Photovoltaic groundwater pumping has the capacity to reduce carbon emissions of the agricultural sector in South-Asia but necessitates adequate financial and policy plans to develop its potential. To support the design of these plans, a numerical model that utilizes open-access data for simulating the pumping capacities of photovoltaic groundwater pumping systems (PVGWPS) for irrigation across the Indo-Gangetic Basin (IGB) is developed. The first main contribution of this master thesis is the detailed design of a large-scale, physics-based, dynamic PVGWPS model. Results are simulated for four system sizes: 1000, 3000, 5000, and 10000 Wp, with a particular focus on 3000 Wp, as these sizes represent common subsidized configurations for irrigation systems. Results reveal strong spatial variability in abstractable volumes, driven mainly by static water levels. Pumping capacities are higher in the eastern IGB, with estimates for a 3000 Wp PVGWPS averaging ~230 m³/day in Bangladesh, while the average is ~90 m³/day in the region spanning northern Pakistan and the Indian state of Punjab. The second main novel contribution of this master thesis is the development of emulator models to improve the computation time of the physics-based model without significantly reducing the quality of its estimation. More specifically, a Gradient Boosting Classifier first predicts with 96% accuracy if a PVGWPS will stop due to the water level dropping below the motor-pump during operation. Secondly, a Random Forest Regressor predicts the groundwater volume abstractable by a given PVGWPS with an R² of 0.977, when the PVGWPS is not predicted to stop due to the water level dropping below the motor-pump. When applied to the IGB dataset, the emulator model reduces the computation time by 5740 compared to the physics-based model. Despite limitations, notably inherent to large-scale analysis, these models offer valuable insights that can help governments, NGOs, and water sector professionals identify optimal locations and estimate pumping performance, serving as an effective initial screening tool for PVGWPS deployment projects. 

Fotovoltaisk grundvattenpumpning har potential att minska jordbrukssektorns koldioxidutsläpp i Sydasien, men kräver adekvata finansiella och politiska planer för att utveckla sin potential. För att stödja utformningen av sådana planer har en numerisk modell utvecklats som använder öppet tillgänglig data för att simulera pumpkapaciteten hos fotovoltaiska grundvattenpumpsystem (PVGWPS) för bevattning över Indo-Gangetiska slätten (IGB). Det första huvudsakliga bidraget i denna masteruppsats är den detaljerade designen av en storskalig, fysikbaserad och dynamisk PVGWPS-modell. Resultat har simulerats för fyra systemstorlekar: 1000, 3000, 5000 och 10000 Wp, med särskilt fokus på 3000 Wp, eftersom dessa storlekar representerar vanliga subventionerade konfigurationer för bevattningssystem. Resultaten visar på stark rumslig variation i abstraktionsvolymer, som huvudsakligen drivs av statiska vattennivåer. Pumpkapaciteten är högre i östra IGB, med uppskattningar för ett 3000 Wp PVGWPS som genomsnittligt producerar 230 m³/dag i Bangladesh, medan genomsnittet är 90 m³/dag i regionen som omfattar norra Pakistan och den indiska delstaten Punjab. Det andra huvudsakliga nya bidraget i denna masteruppsats är utvecklingen av emulator-modeller för att förbättra beräkningstiden för den fysikbaserade modellen utan att signifikant minska kvaliteten på dess uppskattningar. Mer specifikt förutser en Gradient Boosting Classifier med 96 % noggrannhet om ett PVGWPS kommer att stanna på grund av att vattennivån sjunker under motorpumpen under drift. Därefter förutspår en Random Forest Regressor den grundvattenvolym som kan pumpas av ett givet PVGWPS med ett R² på 0,977, när PVGWPS inte förutspås stanna på grund av att vattennivån sjunker under motorpumpen. När emulator-modellen tillämpas på IGB-datasetet minskar beräkningstiden med 5740 gånger jämfört med den fysikbaserade modellen. Trots begränsningar, särskilt de som är inneboende i storskaliga analyser, erbjuder dessa modeller värdefulla insikter som kan hjälpa regeringar, NGO:er och yrkesverksamma inom vattensektorn att identifiera optimala platser och uppskatta pumpens prestanda, och fungerar som ett effektivt första verktyg för screening av PVGWPS-implementeringsprojekt.  (Translated via ChatGPT).