Grundvattenmodellering

GEOP06 VT2022
nikolas.hoglund@geol.lu.se

1
Begrepp och modelleringsfilosofi

2
VAD ÄR EN MODELL?
Den konceptuella modellen

FYSISKA MODELLER

Benavides Höglund (2016)

KONCEPTUELLA MODELLER
Björn (2019) modifierad från Branzén et al. (2016) https://www.youtube.com/watch?v=AtJyKiA1vcY
3
VAD ÄR EN MODELL?
Beräkningsmodeller

NUMERISKA MODELLER ANALYTISKA MODELLER

4
Beräkningsmodeller: en viktig
komponent i tillståndsprövningar

Dagens PS, 18 juli 2021

Sveriges Radio, 21 september 2021

Ny Teknik, 5 augusti 2021 5

Beräkningsmodeller
Ett ekosystem av program och funktioner

En beräkningsmodell består ofta av ett flertal 4

komponenter som tillsammans utgör ”modellen”.

1. En eller flera ”preprocessor”-program

förbereder input-data för en simulator
2. En eller flera simulator-program
1
genomför beräkningar 3

3. En eller flera ”postprocessor”-program

utvärderar resultaten
4. Ett styrprogram övervakar processen
2
och förser den med nya instruktioner
6
Simulatorer utför beräkningar
Några exempel…

Grundvatten Ytvatten Transport

 MODFLOW  MODPATH
 HEC-RAS
 FEFLOW  MT3DMS
 GSFLOW
 MODAEM  PHT3D
 CMS-Wave
 HYDRUS  RT3D
 FEMWATER  SEAM3D
 SEEP2D  SEAWAT
7
Olika simulatorer löser olika ekvationer
Studiens syfte/mål bör styra val av simulator(er)

8
Beräkningsmodellering…
…kan ibland upplevas som en ”black box”

Model input
+ ?????
=
Profit

9
Grafiska användargränssnitt (GUIs)
Underlättar modelleringsarbetet(?)
Fördelar
 Enkelt att använda
 Kräver inte förkunskaper
inom programmering
 Förutbestämda arbetsflöden
 GIS-funktioner och
visualiseringsverktyg
Förutbestämda arbetsflöden kan initialt upplevas som en välsignelse men sluta i förbannelse…
Nackdelar
 Ofta dyra licenskostnader
 Saknar full funktionalitet
 Förutbestämda arbetsflöden
 Förstärker upplevelsen av
”black box”-modellering
 Premierar en deterministisk
modelleringsstrategi
10
Deterministisk? Stokastisk?

Två viktiga begrepp som låter krångligare än de är!

Ett deterministiskt exempel:

En tankbil välter i ett vattenskyddsområde. Läckage uppstår.
När når läckaget uttagsbrunnen (enbart advektionstransport)?

𝐾 0,0001
𝑣=− ∙𝑖 ∙ 0,05 = 0,00002 𝑚/𝑠
𝑛𝑒𝑓𝑓 0,25

200 𝑚
= 10 000 000 𝑠 ≈ 115 𝑑𝑎𝑔𝑎𝑟
0,00002 𝑚/𝑠
11
Deterministisk? Stokastisk?
Ett stokastiskt exempel: 𝐾
Vi tar hänsyn till osäkerheterna! 𝑣=− ∙𝑖
𝑛𝑒𝑓𝑓

Vi låter parametrarna variera

enligt vår expertkunskap
0,000001 > 𝐾 > 0, 01 𝑚/𝑠
10 > 𝑛𝑒𝑓𝑓 > 40 𝑝𝑟𝑜𝑐𝑒𝑛𝑡
0,005 > 𝑖 > 0,1 115 dagar
140 > 𝑠𝑡𝑟ä𝑐𝑘𝑎 > 250 𝑚𝑒𝑡𝑒𝑟

Beräknad transporttid varierar

mellan 0,2 - 15 000 dagar!
𝐷𝑎𝑔𝑎𝑟 (𝑜𝑏𝑠! 𝑙𝑜𝑔𝑠𝑘𝑎𝑙𝑎) 12
Stokastisk modellering

 Istället för att ”låsa fast” parametrar (t.ex. K, Sy, neff, Vi inleder med osäkerhet
Q, m.fl.) vid fasta värden tillåter vi dessa parametrar
anta värden inom för varje parametertyp rimliga
intervall.
 Vad som utgör ett rimligt intervall är en subjektiv
bedömning och bestäms av en eller flera experter.
 Intervallet bör vara så pass brett att alla möjliga utfall
inkluderas. Vi avslutar med osäkerhet
 Hundratals, tusentals eller miljontals beräkningar utförs,
där varje resultat utgör en realisation.
 Genom kalibrering mot fältdata kan ogiltiga realisationer
förkastas!
13
Vad är kalibrering?
Kalibrering är en iterativ process vid vilken modellens parameter-
värden justeras så att dess resultat motsvarar verkliga mätvärden

Uppmätt värde: 95 m.ö.h

Beräknat värde

Iteration 1: 105 m.ö.h

Iteration 2: 98 m.ö.h
Iteration 3: 96 m.ö.h
Iteration 4: 95 m.ö.h
Summering stokastisk (hydro)geologi

Stokastisk (hydro)geologi…
 Är på frammarsch som forskningsfält Antalet forskningsrapporter inom stokastisk hydrogeologi ökar

 Är sedan länge en central del av petroleumgeologin

 Är det bästa (enda?) verktyget för att kombinera den
vetenskapliga metoden med prediktioner baserade på
fältdata
 Skiner med sin frånvaro på de flesta utbildningar
 Används inte i någon betydande omfattning inom
industrin (åtminstone inte av de svenska konsulterna)
Ferre (2020)
Detta behöver förändras! 15
Syften, mål, strategier

16
Modelleringsprojekt
Vilka syften finns?

 Kunskap & inlärning  Beslutsstöd  Vetenskapliga

 Visuell inlärning av  Tillståndsprövningar frågeställningar
koncept  Avsänkning &  Studera processer
 Q, S, T, K – Vad händer influensradie
 Utveckla metoder
om vi ändrar dem?  Val av
saneringsmetod  Prognosticering
 Transport av ämnen, hur
kan det se ut?  Ekonomiska
konsekvenser
 Vad klarar en modell
(inte) av att göra?  Prognosticering

17
 Modelleringsprojekt
Vad kan ingå?

Start Mål

 Datainsamling  Kalibrering och

 Historisk data utvärdering  Visualisering och
 Fältarbeten  Köra modell kommunikation
 Öppna data  Modelleringsarbete  Utvärdera & anpassa  Vad har vi lärt oss?
 Bestäm en frågeställning  Prognosticera  Förmedla resultat
 Dataassimilering  Beslutsunderlag
18

 Designa modell enl. frågeställning

En ny strategi utmanar branschstandard
✔

Doherty & Moore 2020 19

Datainsamling
Historisk data

 Konsultrapporter
 Borrhålsloggar
 Vetenskapliga rapporter

20
Datainsamling
Historisk data

 Konsultrapporter
 Borrhålsloggar
 Vetenskapliga rapporter

21
Datainsamling
Fältdata
Trycksensor
 Pumptester
 Slugtester
 Provtagning av
grundvattenkemi
 MIP (Membrane
Interface Probe)
 Geofysisk data Slug
 GPS-positioner

22
Datainsamling
Öppna data

 Samlas in av
 Myndigheter
 ex. Lantmäteriet, SMHI, SGU
Naturvårdsverket
 Länsstyrelse
 ex. förorenade områden,
riksintressen, biotopskydd
 Kommuner
 ex. översvämningsmodeller

 Geodataportalen SLU
 https://maps.slu.se
23
Databearbetning

 Data organiseras
ofta i X, Y, Z format
 Vanliga filtyper är .xlsx
.csv .dat .txt .shp

X Y Z Z1 Z2 Z3
24
Databearbetning
Interpolation

X = 6423380.4
Y = 355754.9
Z = 53.6

Bergets (?) överyta, m.ö.h.

Samma data, olika ytor 25
Innan modellen byggs
Olika modelleringsverktyg för olika ändamål
Program skrivs ofta för
Återkoppla till syftet! Vad är målet?
specifika ändamål!
Behöver modellen besvara frågor om …
Välj det program eller en
 … flöde genom sekundär porositet (Multiporosity flow)?
kombination av program som
 … flöde av gas eller oblandbara vätskor (Multiphase flow)?
bäst löser problemet!
 … flöde inom den omättade zonen (Unsaturated flow)?

 … densitetsskillnader, t.ex. saltvatteninträngning?

26
Sammanfattning
Syften, mål, strategier

 Beräkningsmodeller kan designas för att besvara olika

frågeställningar
 Frågeställningen styr val av program, design och strategi…
 …därför är det lämpligt att designa en modell per
frågeställning (en modell är inte en kristallkula för alla
tänkbara frågor)
 Sammanställning och bearbetning av historiska data, fältdata
och öppna data, är en förutsättning för alla projekt som ska
representera ”verkliga” system
 En modell bör i de flesta sammanhang kalibreras mot
observerade data (fältdata)
27
Modellering med MODFLOW

28
Numerisk modellering
MODFLOW löser differentialekvationer för grundvattenflöde

Transient flöde, tre dimensioner 𝑆𝑆 𝜕h 𝜕 2 ℎ 𝜕 2 ℎ 𝜕 2 ℎ

= + +
𝐾 𝜕t 𝜕𝑥 2 𝜕𝑦 2 𝜕𝑧 2

𝜕2ℎ 𝜕2ℎ 𝜕2ℎ

Stationärt flöde, tre dimensioner + + =0
𝜕𝑥 2 𝜕𝑦 2 𝜕𝑧 2

𝜕h förändring i höjd (grundvattenyta, m)

𝜕t förändring i tid (sekunder eller dagar)

29
Modelluppbyggnad
Rutnät

30
Modelluppbyggnad
Beståndsdelar i ett MODFLOW-grid

31
Modelluppbyggnad
Vad består en MODFLOW-modell av?

 Det grundläggande
 Ett modelleringsområde (rutnät / grid / mesh i
1, 2 eller 3 dimensioner)
 Parametrar (K, S … etc.)
 Randvillkor Anpassa rutnät efter geologi
 Stressperioder (transienta modeller)

32

Ange parametrar (K & S, e.t.c.)

Parametrar
Hantering av heterogeniteter

33
Hur påverkar olika parameterfält ett
modellresultat?
Realisation 1 Realisation 5

Realisation 9

10 m
N 34
35
36
37
Randvillkor
Randvillkor beskriver hur modellen kommunicerar
med omvärlden

 Vilka typer av randvillkor finns det?

 Yttre randvillkor
 Vattendrag
 Infiltration (nederbörd)
 Brunnar

 Avstånd från AOI / POC (area of interest, point of compliance)

38
Iterativa beräkningsmetoder

39
Iterativa beräkningsmetoder

40
Stressperioder
Stress periods

 Stressperioder används vid körning av transienta modeller för att definiera

tidsintervall med konstant modell-input (t.ex. pumpning med konstant flöde)
 Stressperioder kan uppdelas i mindre tiddssteg (time steps)

Stressperiod 1 Stressperiod 2 Stressperiod 3

Ingen pumpning Pumpning med konstant flöde Ingen pumpning
S2t1 S2t2 … … S2t5 S3t1 … S3t3

Tidssteg
41
Stressperioder
Stress periods

Ett exempel
 50 x 50 x 1 celler
 Konstant randvillkor 20 & 10 m.ö.h.
 K = 1 m/d, S = 0.01, Sy = 0.2
 Brunn i cell 25, 25
 Q = -86.4 (en liter per minut)

42
Stressperioder
Stress periods

 Möjliggör inblick i utvecklingen mot

stationära förhållanden
 Varje enskild stressperiod (t.o.m.
varje enskilt tidssteg) är en
modellkörning, som i sin tur räknas ut
genom iterativ lösning – krävande!

43
Att kalibrera en modell

44
Kalibrering

Kalibrering är den process (en eller flera åtgärder) efter vilken en modell
kan producera samma (eller nästan samma) resultat som uppmätts i fält.

 Varför kalibrera en modell?

 Först när en modell kan ”producera” resultat som faktiskt observerats i fält är den
lämplig att användas för prognosticering

Parametrar måste justeras!

45
Framåtriktad modellering

Inversionsmodellering

46
Kalibrering med inversionsmodellering
Iterativ beräkningsmetod

Iteration 3

Iteration 6

Iteration 10

Iteration 15

47
Kalibrering med inversionsmodellering
Parameterisering och kalibreringsmål

 Olika strategier för parameterisering

 Grid
 Pilotpunkter
 Zoner
 Lager

Parameterisering med pilotpunkter

 Punkterna är mottagare av
parametervärden
 Parameterfält interpoleras till
modellens celler

48
Kalibrering med inversionsmodellering
Högparameteriserade modeller

49
Kalibrering med inversionsmodellering
Parameterar fungerar som modellens leder
Fåtal parametrar Högparameteriserad modell

Modell ≠ Verklighet
Men fler parametrar tillåter bättre modeller av verkligheten

50
Kalibrering med inversionsmodellering
Parameterfält ”växer fram”

Hydraulisk konduktivitet

m3 / dag (logskala)

51
 Kalibrering med inversionsmodellering
Parameterfält ”växer fram”
Iteration 3 Iteration 6

Iteration 10 Iteration 15

52
 Kalibrering med inversionsmodellering
Infiltration
Iteration 3 Iteration 6

Iteration 10 Iteration 15

53
Kalibrering med inversionsmodellering
Resultaten ”växer fram”

Grundvattennivå

Meter över havet

54
 Kalibrering med inversionsmodellering
Överanpassning kan orsaka osannolika resultat
Iteration 3
Iteration 6

Iteration 10
Iteration 15

55
Vill du lära dig mer om modellering?

Tala om att du saknar en modelleringskurs!

Under tiden kan du…

Besöka... Ladda ner…

 Groundwater Modeling Decision  ModelMuse
Support Initiative (gmdsi.org) https://www.usgs.gov/software/modelmuse-graphical-user-interface-groundwater-models

 Videor & webbinarier  MODFLOW 6, inkl dokumentation & exempelproblem

https://www.usgs.gov/software/modflow-6-usgs-modular-hydrologic-model
 Tutorials
 Python & FloPy
 ”Worked examples” https://www.python.org, https://github.com/modflowpy/flopy

GMDSI på LinkedIn:  PEST & Groundwater Utilities Suite

https://www.linkedin.com/groups/13872118/ https://pesthomepage.org/

 QGIS
https://www.qgis.org
56