Geoinformationsbasierte Modelle zur Anpassung der Siedlungsentwässerung an die Herausforderungen des Klimawandels.
Zitierfähiger Link:
Keine Vorschau verfügbar
Datum
2021
item.page.journal-title
item.page.journal-issn
item.page.volume-title
Herausgeber
Sprache (Orlis.pc)
DE
Erscheinungsort
Aachen
Sprache
ISSN
ZDB-ID
Standort
Dokumenttyp
Dokumenttyp (zusätzl.)
DI
EDOC
EDOC
Autor:innen
Zusammenfassung
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.
item.page.description
Schlagwörter
Zeitschrift
Ausgabe
Erscheinungsvermerk/Umfang
Seiten
XIII, 196
Zitierform
Freie Schlagworte
Stichwörter
Deskriptor(en)
Siedlungswasserwirtschaft , Siedlungsentwässerung , Siedlungsstruktur , Einflussfaktor , Demographischer Wandel , Klimawandel , Starkregen , Risikomanagement , Wassermanagement , Wasserhaushalt , Überflutung , Regenwasserbewirtschaftung , Digitalisierung , Künstliche Intelligenz , Georeferenzierung , Entsorgung , Fallstudie