Project

Discipline

Load estimation; Distributed network control; Stream water chemistry; Water sampling; Wireless Sensor Network; Hydrological events

Lead
Intelligente Probenentnahme während Abflussereignissen(Intelligent Sampling of Hydrological Events, ISHE)
Lay summary
Für viele im Flusswasser gelöste Substanzen können die Konzentrationen während einem Abflussereignis stark variieren. Bei manchen Substanzen kann man Verdünnungseffekte beobachten, während für andere Substanzen die Konzentrationen während Ereignissen ansteigen. Die Entnahme von Wasserproben während Ereignissen ist wichtig, um diese Variation gut charakterisieren zu können und damit Informationen sowohl für die Umweltüberwachung als auch für die hydrologische Prozessforschung zu erhalten. De manuelle Probenentnahme ist zeitaufwendig und häufig auch praktisch nicht möglich. Zur automatischen Probenentnahme werden häufig Geräte benutzt, die es erlauben 24 Wasserproben aus einem Fluss oder Bach zu vorher fest definierten Zeitpunkten zu nehmen.  Häufig werden auf diese Weise aber die Abflussereignisse nicht befriedigend gemessen, da z.B. zu wenige Proben zu Beginn eines Ereignisses oder während dem maximalen Abfluss genommen werden. In diesem Projekt geht es darum, intelligentere Methoden zur automatischen Probenentnahme zu entwickeln. Dabei geht es zum einen darum, Regeln aufzustellen, die beschreiben wann es sinnvoll wäre eine Probe zu entnehmen, sprich eine der 24 Probenflaschen zu füllen. Hier werden hydrologische Messungen wie u.a. Niederschlagsmessungen als Informationsquelle verwendet. Andererseits geht es darum, diese Regeln praktisch zu implementieren, wobei die Kommunikation zwischen verschiedenen Messgeräten und dem Probenentnahmegerät in häufig schwierigen Feldbedingungen eine besondere Herausforderung ist.

Direct link to Lay Summary

Last update: 13.06.2013

Active participation

Stream water sampling during hydrological events is important, but also challenging, because stream water chemistry can vary largely during events and the number of samples which can be taken is limited due to practical constrains. This project will contribute towards better observations of the temporal variability of stream water chemistry (including isotope composition) by intelligent sampling strategies. This will support both hydrological research and monitoring. The objectives of this project are (i) the identification of optimal sampling distribution during events based on perfect information (i.e., in hindsight) to maximize the information gained by a limited number of water samples, (ii) the formulation of a sampling strategy under real conditions, where sampling decisions have to be made based on (uncertain) forecasts and (iii) the development of a technical implementation for the instrumentation of a forecast-based sampling based on low-power wireless sensor networks.