Investigating ecological indicators of freshwater ecosystems using signal analysis methods

Untersuchung von ökologischen Indikatoren der Süßwasserökosysteme mit Methoden der Signal-Analyse

  • Human life depends on water of good quality. Freshwater ecosystems are being degraded as a result of anthropogenic activities. Managing freshwater resources require a good understanding of the dynamics of the processes affecting water quality and the interrelationship existing between them. Signal analysis methods are used to extract information from water quality time series. The information obtained from such analysis is required for developing dynamic models as an aid in investigating the outcome of different management scenarios. They are equally useful in determining the appropriate sampling frequency required for monitoring ecological indicators. Modern methods developed in other field such as mathematical statistics need to be investigated in the fields of water quality management so as to enhance the knowledge of the functioning and the structure of water bodies. Classical methods consisting of time domain and frequency domain methods in combination with a modern method, wavelet analysis, were used to extract information fromHuman life depends on water of good quality. Freshwater ecosystems are being degraded as a result of anthropogenic activities. Managing freshwater resources require a good understanding of the dynamics of the processes affecting water quality and the interrelationship existing between them. Signal analysis methods are used to extract information from water quality time series. The information obtained from such analysis is required for developing dynamic models as an aid in investigating the outcome of different management scenarios. They are equally useful in determining the appropriate sampling frequency required for monitoring ecological indicators. Modern methods developed in other field such as mathematical statistics need to be investigated in the fields of water quality management so as to enhance the knowledge of the functioning and the structure of water bodies. Classical methods consisting of time domain and frequency domain methods in combination with a modern method, wavelet analysis, were used to extract information from water quality indicators from the River Havel in the State of Brandenburg in Germany. The indicators were dissolved oxygen, chlorophyll-a and water temperature which are respectively chemical, biological and physical indicators. The time domain methods revealed the behavior of the signal across time as well as the relationship between them. The frequency domain methods proved quite inadequate because the signals from water quality are non-stationary with changing variance across time. The wavelet methods were quite good in unraveling the behavior of these signals at different time-scales. This analysis revealed that the high frequency changes have no significant effect on the long term dynamics of water quality signals. Given that only the low frequency components influence the long term behavior of these signals, it was found that it makes more sense to sample most of the signals at a weekly or two weekly intervals so as to avoid noisy or redundant information. In addition, the time-scale decomposition allows for noisy or redundant information that blurs the long term dynamics thereby negatively affecting the quality of models to be detected and kicked out. Moreover, it was also found that the use of a time delay in a dynamic model should be based on the delay from the time-scale that influence the long term dynamics the most in the freshwater body by the help of the wavelet cross-correlation rather than the classical cross-correlation. Finally, the same indicator from different water bodies of the same watershed portrayed different time and frequency dependent behavior implying that each freshwater body needs to be uniquely investigated. Applying the same management techniques to different water bodies without prior investigation will not be sound. Freshwater ecosystems are more and more threatened by phenomena such as global warming, pharmaceuticals in water bodies, invasive species requiring more investigation on the applicability of tools developed in other fields of science in the field of water resource management. Enhanced knowledge will improve the existing knowledge on the structure and functioning of freshwater bodies, the quality of models developed as management decision aid and the quality of the data used for decision making.show moreshow less
  • Menschliches Leben hängt von der guten Qualität des Wassers ab. Süßwasserökosysteme werden durch anthropogene Tätigkeiten negativ beeinflusst. Das Management von Süßwasserressourcen erfordert ein gutes Verständnis der Dynamik der Prozesse, die die Wasserqualität und den Zusammenhang zwischen ihnen beeinflussen. Wenn man das Resultat der unterschiedlichen Managementszenarien untersucht, werden die Informationen, die aus einer solchen Analyse gewonnen werden, für die Entwicklung der dynamischen Modelle als Hilfsmittel benötigt. Sie sind gleichermaßen nützlich, wenn man die passende Abtastfrequenz feststellt, die für die Überwachung der ökologischen Indikatoren erforderlich ist. Moderne Methoden die sich in anderen Feldern wie der mathematischen Statistik entwickelt haben, müssen in den Feldern vom Wasserqualitätsmanagement untersucht werden, um das Wissen der Arbeit und die Struktur der Wasserkörper zu erhöhen. Die klassischen Methoden der Zeit- und Frequenzanalyse wurden gemeinsam mit einer modernen Methode, der Wavelet-Aanalyse,Menschliches Leben hängt von der guten Qualität des Wassers ab. Süßwasserökosysteme werden durch anthropogene Tätigkeiten negativ beeinflusst. Das Management von Süßwasserressourcen erfordert ein gutes Verständnis der Dynamik der Prozesse, die die Wasserqualität und den Zusammenhang zwischen ihnen beeinflussen. Wenn man das Resultat der unterschiedlichen Managementszenarien untersucht, werden die Informationen, die aus einer solchen Analyse gewonnen werden, für die Entwicklung der dynamischen Modelle als Hilfsmittel benötigt. Sie sind gleichermaßen nützlich, wenn man die passende Abtastfrequenz feststellt, die für die Überwachung der ökologischen Indikatoren erforderlich ist. Moderne Methoden die sich in anderen Feldern wie der mathematischen Statistik entwickelt haben, müssen in den Feldern vom Wasserqualitätsmanagement untersucht werden, um das Wissen der Arbeit und die Struktur der Wasserkörper zu erhöhen. Die klassischen Methoden der Zeit- und Frequenzanalyse wurden gemeinsam mit einer modernen Methode, der Wavelet-Aanalyse, verwendet, um Informationen über die Wasserqualität vom Fluss Havel (Brandenburg in Deutschland) zu extrahieren. Die Indikatoren wurden aufgelöst in Sauerstoff, Chlorophyll-a, und Wassertemperatur, welches beispielsweise chemische, biologische und physikalische Indikatoren sind/sein können. Die Methoden der Zeitanalyse deckten das Verhalten der Signale über die Zeit sowie das Verhältnis zwischen ihnen auf. Die Methoden der Frequenzanalyse haben sich als völlig unzureichend erwiesen, weil die Signale von der Wasserqualität nicht stationär sind. Die „Wavelet Methoden“ waren ziemlich gut, wenn man das Verhalten dieser Signale auf den unterschiedlichen Zeitskalen entwirrte. Diese Analyse deckte auf, dass die Hochfrequenzänderungen keinen bedeutenden Effekt auf die langfristige Dynamik der Wasserqualitätsindikatoren haben. Angesichts der Tatsache, dass nur die Niederfrequenzbestandsteile das langfristige Verhalten dieser Signale beeinflussen, wurde festgestellt, dass es sinnvoller ist, die Signale in wöchentlichen oder zweiwöchentlichen Abständen zu untersuchen, um die störenden oder unnötigen Informationen zu vermeiden. Darüber hinaus lässt der Zeitskalen Zerfall die störenden oder unnötigen Informationen zu, die die langfristige Dynamik verschleiert. Dadurch wird die Qualität um die Modelle zu entdecken und zu entfernen negativ beeinflusst. Außerdem wurde herausgefunden, dass der Gebrauch von einem „Time Delay“ (Zeitverzögerung) in einem dynamischen Modell, auf der Verzögerung von einer Zeitskala basieren sollte, die am meisten die langfristige Dynamik der Süßwasserkörper durch die Hilfe der Wavelet-Kreuzkorrelation anstatt der klassischen Kreuzkorrelation beeinflussen. Schließlich ergab die gleiche Analyse unterschiedlicher Wasserkörper der gleichen Wasserscheide unterschiedliche Zeiten und frequenzabhängiges Verhalten, was vermuten lässt, dass jeder Frischwasserkörper separat untersucht werden muss. Die gleichen Methoden auf unterschiedliche Wasserkörper ohne vorherige Untersuchung anzuwenden, ist nicht angemessen. Süßwasserökosysteme sind zunehmend bedroht durch Phänomene wie globale Erwärmung, pharmazeutische Produkte in den Wasserkörpern und angreifende Arten. Sie erfordern die vertiefte Recherche von Anwendungsmöglichkeiten der bereits entwickelten Werkzeuge in anderen Wissenschaftsfeldern im Wasserressourcen-Management Feld. Erweitete Fachkenntnisse verbessern das vorhandene Wissen der Struktur und der Funktion der Süßwasserkörper, der Qualität der Modelle zur Entscheidungshilfe und der Qualität der Daten, die für die Entscheidungsfindung verwendet werden.show moreshow less

Download full text files

Export metadata

Additional Services

Search Google Scholar Stastistics
Metadaten
Author: Jean Duclos Alegue Feugo
URN:urn:nbn:de:kobv:co1-opus-4396
Referee / Advisor:Prof. Dr. Albrecht Gnauck
Document Type:Doctoral thesis
Language:English
Year of Completion:2008
Date of final exam:2008/03/31
Release Date:2008/05/21
Tag:Indikatoren; Verschmutzung; Zeitreihenanalyse; wavelet
Indicators; Modeling; Pollution; Time series; Wavelet
GND Keyword:Süßwasser; Ökosystem
Institution name at the time of publication:Fakultät für Umweltwissenschaften und Verfahrenstechnik (eBTU) / LS Ökosysteme und Umweltinformatik
Einverstanden ✔
Diese Webseite verwendet technisch erforderliche Session-Cookies. Durch die weitere Nutzung der Webseite stimmen Sie diesem zu. Unsere Datenschutzerklärung finden Sie hier.