将地质实现嵌入全局敏感性分析：一种基于Morris的复杂含水层系统筛选方法

《Journal of Hydrology》：Embedding geological realizations in global sensitivity analysis: A Morris-based screening approach for complex aquifer systems

　　

本研究将Morris敏感性分析扩展到包含基于地质统计的相实现，实现了参数不确定性和地质不确定性的联合筛选。结果表明，多层含水层中相结构的重要性，以及低渗透性相的水力传导率（hydraulic conductivity）对模型输出的显著敏感性。此外，河流-含水层交换对深层承压含水层产生级联效应（cascading effect）。

**论文解读：基于Morris扩展法的复杂含水层系统全局敏感性分析**

**研究背景与问题**

地下水系统建模中，不确定性主要源自对地下地质结构、参数空间分布及边界条件的有限认知，以及水流和溶质运移过程的概念化。全局敏感性分析（Global Sensitivity Analysis, GSA）旨在通过探索整个参数空间，量化各不确定性来源对选定模型输出的影响，为数据采集、模型优化及参数反演提供指导。然而，经典GSA方法（如方差分解法、矩分析法、筛选法）通常仅处理参数不确定性（parameter uncertainty），即参数值（如水力传导率、孔隙度）认知不足带来的不确定性。对于高度异质的复杂含水层系统，地质不确定性（geological uncertainty）——指地下地质结构（即水文地质相的空间排列）的不完整性——可能同样重要。尽管已有研究通过多种地质模型或地质统计随机模拟（如序贯指示模拟Sequential Indicator Simulation, SIS）生成多个相实现（facies realization），但在地质不确定性如何系统融入GSA方面仍存在空白。模型工作者往往缺乏指导：保留多个地质实现是否必要，还是可以安全忽略，而不诉诸更复杂的量化框架（如贝叶斯模型平均、零空间蒙特卡罗）。为此，本研究旨在开发一种诊断工具，回答地质不确定性是否对模型输出有显著影响，以及是否需要额外地质数据收集。研究人员将地质实现嵌入Morris方法（一种基于筛选的GSA技术），提出一种联合筛选参数和地质不确定性的方法，并应用于意大利北部的区域含水层系统（约1000 km²），包含非承压含水层向多层承压系统的过渡。该研究发表于《Journal of Hydrology》。

**主要关键技术方法**

研究人员采用Morris方法的扩展——基本效应测试（Elementary Effects Test, EET），通过引入一个虚拟参数p_R作为地质实现的唯一索引，将地质不确定性纳入框架。计算伪效应时，保持其余参数固定，仅改变相实现，并以距离度量（基于相间水力传导率差异）归一化增量。技术方法包括：①基于序贯指示模拟（SIS）生成60个地质相实现，使用1664个钻孔数据（来自ISPRA数据库）进行条件约束，并划分为6个三维子单元；②地下水流动模型（MODFLOW 6）耦合河流模型（Streamflow Routing Package, SFR），模拟稳态流场，参数化包括5种相的水力传导率等12个参数；③通过MODPATH-RW进行向后粒子追踪，从两个饮水源井场（wellfield A和B）释放粒子，记录1、2、3年旅行时间；④计算各模型输出（水力头、河流量、粒子密度）的Morris指数μ^*（修正Morris指数），进行筛选与排序。忽略试剂及培养步骤。

**研究结果**

**3.1 水力头的敏感性**
通过绘制?70 m AMSL处水力头的Morris指数空间分布图（图5），发现全局最敏感参数为高渗透相（HCF）的水力传导率p₀，其影响集中在西北部、皮亚韦河入口及抽水井群附近。其次为皮亚韦河传导率乘数p₅和砾岩层水力传导率p₄。低渗透相（LCF）的水力传导率p₁在东南部多层区域影响可达p₀的60%。地质实现（p_R）主要影响西北部（源于基岩顶面几何变化），在多层区域其效应与p₁相当。对于监测井水头误差（e_w），RMSE的Morris指数与全局平均一致，但单个井中p₀的敏感度可超40 m。p₁对RMSE几乎无影响，归因于多层区域监测井匮乏。

**3.2 河流流量的敏感性**
沿皮亚韦河河道的流量Morris指数在入口处为零，5–10 km后趋于稳定（图7）。地质实现（p_R）对流量影响不显著，因该河大部分流经HCF相。流量主要受p₀和p₅控制（控制河床传导率），其他参数（如曼宁系数p₆、等效宽度p₇）影响较小。

**3.3 粒子密度的敏感性**
对于来自wellfield A和B的粒子（释放于深层承压含水层），平均Morris指数（图8）显示高渗透相水力传导率p₀仍为最关键参数，但低渗透相水力传导率p₁和地质实现p_R的效应与p₀同量级。p_R的影响主要来自多层子单元（MLA）内相的排列变化。粒子密度对不同源的敏感性随旅行时间增加而扩大，且皮亚韦河相关参数（p₅, p₆, p₇）影响显著，表明河流-含水层交换对深层承压含水层粒子路径有级联效应。

**讨论与结论**

讨论部分指出，敏感性空间图（如Fig. 5）比仅依赖观测点指数更具信息量，特别是地质不确定性与条件数据位置相关。结果在类似水文地质背景（如意大利北部大面积区域）中可推广。低渗透相和地质结构对溶质滞留、优先路径形成及地表-地下流分配起关键作用。河流-含水层交互在垂向受低渗透层保护但侧向与非承压水体相连的承压含水层中产生级联效应。尽管低渗透相水力传导率对模型输出重要，但实测数据（如水头）对该参数敏感度有限，需指导未来数据采集。相反，排水管传导率乘数p₁₀和净降雨分数p₁₁影响微弱，可固定。研究限制包括稳态假设、忽略非饱和带与非均质性、简化河流表示，以及Morris指数μ^*无法独立捕捉交互作用。

翻译研究结论部分（5. Conclusions）：本研究将Morris方法扩展到整合基于地质统计的相实现，使能够联合筛选参数和地质不确定性，同时保持Morris方法的计算经济性。该方法提供了一个简单工具，评估地质不确定性是否足以需要更详细的处理。我们将该方法应用于意大利北部区域含水层系统，该系统从非承压过渡到多层。主要河流通过MODFLOW的SFR包建模，形成了简化的地表-地下水模型。全局敏感性分析突出了最影响的不确定性来源以及那些尽管不确定但可能固定而不显著影响预测的参数。具体地，高传导率且最丰富的相的水力传导率在所有输出中最为关键。在多层含水层和粒子密度重建中，低渗透隔水层的水力传导率和相的空间排列表现出与含水层水力传导率相似的影响水平。此外，控制河流-含水层交换的参数对地下水流和粒子路径（包括侧向连接非承压系统的深层承压含水层）产生主要影响。这些结果表明，在多层含水层系统中，地质结构和低渗透层性质的不确定性不可忽视。它们还强调地表水-地下水交互的级联影响潜力，即使是在垂向被低渗透层保护但侧向与非承压水体相连的含水层中。研究结果也表明参数和地质不确定性的相对重要性是目的特定的，并取决于可用数据的密度和位置。因此，案例特定的敏感性分析是诊断和解释复杂水文地质模型行为的基本步骤。本工作的限制包括稳态公式（虽然与筛选目标一致，但无法评估瞬态模式），以及省略非饱和带、相内非均质性和简化河流表示。Morris指数μ^*识别主导参数但未单独隔离交互效应。因此报告的模式取决于这些建模选择。总体而言，这些结果强调了在水文地质复杂的区域尺度含水层系统中处理地质和参数不确定性的重要性，并突出了地表水-地下水交互在深层承压含水层中的级联影响潜力。