地下水和污染物运移的多源多尺度数据同化方法

针对实际地下水和污染物运移问题中的多种随机参数和多种来源的观测数据，采集水位、浓度、含水量、补给量、抽水试验和污染物迁移时间等数据，以数据同化模型来反演水力传导度、给水度、弥散度、补给和边界条件等参数，实时预报水头、浓度、流速和土壤含水量等状态；探讨多源观测数据对参数反演和实时预报的影响，分析不一致性现象和方差低估现象，并建立相关解决方法；发展多源数据同化方法的随机替代系统，搭建与经典集合卡尔曼滤波方法兼容的替代系统；将数据同化模型应用于地下水和污染物运移的实时预报，实时地掌握地下水资源的分布状态和污染物迁移扩散状态，为科学管理地下水资源提供定量工具。

在刻画地下水运动过程时，我们常面临着参数获取难、状态监测难等挑战。数据同化技术为地下水系统参数估计和状态校正提供了一种有效的方法，可实时高效地融合多源多尺度观测数据。本研究建立了基于Richards方程的数据同化模型以进行水力传导度等参数的估计及水头、土壤含水量等状态的更新，重点讨论了一种经典的顺序数据同化算法--集合卡尔曼滤波算法。针对非饱和水流的强烈非线性特点，探讨了非饱和流的选择问题，分析了不一致性问题并建立了相关解决方案；将地下水位等观测引入非饱和水流数据同化，评估了多源观测数据对参数估计和状态更新的影响；发展了多源数据同化方法的随机替代系统；讨论了考虑含水量垂向及水平观测尺度的多尺度数据同化问题。研究结果表明：HYDRUS-1D/2D在非线性土壤水问题中与EnKF的兼容性不佳，基于非迭代模型--Ross模型的EnKF工作性能更为稳定；我们建立的高效地全局迭代算法MREnKF 可有效缓解EnKF可能引发的不一致性，并建议：当观测与状态（水头或含水率）之间具有强烈的非线性时，推荐采用能在保证计算效率的前提下有效降低不一致性影响的 CEnKF 或 MREnKF 方法；当观测信息相对充足， EnKF方法更具优势；地下水位在非饱和水力参数估计中具有一定的应用价值；不同类型的观测数据对参数估计和状态更新效果不同，实际应用中，需评估不同观测数据的价值，合理布置观测方案；基于随机配点替代系统的Markov Chain Monte Carlo方法能够显著的降低MCMC抽样成本，并能够准确地识别污染源信息。小尺度的含水量观测对参数估计更有效；而大尺度的含水量数据能更好地保证整体水量平衡。垂向上的含水量信息可通过水流传递，而水平方向上先验信息和上边界条件对多尺度含水量数据价值的体现起决定作用。