Generering af syntetiske vandløbstværsnit til automatisering af habitatmodellering
Oversat titel
Generation of Synthetic Stream Cross Sections for Automation of Habitat Modelling
Forfattere
Jensen, Jeppe Helmer ; Mikkelsen, Mathias Dahl Kamstrup ; Nørgaard, Niels Schmidt
Semester
4. semester
Uddannelse
Udgivelsesår
2025
Afleveret
2025-06-03
Antal sider
159
Resumé
Nogle steder i Danmark er grundvandet overudnyttet, og kun 15% af vandløbene opfylder EU’s Vandrammedirektivs miljømål. Forvaltningen har brug for at vide, hvor meget vandindvinding må reducere vandføringen, men de nuværende metoder til at fastsætte den maksimalt acceptable reduktion anses for upræcise. Habitatmodellering, som kobler vandføring til levesteders kvalitet og størrelse for vandlevende organismer, kan give et mere pålideligt estimat af en acceptabel minimumsvandføring. Metoden kræver dog ofte detaljerede tværprofiler (vandløbets form på tværs), som sjældent findes og er dyre at opmåle. Dette projekt udviklede tre modeller til at skabe syntetiske tværprofiler, når opmålte tværprofiler mangler: to til at estimere tværsnitsarealet og én til at beskrive dybdefordelingen på tværs af profilet. Den første arealmodel er en empirisk model baseret på Manning-formlen fra åbenkanalhydraulik. Den anden arealmodel anvender et neuralt netværk (en maskinlæringsmetode) til at forbedre forudsigelserne. Dybdefordelingen blev ligeledes estimeret med et neuralt netværk. Overordnet viste modellerne god nøjagtighed for både areal og dybdefordeling, men deres præstation afhængte af, at inputparametrene blev estimeret korrekt. I et casestudie i vandløbet Østerå blev opmålte tværprofiler indsamlet til habitatmodellering og brugt til at vurdere de syntetiske. I habitatmodellen fangede de syntetiske tværprofiler de relative ændringer i habitatstørrelse og gav estimater af en acceptabel minimumsvandføring, der var i overensstemmelse med resultater baseret på målte tværprofiler. I dette casestudie overvurderede de syntetiske tværprofiler generelt arealet, men var alligevel egnede til habitatmodellering.
In parts of Denmark, groundwater is overused, and only 15% of streams meet the environmental targets of the EU Water Framework Directive. Water managers need to limit how much pumping can reduce streamflow, but current methods for setting the maximum acceptable reduction are considered inaccurate. Habitat modelling, which relates flow to the quality and size of habitat for aquatic life, can provide a more reliable estimate of the acceptable minimum flow. However, it typically requires detailed channel cross sections (the stream’s shape across its width), which are often unavailable and costly to survey. This project developed three models to create synthetic cross sections when surveyed ones are unavailable: two to estimate the cross-sectional area and one to describe the depth distribution across the channel. One area model is an empirical approach based on the Manning formula from open-channel hydraulics. The second area model uses a neural network (a machine-learning method) to improve predictions. The depth distribution was likewise estimated with a neural network. Overall, the models predicted both area and depth distribution with good accuracy, but their performance depended on accurate estimation of input parameters. In a case study on the Østerå stream, surveyed cross sections were collected for habitat modelling and used to evaluate the synthetic ones. Within the habitat model, the synthetic cross sections captured relative changes in habitat size and produced acceptable minimum-flow estimates consistent with results based on measured cross sections. In this case study, the synthetic sections generally overestimated area but were adequate for habitat modelling.
[Dette resumé er omskrevet med hjælp fra AI baseret på projektets originale resumé]