基于数据同化的地下水模型不确定性分析

doi:10.7522/j.issn.1000-0240.2022.0004

摘要/Abstract

摘要：

黑河流域中下游地下水系统受上游冰冻圈融水和降雨的补给，由气候变暖导致的冰冻圈萎缩致使中下游地下水系统的稳定性面临更多的风险。地下水模型是地下水系统稳定性评估的有效手段，但是地下水模型参数往往存在较大的不确定性。为此，本文提出了基于数据同化算法的不确定性分析方法，通过包含观测资料信息减小模型不确定性。采用所提方法分析了（基于MODFLOW构建）黑河流域中游地下水模型中13个参数的不确定性，讨论了算法超参数的影响及其最优取值，分析了地下水模型参数的不确定性。实验结果证明数据同化算法可有效减小地下水模型参数的不确定性，观测资料的种类与数量对参数不确定性的减小起到重要作用；不同地下水模型参数的不确定性不同，地表水与地下水相互作用频繁的区域参数不确定性较大；含水层渗透系数、含水层给水度以及灌溉回流系数对模型输出的地下水位输出影响显著，河床水力传导系数对模型输出的河流流量影响较大。本研究将为地下水研究提供更加可靠的模型方法，为西北内流区地下水哺育的绿洲生态系统稳定可持续研究提供重要支撑。

关键词: 地下水模型, 不确定性分析, 数据同化, MODFLOW

Abstract:

The groundwater system in the middle and lower reaches of Heihe River basin is replenished by the upper cryosphere meltwater and precipitation. The stability of the groundwater system in the middle and lower reaches of Heihe River basin faces more risks due to the cryosphere shrinkage caused by climate warming. Groundwater models are efficient tools for researchers in accessing the stability of groundwater system. However， the uncertainty of groundwater model parameters is an important issue. In this paper， an uncertainty analysis method based on data assimilation algorithm which reduces parameters uncertainty by including observations is proposed. The proposed method is then used to analyze the uncertainty of 13 parameters in a groundwater model of the middle reaches of Heihe River Basin （which is constructed based on MODFLOW）. The influence and optimal values of hyper-parameters are discussed. The uncertainty of groundwater model parameters is analyzed using the proposed algorithm. The results show that the data assimilation algorithm can effectively reduce the uncertainty of groundwater model parameters. The diversity and quantity of observations play an important role in reducing the uncertainties. The parameters in subzones with frequent interaction between surface water and groundwater are more uncertain. The hydraulic conductivity， specific yield and irrigation backflow coefficient have significant influence on the groundwater level， while streambed hydraulic conductivity shows great influence on the streamflow. This study will provide a more reliable modelling method for groundwater research and an important support for researching the stability of groundwater system in the northwestern area.

Key words: groundwater model, uncertainty analysis, data assimilation, MODFLOW

中图分类号:

P641

陈冲, 张伟, 邢庆辉, 豆沂宣. 基于数据同化的地下水模型不确定性分析[J]. 冰川冻土, 2022, 44(6): 1912-1924.

Chong CHEN, Wei ZHANG, Qinghui XING, Yixuan DOU. Uncertainty analysis of groundwater model based on data assimilation[J]. Journal of Glaciology and Geocryology, 2022, 44(6): 1912-1924.

图/表 12

图1

图2

图3

图4

图5

图6

图7

表1

图8

图9

表2

表3

参考文献 48

1	Schellnhuber H J. ‘Earth system’ analysis and the second Copernican revolution［J］. Nature，1999， 402： C19.
2	Prickett T A. Ground-water computer models—state of the Arta［J］. Groundwater， 1979， 17（2）： 167-173.
3	Bair E S. Applied groundwater modeling： simulation of flow and advective transport［J］. Groundwater， 2016， 54（6）： 756-757.
4	Chen Chong， He Wei， Zhou Han， et al. A comparative study among machine learning and numerical models for simulating groundwater dynamics in the Heihe River Basin， northwestern China［J］. Scientific Reports， 2020， 10： 3904.
5	Wang Xusheng， Zhou Jian. Advances in numerical modeling of groundwater flow in Heihe River basin［J］. Geotechnical Investigation & Surveying， 2009， 37（9）： 35-38.
	王旭升，周剑. 黑河流域地下水流数值模拟的研究进展［J］. 工程勘察， 2009， 37（9）： 35-38.
6	Cheng Guodong， Xiao Honglang， Fu Bojie， et al. Advances in synthetic research on the eco-hydrological process of the Heihe River basin［J］. Advances in Earth Science， 2014， 29（4）： 431-437.
	程国栋，肖洪浪，傅伯杰，等. 黑河流域生态-水文过程集成研究进展［J］. 地球科学进展， 2014， 29（4）： 431-437.
7	Shoesmith E， Box G E P， Draper N R. Empirical model-building and response surfaces［J］. The Statistician， 1988， 37（1）： 82.
8	Oberkampf W L， Diegert K V， Alvin K F， et al. Variability， uncertainty and error in computational simulation［C］//ASME Proceedings of the 7th AIAA/ASME Joint Thermophysics and Heat Transfer Conference. 1998， 357-2： 259-272.
9	Beven K. Changing ideas in hydrology： the case of physically-based models［J］. Journal of Hydrology， 1989， 105（1/2）： 157-172.
10	Wu Jichun， Lu Le. Uncertainty analysis for groundwater modeling［J］. Journal of Nanjing University （Natural Sciences）， 2011， 47（3）： 227-234.
	吴吉春，陆乐. 地下水模拟不确定性分析［J］. 南京大学学报（自然科学版）， 2011， 47（3）： 227-234.
11	Vrugt J A， Braak C J F， Gupta H V， et al. Equifinality of formal （DREAM） and informal （GLUE） Bayesian approaches in hydrologic modeling？［J］. Stochastic Environmental Research and Risk Assessment， 2009， 23（7）： 1011-1026.
12	Jin Xiaoli， Xu Chongyu， Zhang Qi， et al. Parameter and modeling uncertainty simulated by GLUE and a formal Bayesian method for a conceptual hydrological model［J］. Journal of Hydrology， 2010， 383（3/4）： 147-155.
13	Helton J C， Davis F J. Latin hypercube sampling and the propagation of uncertainty in analyses of complex systems［J］. Reliability Engineering & System Safety， 2003， 81（1）： 23-69.
14	Williams S K， Acker T， Goldberg M， et al. Estimating the economic benefits of wind energy projects using Monte Carlo simulation with economic input/output analysis［J］. Wind Energy， 2008， 11（4）： 397-414.
15	Shu Longcang， Lu Chengpeng， Li Wei. Calculation method of the exchange volume between surface water and groundwater based on uncertainty of parameters ［J］. Hydrogeology & Engineering Geology， 2008， 35（5）： 68-71.
	束龙仓，鲁程鹏，李伟. 考虑参数不确定性的地表水与地下水交换量的计算方法［J］. 水文地质工程地质， 2008， 35（5）： 68-71.
16	Li Sen， Chen Jiajun， Ye Huihai， et al. Analysis on sensitivity of stochastic factors in numerical simulation of groundwater flow［J］. Journal of Hydraulic Engineering， 2006， 37（8）： 977-984.
	李森，陈家军，叶慧海，等. 地下水流数值模拟中随机因素的灵敏度分析［J］. 水利学报， 2006， 37（8）： 977-984.
17	Shi Liangsheng， Yang Jinzhong， Li Shaolong， et al. Stochastic analysis of subsurface flow based on KL-Galerkin method［J］. Journal of Sichuan University （Engineering Science Edition）， 2005， 37（5）： 31-35.
	史良胜，杨金忠，李少龙，等. 基于KL-Galerkin解法的地下水流动随机分析［J］. 四川大学学报（工程科学版）， 2005， 37（5）： 31-35.
18	Yao Leihua. Perturbation-coefficient awaiting determination stochastic finite element method for groundwater flow models［J］. Journal of Hydraulic Engineering， 1999， 30（7）： 60-65.
	姚磊华. 地下水水流模型的摄动待定系数随机有限元法［J］. 水利学报， 1999， 30（7）： 60-65.
19	Lu Le， Wu Jichun， Chen Jingya. Identification of hydrogeological parameters based on the Bayesian method［J］. Hydrogeology & Engineering Geology， 2008， 35（5）： 58-63.
	陆乐，吴吉春，陈景雅. 基于贝叶斯方法的水文地质参数识别［J］. 水文地质工程地质， 2008， 35（5）： 58-63.
20	Tang Tian， Wu Jichun， Yang Yun. Analysis on influence of aquifer heterogeneous simplification to groundwater numerical modeling［J］. Geotechnical Investigation & Surveying， 2011， 39（4）： 34-42.
	唐甜，吴吉春，杨运. 含水介质非均质概化对地下水数值模拟的影响分析［J］. 工程勘察， 2011， 39（4）： 34-42.
21	Mustafa S M T， Nossent J， Ghysels G， et al. Estimation and impact assessment of input and parameter uncertainty in predicting groundwater flow with a fully distributed model［J］. Water Resources Research， 2018， 54（9）： 6585-6608.
22	Kalman R E. A new approach to linear filtering and prediction problems［J］. Journal of Basic Engineering， 1960， 82（1）： 35-45.
23	Huang Chunlin， Li Xin. Sensitivity analysis on land data assimilation scheme of soil moisture［J］. Advances in Water Science， 2006， 17（4）： 457-465.
	黄春林，李新. 土壤水分同化系统的敏感性试验研究［J］. 水科学进展， 2006， 17（4）： 457-465.
24	Chu Nan， Huang Chunlin， Du Peijun. State and parameter estimation in soil moisture data assimilation based on dual ensemble Kalman filter［J］. Remote Sensing Technology and Application， 2016， 31（2）： 214-220.
	褚楠，黄春林，杜培军. 基于双EnKF的土壤水分与土壤属性参数同时估计［J］. 遥感技术与应用， 2016， 31（2）： 214-220.
25	Li Ning， McLaughlin D， Kinzelbach W， et al. Using an ensemble smoother to evaluate parameter uncertainty of an integrated hydrological model of Yanqi Basin［J］. Jouenal of Hydrology， 2015， 529： 146-158.
26	Wongchuig-Correa S， de Paiva R C D， Biancamaria S， et al. Assimilation of future SWOT-based river elevations， surface extent observations and discharge estimations into uncertain global hydrological models［J］. Journal of Hydrology， 2020， 590： 125473.
27	Li Wenpeng， Kang Weidong， Hao Aibing， et al. Regulation and optimal utilization mode of water resources in typical inland basins in Northwest China： a case study of the Heihe River basin［M］. Beijing： Geology Press， 2010.
	李文鹏，康卫东，郝爱兵，等. 西北典型内流盆地水资源调控与优化利用模式——以黑河流域为例［M］. 北京：地质出版社， 2010.
28	Mi Lina， Xiao Honglang， Zhu Wenjing， et al. Dynamic variation of the groundwater level in the middle reaches of the Heihe River during 1985—2013［J］. Journal of Glaciology and Geocryology， 2015， 37（2）： 461-469.
	米丽娜，肖洪浪，朱文婧，等. 1985—2013年黑河中游流域地下水位动态变化特征［J］. 冰川冻土， 2015， 37（2）： 461-469.
29	Yao Yingying， Zheng Chunmiao， Tian Yong， et al. Numerical modeling of regional groundwater flow in the Heihe River Basin， China： Advances and new insights［J］. Science China Earth Sciences， 2015， 58（1）： 3-15.
30	Wang Penglong， Song Xiaoyu， Xu Bingxin， et al. Evaluation and advancement of water resources carrying capacity of Zhangye Prefecture in Heihe River basin［J］. Journal of Glaciology and Geocryology， 2020， 42（3）： 1057-1066.
	王鹏龙，宋晓谕，徐冰鑫，等. 黑河流域张掖段水资源承载力评价及提升对策研究［J］. 冰川冻土， 2020， 42（3）： 1057-1066.
31	Ding Hongwei， Zhang Ju， Zhi Lü， et al. Characteristics and cycle conversion of water resources in the Hexi Corridor［J］. Arid Zone Research， 2006， 23（2）： 241-248.
	丁宏伟，张举，吕智，等. 河西走廊水资源特征及其循环转化规律［J］. 干旱区研究， 2006， 23（2）： 241-248.
32	Jarvis A， Reuter H I， Nelson A， et al. Hole-filled seamless SRTM data V4［DS］. International Centre for Tropical Agriculture （CIAT）， 2008.
33	Wang Jianhua， Liu Jiyuan. Landuse/landcover data of the Heihe river basin （2000）［DS］. National Tibetan Plateau Data Center， 2013. DOI： 10.3972/heihe.020.2013.db. CSTR： 18406.11.heihe.020.2013.db .
	王建华，刘纪远. 黑河流域土地利用/土地覆盖数据集（2000）［DS］. 国家青藏高原科学数据中心， 2013. DOI： 10.3972/heihe.020.2013.db. CSTR： 18406.11.heihe.020.2013.db .
34	Liu Jiyuan， Wang Jianhua. Landuse/landcover dataset of the Heihe river basin （1980s）［DS］. National Tibetan Plateau Data Center， 2014.DOI： 10.3972/heihe.021.2013.db. CSTR： 18406.11.heihe.021.2013.db .
	刘纪远，王建华. 黑河流域土地利用/土地覆盖数据集（80年代末）［DS］. 国家青藏高原科学数据中心， 2014. DOI： 10.3972/heihe.021.2013.db. CSTR： 18406.11.heihe.021.2013.db .
35	Hu Xiaoli， Wang Jianhua， Li Xin， Landuse/landcover data of Zhangye City （2007）［DS］. National Tibetan Plateau Data Center， 2015. DOI： 10.3972/heihe.018.2013.db. CSTR： 18406.11.heihe.018.2013.db .
	胡晓利，王建华，李新. 张掖市土地利用/土地覆盖数据集（2007）［DS］. 国家青藏高原科学数据中心， 2015. DOI： 10.3972/heihe.018.2013.db. CSTR： 18406.11.heihe.018.2013.db .
36	Editor board of Series of books of First Natuional Census for Water， Series of Books of First Natuional Census for Water： Census for Groundwater pumping wells［M］. Beijing： China Water & Power Press， 2017.
	《第一次全国水利普查成果丛书》编委会. 第一次全国水利普查成果丛书：地下水取水井基本情况普查报告［M］. 北京：中国水利水电出版社， 2017.
37	Hu Litang. The monitoring data of the groundwater level in the middle of Heihe River basin （2005—2007）［DS］. National Tibetan Plateau Data Center， 2016. DOI： 10.3972/heihe.120.2014.db. CSTR： 18406.11.heihe.120.2014.db .
	胡立堂. 黑河干流中游地区地下水位监测数据（2005—2007）［DS］. 国家青藏高原科学数据中心， 2016. DOI： 10.3972/heihe.120.2014.db. CSTR： 18406.11.heihe.120.2014.db .
38	Evensen G. The ensemble Kalman Filter： theoretical formulation and practical implementation［J］. Ocean Dynamics， 2003， 53（4）： 343-367.
39	Evensen G. Data assimilation： the ensemble Kalman filter［M］. Berlin： Springer， 2009.
40	Li Gaoming， Reynolds A C. Iterative ensemble Kalman filters for data assimilation［J］. SPE Journal， 2009， 14（3）： 496-505.
41	Emerick A A， Reynolds A C. Ensemble smoother with multiple data assimilation［J］. Computers & Geosciences， 2013， 55： 3-15.
42	Hu L T， Chen C X， Jiao J J， et al. Simulated groundwater interaction with rivers and springs in the Heihe river basin［J］. Hydrological Processes， 2007， 21（20）： 2794-2806.
43	Prudic D E. Documentation of a computer program to simulate stream-aquifer relations using a modular， finite-difference， ground-water flow model［R］. Carson City， Nevada： US Geological Survey Open-File Report 88-729， 1989.
44	Harbaugh A W. MODFLOW-2005， the US Geological Survey modular ground-water model： the ground-water flow process［M］. Reston， VA， USA： US Department of the Interior， US Geological Survey， 2005.
45	Zehe E， Becker R， Bárdossy A， et al. Uncertainty of simulated catchment runoff response in the presence of threshold processes： role of initial soil moisture and precipitation［J］. Journal of Hydrology， 2005， 315（1/2/3/4）： 183-202.
46	Li Xin， Huang Chunlin， Che Tao， et al. Progress and prospect of research on land surface data assimilation system in China［J］. Progress in Natural Science， 2007， 17（2）： 163-173.
	李新，黄春林，车涛，等. 中国陆面数据同化系统研究的进展与前瞻［J］. 自然科学进展， 2007， 17（2）： 163-173.
47	Evensen G. Sequential data assimilation with a nonlinear quasi-geostrophic model using Monte Carlo methods to forecast error statistics［J］. Journal of Geophysical Research： Oceans 1994， 99（C5）： 10143-10162.
48	Hamill T M， Whitaker J S， Snyder C. Distance-dependent filtering of background error covariance estimates in an ensemble Kalman filter［J］. Monthly Weather Review， 2001， 129（11）： 2776-2790.

参数名称	描述	初始分布	均值	方差
P1	含水层子分区Ⅰ内的渗透系数	对数正态分布	23	0.30
P2	含水层子分区Ⅱ内的渗透系数	对数正态分布	10	0.30
P3	含水层子分区Ⅲ内的渗透系数	对数正态分布	90	0.30
P4	含水层子分区Ⅳ内的渗透系数	对数正态分布	3	0.30
P5	含水层子分区Ⅴ内的渗透系数	对数正态分布	20	0.30
P6	含水层子分区Ⅵ内的渗透系数	对数正态分布	20	0.30
P7	含水层子分区Ⅶ内的渗透系数	对数正态分布	50	0.30
P8	含水层子分区Ⅷ内的渗透系数	对数正态分布	50	0.30
P9	黑河子分区Ⅰ河床水力传导系数	对数正态分布	48 447	1 500.00
P10	黑河子分区Ⅱ河床水力传导系数	对数正态分布	22 832	1 500.00
P11	黑河子分区Ⅲ河床水力传导系数	对数正态分布	10 000	1 500.00
P12	含水层给水度	均匀分布	0.1	0.10
P13	灌溉回流系数	均匀分布	0.3	0.30

参数名称	最大值	最小值	均值	标准差
P2	9.06	8.84	8.99	0.06
P6	20.31	19.48	19.89	0.17
P8	51.62	42.98	47.40	0.23
P9	49 823.06	46 089.18	48 288.49	989.06
P10	24 565.18	21 157.51	23 086.16	900.69
P11	10 921.72	9 390.32	10 238.85	379.16
P12	0.10	0.09	0.10	0.0023
P13	0.30	0.28	0.29	0.0047

观测井/水文站	最大值	最小值	均值	标准差
大满	1 476.45	1 476.24	1 476.25	0.10
五座桥	1 465.36	1 465.05	1 465.22	0.07
高崖水文站	2 950 870	2 848 690	2 908 010	25 756
正义峡水文站	4 606 250	4 157 380	4 311 790	92 865

[1]	周婷, 温小虎, 冯起, 尹振良, 杨林山. 基于BMA多模型组合的疏勒河径流预测研究[J]. 冰川冻土, 2022, 44(5): 1606-1619.
[2]	胡锦华, 陆峥, 仝金辉, 李小雁, 刘绍民, 杨晓帆. 基于计算流体力学的寒区土壤水热耦合模型研究[J]. 冰川冻土, 2021, 43(4): 948-963.
[3]	冯畅, 毛德华, 周慧, 曹艳敏, 胡光伟. 气候与土地利用变化对涟水流域径流的影响[J]. 冰川冻土, 2017, 39(2): 395-406.
[4]	田园, 张雪芹, 孙瑞. 基于多源、多时相遥感影像的高原湖泊提取及其不确定性——以西藏羊卓雍错流域为例[J]. 冰川冻土, 2012, 34(3): 563-572.
[5]	龙银平, 张耀南, 赵国辉, 严鹏, 李其江, 李润杰. SWAT模型水文过程模拟的数据不确定性分析——以青海湖布哈河流域为例[J]. 冰川冻土, 2012, 34(3): 660-667.
[6]	李新, 车涛. 积雪被动微波遥感研究进展[J]. 冰川冻土, 2007, 29(3): 487-496.