RUB » Bibliotheksportal

Benjamin Mewes

• Hydrological and water resource management problems require new analysis techniques to answer the more complex research questions. In this thesis, machine learning and agent-based modelling approaches are combined to describe the dynamic interactions in environmental systems. In four different applications the merits of these approaches are shown and how they outperform traditional approaches. The applications comprise the description of soil water movement in the unsaturated zone, the identification of irrigated agriculture from remote sensing images, the separation of flood events from continuous time series of runoff, and eventually, the modelling of water distribution in medieval Bali. The outcome of this thesis is the starting point for a wide field of further applications of machine learning, artificial intelligence and agent-based modelling in hydrology and water resource management.
• Um komplexe hydrologische Problemstellungen zu lösen, werden neue Analysetechniken benötigt. In dieser Arbeit werden dazu Agenten-basierte Methoden mit Ansätzen des maschinellen Lernens kombiniert, um komplexe Interaktionen in natürlichen Systemen zu beschreiben. In vier unterschiedlichen Anwendungen werden die Vorteile der neuen Methoden präsentiert. Dabei werden unter anderem die Bewegung von Bodenwasser modelliert, die Identifikation von bewässerter Landwirtschaft aus Fernerkundungsdaten verbessert, die Hochwasserereignisseparation automatisiert sowie die Wasserverteilung im mittelalterlichen Bali beschrieben. Die hier gezeigten Ergebnisse sind der Ausgangspunkt für weitere Anwendungen von künstlicher Intelligenz und Agenten-basierter Modellierung in der Hydrologie und dem Wasser Ressourcen Management.