Quantitative Bodenhydrologie mit Bodenradar und Datenassimilation
Zusammenfassung der Projektergebnisse
Die quantitativ korrekte Beschreibung des Wasserflusses in Böden ist von essenzieller Bedeutung u.a. für die optimale Bewässerung in der Landwirtschaft (für 40% der globalen Nahrungsmittelproduktion) und für die Klimaprognose in einer sich ändernden Umwelt. Eine solche Beschreibung ist schwierig, weil (i) die relevanten Prozesse hochgradig nichtlinear sind, (ii) die Bodenarchitektur auf vielen Skalen heterogen ist, und (iii) die direkte Messung von Zuständen schwierig ist, diejenige von Flüssen unmöglich. Datenassimilation ist ein Ansatz der 3. Generation zur Modellierung komplizierter und schlecht bestimmter Systeme wie sie für unsere Umwelt typisch sind. Er folgt der direkten Simulation von Szenarien (1. Generation) und der Inversion zur Schätzung von effektiven Materialeigenschaften (2. Generation). Wir haben in diesem Projekt (i) Methoden der Datenassimilation für die Notwendigkeiten der Bodenhydrologie weiter entwickelt und demonstriert, allgemein für Prozesse mit einer konvergenten Dynamik, (ii) gezeigt, wie Systemzustände ausserhalb einer bekannten Theorie operationell behandelt werden können, und (iii) eine auf Bodenradar (GPR) basierende Methode entwickelt und demonstriert um objektive bodenhydraulische Materialeigenschaften bestimmen zu können. Etwas ausführlicher sehen wir als wesentliche Ergebnisse dieses Projekts und ihre Bedeutung: 1. Demonstration der objektiven Schätzung von bodenhydraulischen Materialeigenschaften aus GPR-Messungen während Infiltrationsereignissen, durch gemeinsame Inversion von hydraulischer und elektrodynamischer Dynamik. Dies öffnet die Möglichkeit oberflächennahe bodenhydraulische Materialeigenschaften auf Skalen von wenigen Metern (mit einem kleinen Niederschlagssimulator) bis zu wenigen Kilometern (mit Bewässerungsanlagen oder natürlichem Niederschlag) mit Mehrkanal-GPR nichtinvasiv bestimmen zu können. Dieser Ansatz wird überall dort anwendbar sein, wo GPR-Messungen möglich sind, im allgemeinen in Böden mit geringem Tongehalt. 2. Demonstration, dass ein Ensemble Kalman Filter mit “closed eye period” auch dann konsistente bodenhydraulische Parameter schätzen kann, wenn ein Teil der beobachteten Dynamik ausserhalb des Richards-Regimes ist. Dazu wurde eine Inflationsmethode entwickelt, die den EnKF auch mit räumlich und zeitlich schnell variierenden Modellfehlern nutzbar macht. Damit wird ein grosses Problem von üblichen Inversionsmethoden gelöst. Diese falten alle Unsicherheiten und Fehler, insbesondere Parametrisierungs- und Modellfehler, in die geschätzten Parameter. 3. Grundsätzliche Unterscheidung von divergenten und konvergenten Systemen für die Datenassimilation und Demonstration, dass Prozesse mit einer inhärent konvergenten Dynamik, etwa die Bodenwasserbewegung im Richards-Regime, so in die Assimilation eingebettet werden müssen, dass das Gesamtsystem einen divergenten Anteil hat. Dies ermöglicht die objektive Formulierung robuster Methoden der Datenassimilation auch für Prozesse, die bisher recht heuristisch behandelt wurden. 4. Demonstration, dass aus der Kovarianzstruktur eines Partikel-Ensembles ein effizientes resampling abgeleitet und zugleich zur Lokalisierung der Assimilation genutzt werden kann. Damit können Partikelfilter, die für stark nichtlineare Probleme besser geeignet sind als Kalman Filter, für deutlich schwierigere und rechenintensivere Modelle eingesetzt werden, zusätzlich auch für solche deren Modellfehler nicht einfach spezifizierbar ist.
Projektbezogene Publikationen (Auswahl)
- 2015: Quantitative high-resolution observations of soil water dynamics in a complicated architecture using time-lapse ground-penetrating radar. Hydrol. Earth Syst. Sci., 19, 1125–1139
Klenk, P., S. Jaumann, and K. Roth
(Siehe online unter https://doi.org/10.5194/hess-19-1125-2015) - 2016: EnKF with closed-eye period – towards a consistent aggregation of information in soil hydrology, Hydrol. Earth Syst. Sci., 20, 4999–5014
Bauser, H. H., S. Jaumann, D. Berg, and K. Roth
(Siehe online unter https://doi.org/10.5194/hess-20-4999-2016) - 2017: Effect of unrepresented model errors on estimated soil hydraulic material properties. Hydrol. Earth Syst. Sci., 21, 4301–4322
Jaumann, S. and K. Roth
(Siehe online unter https://doi.org/10.5194/hess-21-4301-2017) - 2018: Covariance resampling for particle filter – state and parameter estimation for soil hydrology, Hydrol. Earth Syst. Sci. Discuss.
Berg, D., H. H. Bauser, and K. Roth
(Siehe online unter https://doi.org/10.5194/hess-2018-121) - 2018: Inflation method for ensemble Kalman filter in soil hydrology Hydrol. Earth Syst. Sci., 22, 4921–4934
Bauser, H. H., D. Berg, O. Klein, and K. Roth
(Siehe online unter https://doi.org/10.5194/hess-22-4921-2018) - 2018: Soil hydraulic material properties and layered architecture from time-lapse GPR. Hydrol. Earth Syst. Sci., 22, 2551–2573
Jaumann, S. and K. Roth
(Siehe online unter https://doi.org/10.5194/hess-22-2551-2018)
