La modelización de acuíferos ha sido durante muchos años, y es todavía actualmente, uno de los objetos de estudio principales de la hidrogeología. La necesidad de poder predecir el comportamiento del agua y del transporte de solutos en el subsuelo ha originado varios métodos para tal fin, siendo la estimación estocástica parte de éstos. Aún así siguen existiendo carencias en la caracterización de las propiedades más importantes de los acuíferos como por ejemplo la conectividad y el flujo preferencial, y la influencia que puedan tener en otros parámetros como la transmisividad.
La estimación estocástica tradicional de mapas de transmissivitats se basa en la probabilidad de que dos puntos separados a cierta distancia tengan valores similares. Desgraciadamente, el flujo de aguas subterráneas y el movimiento de un soluto en el subsuelo dependen de otros factores como la conectividad hidráulica entre dos puntos. Lo que hace que los mapas de transmissivitats obtenidos con poca información de la transmisividad no puedan representar la estructura de zonas bien conectadas.
El objetivo de la tesina es estudiar la estimación estocástica como metodología para hacer mapas de transmissivitats condicionados a este tipo de información. Por el que se ha trabajado con FORTRAN a partir de un programa elaborado por Paolo Trinchera (1) a su tesis doctoral "Characterization of Spatial Heterogeneity in Groundwater Applications". Finalmente se compara el diversos resultados obtenidos con el programa modificado, a partir de los mapas generados con SGeMS.
TEST DE RAVEN es un test conocido para la personalidad.pdf
Estimación estocástica de campos de transmisividades condicionados a medidas de conectividad
1. ESTIMACIÓN ESTOCÁSTICA DE
CAMPOS DE TRANSMISIVIDAD
CONDICIONADOS A MEDIDAS DE
CONECTIVIDAD
Autor: Ferran Agulló Gispert
Tutor: Daniel Fernández Garcia
17 – Junio – 2012
3. Introducción Objetivos Utilidad Conceptos previos Metodología Resultados Conclusiones
1. Introducción
Recursos Hídricos
Hidrogeología
Herramienta para
Esta tesina pretende ampliar el el estudio
CONECIMIENTO de los recursos hídricos
subterráneos mediante el uso de métodos Modelización
geoestadísticos, aportando un grano de
arena en el estudio de la modelización de
acuíferos.
4. Introducción Objetivos Utilidad Conceptos previos Metodología Resultados Conclusiones
2. Objetivos
Evaluación de una nueva
metodología de
estimación de campos de
transmisividades
mediante medidas
dinámicas
6. Introducción Objetivos Utilidad Conceptos previos Metodología Resultados Conclusiones
3. Utilidad
Estimación de las características del medio
Ensayos de campo €
Mano de obra: Se puede minimizar al necesitar menos ensayos
Tiempos de trabajo: Se reduce al necesitar menos ensayos
Sostenibilidad: Menos actuaciones en el campo implica menos
alteraciones
7. Introducción Objetivos Utilidad Conceptos previos Metodología Resultados Conclusiones
4. Conceptos previos
Medida Estática Medida Dinámica
• Función distribución espacial de • Dependen del tipo de proceso físico al cual
los parámetros representa
• No consideran los procesos físicos • Pueden variar con el tiempo
dinámicos ocurridos en el acuífero • Son más fáciles de medir en el campo
Transmisividad (T) Tiempo de llegada (ta)
Conductividad hidráulica
Transmisividad[L2T-1] [L T-1] Tiempo [T] Concentración
Distancia radial [L]
Tiempo de llegada [T]
Grosor acuífero [L] Porosidad[%]
Velocidad de bobeo por unidad de grosor [L3L-1T-1]
8. Introducción Objetivos Utilidad Conceptos previos Metodología Resultados Conclusiones
Estimación estocástica
Proceso estadístico que parte de unos puntos
observados en el campo a partir de los cuales se
simulan los valores de los puntos desconocidos, ẑ(x),
del mismo campo, aleatóriamente.
Inputs
• Modelo de variabilidad espacial (Semivariograma y
covariancia)
• Medidas iniciales
• Experiencia previa, características de la zona
9. Introducción Objetivos Utilidad Conceptos previos Metodología Resultados Conclusiones
Semivariograma y covariancia
Funciones de correlación espacial. Expresiones matemáticas que se
tienen que adecuar a los datos ya que forman parte del modelo de
variabilidad espacial.
Semivariograma
Covariancia
10. Introducción Objetivos Utilidad Conceptos previos Metodología Resultados Conclusiones
Extracción datos
Kriging Simple Estándard
Imponiendo
Desarrollando
Forma Matricial
11. Introducción Objetivos Utilidad Conceptos previos Metodología Resultados Conclusiones
Extracción datos
Kriging Simple Estándard
Imponiendo
Desarrollando
Deshaciendo el cambio
13. Introducción Objetivos Utilidad Conceptos previos Metodología Resultados Conclusiones
Nueva metodología: Kriging Condicionado Modificado
Proceso de Kriging modificado a partir de la tesi doctoral “Characterization
of Spatial Heterogeneity in groundwater applications” de Paolo Trinchero.
Medidas iniciales Proceso de Kriging Resultados
14. Introducción Objetivos Utilidad Conceptos previos Metodología Resultados Conclusiones
6. Resultados Comparación según procedencia medidas
A) Kriging Simple Estándard
B) Kriging Simple Modificado
15. Introducción Objetivos Utilidad Conceptos previos Metodología Resultados Conclusiones
Comparación según procedencia medidas
A) Kriging Simple Estándard
B) Kriging Simple Modificado
16. Introducción Objetivos Utilidad Conceptos previos Metodología Resultados Conclusiones
Comparación según aleatoriedad medidas
A) Medidas equiespaciadas
B) Medidas aleatorias
17. Introducción Objetivos Utilidad Conceptos previos Metodología Resultados Conclusiones
Comparación según mapas de incertidumbre A) Kriging Simple Estándard
B) Kriging Simple Modificado
18. Introducción Objetivos Utilidad Conceptos previos Metodología Resultados Conclusiones
Variabilidad de los resultados según la posición del pozo
20. Introducción Objetivos Utilidad Conceptos previos Metodología Resultados Conclusiones
7. Conclusiones
La nueva metodología es apta como herramienta para estimar campos de
transmisividad
Es un métode más preciso para estimar transmisividades alrededor de los
pozos
Con pocas medidas se obtiene la tendencia de la transmisividad de una zona
Reduece la incertidumbre de estimación globalment
χ Existencia de problemas numéricos
Creemos que estos problemas se convierten en nuevas vías de estudio,
que al ser solucionados mejorarán esta metodología.
χ La posición del pozo no influye en la estimación de los puntos