Project

Back to overview

Phenix - Alternative stochastic models for data integration and robust uncertainty quantification in hydrogeology

English title Phenix - Alternative stochastic models for data integration and robust uncertainty quantification in hydrogeology
Applicant Renard Philippe
Number 182600
Funding scheme Project funding (Div. I-III)
Research institution Centre d'hydrogéologie et de géothermie Université de Neuchâtel
Institution of higher education University of Neuchatel - NE
Main discipline Other disciplines of Earth Sciences
Start/End 01.02.2019 - 31.01.2023
Approved amount 955'000.00
Show all

All Disciplines (2)

Discipline
Other disciplines of Earth Sciences
Hydrology, Limnology, Glaciology

Keywords (8)

Hydrogeology; Inverse technique; Stochastic models; Alluvial aquifer; Geophysics; Data integration; Quaternary formations; Geostatistics

Lay Summary (French)

Lead
En Suisse, comme dans de nombreuses régions du monde, les nappes alluviales constituent une ressource primordiale pour l'alimentation en eau potable de grands centres urbains ou pour l'irrigation et la production de nourriture. Toutefois, du fait de leur faible profondeur, la qualité de l'eau de ces nappes est menacée par l'augmentation des activités humaines, la surexploitation, et les changements climatiques. La compréhension des phénomènes affectant ces nappes s'appuie sur des observations de terrains, le développement de modèles conceptuels et numérique, et la confrontation de ces modèles avec les observations. Une des difficultés principales dans ce contexte est la grande hétérogénéité spatiale des nappes alluviales. Ainsi, comprendre par exemple comment un polluant se déplace nécessite de connaitre la position des zones perméables et moins perméables dans le sous-sol. Cette hétérogénéité est en général trés difficile à identifier et il en résulte de fortes incertitudes.
Lay summary
Contenu et objectifs du travail de recherche

Le but du projet est de mettre au point de nouvelles méthodes permettant de caractériser le sous-sol dans les nappes alluviales.

Le projet comprend trois partie principale : (1) le développement de nouveaux modèles de fonction aléatoire permettant de représenter de manière statistique les hétérogénéités dans le sous-sol; (2) l'acquisition de donnée géophysique et hydrodynamique dans l'aquifère de la vallée supérieure de l'Aar (entre Berne et Thoune); (3) le développement de nouvelles méthodes d'inversion pour utiliser les données acquises sur le terrain afin de contraindre les représentations statistiques développées au point (1).

Contexte scientifique et social du projet de recherche

Ce travail s'inscrit dans les efforts effectués actuellement à l'échelle Suisse pour mieux connaitre les dépôts quaternaires qui sont le sujet de multiples usages allant de la production d'eau potable ou de matériaux de construction (les graviers) à la production d'énergie durable (géothermie). Tous ces usages entrainent des contraintes croissantes sur les nappes alluviales. Le projet devrait permettre de mieux cerner les incertitudes concernant la gestion de ce milieu.
Direct link to Lay Summary Last update: 23.11.2018

Responsible applicant and co-applicants

Employees

Project partner

Associated projects

Number Title Start Funding scheme
124979 Mathematical Hydrogeology: from characterization to forecasts 01.10.2009 SNSF Professorships
153637 Efficient hydrogeological Monte Carlo inversion based on Multiple-Point Statistics 01.01.2015 Project funding (Div. I-III)

Abstract

Aquifer heterogeneity is the result of a long history of geological processes leading to hydraulic conductivity variations that can span many orders of magnitudes. A major difficulty in groundwater modeling is to construct an adequate representation of the heterogeneity and to constrain it properly by indirect data. While it is straightforward to quantify the first statistical moments of this variability using spatial statistics techniques, it is still considerably more difficult to integrate properly available conceptual geological information with geophysical and hydrogeological data. The aim of the PheniX project is to develop a complete suite of tools allowing to integrate these different types of data in a Bayesian framework and provide robust uncertainty estimates. To reach that aim, the project includes three interrelated parts.The first one focuses on the definition of new random function models and parameter inference techniques. These models are the key underlying components of the geological models and will be able to represent connectivity uncertainty. This is why we propose to work both on the extension of our current multiple point statistics technique and on substitution random functions because these models offer a parsimonious representation allowing to cover a wide range of connectivity patterns. The second part of the project focuses on the formalization of the relations between the random function models and the geological concepts. The aim is to allow constructing reliable 3D heterogeneity models for Quaternary formations in Switzerland in a semi automated manner. Finally, the third part of the project focuses on the data integration and inverse problem. Specific inverse methods are required to handle non multiGaussian random functions and especially discrete parameters. Here we propose to extend the Posterior Population Expansion (PoPEx) technique. We think that this approach will be sufficiently robust to handle the joint inversion of geophysical and hydrogeological data at the regional scale while accounting for a well defined geological prior. Machine learning will be employed to accelerate the inversion procedure. We plan to test the applicability of the method using synthetic highly realistic benchmarks and the upper {Aar aquifer located between Bern and Thun. Around 3'000 boreholes with lithological information are available at the site. We will complement that data set with a ground based time domain electro magnetic (TEM) geophysical campaign.The expected results are a set of new models and efficient algorithms allowing to represent aquifer heterogeneity in 2D and 3D while integrating various types of data in a consistent manner. In addition, the benchmark data and the geophysical data set will be made public as well as the new algorithms that will be developed during the project.
-