Prognosebaseret vandindvinding og modeller for vandløbspåvirkning
Oversat titel
Prediction Based Groundwater Abstraction and Models for Habitat Assessment
Forfatter
Lindbjerg, Kirsten Lyngholm
Semester
4. semester
Uddannelse
Udgivelsesår
2018
Antal sider
77
Abstract
I dag gives tilladelser til vandindvinding, fx til den almene vandforsyning, som faste årlige mængder. Fordi grundvandsressourcen varierer naturligt fra år til år, kan disse rammer være konservative, så der i nogle år kunne indvindes mere bæredygtigt, end man gør. Dette projekt undersøger en indvindingsstrategi, der tilpasses de naturlige variationer og udnytter ressourcen bedst muligt med hensyn til vandløbene. Konceptet bygger på at forudsige årsminimumvandføringen og bruge en enkel habitatmodel til at vurdere, hvor meget egnet levested der er i vandløb. To metoder er anvendt til at forudsige årsminimumvandføringen: lineær regression og trænede neurale netværk. Begge metoder bruger pejledata (grundvandsstande) som input. På baggrund af den forudsagte årsminimumvandføring beregnes det tilgængelige habitatareal, og den kommende sæsons indvindingsstrategi kan planlægges. Tilgangen er afprøvet i et case-studie af Binderup Å. Her gav lineær regression en model med et 95% usikkerhedsinterval på 95 l/s, mens en model trænet med neurale netværk havde et 95% usikkerhedsinterval på 61 l/s. Derudover er der opstillet en simpel habitatmodel med tværsnit fra DK-modellen, hvis resultater kun afviger minimalt fra en habitatmodel med tværsnit opmålt i dette projekt. Den simple habitatmodel er anvendt til at beskrive habitat for yngel, juvenile og voksne ørreder langs hele Binderup Å, så habitatmængden kan vurderes ved forskellige vandføringer.
Today, water abstraction permits for public supply are typically fixed annual amounts. Because groundwater availability varies naturally from year to year, these limits can be conservative, meaning that in some years more could be abstracted sustainably than is taken. This project explores an adaptive abstraction strategy that responds to natural variation and aims to use the resource efficiently while considering stream conditions. The concept combines forecasts of the annual minimum streamflow with a simple habitat model to estimate how much suitable habitat is available in streams. Two forecasting methods were used: linear regression and trained neural networks, both based on groundwater level data. Based on the predicted annual minimum flow, the available habitat area is calculated, which can guide the next season’s abstraction plan. The approach is tested in a case study of Binderup Å. The linear regression model produced a 95% uncertainty interval of 95 l/s, and the neural network model a 95% uncertainty interval of 61 l/s. A simple habitat model using cross-section profiles from the DK model differed only minimally from a habitat model built from cross-sections surveyed for this project. The simple habitat model was then applied along the entire Binderup Å for fry, juvenile, and adult trout, enabling assessment of habitat quantity at different flows.
[Dette resumé er genereret ved hjælp af AI]