Stochastic reconstruction of paleovalley bedrock morphology from sparse datasets

مدل های آب زیرزمینی تصادفی امکان مشخص کردن عدم قطعیت زمین شناسی را فراهم می کند. اغلب منبع اصلی عدم قطعیت مربوط به ناهمگونی آبخوان است، اما به شکل کلی آبخوان. این به ویژه در مورد آبخوانهای آبرفتی پائولوللی نوعی است که سطح زمین بستر سطح آبهای قابل استخراج را محدود می کند. تعیین شکل یک زمین بستر ساده نیست، زیرا به طور معمول غیر ثابت است و با تعداد کمی از داده ها تعریف می شود که به طور کلی از هم جدا هستند. این مقاله یک گردش کار جدید برای بازسازی تصادفی سطوح بستر با استفاده از مجموعه داده های محدود است که به طور معمول برای مشخص کردن ویژگی آبخیزه در دسترس است. این روش بر مبنای انتشار عرضی مقاطع زیرزمینی تفسیر شده از نظرسنجی های ژئوفیزیکی است و شرایط سطحی بازسازی شده را به دادههای موجود و دادههای ارتفاع دهی دیجیتال ارائه می دهد. برای رفع محدودیت های معمول اطلاعات ناقص، ما از یک روش آنالوگ برای ترکیب دانش قبلی زمین شناسی استفاده می کنیم. ما روش را بر روی یک مثال مصنوعی و یک مجموعه داده از آبخوان آبرفتی در شمال شیلی آزمایش می کنیم. نتایج این مطالعات موردی نشان می دهد که الگوریتم قادر به اجرای مفهوم کلی پیوستگی ساختاری است، زیرا شکل آبخوان به عنوان یک بدنه شکل دراز، مستمر و متصل به شکل در نظر گرفته شده است. روش ما ویژگی های توپوگرافی در مقیاس بزرگ برش ورقه ای را به بستر و عدم اطمینان در موقعیت سطح می رساند. تنوع فضایی در مقیاس کوچک با استفاده از شبیه سازی ژوئیه پیوسته با استفاده از آنالوگهای زمین شناسی گنجانیده شده است. به عنوان یک تصادف، روش شناسایی عدم قطعیت مربوط به موقعیت زمین بستر، با تولید مجموعه ای از مدل ها از طریق تجزیه و تحلیل مونت کارلو. این باعث می شود تا عدم اطمینان مربوط به برآورد حجم آبخوان کم شود. ما همچنین در مورد چگونگی استفاده از این روش برای سنجش میزان تأثیر نااطمینی در ارتباط با تعیین هندسه آبخوان بر ارزیابی و مدیریت منابع منابع آب استفاده می کنیم.