In einer Zeit, in der menschliche Aktivitäten mit geologischen Kräften konkurrieren und sich das Klima ständig verändert, ist das Verständnis hydrologischer Prozesse essenziell. Die Quantifizierung hydrologischer Prozesse ist jedoch aufgrund der räumlichen Heterogenität der Umweltfaktoren, die die z...

Ausführliche Beschreibung

Bibliographische Detailangaben

1. Verfasser:	Wu, Songjun (VerfasserIn)
Format:	Abschlussarbeit Elektronisch E-Book
Sprache:	English
Veröffentlicht:	Berlin 2023
Schlagworte:	Fernerkundung Fließgewässer Wassergüte Hydrologie Modellierung Nährstoffeintrag Brandenburg Wasserqualität Hydrology Water quality Modelling Remote sensing Hochschulschrift
Online-Zugang:	Volltext
Zusammenfassung:	In einer Zeit, in der menschliche Aktivitäten mit geologischen Kräften konkurrieren und sich das Klima ständig verändert, ist das Verständnis hydrologischer Prozesse essenziell. Die Quantifizierung hydrologischer Prozesse ist jedoch aufgrund der räumlichen Heterogenität der Umweltfaktoren, die die zugrunde liegenden Prozesse beeinflussen, eine Herausforderung. Daher wurden in dieser Arbeit eine Reihe gemeinsamer, miteinander verbundener Ansätze oder Technologien entwickelt und in einem Einzugsgebiet mit gemischter Landnutzung, dem Demnitz Millcreek (DMC, 66 km2), getestet. Durch die Anwendung von Datenanalyse, Modelling, Machine-learning und Unmanned-vehicle technologies haben wir nicht nur die hydrologischen Prozesse in diesem repräsentativen Einzugsgebiet entschlüsselt, sondern auch - aus einer breiteren Perspektive - den optimalen Methode zur gemeinsamen Nutzung vorhandener Technologien ermittelt, um Unsicherheiten bei Modellierung dieser Prozesse auf der Ebene des Einzugsgebiets zu verringern. Englische Version: Understanding hydrological processes is essential in an era when human activities rival geologic-scale forces and the climate consistently changes. However, hydrological quantifications are challenging due to the spatial heterogeneity in environmental drivers of the underlying processes. Therefore in this thesis, a series of common linked approaches or technologies were developed and tested in a mixed-landuse catchment, the Demnitzer Millcreek (DMC, 66 km2). By applying data analysis, distributed modelling, machine-learning, and unmanned-vehicle technologies, we not only unraveled the hydrological processes in this representative catchment, but also from a wider perspective - identified the optimal way to jointly use the existing technologies to reduce the uncertainty in monitoring and modelling these processes at the catchment-scale.
Beschreibung:	[Tag der Verteidigung]: 20.09.2023 Der Text enthält eine Zusammenfassung in deutscher und englischer Sprache. Veröffentlichung der elektronischen Ressource auf dem edoc-Server der Humboldt-Universität zu Berlin: 2024
Beschreibung:	1 Online-Ressource (xxiii, 288 Seiten) Illustrationen, Diagramme, Karten