Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Resumen
La mayoría de los modelos de aguas subterráneas simulan las interacciones corriente-acuífero con una condición de
contorno de flujo dependiente de la altura basada en una conductancia fluvial (CRIV). La CRIV suele calibrarse con otros
parámetros mediante el ajuste histórico. Sin embargo, el problema inverso de los modelos de aguas subterráneas suele estar
mal planteado y es probable que los parámetros individuales del modelo estén mal restringidos. El problema puede resolverse
mediante la regularización de Tikhonov con un conocimiento previo de los valores de los parámetros. La dificultad con un
parámetro global como CRIV, que no se puede medir en el campo, es encontrar valores iniciales y de regularización adecuados.
Se han propuesto varias formulaciones para la estimación del CRIV a partir de parámetros físicos. Sin embargo, estos métodos
son demasiado simples para proporcionar una estimación fiable de CRIV, o demasiado complejos para ser fácilmente
implementados por los modeladores de aguas subterráneas. Este trabajo aborda la cuestión con una herramienta flexible y operativa
basada en un modelo numérico 2D en una sección transversal vertical local, donde la conductancia del río se calcula a partir de
parámetros geométricos e hidrodinámicos seleccionados. A diferencia de otros enfoques, también se tienen en cuenta el tamaño
de la malla del modelo regional y la anisotropía de la conductividad hidráulica del acuífero. Un análisis de sensibilidad global
indica la fuerte sensibilidad del CRIV a estos parámetros. Esta mejora de la estimación a priori del CRIV es un paso adelante
para la calibración y el análisis de incertidumbre de los modelos superficie-subsuperficie. Es especialmente útil para los objetivos
de modelización que requieren que el CRIV sea bien conocido, como el uso conjunto de aguas superficiales y subterráneas.
HS
QQs CCRRIVIV((HHcc-H-Hss))
s ==
HL RRHH
HC
HB Cabeza fija
HL HC RRH
H
HB Cabeza fija
Figura 1. El modelo local 2D vertical de elementos finitos transversal al río (frente, A) se utiliza para la estimación del CRIV
controlando la condición de contorno de Cauchy en el modelo regional 2D horizontal de diferencias finitas (fondo, B).
Hc - Hs [m]
d
Kh, anis Kvb m
QS
QL QR
.
ct . .
HL HC RRH
H
l
L C R
cw
Figura 4. Sección transversal idealizada de un acuífero en interacción con una corriente en tres celdas del modelo regional
horizontal, que corresponde a la extensión del modelo vertical. HL , HC , y HR son las alturas hidráulicas en el centro de la
celda izquierda, media y derecha del modelo horizontal, respectivamente. Para más definiciones de los parámetros, véase el
cuadro 1.
T (L/R)- C [L2 /T] es la transmisividad equivalente entre la también es útil para el análisis de incertidumbre posterior a
célula derecha/izquierda y la célula central. la calibración.
Suponiendo que la componente del flujo de agua
subterránea longitudinal a la corriente es despreciable, la Estimación de la conductancia del río a partir de los
ecuación de conservación de masa en estado estacionario valores esperados de los parámetros
expresada para la celda media es la siguiente: Los valores de los parámetros más probables para
este caso sintético (Tabla 1) se establecen en el script de
QL + QR + QS = 0 (5) Python, que genera la malla de elementos finitos y ejecuta
el modelo para varias diferencias de altura entre la
donde QS es el flujo desde la corriente a la celda central. corriente y el acuífero. Xfar se calcula primero con la
Combinando las ecuaciones 3, 4 y 5 obtenemos: herramienta para tener en c u e n t a el tamaño de la malla.
µ ¶ Con una Xfar de unos 50 m, el tamaño de la celda del río
1 QS × cw en el modelo horizontal debe fijarse en 100 m. Con estos
valores de los parámetros para este caso sintético, CRIVu
es
HC = + HL - HR (6) estimado en 6,69 × 10−5 m/s con un tiempo de cálculo
2 T×L
inferior a un minuto. Multiplicado por la longitud del
donde los valores de Qs , HL y HR son proporcionados por precisa del flujo corriente-acuífero es esencial, los valores
el modelo vertical, y T es la transmisividad del acuífero, iniciales y de regularización deben ser cuidadosamente
que se supone homogénea e independiente de la altura elegidos para la calibración del CRIV. Además, la
hidráulica en las tres celdas de interés (TL-C = TR-C ). HL distribución probabilística de CRIV antes de
y HR se toman en un único nodo en el centroide de las
celdas L y R del modelo vertical. Utilizando esta última
expresión de Hc para la regresión de QS contra (HC - HS
) , consideramos la dependencia del tamaño de la rejilla
horizontal, cw , para el cálculo de la conductancia del río.
Aplicaciones de la metodología
Para ilustrar el interés del planteamiento,
consideramos un modelo horizontal 2D de aguas
subterráneas a gran escala en el que el acuífero simulado
interactúa con un arroyo. Las características del acuífero
y del arroyo se e l i g e n para que correspondan a un
contexto clásico (Tabla 1). El valor de CRIV utilizado en
el modelo horizontal a gran escala se ajustará
eventualmente mediante calibración junto con otros
parámetros del modelo, pero esto está fuera del alcance de
este estudio. Sin embargo, cuando la cuantificación
414 Y. Cousquer et al. Groundwater 55, no. 3: 408 - 418 NGWA.org
alcance dentro de la celda cuadriculada del modelo (100
m), el valor de CRIV es de 6,69 × 10−3 m2 /s. Este valor
puede utilizarse como valores iniciales y de
regularización para la calibración del modelo horizontal
(véase, por ejemplo, Hunt et al. 2007).
Frecuenci
Frecuenci
a
a
0 0 0
7 10 13 0.6 1 1.4 -2 -1 0
w [m] d [m] log(anis) [-]
140 140 400
σlog = 1e-5 [-] σlog = 1e-5 [-] = 8e-6 [-]
σlog
media = 6,7e-5 [m s-1]
Frecuenci
Frecuenci
Frecuenci
a
a
0 0 0
-6 -3 0 -5.5 -3 -1 -4. -4.73-
log(Kh) [-] log(Kvb) [-] 3.9
log(CRIV) [-]
Figura 5. La distribución probabilística del CRIV (abajo a la derecha) se obtiene con la herramienta presentada a partir de las
distribuciones de los parámetros de entrada.
es útil para describir cómo cada parámetro puede afectar (2000). Nuestros resultados ponen de relieve que un valor
al CRIV en una configuración corriente-acuífero regular. inadecuado de la anisotropía puede implicar un gran error
A continuación, se realiza un análisis de sensibilidad en las estimaciones del flujo corriente-acuífero.
global para clasificar las sensibilidades de CRIV a sus
parámetros en una amplia gama de valores de parámetros
realistas.
Análisis paramétrico
Los valores CRIV han sido calculados para un rango
de valores probables de conductividad hidráulica del
acuífero (Kh ) y anisotropía (anis), tamaño de la malla
horizontal (cw ), y conductividad hidráulica vertical del
lecho del arroyo (Kvb ) (Figura 6). Cuando se fijan, los
parámetros se mantienen en los valores de referencia del
estudio de caso sintético (Tabla 1).
Varios estudios basan únicamente la estimación de
CRIV en Kh (Rushton 2007; Pryet et al. 2015). Este
enfoque se valida aquí, porque Kh es uno de los factores
de control más importantes de los intercambios acuífero
arroyo para este caso (Figura 6A). Una modificación de
un orden de magnitud de Kh produce una modificación de
un orden de magnitud de CRIV.
La influencia de la anisotropía (Figura 6B) (que
representa Kv /Kh donde Kv es la conductividad hidráulica
vertical del acuífero [L/T]) se explica por la ocurrencia de
flujo vertical en la vecindad del a r r o y o . Un valor
alto de anisotropía impide la ocurrencia de flujo
convergente/divergente y reduce el flujo corriente-
acuífero. Un aumento de un orden de magnitud de anis
(de 1 y 0,1) conduce a un aumento del CRIV en un factor
cercano a 30. Los modelizadores suelen elegir un valor
bastante arbitrario de 0,1 para anis (Doppler et al. 2007;
Derx et al. 2010; Engeler et al. 2011) siguiendo a Chen
CRIV [m s-1]
CRIV [m s-1]
[m s-1]
(c) (d)
CRIV [m s-1]
CRIV [m s-1]
Figura 6. Dependencia de CRIVu por unidad de longitud de río de los valores de los parámetros del modelo. (a) Conductividad
hidráulica del cauce (Kvb ). (b) Anisotropía del acuífero (anis). (c) Tamaño de la malla horizontal (cw ). (d) Conductividad
hidráulica del acuífero (Kh ). Las cruces indican los valores de los parámetros de referencia (Tabla 1).
y proporciona información más sólida sobre el efecto de el muestreador Saltelli (Saltelli et al. 2004) del script
los parámetros respectivos en el resultado de un modelo, Python SALib (2015).
en este caso el CRIV. Entre la gran variedad de métodos La influencia de los parámetros hidrodinámicos
GSA, el indicador de sensibilidad basado en la varianza prevalece sobre los geométricos (figura 7). Los resultados
(Sobol) es el más utilizado (Sobol et al. 2001; Saltelli et ponen de relieve la fuerte influencia de los parámetros
al. 2004; Welter et al. 2015). El método Sobol se basa en hidrodinámicos Kvb , Kh , y anis. En conjunto, representan
el análisis de los valores de salida del modelo obtenidos a el 30% de la varianza total del CRIV, ya que explican
partir de una amplia gama de conjuntos de parámetros respectivamente el 14%, el 10% y el 6% de la varianza
muestreados a partir de distribuciones probabilísticas del CRIV. Los parámetros geométricos como la
(Saltelli et al. 2004). Es aplicable a modelos no lineales. profundidad del arroyo y el ángulo de la orilla tienen un
La sensibilidad de cada parámetro se describe mediante el efecto pequeño. En conjunto, explican aproximadamente
índice de sensibilidad de primer orden, que es la el 2% de la varianza CRIV. Sin embargo, el tamaño de la
contribución de un único parámetro del modelo a la celda de la cuadrícula (cw ) tiene más influencia en el
varianza de la salida del modelo (Sobol et al. 2001): CRIV, con un 4,5% de la varianza del CRIV, así como el
Vi grosor del lecho del río (m), con un 7% del CRIV.
Si = Vtot
(7) varianza. En total, el 43,5% de la varianza total del CRIV
es
explicado por los parámetros tomados aisladamente, el
56,5% restante
donde Vi es la varianza del CRIV atribuida al parámetro i- ésimo y Vtot es la varianza del CRIV de salida del modelo.
Los límites inferior y superior de los parámetros figuran en
418 Y. Cousquer et al. Groundwater 55, no. 3: 408 - 418 NGWA.org
la Tabla 1. Se han calculado unos 15.000 valores CRIV se explica por las interacciones entre parámetros.
con una distribución uniforme de conjuntos de parámetros Los resultados del GSA confirman las observaciones
obtenidos con realizadas con el análisis paramétrico. Kh , Kvb y anis son
los principales factores de control; cw y m son factores de
control fuertes. Mientras que Kh y Kvb se tienen
generalmente en
0.14
0.12
0.1
Si [-]
0.08
0.06
0.04
0.02
0
cw w d a m anis kh kvb
Parámetros geométricos Parámetros hidrodinámicos
Figura 7. Análisis de sensibilidad global (GSA) del coeficiente CRIV a los parámetros del modelo donde Si es el índice de
sensibilidad de primer orden. Los principales factores de control del CRIV son Kvb , Kh , anis y m y, en menor medida, cw . Los
rangos de los parámetros se presentan en la Tabla 1.
en la estimación del CRIV, a menudo se ignora la acuífero simulado en un número limitado de tramos que
importancia de anis y cw. Nuestros resultados ponen de compartan características comunes (propiedades del
relieve que descuidar la importancia de estos parámetros acuífero, geometría fluvial, e t c . ) y estimar un v a l o r d e
puede inducir un error de varios órdenes de magnitud en C R I V para cada uno de los tramos respectivos.
el valor del CRIV.
Debate
El método propuesto tiene por objeto restringir el
valor del CRIV a partir de un modelo vertical local dados
unos parámetros hidrodinámicos y geométricos. Estos
parámetros corresponden a propiedades físicas
potencialmente medibles en el campo o en el laboratorio.
Los parámetros geométricos c o m o e l ancho del
arroyo, la profundidad y el ángulo de la orilla, el acuífero
y el espesor del lecho del arroyo se pueden obtener
fácilmente a partir de mediciones directas, registros
geológicos o métodos geofísicos (Cárdenas y Markowski
2010). La variabilidad espacial de estos parámetros
también puede investigarse a partir de mediciones
hidrogeofísicas locales (Mouhri et al. 2013). Las
propiedades hidrodinámicas del acuífero y del lecho del
arroyo pueden caracterizarse a partir de pruebas de
bombeo y permeabilidad en el campo o en el laboratorio
(Chen 2000). La medición de las alturas hidráulicas a
diferentes profundidades cerca de un arroyo puede
proporcionar estimaciones de la anisotropía de la
conductividad hidráulica (Kalbus et al. 2006). Sin
embargo, h a y q u e reconocer que obtener estimaciones
fiables y representativas de cada uno de los parámetros
hidrodinámicos es todo un reto.
Como han demostrado numerosos autores (Gaffield et
al.
1998; Levy et al. 2011; Gianni et al. 2016), el uso d e un
valor constante temporal y espacialmente para el CRIV es
cuestionable y puede verse afectado por la obstrucción
biológica en el lecho del río (Newcomer et al. 2016). Sin
embargo, hasta ahora s e considera constante en los
modelos regionales. En cuanto al aspecto espacial, el
usuario puede dividir la red fluvial en interacción con el
420 Y. Cousquer et al. Groundwater 55, no. 3: 408 - 418 NGWA.org
La precisión de las estimaciones del CRIV
obtenidas con el método propuesto depende de la
incertidumbre de los parámetros del modelo vertical a
escala local, como muestra la distribución probabilística
del CRIV (Figura 5). Generalmente se necesita un paso
de calibración en el que el valor de CRIV estimado con
el enfoque presentado se utiliza como valores iniciales y
de regularización. La calibración mediante el ajuste de la
historia se lleva a cabo normalmente contra las
observaciones de las fluctuaciones del caudal y del nivel
de las aguas subterráneas (Engeler et al. 2011; Pryet et
al. 2015). Sin embargo, la obtención de un valor inicial a
partir de información previa puede ser crítica. Pryet et
al. (2015) basaron sus estimaciones iniciales en la
relación entre CRIV y conductividad hidráulica
horizontal desarrollada por Rushton (2007). Nuestro
método mejora este enfoque al incluir en la estimación
previa de CRIV numerosos parámetros a menudo
despreciados. La obtención de valores objetivos iniciales
y de regularización de CRIV a partir del enfoque
presentado en este trabajo supone una mejora
significativa respecto a la calibración uniformada y
evaluada de CRIV. Además, nuestro método tiene en
cuenta el efecto del tamaño de cuadrícula,
proporcionando un procedimiento de escalado
ascendente para la estimación del CRIV desde la escala
local hasta la escala de cuenca (∼10 a ∼1000 km2 )
(Mehl y Hill 2010; Flipo et al. 2014). Dados estos
elementos, es probable que el método descrito en este
estudio mejore la simulación de las interacciones entre
arroyos y acuíferos, especialmente a escala de cuencas
hidrográficas (Flipo et al. 2012).
El método presentado en este estudio se ha desarro-
oped con la suposición de configuraciones simétricas
con una corriente recta situada en el centro de una célula
horizontal del modelo. Por lo tanto, la precisión del
CRIV estimado con este enfoque puede llegar a ser
cuestionable cuando la configuración de interés se
desvía fuertemente de este modelo simplificado, como
una corriente muy sinuosa con meandros importantes
dentro de una única celd a
h o r izo n tal del mo d elo.
Tales configuraciones pueden requerir un modelo local
3D para la estimación del CRIV. Sin embargo, es
probable que la ganancia de precisión con un enfoque
tan complejo sea pequeña con respecto a la
incertidumbre irreducible atribuida a