Usikkerheder på indvindings- og grundvandsdannende oplande
Usikkerheder på indvindings- og grundvandsdannende oplande
Usikkerheder på indvindings- og grundvandsdannende oplande
Create successful ePaper yourself
Turn your PDF publications into a flip-book with our unique Google optimized e-Paper software.
ealisationer (typisk 10-20, lidt afhængigt af hvad formålet er), som hver skal<br />
kalibreres med inverse rutiner (fx PEST).<br />
Monte Carlo simuleringer kan anvendes i de tilfælde, hvor det er muligt statistisk at<br />
karakterisere usikkerhederne. Simuleringerne udføres ved, at der for hver af de<br />
stokastiske variable "trækkes" en værdi, der ligger inden for det definerede interval<br />
for denne parameter, <strong>og</strong> der foretages en almindelig modelkørsel. Herefter trækkes<br />
en ny værdi for hver af de stokastiske parametre efterfulgt af endnu en modelkørsel.<br />
Dette gentages "mange" gange (typisk 20-50 lidt afhængigt af hvornår den variabel<br />
man kigger <strong>på</strong> ”stabiliserer”; hvis man fx er interesseret i middelværdien af<br />
grundvandsdannelsen kan man formentlig nøjes med 20-50 kørsler, mens en 99 %<br />
fraktil vil kræve mange flere), <strong>på</strong> en måde der tilgodeser sandsynlighedsfordelingen<br />
for de enkelte stokastiske parametre. Hver modelkørsel kaldes en "realisation" <strong>og</strong><br />
samtlige realisationer benævnes et "ensemble". Ved en efterfølgende statistisk<br />
analyse kan der fx beregnes middelværdi samt standard afvigelse for ensemblet.<br />
Modelresultaterne kan således præsenteres som en middelværdi samt et<br />
sandsynlighedsinterval (konfidens- eller prediktionsinterval).<br />
PEST (alternativ metode UCODE m.fl.) anses i dag for at være det stærkeste værktøj<br />
til invers modellering. Metoden i PEST (Doherty, 2004) har den underliggende<br />
filosofi, at det interessante er ekstremerne, fx vil det mest interessante i forbindelse<br />
med en forureningstrussel ofte være, hvornår det tidligste gennembrud kan forventes<br />
samt hvad den maksimale koncentration vil blive. I stedet for at anvende en analytisk<br />
løsning, med de uundgåelige antagelser om linearitet, tager PEST afsæt i at optimere<br />
prediktionsværdien, dvs. finde den maksimale eller minimale prediktionsværdi, der er<br />
mulig for den givne model. Denne maksimering/minimering bliver d<strong>og</strong> begrænset<br />
ved, at modellen samtidig kræves at være kalibreret <strong>på</strong> et acceptabelt niveau,<br />
defineret <strong>på</strong> basis af en acceptabel værdi for objektiv funktion. Analysen udføres ved,<br />
at det angives, hvilken værdi objektiv funktionen maksimalt må antage, for at<br />
modellen stadig vurderes at være kalibreret <strong>på</strong> et acceptabelt niveau. Er PEST ikke<br />
indbygget i den anvendte GUI, kan pr<strong>og</strong>rammet samt manual downloades fra<br />
http://www.sspa.com/pest/index.htm.<br />
Sammenlignet med Monte Carlo kræver metoden relativt få modelkørsler, hvilket kan<br />
været et argument for at bruge PEST fx hvis modellens kørselstid er betydelig. Det er<br />
ikke et problem ved stationære kørsler, men hvis dynamiske variationer indgår, kan<br />
det være nødvendigt at begrænse antallet af kørsler. PEST beregner<br />
konfidensintervaller <strong>og</strong> kovariansmatrice for parametrene <strong>og</strong> kan anvendes til<br />
analyse af prediktions-usikkerheder for i princippet alle typer prediktioner. Den<br />
vurderes d<strong>og</strong> p.t. som mindre egnet end Monte Carlo til kvantificering af usikkerhed<br />
<strong>på</strong> IO <strong>og</strong> GO, så længe det er parameter- eller inputusikkerheden der undersøges.<br />
PEST kan <strong>og</strong>så benyttes til kvantificering af usikkerhed fra småskalavariation i<br />
parameterværdier, selvom om dette felt endnu er så nyt, at det ikke har været<br />
afprøvet i praksis endnu. PEST kan evt. kombineres med MC.<br />
Præsentation af IO <strong>og</strong> GO <strong>på</strong> kort (tegning af stregen)<br />
Når modelarbejdet er afsluttet, de sidste scenariekørsler er beregnet <strong>og</strong> de endelige<br />
streger med IO <strong>og</strong> GO er udarbejdet, overdrages resultaterne til<br />
ressourcemyndigheden i den <strong>på</strong>gældende kommune. Dette sker oftest gennem en<br />
rapport med tilhørende GIS-temaer.<br />
I forbindelse med indsatsplaner <strong>og</strong> de korttemaer som skal leveres af Miljøcentrene<br />
til kommunerne, er det vigtigt at oplandsafgrænsningerne er foretaget <strong>på</strong> så højt<br />
fagligt niveau som muligt. Derfor anbefales det, at der udarbejdes et reference-IO <strong>og</strong><br />
-GO, som svarer til den tilladte <strong>indvindings</strong>mængde <strong>på</strong> den <strong>på</strong>gældende kildeplads<br />
G E U S 41