Die Optimierung von Entnahmen aus dem Grundwasser durch räumlich verteilte Entnahmebrunnen in einem Einzugsgebiet geschieht häufig unter Verwendung von Grundwassermodellen. Die Opensource-Software Mooflow bietet hierfür ein Framework für multi-kriterielle Optimierungen mit dem Grundwassermodell MODFLOW für Python an.

Die simulationsbasierte Optimierung nutzt Simulationsmodelle zur Beschreibung der Auswirkungen veränderter Bedingungen auf komplexe, reale Systeme. Auf der Suche nach verbesserten Bewirtschaftungsregeln ändert ein Optimierungsalgorithmus gezielt Entscheidungsvariablen und nutzt das Simulationsmodell zur Evaluation der Auswirkungen. In der Optimierung der Grundwasserbewirtschaftung wird ein Grundwassermodell oftmals genutzt, um Auswirkungen auf Grundwasserstände durch räumlich und zeitlich veränderte Entnahmen und Einleitungen durch Brunnen zu berechnen.
In der Regel müssen Anwender dabei die Kopplung zwischen Optimierungsalgorithmus und dem Simulationsmodell sowie die Auswertung der Ergebnisse selbst aufwändig programmieren. Diese Kopplung bietet das Optimierungsframework Mooflow als Opensource-Softwarelösung in der weit verbreiteten Programmiersprache Python für das frei verfügbare Grundwassermodell MODFLOW zwischen multi-kriteriellen Optimierungsalgorithmen und dem Wasserverteilungsmodell Pywr. Durch eine sparsame Nutzung von Entscheidungsvariablen und einer parallelisierten Modellausführung eignet sich Mooflow insbesondere für großräumige Grundwassermodelle mit komplexen zugehörigen Wasserverteilungssystemen.

Mooflow wurde im GRoW-Verbundprojekt Medwater entwickelt und an einem großräumigen Fallbeispiel angewandt. Die durchgeführte Mehrzieloptimierung umfasste 513 Entnahmebrunnen und 32 Einleitungsbrunnen sowie drei Ziele,: die Erhöhung der Nachhaltigkeit bei einer gleichzeitigen Senkung von Versorgungsdefiziten und Bereitstellungskosten.

Mooflow ist unter https://bitbucket.org/BAH_Berlin/mooflow zu finden.