In den letzten Jahrzehnten hat die zunehmende Abhängigkeit von Grundwasser für Bewässerung und privaten Verbrauch die Notwendigkeit einer präziseren Überwachung des Grundwasserstandes verdeutlicht. Konventionelle Methoden zur Erstellung von Grundwasserkarten, wie manuelles Kartieren und kalibrierte numerische Modelle, stoßen auf Herausforderungen in Bezug auf Rechenzeit, Komplexität, Skalierbarkeit und Kosten. Um diese Einschränkungen zu überwinden, werden wir einen neuartigen Ansatz entwickeln, der mehrere Datenquellen mithilfe physikbasierter raum-zeitlicher geostatistischer Methoden integriert, um die Genauigkeit der Schätzung von Grundwasserständen zu verbessern. Unser Ansatz kombiniert verschiedene Datenquellen, darunter Fernerkundung, hydrogeologische Erhebungen und historische Grundwassermessungen, um ein umfassendes Verständnis von Grundwassersystemen zu entwickeln.
Diese Forschung konzentriert sich auf die Entwicklung und Kombination von Methoden für Geostatistik, maschinelles Lernen und Datenfusion. Das Hauptziel besteht darin, effektive Werkzeuge für die Herausforderungen des Grundwassermanagements in Regionen mit begrenzten Daten zu bieten – sowohl in Pakistan als auch weltweit.
