Forschung

Ziel dieses Projektes ist die Beurteilung der Auswirkung von Sommerniederwässern auf die Remobilisierung von Schadstoffen aus Flusssedimenten. Die Analysen werden für Ostösterreich durchgeführt, da hier der landwirtschaftliche Eintrag sowie das prognostiziere Risiko der Klimaerwärmung auf Niederwässer und Wassertemperaturen besonders hoch sind. Die innovative Kombination datenbasierter Modelle mit Laboruntersuchungen und Gewässergütemonitoring ermöglicht eine Gesamtbeurteilung des sedimentbedingten Risikos der Gütebeeinträchtigung entlang des Gewässernetzes. Der Mehrwert der abgeleiteten Informationen wird für drei ausgewählte Einzugsgebiete dargestellt und mittels Stakeholdern hinsichtlich wasserwirtschaftlicher Relevanz diskutiert. Daraus sollen Empfehlungen für zukünftige Klimaszenarien erarbeitet werden.

Im Rahmen des Projektes "Spationtemporal models for streamflow" werden statistische raum-zeitliche Methoden für Abflussdaten verbessert und weiterentwickelt. Das Ziel ist einerseits die Erweiterung von zeitlichen Modellen um eine räumliche Dimension und vice versa. Andereseits, die Weiterentwicklung von raumzeitlichen Methoden, welche bereits in den Umweltwissenschaften zum Einsatz kommen, aber nicht die besondere Struktur von Flusssystemen berücksichtigen. Die verwendeten Methoden reichen von auf Zeitreihen basierten Modellen, über verschiedene Regressionsmodelle zu raumzeitlichen Kovarianzmodellen. Ein wichtiger Aspekt ist die Differenzierung räumlicher oder zeitlicher Abhängigkeiten von verschiedenen Abflussereignissen, wie Nieder- oder Hochwasser. Die Entwicklung der Methoden erfolgt anhand eines umfassenden Datensatzes von Abflussmessstationen für das österreichische Gewässernetz.

In einer Verlängerung unseres laufenden Projektes “Robust Risk Estimation” im direkten Anschluss um ein Jahr konzentrieren wir uns auf multivariate Aspekte und die Dynamik von Extremereignissen, was bislang noch nicht so detailliert getan wurde. In jeder unserer Referenzanwendungen, also bei den finanziellen Risiken einer Bank, im Gesundheitsmanagement bei den Krankenhausliegezeiten und damit assoziierten Kosten und in der Hydrologie bei den Abflusszeitreihen gibt es jeweils Fragestellungen, bei denen diese Aspekte nicht ignoriert werden können, sondern vielmehr explizit berücksichtigt werden müssen. Angesichts der dünnen Datengrundlage, die hierfür zur Verfügung steht, wird Modellmissspezifikation in den jeweiligen Anwendungen zu einem zentralen Thema. Dem begegnen wir zu einem gewissen Grad, indem wir vorschlagen, unsere robusten Verfahren mit Techniken des ”Robust-Likelihood-Ansatzes” dahingehend zu erweitern, dass sie sich geringen bis moderaten Modellabweichungen anpassen können. Dies setzt unsere erfolgreiche Arbeit an den theoretischen Grundlagen, sowie an der Entwicklung und Anwendung von robuste(n) Verfahren zum Risikomanagement in komplexen Systemen angesichts von Extremereignissen fort. Insbesondere erweitert es den Anwendungsbereich unserer im laufenden Projekt erstellten Software-Infrastruktur in R, die u.a. auch einen Satz mächtiger Diagnosewerkzeuge zur Erfassung des individuellen Einflusses einzelner Beobachtungen und deren ”Outlyingness” bereitstellt.