Entwicklung effizienter Brunnen-Erkundungsmethoden
Ziel des Promotionsprojektes ist es, die HeterogenitĂ€tsparameter eines zu untersuchenden Aquifers mithilfe von Brunnenmessmethoden zu schĂ€tzen. Dies soll aufbauend auf der Skalierungsmethode Coarse-Graining mit innovativen Interpretationstechniken fĂŒr die gewonnenen Daten realisiert werden. Bisherige AnsĂ€tze zur effektiven Bestimmung der Aquiferparameter sind derzeit noch auf ein einziges Korrelationsmodell fĂŒr poröse Medien und lediglich hydrologische Pumpversuche beschrĂ€nkt. Der Ausbaubedarf liegt darin, die Theorie auf geklĂŒftete Aquifere und weitere Brunnenerkundungsmethoden auszuweiten, um auch hier genauere Aussagen treffen zu können.
Im bisherigen Verlauf der Promotion konnte eine Programmtoolbox zur geostatistischen Simulation und Auswertung von Aquiferversuchen vorgestellt werden. Es sollte dabei ein modulares Framework enstehen, mit welchem reale Anwendung, sowie HypothesenĂŒberprĂŒfung möglich sein sollte. Es besteht immer noch ein Mangel an Analyse-Software, welche einen Fokus auf geostatistische Untersuchung von Grundwasserleitern legt, da die meisten verfĂŒgbaren Programme lediglich Methoden fĂŒr homogenen Gegebenheiten umsetzen (vgl. Renard (2007); Vrettas and Fung (2015)). Des Weiteren lege ich viel Wert darauf, dass die prĂ€sentierte Software âOpen-Sourceâ und wiederverwendbar ist. DafĂŒr wurden alle prĂ€sentierten Pakete auf https://github.com, einer Online-Plattform zum Verwalten von Quelltext, veröffentlicht. Der auf Github abgelegt Quelltext ist versionskontrolliert und kann einfach von mehreren Menschen gleichzeitig bearbeitet werden. AuĂerdem ist die Software dort frei zugĂ€nglich und kann unabhĂ€ngig kopiert und weiterentwickelt werden.
Die Programmiersprache Python dient dabei fĂŒr meine Arbeit als zentrales Werkzeug, das es eine sehr einfach zu nutzende Programmiersprache ist, welche frei verfĂŒgbar, plattformĂŒbergreifend, gut ausgebaut und sehr gut dokumentiert ist.
Die vier Programmpakete werden im Folgenden kurz vorgestellt.
Code: | http://github.com/MuellerSeb/welltestpy |
DOI: | http://doi.org/10.5281/zenodo.1229125 |
Dokumentation: | (noch nicht online) |
Welltestpy ist ein Python-Paket zur Verwaltung, Bearbeitung und Auswertung von Brunnen-basierten Aquiferversuchen. Bisher wurden Analyseroutinen fĂŒr Pumpversuche in homogenen sowie heterogenen Medien implementiert.
Code: | http://github.com/MuellerSeb/AnaFlow |
DOI: | http://doi.org/10.5281/zenodo.1230542 |
Dokumentation: | http://anaflow.readthedocs.io |
AnaFlow ist ein Python-Paket, welches als Sammlung von Typkurven fĂŒr Aquiferversuche dient. Bisher umfasst AnaFlow Funktionen fĂŒr stationĂ€re und instationĂ€re Pumpversuche in homogenen sowie heterogenen Grundwasserleitern.
Code: | https://github.com/LSchueler/GSTools |
DOI: | https://doi.org/10.5281/zenodo.1313771 |
Dokumentation: | https://gstools.readthedocs.io |
GSTools ist ein von Lennart SchĂŒler und mir veröffentlichtes Paket zur Generierung von Zufallsfeldern, sowie zur SchĂ€tzung der Korrelationsstruktur von rĂ€umlich verteilten Daten.
Code: | https://github.com/MuellerSeb/ogs5py |
DOI: | (noch nicht verfĂŒgbar) |
Dokumentation: | (noch nicht online) |
Zur Simulation von Fluss- und Transportprozessen im Boden wurde von Anfang an die, ebenfalls im UFZ entwickelte, Software OpenGeoSys-5 verwendet (vgl. Kolditz et al. (2012)). Um nun dynamisch Simulations-Setups zu definieren, brauchte es eine Programmieranbindung an Python. Aus dieser Motivation ist das eigenstĂ€ndige Paket ogs5py entstanden. Mit diesem Paket ist es möglich verschiedene Tools direkt mit OGS-5 zu koppeln. So kann zum Beispiel das zur Berechnung des Grundwasserflusses genutzte LeitfĂ€higkeitsfeld direkt in GSTools erstellt und mit ogs5py eingebunden werden. AuĂerdem sind in ogs5py Leseroutinen fĂŒr die Ausgaben von OGS-5 implementiert, mit welchen man nach dem Simulationslauf die Daten in Welltestpy weiterverarbeiten kann.
Mit den implementierten Methoden wurden zwei Pumptestkampagnen, zum einen auf der Horkheimer Insel bei Heilbronn und zum anderen auf den Lauswiesen in TĂŒbingen, ausgewertet. Von Interesse sind hierbei die geostatistischen Parameter des LeitfĂ€higkeitsfeldes der zugrundeliegenden Aquifere:
Zur Aufbereitung der Daten wurden an den Standorten jeweils vier Pumpversuche ausgewĂ€hlt, welche eine möglichst groĂe FlĂ€che abdecken. Die SchĂ€tzung der Parameter wurden dann einmal an den jeweils vier Pumpversuchen einzeln sowie an den Ăberlagerungen der Pumpversuche durchgefĂŒhrt um den Unterschied dieser AnsĂ€tze zu Untersuchen. Zum Schluss wurden diese SchĂ€tzungen hinsichtlich ihrer SensitivitĂ€t auf die einzelnen Parameter, sowie die Typkurven auf besonders sensitive Bereiche untersucht.
Ăbersicht ĂŒber die Brunnenkonstellationen auf den Teststandorten Horkheimer-Insel (oben links) und Lauswiesen (oben rechts). Des Weiteren sind die Fittingergebnisse fĂŒr beide Standorte, im Falle der gleichzeitigen SchĂ€tzung an allen durchgefĂŒhrten Pumpversuchen, dargestellt (unten).
Â
Es konnte gezeigt werden, dass die gleichzeitige SchĂ€tzung der Parameter an den ĂŒberlagerten Pumpversuchen die selbe Aussagekraft hat, wie die Mittelwerte der SchĂ€tzungen an einzelnen Pumpversuchen. Die geschĂ€tzten Parameter sind dabei in guter Ăbereinstimmung mit Literaturwerten.
Ergebnisse der ParameterschĂ€tzungen im Vergleich. Die Balken zeigen jeweils die SchĂ€tzungen fĂŒr einzelne Pumpversuche, die gestrichelte Linie deren Mittelwert und die durchgezogene Linie, die gleichzeitige SchĂ€tzung an allen Pumpversuchen.
Â
Des Weiteren wurden die SensitivitĂ€ten der einzelnen Parameter in allen SchĂ€tzungen bestimmt. In beiden Kampagnen wurde dabei festgestellt, dass die Varianz Ï2 und vor allem die KorrelationslĂ€nge â wesentlich weniger sensitiv sind, als das geometrische Mittel TG und der Speicherkoeffizienten S. Die SchĂ€tzung der KorrelationslĂ€nge in beiden Kampagnen am unsichersten.
Die SensitivitĂ€ten der Parameter in den einzelnen SchĂ€tzungen (Balken) und in den gleichzeitigen SchĂ€tzungen (Linien) fĂŒr die Horkheimer Insel (oben) sowie die Lauswiesen (unten).
Â
Eine Untersuchung der Typkurven konnte die Frage beantworten, warum die KorrelationslĂ€nge so schlecht mit den vorhandenen Daten geschĂ€tzt werden konnte. Dabei wurde die SensitivitĂ€t der Parameter in AbhĂ€ngigkeit des Abstandes zum Pumpbrunnen bestimmt und es ergab sich, dass T G und S ĂŒber die gesamte Strecke hoch sensitiv sind, Ï2 und â allerdings nur im Nahbereich des Pumpbrunnens.
SensitivitĂ€ten der Parameter in AbhĂ€ngigkeit des Abstands zum Pumpbrunnen. Nach wenigen Metern werden die Varianz Ï2 und die KorrelationslĂ€nge des TransmissivitĂ€tsfeldes â nahezu insensitiv.