Kombination von Citizen-Science-Daten und der hierarchischen Strukturierung von temporären Bächen zur Rekonstruktion der Muster der Durchflutung und Austrocknung von Gewässern

Temporäre Bäche (d.h. nicht-permanente Bäche) bedecken mehr als die Hälfte des globalen Bachnetzes. Sie sind hochdynamische Systeme und wichtige Lebensräume. Dennoch wurden sie bisher nicht gründlich überwacht, da Messstationen kostspielig sind, sich nicht gut zur Messung von Nullflüssen eignen und nur Daten für einen einzigen Standort im Bachnetz bereitstellen. Eine alternative Möglichkeit zur Überwachung temporärer Bäche ist die visuelle Bewertung. Allerdings sind vor Ort durchgeführte Erhebungen von Bachnetzen oft sehr zeitaufwendig. Daher bieten visuelle Beobachtungen durch Bürgerwissenschaftler eine großartige Gelegenheit, hochräumliche und temporale Auflösungsdaten zu sammeln, obwohl es Herausforderungen hinsichtlich der Genauigkeit und Unregelmäßigkeit der Beobachtungen gibt. Um das Potenzial von Citizen-Science-Daten zur Gewinnung zeitlich aufgelöster Informationen über den Zustand temporärer Bäche zu bewerten, verwendeten wir die von Bürgerwissenschaftlern über die CrowdWater-App eingereichten Beobachtungen an 63 Standorten auf einem 5 km² großen bewaldeten Hügel in Zürich, Schweiz. Die Anzahl der Beobachtungen pro Standort in den letzten drei Jahren variierte von 1 bis 257 (Median: 40). Es gab mindestens eine Beobachtung des Bachzustands an 402 Tagen, mit maximal 42 Beobachtungen pro Tag und einem Median von 10 Beobachtungen pro Tag. Darüber hinaus überwachte geschultes Personal 59 Bäche (30 überschneiden sich mit dem Citizen-Science-Datensatz) mit nahezu zweiwöchiger Auflösung über sechs Monate (24 Beobachtungstage an allen 59 Punkten). Die hierarchische Struktur der Dynamik von Gewässernetzen postuliert die Existenz einer festen, einzigartigen Reihenfolge, nach der Bachsegmente während der Netzwerkausdehnung aktiviert werden (von den am nachhaltigsten zu den am wenigsten nachhaltigen). Um die hierarchische Struktur der Durchflutung und Austrocknung von Bächen am Studienstandort zu verstehen, wendeten wir die graphbasierte Methode von Durighetto et al. (2023) auf die verfügbaren Daten an. Diese datengestützte Methode würde es uns ermöglichen, die Lücken der unregelmäßigen Citizen-Science-Daten zu schließen (was zu 25.728 rekonstruierten Beobachtungen im Vergleich zu den ursprünglichen 4.354 Beobachtungen führt). Die hierarchischen Strukturen der beiden Datensätze wichen ab, selbst wenn nur Standorte verwendet wurden, die Teil beider Datensätze und des gleichen Zeitraums waren, um die hierarchische Struktur zu bestimmen. Im Citizen-Science-Datensatz ist die Reihenfolge der Aktivierung der beobachteten Bachstandorte weniger klar identifizierbar (d.h. unsicherer). Dies liegt wahrscheinlich an der unsystematischen und sporadischen Natur der Daten, d.h. nur wenige Bachbeobachtungen am selben Datum sowie Fehler in den Daten. Dennoch können diese Informationen dazu genutzt werden, den Bürgerwissenschaftlern Hinweise zu geben, welche Bäche häufiger beobachtet werden sollten, da sie die entscheidendsten Informationen über die Durchfluss- und Austrocknungsmuster des Netzwerks bereitstellen. Referenz: Durighetto, N., Noto, S., Tauro, F., Grimaldi, S., Botter, G. (2023). Integration räumlich und zeitlich heterogener Daten zu den Dynamiken von Flussnetzwerken mithilfe der Graphentheorie. Iscience, 26(8).