idw – Informationsdienst Wissenschaft
Nachrichten, Termine, Experten
Nachrichten, Termine, Experten
Wissenschaftler der TH Lübeck um Prof. Ozgur Kisi und Prof. Christoph Külls berechnen mithilfe von Satellitendaten und maschinellem Lernen Abflussvorhersagen von Flüssen in der türkischen Schwarzmeerregion
Wasser bewegt sich in einem ständigen Kreislauf von Verdunstung, Kondensation, Niederschlag, Abfluss und erneuter Verdunstung. Dabei gilt der Abfluss des Wassers als eine der wichtigsten Komponenten des Wasserkreislaufs der Erde.
Er beschreibt die Wassermenge, die als Niederschlag in einem bestimmten Gebiet anfällt und durch den natürlichen Abfluss über Bäche und Flüsse in unsere Seen und Meere gelangt. Während ein hoher Abfluss zu Überschwemmungen und Stauungen führen kann, kann sich ein geringer Abfluss nachteilig auf die von dem Fluss abhängigen Ökosysteme auswirken.
In beiden Fällen können die Folgen verheerend sein und zu schwerwiegenden sozioökonomischen Schäden und zur Zerstörung von Ökosystemen führen. Der Abfluss des Wassers muss also so genau wie möglich vorhergesagt werden, da er für die Wasserwirtschaftsplanung, die Sicherstellung und Regulierung der Trinkwasserversorgung sowie die Bewältigung von Dürren von entscheidender Bedeutung ist.
Dabei wirken sich zahlreiche Variablen, wie das Klima und die Hydrologie, die hydraulischen Eigenschaften des Flusses (Durchfluss, Fließgeschwindigkeit, Wasserspiegellage), die Höhenlage und die Wasserentnahme auf den Abfluss aus. In Kombination mit einer wachsenden Ungewissheit und hydroklimatischen Risiken wird es immer schwieriger den Abfluss genau vorherzusagen und die Schwachpunkte von Flusssystemen zu beheben.
Ozgur Kisi und Christoph Külls der TH Lübeck haben mit einem internationalen Team in einer Studie die Tauglichkeit von drei Methoden des maschinellen Lernens (CatBoost (CB), Random Forest (RF) und Extreme Gradient Tree Boosting (XGBoost, XGB)) für monatliche Abflussvorhersagen unter Verwendung von Abflussdaten von drei Stationen in der Türkei (Ducurasu, Sutluce und Kale) und Satellitenniederschlagsdaten von Tropical Rainfall Measuring Mission (TRMM) untersucht.
Im ersten Teil der Studie haben die Forschenden den Abfluss an jeder Station vorhergesagt. Im zweiten Teil bestimmten sie ihn an der flussabwärts gelegenen Station anhand der Daten der flussaufwärts gelegenen Stationen vorher.
Die Ergebnisse zeigten, dass die TRMM Satellitendaten nicht nur sehr genau und für die monatlichen Abflussvorhersagen sehr nützlich sind, sondern auch, dass sie die Fähigkeit der Methoden des maschinellen Lernens (z. B. CB, RF und XGB) erheblich verbessern.
Die Ergebnisse aus der Studie können nützliche Informationen für Entscheidungsträger liefern, insbesondere in Entwicklungsländern, in denen Niederschlagsdaten aus technischen Gründen fehlen oder gar nicht vorhanden sind.
Dr. Ozgur Kisi
Telefon: +49 451 300 5154
E-Mail: ozgur.kisi@th-luebeck.de
Zur Originalpublikation von Mojtaba Mehraein, Aadhityaa Mohanavelu, Sujay Raghavendra Naganna, Christoph Külls und Ozgur Kisi bei MDPI (Multidisciplinary Digital Publishing Institute): https://www.mdpi.com/2073-4441/14/22/3636
An drei Stationen in der Türkei haben die Forscher Abflussdaten gesammelt (Symbolbild aus Lübeck)
TH Lübeck
Criteria of this press release:
Journalists, Scientists and scholars, Students
Construction / architecture, Environment / ecology
transregional, national
Research results, Scientific Publications
German
An drei Stationen in der Türkei haben die Forscher Abflussdaten gesammelt (Symbolbild aus Lübeck)
TH Lübeck
You can combine search terms with and, or and/or not, e.g. Philo not logy.
You can use brackets to separate combinations from each other, e.g. (Philo not logy) or (Psycho and logy).
Coherent groups of words will be located as complete phrases if you put them into quotation marks, e.g. “Federal Republic of Germany”.
You can also use the advanced search without entering search terms. It will then follow the criteria you have selected (e.g. country or subject area).
If you have not selected any criteria in a given category, the entire category will be searched (e.g. all subject areas or all countries).
