Machine learning methods integrating climate and water monitoring data to support modelling future water quality in lakes and reservoirs over decades

Diese Dissertation untersucht die Auswirkungen des Klimawandels auf die Wasserqualität von Süßwasserökosystemen mit Fokus auf Gesamtphosphor (TP) und Wassertemperatur. Kapitel 2 analysiert mit generalized Additive Models (GAMs) und Konzentrations-Abfluss-Beziehungen 15 – 20 Jahre TP-Daten aus Erft und Möhne und zeigt erhöhte TP-Werte bei Starkregen und nach Trockenphasen. Kapitel 3 projiziert mit dem globalen Modell WorldQual zukünftige TP-Einträge in die 100 größten Seen: TP-Lasten steigen unter SSP2-RCP6.0 und SSP5-RCP8.5, während SSP1-RCP2.6 Rückgänge zeigt. Kapitel 4 vergleicht ML-Ansätze (Random Forest, XGBoost, LSTM) mit dem Prozessmodell CE-QUAL-W2 zur Simulation der Wassertemperatur im Rappbodestausee. ML erfasst Temperaturdynamiken gut, reagiert aber schwächer auf Erwärmung. Die Arbeit betont die Bedeutung nachhaltiger Gewässerbewirtschaftung.