Vorhersage der Fließgewässertemperaturen in österreichischen Einzugsgebieten mittels Machine Learning-Verfahren

Zusammenfassung Die Fließgewässertemperatur ist ein essenzieller Umweltfaktor, der das Potenzial hat, sowohl ökologische als auch sozio-ökonomische Rahmenbedingungen im Umfeld eines Gewässers zu verändern. Um Fließgewässertemperaturen Grundlage für effektive Anpassungsstrategien zukünftige Veränderungen (z. B. durch den Klimawandel) berechnen können, sind adäquate Modellierungskonzepte notwendig. vorliegende Studie untersucht hierfür 6 Machine Learning-Modelle: Schrittweise Lineare Regression, Random Forest, eXtreme Gradient Boosting, Feedforward Neural Networks und zwei Arten von Recurrent Networks. Modelle wurden an 10 österreichischen Einzugsgebieten mit unterschiedlichen physiographischen Eigenschaften Eingangsdatenkombinationen getestet. Hyperparameter angewandten mittels Bayes’scher Hyperparameteroptimierung optimiert. die Ergebnisse anderen Studien vergleichbar machen, Vorhersagen Learning-Modelle Ergebnissen linearen Regression dem häufig verwendeten bekannten Wassertemperaturmodell air2stream gegenübergestellt. Von getesteten Modellen zeigten Boosting besten in jeweils 4 Einzugsgebieten. Mit einem durchschnittlichen RMSE (Wurzel mittleren Fehlerquadratsumme; root mean squared error) 0,55 °C konnten deutlich besser prognostizieren lineare (1,55 °C) (0,98 °C). Generell eine sehr vergleichbare Leistung lediglich einer Abweichung um Medianwert 0,08 zwischen einzelnen Modellen. Im größten untersuchten Einzugsgebiet – Donau bei Kienstock wiesen höchste Modellgüte auf, was darauf hinweist, dass sie sich am eignen, wenn Prozesse langfristigen Abhängigkeiten ausschlaggebend sind. Wahl beeinflusste Vorhersagefähigkeit stark, Bedeutung besonders hervorhebt. dieser fassen unterschiedlicher Eingangsdaten, Trainingscharakteristiken Modellierung täglichen zusammen. Gleichzeitig dient diese Basis Entwicklung zukünftiger regionale Fließgewässertemperaturvorhersage. stehen open source R‑Paket wateRtemp allen AnwenderInnen Forschungsgemeinschaft Praxis zur Verfügung.