Leveraging Low-Frequency Isotope Data for Modeling Catchment-Scale Transit Time Distributions

Titelangaben

Borriero, Arianna:
Leveraging Low-Frequency Isotope Data for Modeling Catchment-Scale Transit Time Distributions.
Bayreuth , 2024 . - II, 123 S.
( Dissertation, 2024 , Universität Bayreuth, Fakultät für Biologie, Chemie und Geowissenschaften)

Volltext

	Format: PDF Name: BorrieroPhDThesis.pdf Version: Veröffentlichte Version Verfügbar mit der Lizenz Creative Commons BY 4.0: Namensnennung
	Download (30MB)

Abstract

Ensuring adequate water quantity and quality is essential for the well-being of both humans and ecosystems, particularly in the face of global challenges such as climate change and population growth. To this aim, it is crucial to understand how water and solutes move across rivers, lakes and groundwater at the catchment-scale. The Transit Time Distribution (TTD) of streamflow allows conceptualizing the complexity of water flow patterns within a catchment, thus revealing the catchment's functioning and export dynamics of pollutants such as nitrates (NO₃⁻). While TTDs cannot usually be measured directly, they can be inferred from transport models calibrated to stable water isotope data (e.g. δ¹⁸O). However, the generally limited availability of high-frequency δ¹⁸O data challenges global-scale analysis, encouraging the targeted use of low-frequency δ¹⁸O data already available at a broader spatial coverage. The aim of this thesis is to explore the potential of low-frequency δ¹⁸O data for modeling TTDs at the catchment-scale, in order to gain insights into hydrological processes and NO₃⁻ export patterns. Study 1 quantifies the uncertainty in simulated TTDs resulting from different choices in spatio-temporal interpolation techniques of low-frequency δ¹⁸O data and model parameterization. Study 2 proposes alternative methods for simulating TTDs making use of low-frequency δ¹⁸O data, with a focus on the young water fraction, i.e. water younger than approximately three months (Fyw). Study 3 integrates δ¹⁸O data into a NO₃⁻-based water quality model to enhance the simulation of TTDs. In all studies, TTDs were modeled using StorAge Selection (SAS) functions with δ¹⁸O data. Studies 1 and 3 investigated a mesoscale German catchment within the Bode River Basin, while Study 2 explored 23 sites in the same region. Monte Carlo experiments were conducted to calibrate SAS parameters and simulate TTDs. The water median transit time (TT₅₀) derived from the TTD was used as a proxy for streamflow water age, and its uncertainty was assessed with the 95% prediction uncertainty method (95PPU). In Study 1, the impact of different methodological choices on the 95PPU of TT₅₀ was investigated. This involved assessing the effect of temporal interpolation methods (step function vs. sine interpolation) and spatial representation choices (single-location vs. spatial interpolation with kriging) of precipitation δ¹⁸O data, and SAS parameterizations (time-invariant vs. time-variant functions). Sine interpolation led to both over- and underestimation of δ¹⁸O data compared to the measured δ¹⁸O, hampering the interpretability of the resulting TT₅₀. Conversely, the step function preserved the maxima in the values of precipitation δ¹⁸O data, thus likely improving the reliability of the simulated TT₅₀. Using precipitation δ¹⁸O data from a single location oversimplified the representation of δ¹⁸O within the catchment compared to spatial interpolation using kriging. Time-invariant functions resulted in relatively small variations in TT₅₀, while time-variant functions yielded pronounced fluctuations. The knowledge of catchment-specific water dynamics is crucial for the choice of the appropriate SAS parameterization. In Study 2, the effect of calibrating time-invariant SAS parameters with and without Fyw on the 95PPU in TT₅₀ was assessed. Fyw values were derived from fitting monthly δ¹⁸O data in precipitation and streamflow with sine-waves. Fyw values, exhibiting large variability among the study sites (0.02 - 0.26), had different effects on reducing the 95PPU. Catchments releasing more young water (Fyw ≥ 0.10) experienced an effective reduction in the 95PPU, while catchments discharging less young water (Fyw ≤ 0.05) had a more moderate reduction in the 95PPU. Consequently, Fyw values significantly improved the predictability of TTD-based models, especially in catchments with a tendency towards young water release. In Study 3, three different targets — instream NO₃⁻, δ¹⁸O and both datasets — were employed to calibrate SAS parameters and understand their impacts on the 95PPU of TT₅₀. A relatively similar pattern of simulated TT₅₀ was observed across the different targets, suggesting that NO₃⁻ and δ¹⁸O data hold comparable information to describe transport processes. While calibration to NO₃⁻ led to a greater 95PPU of TT₅₀ and parameter equifinality, calibration to both datasets enhanced parameter identifiability and reduced the 95PPU. Consequently, the inclusion of δ¹⁸O data enhanced the description of hydrological transport in the NO₃⁻ model. In summary, these studies leveraged the high spatial coverage of low-frequency isotope data to enhance the understanding of TTDs of streamflow in the absence of high-frequency measurements. This thesis quantified challenges (Study 1) and highlighted opportunities (Study 2) related to the use of low-frequency isotopic measurements and integrated them into water quality modeling (Study 3) to improve the representation of hydrological, thus NO₃⁻ transport. Overall, this work advocates a shift in perspective from "how could we obtain more data?" to "what meaningful insights can be derived from existing data?" until more comprehensive datasets become available. This step is crucial for advancing current and future challenges in water quantity and quality-related research and management, particularly relevant given the escalating extremes in climate conditions and the rising water pollution in the era of global change.

Abstract in weiterer Sprache

Die Sicherstellung einer ausreichenden Wassermenge und -qualität ist von entscheidender Bedeutung für das Wohlergehen von Menschen und Ökosystemen, insbesondere angesichts globaler Herausforderungen wie Klimawandel und Bevölkerungswachstum. Daher ist es wichtig zu verstehen, wie sich Wasser und gelöste Stoffe in Flüssen, Seen und Grundwasser auf der Einzugsgebietsebene bewegen. Die Transitzeitverteilung (TTD) von Wasser im Fluss ermöglicht es, die Komplexität von Fließwegen innerhalb eines Einzugsgebiets und somit seine Funktionsweise sowie die Dynamik des Schadstoffaustrags, zum Beispiel von Nitrat (NO₃⁻), zu beschreiben. TTDs können nicht direkt gemessen werden, sondern erfordern eine Modellierung mit Hilfe von Tracerdaten wie stabilen Wasserisotopen (z. B. δ¹⁸O). Die begrenzte Verfügbarkeit von zeitlich hochaufgelösten δ¹⁸O-Daten stellt jedoch eine Herausforderung für globale Analysen dar, was den gezielten Einsatz von niederfrequenten δ¹⁸O-Daten mit größerer räumlicher Abdeckung nahelegt. Ziel dieser Arbeit ist es, das Potenzial niederfrequenter δ¹⁸O -Daten zur Modellierung von TTDs auf Einzugsgebietsebene zu untersuchen, um Erkenntnisse in hydrologische Prozesse und NO₃⁻Exportmuster zu gewinnen. Studie 1 quantifiziert die Unsicherheit in den simulierten TTDs, die sich aus der Wahl der räumlichen und zeitlichen Interpolationsverfahren für die δ¹⁸O-Daten und der Modellparametrisierung ergeben. In Studie 2 werden alternative Methoden zur Simulation von TTDs mit niederfrequenten δ¹⁸O-Daten vorgestellt, indem der Anteil jungen Wassers (Fyw), d. h. Wasser, das jünger als drei Monate ist, Anwendung findet. In Studie 3 werden δ¹⁸O-Daten in ein NO₃⁻-basiertes Wasserqualitätsmodell integriert, um die Simulationen von TTDs zu verbessern. In allen Studien wurden TTDs mit Hilfe von StorAge Selection (SAS) Funktionen mit niederfrequenten δ¹⁸O Daten modelliert. Die Studien 1 und 3 untersuchten ein mesoskaliges deutsches Einzugsgebiet im Einzugsgebiet der Bode, während Studie 2 23 Standorte in derselben Region untersuchte. Es wurden Monte-Carlo-Experimente durchgeführt, um die SAS-Parameter zu kalibrieren und die TTDs zu simulieren. Der Median der Verweilzeitverteilung (TT₅₀), abgeleitet aus der TTD, wurde als Indikator für das Alter des Wassers im Fluss verwendet, und Unischerheiten wurde mittels einer 95%-Vorhersageunsicherheit (95PPU) bestimmt. In Studie 1 wurden die Auswirkungen verschiedener methodischer Entscheidungen auf die 95PPU von TT₅₀ untersucht, indem Methoden der zeitlichen Interpolation der δ¹⁸O-Daten (Stufenfunktion vs. Sinusinterpolation), und der räumlichen Repräsentation von Niederschlagsdaten (Einzelstandort vs. räumliche Interpolation mit Kriging) und der SAS-Parametrisierungen (zeitlich konstante vs. variable Funktionen) bewertet wurden. Die Sinusinterpolation führte sowohl zu über- als auch zu unterschätzten δ¹⁸O-Werten im Vergleich zu den gemessenen Werten, was die Interpretierbarkeit der resultierenden TT₅₀ beeinträchtigte. Die Stufenfunktion gibt die Maxima in den gemessenen δ¹⁸O-Daten exakt wieder, was die Verlässlichkeit des simulierten TT₅₀-Wertes verbesserte. Die Verwendung von δ¹⁸O-Niederschlagsdaten eines einzigen Standorts vereinfachte die Repräsentation von δ¹⁸O-Werten innerhalb des Einzugsgebiets im Vergleich zur räumlichen Interpolation mittels Kriging zu stark. Zeitlich konstante SAS-Funktionen führten zu relativ geringen Schwankungen von TT₅₀, während zeitlich variable Funktionen zu großen Schwankungen führten. Die einzugsgebietsspezifische Funktionsweise ist daher entscheidend für die Wahl einer geeigneten SAS-Parametrisierung. In Studie 2 wurde der Effekt einer Kalibrierung zeitlich konstanter SAS-Parameter mit und ohne Fyw auf die Unsicherheit in TT₅₀ bewertet. Die Fyw wurden aus der Interpolation monatlicher δ¹⁸O Daten in Niederschlag und Abfluss mit Sinuswellen abgeleitet. Die Fyw-Werte, mit großer Variabilität zwischen den Untersuchungsstandorten (0,02-0,26), hatten unterschiedliche Auswirkungen auf die Verringerung der 95PPU. Einzugsgebiete mit viel jungem Wasser (Fyw ≥ 0,10) erfuhren eine effektive Reduzierung des Unsicherheitsintervalls, während Einzugsgebiete mit weniger jungem Wasser (Fyw ≤ 0,05) eine moderatere Reduzierung des Unsicherheitsintervalls aufwiesen. Dies unterstreicht die Bedeutung größerer Fyw-Werte für eine deutliche Verringerung der Unsicherheit von TT₅₀ und die Verbesserung von TTD-basierten Modellen. In Studie 3 wurden drei verschiedene Zielgrößen - NO₃⁻, δ¹⁸O und beide Datensätze gleichzeitig – zur Kalibrierung der SAS-Parameter verwendet, um die Auswirkungen auf die 95PPU von TT₅₀ zu verstehen. Es wurde ein relativ ähnliches Muster der simulierten TT₅₀ für die verschiedenen Zielgrößen beobachtet, was darauf hindeutet, dass NO₃⁻- und δ¹⁸O-Daten vergleichbare Informationen zur Beschreibung von Transportprozessen enthalten. Die Kalibrierung nur mit NO₃⁻ führte jedoch zu einer größeren Unsicherheit und Parameteräquifinalität. Die Kalibrierung mit beiden Datensätzen hingegen verbesserte die Identifizierbarkeit der Parameter und reduzierte die 95PPU. Folglich verbesserte die Berücksichtigung von δ¹⁸O-Daten die Beschreibung des hydrologischen Transports im NO₃⁻-Modell. Insgesamt nutzte diese Arbeit die große räumliche Abdeckung von Niederfrequenz-Isotopendaten, um das Verständnis von TTDs in Einzugsgebieten zu verbessern, wenn Hochfrequenzdaten fehlen. In dieser Arbeit wurden die Herausforderungen quantifiziert (Studie 1) und die Chancen hervorgehoben (Studie 2), die mit der Verwendung von niederfrequenten Isotopenmessungen und ihrer Integration in die Wasserqualitätsmodellierung verbunden sind (Studie 3), um die Darstellung des hydrologischen Transports und damit des NO₃⁻-Transports zu verbessern. Allgemein plädiert diese Arbeit für einen Perspektivwechsel von "Wie könnten wir mehr Daten bekommen?" zu "Welche sinnvollen Erkenntnisse lassen sich aus den vorhandenen Daten ableiten?", bis umfassendere Datensätze zur Verfügung stehen. Dieser Ansatz ist, von entscheidender Bedeutung für die Bewältigung aktueller und zukünftiger Herausforderungen in der Forschung und Bewirtschaftung im Zusammenhang mit der Wassermenge und -qualität. Dies ist besonders wichtig angesichts der zunehmenden extremeren klimatischen Bedingungen und der zunehmenden Wasserverschmutzung im Zeitalter des globalen Wandels.