Erfolgreiches Wasserressourcenmanagement und die Anpassung an den Klimawandel in Gebirgsraumen erfordert das Wissen über die einzelnen Komponenten des Wasserkreislaufs essenziell. Ansätze zum Monitoring hydrologisch relevanter Größen wie der Bodenfeuchte oder des Wasseräquivalents der Schneedecke (SWE) umfassen in-situ Messungen, Fernerkundung und hydrologische Modellierung. Diese weisen jeweils spezifische Vor- und Nachteile auf, welche in Gebirgsräumen verstärkt zum Tragen kommen. Um die Limitationen konventioneller Ansätze zu überwinden, wird ein Konzept zur Assimilation verschiedener, sich ergänzender Datensätze vorgeschlagen. Der innovative Ansatz umfasst ein energiebilanzbasiertes hydrologisches Schneemodell, eine neue Generation hochauflösender und hochpräziser satellitenbasierter Daten und neuartige, einen Flächenmittelwert darstellende, Cosmic-Ray Neutron Sensing (CRNS) in-situ-Daten. Der wesentliche Vorteil der bodennahen CRNS-Messung besteht in der großen Fläche des Messbereiches, weshalb das Signal nicht von kleinräumigen Anomalien von Bodenfeuchte und SWE beeinflusst ist. Auf Satellitendaten basierende Produkte haben dagegen das Potenzial großflächige räumliche Muster abzubilden. Die Datenassimilation mehrerer Datensätze auf Basis eines Particle Batch Smoothers ermöglicht die Kombination dieser komplementären Informationsquellen mit der hydrologischen Modellierung. Dabei wird ein für die Abbildung der Energie- und Massenbilanz in Gebirgsräumen optimiertes hydrologisches Modell verwendet. Beide Datensätze werden weiterentwickelt, um ihre Genauigkeit und damit ihren Wert für das Assimilationsschema zu verbessern. Während innovative Ansätze zur Trennung des CRNS-Signals in Situationen mit partieller Schneebedeckung nach Bodenfeuchte und SWE entwickelt werden, soll darüber hinaus die Datenanforderungen für die Kalibrierung von CRNS in alpinen Regionen in vollständig schneebedeckten und gänzlich aperen Situationen gesenkt. Ein zentrales Element stellt die Kombination satellitengestützter Informationen zum Schneebedeckungsgrad (Snow Cover Fraction, SCF) mit Neutronensimulationen dar. Weiters wird ein innovatives Konzept zur Prozessierung hochauflösender und hochpräziser SCF-Daten für die Integration van Satellitenbildern aus mehreren Quellen auf der Grundlage van maschinellem Lernen entwickelt. Basierend auf der Verknüpfung beider Entwicklungen wird ein lokales Datenassimilationsschema angewendet. Darüber hinaus werden die verbesserten Daten zusammen mit modernsten weltraumgestützten Bodenfeuchtedaten für die Datenassimilation auf der Einzugsgebietsskala und für die regionale Analyse der Wasserressourcen verwendet. Die Kombination aus räumlichen Mustern von Schneeflächenanteilen und oberflächlicher Bodenfeuchte mit zeitlich kontinuierlichen CRNS-Beobachtungen ermöglicht eine verbesserte Qualität der Wasserressourcenanalyse.

Das Projekt ist ein L.P.14-Forschungsprojekt, finanziert durch die Provinz Bozen-Südtirol. Das Endziel des Projekts ist die Verbesserung der Schätzung der Parameter in Bezug auf die Wasserressourcen (insbesondere SWE und Bodenfeuchte) durch einen Datenassimilationsansatz. Insbesondere für Eurac unterstützt dieses Projekt die Konsolidierung unserer Schnee- und Bodenfeuchteprodukte. Die Rolle der Eurac betrifft in der ersten Phase des Projekts die Implementierung von Algorithmen für eine neue Generation von hochauflösenden und hochgenauen weltraumgestützten Produkten. Dann wird das Eurac-Team, wie oben beschrieben, zum Assimilationsschema beitragen.

Kontaktperson: Giovanni Cuozzo giovanni.cuozzo@eurac.edu, Claudia Notarnicola, Claudia.notarnicola@eurac.edu und Ludovica De Gregorio, Ludovica.DeGregorio@eurac.edu