Measurement-Based Spatial Dependence of Aquifer Parameters: Modelling and Impact Assessment
Final Report Abstract
Im Rahmen dieser Förderung wurden geo-statistische Modelle verbessert: es wurden kategorische und reell-wertige Sekundärinformationen, verschiedene Datentypen gleichzeitig (data fusion), verbesserte nicht-Gauß Copula Modelle, und Objekt-basierte Modelle mit geologischem Wissen verwendet, um die Struktur räumlich verteilter Daten zu beschreiben. Damit wurden realitätsnahe Abhängigkeitsstrukturen, nicht nur aber auch von Aquiferparametern wie im Projekttitel angekündigt, abgebildet. Dabei zeigte sich, dass „realitätsnah” bedeuten kann mehr verschiedene Messungen und mehr Informationen aus den gegeben Messungen zu berücksichtigen – also beruhend auf quantitativen Werten, Messungen, die Gesamt-Eigenschaften der Messungen besser zu berücksichtigen. Andererseits kann „realitätsnah” auch bedeuten, dass mehr Prozesse berücksichtigt werden, wie sie von Experten (Geologen oder hier insbesondere Sedimentologen) erwartet werden, ohne dass quantitative Messungen vorliegen. Es wurde gezeigt, dass diese Modelle vor allem bei der Quantifizierung von Unsicherheiten große Vorteile gegenüber den bisherigen Modellen aufweisen. Dies ist z.B. bei Messnetzplanung von Vorteil. Weiterhin können mit solchen nicht-Gauss Modellen Eigenschaften bei geostatistischen Simulationen abgebildet werden, die in der Realität vorkommen, z.B. verbundene Fließwege, also verbundene Gebiete eines bestimmten Parameterbereiches. Es wurde gezeigt, wie hydrogeologische Heterogenität mit diesen Modellen beschrieben werden kann. Diese Beschreibung der dreidimensionalen Heterogenität ist relevant für die Charakterisierung von Grundwasserströmung und von Stoffausbreitung im Grundwasser. Wesentliche Ergebnisse dieses Projekts, insbesondere die Berücksichtigung von Sekundärinformationen für geostatistische Modelle bilden die Grundlage für die operationelle Beurteilung der Grundwasserqualität nach europäischen Richtlinien in Baden-Württemberg mit dem Landesamt für Umwelt Baden-Württemberg (LUBW) und in anderen Bundesländern.
Publications
- “Including Land Use Information for the Spatial Estimation of Groundwater Quality Parameters – 1. Local Estimation Based on Neighbourhood Composition”. Journal of Hydrology, 2016
T. Heisserer, C. P. Haslauer, and A. Bárdossy
(See online at https://doi.org/10.1016/j.jhydrol.2015.12.049) - “Including Land Use Information for the Spatial Estimation of Groundwater Quality Parameters – 2. Interpolation Methods, Results, and Comparison”. Journal of Hydrology, 2016
C. P. Haslauer, T. Heisserer, and A. Bárdossy
(See online at https://doi.org/10.1016/j.jhydrol.2016.01.054) - “Using an Integrated Hydrological Model to Estimate the Usefulness of Meteorological Drought Indices in a Changing Climate". Hydrology and Earth System Sciences, 2016
D. von Gunten, T. Wöhling, C. P. Haslauer, D. Merchán, J. Causapé, and O. A. Cirpka
(See online at https://doi.org/10.5194/hess-2015-510) - “Detecting and Modelling Structures on the Micro and the Macro Scales: Assessing Their Effects on Solute Transport Behaviour", Advances in Water Resources, 2017
C. P. Haslauer, A. Bárdossy, E. A. Sudicky
(See online at https://doi.org/10.1016/j.advwatres.2017.05.007) - “Estimating a Representative Value and Proportion of True Zeros for Censored Analytical Data with Applications to Contaminated Site Assessment”. Environmental Science & Technology, 2017
C. P. Haslauer, J. R. Meyer, A. Bárdossy, and B. L. Parker
(See online at https://doi.org/10.1021/acs.est.6b05385) - “The Impact of Sedimentary Anisotropy on Solute Mixing in Stacked Scour-Pool Structures”. Water Resources Research, 2017
J. P. Bennett, C. P. Haslauer, and O. A. Cirpka
(See online at https://doi.org/10.1002/2016WR019665) - “Direct Breakthrough Curve Prediction From Statistics of Heterogeneous Conductivity Fields”. Water Resources Research, 2018
S. K. Hansen, C. P. Haslauer, O. A. Cirpka, and V. V. Vesselinov
(See online at https://doi.org/10.1002/2017WR020450) - “Improving Copula-Based Spatial Interpolation with Secondary Data". Spatial Statistics, 2018
S. J. Gnann, M. C. Allmendinger, C. P. Haslauer, A. Bárdossy
(See online at https://doi.org/10.1016/j.spasta.2018.07.001) - An Open, Object-Based Framework for Generating Anisotropy in Sedimentary Subsurface Models”. Groundwater, 2019
J. P. Bennett, C. P. Haslauer, M. Ross, O. A. Cirpka
(See online at https://doi.org/10.1111/gwat.12803) - “Comparison of Multivariate Spatial Dependence Structures of DPIL and Flowmeter Hydraulic Conductivity Data Sets at the MADE Site". Water, 2019
B. Xiao, C. P. Haslauer, G. Bohling
(See online at https://doi.org/10.3390/w11071420)
