基于中度和高度非均质合成场的耦合热-盐示踪试验三维地统计反演建模

《Advances in Water Resources》:Three-dimensional geostatistical inverse modeling of coupled heat and salt tracer tests based on mildly and highly heterogeneous synthetic fields

【字体: 大 中 小 】 时间:2026年10月23日 来源:Advances in Water Resources 4.1

编辑推荐:

  研究人员基于中度和高度非均质合成场,对耦合热-盐示踪试验开展三维地统计反演建模。研究表明:联合反演可提升地下水流动、热传输与溶质传输等多过程预测的整体精度;联合反演可改善不同非均质性水平下含水层连通性的刻画;水头、温度和浓度数据能够提供互补且非冗余的非均质性信

  
研究人员基于中度和高度非均质合成场,对耦合热-盐示踪试验开展三维地统计反演建模。研究表明:联合反演可提升地下水流动、热传输与溶质传输等多过程预测的整体精度;联合反演可改善不同非均质性水平下含水层连通性的刻画;水头、温度和浓度数据能够提供互补且非冗余的非均质性信息;各数据类型对参数估计的价值受非均质性水平调控;联合反演的价值具有情境依赖性。
地下水系统非均质水力参数的精细刻画是地下水流动与溶质运移研究的核心难题。水力传导系数(hydraulic conductivity, K)、比储水系数(specific storage, Ss)和孔隙度(porosity, ??)等参数的空间变异性往往控制着污染修复、供水管理和能量储存等工程决策。传统渗透试验和微水试验代表性尺度小,抽水试验解释又常假定介质均质,难以精细刻画空间非均质性。地统计反演(geostatistical inverse modeling)为此提供了有效工具,但以往的多数据联合反演多限于二维,且常假设Ss和??已知,并用同一组试验验证估计结果,难以充分评估不同数据类型的价值。为此,研究人员以日本习志野(Narashino)场地为原型,生成中度非均质(mildly heterogeneous, MH)和高度非均质(highly heterogeneous, HH)两套合成参数场,同时估计K、Ss和??,并用未参与反演的独立耦合热-盐示踪试验进行验证,系统考察水头、温度和浓度数据单独及联合反演的效用。

研究人员采用基于Pilot Point(PP)方法的三维地统计反演框架,耦合HydroGeoSphere(HGS)正演模拟、PEST参数估计程序和PLPROC参数列表处理器。合成参数场使用FGEN的谱方法生成,K的方差参考了MADE场地和North Bay场地的统计特征;四层地质结构(Dc、Ds1、Ds2、Ds3)设置来自Narashino场地的实际钻探资料。共设计三组长期耦合热-盐示踪试验(CTT1、CTT2和CTT3),其中CTT1和CTT2用于模型校准,CTT3用于独立验证。研究设置6种反演方案:单独反演水头、温度、浓度,以及水头+温度、水头+浓度、三类数据联合反演,每种方案均在MH和HH两种非均质性场景下开展。从每类观测曲线中选5个特征时刻数据用于校准,验证共使用3888个水头、温度和浓度数据。扰动分析包括边界条件变化、观测噪声、克里金相关长度与PP密度变化。

4.1 合成耦合示踪试验结果:三组试验在MH和HH场中均建立了稳态强制梯度流场,热与盐羽流迁移方向与流场一致,但两种非均质性场的优势迁移路径存在明显差异;Péclet数在大部分模型域小于2,由精细网格引起的数值离散影响可忽略。

4.2 估计参数场:单独反演水头数据能刻画大尺度非均质格局,单独反演温度和浓度数据则对井场内局部结构更敏感。联合反演在高K带的位置、形态和空间连通性刻画上明显优于单一数据反演,例如在HH场中重现了多个高K亚带的连通关系。点对点lnK比较显示,多数估计值位于真值一个数量级以内,但HH场的散点更离散;Ss和??采用分层估计后整体接近真值几何平均值,但部分层位如Ds1和Ds2存在偏差。

4.3 模型校准表现:标准化模拟与观测数据呈强线性相关,线性拟合斜率介于0.97—1.00,R2介于0.99—1.00,L1和L2范数均保持较低水平。

4.4 模型验证表现:利用独立CTT3进行预测。包含某类数据的反演通常对该类数据的预测最准;联合反演在整体上提升多过程预测精度,但存在非单调权衡,例如MH场中三类数据联合的温度预测略差于单独温度反演,HH场中三类数据联合的水头预测略差于水头+浓度联合。浓度预测误差最小。扰动分析显示,水头边界扰动对水头预测影响显著;联合反演对温度边界、浓度边界、观测噪声和相关长度变化的抵抗能力更强,尤其增强了浓度预测的鲁棒性。

4.5 敏感性分析:水头对K的敏感性覆盖模型域范围较广,温度和浓度对K的敏感性集中于井场内部;HH场中水头和温度对K的敏感性略有下降,而浓度对K的敏感性上升。对Ss和??的敏感性随数据类型和层位而变化,总体与观测数据对各类参数的非均质性响应一致。

讨论部分指出,联合反演可改善含水层连通性刻画,但点对点K估计的改善并不总是成立;Ss和??采用分层参数化虽降低了计算负担,但也可能限制温度与浓度数据的贡献。研究结论可归纳为:联合反演整体上提升了水头、温度和浓度三类观测的总体预测能力,但不保证每个单一预测目标均单调改善;联合反演在刻画含水层连通性方面优势明显,水头数据擅长描述大尺度连通,温度和浓度数据在井场内部敏感性强;不同数据类型的相对价值受非均质性水平调控,非均质性增强时浓度数据尤为关键。因此,最优反演策略具有情境依赖性,应根据非均质性程度、目标参数与预测优先级来设计数据选择和反演方案。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号