Gesundheit und die Gesamtproduktivität. In den tropischen Anden zeigt sich der Klimawandel durch Erwärmungstrends, Gletscherschmelzen und Verschiebungen in den Niederschlagsmustern, was zu erhöhten Risiken von Überschwemmungen und Dürren führt, beispielsweise im oberen Amazonas-Einzugsgebiet. Projektionen für die Region deuten auf steigende Temperaturen, potenzielles Verschwinden oder erhebliche Schrumpfung von Gletschern und veränderte Abflussmuster hin, was die Herausforderungen bei der Wasserverfügbarkeit aufgrund dieser erwarteten Veränderungen und des wachsenden menschlichen Wasserbedarfs zeigt. Die Trends in den hydroklimatischen Bedingungen in den tropischen Anden stellen erhebliche Herausforderungen für sozioökonomische und Umweltsysteme dar und unterstreichen die Notwendigkeit eines umfassenden Verständnisses, um effektive Anpassungspolitiken und -strategien im Hinblick auf die Auswirkungen des Klimawandels in der Region zu steuern. Das Hauptziel dieser Dissertation ist es, die aktuellen hydrologischen Dynamiken in den tropischen Anden von Peru und Ecuador und ihre Reaktionen auf den Klimawandel zu untersuchen. Aufgrund der Knappheit von hydrometeorologischen Daten in der Region wurde dieses Ziel durch eine umfassende Datenvorbereitung und -analyse in Kombination mit hydrologische Modellierung mithilfe des ökohydrologischen Modells Soil and Water Assessment Tool (SWAT) erreicht. Die ersten Schritte umfassten die Bewertung, Identifizierung und/oder Generierung zuverlässigerer Klimadaten, um Datenbeschränkungen zu bewältigen. Die Arbeit beginnt mit der Vorstellung von RAIN4PE, einen hochauflösenden Niederschlagsdatensatz für Peru und Ecuador, der durch die Zusammenführung von Satelliten-, Reanalysen- und bodengestützten Daten mit der Geländeoberfläche durch die Methode des Random Forest entwickelt wurde. Weitere Anpassungen der Niederschlagsschätzungen erfolgen unter Verwendung von Abflussdaten für Einzugsgebiete, die durch den Einfluss von Nebel-/Wolkenwasser auf der östlichen Seite der Anden beeinflusst werden, und mit Hilfe der Methode der Reverse-Hydrologie. RAIN4PE übertrifft andere globale und lokale Niederschlagsdatensätze und zeigt eine überlegene Zuverlässigkeit und Genauigkeit bei der Darstellung von Niederschlagsmustern und der Simulation hydrologischer Prozesse in den tropischen Anden. Dies etabliert ihn als das optimale Niederschlagsprodukt für hydrometeorologische Anwendungen in der Region. Aufgrund der signifikanten Ungenauigkeiten und Beschränkungen globaler Klimamodelle (GCMs) bei der Darstellung wichtiger atmosphärischer Variablen über den tropischen Anden entwickelte diese Studie regional angepasste GCM-Simulationen, die speziell für Peru und Ecuador maßgeschneidert wurden. Diese Simulationen sind als der BASD-CMIP6-PE-Datensatz bekannt und wurden unter Verwendung zuverlässiger, hochauflösender Datensätze wie RAIN4PE als Referenzdaten abgeleitet. Der BASD-CMIP6-PE-Datensatz weist gegenüber rohen GCM-Ergebnissen bedeutende Verbesserungen auf, zeigt eine verbesserte Darstellung beobachteter Klimaeigenschaften und eine genaue Simulation des Wasserabflusses einschließlich seiner Hoch- und Niedrigflussindizes. Dies macht ihn geeignet, regionale Auswirkungen des Klimawandels auf Landwirtschaft, Wasserressourcen und hydrologische Extremereignisse zu bewerten. Zusätzlich zur Generierung genauerer klimatischer Eingabedaten ist ein zuverlässiges hydrologisches Modell für die Simulation hydrologischer Dynamiken im Einzugsgebiet unerlässlich. Um diese Herausforderung zu bewältigen, stellt die Arbeit einen innovativen multiobjektiven Kalibrierungsrahmen vor, der fernerkundungsbasierte Vegetationsdaten, Basisabfluss-Index, Abflussgütemaße und Kennzeichen der Abflussdauerkurve integriert. Im Gegensatz zu traditionellen Kalibrierungsstrategien, die ausschließlich auf Abflussgütemaße beruhen, verbessert dieser Ansatz die Simulation von Vegetation, Wasserabfluss und Aufteilung des Abflusses in Oberflächen- und Basisabfluss in einem typischen Anden-Einzugsgebiet. Die verfeinerte Kalibrierungsstrategie des hydrologischen Modells wurde angewendet, um zuverlässigere Simulationen zu erzielen und aktuelle und zukünftige hydrologische Entwicklungen in den tropischen Anden zu verstehen. Aufbauend auf einer der Region angepassten hydrologischen Modell mit hochauflösenden und zuverlässigen Niederschlagsdaten von RAIN4PE liefert diese Studie neue Einblicke in die räumlich-zeitliche Verteilung von Wasserbilanzkomponenten in Peru und grenzüberschreitenden Einzugsgebieten. Die wichtigsten Erkenntnisse betonen die Schätzung der Gesamtmenge an erneuerbarem Süßwasser in Peru (Gesamtwasserabfluss von 62.399 m3/s), wobei das peruanische Amazonasbecken 97,7% dazu beiträgt. Innerhalb dieses Beckens wird die Übergangsregion Amazonas-Anden als zentraler Hotspot für Wasserertrag (Niederschlag minus Evapotranspiration) hervorgehoben, geprägt durch reichlichen Niederschlag und eine geringere atmosphärische Wassernachfrage/Evapotranspiration. Diese Erkenntnis unterstreicht ihre herausragende Rolle bei der Beeinflussung der hydrologischen Variabilität des gesamten Amazonasbeckens. Unterirdische hydrologische Komponenten, insbesondere der Grundwasserabfluss, beeinflussen deutlich die Abflussbildung in Tiefland- und Anden-Einzugsgebieten und unterstützen den Abfluss in den Flüssen, insbesondere während der verlängerten Trockenzeit. Wasserertrag zeigt einen höhen- und breitengradabhängigen Anstieg im Pazifikbecken (Einzugsgebiete, die in den Pazifik münden), während er im peruanischen Amazonasbecken einer unimodalen Kurve folgt und im Übergangsgebiet Amazonas-Anden seinen Höhepunkt erreicht. Dieses Ergebnis verdeutlicht den Zusammenhang zwischen Abflussbildung und Geländehöhe. In Flüssen der Tiefebenen des Amazonas, insbesondere im Ucayali-Fluss, spielen Überschwemmungsgebiete eine bedeutende Rolle bei der saisonalen Wasserflussdynamik, indem sie Spitzenflüsse für bis zu zwei Monate während Perioden hoher Abflüsse abschwächen und verzögern. Dieses Ergebnis unterstreicht die Wichtigkeit der Einbeziehung von Überschwemmungsdynamiken in hydrologische Simulationen und Flussmanagementstrategien für eine präzise Modellierung und effektive Wasserressourcenbewirtschaftung. Hydrologische Reaktionen variieren je nach Landnutzungstypen in hohen Anden-Einzugsgebieten. Weideflächen zeigen den höchsten Wasserertrag, während landwirtschaftliche Flächen und Bergwälder geringere Wasserertrag aufweisen, was die Bedeutung von Puna (hochgelegenen) Ökosystemen wie Weiden, Páramos und Bofedales bei der Regulierung natürlicher Speicher betont. Projektierte zukünftige hydrologische Entwicklungen wurden analysiert, indem das hydrologische Modell mit regionalisierten GCM-Simulationen des BASD-CMIP6-PE-Datensatzes angetrieben wurde. Diese Analyse berücksichtigte nachhaltige (geringe Erwärmung, SSP1-2.6) und auf starker Nutzung fossiler Brennstoffe basierende (hochgradige Erwärmung, SSP5-8.5) Szenarien für die Mitte (2035-2065) und das Ende (2065-2095) des 21. Jahrhunderts. Die projektierten Veränderungen in Wasserertrag und Wasserabfluss in den tropischen Anden zeigen deutliche regionale und saisonale Variationen, insbesondere unter einem Szenario mit hoher Erwärmung gegen Ende des Jahrhunderts. Diese Projektionen deuten auf ganzjährige Zunahmen im Wasserertrag und Wasserabfluss in den Andenregionen und Rückgänge in den Tiefebenen des Amazonas hin, mit Ausnahmen wie im nördlichen Amazonasgebiet, wo Zunahmen während der Regenzeiten projektiert werden. Trotz dieser regionalen Unterschiede wird der jährliche Wasserabfluss des oberen Amazonas voraussichtlich im gesamten 21. Jahrhundert relativ stabil bleiben. Darüber hinaus deuten die Projektionen auf eine Abnahme der Niedrigabflüsse in den Tiefebenen des Amazonas und ein erhöhtes Risiko von Hochwasserabflüssen (Überschwemmungen) in den Anden- und nördlichen Amazonas-Einzugsgebieten hin. Diese Arbeit trägt erheblich zur Verbesserung der Datenlage bzgl. des Klimas in dieser Region bei, überwindet regionale Datenbegrenzungen, die zuvor hydrometeorologische Forschung behinderten, und schafft neue Möglichkeiten. Sie trägt zur Fortentwicklung der Kalibrierung hydrologischer Modelle bei, der Verbesserung der Darstellung interner hydrologischer Prozesse und damit der Erzielung hydrologisch konsistenter Simulationsergebnisse. Diese neuen Erkenntnisse zu den hydrologischen Dynamiken in den tropischen Anden sind grundlegend für eine verbesserte Bewirtschaftung der regionalen Wasserressourcen. Die erwartete Intensivierung des regionalen Wasserkreislaufs unter einem Szenario mit hoher Erwärmung unterstreichen die Dringlichkeit der Umsetzung von Maßnahmen zur Emissionsminderung und Anpassung, um den verstärkten Auswirkungen auf Wasserressourcen zu begegnen. Tatsächlich wurden die neuen Datensätze (RAIN4PE und BASD-CMIP6-PE) bereits von Forschern und Experten in regionalen und lokalen Projekten und Einzugsgebieten in Peru und Ecuador genutzt. Zum Beispiel wurden sie in Flusseinzugsgebieten wie Mantaro, Piura und San Pedro angewendet, um lokale historische und zukünftige Entwicklungen in Klima und Wasserressourcen zu analysieren. KW - hydrology KW - Hydrologie KW - tropical Andes KW - tropische Anden KW - climate change KW - Klimawandel KW - water resources KW - Wasserressourcen KW - RAIN4PE KW - RAIN4PE KW - BASD-CMIP6-PE KW - BASD-CMIP6-PE Y1 - 2024 U6 - http://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:kobv:517-opus4-656534 ER - TY - JOUR A1 - Muster, Sina A1 - Riley, William J. A1 - Roth, Kurt A1 - Langer, Moritz A1 - Aleina, Fabio Cresto A1 - Koven, Charles D. A1 - Lange, Stephan A1 - Bartsch, Annett A1 - Grosse, Guido A1 - Wilson, Cathy J. A1 - Jones, Benjamin M. A1 - Boike, Julia T1 - Size distributions of arctic waterbodies reveal consistent relations in their statistical moments in space and time JF - Frontiers in Earth Science N2 - Arctic lowlands are characterized by large numbers of small waterbodies, which are known to affect surface energy budgets and the global carbon cycle. Statistical analysis of their size distributions has been hindered by the shortage of observations at sufficiently high spatial resolutions. This situation has now changed with the high-resolution (<5 m) circum-Arctic Permafrost Region Pond and Lake (PeRL) database recently becoming available. We have used this database to make the first consistent, high-resolution estimation of Arctic waterbody size distributions, with surface areas ranging from 0.0001 km(2) (100 m(2)) to 1 km(2). We found that the size distributions varied greatly across the thirty study regions investigated and that there was no single universal size distribution function (including power-law distribution functions) appropriate across all of the study regions. We did, however, find close relationships between the statistical moments (mean, variance, and skewness) of the waterbody size distributions from different study regions. Specifically, we found that the spatial variance increased linearly with mean waterbody size (R-2 = 0.97, p < 2.2e-16) and that the skewness decreased approximately hyperbolically. We have demonstrated that these relationships (1) hold across the 30 Arctic study regions covering a variety of (bio)climatic and permafrost zones, (2) hold over time in two of these study regions for which multi-decadal satellite imagery is available, and (3) can be reproduced by simulating rising water levels in a high-resolution digital elevation model. The consistent spatial and temporal relationships between the statistical moments of the waterbody size distributions underscore the dominance of topographic controls in lowland permafrost areas. These results provide motivation for further analyses of the factors involved in waterbody development and spatial distribution and for investigations into the possibility of using statistical moments to predict future hydrologic dynamics in the Arctic. KW - permafrost KW - hydrology KW - waterbodies KW - size distribution KW - thermokarst KW - statistical moments KW - ponds KW - lakes Y1 - 2019 U6 - https://doi.org/10.3389/feart.2019.00005 SN - 2296-6463 VL - 7 PB - Frontiers Research Foundation CY - Lausanne ER - TY - THES A1 - Kemter, Matthias T1 - River floods in a changing world T1 - Flusshochwasser in einer sich ändernden Welt N2 - River floods are among the most devastating natural hazards worldwide. As their generation is highly dependent on climatic conditions, their magnitude and frequency are projected to be affected by future climate change. Therefore, it is crucial to study the ways in which a changing climate will, and already has, influenced flood generation, and thereby flood hazard. Additionally, it is important to understand how other human influences - specifically altered land cover - affect flood hazard at the catchment scale. The ways in which flood generation is influenced by climatic and land cover conditions differ substantially in different regions. The spatial variability of these effects needs to be taken into account by using consistent datasets across large scales as well as applying methods that can reflect this heterogeneity. Therefore, in the first study of this cumulative thesis a complex network approach is used to find 10 clusters of similar flood behavior among 4390 catchments in the conterminous United States. By using a consistent set of 31 hydro-climatological and land cover variables, and training a separate Random Forest model for each of the clusters, the regional controls on flood magnitude trends between 1960-2010 are detected. It is shown that changes in rainfall are the most important drivers of these trends, while they are regionally controlled by land cover conditions. While climate change is most commonly associated with flood magnitude trends, it has been shown to also influence flood timing. This can lead to trends in the size of the area across which floods occur simultaneously, the flood synchrony scale. The second study is an analysis of data from 3872 European streamflow gauges and shows that flood synchrony scales have increased in Western Europe and decreased in Eastern Europe. These changes are attributed to changes in flood generation, especially a decreasing relevance of snowmelt. Additionally, the analysis shows that both the absolute values and the trends of flood magnitudes and flood synchrony scales are positively correlated. If these trends persist in the future and are not accounted for, the combined increases of flood magnitudes and flood synchrony scales can exceed the capacities of disaster relief organizations and insurers. Hazard cascades are an additional way through which climate change can influence different aspects of flood hazard. The 2019/2020 wildfires in Australia, which were preceded by an unprecedented drought and extinguished by extreme rainfall that led to local flooding, present an opportunity to study the effects of multiple preceding hazards on flood hazard. All these hazards are individually affected by climate change, additionally complicating the interactions within the cascade. By estimating and analyzing the burn severity, rainfall magnitude, soil erosion and stream turbidity in differently affected tributaries of the Manning River catchment, the third study shows that even low magnitude floods can pose a substantial hazard within a cascade. This thesis shows that humanity is affecting flood hazard in multiple ways with spatially and temporarily varying consequences, many of which were previously neglected (e.g. flood synchrony scale, hazard cascades). To allow for informed decision making in risk management and climate change adaptation, it will be crucial to study these aspects across the globe and to project their trajectories into the future. The presented methods can depict the complex interactions of different flood drivers and their spatial variability, providing a basis for the assessment of future flood hazard changes. The role of land cover should be considered more in future flood risk modelling and management studies, while holistic, transferable frameworks for hazard cascade assessment will need to be designed. N2 - Flusshochwasser gehören zu den verheerendsten Naturkatastrophen weltweit. Ihre Entstehung hängt von klimatischen Bedingungen ab, weshalb vorhergesagt wird, dass sich ihre Magnituden und Häufigkeit durch den Klimawandel ändern werden. Daher ist es notwendig zu untersuchen, auf welche Art sich ein verändertes Klima - auch im Vergleich mit Effekten durch Landbedeckungsänderungen - auf Hochwasserentstehung und -gefahr auswirken könnte und das bereits getan hat. Diese kumulative Arbeit beleuchtet drei Teilaspekte dieses Themas. In der ersten Studie werden mittels maschinellen Lernens die wichtigsten Variablen entdeckt und untersucht, die die Änderungen von Hochwassermagnituden in 4390 Einzugsgebieten in den USA von 1960-2010 kontrolliert haben. Es wird gezeigt, dass Änderungen der Regenmengen der entscheidende Faktor waren, während Landnutzung regional von großer Bedeutung war. Die zweite Studie untersucht von 1960-2010 Änderungen in der Distanz innerhalb welcher Hochwasser in verschiedenen Flüssen gleichzeitig auftreten. Daten von 3872 europäischen Flusspegeln zeigen, dass sich die Fläche der gleichzeitigen Überflutung in Westeuropa vergrößert und in Osteuropa verkleinert hat, was auf abnehmende Relevanz der Schneeschmelze bei der Hochwasserentstehung zurückzuführen ist. Die dritte Studie behandelt die Auswirkungen kaskadierender Naturkatastrophen auf Hochwasser am Beispiel der australischen Waldbrände 2019/2020. Die Untersuchung der verschieden stark betroffenen Nebenflüsse des Manning River zeigt, dass in einer Naturgefahrenkaskade selbst gewöhnliche Hochwasser substantielle Auswirkungen haben können. Diese Arbeit zeigt, dass die Menschheit Hochwassergefahren auf verschiedene Arten und mit räumlich sowie zeitlich variablen Resultaten beeinflusst. Diese Aspekte müssen zukünftig global näher untersucht und ihre Entwicklung für die Zukunft modelliert werden, um fundierte Entscheidungen in Hochwasserschutz treffen zu können. Für Hochwassermagnituden und die Fläche gleichzeitiger Überflutung können hierfür die präsentierten Methoden adaptiert werden. KW - hydrology KW - climate change KW - flood KW - Hydrologie KW - Klimawandel KW - Hochwasser Y1 - 2022 U6 - http://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:kobv:517-opus4-558564 ER - TY - THES A1 - Pilz, Tobias T1 - Pursuing the understanding of uncertainties in hydrological modelling N2 - Hydrological models are important tools for the simulation and quantification of the water cycle. They therefore aid in the understanding of hydrological processes, prediction of river discharge, assessment of the impacts of land use and climate changes, or the management of water resources. However, uncertainties associated with hydrological modelling are still large. While significant research has been done on the quantification and reduction of uncertainties, there are still fields which have gained little attention so far, such as model structural uncertainties that are related to the process implementations in the models. This holds especially true for complex process-based models in contrast to simpler conceptual models. Consequently, the aim of this thesis is to improve the understanding of structural uncertainties with focus on process-based hydrological modelling, including methods for their quantification. To identify common deficits of frequently used hydrological models and develop further strategies on how to reduce them, a survey among modellers was conducted. It was found that there is a certain degree of subjectivity in the perception of modellers, for instance with respect to the distinction of hydrological models into conceptual groups. It was further found that there are ambiguities on how to apply a certain hydrological model, for instance how many parameters should be calibrated, together with a large diversity of opinion regarding the deficits of models. Nevertheless, evapotranspiration processes are often represented in a more physically based manner, while processes of groundwater and soil water movement are often simplified, which many survey participants saw as a drawback. A large flexibility, for instance with respect to different alternative process implementations or a small number of parameters that needs to be calibrated, was generally seen as strength of a model. Flexible and efficient software, which is straightforward to apply, has been increasingly acknowledged by the hydrological community. This work further elaborated on this topic in a twofold way. First, a software package for semi-automated landscape discretisation has been developed, which serves as a tool for model initialisation. This was complemented by a sensitivity analysis of important and commonly used discretisation parameters, of which the size of hydrological sub-catchments as well as the size and number of hydrologically uniform computational units appeared to be more influential than information considered for the characterisation of hillslope profiles. Second, a process-based hydrological model has been implemented into a flexible simulation environment with several alternative process representations and a number of numerical solvers. It turned out that, even though computation times were still long, enhanced computational capabilities nowadays in combination with innovative methods for statistical analysis allow for the exploration of structural uncertainties of even complex process-based models, which up to now was often neglected by the modelling community. In a further study it could be shown that process-based models may even be employed as tools for seasonal operational forecasting. In contrast to statistical models, which are faster to initialise and to apply, process-based models produce more information in addition to the target variable, even at finer spatial and temporal scales, and provide more insights into process behaviour and catchment functioning. However, the process-based model was much more dependent on reliable rainfall forecasts. It seems unlikely that there exists a single best formulation for hydrological processes, even for a specific catchment. This supports the use of flexible model environments with alternative process representations instead of a single model structure. However, correlation and compensation effects between process formulations, their parametrisation, and other aspects such as numerical solver and model resolution, may lead to surprising results and potentially misleading conclusions. In future studies, such effects should be more explicitly addressed and quantified. Moreover, model functioning appeared to be highly dependent on the meteorological conditions and rainfall input generally was the most important source of uncertainty. It is still unclear, how this could be addressed, especially in the light of the aforementioned correlations. The use of innovative data products, e.g.\ remote sensing data in combination with station measurements, and efficient processing methods for the improvement of rainfall input and explicit consideration of associated uncertainties is advisable to bring more insights and make hydrological simulations and predictions more reliable. N2 - Hydrologische Modelle sind wichtige Werkzeuge zur Simulation und Quantifizierung des Wasserkreislaufs. Sie helfen bei der explorativen Analyse hydrologischer Prozesse, Abflussvorhersage, Abschätzung der Folgen von Klima- und Landnutzungswandel oder dem Management von Wasserressourcen. Allerdings sind die mit der hydrologischen Modellierung einhergehenden Unsicherheiten noch immer groß. Trotz der zahlreichen Forschungsarbeiten auf dem Gebiet der Quantifizierung und Reduktion der Unsicherheiten gibt es einige Bereiche, die bisher wenig erforscht wurden, wie beispielsweise strukturelle Unsicherheiten, welche sich unter anderem auf die Prozessimplementation in den Modellen beziehen. Dies betrifft vor allem komplexe prozessbasierte Modelle im Gegensatz zu einfacheren konzeptionellen Modellen. Gegenstand dieser Arbeit ist es daher, das Verständnis struktureller Unsicherheiten sowie Methoden für deren Quantifizierung innerhalb prozessbasierter hydrologischer Modellanwendungen zu erweitern. Zur Identifikation typischer Defizite hydrologischer Modelle und Erarbeitung von Lösungsstrategien, um diese zu reduzieren, wurde eine Umfrage unter Modellanwendern durchgeführt. Dabei stellte sich heraus, dass ein hohes Maß an Subjektivität in der Wahrnehmung des Themas unter Modellieren herrscht, beispielsweise bei der Einordnung hydrologischer Modelle in konzeptionelle Klassen. Des Weiteren gibt es Unklarheiten in der Art und Weise, wie ein bestimmtes hydrologisches Modell angewendet werden sollte, wie etwa hinsichtlich der Kalibrierung bestimmter Parameter, sowie vielschichtige Auffassungen bezüglich der Modelldefizite. Letztlich stellte sich jedoch heraus, dass Verdunstungsprozesse vor allem physikalisch basiert abgebildet werden, während Prozesse im Bereich des Grundwassers und der Bodenwasserbewegung häufig vereinfacht abgebildet werden, was von vielen Umfrageteilnehmern als Nachteil empfunden wurde. Generell als Stärke wurde die Flexibilität einiger Modelle empfunden, zum Beispiel wenn diese verschiedene Implementationen eines Prozesses enthalten oder wenn nur eine geringe Zahl an Parametern kalibriert werden muss. Flexible und effiziente Software, die darüber hinaus einfach zu bedienen ist, wird von der hydrologischen Gemeinschaft immer stärker in den Vordergrund gebracht. Daher greift diese Arbeit das Thema in zweifacher Hinsicht auf. Zum einen wurde ein Softwarepaket zur halbautomatischen Landschaftsdiskretisierung entwickelt, welches zudem als Werkzeug zur Modellinitialisierung gedacht ist. Damit einhergehend wurde eine Sensitivitätsanalyse wichtiger und häufig genutzter Diskretisierungsparameter durchgeführt, bei der die Größe hydrologischer Teileinzugsgebiete sowie die Anzahl und Größe hydrologischer Elementarflächen sich als maßgeblicher herausstellte als etwa raumbezogene Informationen zur Charakterisierung der Hangprofile. Zum anderen wurde ein prozessbasiertes hydrologisches Modell in eine flexible Softwareumgebung integriert, der verschiedene alternative Prozessformulierungen sowie numerische Differentialgleichungslöser hinzugefügt wurden. Die Analyse struktureller Unsicherheiten komplexer prozessbasierter Modelle wurde in der Vergangenheit von der hydrologischen Gemeinschaft mit Verweis auf zu lange Rechenzeit oft vernachlässigt. Es zeigte sich jedoch, dass die mittlerweile zur Verfügung stehenden Computerressourcen, vor allem in Kombination mit innovativen statistischen Analyseverfahren, derartige Untersuchungen bereits ermöglichen. In einer weiteren Studie konnte zudem gezeigt werden, dass auch prozessbasierte Modelle für den operationellen Einsatz in der saisonalen Vorhersage geeignet sind. Im Gegensatz zu statistischen Modellen, welche schneller initialisierbar und anwendbar sind, produzieren prozessbasierte Modelle neben der eigentlichen Zielgröße weitere potentiell relevante Informationen in höherer räumlicher und zeitlicher Auflösung und geben zudem tiefere Einblicke in die generelle Wirkungsweise der hydrologischen Prozesse in einem Einzugsgebiet. In der Studie stellte sich jedoch ebenso heraus, dass zuverlässige Niederschlagsvorhersagen für ein prozessbasiertes Modell umso wichtiger sind. Allgemein erscheint es unwahrscheinlich, dass eine einzelne optimale Implementation für einen hydrologischen Prozess, selbst innerhalb eines bestimmten Einzugsgebietes, überhaupt existiert. Die Nutzung flexibler Modellumgebungen mit alternativen Prozessbeschreibungen anstelle eines einzelnen Modells scheint deshalb große Vorteile zu bringen. Mögliche Korrelationen zwischen Prozessbeschreibungen, deren Parametrisierung, sowie anderen Aspekte wie numerischen Lösern und Modellauflösung, können jedoch zu überraschenden Ergebnissen und letztlich falschen Schlussfolgerungen führen. In zukünftigen Studien sollten solche Effekte daher explizit berücksichtigt und quantifiziert werden. Darüber hinaus wird die Leistungsfähigkeit eines Modells maßgeblich von den meteorologischen Randbedingungen beeinflusst. Vor allem der Niederschlag erwies sich innerhalb dieser Arbeit als wichtigste Ursache für Unsicherheiten in der Modellierung. Allerdings ist nicht vollständig klar, wie dieser Umstand berücksichtigt werden kann und inwiefern die zuvor genannten Korrelationen hier einen Einfluss haben. Die Nutzung innovativer Datenprodukte, zum Beispiel Fernerkundungsdaten verbunden mit Stationsmessungen, in Kombination mit effizienten Prozessierungsalgorithmen zur Verbesserung des Niederschlagsinputs und expliziten Beachtung einhergehender Unsicherheiten wird angeraten. Dies verspricht bessere Einblicke in die Zusammenhänge verschiedener Unsicherheitsquellen zu gewinnen und letztlich hydrologische Simulationen und Vorhersagen zuverlässiger zu machen. T2 - Beiträge zum Verständnis der Unsicherheiten in der hydrologischen Modellierung KW - hydrology KW - hydrological modelling KW - uncertainties KW - Hydrologie KW - hydrologische Modellierung KW - Unsicherheiten Y1 - 2020 U6 - http://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:kobv:517-opus4-476643 ER - TY - JOUR A1 - Stein, Lina A1 - Mukkavilli, Surya Karthik A1 - Wagener, Thorsten T1 - Lifelines for a drowning science - improving findability and synthesis of hydrologic publications JF - Hydrological processes N2 - Increasing publication numbers make it difficult to keep up with knowledge evolution in a science like hydrology. Here we give recommendations to authors and journals for writing future-proof articles that contribute to knowledge accumulation and synthesis. KW - findability KW - hydrology KW - knowledge synthesis KW - natural language processing KW - scholarly publishing KW - text mining Y1 - 2022 U6 - https://doi.org/10.1002/hyp.14742 SN - 0885-6087 SN - 1099-1085 VL - 36 IS - 11 PB - Wiley CY - New York, NY ER - TY - THES A1 - Güntner, Andreas T1 - Large-scale hydrological modelling in the semi-arid north-east of Brazil N2 - Semi-arid areas are, due to their climatic setting, characterized by small water resources. An increasing water demand as a consequence of population growth and economic development as well as a decreasing water availability in the course of possible climate change may aggravate water scarcity in future, which often exists already for present-day conditions in these areas. Understanding the mechanisms and feedbacks of complex natural and human systems, together with the quantitative assessment of future changes in volume, timing and quality of water resources are a prerequisite for the development of sustainable measures of water management to enhance the adaptive capacity of these regions. For this task, dynamic integrated models, containing a hydrological model as one component, are indispensable tools. The main objective of this study is to develop a hydrological model for the quantification of water availability in view of environmental change over a large geographic domain of semi-arid environments. The study area is the Federal State of Ceará (150 000 km2) in the semi-arid north-east of Brazil. Mean annual precipitation in this area is 850 mm, falling in a rainy season with duration of about five months. Being mainly characterized by crystalline bedrock and shallow soils, surface water provides the largest part of the water supply. The area has recurrently been affected by droughts which caused serious economic losses and social impacts like migration from the rural regions. The hydrological model Wasa (Model of Water Availability in Semi-Arid Environments) developed in this study is a deterministic, spatially distributed model being composed of conceptual, process-based approaches. Water availability (river discharge, storage volumes in reservoirs, soil moisture) is determined with daily resolution. Sub-basins, grid cells or administrative units (municipalities) can be chosen as spatial target units. The administrative units enable the coupling of Wasa in the framework of an integrated model which contains modules that do not work on the basis of natural spatial units. The target units mentioned above are disaggregated in Wasa into smaller modelling units within a new multi-scale, hierarchical approach. The landscape units defined in this scheme capture in particular the effect of structured variability of terrain, soil and vegetation characteristics along toposequences on soil moisture and runoff generation. Lateral hydrological processes at the hillslope scale, as reinfiltration of surface runoff, being of particular importance in semi-arid environments, can thus be represented also within the large-scale model in a simplified form. Depending on the resolution of available data, small-scale variability is not represented explicitly with geographic reference in Wasa, but by the distribution of sub-scale units and by statistical transition frequencies for lateral fluxes between these units. Further model components of Wasa which respect specific features of semi-arid hydrology are: (1) A two-layer model for evapotranspiration comprises energy transfer at the soil surface (including soil evaporation), which is of importance in view of the mainly sparse vegetation cover. Additionally, vegetation parameters are differentiated in space and time in dependence on the occurrence of the rainy season. (2) The infiltration module represents in particular infiltration-excess surface runoff as the dominant runoff component. (3) For the aggregate description of the water balance of reservoirs that cannot be represented explicitly in the model, a storage approach respecting different reservoirs size classes and their interaction via the river network is applied. (4) A model for the quantification of water withdrawal by water use in different sectors is coupled to Wasa. (5) A cascade model for the temporal disaggregation of precipitation time series, adapted to the specific characteristics of tropical convective rainfall, is applied for the generating rainfall time series of higher temporal resolution. All model parameters of Wasa can be derived from physiographic information of the study area. Thus, model calibration is primarily not required. Model applications of Wasa for historical time series generally results in a good model performance when comparing the simulation results of river discharge and reservoir storage volumes with observed data for river basins of various sizes. The mean water balance as well as the high interannual and intra-annual variability is reasonably represented by the model. Limitations of the modelling concept are most markedly seen for sub-basins with a runoff component from deep groundwater bodies of which the dynamics cannot be satisfactorily represented without calibration. Further results of model applications are: (1) Lateral processes of redistribution of runoff and soil moisture at the hillslope scale, in particular reinfiltration of surface runoff, lead to markedly smaller discharge volumes at the basin scale than the simple sum of runoff of the individual sub-areas. Thus, these processes are to be captured also in large-scale models. The different relevance of these processes for different conditions is demonstrated by a larger percentage decrease of discharge volumes in dry as compared to wet years. (2) Precipitation characteristics have a major impact on the hydrological response of semi-arid environments. In particular, underestimated rainfall intensities in the rainfall input due to the rough temporal resolution of the model and due to interpolation effects and, consequently, underestimated runoff volumes have to be compensated in the model. A scaling factor in the infiltration module or the use of disaggregated hourly rainfall data show good results in this respect. The simulation results of Wasa are characterized by large uncertainties. These are, on the one hand, due to uncertainties of the model structure to adequately represent the relevant hydrological processes. On the other hand, they are due to uncertainties of input data and parameters particularly in view of the low data availability. Of major importance is: (1) The uncertainty of rainfall data with regard to their spatial and temporal pattern has, due to the strong non-linear hydrological response, a large impact on the simulation results. (2) The uncertainty of soil parameters is in general of larger importance on model uncertainty than uncertainty of vegetation or topographic parameters. (3) The effect of uncertainty of individual model components or parameters is usually different for years with rainfall volumes being above or below the average, because individual hydrological processes are of different relevance in both cases. Thus, the uncertainty of individual model components or parameters is of different importance for the uncertainty of scenario simulations with increasing or decreasing precipitation trends. (4) The most important factor of uncertainty for scenarios of water availability in the study area is the uncertainty in the results of global climate models on which the regional climate scenarios are based. Both a marked increase or a decrease in precipitation can be assumed for the given data. Results of model simulations for climate scenarios until the year 2050 show that a possible future change in precipitation volumes causes a larger percentage change in runoff volumes by a factor of two to three. In the case of a decreasing precipitation trend, the efficiency of new reservoirs for securing water availability tends to decrease in the study area because of the interaction of the large number of reservoirs in retaining the overall decreasing runoff volumes. N2 - Semiaride Gebiete sind auf Grund der klimatischen Bedingungen durch geringe Wasserressourcen gekennzeichnet. Ein zukünftig steigender Wasserbedarf in Folge von Bevölkerungswachstum und ökonomischer Entwicklung sowie eine geringere Wasserverfügbarkeit durch mögliche Klimaänderungen können dort zu einer Verschärfung der vielfach schon heute auftretenden Wasserknappheit führen. Das Verständnis der Mechanismen und Wechselwirkungen des komplexen Systems von Mensch und Umwelt sowie die quantitative Bestimmung zukünftiger Veränderungen in der Menge, der zeitlichen Verteilung und der Qualität von Wasserressourcen sind eine grundlegende Voraussetzung für die Entwicklung von nachhaltigen Maßnahmen des Wassermanagements mit dem Ziel einer höheren Anpassungsfähigkeit dieser Regionen gegenüber künftigen Änderungen. Hierzu sind dynamische integrierte Modelle unerlässlich, die als eine Komponente ein hydrologisches Modell beinhalten. Vorrangiges Ziel dieser Arbeit ist daher die Erstellung eines hydrologischen Modells zur großräumigen Bestimmung der Wasserverfügbarkeit unter sich ändernden Umweltbedingungen in semiariden Gebieten. Als Untersuchungsraum dient der im semiariden tropischen Nordosten Brasiliens gelegene Bundestaat Ceará (150 000 km2). Die mittleren Jahresniederschläge in diesem Gebiet liegen bei 850 mm innerhalb einer etwa fünfmonatigen Regenzeit. Mit vorwiegend kristallinem Grundgebirge und geringmächtigen Böden stellt Oberflächenwasser den größten Teil der Wasserversorgung bereit. Die Region war wiederholt von Dürren betroffen, die zu schweren ökonomischen Schäden und sozialen Folgen wie Migration aus den ländlichen Gebieten geführt haben. Das hier entwickelte hydrologische Modell Wasa (Model of Water Availability in Semi-Arid Environments) ist ein deterministisches, flächendifferenziertes Modell, das aus konzeptionellen, prozess-basierten Ansätzen aufgebaut ist. Die Wasserverfügbarkeit (Abfluss im Gewässernetz, Speicherung in Stauseen, Bodenfeuchte) wird mit täglicher Auflösung bestimmt. Als räumliche Zieleinheiten können Teileinzugsgebiete, Rasterzellen oder administrative Einheiten (Gemeinden) gewählt werden. Letztere ermöglichen die Kopplung des Modells im Rahmen der integrierten Modellierung mit Modulen, die nicht auf der Basis natürlicher Raumeinheiten arbeiten. Im Rahmen eines neuen skalenübergreifenden, hierarchischen Ansatzes werden in Wasa die genannten Zieleinheiten in kleinere räumliche Modellierungseinheiten unterteilt. Die ausgewiesenen Landschaftseinheiten erfassen insbesondere die strukturierte Variabilität von Gelände-, Boden- und Vegetationseigenschaften entlang von Toposequenzen in ihrem Einfluss auf Bodenfeuchte und Abflussbildung. Laterale hydrologische Prozesse auf kleiner Skala, wie die für semiaride Bedingungen bedeutsame Wiederversickerung von Oberflächenabfluss, können somit auch in der erforderlichen großskaligen Modellanwendung vereinfacht wiedergegeben werden. In Abhängigkeit von der Auflösung der verfügbaren Daten wird in Wasa die kleinskalige Variabilität nicht räumlich explizit sondern über die Verteilung von Flächenanteilen subskaliger Einheiten und über statistische Übergangshäufigkeiten für laterale Flüsse zwischen den Einheiten berücksichtigt. Weitere Modellkomponenten von Wasa, die spezifische Bedingungen semiarider Gebiete berücksichtigen, sind: (1) Ein Zwei-Schichten-Modell zur Bestimmung der Evapotranspiration berücksichtigt auch den Energieumsatz an der Bodenoberfläche (inklusive Bodenverdunstung), der in Anbetracht der meist lichten Vegetationsbedeckung von Bedeutung ist. Die Vegetationsparameter werden zudem flächen- und zeitdifferenziert in Abhängigkeit vom Auftreten der Regenzeit modifiziert. (2) Das Infiltrationsmodul bildet insbesondere Oberflächenabfluss durch Infiltrationsüberschuss als dominierender Abflusskomponente ab. (3) Zur aggregierten Beschreibung der Wasserbilanz von im Modell nicht einzeln erfassbaren Stauseen wird ein Speichermodell unter Berücksichtigung verschiedener Größenklassen und ihrer Interaktion über das Gewässernetz eingesetzt. (4) Ein Modell zur Bestimmung der Entnahme durch Wassernutzung in verschiedenen Sektoren ist an Wasa gekoppelt. (5) Ein Kaskadenmodell zur zeitlichen Disaggregierung von Niederschlagszeitreihen, das in dieser Arbeit speziell für tropische konvektive Niederschlagseigenschaften angepasst wird, wird zur Erzeugung höher aufgelöster Niederschlagsdaten verwendet. Alle Modellparameter von Wasa können von physiographischen Gebietsinformationen abgeleitet werden, sodass eine Modellkalibrierung primär nicht erforderlich ist. Die Modellanwendung von Wasa für historische Zeitreihen ergibt im Allgemeinen eine gute Übereinstimmung der Simulationsergebnisse für Abfluss und Stauseespeichervolumen mit Beobachtungsdaten in unterschiedlich großen Einzugsgebieten. Die mittlere Wasserbilanz sowie die hohe monatliche und jährliche Variabilität wird vom Modell angemessen wiedergegeben. Die Grenzen der Anwendbarkeit des Modell-konzepts zeigen sich am deutlichsten in Teilgebieten mit Abflusskomponenten aus tieferen Grundwasserleitern, deren Dynamik ohne Kalibrierung nicht zufriedenstellend abgebildet werden kann. Die Modellanwendungen zeigen weiterhin: (1) Laterale Prozesse der Umverteilung von Bodenfeuchte und Abfluss auf der Hangskala, vor allem die Wiederversickerung von Oberflächenabfluss, führen auf der Skala von Einzugsgebieten zu deutlich kleineren Abflussvolumen als die einfache Summe der Abflüsse der Teilflächen. Diese Prozesse sollten daher auch in großskaligen Modellen abgebildet werden. Die unterschiedliche Ausprägung dieser Prozesse für unterschiedliche Bedingungen zeigt sich an Hand einer prozentual größeren Verringerung der Abflussvolumen in trockenen im Vergleich zu feuchten Jahren. (2) Die Niederschlagseigenschaften haben einen sehr großen Einfluss auf die hydrologische Reaktion in semiariden Gebieten. Insbesondere die durch die grobe zeitliche Auflösung des Modells und durch Interpolationseffekte unterschätzten Niederschlagsintensitäten in den Eingangsdaten und die daraus folgende Unterschätzung von Abflussvolumen müssen im Modell kompensiert werden. Ein Skalierungsfaktor in der Infiltrationsroutine oder die Verwendung disaggregierter stündlicher Niederschlagsdaten zeigen hier gute Ergebnisse. Die Simulationsergebnisse mit Wasa sind insgesamt durch große Unsicherheiten gekennzeichnet. Diese sind einerseits in Unsicherheiten der Modellstruktur zur adäquaten Beschreibung der relevanten hydrologischen Prozesse begründet, andererseits in Daten- und Parametersunsicherheiten in Anbetracht der geringen Datenverfügbarkeit. Von besonderer Bedeutung ist: (1) Die Unsicherheit der Niederschlagsdaten in ihrem räumlichen Muster und ihrer zeitlichen Struktur hat wegen der stark nicht-linearen hydrologischen Reaktion einen großen Einfluss auf die Simulationsergebnisse. (2) Die Unsicherheit von Bodenparametern hat im Vergleich zu Vegetationsparametern und topographischen Parametern im Allgemeinen einen größeren Einfluss auf die Modellunsicherheit. (3) Der Effekt der Unsicherheit einzelner Modellkomponenten und -parameter ist für Jahre mit unter- oder überdurchschnittlichen Niederschlagsvolumen zumeist unterschiedlich, da einzelne hydrologische Prozesse dann jeweils unterschiedlich relevant sind. Die Unsicherheit einzelner Modellkomponenten- und parameter hat somit eine unterschiedliche Bedeutung für die Unsicherheit von Szenarienrechnungen mit steigenden oder fallenden Niederschlagstrends. (4) Der bedeutendste Unsicherheitsfaktor für Szenarien der Wasserverfügbarkeit für die Untersuchungsregion ist die Unsicherheit der den regionalen Klimaszenarien zu Grunde liegenden Ergebnisse globaler Klimamodelle. Eine deutliche Zunahme oder Abnahme der Niederschläge bis 2050 kann gemäß den hier vorliegenden Daten für das Untersuchungsgebiet gleichermaßen angenommen werden. Modellsimulationen für Klimaszenarien bis zum Jahr 2050 ergeben, dass eine mögliche zukünftige Veränderung der Niederschlagsmengen zu einer prozentual zwei- bis dreifach größeren Veränderung der Abflussvolumen führt. Im Falle eines Trends von abnehmenden Niederschlagsmengen besteht in der Untersuchungsregion die Tendenz, dass auf Grund der gegenseitigen Beeinflussung der großen Zahl von Stauseen beim Rückhalt der tendenziell abnehmenden Abflussvolumen die Effizienz von neugebauten Stauseen zur Sicherung der Wasserverfügbarkeit zunehmend geringer wird. KW - Ceará / Semiarides Gebiet / Wasserreserve / Hydrologie / Mathematisches Modell KW - Hydrologie KW - Wasserverfügbarkeit KW - Klimaänderung KW - Niederschlag-Abfluss-Modellierung KW - Trockengebiet KW - semi-arid KW - Unsicherheiten KW - Brasilien KW - hydrology KW - water availability KW - climate change KW - rainfall-runoff modelling KW - drylands KW - semi-arid KW - uncertainties KW - Brazil Y1 - 2002 U6 - http://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:kobv:517-0000511 ER - TY - JOUR A1 - Ayzel, Georgy T1 - Deep neural networks in hydrology BT - the new generation of universal and efficient models BT - новое поколение универсальных и эффективных моделей JF - Vestnik of Saint Petersburg University. Earth Sciences N2 - For around a decade, deep learning - the sub-field of machine learning that refers to artificial neural networks comprised of many computational layers - modifies the landscape of statistical model development in many research areas, such as image classification, machine translation, and speech recognition. Geoscientific disciplines in general and the field of hydrology in particular, also do not stand aside from this movement. Recently, the proliferation of modern deep learning-based techniques and methods has been actively gaining popularity for solving a wide range of hydrological problems: modeling and forecasting of river runoff, hydrological model parameters regionalization, assessment of available water resources. identification of the main drivers of the recent change in water balance components. This growing popularity of deep neural networks is primarily due to their high universality and efficiency. The presented qualities, together with the rapidly growing amount of accumulated environmental information, as well as increasing availability of computing facilities and resources, allow us to speak about deep neural networks as a new generation of mathematical models designed to, if not to replace existing solutions, but significantly enrich the field of geophysical processes modeling. This paper provides a brief overview of the current state of the field of development and application of deep neural networks in hydrology. Also in the following study, the qualitative long-term forecast regarding the development of deep learning technology for managing the corresponding hydrological modeling challenges is provided based on the use of "Gartner Hype Curve", which in the general details describes a life cycle of modern technologies. N2 - В течение последнего десятилетия глубокое обучение - область машинного обучения, относящаяся к искусственным нейронным сетям, состоящим из множества вычислительных слоев, - изменяет ландшафт развития статистических моделей во многих областях исследований, таких как классификация изображений, машинный перевод, распознавание речи. Географические науки, а также входящая в их состав область исследования гидрологии суши, не стоят в стороне от этого движения. В последнее время применение современных технологий и методов глубокого обучения активно набирает популярность для решения широкого спектра гидрологических задач: моделирования и прогнозирования речного стока, районирования модельных параметров, оценки располагаемых водных ресурсов, идентификации факторов, влияющих на современные изменения водного режима. Такой рост популярности глубоких нейронных сетей продиктован прежде всего их высокой универсальностью и эффективностью. Представленные качества в совокупности с быстрорастущим количеством накопленной информации о состоянии окружающей среды, а также ростом доступности вычислительных средств и ресурсов, позволяют говорить о глубоких нейронных сетях как о новом поколении математических моделей, призванных если не заменить существующие решения, то значительно обогатить область моделирования геофизических процессов. В данной работе представлен краткий обзор текущего состояния области разработки и применения глубоких нейронных сетей в гидрологии. Также в работе предложен качественный долгосрочный прогноз развития технологии глубокого обучения для решения задач гидрологического моделирования на основе использования «кривой ажиотажа Гартнера», в общих чертах описывающей жизненный цикл современных технологий. T2 - Глубокие нейронные сети в гидрологии KW - deep neural networks KW - deep learning KW - machine learning KW - hydrology KW - modeling KW - глубокие нейронные сети KW - глубокое обучение KW - машинное обучение KW - гидрология KW - моделирование Y1 - 2021 U6 - https://doi.org/10.21638/spbu07.2021.101 SN - 2541-9668 SN - 2587-585X VL - 66 IS - 1 SP - 5 EP - 18 PB - Univ. Press CY - St. Petersburg ER - TY - THES A1 - Reusser, Dominik Edwin T1 - Combining smart model diagnostics and effective data collection for snow catchments T1 - Zeitlich aufgelöste Modelldiagnose und kosteneffektive Messungen für Schneeeinzugsgebiete N2 - Complete protection against flood risks by structural measures is impossible. Therefore flood prediction is important for flood risk management. Good explanatory power of flood models requires a meaningful representation of bio-physical processes. Therefore great interest exists to improve the process representation. Progress in hydrological process understanding is achieved through a learning cycle including critical assessment of an existing model for a given catchment as a first step. The assessment will highlight deficiencies of the model, from which useful additional data requirements are derived, giving a guideline for new measurements. These new measurements may in turn lead to improved process concepts. The improved process concepts are finally summarized in an updated hydrological model. In this thesis I demonstrate such a learning cycle, focusing on the advancement of model evaluation methods and more cost effective measurements. For a successful model evaluation, I propose that three questions should be answered: 1) when is a model reproducing observations in a satisfactory way? 2) If model results deviate, of what nature is the difference? And 3) what are most likely the relevant model components affecting these differences? To answer the first two questions, I developed a new method to assess the temporal dynamics of model performance (or TIGER - TIme series of Grouped Errors). This method is powerful in highlighting recurrent patterns of insufficient model behaviour for long simulation periods. I answered the third question with the analysis of the temporal dynamics of parameter sensitivity (TEDPAS). For calculating TEDPAS, an efficient method for sensitivity analysis is necessary. I used such an efficient method called Fourier Amplitude Sensitivity Test, which has a smart sampling scheme. Combining the two methods TIGER and TEDPAS provided a powerful tool for model assessment. With WaSiM-ETH applied to the Weisseritz catchment as a case study, I found insufficient process descriptions for the snow dynamics and for the recession during dry periods in late summer and fall. Focusing on snow dynamics, reasons for poor model performance can either be a poor representation of snow processes in the model, or poor data on snow cover, or both. To obtain an improved data set on snow cover, time series of snow height and temperatures were collected with a cost efficient method based on temperature measurements on multiple levels at each location. An algorithm was developed to simultaneously estimate snow height and cold content from these measurements. Both, snow height and cold content are relevant quantities for spring flood forecasting. Spatial variability was observed at the local and the catchment scale with an adjusted sampling design. At the local scale, samples were collected on two perpendicular transects of 60 m length and analysed with geostatistical methods. The range determined from fitted theoretical variograms was within the range of the sampling design for 80% of the plots. No patterns were found, that would explain the random variability and spatial correlation at the local scale. At the watershed scale, locations of the extensive field campaign were selected according to a stratified sample design to capture the combined effects of elevation, aspect and land use. The snow height is mainly affected by the plot elevation. The expected influence of aspect and land use was not observed. To better understand the deficiencies of the snow module in WaSiM-ETH, the same approach, a simple degree day model was checked for its capability to reproduce the data. The degree day model was capable to explain the temporal variability for plots with a continuous snow pack over the entire snow season, if parameters were estimated for single plots. However, processes described in the simple model are not sufficient to represent multiple accumulation-melt-cycles, as observed for the lower catchment. Thus, the combined spatio-temporal variability at the watershed scale is not captured by the model. Further tests on improved concepts for the representation of snow dynamics at the Weißeritz are required. From the data I suggest to include at least rain on snow and redistribution by wind as additional processes to better describe spatio-temporal variability. Alternatively an energy balance snow model could be tested. Overall, the proposed learning cycle is a useful framework for targeted model improvement. The advanced model diagnostics is valuable to identify model deficiencies and to guide field measurements. The additional data collected throughout this work helps to get a deepened understanding of the processes in the Weisseritz catchment. N2 - Modelle zur Hochwasservorhersage und –warnung basieren auf einer bio-physikalisch Repräsentation der relevanten hydrologischen Prozesse. Eine Verbesserungen der Beschreibung dieser Prozesse kann zuverlässigere Vorhersagen ermöglichen. Dazu wird die Benutzung eines Lernzykluses bestehend aus einer kritische Beurteilung eines existierenden Modells, der Erhebung zusätzlicher Daten, der Bildung eines vertieften Verständnis und einer Überarbeitung des Modells vorgeschlagen. In dieser Arbeit wird ein solcher Lernzyklus aufgegriffen, wobei der Schwerpunkt auf einer verbesserten Modellanalyse und kosteneffizientere Messungen liegt. Für eine erfolgreiche Modellbeurteilung sind drei Fragen zu beantworten: 1) Wann reproduziert ein Modell die beobachteten Werte in einer zufriedenstellenden Weise (nicht)? 2) Wie lassen sich die Abweichungen charakterisieren? und 3) welches sind die Modellkomponenten, die diese Abweichungen bedingen? Um die ersten beiden Fragen zu beantworten, wird eine neue Methode zur Beurteilung des zeitlichen Verlaufs der Modellgüte vorgestellt. Eine wichtige Stärke ist, dass wiederholende Muster ungenügender Modellgüte auch für lange Simulationsläufe einfach identifiziert werden können. Die dritte Frage wird durch die Analyse des zeitlichen Verlaufs der Parametersensitivität beantwortet. Eine Kombination der beiden Methoden zur Beantwortung aller drei Fragen stellt ein umfangreiches Werkzeug für die Analyse hydrologischer Modelle zur Verfügung. Als Fallstudie wurde WaSiM-ETH verwendet, um das Einzugsgebiet der wilden Weißeritz zu modellieren. Die Modellanalyse von WaSiM-ETH hat ergeben, dass die Schneedynamik und die Rezession während trockener Perioden im Spätsommer und Herbst, für eine Beschreibung der Prozesse an der Weißeritz nicht geeignet sind. Die Erhebung zusätzlicher Daten zum besseren Verständnis der Schneedynamik bildet den nächste Schritt im Lernzyklus. Daten über Schneetemperaturen und Schneehöhen wurden mit Hilfe eines neuen, preisgünstigen Verfahrens erhoben. Dazu wurde die Temperatur an jedem Standort mit unterschiedlichen Abständen zum Boden gemessen und mit einem neuen Algorithmus in Schneehöhe und Kältegehalt umgerechnet. Die Schneehöhe und Kältegehalt sind wichtige Größen für die Vorhersage von Frühjahrshochwassern. Die räumliche Variabilität der Schneedecke auf der Einzugsgebietsskala wurde entsprechend der Landnutzung, der Höhenzone und der Ausrichtung stratifiziert untersucht, wobei lediglich der Einfluss der Höhe nachgewiesen werden konnte, während Ausrichtung und Landnutzung keinen statistisch signifikanten Einfluss hatten. Um die Defizite des WaSiM-ETH Schneemodules für die Beschreibung der Prozesse im Weißeritzeinzugsgebiets besser zu verstehen, wurde der gleiche konzeptionelle Ansatz als eigenständiges, kleines Modell benutzt, um die Dynamik in den Schneedaten zu reproduzieren. Während dieses Grad-Tag-Modell in der Lage war, den zeitlichen Verlauf für Flächen mit einer kontinuierlichen Schneedecke zu reproduzieren, konnte die Dynamik für Flächen mit mehreren Akkumulations- und Schmelzzyklen im unteren Einzugsgebiet vom Modell nicht abgebildet werden. Vorschläge zur Verbesserung des Modells werden in der Arbeit gemacht. Zusammenfassend hat sich das Lernzyklus-Konzept als nützlich erwiesen, um gezielt an einer Modellverbesserung zu arbeiten. Die differenzierte Modelldiagnose ist wertvoll, um Defizite im Modellkonzept zu identifizieren. Die während dieser Studie erhobenen Daten sind geeignet, um ein verbessertes Verständnis der Schnee-Prozesse an der Weißeritz zu erlangen. KW - Hydrologie KW - Modellierung KW - Modell Diagnose KW - Schnee KW - Sensitivitätsanalyse KW - hydrology KW - modelling KW - model diagnostics KW - snow KW - sensitivity analysis Y1 - 2011 U6 - http://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:kobv:517-opus-52574 ER - TY - GEN A1 - Ayzel, Georgy A1 - Izhitskiy, Alexander T1 - Climate change impact assessment on freshwater inflow into the Small Aral Sea T2 - Postprints der Universität Potsdam : Mathematisch-Naturwissenschaftliche Reihe N2 - During the last few decades, the rapid separation of the Small Aral Sea from the isolated basin has changed its hydrological and ecological conditions tremendously. In the present study, we developed and validated the hybrid model for the Syr Darya River basin based on a combination of state-of-the-art hydrological and machine learning models. Climate change impact on freshwater inflow into the Small Aral Sea for the projection period 2007–2099 has been quantified based on the developed hybrid model and bias corrected and downscaled meteorological projections simulated by four General Circulation Models (GCM) for each of three Representative Concentration Pathway scenarios (RCP). The developed hybrid model reliably simulates freshwater inflow for the historical period with a Nash–Sutcliffe efficiency of 0.72 and a Kling–Gupta efficiency of 0.77. Results of the climate change impact assessment showed that the freshwater inflow projections produced by different GCMs are misleading by providing contradictory results for the projection period. However, we identified that the relative runoff changes are expected to be more pronounced in the case of more aggressive RCP scenarios. The simulated projections of freshwater inflow provide a basis for further assessment of climate change impacts on hydrological and ecological conditions of the Small Aral Sea in the 21st Century. T3 - Zweitveröffentlichungen der Universität Potsdam : Mathematisch-Naturwissenschaftliche Reihe - 1071 KW - Small Aral Sea KW - hydrology KW - climate change KW - modeling KW - machine learning Y1 - 2021 U6 - http://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:kobv:517-opus4-472794 SN - 1866-8372 IS - 1071 ER - TY - JOUR A1 - Ayzel, Georgy A1 - Izhitskiy, Alexander T1 - Climate Change Impact Assessment on Freshwater Inflow into the Small Aral Sea JF - Water N2 - During the last few decades, the rapid separation of the Small Aral Sea from the isolated basin has changed its hydrological and ecological conditions tremendously. In the present study, we developed and validated the hybrid model for the Syr Darya River basin based on a combination of state-of-the-art hydrological and machine learning models. Climate change impact on freshwater inflow into the Small Aral Sea for the projection period 2007-2099 has been quantified based on the developed hybrid model and bias corrected and downscaled meteorological projections simulated by four General Circulation Models (GCM) for each of three Representative Concentration Pathway scenarios (RCP). The developed hybrid model reliably simulates freshwater inflow for the historical period with a Nash-Sutcliffe efficiency of 0.72 and a Kling-Gupta efficiency of 0.77. Results of the climate change impact assessment showed that the freshwater inflow projections produced by different GCMs are misleading by providing contradictory results for the projection period. However, we identified that the relative runoff changes are expected to be more pronounced in the case of more aggressive RCP scenarios. The simulated projections of freshwater inflow provide a basis for further assessment of climate change impacts on hydrological and ecological conditions of the Small Aral Sea in the 21st Century. KW - Small Aral Sea KW - hydrology KW - climate change KW - modeling KW - machine learning Y1 - 2019 U6 - https://doi.org/10.3390/w11112377 SN - 2073-4441 VL - 11 IS - 11 PB - MDPI CY - Basel ER - TY - THES A1 - Schmidt, Lena Katharina T1 - Altered hydrological and sediment dynamics in high-alpine areas – Exploring the potential of machine-learning for estimating past and future changes N2 - Climate change fundamentally transforms glaciated high-alpine regions, with well-known cryospheric and hydrological implications, such as accelerating glacier retreat, transiently increased runoff, longer snow-free periods and more frequent and intense summer rainstorms. These changes affect the availability and transport of sediments in high alpine areas by altering the interaction and intensity of different erosion processes and catchment properties. Gaining insight into the future alterations in suspended sediment transport by high alpine streams is crucial, given its wide-ranging implications, e.g. for flood damage potential, flood hazard in downstream river reaches, hydropower production, riverine ecology and water quality. However, the current understanding of how climate change will impact suspended sediment dynamics in these high alpine regions is limited. For one, this is due to the scarcity of measurement time series that are long enough to e.g. infer trends. On the other hand, it is difficult – if not impossible – to develop process-based models, due to the complexity and multitude of processes involved in high alpine sediment dynamics. Therefore, knowledge has so far been confined to conceptual models (which do not facilitate deriving concrete timings or magnitudes for individual catchments) or qualitative estimates (‘higher export in warmer years’) that may not be able to capture decreases in sediment export. Recently, machine-learning approaches have gained in popularity for modeling sediment dynamics, since their black box nature tailors them to the problem at hand, i.e. relatively well-understood input and output data, linked by very complex processes. Therefore, the overarching aim of this thesis is to estimate sediment export from the high alpine Ötztal valley in Tyrol, Austria, over decadal timescales in the past and future – i.e. timescales relevant to anthropogenic climate change. This is achieved by informing, extending, evaluating and applying a quantile regression forest (QRF) approach, i.e. a nonparametric, multivariate machine-learning technique based on random forest. The first study included in this thesis aimed to understand present sediment dynamics, i.e. in the period with available measurements (up to 15 years). To inform the modeling setup for the two subsequent studies, this study identified the most important predictors, areas within the catchments and time periods. To that end, water and sediment yields from three nested gauges in the upper Ötztal, Vent, Sölden and Tumpen (98 to almost 800 km² catchment area, 930 to 3772 m a.s.l.) were analyzed for their distribution in space, their seasonality and spatial differences therein, and the relative importance of short-term events. The findings suggest that the areas situated above 2500 m a.s.l., containing glacier tongues and recently deglaciated areas, play a pivotal role in sediment generation across all sub-catchments. In contrast, precipitation events were relatively unimportant (on average, 21 % of annual sediment yield was associated to precipitation events). Thus, the second and third study focused on the Vent catchment and its sub-catchment above gauge Vernagt (11.4 and 98 km², 1891 to 3772 m a.s.l.), due to their higher share of areas above 2500 m. Additionally, they included discharge, precipitation and air temperature (as well as their antecedent conditions) as predictors. The second study aimed to estimate sediment export since the 1960s/70s at gauges Vent and Vernagt. This was facilitated by the availability of long records of the predictors, discharge, precipitation and air temperature, and shorter records (four and 15 years) of turbidity-derived sediment concentrations at the two gauges. The third study aimed to estimate future sediment export until 2100, by applying the QRF models developed in the second study to pre-existing precipitation and temperature projections (EURO-CORDEX) and discharge projections (physically-based hydroclimatological and snow model AMUNDSEN) for the three representative concentration pathways RCP2.6, RCP4.5 and RCP8.5. The combined results of the second and third study show overall increasing sediment export in the past and decreasing export in the future. This suggests that peak sediment is underway or has already passed – unless precipitation changes unfold differently than represented in the projections or changes in the catchment erodibility prevail and override these trends. Despite the overall future decrease, very high sediment export is possible in response to precipitation events. This two-fold development has important implications for managing sediment, flood hazard and riverine ecology. This thesis shows that QRF can be a very useful tool to model sediment export in high-alpine areas. Several validations in the second study showed good performance of QRF and its superiority to traditional sediment rating curves – especially in periods that contained high sediment export events, which points to its ability to deal with threshold effects. A technical limitation of QRF is the inability to extrapolate beyond the range of values represented in the training data. We assessed the number and severity of such out-of-observation-range (OOOR) days in both studies, which showed that there were few OOOR days in the second study and that uncertainties associated with OOOR days were small before 2070 in the third study. As the pre-processed data and model code have been made publically available, future studies can easily test further approaches or apply QRF to further catchments. N2 - Der Klimawandel verändert vergletscherte Hochgebirgsregionen grundlegend, mit wohlbekannten Auswirkungen auf Kryosphäre und Hydrologie, wie beschleunigtem Gletscherrückgang, vorübergehend erhöhtem Abfluss, längeren schneefreien Perioden und häufigeren und intensiveren sommerlichen Starkniederschlägen. Diese Veränderungen wirken sich auf die Verfügbarkeit und den Transport von Sedimenten in hochalpinen Gebieten aus, indem sie die Interaktion und Intensität verschiedener Erosionsprozesse und Einzugsgebietseigenschaften verändern. Eine Abschätzung der zukünftigen Veränderungen des Schwebstofftransports in hochalpinen Bächen ist von entscheidender Bedeutung, da sie weitreichende Auswirkungen haben, z. B. auf das Hochwasserschadenspotenzial, die Hochwassergefahr in den Unterläufen, sowie Wasserkraftproduktion, aquatische Ökosysteme und Wasserqualität. Das derzeitige Verständnis der Auswirkungen des Klimawandels auf die Schwebstoffdynamik in diesen hochalpinen Regionen ist jedoch begrenzt. Dies liegt zum einen daran, dass es kaum ausreichend lange Messzeitreihen gibt, um z.B. Trends ableiten zu können. Zum anderen ist es aufgrund der Komplexität und der Vielzahl der Prozesse, die an der hochalpinen Sedimentdynamik beteiligt sind, schwierig - wenn nicht gar unmöglich - prozessbasierte Modelle zu entwickeln. Daher beschränkte sich das Wissen bisher auf konzeptionelle Modelle (die es nicht ermöglichen, konkrete Zeitpunkte oder Größenordnungen für einzelne Einzugsgebiete abzuleiten) oder qualitative Schätzungen ("höherer Sedimentaustrag in wärmeren Jahren"), die möglicherweise nicht in der Lage sind, Rückgänge im Sedimentaustrag abzubilden. In jüngster Zeit haben Ansätze des maschinellen Lernens für die Modellierung der Sedimentdynamik an Popularität gewonnen, da sie aufgrund ihres Black-Box-Charakters auf das vorliegende Problem zugeschnitten sind, d. h. auf relativ gut verstandene Eingangs- und Ausgangsdaten, die durch sehr komplexe Prozesse verknüpft sind. Das übergeordnete Ziel dieser Arbeit ist daher die Abschätzung des Sedimentaustrags am Beispiel des hochalpinen Ötztals in Tirol, Österreich, auf dekadischen Zeitskalen in der Vergangenheit und Zukunft – also Zeitskalen, die für den anthropogenen Klimawandel relevant sind. Dazu wird ein Quantile Regression Forest (QRF)-Ansatz, d.h. ein nichtparametrisches, multivariates maschinelles Lernverfahren auf der Basis von Random Forest, erweitert, evaluiert und angewendet. Die erste Studie im Rahmen dieser Arbeit zielte darauf ab, die "gegenwärtige" Sedimentdynamik zu verstehen, d. h. in dem Zeitraum, für den Messungen vorliegen (bis zu 15 Jahre). Um die Modellierung für die beiden folgenden Studien zu ermöglichen, wurden in dieser Studie die wichtigsten Prädiktoren, Teilgebiete des Untersuchungsgebiets und Zeiträume ermittelt. Zu diesem Zweck wurden die Wasser- und Sedimenterträge von drei verschachtelten Pegeln im oberen Ötztal, Vent, Sölden und Tumpen (98 bis fast 800 km² Einzugsgebiet, 930 bis 3772 m ü.d.M.), auf ihre räumliche Verteilung, ihre Saisonalität und deren räumlichen Unterschiede, sowie die relative Bedeutung von Niederschlagsereignissen hin untersucht. Die Ergebnisse deuten darauf hin, dass die Gebiete oberhalb von 2500 m ü. M., in denen sich Gletscherzungen und kürzlich entgletscherte Gebiete befinden, eine zentrale Rolle in der Sedimentdynamik in allen Teileinzugsgebieten spielen. Im Gegensatz dazu waren Niederschlagsereignisse relativ unbedeutend (im Durchschnitt wurden 21 % des jährlichen Austrags mit Niederschlagsereignissen in Verbindung gebracht). Daher konzentrierten sich die zweite und dritte Studie auf das Vent-Einzugsgebiet und sein Teileinzugsgebiet oberhalb des Pegels Vernagt (11,4 und 98 km², 1891 bis 3772 m ü. M.), da sie einen höheren Anteil an Gebieten oberhalb von 2500 m aufweisen. Außerdem wurden Abfluss, Niederschlag und Lufttemperatur (sowie deren Vorbedingungen) als Prädiktoren einbezogen. Die zweite Studie zielte darauf ab, den Sedimentexport seit den 1960er/70er Jahren an den Pegeln Vent und Vernagt abzuschätzen. Dies wurde durch die Verfügbarkeit langer Aufzeichnungen der Prädiktoren Abfluss, Niederschlag und Lufttemperatur sowie kürzerer Aufzeichnungen (vier und 15 Jahre) von aus Trübungsmessungen abgeleiteten Sedimentkonzentrationen an den beiden Pegeln ermöglicht. Die dritte Studie zielte darauf ab, den zukünftigen Sedimentexport bis zum Jahr 2100 abzuschätzen, indem die in der zweiten Studie entwickelten QRF-Modelle auf bereits existierende Niederschlags- und Temperaturprojektionen (EURO-CORDEX) und Abflussprojektionen (des physikalisch basierten hydroklimatologischen und Schneemodells AMUNDSEN) in den drei repräsentativen Konzentrationspfaden RCP2.6, RCP4.5 und RCP8.5 angewendet wurden. Die kombinierten Ergebnisse der zweiten und dritten Studie legen nahe, dass der Sedimentexport in der Vergangenheit insgesamt zugenommen hat und in der Zukunft abnehmen wird. Dies deutet darauf hin, dass der Höhepunkt des Sedimenteintrags erreicht ist oder bereits überschritten wurde - es sei denn, die Niederschlagsveränderungen entwickeln sich anders, als es in den Projektionen dargestellt ist, oder Veränderungen in der Erodierbarkeit des Einzugsgebiets setzen sich durch. Trotz des allgemeinen Rückgangs in der Zukunft sind sehr hohe Sedimentausträge als Reaktion auf Niederschlagsereignisse möglich. Diese zweifältige Entwicklung hat wichtige Auswirkungen auf das Sedimentmanagement, die Hochwassergefahr und die Flussökologie. Diese Arbeit zeigt, dass QRF ein sehr nützliches Instrument zur Modellierung des Sedimentexports in hochalpinen Gebieten sein kann. Mehrere Validierungen in der zweiten Studie zeigten eine gute Modell-Performance und die Überlegenheit gegenüber traditionellen Sediment-Abfluss-Beziehungen – insbesondere in Zeiträumen, in denen es zu einem hohen Sedimentexport kam, was auf die Fähigkeit von QRF hinweist, mit Schwelleneffekten umzugehen. Eine technische Einschränkung von QRF ist die Unfähigkeit, über den Bereich der in den Trainingsdaten dargestellten Werte hinaus zu extrapolieren. Die Anzahl und den Schweregrad an solchen Tagen, in denen der Wertebereich der Trainingsdaten überschritten wurde, wurde in beiden Studien untersucht. Dabei zeigte sich, dass es in der zweiten Studie nur wenige solcher Tage gab und dass die mit den Überschreitungen verbundenen Unsicherheiten in der dritten Studie vor 2070 gering waren. Da die vorverarbeiteten Daten und der Modellcode öffentlich zugänglich gemacht wurden, können künftige Studien darauf aufbauend weitere Ansätze testen oder QRF auf weitere Einzugsgebiete anwenden. KW - suspended sediment KW - glacier melt KW - climate change KW - natural hazards KW - hydrology KW - geomorphology KW - Klimawandel KW - Geomorphologie KW - Gletscherschmelze KW - Hydrologie KW - Naturgefahren KW - suspendiertes Sediment Y1 - 2024 U6 - http://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:kobv:517-opus4-623302 ER - TY - RPRT A1 - Huđek, Helena A1 - Žganec, Krešimir A1 - Pusch, Martin T. T1 - A review of hydropower dams in Southeast Europe BT - distribution, trends and availability of monitoring data using the example of a multinational Danube catchment subarea T2 - Renewable & sustainable energy reviews N2 - Currently, Southeast Europe (SEE) is witnessing a boom in hydropower plant (HPP) construction, which has not even spared protected areas. As SEE includes global hotspots of aquatic biodiversity, it is expected that this boom will result in a more severe impact on biodiversity than that of other regions. A more detailed assessment of the environmental risks resulting from HPP construction would have to rely on the existence of nearby hydrological and biological monitoring stations. For this reason, we review the distribution and trends of HPPs in the area, as well as the availability of hydrological and biological monitoring data from national institutions useable for environmental impact assessment. Our analysis samples tributary rivers of the Danube in Slovenia, Croatia, Bosnia and Herzegovina, Serbia, and Montenegro, referred to hereafter as TRD rivers. Currently, 636 HPPs are operating along the course of TRD rivers, most of which are small (<1 MW). An additional 1315 HPPs are currently planned to be built, mostly in Serbia and in Bosnia and Herzegovina. As official monitoring stations near HPPs are rare, the impact of those HPPs on river flow, fish and macro-invertebrates is difficult to assess. This manuscript represents the first regional review of hydropower use and of available data sources on its environmental impact for an area outside of the Alps. We conclude that current hydrological and biological monitoring in TRD rivers is insufficient for an assessment of the ecological impacts of HPPs. This data gap also prevents an adequate assessment of the ecological impacts of planned HP projects, as well as the identification of appropriate measures to mitigate the environmental effects of existing HPPs. KW - renewable energy KW - environmental monitoring KW - water framework directive KW - environmental impact assessment KW - macroinvertebrates KW - fish KW - hydrology Y1 - 2020 U6 - https://doi.org/10.1016/j.rser.2019.109434 SN - 1364-0321 SN - 1879-0690 VL - 117 PB - Elsevier Science CY - Amsterdam [u.a.] ER -