Suchergebnisse

97% percent of the world's usable freshwater is stored as groundwater, which is a limited resource. Thus, its protection and management is a world-wide major societal, health-related, ecologic and economic concern. The constant demand for clean and safe drinking water is in direct conflict with social and economic land-use claims. Therefore, water managers are challenged to know (1) what kind of hazards exist within the water catchment, (2) how these hazards can be controlled and (3) knowing that they are controlled. Thus, water management shifts from fixed and thus passive wellhead delineation zones to active risk management. Despite this desired change, a clear definition on dealing with uncertainties in risk assessment and management for drinking water supply systems is still missing. Nevertheless, uncertainty analysis is an integral part of risk assessment. Also, national guidelines in the US promulgates cumulative probability distribution functions to assess confidence bounds, regarding the risk prediction. These uncertainties are, for example, a result of measurement error, model conceptualization and parameterization. Therefore, it is necessary to quantify uncertainty as part of risk assessment. Risk assessment addresses three questions (1) What can happen?, (2) What is the probability that it happens? and (3) What is the damage after it happens? Thus, in general risk is a combination of uncertainty and damage. Unfortunately, only few comprehensive risk concepts exist for drinking water supply systems that address risk from source to receptor, while considering uncertainty and physically-based modeling aspects. Modularized, transport-based and probabilistic risk quantification models coupled with a rational, and stakeholder-objective decision analysis framework for groundwater supply systems do not yet exist. Only with this type of comprehensive risk model, stakeholders are able to estimate risk at the receptor level most accurately. This supports stakeholders to take risk-informed, implementable, transparent, and evidence-based decisions in an uncertain environmental framework and pushes water governance to the next higher level. Therefore, this work presents a new methodological risk concept within a Bayesian framework to quantify and manage risk within groundwater resources for drinking water supply, utilizing smart decision analysis concepts based on multiple stakeholder-objectives. The risk concept is quantitative, flexible, probabilistic and physically-based. This quantitative risk assessment approach is superior to qualitative ones. For example, it allows the aggregation of hazard impacts, provide transparency due objectivity, and enable risk-informed management that is based on cardinal scale and economic concepts. Furthermore, the risk modeling framework is flexible that allows stakeholders to easily exchange single modules (compare fault-tree: nodes or events) with ready available software and modeling techniques in a plug and play mode. The probabilistic approach quantifies uncertainty and provides a prediction space of many possible outcomes, such that stakeholders can better evaluate the current risk situation. Especially in case of the present subsurface heterogeneity and the lack of knowledge about the structural distribution, it is indispensable to quantify uncertainty. In addition, uncertainty is reduced by Bayesian-based conditioning techniques (e.g., Bayesian GLUE), moving risk estimates closer to reality. Furthermore, the state-of-the-art transport-based model is able to calculate the cumulative hazard impact at the target objective as required by European Commission. The physically-based transport model allows aggregation of mass discharges across space, time and frequency. This enables risk managers to evaluate hazards more precisely as individual hazards are often deemed to be no risk, although contributing to the overall expected impact at the well. Therefore, hazard ranking across the catchment is available in a cumulative environmental setting. Thus, the risk quantification concept is able to provide valuable and indispensable information for water stakeholders that are quantitative, flexible, probabilistic and physically-based. Second, by admitting uncertainty and utilizing this type of risk framework stakeholders are able to take transparent, robust, rational, and risk-informed decisions. The risk framework is her applied to two test cases, one being of synthetic nature, the other being a well catchment that is located in southern Germany. ; 97% des weltweit verfügbaren Frischwassers liegt als Grundwasser vor. Grundwasser ist eine begrenzte Ressource. Daher sind dessen Schutz und Management ein vorrangiges Ziel von gesellschaftlicher, ökologischer und ökonomischer Relevanz. Die konstante Nachfrage nach sicherem und sauberem Trinkwasser steht im direkten Konflikt mit gesellschaftlichen und wirtschaftlichen Landnutzungsansprüchen. Wassergebietsmanager sind daher stetig mit der Aufgabe konfrontiert, alle potenziellen Gefahren in einem Wasserschutzgebiet bestmöglich zu kennen, zu kontrollieren und zu beherrschen, so dass ein Wechsel vom Schutzgebietsmanagement hin zum aktiven Risikomanagement stattfindet. Trotz dieses angestrebten Wechsels fehlt in vielen Bereichen eine klare Definition zur Handhabung von Unsicherheiten. Unsicherheiten im Risikomanagementsystem treten beispielsweise bei der Parametrisierung von Modellvariablen, der Wahl des Simulationsmodells und Diskretisierungsansatzes, der mangelnden Kenntnis über die geologische Beschaffenheit des Untergrundes und der geringen Datengrundlage sowie dem menschlichen Handeln auf. Durch eine genauere Kenntnis des Systems, z.B. des Untergrunds, können die physikalischen Prozesse modell-technisch und mathematisch besser approximiert und damit die Unsicherheit reduziert werden. Eine Unsicherheitsanalyse ist damit ein integraler Bestandteil einer Risikoabschätzung. Diese versucht die drei Fragen (1)Was kann passieren?, (2)Wie wahrscheinlich ist es? und (3) Wie hoch ist das Schadensmaß, wenn es eintritt? zu beantworten. Leider existieren kaum umfassende systembezogene Konzepte für Brunneneinzugsgebiete, die Risiken von der Gefahrenquelle bis zum Schutzgut simulationsgestützt, probabilistisch und physikalisch basiert quantifizieren, und diese mit entscheidungstheoretischen Ansätzen koppeln, um die menschliche Entscheidungsvariabilität mit zu berücksichtigen. Somit ist bislang eine rationale und optimale Entscheidungsunterstützung unter Berücksichtigung der Risikowahrnehmung im Risikomanagement von Trinkwasser nicht möglich. Die Arbeit stellt daher ein robustes Risikomanagementsystem vor, welches eine probabilistisch-quantitative und physikalisch basierte Analyse des Rohwassers und damit eine Begrenzung von Gefährdungen in der Trinkwasserwirtschaft erlaubt. Die Arbeit basiert auf einem Bayes'schen Risikokonzept, um das Risiko in der Trinkwassergewinnung aus Grundwasser zu quantifizieren und mit Hilfe von robusten und neuen Entscheidungskonzepten in Abhängigkeit der unterschiedlichen Interessensziele zu steuern und zu minimieren. Der quantitative Risikoanalyseansatz ist den qualitativen Modellen überlegen, da das Modell zum Beispiel eine Aggregierung von Schäden am Empfänger auf einer Kardinalskala ermöglicht und somit den Gesamtschaden im Vergleich zu einer qualitativen Methode (Ordinalskala) genauer beziffert. Darüber hinaus erlaubt das vorgestellte quantitative Modell ein objektives, transparentes Risikomanagement und bietet in Verbindung mit ökonomischen Konzepten Risikomanagern ein wertvolles Entscheidungssystem. Das Risikomanagementsystem ist flexibel gestaltet, so dass einzelne Module im Risikomodell verhältnismäßig leicht ausgetauscht werden können (vergleiche Elemente und Knoten im Fehlerbaum). Dies ermöglicht die Verwendung des vorgestellten Risikosystems mit beliebig vorhandener Software und wenigen Daten. Der probabilistische Ansatz erlaubt die Quantifizierung der Modell- und Paramaterunsicherheit, so dass Risikomanager die aktuelle Risikosituation besser einschätzen können. Aufgrund der komplexen hydrogeologischen Struktur im Untergrund und dem Unwissen über deren genauen Verteilung (mangelnde Datenlage) unterliegen die Modellergebnisse der Transportmodellierung in Grundwassersystemen großen Unsicherheiten, welche quantifiziert werden und mit Hilfe von datengetriebenen Bayes'schen Kalibrierungstechniken (z.B. Bayes'sches GLUE) reduziert werden, so dass die Risikowerte näher an der Realität liegen. Zur Bestimmung des kumulativen Schadens werden Massenflüsse mit Hilfe des physikalisch-basierten Transportmodells über die Zeit, dem Ort und der Schadenshäufigkeit (Fehler-Frequenz) aggregiert. Diese genauere Bestimmung des Gesamtschadens erlaubt eine verbesserte Risikoabschätzung, insbesondere vor dem Hintergrund, dass häufig einzelne Gefährdungen als ungefährlich eingestuft werden, jedoch in ihrer Summe den Empfänger (hier Brunnen) beeinträchtigen. Insgesamt erlaubt die Arbeit eine genauere Analyse, Quantifizierung und bessere Begrenzung von kumulativen Risiken, eine zielgerichtete Einrichtung von Monitoringsystemen oder Brunnenschutzgebiete, Priorisierung von Gefährdungen, und ein szenario-basiertes optimales Risikomanagement. Im Vordergrund steht die methodisch-konzeptionelle Entwicklung des Risikoquantifizierung- und -managementsystems, flankiert von zwei Fallstudien. Als Risikowird das erwartete Nichteinhalten eines a-priori gesetzten Schwellenwertes definiert, das eine sichere und saubere Trinkwasserversorgung verhindert.