CN117131652A - 一种预测不同气候变化影响浅层地下水海水入侵的方法及应用 - Google Patents
一种预测不同气候变化影响浅层地下水海水入侵的方法及应用 Download PDFInfo
- Publication number
- CN117131652A CN117131652A CN202310652032.9A CN202310652032A CN117131652A CN 117131652 A CN117131652 A CN 117131652A CN 202310652032 A CN202310652032 A CN 202310652032A CN 117131652 A CN117131652 A CN 117131652A
- Authority
- CN
- China
- Prior art keywords
- groundwater
- model
- climate
- water
- value
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 239000003673 groundwater Substances 0.000 title claims abstract description 175
- 238000000034 method Methods 0.000 title claims abstract description 90
- 239000013535 sea water Substances 0.000 title claims abstract description 36
- 230000009545 invasion Effects 0.000 title claims abstract description 32
- 238000011160 research Methods 0.000 claims abstract description 76
- 238000001556 precipitation Methods 0.000 claims abstract description 55
- 238000004088 simulation Methods 0.000 claims abstract description 42
- 230000008859 change Effects 0.000 claims abstract description 41
- 238000009826 distribution Methods 0.000 claims abstract description 25
- 230000009467 reduction Effects 0.000 claims abstract description 7
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 161
- 238000001704 evaporation Methods 0.000 claims description 43
- 230000008020 evaporation Effects 0.000 claims description 43
- 238000012937 correction Methods 0.000 claims description 28
- 239000006185 dispersion Substances 0.000 claims description 25
- 230000008595 infiltration Effects 0.000 claims description 22
- 238000001764 infiltration Methods 0.000 claims description 22
- 239000013505 freshwater Substances 0.000 claims description 16
- 238000012544 monitoring process Methods 0.000 claims description 16
- 238000012795 verification Methods 0.000 claims description 14
- 150000003839 salts Chemical class 0.000 claims description 11
- 238000003860 storage Methods 0.000 claims description 11
- 238000004364 calculation method Methods 0.000 claims description 10
- 238000011835 investigation Methods 0.000 claims description 10
- 238000013508 migration Methods 0.000 claims description 10
- 230000005012 migration Effects 0.000 claims description 10
- 238000003973 irrigation Methods 0.000 claims description 9
- 230000002262 irrigation Effects 0.000 claims description 9
- 230000035699 permeability Effects 0.000 claims description 8
- 238000012876 topography Methods 0.000 claims description 8
- 238000010276 construction Methods 0.000 claims description 7
- 230000000694 effects Effects 0.000 claims description 7
- 238000009792 diffusion process Methods 0.000 claims description 6
- 238000005259 measurement Methods 0.000 claims description 6
- 239000005431 greenhouse gas Substances 0.000 claims description 5
- 238000012552 review Methods 0.000 claims description 5
- 238000010586 diagram Methods 0.000 claims description 4
- 230000009189 diving Effects 0.000 claims description 4
- 238000013507 mapping Methods 0.000 claims description 4
- 230000005855 radiation Effects 0.000 claims description 4
- 238000000638 solvent extraction Methods 0.000 claims description 4
- 239000002352 surface water Substances 0.000 claims description 4
- 230000003247 decreasing effect Effects 0.000 claims description 3
- 238000005086 pumping Methods 0.000 claims description 3
- 238000012360 testing method Methods 0.000 claims description 3
- 238000006243 chemical reaction Methods 0.000 claims description 2
- 238000010792 warming Methods 0.000 abstract description 3
- 230000008569 process Effects 0.000 description 6
- 241000894007 species Species 0.000 description 6
- 230000033001 locomotion Effects 0.000 description 5
- 230000003993 interaction Effects 0.000 description 4
- 239000011435 rock Substances 0.000 description 4
- 239000002689 soil Substances 0.000 description 4
- 238000005192 partition Methods 0.000 description 3
- 230000002123 temporal effect Effects 0.000 description 3
- 241001646834 Mesona Species 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 239000012736 aqueous medium Substances 0.000 description 2
- 230000036772 blood pressure Effects 0.000 description 2
- 239000004927 clay Substances 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 239000011148 porous material Substances 0.000 description 2
- 238000002360 preparation method Methods 0.000 description 2
- 239000004576 sand Substances 0.000 description 2
- 238000012216 screening Methods 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- 241000607479 Yersinia pestis Species 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 239000008280 blood Substances 0.000 description 1
- 210000004369 blood Anatomy 0.000 description 1
- 238000009933 burial Methods 0.000 description 1
- 230000008602 contraction Effects 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000008239 natural water Substances 0.000 description 1
- 230000008092 positive effect Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- 238000013316 zoning Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01W—METEOROLOGY
- G01W1/00—Meteorology
- G01W1/10—Devices for predicting weather conditions
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/11—Complex mathematical operations for solving equations, e.g. nonlinear equations, general mathematical optimization problems
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/10—Numerical modelling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2113/00—Details relating to the application field
- G06F2113/08—Fluids
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/08—Thermal analysis or thermal optimisation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- Mathematical Physics (AREA)
- Mathematical Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Computational Mathematics (AREA)
- Environmental & Geological Engineering (AREA)
- Mathematical Optimization (AREA)
- Tourism & Hospitality (AREA)
- Data Mining & Analysis (AREA)
- Pure & Applied Mathematics (AREA)
- Algebra (AREA)
- Human Resources & Organizations (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- Computer Hardware Design (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Evolutionary Computation (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- General Health & Medical Sciences (AREA)
- Operations Research (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Geometry (AREA)
- Life Sciences & Earth Sciences (AREA)
- Atmospheric Sciences (AREA)
- Biodiversity & Conservation Biology (AREA)
- Ecology (AREA)
- Environmental Sciences (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明属于数值模拟技术领域,公开一种预测不同气候变化影响浅层地下水海水入侵的方法,包括以下步骤:(1)建立研究区水文地质概念,确定源汇项、地下水流场及盐度场初始条件;(2)利用地下水模型GMS建立研究区的地下水数值模型和地下水溶质运移模型并进行识别验证;(3)通过Cmhyd降尺度后的气候数据输入到地下水溶质运移模型中进行模拟,得到预测的地下水盐度分布及动态变化,分析不同气候因素对地下水海水入侵的影响。本发明考虑了全球变暖的影响,降水和温度随时间变化而不是一个固定值,可以更好地预测未来气候;在进行浅层地下水海水入侵模拟时,变化的降水量和温度也可以更全面理解气候变化如何影响浅层地下水海水入侵程度。
Description
技术领域
本发明属于数值模拟技术领域,尤其是一种预测不同气候变化影响浅层地下水海水入侵的方法及应用。
背景技术
未来气候变化可以通过改变降水量和蒸发量影响浅层地下水的海水入侵程度,而蒸发量可以通过最高温度和最低温度表示。因此预测未来降水与温度可以分析气候变化如何影响地下水海水入侵。
目前,用于水文模拟的气候模型Cmhyd是一种可从全球和区域气候模式汇总提取和校正数据的校正工具。在引用全球气候变暖的气候模式后,Cmhyd为降水和温度提供不同的偏差校正方法,并将分辨率过大的GCM模式进行降尺度,将降尺度后的气候数据提供给地下水溶质运移模型。气候数据经过一系列统计性处理,剔除了偏离研究区气候变化的数据,可以为浅层地下水的海水入侵模拟提供更符合实际的气候数据。然而,现有技术多直接按百分比改变降水和蒸发量,或按照历史丰、平、枯水年设置不同气候情景,将气候数据输入地下水溶质运移模型进行影响分析,这些方式尽管可以得到气候变化对浅层地下水海水入侵的影响,但变化量不随时间变化,是固定值,缺乏研究区气候条件变化的合理性及真实性。
因此,亟需一种或几种新的预测不同气候变化影响浅层地下水海水入侵的方法。
发明内容
本发明的目的在于克服现有技术中的不足之处,提供一种预测不同气候变化影响浅层地下水海水入侵的方法及其应用。
本发明解决其技术问题所采用的技术方案是:
一种预测不同气候变化影响浅层地下水海水入侵的方法,所述方法包括以下步骤:
(1)建立研究区水文地质概念模型,确定研究区边界范围,通过文献查阅、野外调查,分析研究区的地形地貌、自然环境、水文地质条件,从而对含水层、地下水和边界条件进行概化,确定源汇项、地下水流场及盐度场初始条件;
(2)利用地下水模型GMS建立研究区的地下水流数值模型和地下水溶质运移模型,对于地下水流数值模型,比较模拟的地下水位和地下水位观测井数据,确保地下水位模拟值与观测值基本相同,模拟的地下水流场与实测的地下水流场接近(相同数值的地下水位等值线,模拟结果与实测数据的误差不超过模型长度的3%);对于地下水溶质运移模型,比较模拟的地下水盐度和地下水盐度观测井数据,确保地下水盐度模拟值与观测值基本相同,模拟的地下水盐度场与实测的地下水盐度场接近(相同数值的地下水位等值线,模拟结果与实测数据的误差不超过模型长度的3%);
(3)利用研究者们在研究区使用过且能较好地再现历史温度和降水的多个GCM模式,通过Cmhyd降尺度后的气候数据输入到地下水溶质运移模型中进行模拟,得到预测的地下水盐度分布及动态变化,分析不同气候因素对地下水海水入侵的影响。
进一步地,所述步骤(1)中水文地质概念模型具体包括如下步骤:
1)根据研究需要,结合研究区的水文地质条件,选择完整的水文地质单元,以确定研究区的边界范围;
2)根据含水层性质、结构、岩性,将含水层概化为均质含水层或非均质含水层、向同性或各向异性、隔水层或弱透水层;
3)将地下水概化为稳定流或非稳定流、潜水或承压水;
4)根据含水层、隔水层的地质构造、边界水流特征与水体间的水力联系,将边界条件概化为三类:第一类边界为每时刻确定水头的给定水头边界,第二类边界为确定单位面积交换流量的给定流量边界、第三类边界为水头与流量综合考虑的混合边界。
进一步地,所述步骤(2)中地下水流数值模型如下:
式中:Kxx,Kyy,Kzz:分别为x,y和z方向的渗透系数(m/d);S:储水率(1/m);h:水头(m);w:含水层的源汇项(1/d);t:时间。
进一步地,所述地下水流数值模型的构建步骤包括如下步骤:
1)时间离散与空间离散
依据已经确定的研究区边界范围,在GMS中画出研究区边界范围,根据研究区范围大小确定模型单元格大小与数量剖分,并依据研究区水文地质条件及含水组厚度确定模型层数;收集整理模型分层后的各层含水层的各层顶板、底板的标高和初始地下水头导入GMS中并进行插值;确定应力期和模拟起止时间;
2)确定模型的水文地质参数
依据研究区水文地质勘察资料、抽水试验资料,再结合研究区的地形地貌、地质图、水文地质图,对研究区进行水文地质参数分区;
通过水文地质经验参数、研究者们对研究区进行研究的论文数据确定水文地质初始参数,包括弱透水层和含水层的水平/垂向导水率、储水率、给水度、孔隙度;
3)确定源汇项
(1)根据水文地质图,结合不同地形地貌单元降水入渗补给系数,综合考虑地表土质、下垫面条件、地表水埋深因素,进行降水入渗和农业灌溉分区;研究区降水及农业灌溉渗透补给以面状补给处理,并通过Recharge Package导入地下水流数值模型;
(2)根据资料确定研究区河流的起点和终点河床高程、河流水位及河段导水系数,研究区河流入渗以面状补给处理,并通过River Package导入地下水流数值模型;
(3)地下水开采量和开采井分布依据资料确定,并进行适当井群合并,导入地下水流数值模型中;
(4)蒸发作用于给定气候条件下的浅层地下水流失
蒸发量的确定:根据资料确定研究区的蒸发量、地下水蒸发深度和表面蒸发高程,并通过EVT Package导入地下水流数值模型;
4)模型的识别与验证
通过国家、组织地下水监测网络或野外个人监测,确定观测点位置并收集观测点水位数据,导入GMS模型中,启动Observation Point功能,输入观测井数据并运行地下水流数值模型,不断改变水文地质参数和源汇项数值进行重复计算,直到观测点的地下水位计算结果与地下水位观测结果的差值控制在一年中地下水位波动差值的10%以内;
运行地下水流数值模型后,每个观测点将显示一个彩色带,其中点作为观察值,上端是观察值加范围值,下端是观察值减范围值;通过观察、计算模拟值和观测值的拟合程度,来判断模型的适用性,且监测点模拟时地下水位值绝对误差应小于监测点对应模拟时段的实际水位变幅。
进一步地,所述步骤(2)中地下水溶质运移模型由变密度地下水流方程和溶质运移方程计算得到,具体方程如下:
变密度地下水流方程如下:
式中:
ρ:地下水的密度[ML-3];ρ0:标准温度下淡水的密度[ML-3];μ:地下水的动力粘度[ML-1T-1];μ0:淡水的动态粘度[ML-1T-1];K0:水力传导张量[LT-1];z:垂直坐标[L];h0:淡水水头[L];Ss′,0:特定储水率[L-1];t:时间[T];θ:孔隙度[-];C:盐浓度[ML-3];q′S:具有密度ρs的源汇项[T-1];
溶质运移方程如下:
式中:
ρb:体积密度[ML-3];种类k的分布系数[L3M-1];Ck:种类k的浓度[ML-3];D:水动力弥散系数张量[L-2T-1];Q:比流量[LT-1];/>种类k的源或汇浓度[ML-3]。
进一步地,所述地下水溶质运移模型的构建步骤如下:
在地下水流数值模型的基础上,增加MT3DMS和SEAWAT模块;增加MT3DMS模块中的Advectionpackage、Dispersion package和Source/sink mixingpackage,增加SEAWAT模块中的VDF package,调整盐度TDS的理化性质、溶质的弥散度及分子弥散系数(盐度TDS的理化性质、溶质的弥散度及分子弥散系数初始值依据经验参数、研究者们对研究区的勘测及研究论文数据确定,并不断),使地下水盐度模拟值与实测值基本接近(相同数值的地下水位等值线,模拟结果与实测数据的误差不超过模型长度的3%);
利用GMS的2D Scatter Date模块将实测溶质数据导入GMS模型并插值,作出初始浓度;时间离散和空间离散同地下水流数值模型;源汇项同地下水流数值模型,但在河流和海洋源汇项中添加盐度源汇项,获取河流与海洋盐度(如从当地水文局公布数据、研究者们研究的论文数据以及经验参数),运行模型后不断调参,使地下水盐度模拟值与实测值接近(相同数值的地下水位等值线,模拟结果与实测数据的误差不超过模型长度的3%),地下水盐度等值线模拟值与实测值趋于一致;
利用研究者们在研究区使用过且能较好地再现历史温度和降水的多个GCM模式,通过Cmhyd降尺度后的气候数据输入到地下水溶质运移模型中进行模拟,得到预测的地下水盐度分布及动态变化,分析不同气候因素对地下水海水入侵的影响。
进一步地,所述步骤(3)具体如下:
选用CMIP5或CMIP6气候数据集,未来气候变量的变化可用基于温室气体排放驱动力的全球气候模式GCM预测,同时考虑代表性浓度路径RCP中的中辐射强迫情景RCP4.5与高辐射强迫情景RCP8.5,并通过用于水文模拟的气候模型CMhyd进行偏差校正和降尺度;
选择研究区内历史上表现良好的GCM模式,利用CMhyd的不同偏差校正方法进行偏差校正,每一个GCM模式与每一种偏差校正方法成为一组,将每一组偏差校正后的气候数据与历史数据进行比较,计算每一组的相关性R、均方根并形成泰勒技能得分TSS,对比每一组合的TSS,分别挑选不同GCM模式中TSS数值最高的降水或温度组合,作为预测气候数据的组合;
依据项目要求选择预测时间,在Cmhyd气候模型对上述TSS数值最高的组合进行气候预测后,剔除历史上未曾出现的气候条件和极端气候现象的气候组合,将剩余组合的数据分别输入地下水溶质运移模型,构建不同气候情景下的地下水溶质运移预测模型,分析不同气候变化影响下的地下水海水入侵程度。
进一步地,所述偏差校正方法包括:
对于降水的偏差校正,包括方法降水和温度分布图、线性标度、降水动力转换、降水局部强度放缩;
对于温度的偏差校正,包括方法降水和温度映射、线性放缩、温度方差放缩。
进一步地,所述:泰勒技能得分TSS的计算公式如下:
式中:
R0:可以达到的最大相关性,设为1;
R,分别是模型的相关性和归一化后的均方根;
其中TSS接近1表明观测值与模拟值越接近,相反向0递减代表模型性能越差;模型的相关性R和归一化后的均方根通过计算得出。
如上所述的方法在预测不同气候变化影响浅层地下水海水入侵方面中的应用。
本发明取得的优点和积极效果为:
1、本发明方法考虑了全球变暖对降水和温度的影响,降水和温度随时间变化而不是一个固定值,可以更好地预测未来气候;在进行浅层地下水海水入侵模拟时,变化的降水量和温度也可以更全面理解气候变化如何影响浅层地下水海水入侵程度。
2、本发明方法结合研究区水文地质、自然地理等资料,概化模型的含水层及边界条件,确定源汇项、地下水流场及盐度场(海水入侵程度考虑地下水盐度运移)等初始条件,通过GMS建立研究区地下水流模型和溶质运移模型,并进行识别验证。同时搜集历史上在研究区使用过且表现良好的多个GCM模式,利用Cmhyd对降水与温度进行统计缩减和偏差校正,并将输出的多个GCM模式气候情景输入地下水溶质运移模型,进行地下水盐度运移分析,探究气候变化影响海水入侵的程度。
3、本发明方法能够得到不同气候情景地下水的盐度分布,从而分析气候变化如何影响浅层地下水的海水入侵程度;构建地下水溶质运移模型可以采用FEFLOW、VisualMODFLOW等地下水模拟软件;预测气候变化可以采用SDSM软件、WRF动力模式等进行降尺度及偏差校正。
4、本发明方法中GCM由主要气候系统组成部分(大气、陆地地表、海洋及海洋冰冻圈)及其相互作用的数学公式表示,它计算了气候组成部分随时间变化的方程式及相互耦合作用,由于不同GCM的输出结果由于温室气体排放的不确定性而变得不稳定,因此本发明方法将研究区在历史上使用过的、有良好表现的的多个GCM进行集合,以减少各成员输出误差,提高未来气候的预测效果。
附图说明
图1为本发明方法的一种流程图;
图2为本发明实施例中的一种观测井模拟水位与实测水位对比图(其中,a:Q214010观测井、b:Q217010观测井);
图3为本发明实施例中的1990~2005五个GCM模式与各自偏差校正方法的降水TSS值热图;
图4为本发明实施例中RCP4.5情景下五种GCM模式的未来年总降水模拟图;
图5为本发明实施例中不同降水模式下的地下水盐度分布(其中,a:2050年基线、b:ACCESS1-0模式);
图6为本发明实施例中不同蒸发模式下的地下水盐度分布图(其中,a:2050年基线、b:CSRIO-MK3-6-0温度模式)。
具体实施方式
下面结合实施例,对本发明进一步说明,下属实施例是叙述性的,不是限定性的,不能以下述实施例来限定本发明的保护范围。
具体实施例中所涉及的各种实验操作,均为本领域的常规技术,本文中没有特别注释的部分,本领域的普通技术人员可以参照本发明申请日之前的各种常用工具书、科技文献或相关的说明书、手册等予以实施。
一种预测不同气候变化影响浅层地下水海水入侵的方法,所述方法包括以下步骤:
(1)建立研究区水文地质概念,确定研究区边界范围,通过文献查阅、野外调查,分析研究区的地形地貌、自然环境、水文地质条件,从而对含水层、地下水和边界条件进行概化,确定源汇项、地下水流场及盐度场初始条件;
(2)利用地下水模型GMS建立研究区的地下水流数值模型和地下水溶质运移模型并进行识别验证;
(3)利用在研究区使用过且表现良好的多个GCM模式,通过Cmhyd降尺度后的气候数据输入到地下水溶质运移模型中进行模拟,得到预测的地下水盐度分布及动态变化,分析不同气候因素对地下水海水入侵的影响。
较优地,具体步骤如下:
1、建立研究区水文地质概念模型
1)确定研究区边界范围
根据研究需要,结合研究区的水文地质条件,尽可能选择完整的水文地质单元,尽可能选择天然水系(河流、湖泊等)、人工河道(运河、沟渠等)、隔水边界(流线、分水岭等)作为边界条件,尽量避免人为边界,以确定研究区的边界范围。
2)通过文献查阅、野外调查,分析研究区的地形地貌、自然环境、水文地质条件等条件,从而对含水层、地下水和边界条件进行概化。
根据含水层性质、结构、岩性等,确定含水层是否是均质性或非均质性、各项同性或各向异性。当含水层各种理化及流动性质都是恒定的,没有明显的渐变现象,概化为均质含水层,否则概化为非均质含水层。当含水层分布均匀,各个方向的各项理化、流动性质是一致的,概化为各向同性,否则概化为各向异性。对于孔隙细小、地下水流动缓慢的岩土,渗透系数小于0.001m/d的岩土考虑概化为隔水层,渗透系数介于0.001~1m/d的岩土考虑概化为弱透水层;对于孔隙较大,渗透系数大于1m/d且下部有不(弱)透水层存在的岩土,考虑概化为含水层。
确定地下水是否为稳定流或非稳定流、潜水或承压水。当研究区任一点地下水的各项运动要素不随时间变化,概化为稳定流,否则概化为非稳定流。依据地下水赋存条件,当地下水处于第一个稳定隔水层之上,概化为潜水;当地下水处于两个两个隔水层之间,概化为承压水。
根据含水层、隔水层的地质构造、边界水流特征与水体间的水力联系,将边界条件分为三类:每时刻确定水头的给定水头边界(第一类边界)、确定单位面积交换流量的给定流量边界(第二类边界)、以及边界上水头与流量综合考虑的混合边界(第三类边界),并依据实际情况设置一至多个边界条件。
2、建立研究区地下水流数值模型
1)地下水运动基本微分方程实际上是地下水水量均衡方程,构建下水流数值模型所使用的地下水水流偏微分方程为
式中:
Kxx,Kyy,Kzz:分别为x,y和z方向的渗透系数(m/d);S:储水率(1/m);h:水头(m);w:含水层的源汇项(1/d);t:时间
2)时间、空间离散
确定研究区的边界,在GMS中画出边界范围,并确定模型层数及并网格剖分。将收集整理的含水层各层顶板、底板的标高和初始地下水头导入到软件中并进行插值。根据收集的资料确定应力期和模拟起止时间。
3)确定模型的水文地质参数
水文地质参数分区依据研究区水文地质勘察资料、抽水试验资料,再结合研究区的地形地貌、地质图、水文地质图等进行参数分区。水文地质初始参数通过资料搜集确定,并在模型识别和验证中进行调参。
4)确定模型源汇项
根据水文地质图,结合不同地形地貌单元降水入渗补给系数,综合考虑地表土质、下垫面条件、地表水埋深等因素进行分区。研究区降水及农业灌溉渗透补给以面状补给处理,并通过Recharge导入模型。
降水入渗补给量按以下公式计算:
Q降=10-1·a·F·P
式中:
Q降:降水入渗补给量(万m3/a);a:降水入渗补给系数,无因次;P:计算区年均降水量(mm);F:降水入渗计算区面积(km2)
根据资料确定研究区河流的起点和终点河床高程、河流水位及河段导水系数。研究区河流入渗以面状补给处理,并通过River导入模型。
河流入渗补给量按以下公式计算:
Q渗=K·W·L(R+h)/D
式中:
Q渗:河渠入渗补给量(m3);K:河床水力传导系数(m/d);W:河床宽度(m);L:河段长度(m);R:河流水位(m);h:地下水水位(m);D:河床厚度(m)。
地下水开采量和开采井分布依据资料确定,并进行适当井群合并,导入地下水流数值模型中。
蒸发量的确定:根据资料确定研究区的蒸发量、地下水蒸发深度和表面蒸发高程,并通过EVT导入模型。
蒸发量按以下公式计算:
E=QETM×(1-D/X)
式中:
E:蒸发速率(m3/d);QETM:最大蒸发速率(m3/d);D:地下水水位距表面蒸发高程的深度(m);X:蒸发深度(m)。
5)模型的识别与验证
模型识别是通过不断调整水文地质参数和部分源汇项数值,在水文地质参数基本符合实际水文地质条件的基础上,使地下水模拟流场与地下水实际流场基本一致、地下水模拟水位动态变化与地下水实测水位动态变化基本一致。模型验证是在模型识别的基础上,进一步调整参数,使模拟结果与二次实测结果基本一致,以提高模型精度。操作如下:
收集观测点水位及位置资料并导入模型中,启动Observation Point功能,输入观测井数据并运行模型,不断改变水文地质参数进行重复计算,直到观测点的计算结果与观测结果的差值控制在可接受的范围内。运行模型后,每个观测点将显示一个彩色带,其中点作为观察值,上端是观察值加范围值,下端是观察值减范围值。如果代表观察值和计算值之差的条显示在校准置信度范围内,则该条以绿色显示;如果该条超出置信区间但小于200%,则为橙色,大于200%则呈红色,通过观察、计算模拟值和观测值的拟合程度,来判断模型的适用性,观测点为绿色说明该位置的的拟合程度高。尽量不要选择临近边界的监测点用于模型识别验证,除该类型监测点外,应有不少于60%的监测点地下水动态过程与实测结果拟合效果良好,且监测点模拟时地下水位值绝对误差应小于监测点对应模拟时段的实际水位变幅。
3、建立研究区地下水溶质运移模型
在地下水流数值模型的基础上,增加MT3DMS和SEAWAT模块。增加MT3DMS模块中的Advectionpackage、Dispersionpackage和Source/sinkmixingpackage,增加SEAWAT模块中的VDF package,并依据资料确定溶质种类及理化性质、溶质的弥散度及分子弥散系数。其中SEAWAT模块旨在模拟三维变密度地下水流,变密度水流(VDF)解决了以下形式的变密度地下水流方程:
式中:
ρ:地下水的密度[ML-3];ρ0:标准温度下淡水的密度[ML-3];μ:地下水的动力粘度[ML-1T-1];μ0:淡水的动态粘度[ML-1T-1];K0:水力传导张量[LT-1];z:垂直坐标[L];h0:淡水水头[L];Ss′,0:特定储水率[L-1];t:时间[T];θ:孔隙度[-];C:盐浓度[ML-3];q′S:具有密度ρs的源汇项[T-1]。
SEAWAT中还需要以下形式的方程来求解溶质运移方程:
式中:
ρb:体积密度[ML-3];种类k的分布系数[L3M-1];Ck:种类k的浓度[ML-3];D:水动力弥散系数张量[L-2T-1];Q:比流量[LT-1];/>种类k的源或汇浓度[ML-3]。
利用GMS的2D Scatter Date模块将实测溶质数据导入模型并插值,作出初始浓度。运行模型后对结果进行识别验证。
4、气候预测
对于预测的气象数据,可以选用CMIP5或CMIP6气候数据集,未来气候变量的变化可用基于温室气体排放驱动力的全球气候模式(GCM)预测。GCM由主要气候系统组成部分(大气、陆地地表、海洋及海洋冰冻圈)及其相互作用的数学公式表示,它计算了气候组成部分随时间变化的方程式及相互耦合作用。不同GCM的输出结果由于温室气体排放的不确定性而变得不稳定。因此将研究区在历史上使用过的、有良好表现的的多个GCM进行集合,以减少各成员输出误差,提高未来气候的预测效果。对于每个GCM模型,可以考虑代表性浓度路径(RCP)中的中辐射强迫情景RCP4.5与高辐射强迫情景RCP8.5,因为这两个RCP情景基本可以覆盖未来气候和水文变化的现实范围。
原始GCM模型分辨率过大会导致模拟值与观测值出现明显的误差,可以通过用于水文模拟的气候模型Climate Model data for hydrologic modeling(CMhyd)进行偏差校正和降尺度方法。CMhyd是一种可从全球和区域气候模式汇总提取和校正数据的校正工具,将模拟的气候数据缩小到水文站尺度以便更好地匹配观测数据。
Cmhyd为降水和温度提供了不同的偏差校正方法。对于降水偏差校正,有方法Distribution mapping ofprecipitation and temperature、Linear scaling、Powertransformation ofprecipitation、Precipitation local intensity scaling;对于温度的偏差校正,有方法Distribution mapping of precipitation and temperature、Linearscaling、Variance scaling oftemperature。使用多模型统计数据平均偏差、均方根和相关系数比较多个气候模型对研究区气候变化的模拟能力,并评估不同GCM模式的相对最佳偏差校正方法。同时,可以利用泰勒技能得分(TSS)综合考虑均方根误差和相关。其中一种泰勒技能得分被定义为
式中:
R0:可以达到的最大相关性,设为1;
R,分别是模型的相关性和归一化后的均方根。
TSS接近1表明观测值与模拟值越接近,相反向0递减代表模型性能越差
对比不同GCM模式与偏差校正方法组合的TSS,分别将TSS数值较高的几个降水和温度组合筛选出来,作为预测气候数据的组合。在Cmhyd气候模型对这些组合进行气候预测后,剔除明显不符合研究区气候变化规律的气候组合,将剩余组合的数据分别输入地下水溶质运移模型,构建不同气候情景下的地下水溶质运移预测模型,分析不同气候变化影响下的地下水海水入侵程度。
将每一个GCM模式TSS最高的组合筛选出来,其中输出的降水可直接输入GMS模型进行地下水溶质运移预测模型构建,输出的温度通过Hargreaves经验公式计算蒸发量,并输入GMS模型。地下水溶质运移预测模型在建立的地下水溶质运移模型基础上改变模拟时间(与气候预测时间相同或是其一部分)。地下水溶质运移预测模型的水文地质参数、源汇项等保持不变。
由于不同GCM模式与偏差校正方法的组合输出的降水和温度不同,因此可以作为不同气候情景来预测气候变化对浅层地下水海水入侵的影响。其中海水入侵对地下水的影响根据地下水溶质运移预测模型模拟出的地下水盐度分布确定,包括1g/L等值线(咸淡水分界线)的移动情况、沿海地区盐浓度的变化、划定盐度范围(例如3~5g/L)的区域大小等。
具体的制备及检测方法如下:
一种预测不同气候变化影响湄公河三角洲浅层地下水海水入侵的方法,可以如图1所示,所述方法包括以下步骤:
(1)建立研究区水文地质概念,确定研究区边界范围,通过文献查阅、野外调查,分析研究区的地形地貌、自然环境、水文地质条件,从而对含水层、地下水和边界条件进行概化,确定源汇项、地下水流场及盐度场初始条件;
(2)利用地下水模型GMS建立研究区的地下水流数值模型和地下水溶质运移模型并进行识别验证;
(3)利用在研究区使用过且表现良好的多个GCM模式,通过Cmhyd降尺度后的气候数据输入到地下水溶质运移模型中进行模拟,得到预测的地下水盐度分布及动态变化,分析不同气候因素对地下水海水入侵的影响。
较优地,具体步骤如下:
1、研究区水文地质概念模型构建
1)确定研究区范围:研究区划定为湄公河三角洲中部冲积平原,研究区大致呈三角形,东北部边界为湄公河、西南部边界为巴萨克河,东部边界为南中国海。
2)含水层:以靠近地表的全新世含水组为研究对象。其中含水组上部根据水文地质结构划分为Q2弱透水层,下部为qh含水层。
2、研究区地下水流数值模型构建
GMS软件用于构建地下水流数值模型所使用的地下水水流偏微分方差为:
式中:Kxx,Kyy,Kzz:分别为x,y和z方向的渗透系数(m/d);S:储水率(1/m);h:水头(m);w:含水层的源汇项(1/d);t:时间。
1)空间离散与时间离散:将研究区域划分为151行,179列,竖直方向划分5层模型层,单元格分辨率为1km×1km。模型模拟期为2012年至2021年,以3个月为1个应力期。其中模型识别期为2012年至2016年,模型验证期为2017年至2021年。
2)含水层与边界条件概化:以靠近地表的全新世含水组为研究对象。其中含水组上部根据水文地质结构划分为Q2弱透水层,下部为qh含水层。为使模型的水文地质参数精细化,模型在垂向上将Q2弱透水层划分为2层,每层厚度约为10m,共20m;qh含水层划分为3层,每层厚度约为10m,共30m。
侧向边界:由于湄公河、巴萨克河与南中国海临近研究区的深度一般不超过20m,因此将Q2弱透水层视为与上述三个边界具有水力联系,概化为给定水头边界;下部qh含水层接受侧向含水层的补给,概化为流量边界。
垂向边界:模型顶部以地表为上边界,与外界进行水量交换;模型底部为低渗透性的弱透水层,概化为无流量边界。
3)水文地质参数确定及分区:水文地质参数初始值依据经验值、搜集资料确定,基本水文地质参数包括水平导水率(8~35m/d)、垂向导水率(4~35m/d)、储水率(0.000001~0.000141/m)、给水度(0.0009~0.01)及孔隙度(0.3)等,并根据资料分区(例如依据省界进行分区)。
4)确定源汇项:研究区全新世含水层与外界进行水体交换。其补给包括降水、河流入渗、农业灌溉补给与海洋交换;其排泄包括蒸发和地下水开采。
降水:降水量由湄公河委员会水文站数据获得(900~1800mm/年);初始降水入渗补给系数通过资料确定(0.05~0.15),并在模型识别验证时进行调参;降水分区由地表类型、降水等值线等确定。
河流入渗:河流水位参考河流附近的水文站数据;初始河床水力传导率通过资料确定,并在模型识别验证时进行调参。
农业灌溉补给:农业灌溉量通过资料确定(6000m3/英亩/年);灌溉分区同降水分区。
海洋交换:海洋交换水量依据地下水流数值模型得出。
蒸发:蒸发需要确定蒸发量、蒸发深度与表面蒸发高程。其中蒸发量由湄公河委员会的水文站获取(800~1200mm);蒸发深度设定为3m,表面蒸发高程同地表高程;蒸发分区由地表类型、地表高程等确定。
地下水开采:地下水开采量与地下水开采井分布通过资料获取(全新世含水层开采量为18000m3/d)。
5)模型识别验证:调整模型的水文地质参数与源汇项(包括手动调参与GMS模型自带PEST自动调参),确定一个水位误差(一般为地下水位一年间差值的10%),使模型的模拟地下水位与实测地下水位尽量在误差范围内,并反应实际流场特征,如图2所示。
3、研究区地下水溶质运移模型构建
SEAWAT旨在模拟三维变密度地下水流。SEAWAT中的变密度水流(VDF)过程解决了以下形式的变密度地下流方程:
式中:ρ:地下水的密度[ML-3];ρ0:标准温度下淡水的密度[ML-3];μ:地下水的动力粘度[ML-1T-1];μ0:淡水的动态粘度[ML-1T-1];K0:水力传导张量[LT-1];z:垂直坐标[L]h0:淡水水头[L];Ss′,0:特定储水率[L-1];t:时间[T];θ:孔隙度[-];C:盐浓度[ML-3];q′S:具有密度ρs的源汇项[T-1]。
假设淡水的密度(ρ=0)是1000kgm-3,咸水的最大密度(ρs=35g/L)是1025kg m-3,并假设地下水密度仅与盐浓度相关,因此它们具有线性关系。
SEAWAT中还需要以下形式的方程来求解溶质运移方程:
式中:ρb:体积密度[ML-3];种类k的分布系数[L3M-1];Ck:种类k的浓度[ML-3];D:水动力弥散系数张量[L-2T-1];Q:比流量[LT-1];/>种类k的源或汇浓度[ML-3]。
1)含水层与边界条件概化:
含水层概化:根据含水介质的岩性及地下水赋存条件,含水层分为上层弱透水层和下层含水层。上部分弱透水层主要由粘土和粉砂组成,下部分qh含水层主要由细砂、砾石和卵石组成。含水层各项水文地质参数随空间变化,概化为非均质各向异性含水层。
边界条件概化:侧向边界:模型上层弱透水层侧向边界概化为给定水头边界。模型下层含水层侧向边界概化为流量边界。垂向边界:垂直方向上以地表作为上边界,通过上边界模型可与外界进行降雨、蒸发和地表水体之间的水量交换。下边界概化为无流量边界和隔水底板。
2)溶质源汇项:海洋盐度恒定为35g/L,河流盐度通过水文站获取,含水层盐度侧向补给给定了0~9g/l的恒定盐度。
3)水文地质参数:同地下水流数值模型,但添加了含水层纵向弥散度(1m),横向弥散度与垂向弥散度(0.1),分子弥散系数(8.64×10-5m2d-1)。
4)空间离散与时间离散:同地下水流数值模型。
5)研究区初始浓度:以盐度TDS为目标溶质,通过搜集资料建立2011年地下水盐度分布,设为地下水溶质运移模型初始浓度。
6)模型识别验证:
通过不断调整水文地质参数和部分源汇项数值,在水文地质参数基本符合实际水文地质条件的基础上,使地下水盐度等值线的模拟值与实测值基本一致、地下水盐度模拟动态变化与地下水盐度实测动态变化基本一致。模型验证是在模型识别的基础上,进一步调整参数,使模拟结果与二次实测结果基本一致,以提高模型精度。操作如下:
收集观测点水位及位置资料并导入模型中,启动Observation Point功能,输入观测井数据并运行模型,不断改变水文地质参数进行重复计算,直到观测点的计算结果与观测结果的差值控制在可接受的范围内。运行模型后,每个观测点将显示一个彩色带,其中点作为观察值,上端是观察值加范围值,下端是观察值减范围值。如果代表观察值和计算值之差的条显示在校准置信度范围内,则该条以绿色显示;如果该条超出置信区间但小于200%,则为橙色,大于200%则呈红色,通过观察、计算模拟值和观测值的拟合程度,来判断模型的适用性,观测点为绿色说明该位置的的拟合程度高。尽量不要选择临近边界的监测点用于模型识别验证,除该类型监测点外,应有不少于60%的监测点地下水盐度动态过程与实测结果拟合效果良好,且地下水盐度模拟值与实测值之间的误差一般不超过0.5~1g/L。
4、气候预测
1)数据准备:搜集研究区历史气候资料(包括降水量与温度);搜集研究区历史上表现良好的GCM模式,本次研究选择ACCESS1-0,CCSM4,CSIRO-MK3-6-0,MPI-ESM-LR和NorESM1-M;选择RCP情景,本次研究选择RCP4.5与RCP8.5.;偏差校正模型选用CMhyd气候模型(包含4种降水偏差校正方法(例:1、2、3、4)和3种温度偏差校正方法(例:5、6、7),其中蒸发量可以通过Hargreaves经验公式的最高温度与最低温度计算得出。
2)气候数据统计量比较:将每个GCM模式的历史降水与温度数据分别在RCP4.5与RCP8.5情景下用不同的偏差校正方法进行统计缩减(例:温度—ACCESS1-0—RCP4.5—1或降水—ACCESS1-0—RCP4.5—1),并通过TSS与观测的历史资料进行对比,绘制成热图,如图3所示,选择不同GCM模式中TSS最高的组。本次研究中选择ACCESS1-0的Linear scaling(0.819),CCSM4的Linear scaling(0.791),CSIRO-MK3-6-0的Power transformation ofprecipitation(0.661),MPI-ESM-LR的Linear scaling(0.81)和NorESM1-M的Linearscaling(0.81)。
3)未来降水与温度变化趋势:选出不同GCM模式中TSS最高的组后,在CMhyd中预测未来的降水与温度。本次研究中选择的预测时间为2022年至2050年。在预测完成后,剔除出现异常值的GCM模式。例如本次研究中CSIRO-MK3-6-0在RCP4.5情景下出现了4000mm的年降水量,如图4所示,因此在地下水溶质运移模型中不考虑该GCM模式的降水量。温度的预测同样以此操作。
5、地下水溶质运移预测模型构建
1)含水层与边界条件概化:
2)含水层概化:根据含水介质的岩性及地下水赋存条件,含水层分为上层弱透水层和下层含水层。上部分弱透水层主要由粘土和粉砂组成,下部分qh含水层主要由细砂、砾石和卵石组成。含水层各项水文地质参数随空间变化,概化为非均质各向异性含水层。
边界条件概化:侧向边界:模型上层弱透水层侧向边界概化为给定水头边界。模型下层含水层侧向边界概化为流量边界。垂向边界:垂直方向上以地表作为上边界,通过上边界模型可与外界进行降雨、蒸发和地表水体之间的水量交换。下边界概化为无流量边界和隔水底板。
2)溶质源汇项:同地下水溶质运移模型
海洋盐度恒定为35g/L,河流盐度通过水文站获取,含水层盐度侧向补给给定了0~9g/l的恒定盐度。
3)水文地质参数:
同地下水流数值模型,但添加了含水层纵向弥散度(1m),横向弥散度与垂向弥散度(0.1),分子弥散系数(8.64×10-5m2d-1)。
4)空间离散与时间离散:空间离散同地下水溶质运移模型。时间离散根据气候预测时间确定,本次研究地下水溶质运移预测模拟时间为2022年至2050年。
5)研究区初始浓度:以地下水溶质运移模型在2021年的地下水盐度分布为地下水溶质运移预测模型的初始盐度分布。
6)设置不同气候情景:预测的最低年降雨量和最高降雨量分别选择RCP8.5情景下ACCESS1-0模式和CCSM4的降雨量模式,因为RCP8.5情景下这两个GCM模式的预测数据几乎没有异常值。预测的最低温度和最高温度选择RCP8.5情景下的GCM模式CSRIO-MK3-6-0,因为它对应着Hargreaves计算出的蒸发量的时间变化十分明显,可以更好地突出蒸发量变化对地下水溶质运移的影响。
7)预测地下水盐度变化:
首先计算基线情况下的地下水盐度变化,其中基线情况相当于地下水溶质运移模型使用2021年的源汇项进行预测模拟,模拟时间为2022年至2050年。
(1)降水量变化
RCP8.5情景下,30年内,相较于基线,ACCESS1-0模式的20g/L盐分等值线变化基本相同;10g/L盐分等值线向海洋方向收缩与向内陆方向扩张的现象同时存在,最多收缩500m,扩张2000m;5g/L盐分等值线变化基本相同;1g/L等值线(咸淡水分界线)向海洋方向移动100~1000m;3g/L等值线向海洋方向移动100~500m。
如图5所示,相较于ACCESS1-0模式,CCSM4模式的20g/L等值线基本相同;10g/L等值线向海洋方向收缩约0~200m,但个别区域存在略微向内陆扩张现象;5g/L等值线向海洋方向收缩0~300m;3g/L等值线收缩向海洋方向收缩与向内陆方向扩张的现象同时存在,最多收缩100m,扩张500m;1g/L等值线基本相同。因此可以看出降水增加导致地下水盐度下降,1g/L盐分等值线(咸淡水分界线)向海洋移动,海水入侵减弱。
(2)蒸发量变化
如图6所示,蒸发量增加,各盐分等值线的变化与基线基本相同。由于地下水水量随着蒸发减少,盐度总体上要略大于基线数据,但由于蒸发量的变化相对于基线变化非常小,因此盐分的范围变化几乎不可见。
尽管为说明目的公开了本发明的实施例,但是本领域的技术人员可以理解:在不脱离本发明及所附权利要求的精神和范围内,各种替换、变化和修改都是可能的,因此,本发明的范围不局限于实施例所公开的内容。
Claims (10)
1.一种预测不同气候变化影响浅层地下水海水入侵的方法,其特征在于:所述方法包括以下步骤:
(1)建立研究区水文地质概念模型,确定研究区边界范围,通过文献查阅、野外调查,分析研究区的地形地貌、自然环境、水文地质条件,从而对含水层、地下水和边界条件进行概化,确定源汇项、地下水流场及盐度场初始条件;
(2)利用地下水模型GMS建立研究区的地下水流数值模型和地下水溶质运移模型,对于地下水流数值模型,比较模拟的地下水位和地下水位观测井数据,确保地下水位模拟值与观测值基本相同,模拟的地下水流场与实测的地下水流场接近;对于地下水溶质运移模型,比较模拟的地下水盐度和地下水盐度观测井数据,确保地下水盐度模拟值与观测值基本相同,模拟的地下水盐度场与实测的地下水盐度场接近;
(3)利用在研究区使用过且能再现历史温度和降水的多个GCM模式,通过Cmhyd降尺度后的气候数据输入到地下水溶质运移模型中进行模拟,得到预测的地下水盐度分布及动态变化,分析不同气候因素对地下水海水入侵的影响。
2.根据权利要求1所述的方法,其特征在于:所述步骤(1)中水文地质概念模型具体包括如下步骤:
1)根据研究需要,结合研究区的水文地质条件,选择完整的水文地质单元,以确定研究区的边界范围;
2)根据含水层性质、结构、岩性,将含水层概化为均质含水层或非均质含水层、向同性或各向异性、隔水层或弱透水层;
3)将地下水概化为稳定流或非稳定流、潜水或承压水;
4)根据含水层、隔水层的地质构造、边界水流特征与水体间的水力联系,将边界条件概化为三类:第一类边界为每时刻确定水头的给定水头边界,第二类边界为确定单位面积交换流量的给定流量边界、第三类边界为水头与流量综合考虑的混合边界。
3.根据权利要求2所述的方法,其特征在于:所述步骤(2)中地下水流数值模型如下:
式中:Kxx,Kyy,Kzz:分别为x,y和z方向的渗透系数(m/d);S:储水率(1/m);h:水头(m);w:含水层的源汇项(1/d);t:时间。
4.根据权利要求3所述的方法,其特征在于:所述地下水流数值模型的构建步骤包括如下步骤:
1)时间离散与空间离散
依据已经确定的研究区边界范围,在GMS中画出研究区边界范围,根据研究区范围大小确定模型单元格大小与数量剖分,并依据研究区水文地质条件及含水组厚度确定模型层数;收集整理模型分层后的各层含水层的各层顶板、底板的标高和初始地下水头导入GMS中并进行插值;确定应力期和模拟起止时间;
2)确定水文地质参数
依据研究区水文地质勘察资料、抽水试验资料,再结合研究区的地形地貌、地质图、水文地质图,对研究区进行水文地质参数分区;
确定水文地质初始参数,包括弱透水层和含水层的水平/垂向导水率、储水率、给水度、孔隙度;
3)确定源汇项
(1)根据水文地质图,结合不同地形地貌单元降水入渗补给系数,综合考虑地表土质、下垫面条件、地表水埋深因素,进行降水入渗和农业灌溉分区;研究区降水及农业灌溉渗透补给以面状补给处理,并通过Recharge Package导入地下水流数值模型;
(2)根据资料确定研究区河流的起点和终点河床高程、河流水位及河段导水系数,研究区河流入渗以面状补给处理,并通过River Package导入地下水流数值模型;
(3)地下水开采量和开采井分布依据资料确定,并进行适当井群合并,导入地下水流数值模型中;
(4)蒸发作用于给定气候条件下的浅层地下水流失
蒸发量的确定:根据资料确定研究区的蒸发量、地下水蒸发深度和表面蒸发高程,并通过EVT Package导入地下水流数值模型;
4)模型的识别与验证
通过国家、组织地下水监测网络或野外个人监测,确定观测点位置并收集观测点水位数据,导入GMS模型中,启动Observation Point功能,输入观测井数据并运行地下水流数值模型,不断改变水文地质参数和源汇项数值进行重复计算,直到观测点的地下水位计算结果与地下水位观测结果的差值控制在一年中地下水位波动差值的10%以内;
运行地下水流数值模型后,每个观测点将显示一个彩色带,其中点作为观察值,上端是观察值加范围值,下端是观察值减范围值;通过观察、计算模拟值和观测值的拟合程度,来判断模型的适用性,且监测点模拟时地下水位值绝对误差应小于监测点对应模拟时段的实际水位变幅。
5.根据权利要求4所述的方法,其特征在于:所述步骤(2)中地下水溶质运移模型由变密度地下水流方程和溶质运移方程计算得到,具体方程如下:
变密度地下水流方程如下:
式中:
ρ:地下水的密度[ML-3];ρ0:标准温度下淡水的密度[ML-3];μ:地下水的动力粘度[ML-1T-1];μ0:淡水的动态粘度[ML-1T-1];K0:水力传导张量[LT-1];z:垂直坐标[L];h0:淡水水头[L];S′s,0:特定储水率[L-1];t:时间[T];θ:孔隙度[-];C:盐浓度[ML-3];q′S:具有密度ρs的源汇项[T-1];
溶质运移方程如下:
式中:
ρb:体积密度[ML-3];种类k的分布系数[L3M-1];Ck:种类k的浓度[ML-3];D:水动力弥散系数张量[L-2T-1];Q:比流量[LT-1];/>种类k的源或汇浓度[ML-3]。
6.根据权利要求1所述的方法,其特征在于:所述地下水溶质运移模型的构建步骤如下:
在地下水流数值模型的基础上,增加MT3DMS和SEAWAT模块;增加MT3DMS模块中的Advection package、Dispersion package和Source/sink mixing package,增加SEAWAT模块中的VDF package,调整盐度TDS的理化性质、溶质的弥散度及分子弥散系数,使地下水盐度模拟值与实测值基本接近;
利用GMS的2D Scatter Date模块将实测溶质数据导入GMS模型并插值,作出初始浓度;时间离散和空间离散同地下水流数值模型;源汇项同地下水流数值模型,但在河流和海洋源汇项中添加盐度源汇项,获取河流与海洋盐度,运行模型后不断调参,使地下水盐度模拟值与实测值接近,地下水盐度等值线模拟值与实测值趋于一致;
利用多个GCM模式,通过Cmhyd降尺度后的气候数据输入到地下水溶质运移模型中进行模拟,得到预测的地下水盐度分布及动态变化,分析不同气候因素对地下水海水入侵的影响。
7.根据权利要求1所述的方法,其特征在于:所述步骤(3)具体如下:
选用CMIP5或CMIP6气候数据集,未来气候变量的变化能够用基于温室气体排放驱动力的全球气候模式GCM预测,同时考虑代表性浓度路径RCP中的中辐射强迫情景RCP4.5与高辐射强迫情景RCP8.5,并通过用于水文模拟的气候模型CMhyd进行偏差校正和降尺度;
选择研究区内历史上表现良好的GCM模式,利用CMhyd的不同偏差校正方法进行偏差校正,每一个GCM模式与每一种偏差校正方法成为一组,将每一组偏差校正后的气候数据与历史数据进行比较,计算每一组的相关性R、均方根并形成泰勒技能得分TSS,对比每一组合的TSS,分别挑选不同GCM模式中TSS数值最高的降水或温度组合,作为预测气候数据的组合;
依据项目要求选择预测时间,在Cmhyd气候模型对上述TSS数值最高的组合进行气候预测后,剔除历史上未曾出现的气候条件和极端气候现象的气候组合,将剩余组合的数据分别输入地下水溶质运移模型,构建不同气候情景下的地下水溶质运移预测模型,分析不同气候变化影响下的地下水海水入侵程度。
8.根据权利要求7所述的方法,其特征在于:所述偏差校正方法包括:
对于降水的偏差校正,包括方法降水和温度分布图、线性标度、降水动力转换和降水局部强度放缩;
对于温度的偏差校正,包括方法降水和温度映射、线性放缩和温度方差放缩。
9.根据权利要求7所述的方法,其特征在于:所述泰勒技能得分TSS的计算公式如下:
式中:
R0:可以达到的最大相关性,设为1;
R,分别是模型的相关性和归一化后的均方根;
其中TSS接近1表明观测值与模拟值越接近,相反向0递减代表模型性能越差;模型的相关性R和归一化后的均方根通过计算得出。
10.如权利要求1至9任一项所述的方法在预测不同气候变化影响浅层地下水海水入侵方面中的应用。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310652032.9A CN117131652A (zh) | 2023-06-05 | 2023-06-05 | 一种预测不同气候变化影响浅层地下水海水入侵的方法及应用 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310652032.9A CN117131652A (zh) | 2023-06-05 | 2023-06-05 | 一种预测不同气候变化影响浅层地下水海水入侵的方法及应用 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117131652A true CN117131652A (zh) | 2023-11-28 |
Family
ID=88853391
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310652032.9A Pending CN117131652A (zh) | 2023-06-05 | 2023-06-05 | 一种预测不同气候变化影响浅层地下水海水入侵的方法及应用 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117131652A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117787658A (zh) * | 2024-02-23 | 2024-03-29 | 安徽金海迪尔信息技术有限责任公司 | 一种基于灌区的河水流量异常条件下水资源调度系统 |
CN117951962A (zh) * | 2024-03-13 | 2024-04-30 | 山东科技大学 | 一种非均质含水层海水入侵模拟方法与系统 |
CN117951962B (zh) * | 2024-03-13 | 2024-05-31 | 山东科技大学 | 一种非均质含水层海水入侵模拟方法与系统 |
-
2023
- 2023-06-05 CN CN202310652032.9A patent/CN117131652A/zh active Pending
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117787658A (zh) * | 2024-02-23 | 2024-03-29 | 安徽金海迪尔信息技术有限责任公司 | 一种基于灌区的河水流量异常条件下水资源调度系统 |
CN117951962A (zh) * | 2024-03-13 | 2024-04-30 | 山东科技大学 | 一种非均质含水层海水入侵模拟方法与系统 |
CN117951962B (zh) * | 2024-03-13 | 2024-05-31 | 山东科技大学 | 一种非均质含水层海水入侵模拟方法与系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106884405B (zh) | 一种无资料地区溃堤型山洪灾害分析评价方法 | |
Faneca Sànchez et al. | Modelling climate change effects on a Dutch coastal groundwater system using airborne electromagnetic measurements | |
CN113610264B (zh) | 一种精细化电网台风洪涝灾害预测系统 | |
KR20180000619A (ko) | Gis 기반 토사유실 평가 방법 | |
CN103234920B (zh) | 基于遥感信息的地下水富集性评估方法 | |
CN110929390B (zh) | 一种基于地下水水文地质试验的数值模拟检测方法 | |
Abdelhalim et al. | Response of the interaction between surface water and groundwater to climate change and proposed megastructure | |
CN113239598B (zh) | 一种应用数值模拟的地下水污染源空间综合识别方法 | |
CN117131652A (zh) | 一种预测不同气候变化影响浅层地下水海水入侵的方法及应用 | |
Nofal et al. | Groundwater: Extraction versus recharge; vulnerability assessment | |
Mohamed et al. | Groundwater modeling as a precursor tool for water resources sustainability in Khatt area, UAE | |
Youssef et al. | Assessment of groundwater resources management in Wadi El-Farigh area using MODFLOW | |
Xue et al. | Determination of hydraulic conductivity and its spatial variability in the Jianghan Plain using a multi-format, multi-method approach | |
Őrsi | Quantifying the geodiversity of a study area in the Great Hungarian Plain | |
Swain et al. | Description and field analysis of a coupled ground-water/surface-water flow model (MODFLOW/BRANCH) with modifications for structures and wetlands in southern Dade County, Florida | |
Vandenbohede et al. | Hydrogeological study for improved nature restoration in dune ecosystems–Kleyne Vlakte case study, Belgium | |
Cook | Development of an integrated surface and subsurface model of Everglades National Park | |
Mitchell et al. | Little tools, big job: The periglacial conveyor system in cryoplanated uplands | |
Khayyun et al. | Estimation of average groundwater recharge by using groundwater modelling system (GMS) program for upper zone of Iraqi aquifers system | |
Sabbaghi et al. | Regional groundwater qualitative and quantitative management through hydrogeological modeling in Jangal-Geysour, Razavi Khorasan Province, Iran | |
Mansour et al. | The impacts of human activities on the hydrogeological regime of East Nile Delta, Egypt | |
Kelleners | Effluent salinity of pipe drains and tube-wells: a case study from the Indus plain | |
Ito | Testing the Impact of a Freshwater Wetland Restoration on Water Table Elevation and Soil Moisture using a Parametric Groundwater Modeling Approach | |
Kadri | Simulation des ruissellements dans les bassins non jaugés avec la prise en considération des surfaces imperméables | |
Sinha et al. | Topographical Characteristics of Lower Barakar Basin: A Geospatial Approach |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |