StartseiteFörderungProjektePolarregionen im Wandel 1: ThinIce - Auftauende industrielle Hinterlassenschaften in der Arktis - eine Bedrohung für Permafrost-Ökosysteme; Vorhaben: Charakterisierung und Modellierung permafrostgeprägter Bohrschlammsümpfe

Polarregionen im Wandel 1: ThinIce - Auftauende industrielle Hinterlassenschaften in der Arktis - eine Bedrohung für Permafrost-Ökosysteme; Vorhaben: Charakterisierung und Modellierung permafrostgeprägter Bohrschlammsümpfe

Laufzeit: 01.09.2023 - 31.12.2026 Förderkennzeichen: 03F0943B
Koordinator: Rheinisch-Westfälische Technische Hochschule Aachen Institut für Geomechanik und Untergrundtechnik (GUT)

Aufgrund intensiver Rohstoffgewinnung in arktischen Gebieten sind in diesen eine große Zahl industrieller Altlasten vorzufinden. Diese beinhalten, beschränken sich jedoch nicht auf Bohrschlammsümpfe, in welchen die Abfallprodukte von Bohrungen abgelagert sind. Die Stabilität dieser umwelttoxischen Materialien hängt maßgeblich von der Stabilität des Permafrosts ab, in den diese eingelagert sind. Im Zuge der Klimaerwärmung und des subsequenten Auftauens der Permafrostböden ist die Stabilität der Sümpfe nicht mehr sichergestellt, und ein Versagen des Bodens sowie die Kontamination der Umwelt mit der Altlast ein ernstzunehmendes Szenario. Ein exemplarisches Gebiet hierfür, in dem eine große Zahl dieser Bohrschlammsümpfe vorzufinden ist, befindet sich im Mackenzie Delta in den Northwestern Territories Kanadas. Hier sollen einige exemplarische Standorte ausgewählt und untersucht werden. Die Untersuchungen beinhalten Feldarbeit mit geophysikalischen Methoden, um die Geometrie der Standorte zu bestimmen. Darüber hinaus werden Bodenproben entnommen, um diese auf ihre geotechnischen Eigenschaften zu untersuchen. Die gewonnenen Erkenntnisse aus diesen Untersuchungen werden in einem nächsten Schritt verwendet, um die thermo-hydro-mechanischen Prozesse innerhalb der Bohrschlammsümpfe zu modellieren. Die Modellierungen werden zunächst numerisch mithilfe der Software COMSOL durchgeführt. Das numerische Modell bildet dann einen Referenzpunkt um einen analytischen Ansatz zu entwickeln und zu validieren. Darüber hinaus soll ein physikbasiertes Machine Learning Modell entwickelt werden, welches die effiziente Einbeziehung neuer Datenpunkte ermöglichen wird. Dieses wird ebenfalls anhand des numerischen Modells validiert. Die Ergebnisse des Teilprojektes werden außerdem von den Projektpartnern in deren entsprechenden Teilvorhaben verwendet, da diese grundlegende Informationen über die Untersuchungsobjekte liefern.

Verbund: Polarregionen im Wandel 1: ThinIce Quelle: Bundesministerium für Bildung und Forschung (BMBF) Redaktion: DLR Projektträger Länder / Organisationen: Kanada Themen: Förderung Umwelt u. Nachhaltigkeit

Weitere Informationen

Projektträger