Entwicklung eines aggregierten Modells zur Simulation der Gewässergüte in Talsperren als Baustein eines Flussgebietsmodells

• Main Author: Siemens, Katja
• Other Authors: Technische Universität Dresden, Fakultät Forst-, Geo- und Hydrowissenschaften
• Format: Doctoral Thesis
• Language: deu
• Published: Saechsische Landesbibliothek- Staats- und Universitaetsbibliothek Dresden 2010
• Subjects: aggregiertes Modell; Gewässergüte; Flussgebietsmodellierung; Modellkomplexität; Modellgültigkeit; aggregated water quality modelling; river basin management model; model complexity; model validity; ddc:620; rvk:AR 22100
• Online Access: http://nbn-resolving.de/urn:nbn:de:bsz:14-qucosa-26173; http://nbn-resolving.de/urn:nbn:de:bsz:14-qucosa-26173; http://www.qucosa.de/fileadmin/data/qucosa/documents/2617/Dissertation_KatjaSiemens_ISBN_978-3-86780-140-9.pdf; http://www.qucosa.de/fileadmin/data/qucosa/documents/2617/Dissertation_KatjaSiemens_Umschlag%2B4mm_Beschnitt.pdf

Der großräumige Abbau von Braunkohle in der Lausitz führte in der Vergangenheit zu einer extremen Beeinflussung des Wasserhaushaltes im Einzugsgebiet der Spree. Mit dem Beginn der Sanierung und Flutung der Tagebaue kommt es nun langfristig zu einer verstärkten Nutzung der existierenden Oberflächengewässer und der Einbindung der entstehenden Tagebaurestseen in das Fließgewässernetz. Die Kopplung von Mengenbewirtschaftungsmodellen mit Gütemodellen berücksichtigt die Verfügbarkeit und Verteilung der begrenzten Ressource Wasser im Einzugsgebiet und der aus der Bewirtschaftung resultierenden Gewässergüte. Dies entspricht auch dem Leitbild der EU-WRRL (2000) für ein integriertes Flussgebietsmanagement, was eine einzugsgebietsbezogene Betrachtung der vorhandenen Ressourcen unter Berücksichtigung aller beeinflussten und beeinflussenden Kriterien fordert. Werden Modelle, die unterschiedlich sensitive und komplexe Systeme abbilden, miteinander gekoppelt, erfordert dies eine Anpassung der Datenstruktur und der zeitlichen Skalen. Schwerpunkt dieser Arbeit war die Entwicklung einfacher, robuster Simulationswerkzeuge für die Prognose der Gewässergüte in den Talsperren Bautzen und Quitzdorf. Als Basis diente das komplexe Standgewässergütemodell SALMO. Das Modell wurde zunächst um einfache Algorithmen ergänzt, so dass es trotz einer angepassten, stark reduzierten Datengrundlage, plausible Ergebnisse simulierte. Stochastisch erzeugte Bewirtschaftungsszenarien und die komplex simulierten Modellergebnisse bezüglich der resultierenden Gewässergüte, wurden als Trainingsdaten für ein Künstliches Neuronales Netz (ANN) genutzt. Die für beide Talsperren trainierten ANN sind als effektive Black-Box-Module in der Lage, das komplexe Systemverhalten des deterministischen Modells SALMO widerzuspiegeln. Durch eine Kopplung der entwickelten ANN mit dem Bewirtschaftungsmodell WBalMo ist es möglich, Bewirtschaftungsalternativen hinsichtlich ihrer Konsequenzen für die Gewässergüte zu bewerten. ANN sind systemgebundene Modelle, die nicht auf andere Gewässersysteme übertragen werden können. Allerdings stellt die hier erarbeitete Methodik einen fundierten Ansatz dar, der für die Entwicklung weiterer aggregierter Gütemodule im Rahmen integrierter Bewirtschaftungsmodelle angewendet werden kann. === The large-scale extraction of lignite in Lusatia in the past had an extreme impact on the water balance of the Spree river catchment. The restoration and flooding of the opencast pits put heavy demand on existing surface waters for a long time period. The resulting artificial lakes have to be integrated in the riverine network. The coupling of management models and water quality models allows to consider both availability and distribution of limited water resources in the catchment and resulting water quality. This is corresponding to the principles of the EU-WFD for integrated river basin management, which is a basin-related consideration of available resources taking into account all influencing and influenced characteristics. Adjustment of data structure and time scale is necessary if models describing unequally sensitive and complex systems are to be coupled. Main focus of this task was to develop simple and robust simulation tools for the prediction of water quality in the reservoirs Bautzen and Quitzdorf. The complex water quality model SALMO served as a basis. In a first step, simple algorithms had to be amended in order to generate plausible simulation results despite of an adapted reduced data base. Stochastically generated management scenarios and complex simulated model results regarding the resulting water quality were employed as training data for an Artificial Neuronal Network (ANN). The trained ANN’s are efficient black box modules. As such they are able to mirror complex system behaviour of the deterministic model SALMO. By coupling the developed ANN with the management model WBalMo it is possible to evaluate management strategies in terms of their impact on the quality of the water bodies. ANN’s are system-linked models. A transfer to other aquatic systems is not possible. However, the methodology developed here represents an in-depth approach which is applicable to the development of further aggregated water quality models in the framework of integrated management models.