Darstellung und Analyse hydrologischer Topologien auf der Basis ...

4.1 Zusammenfassung 123
zwischen N-Eintrag und N-Austrag einzelner räumlicher Modelleinheiten Vorteile gegenüber Polynomen
aufweisen. Ein weiteres Ergebnis der Szenarienmodellierung bestand in der Erkenntnis, dass
für die einzelnen Modelleinheiten ein konstantes, vom Szenario unabhängiges Verhältnis der Anteile
von lateralen und vertikalen Stoffflüssen deutlich dominiert. Die Darstellung der Abflussanteile im
HydroNet durch konstante, vom ermittelten N-Eintrag unabhängige Kantengewichte konnte damit
gerechtfertigt werden.
Mit der nachfolgenden Anwendung des auf Basis der Modellergebnisse erzeugten HydroNet konnte
gezeigt werden, dass ein neuronales Netz mit einer expliziten Repräsenation von räumlichen Modelleinheiten
und topologischen Beziehungen in der Lage ist, die für die Problemlösung wesentlichen
Stoffumsetzungs- und Stofftransportprozesse adäquat abzubilden. Hierfür wurden die von WASMOD
berechneten N-Austräge aller Modelleinheiten den Aktivierungen der entsprechenden Neuronen des
HydroNet gegenübergestellt.
Aufbauend auf die erfolgreiche Abbildung des Ist-Zustandes konnten die zur Optimierung der N-
Einträge entwickelten Lernverfahren auf das HydroNet angewandt werden. Im Mittelpunkt der Betrachtungen
stand hier die Gegenüberstellung der Verfahrensergebnisse für unterschiedliche Vorgaben
des N-Gesamtaustrags (Problemstellung 2). Ziel des Vergleichs war die Beantwortung der Frage, inwieweit
die Ausweisung sensitiver Einheiten für verschiedene Vorgaben übereinstimmt. Hierbei zeigte
sich, dass zwar Einheiten mit generell geringer Sensitivität ermittelt werden können, die Ausweisung
hoch sensitiver Flächen jedoch stets von der konkreten Problemstellung abhängig ist.
Um das Optimierungsverfahrens zu validieren, wurden seine Ergebnisse zur Parametrisierung einer
Modellierung auf der Grundlage von WASMOD herangezogen. Trotz der zum Teil starken Generalisierung
der von WASMOD berücksichtigten Prozesse im HydroNet zeigten die Ergebnisse der
Validierung eine sehr hohe Übereinstimmung. Im Mittelpunkt weiterer Untersuchungen stand der
Einfluss unterschiedlicher klimatischer Verhältnisse auf die Ergebnisse der Optimierung am Beispiel
der Niederschlagsmenge. Hierbei ergaben sich nur geringe Abweichungen in den Ergebnissen des
Lernverfahrens.
Abschließend wurde das entwickelte Optimierungsverfahren mit zwei herkömmlichen Ansätzen verglichen,
um seine Leistungsfähigkeit zu demonstrieren. Die Gegenüberstellung erfolgte anhand einer
praxisnahen Aufgabenstellung, welche eine maximale Reduktion des N-Gesamtaustrags bei gegebenen
Kosten zum Ziel hatte (Problemstellung 1). Auf diesem Wege konnte eine deutliche Überlegenheit
des neuronalen Lösungsansatzes nachgewiesen werden. Die Ursache dafür liegt in der expliziten Berücksichtigung
der hydrologischen Topologie des Einzugsgebietes sowie einer integrierten Betrachtung
von N-Eintrag und N-Austrag. Auch wenn davon ausgegangen werden kann, dass in der Praxis
eine Verbesserung der Vergleichsverfahren durch Hinzuziehen menschlicher Erfahrungen erzielt werden
kann, ist aufgrund der Vielzahl zu berücksichtigender Parameter des betrachteten Einzugsgebietes
eine Überlegenheit des neu entwickelten Verfahrens wahrscheinlich.
Die Implementierung des entwickelten Verfahrens beinhaltete auch die Bereitstellung einer grafischen
Benutzeroberfläche. Als Werkzeug zur Parametrisierung und Steuerung des Verfahrens sowie zur Visualisierung
seiner Ergebnisse kann diese wertvolle Unterstützung bei der Identifizierung von Maßnahmeschwerpunkten
im Gebiet leisten. Die Kombination aus Stofftransportmodell, Optimierungs-