Entwicklung effizienter Brunnen-Erkundungsmethoden

Zielsetzung

Ziel des Promotionsprojektes ist es, die Heterogenitätsparameter eines zu untersuchenden Aquifers mithilfe von Brunnenmessmethoden zu schätzen. Dies soll aufbauend auf der Skalierungsmethode Coarse-Graining mit innovativen Interpretationstechniken für die gewonnenen Daten realisiert werden. Bisherige Ansätze zur effektiven Bestimmung der Aquiferparameter sind derzeit noch auf ein einziges Korrelationsmodell für poröse Medien und lediglich hydrologische Pumpversuche beschränkt. Der Ausbaubedarf liegt darin, die Theorie auf geklüftete 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 Hypothesenüberprüfung möglich sein sollte. Es besteht immer noch ein Mangel an Analyse-Software, welche einen Fokus auf geostatistische Untersuchung von Grundwasserleitern legt, da die meisten verfügbaren Programme lediglich Methoden für homogenen Gegebenheiten umsetzen (vgl. Renard (2007); Vrettas and Fung (2015)). Des Weiteren lege ich viel Wert darauf, dass die präsentierte Software “Open-Source” und wiederverwendbar ist. Dafür wurden alle präsentierten 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. Außerdem ist die Software dort frei zugänglich und kann unabhängig kopiert und weiterentwickelt werden.

Die Programmiersprache Python dient dabei für meine Arbeit als zentrales Werkzeug, das es eine sehr einfach zu nutzende Programmiersprache ist, welche frei verfügbar, plattformübergreifend, gut ausgebaut und sehr gut dokumentiert ist.

Die vier Programmpakete werden im Folgenden kurz vorgestellt.

1. Welltestpy

Welltestpy ist ein Python-Paket zur Verwaltung, Bearbeitung und Auswertung von Brunnen-basierten Aquiferversuchen. Bisher wurden Analyseroutinen für Pumpversuche in homogenen sowie heterogenen Medien implementiert.

2. AnaFlow

AnaFlow ist ein Python-Paket, welches als Sammlung von Typkurven für Aquiferversuche dient. Bisher umfasst AnaFlow Funktionen für stationäre und instationäre Pumpversuche in homogenen sowie heterogenen Grundwasserleitern.

3. GSTools

GSTools ist ein von Lennart Schüler und mir veröffentlichtes Paket zur Generierung von Zufallsfeldern, sowie zur Schätzung der Korrelationsstruktur von räumlich verteilten Daten.

4. ogs5py

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 eigenständige 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 Leitfähigkeitsfeld direkt in GSTools erstellt und mit ogs5py eingebunden werden. Außerdem sind in ogs5py Leseroutinen für die Ausgaben von OGS-5 implementiert, mit welchen man nach dem Simulationslauf die Daten in Welltestpy weiterverarbeiten kann.

Anwedung

Mit den implementierten Methoden wurden zwei Pumptestkampagnen, zum einen auf der Horkheimer Insel bei Heilbronn und zum anderen auf den Lauswiesen in Tübingen, ausgewertet. Von Interesse sind hierbei die geostatistischen Parameter des Leitfähigkeitsfeldes der zugrundeliegenden Aquifere:

1. Das geometrische Mittel der Leitfähigkeit TG: Das geometrische Mittel ist von besonderer Bedeutung, da gezeigt wurde, dass es das Verhalten eines Pumpversuchs maßgeblich im Fernfeld, das heißt im größeren Abstand zum Pumpbrunnen, bestimmt
2. Die Varianz der Log-Leitfähigkeit σ2: Da die Transmissivität über mehrere Größenordnungen schwankt, hat es sich etabliert, heterogene Transmissivität als log-normalverteilt zu modellieren. Die Varianz gibt dabei an, wie stark die Transmissivität in der Größenordnung schwankt.
3. Die Korrelationslänge ℓ: Um räumliche Strukturen abzubilden beschreibt man die räumliche Korrelation der Transmissivität mit Hilfe des Semivariogramms. Die Korrelationslänge gibt dabei die Größenordnung der Strukturen innerhalb des Leitfähigkeitsfeldes an.
4. Der Speicherkoeffizienten S: Dieser Parameter quantifiziert Fähigkeit des Grundwasserleiters Wasser zu speichern oder abzugeben. Er wird in dieser Studie als, über den ganzen Aquifer konstant angenommen.

Zur Aufbereitung der Daten wurden an den Standorten jeweils vier Pumpversuche ausgewählt, welche eine möglichst große Fläche abdecken. Die Schätzung der Parameter wurden dann einmal an den jeweils vier Pumpversuchen einzeln sowie an den Überlagerungen der Pumpversuche durchgeführt um den Unterschied dieser Ansätze zu Untersuchen. Zum Schluss wurden diese Schätzungen hinsichtlich ihrer Sensitivität auf die einzelnen Parameter, sowie die Typkurven auf besonders sensitive Bereiche untersucht.

Übersicht über die Brunnenkonstellationen auf den Teststandorten Horkheimer-Insel (oben links) und Lauswiesen (oben rechts). Des Weiteren sind die Fittingergebnisse für beide Standorte, im Falle der gleichzeitigen Schätzung an allen durchgeführten Pumpversuchen, dargestellt (unten).
 

Ergebnisse

Es konnte gezeigt werden, dass die gleichzeitige Schätzung der Parameter an den überlagerten Pumpversuchen die selbe Aussagekraft hat, wie die Mittelwerte der Schätzungen an einzelnen Pumpversuchen. Die geschätzten Parameter sind dabei in guter Übereinstimmung mit Literaturwerten.

Ergebnisse der Parameterschätzungen im Vergleich. Die Balken zeigen jeweils die Schätzungen für einzelne Pumpversuche, die gestrichelte Linie deren Mittelwert und die durchgezogene Linie, die gleichzeitige Schätzung an allen Pumpversuchen.
 

Des Weiteren wurden die Sensitivitäten der einzelnen Parameter in allen Schätzungen bestimmt. In beiden Kampagnen wurde dabei festgestellt, dass die Varianz σ2 und vor allem die Korrelationslänge ℓ wesentlich weniger sensitiv sind, als das geometrische Mittel TG und der Speicherkoeffizienten S. Die Schätzung der Korrelationslänge in beiden Kampagnen am unsichersten.

Die Sensitivitäten der Parameter in den einzelnen Schätzungen (Balken) und in den gleichzeitigen Schätzungen (Linien) für die Horkheimer Insel (oben) sowie die Lauswiesen (unten).
 

Eine Untersuchung der Typkurven konnte die Frage beantworten, warum die Korrelationslänge so schlecht mit den vorhandenen Daten geschätzt werden konnte. Dabei wurde die Sensitivität der Parameter in Abhängigkeit des Abstandes zum Pumpbrunnen bestimmt und es ergab sich, dass T G und S über die gesamte Strecke hoch sensitiv sind, σ2 und ℓ allerdings nur im Nahbereich des Pumpbrunnens.

Sensitivitäten der Parameter in Abhängigkeit des Abstands zum Pumpbrunnen. Nach wenigen Metern werden die Varianz σ2 und die Korrelationslänge des Transmissivitätsfeldes ℓ nahezu insensitiv.