Surface-Groundwater Interactions and Climate Change Impacts : An Integrated Approach using HydroGeoSphere Model

Titelangaben

Munir, Muhammad Usman:
Surface-Groundwater Interactions and Climate Change Impacts : An Integrated Approach using HydroGeoSphere Model.
Bayreuth , 2026 . - XVII, 155 S.
( Dissertation, 2025 , Universität Bayreuth, Fakultät für Biologie, Chemie und Geowissenschaften)

Volltext

	Format: PDF Name: Munir_Muhammad_Usman_Surface_Ground_Water_Modelling.pdf Version: Veröffentlichte Version Verfügbar mit der Lizenz Creative Commons BY 4.0: Namensnennung
	Download (9MB)

Abstract

Hydrological connectivity between surface water and groundwater supports the resilience of headwater stream networks, yet this connectivity is increasingly threatened by climate-driven shifts in water availability. This cumulative thesis investigates how environmental change alters surface–groundwater exchange, combining fully integrated numerical modelling with field-based tracer evidence and an innovative data-driven approach. The core study area is the 19.2 km2 forested Große Ohe catchment in the Bavarian Forest (Germany), whose steep, wetland-fringed headwaters typify many Central European mountain basins; a complementary coastal application extends the analysis to tidally forced systems. A catchment-scale HydroGeoSphere model was calibrated against observed discharge and then forced with ensembles of RCP-based climate projections. The simulations revealed a pronounced drying trajectory. Mean annual precipitation was projected to decline by 10–20 %, while evapotranspiration remained nearly unchanged, pushing the water balance into persistent deficit. By the late twenty-first century under RCP 8.5, annual deficits increased roughly seven-fold relative to the historical baseline, driving mean streamflow down by up to 34 % and summer baseflow by ~50 %. Falling groundwater heads eroded the hydraulic support that sustains perennial flow: modelled groundwater inputs to upstream reaches contracted by as much as 88 %, and during prolonged dry spells roughly 200 m of the upper channel fell dry, fragmenting the stream network. Thus, even in a humid temperate setting, modest reductions in recharge can trigger a step change from gaining to losing or intermittent conditions. To examine present-day groundwater influence and its spatial variability, longitudinal surveys of dissolved radon-222 (222Rn) were performed at twelve sites along the headwater tributary on 12 June 2018, 27 September 2018 and 12 June 2019. Measured activities ranged from 83 to 2,888 Bq m-3, with repeated enrichment around HS6–HS7. Simulated and measured activities were strongly related across sites in all three campaigns (R2 = 0.86–0.88). Modelled groundwater discharge at HS7 ranged from 25.1 to 30.8 mm d-1 on the sampling dates. These results support the location and recurrence of groundwater influence under the sampled low-to-moderate flow conditions. The exact exchange rates remain model estimates, however, because groundwater endmember variability and atmospheric degassing were incompletely constrained. The tracer surveys therefore complement the climate simulations without independently validating future projections. To test whether a data-driven tool could capture rapid exchange in transient environments, a physics-informed neural network (PINN) was trained on high-resolution sediment-temperature profiles from a sandy tidal creek on the North Sea island of Texel. The network resolved semi-diurnal infiltration/exfiltration cycles with sub-hourly fidelity, reproducing both dominant (M2) and subsidiary (K1) tidal components without ancillary hydraulic data. This proof-of-concept underscores the potential of physically constrained machine learning to quantify groundwater fluxes where boundary conditions change too quickly for traditional methods. Across upland and coastal contexts, the thesis shows that even small climatic or tidal perturbations propagate through the surface–groundwater continuum in a complex way: small shifts in water level redistribute exchange hotspots, modify solute pathways, and ultimately determine whether streams stay flowing or dry up. By combining process-based simulation, natural-tracer monitoring, and next-generation inversion techniques, the work provides a coherent framework for diagnosing and forecasting these dynamics. The results show that headwater wetlands and locations where groundwater enters the stream are key for keeping water flowing; when this groundwater input falls, downstream areas receive less water and shorter habitat corridors. The methods and insights we developed give water-resource managers useful tools to predict, detect, and mitigate hidden but important changes where surface water and groundwater meet.

Abstract in weiterer Sprache

Zusammenfassung Die hydrologische Konnektivität zwischen Oberflächen- und Grundwasser stützt die Resilienz von Quellbach-Netzwerken, wird jedoch zunehmend durch klimabedingte Veränderungen der Wasserverfügbarkeit gefährdet. Diese kumulative Arbeit untersucht, wie Umweltänderungen den Austausch zwischen Oberfläche und Grundwasser beeinflussen. Dafür werden voll gekoppeltes numerisches Modelling, feldbasierte Tracer-Messungen und ein innovativer datengetriebener Ansatz kombiniert. Kerngebiet ist das 19,2 km2 große, bewaldete Einzugsgebiet der Großen Ohe im Bayerischen Wald (Deutschland), dessen steile, moorumsäumte Quellregionen viele mitteleuropäische Gebirgsbecken repräsentieren; eine ergänzende küstennahe Anwendung überträgt die Analyse auf gezeitenbeeinflusste Systeme. Ein HydroGeoSphere-Modell auf Einzugsgebietsebene wurde gegen gemessene Abflüsse kalibriert und anschließend mit Ensembles klimaprojizierter RCP-Szenarien betrieben. Die Simulationen zeigten einen ausgeprägten Trocknungstrend: Die mittlere Jahresniederschlagsmenge nahm um 10–20 % ab, während die Evapotranspiration nahezu unverändert blieb – dadurch wurde die Wasserbilanz dauerhaft defizitär. Bis zum späten 21. Jahrhundert (RCP 8.5) vergrößerte sich das jährliche Defizit etwa um den Faktor 7 gegenüber der historischen Referenz, wodurch der mittlere Abfluss um bis zu 34 % und die sommerliche Basiswasserführung um ~50 % sanken. Fallende Grundwasserstände schwächten die hydraulische Stütze, die ganzjährigen Durchfluss aufrechterhält: Modellierte Grundwasserzuflüsse zu Oberlaufabschnitten gingen um bis zu 88 % zurück, und in längeren Trockenphasen fielen etwa 200 m des Oberlaufs trocken, was das Bachnetz fragmentierte. Selbst in einem humiden, gemäßigten Klima können also schon moderate Rückgänge der Grundwasserneubildung einen Sprung von gewinnenden zu verlierenden bzw. intermittierenden Bedingungen auslösen. Zur Untersuchung des gegenwärtigen Grundwassereinflusses und seiner räumlichen Variabilität wurden am 12. Juni 2018, 27. September 2018 und 12. Juni 2019 an zwölf Stellen entlang des Quellbachs Längsprofile der Aktivitätskonzentration von gelöstem Radon-222 (222Rn) aufgenommen. Die gemessenen Aktivitäten lagen zwischen 83 und 2.888 Bq m-3, wobei im Bereich von HS6–HS7 wiederholt erhöhte Werte auftraten. Simulierte und gemessene Aktivitäten waren bei allen drei Kampagnen über die Messstellen hinweg eng korreliert (R2 = 0,86–0,88). Der modellierte Grundwasserzustrom bei HS7 lag an den Beprobungstagen zwischen 25,1 und 30,8 mm d-1. Diese Ergebnisse stützen die räumliche Lage und das wiederholte Auftreten des Grundwassereinflusses unter den beprobten niedrigen bis mäßigen Abflussbedingungen. Die genauen Austauschraten bleiben jedoch Modellschätzungen, da die räumliche Variabilität des Grundwasser-Endmembers und die atmosphärische Entgasung nur unzureichend bestimmt wurden. Die Traceruntersuchungen ergänzen somit die Klimasimulationen, ohne zukünftige Projektionen unabhängig zu validieren. Um zu prüfen, ob datengetriebene Werkzeuge schnellen Austausch in transienten Umgebungen erfassen können, wurde ein physics-informed neural network (PINN) mit hochauflösenden Sediment-Temperaturprofilen aus einem sandigen Tidenbach auf der Nordseeinsel Texel trainiert. Das Netzwerk rekonstruierte halbtagestaktige Infiltrations/Exfiltrationszyklen mit substündlicher Genauigkeit und reproduzierte sowohl die dominante M2- als auch die untergeordnete K1-Tidenkomponente – ganz ohne zusätzliche hydraulische Randbedingungen. Dieser Proof-of-Concept unterstreicht das Potenzial physikalisch eingeschränkten Machine Learnings, Grundwasserflüsse in Umgebungen zu quantifizieren, in denen sich Randbedingungen zu schnell für traditionelle Methoden ändern. Über Gebirgs- und Küstenkontexte hinweg zeigt die Arbeit, dass selbst kleine klimatische oder gezeitenbedingte Impulse sich komplex durch das Oberflächen Grundwasser-Kontinuum fortpflanzen: Geringfügige Wasserstandsänderungen verlagern Austausch-Hot-Spots, verändern Stofftransportwege und entscheiden letztlich, ob Bäche weiterfließen oder trockenfallen. Durch die Kombination von prozessbasierten Simulationen, natürlichen Tracern und inversen Verfahren der nächsten Generation wird ein kohärentes Rahmenwerk zur Diagnose und Prognose dieser Dynamik bereitgestellt. Die Ergebnisse verdeutlichen, dass Quellmoor-Ökosysteme und Grundwassereintrittsstellen entscheidend sind, um den Durchfluss zu sichern; sinken diese Zuflüsse, erhalten stromabwärts gelegene Abschnitte weniger Wasser und kürzere Habitatkorridore. Die entwickelten Methoden und Erkenntnisse liefern Wasserressourcenmanagern praxisnahe Instrumente, um versteckte, aber bedeutende Veränderungen an der Schnittstelle von Oberflächen- und Grundwasser vorherzusagen, zu erkennen und abzumildern.