Forschung

Für ein besseres Verständnis der Oberflächenwasserqualität

Schlechte Oberflächengewässerqualität ist eines der dringendsten Umweltprobleme weltweit. In Deutschland sind 54 % der Bäche und 37 % der Seen verschmutzt (schlecht & unbefriedigend, Umweltbundesamt, 2015). In den USA sind die Zahlen ähnlich schlecht: 54 % der Bäche und 68 % der Seen sind verschmutzt (EPA, 305(b)-Liste, 2015). Weltweit ist die Trinkwasserversorgung von 1,8 Milliarden Menschen verunreinigt (WHO, 2015). Eine wirksame Bewältigung dieser Probleme erfordert ein vorausschauendes Verständnis dieser Systeme. Wie wird sich die Wasserqualität dieses Flusses verändern, wenn wir die Kläranlage aufrüsten? Welche Änderungen an unseren landwirtschaftlichen Praktiken sind erforderlich, um diesen See zu säubern? Wie wird sich der Klimawandel auf die Gesundheit dieses Ästuars auswirken? Leider verstehen wir unsere Oberflächenwassersysteme noch nicht gut genug, um diese Fragen mit Sicherheit beantworten zu können. Nehmen wir als Beispiel den Eriesee in den USA. In den 1970er Jahren war der See stark eutrophiert, was zu milliardenschweren Bewirtschaftungsmaßnahmen führte (z. B. Bau und Modernisierung von Kläranlagen). Obwohl der See zunächst mit einer deutlichen Verbesserung der Eutrophierungssymptome (z. B. Hypoxie, Algenbiomasse) reagierte, erlebt er jetzt ein Wiederaufleben der Eutrophierung, einschließlich häufiger toxischer Cyanobakterienblüten, die die ökologische Gesundheit und die Wasserversorgung von Millionen von Menschen bedrohen. Die Wasserqualität ist heute schlechter als vor der Durchführung der Bewirtschaftungsmaßnahmen! Es ist notwendig, ein prädiktives Verständnis von Oberflächenwassersystemen zu entwickeln, d.h. Modelle und Modellierer, um deren wirksame und nachhaltige Bewirtschaftung zu unterstützen.

Problemstellung: Modelle mit "alter" Chemie und Biologie

Das Hauptproblem mit unseren bestehenden Modellen ist, dass sie auf einer veralteten Wissenschaft beruhen. Sie wurden in den 1980er Jahren entwickelt und sind nicht an die aktuellen chemischen und biologischen Erkenntnisse angepasst worden. Für das nährstoffbegrenzte Wachstum von Phytoplankton beispielsweise verwenden die bestehenden operationellen Modelle immer noch eine einfache Gleichung aus dem Jahr 1942 (Monod). Dies steht in krassem Gegensatz zu den enormen Fortschritten, die in den Grundlagenwissenschaften erzielt wurden. Es besteht die Möglichkeit, unsere Wasserqualitätsmodelle durch die Einbeziehung moderner Erkenntnisse aus Chemie und Biologie wesentlich zu verbessern.

Forschungsschwerpunkt: Wasserqualität im Zusammenspiel von Chemie und Biologie

Der allgemeine wissenschaftliche Schwerpunkt des Fachgebiets Wasserreinhaltung liegt auf der Wasserqualität mit Schwerpunkt auf Biogeochemie und mikrobieller Ökologie. Mit anderen Worten, die Wasserqualität wird durch Mikroben beeinflusst und umgekehrt. Gegenwärtig konzentrieren wir uns auf zwei spezifische Probleme: Cyanotoxine und Spurenstoffe. Cyanotoxine sind eine Gruppe von Chemikalien, die von verschiedenen Arten von Cyanobakterien produziert werden, wahrscheinlich um Schäden durch oxidativen Stress abzumildern. Viele von ihnen sind akut giftig für Hunde, Kühe und Menschen. Zu den Spurenstoffen gehört eine lange Liste von Arzneimitteln und Körperpflegeprodukten, wie hormonaktive Chemikalien, die für die Verweiblichung von Fischen verantwortlich sind, und Antibiotika.

Spezialbereich: Ein integratives, interdisziplinäres Herangehen

Der Fachbereich Wasserreinhaltung ist thematisch in drei Labors mit den Schwerpunkten Chemie, Biologie und Modellierung gegliedert. Jedes Labor ist in der Forschung und Lehre aktiv, und sie sind durch einen gemeinsamen Schwerpunkt auf zwei große und wichtige gesellschaftliche Probleme verbunden: Spurenstoffe (Arzneimittel und Körperpflegeprodukte) und Cyanotoxine. Sie interagieren mit dem gemeinsamen Ziel, ein wichtiges gesellschaftliches Ergebnis voranzutreiben und zu produzieren: Ein vorausschauendes Verständnis von Oberflächenwassersystemen für die Bewirtschaftung. Dieses Verständnis kommt in Form von Technologie (d.h. Modelle) und Menschen (d.h. Modellierer).

2022

2021

2020

2019