6. Workshop Alpine Hydrologie

Die Überwachung der Wasserverfügbarkeit in alpinen Regionen ist entscheidend für das Verständnis hydrologischer Dynamiken, der Entwicklung von Dürre und der Auswirkungen des Klimawandels in Gebirgsräumen. Die Bodenfeuchte ist in diesem Zusammenhang eine Schlüsselvariable, da sie die Abflussbildung, Evapotranspiration, Grundwasserneubildung und den Wasserstress der Vegetation steuert. Eine zuverlässige Schätzung der Bodenfeuchte in alpinem Gelände stellt jedoch aufgrund der starken räumlichen Heterogenität, der komplexen Topographie, der spärlichen In-situ-Beobachtungen und der sich rasch verändernden Landoberflächenbedingungen nach wie vor eine Herausforderung dar.

Das Synthetic Aperture Radar (SAR), insbesondere die Sentinel-1-Zeitreihen, bietet eine wertvolle Möglichkeit zur Überwachung der Bodenfeuchte, da es empfindlich gegenüber Oberflächenfeuchte ist, konsistente Aufnahmen bei jedem Wetter ermöglicht und eine hohe räumliche Auflösung bietet. Dennoch wird die SAR-Rückstreuung auch stark durch Vegetation, Oberflächenrauheit, lokalen Einfallswinkel und Landbedeckungsvariabilität beeinflusst. Diese Faktoren erschweren die direkte Ableitung der Bodenfeuchte aus SAR-Daten erheblich, insbesondere in komplexen Gebirgsregionen, in denen das SAR-Signal durch geometrische und radiometrische Verzerrungen beeinträchtigt wird. Infolgedessen weisen aktuelle SAR-basierte Algorithmen zur Bodenfeuchteschätzung häufig nur eine begrenzte Genauigkeit auf oder sind in alpinen Regionen nicht leicht anwendbar.

In dieser Studie schlagen wir ein Physik-informiertes Deep-Learning-Framework zur Schätzung der Bodenfeuchte anhand von SAR-Zeitreihen vor, das auf komplexes Gelände zugeschnitten ist. Der Ansatz kombiniert Sentinel-1-Rückstreubeobachtungen mit Bodenfeuchteschätzungen aus dem hydrologischen Modell WFLOW sowie mit Zusatzdaten wie geometrischen Informationen, statischen Umweltbeschreibungen und Landbedeckungsinformationen. Ein konvolutionelles Deep-Learning-Modell wird darauf trainiert, die Bodenfeuchte aus SAR-Zeitreihen zu schätzen, während physikbasierte Einschränkungen, die auf etablierten Formulierungen der SAR-Rückstreuung über vegetationsfreien und bewachsenen Böden beruhen, in die Verlustfunktion integriert werden, um die physikalische Konsistenz zwischen modellierter und beobachteter SAR-Rückstreuung zu fördern. Das Framework zielt darauf ab, bestehende Lücken in der SAR-basierten Bodenfeuchteschätzung zu schließen, indem es die komplementären Stärken der hydrologischen Modellierung und der Erdbeobachtungsdaten nutzt. Dadurch sollen Bodenfeuchteschätzungen in heterogenen alpinen Landschaften verbessert werden, während zugleich physikalische Interpretierbarkeit und Generalisierungsfähigkeit erhalten bleiben.