Topinformationen

Themen für Bachelor-/Master-Arbeiten

Die Themen sind den Forschungsschwerpunkten des Instituts und Forschungsprojekten zugeordnet. Es wird empfohlen, Bachelorarbeiten als Weiterführung des studentischen Projekts durchzuführen, da die Bearbeitungszeit von drei Monaten sonst einen sehr engen Rahmen bei systemwissenschaftlichen Themen setzt. Unter Themen für Projektarbeiten finden Sie auch entsprechende Themenangebote, die zur Bachelorarbeit ausgebaut werden können.

Forschungsschwerpunkte

Angewandte Systemwissenschaft
Umweltsystemmodellierung
Ressourcenmanagement

Umweltökonomie

Angewandte Systemwissenschaft

Siehe Liste möglicher Abschlussarbeiten in der Arbeitsgruppe Angewandte Systemwissenschaft

Georeferenzierte Modellierung mit GREAT-ER

Das Georeferenced Exposure Assessment Tool for European Rivers (GREAT-ER) wird seit knapp zwanzig Jahren am Institut für Umweltsystemforschung eingesetzt, um Konzentrationen von Umweltchemikalien in Oberflächengewässern abzuschätzen. Auf dieser Grundlage kann räumlich differenziert eine Risikobewertung von Umweltchemikalien durchgeführt werden. Eine Grundannahme des Modells ist, dass sich das System im Fließgleichgewicht (steady state) befindet. Das heißt, es werden keine zeitlichen Dynamiken abgebildet. Simulationen repräsentieren vielmehr mittlere Abflussbedingungen, entweder über das gesamte Jahr hinweg (MQ) oder für Niedrigwasser (MNQ). Die Variabilität im Abfluss (Q) kann zusätzlich über eine statistische Beschreibung des Abflusses simuliert werden.

Einfluss der Umweltbedingungen in GREAT-ER

Für die Untersuchung des Einflusses von einzelnen Parametern auf die vorhergesagten Konzentrationen können in GREAT-ER Szenarien angelegt und verglichen werden. Substanzspezifische oder kläranlagenspezifische Parameter können dabei über Eingabemasken geändert und für ein Szenario abgespeichert werden. Umweltbezogene Parameter wie Temperatur oder Schwebstoffgehalt hingegen sind derzeit statisch in den Datenbanken gespeichert. Ziel dieser Arbeit ist es, GREAT-ER dahingehend zu erweitern, dass Umweltparameter Szenario-spezifisch definiert werden können. Darüber hinaus soll es möglich sein, sich Kombinationen von Parameterwerten in einer sogenannten Umweltumgebung abzuspeichern, um diese in einem anderen Szenario wiederzuverwenden. Im Zuge einer Abschlussarbeit kann dieses Projekt ausgewertet werden, indem standardisierte (realistische) Umweltumgebungen definiert werden und deren Effekt auf die Konzentrationen unterschiedlicher Chemikalien untersucht wird.

Das Thema kann als Projektarbeit und Bachelorarbeit bearbeitet werden.

Voraussetzungen: GIS I, Programmierkenntnisse in Python und C#, Datenbanken

Berücksichtigung der zeitlichen Komponente in GREAT-ER 

In dieser Arbeit soll es darum gehen, eine zeitliche Komponente in GREAT-ER einzuführen. Der aktuelle Modellansatz erfordert für jedes Segment eine geschlossene Massenbilanz nicht nur für die simulierte Substanz, sondern auch für den Durchfluss, weil ansonsten an den „Sprungstellen“ in der Wasserbilanz auf den ersten Blick unerklärliche Konzentrationssprünge in den Ergebnissen auftreten. Die korrekte Wasserbilanz wird bei der Parametrisierung der hydrologischen Kennwerte im Rahmen des pre-processing für deterministische Simulationen sichergestellt. Bei stochastischen Simulationen wird diese Voraussetzung zwar bei den einzelnen Simulationsläufen nicht zwingend eingehalten, dies fällt aber bei der statistischen Betrachtung der Ergebnisse praktisch nicht auf.

In einem ersten Schritt sollen Simulationen für mittlere Bedingungen innerhalb bestimmter Zeiträume (hydrologische oder meteorologische Jahreszeiten, einzelne Monate) ermöglicht werden. Für die angedachten Zeiträume müssten dazu jeweils eigene hydrologische Parametrisierungen in die Datenstruktur integriert werden. Es müssen also die zugrundeliegende Simulationsdatenbank und die Software an die neuen Anforderungen angepasst werden.

Das Thema kann als Projektarbeit in Verbindung mit der Bachelorarbeit bearbeitet werden.

Voraussetzungen: GIS I, Programmierkenntnisse in Python und C#, Datenbanken

Dynamische Simulationen mit GREAT-ER

Prinzipiell ist der Aufwand für zeitdiskrete Simulationen in größeren Einzugsgebieten bei der hohen räumlichen Auflösung (max. 2 km lange Fluss-Segmente) nicht möglich, da bei jedem Simulationslauf auch die Wasserbilanz zeitlich aufgelöst mitgeführt werden müsste. Stattdessen wäre eine lokale/punktuelle Kopplung von GREAT-ER mit Niederschlags-/Abflussmodellen denkbar. Diese Modelle erzeugen mittlere Tagesabflüsse mit entsprechenden Fließgeschwindigkeiten an definierten Auslasspunkten eines Einzugsgebietes auf der Basis von Niederschlagsdaten und Bodeneigenschaften.

Für die Einzugsgebiete Hunte und Fränkische Saale wurde das Modell WASIM/ETH bereits mit hohem Aufwand parametrisiert und kalibriert, sodass für eine Reihe von Auslasspunkten in diesen Gebieten Tagesabflüsse für längere Zeitreihen vorliegen. Diese Ergebnisdaten könnten relativ einfach an GREAT-ER übergeben werden und dazu genutzt werden, eine Abflusskorrektur der simulierten Konzentrationen vorzunehmen.

Im nächsten Schritt müsste geklärt werden, ob und wie man diese Daten evtl. auch auf die deutlich höhere räumliche Auflösung von GREAT-ER übertragen kann. Dies betrifft auch die Berücksichtigung der zeitlich variablen Parameter Fließgeschwindigkeit und Tiefe auf die Verlustprozesse. Fernziel ist es, eine erweiterte mathematische Beschreibung von ereignisgetriebenen Emissionsprozessen zu entwickeln, die in GREAT-ER eine realistischere zeitlich differenzierte Abbildung der Auswirkungen solcher Emissionen auf die Konzentrationen ermöglicht. Dazu ist es notwendig, das Modell konzeptionell anzupassen, die mathematischen Beschreibungen zu ergänzen und die Datenbankstruktur an die zusätzlichen Anforderungen anzupassen.

Das Thema kann als Projekt in Verbindung mit der Bachelorarbeit oder als Masterarbeit bearbeitet werden.

Voraussetzungen: GIS I, gute Programmierkenntnisse (Python, C#), idealerweise GIS-Modell-Integration

Berücksichtigung von Korrelationen zwischen Modellparametern in GREAT-ER

Die Variabilität im Abflussgeschehen wird in GREAT-ER durch eine stochastische Beschreibung simuliert, genauer gesagt wird der Abfluss für jedes Gewässersegment in Form einer Lognormal-Verteilung beschrieben. Das Modell wird im Zuge einer Monte-Carlo-Simulation mindestens 10000-mal durchlaufen, wobei in jedem Durchlauf für jedes Gewässersegment ein zufälliger Abflusswert (entsprechend der Verteilung) gezogen wird. Andere Parameter wie Fließgeschwindigkeit, Schwebstoffgehalt im Gewässer, Temperatur, Oberflächenabfluss oder die Aufenthaltszeit in Kläranlagen lassen sich ebenfalls durch Wahrscheinlichkeitsverteilungen darstellen. Einige Parameter sind aber nicht unabhängig voneinander, sondern sind mehr oder weniger stark korreliert. So ist z.B. die Fließgeschwindigkeit tendenziell höher bei höherem Abfluss. Ziel dieser Arbeit ist es, die Einflussparameter der mathematischen Prozessbeschreibungen auf mögliche Interkorrelationen zu analysieren und diese ggf. zu quantifizieren.

Das Thema kann als Projekt in Verbindung mit der Bachelorarbeit oder als Masterarbeit bearbeitet werden.

Voraussetzungen: GIS I, Mathematik für Anwender 2, Programmierkenntnisse (Python, C#), Umgang mit Datenbanken, idealerweise GIS-Modell-Integration

Berücksichtigung von Transformationsreaktionen in GREAT-ER

Viele Chemikalien werden unter den vorherrschenden Bedingungen in Kläranalgen und Fließgewässern innerhalb der üblichen Aufenthaltszeiten nicht nennenswert umgewandelt. Es gibt jedoch Ausnahmen wie z.B. die natürlichen Hormone (E1, E2 und E3), Sulfonamid-Antibiotika oder Metformin (Diabetes-Medikament). In GREAT-ER ist die gesamte Programm-Architektur darauf zugeschnitten, Simulationen für eine einzelne Substanz durchzuführen. Die direkte Berücksichtigung der Zunahme eines Metaboliten durch Abbau des Wirkstoffs und ggf. die Rückreaktion zum Ausgangsstoff ist bisher nicht möglich.

Ziel dieser Arbeit ist es, die direkte Simulation von Transformationsreaktionen in GREAT-ER zu implementieren. Dazu ist es erforderlich, die Programmstruktur an die Erfordernisse einer solchen Simulation anzupassen. Es müssen beide Substanzen in einem Szenario simuliert werden, wobei die wechselseitige Beeinflussung zu berücksichtigen ist. Die Komplexität dieses Themas ist besonders hoch, weswegen es nur im Rahmen einer Masterarbeit bearbeitet werden kann.

Voraussetzungen: GIS I und GIS-Modell Integration, umfangreiche Kenntnisse in Datenbank-Organisation, gute Programmierkenntnisse in Python und C#, gute Mathematik-Kenntnisse

Risikobewertung von Stoffgemischen

In der Umweltrisikobewertung von Chemikalien kann die Bewertung anhand einer einzelnen Chemikalie oder anhand der Kombination von mehreren Chemikalien erfolgen. Ziel dieser Arbeit ist es, verschiedene Ansätze für die Risikobewertung von Stoffgemischen in einem geeigneten Programm so zu implementieren, dass die Ergebnisse von entsprechenden Einzelstoff-Simulationen mit dem Modell GREAT-ER summarisch bewertet werden können. Idealerweise wird eine Routine entwickelt, die die von GREAT-ER simulierten Ergebnisse (PEC) direkt einliest und die Auswertungs-Operationen über ein Menu abgerufen werden können. Weiterhin soll eine Routine zur grafischen Darstellung der Ergebnisse entwickelt werden. Folgende Auswertungen sollen ermöglicht werden:

1. Konzentrationssummen
2. Summe von toxic units, d.h. Summe von Konzentrationen geteilt durch einen Substanz-spezifischen Toxizitäts-Schwellenwert (PNEC, oder spezifisch z.B. LC50, GeoMean, HC5)
3. Summe von Äquivalent-Konzentrationen (TEQ), die mit einem TEF (toxicity equivalent factor) relativ zur Toxizität einer Referenzsubstanz gewichtet werden (z.B. Hormone):      TEQ = ∑ C(i) x TEF(i)
4. Aggregation bei voneinander unabhängiger Wirkung der Einzelkomponenten („Independent action“): TU = 1 - ∏ (1 - C(i)

Das Thema kann als Projekt in Verbindung mit der Bachelorarbeit oder als Masterarbeit bearbeitet werden.

Voraussetzung:GIS I, gute Mathematik-Kenntnisse, Programmierkenntnisse (Python, C#)

Risikobewertung durch Vergleich von Wahrscheinlichkeitsverteilungen für PEC und PNEC

PEC und PNEC Werte können als verteilte Größen dargestellt werden. PEC-Verteilungen werden durch probabilistische Simulationen mit GREAT-ER erzeugt oder durch Auswertung einer größeren Anzahl von Messwerten aus Monitoring-Studien an derselben Stelle gewonnen. Effekt-Schwellenwerte (PNEC: predicted no effect concentration) werden aus Daten wie z.B. LC50 (lethale Konzentration für die Hälfte der Organismen), EC50 (Effekt-Konzentration, bei der 50% der Organismen betroffen sind) oder NOEC (no effect concentratin), variieren für unterschiedliche Arten. Ihre Verteilung kann über eine sog. species sensitivity distributions (SSD) dargestellt werden. In dieser Arbeit soll eine Methode entwickelt und implementiert werden, die eine Risikobewertung einer Substanz auf die Artengemeinschaft als Faltung (convolution integral) der beiden Verteilungsfunktionen von PEC und PNEC berechnet.

Die Komplexität dieses Themas ist besonders hoch, weswegen es nur im Rahmen einer Masterarbeit bearbeitet werden kann.

Voraussetzungen: GIS I, sehr gute Mathematik-Kenntnisse, Programmierkenntnisse (Python, C#), idealerweise GIS-Modell-Integratio

Umweltsystemmodellierung

Individuen-basierte Modellierung von Honigbienen mit BEEHAVE (Bachelor, Master)

BEEHAVE ist ein Individuen-basiertes Simulationsmodell zur Simulation und Analyse der Dynamik von Honigbienen-Kolonien (Webseite). Rund um BEEHAVE gibt es eine Reihe möglicher Themen für Projekt- oder Masterarbeiten, z.B.: 

• Reaktion auf Massentrachten in der Umgebung der Bienenkolonie. Die Nektar-Ernte in BEEHAVE wird nicht durch Angebot, sondern vor allem durch interne Nachfrage angetrieben. Dadurch wird die zeitliche Dynamik der Bienenkoloniestärke nicht ganz korrekt abgebildet, wenn man Simulationen mit Messdaten vergleicht. Diese Arbeit soll daher die Rekrutierung von Nektar-sammelnden Bienen und/oder andere geeignete Stellschrauben in BEEHAVE anpassen, um die Verzögerung zu vermeiden.
• Oberflächen-Entwicklung für „Educational Software“. BEEHAVE ist in NetLogo implementiert und hat hat eine Anwendungsoberfläche, die viele Optionen und Eingaben ermöglicht. Obwohl die Bedienung einigermaßen komfortabel ist, ist diese Oberfläche für nicht-Experten wie zum Beispiel Imker schwierig zu benutzen. In dieser Arbeit soll daher eine einfacher gestaltete Oberfläche für BEEHAVE entwickelt werden. Diese kann z.B. auch außerhalb von NetLogo entwickelt werden, und BEEHAVE dann als Java Objekt ausgeführt werden. Zudem sollen in diesem Projekt spielerische Experimente bzw. Aufgaben zur Verfügung gestellt werden, zum Beispiel unter bestimmten Bedingungen eine gewisse Honigmenge zu produzieren .

Weitere Themen sind auf Nachfrage möglich.

Betreuung: Andreas Focks, in Zusammenarbeit mit Prof. Volker Grimm vom UFZ Leipzig

Voraussetzung: Kenntnisse im Bereich Individuenbasierte Modelle, idealerweise Programmierkenntnisse in NetLogo/Java

Beginn: nach Vereinbarung

Diverse Themen im Bereich von TKTD-Modellen (Bachelor, Master)

In meiner Arbeitsgruppe gibt es eine Reihe von Themen im Bereich TKTD Modellierung, z.B.

• Modellierung der Auswirkungen von Herbiziden auf das Wachstum von Wasserpflanzen; Zusammenarbeit mit Prof. Uta Ulrich, Kiel. Hier gibt es Feld-Messdaten von Herbizid-Konzentrationen und Nährstoffgehalten in Fliessgewässern, die mittels eines TKTD Modelles ausgewertet werden sollen.
• Untersuchung von Variationen der Expositionsprofile des Insektizides Chlorpyrifos; Hier sollen GUTS-Modelle an Beobachtungsdaten zum überleben einer Reihe von aquatischen Makroinvertrebraten kalibriert werden, und mittels der kalibrierten GUTS Modelle Aussagen über das Risiko verschiedener Expositionsprofile getroffen werden.

Weitere Themen sind auf Nachfrage möglich.

Betreuung: Andreas Focks

Voraussetzung: LV Chemodynamik/ Umweltsystemanalyse; idealerweise Programmierkenntnissein z.B. Python, Matlab o.ä.

Beginn: nach Vereinbarung

Testen der Vorhersagen von DEB-TKTD-Modellen zu den Auswirkungen einer zeitvariablen Exposition gegenüber einem Fungizid auf die Fortpflanzung und das Überleben von Daphnia magna (Bachelor, Master)

DEB-Modelle (Dynamic Energy Budget) gekoppelt mit TKTD (Toxikokinetisch-toxikodynamischen) -Modellen berücksichtigen subletale Wirkungen von Pestiziden auf Wachstum und Fortpflanzung. DEB-TKTD-Modellen können zur Analyse der Auswirkungen von zeitlich veränderlichen Konzentrationen von Chemikalien auf das Wachstum oder die Fortpflanzung von Organismen verwendet werden. Eine experimentelle Studie hat die Auswirkungen des Fungizids Azoxystrobin auf den Wasserfloh Daphnia magna untersucht. Die Auswirkungen von Azoxystrobin auf Wachstum, Fortpflanzung und Überleben von D.magna wurden unter statischen und gepulsten Expositionsbedingungen analysiert, letztere bei niedriger, mittlerer und hoher Konzentration. Ziel dieser Arbeit ist es, ein DEB-TKTD-Modell an die Daten zu kalibrieren. Diese Kalibrierung kann unter Verwendung des BYOM-Pakets in Matlab erfolgen. In einem zweiten Schritt soll die Vorhersagegüte der kalibrierten Modelle evaluiert werden.

Betreuung: Andreas Focks

Voraussetzung: LV Chemodynamik/ Umweltsystemanalyse; idealerweise Programmierkenntnisse in Matlab; Grundkenntnisse in Statistik und Modellkalibrierung sind von Vorteil

Beginn: nach Vereinbarung