Projektbeschreibung

Ziel des Verbundprojekts ist die Entwicklung eines neuartigen Deep-Learning (DL)-Ansatzes zur Modellierung der Quellschüttung einer Vielzahl von Karstquellen im Alpenraum. Durch die Nutzung einer breiten Datenbasis soll im Vergleich zu herkömmlichen Ansätzen eine allgemeinere und besser übertragbare Anwendung auf verschiedene Einzugsgebiete ermöglicht werden. Durch die enge Verknüpfung von Machine Learning und hydrogeologischer Expertise wird so ein Beitrag zur langfristigen Sicherung Alpiner Karstwasserressourcen geleistet, die eine wichtige Rolle für Trinkwasserversorgung, Ökosysteme und Wasserkraft spielen.
 
Die Relevanz klimawandelbedingte Veränderungen der räumlichen und zeitlichen Verteilung von Schnee- und Eisspeichern in den Alpen für den Wasserhaushalt wird in der Modellentwicklung gezielt berücksichtigt.
Das Projekt verwendet die World Karst Spring Hydrograph (WoKaS) Datenbank, ergänzt durch zusätzliche Datensätze, um eine umfassende Datengrundlage für die Modellierung von etwa 150 Quellen in der Alpenregion zu schaffen. Als Benchmark für die DL-Ansätze werden etablierte Speichermodelle für den Alpenraum optimiert und für die Quellen des Untersuchungsgebiets kalibriert. Eine detaillierte Fallstudie im Dachstein-Gebiet integriert zusätzlich ein numerisches 3D-Modell, um die DL-Modelle hinsichtlich der korrekten Erfassung hydrogeologischen Prozesse zu validieren.
Abschließend werden die neuen Modelle für Simulationen auf Basis verschiedener Klimaprojektionen und (Landnutzungs- und Vegetations-) Szenarien für das 21. Jahrhundert genutzt, um langfristige Veränderungen der Quellschüttungen zu untersuchen.