Stochastische Analyse terrestrischer Systeme

Dieses Forschungsthema befasst sich mit der Zusammenführung von terrestrischen Modellvorhersagen und terrestrischen Messdaten unter Verwendung von Methoden der inversen Modellierung und Datenassimilation. Das Ziel dieser Modell-Daten-Fusionsmethoden ist:

• Bessere kurz- und mittelfristige Vorhersagen für alle möglichen Zustände des terrestrischen Systems und der Flüsse innerhalb des terrestrischen Systems zu erhalten. Prominente Beispiele sind die Vorhersage der Bodenfeuchte (die z.B. als untere Randbedingung von Atmosphärenmodellen und für die Vorhersage der landwirtschaftlichen Produktion wichtig sind) und von Überschwemmungen.

• Verbesserung der Parameterschätzungen in hochauflösenden terrestrischen Systemmodellen, was die Verbesserung von Langzeitvorhersagen mit terrestrischen Systemmodellen ermöglicht.

• Systematische Gegenüberstellung von Modellvorhersagen und Messdaten, um Modelldefizite und damit das Potenzial zur Verbesserung der Darstellung von Modellprozessen zu erkennen.

• Bessere Ausnutzung des Wertes von Messdaten. Beispiele hierfür sind: (i) Kopplung eines Messoperators mit terrestrischen Systemmodellen; (ii) Nutzung von Daten in der kompartimentübergreifenden Datenassimilation, was bedeutet, dass Daten, die in einem bestimmten terrestrischen Systemkompartiment (z. B. Bodenfeuchte) gesammelt wurden, zur Aktualisierung von Zuständen anderer terrestrischer Systemkompartimente (z. B. Lufttemperatur in der unteren Atmosphäre) verwendet werden.

• Verknüpfung kurz- und mittelfristiger Vorhersagen mit einer zeitnahen Steuerung der Bewirtschaftung von Wasserressourcen.

Im Zusammenhang mit solchen Methoden ist es wichtig, die Modellvorhersageunsicherheit und die Messunsicherheit korrekt zu charakterisieren. Wir untersuchen daher auch, wie die Unsicherheit von Modellvorhersagen besser charakterisiert werden kann (z.B.: Modellierung der räumlichen Variabilität der hydraulischen Leitfähigkeit in Grundwasserleitern und Böden) und analysieren systematische und zufällige Fehler in Messdaten (z.B.: Eddy-Kovarianz-Daten, Lysimeterdaten, Bodenfeuchtemessungen auf verschiedenen Skalen).

Letztendlich wollen wir nicht nur die Vorhersagekapazität von Modellen für terrestrische Systeme auf allen zeitlichen Skalen verbessern, sondern auch das Verständnis der komplexen Wechselwirkungen zwischen verschiedenen Komponenten des terrestrischen Systems (Untergrund, Landoberfläche, Atmosphäre) auf mittleren und großen räumlichen Skalen verbessern. Diese Arbeit wird häufig mit dem Modell TerrSysMP (terrestrial systems modeling platform) oder anderen, physikalisch basierten Modellen für spezifische terrestrische Kompartimente durchgeführt. Wir sind Teil des High Performance Scientific Computing in Terrestrial Systems Centre.

In vielen Studien werden Daten aus Helmholtz-Monitoring-Infrastrukturen wie TERENO, SoilCan oder ICOS verwendet. Es ist geplant, in Zukunft mit Daten zu arbeiten, die in MOSES-Kampagnen gesammelt wurden. Derzeit sind die Arbeiten in diesem Forschungsbereich in folgende Forschungsprojekte gegliedert:

• Echtzeit-Optimierung der Bewässerung von Zitrusfruchtfeldern in der Nähe von Valencia

• Datenassimilierung mit TerrSysMP-PDAF

• Fluss-Aquifer-Interaktion und die Rolle von Bachbetten

• Inverse Grundwasserströmungsmodellierung

• Upscaling von biogeochemischen Flüssen zur Charakterisierung der regionalen Kohlenstoffbilanz

• Langfristige Analyse von Trends in der tatsächlichen Evapotranspiration, gemessen mit Lysimetern

Diese Forschungsprojekte sind mit Helmholtz-Projekten verbunden:

REKLIM 
MOSES
EDA (abgeschlossenes Projekt)

DFG-geförderte Projekte:

SFB TR32
FOR2131
zwei weitere DFG-Projekte.

EU-geförderte Projekte:

eLTER
EoCoE
EXPEER (abgeschlossenes Projekt)
AGADAPT (abgeschlossenes Projekt)

Kontakt

Prof. Dr. Harrie-Jan Hendricks-Franssen

Head of research group "Stochastic Analysis Terrestrial Systems"

• Institut für Bio- und Geowissenschaften (IBG)
• Agrosphäre (IBG-3)

Gebäude 16.6 /
Raum R 3033

+49 2461/61-4462

E-Mail