Geoinformationsbasierte Modelle zur Anpassung der Siedlungsentwässerung an die Herausforderungen des Klimawandels.
item.page.uri.label
Loading...
Date
Journal Title
Journal ISSN
Volume Title
Publisher
item.page.orlis-pc
DE
item.page.orlis-pl
Aachen
item.page.language
item.page.issn
item.page.zdb
item.page.orlis-av
item.page.type
item.page.type-orlis
DI
EDOC
EDOC
relationships.isAuthorOf
Abstract
In der Arbeit erfolgt die Erarbeitung von zwei geoinformationsbasierten Modellen, die vor dem Hintergrund der voranschreitenden Digitalisierung zur Anpassung der Siedlungsentwässerung an den demografischen Wandel und den Klimawandel beitragen sollen. Dabei geht es nicht nur um eine rein bilanzielle Abschätzung eines Wasserhaushaltsdefizites, sondern auch um eine Eingrenzung der potenziellen Maßnahmen zum bestmöglichen Ausgleich dieses Defizites, unter Berücksichtigung von siedlungsstruktureller, geologischer und hydrogeologischer Restriktionen. Das Modell arbeitet dabei ausschließlich mit georeferenzierten Daten und bietet somit eine direkte Verortung der Ergebnisse. Das entwickelte Modell zur Potenzialanalyse für Maßnahmen der dezentralen Niederschlagswasserbewirtschaftung verbindet dabei erfolgreich den Ansatz der empirisch ermittelten Wasserhaushaltsaufteilungsfunktionen des DWA-A 102 mit einer GIS-gestützten Modellrechnung. Das zweite in dieser Arbeit entwickelte geoinformationsbasierte Modell ist ein Künstliches Neuronales Netz (KNN) zur Berechnung von Überflutungsflächen im Starkregenfall. Dieses kann, für bestimmte dem KNN bekannte Gebiete, in Echtzeitsimulation angewendet werden und somit konventionelle hydrodynamische Modelle substituieren.
Description
Keywords
Journal
item.page.issue
item.page.dc-source
item.page.pageinfo
XIII, 196
Citation
item.page.subject-ft
item.page.dc-subject
item.page.subject-tt
Siedlungswasserwirtschaft, Siedlungsentwässerung, Siedlungsstruktur, Einflussfaktor, Demographischer Wandel, Klimawandel, Starkregen, Risikomanagement, Wassermanagement, Wasserhaushalt, Überflutung, Regenwasserbewirtschaftung, Digitalisierung, Künstliche Intelligenz, Georeferenzierung, Entsorgung, Fallstudie