Darstellung und Analyse hydrologischer Topologien auf der Basis künstlicher neuronaler Netze

Die Sicherung und nachhaltige Nutzung der Ressource Wasser stellt eine globale Problematik dar, die nur durch eine Vielzahl von Einzelanstrengungen auf lokaler bis regionaler Ebene gelöst werden kann. Hierbei gilt es, ein ausgewogenes Verhältnis zwischen der Berücksichtigung von Anforderungen an die Wasserqualität auf der einen und der Bewirtschaftung der zugehörigen Einzugsgebiete auf der anderen Seite zu finden. Gerade die Bewirtschaftung landwirtschaftlich genutzter Flächen ist hierbei von vielen, häufig unbekannten Parametern abhängig wie etwa den spezifischen, physiografischen Eigenschaften der Einzelfläche oder auch individuellen Präferenzen der Bewirtschafter. Der anthropogen verursachte Stickstoffeintrag ist hierbei aufgrund der engen Verknüpfung mit der Bewirtschaftung geeignet, als Leitparameter zu fungieren. Eine Konfiguration optimierter Stickstoffeinträge kann dann in Verknüpfung mit den übrigen Parametern der realweltlichen Problemstellung zur Formulierung optimierter Bewirtschaftungskonfigurationen herangezogen werden. Sollen dabei jedoch topologische Beziehungen, die in reliefierten Einzugsgebieten z.B. in Form lateraler Stoffflüsse zwischen Einzelflächen auftreten, berücksichtigt werden, so stellt die Ermittlung solcher Konfigurationen ein bislang ungelöstes Problem dar. Zur Bearbeitung dieser Problemstellung wurde im Rahmen der vorliegenden Arbeit ein neuartiges Verfahren auf der Basis künstlicher neuronaler Netze entwickelt, welches gezielt nach optimalen Stickstoffeinträgen suchen und dabei topologische Beziehungen, große Datenmengen sowie detaillierte Prozessbeschreibungen verarbeiten kann.