Mô phỏng chi tiết hiệu quả tính toán thủy văn địa phương

Các mô hình thủy văn thường được sử dụng để mô phỏng trạng thái thủy văn ở các độ phân giải không gian khác nhau. Tuy nhiên, mô phỏng dựa trên các mô hình này có thể tốn kém, hạn chế trên miền nhỏ. Nghiên cứu này chứng minh rằng một chiến lược mô hình hoá có thể được sử dụng để nâng cao hiệu quả của các mô phỏng thủy văn phân tán, đặc biệt đối với các ứng dụng mà các ước lượng độ phân giải của các trạng thái thủy văn chỉ tập trung trong một phần của lưu vực sông. Để đạt được mục tiêu này, chúng tôi xem xét hai ứng dụng mà mục tiêu là nắm bắt được động lực nước ngầm trong một khu vực mục tiêu xác định. Kết quả của chúng tôi cho thấy tại các vị trí mục tiêu, một mô phỏng có khả năng sao chép thành công các ước tính của bảng nước ngầm thu được từ mô phỏng, đồng thời mang lại tiết kiệm cho việc tính toán đáng kể. Các kết quả làm nổi bật tiềm năng sử dụng sự rời rạc lồng nhau cho một ước tính chi tiết nhưng hiệu quả về mặt tính toán các trạng thái thủy văn trong một phần của mô hình miền.

Các mô hình thủy văn phân bố đầy đủ về mặt vật lý mô phỏng nhiều trạng thái trong không gian và thời gian. Các mô hình này là nguyên nhân của sự không đồng nhất trong các thông số thuỷ văn và các bước phóng khí tượng, và đã chứng minh để tăng cường sự hiểu biết và dự đoán quy trình thủy văn. Tuy nhiên, mô phỏng dựa trên các mô hình này thường tốn kém về mặt tính toán. Thời gian tính toán có thể trở nên rất lớn đối với các mô phỏng độ phân giải không gian thời gian tốt trong các miền lớn, làm cho chúng trở nên khó khăn hoặc ít nhất là không thích hợp với các dự đoán gần thời gian thực trên một máy tính nối tiếp. Để giải quyết vấn đề này, một số giải pháp đã được đề xuất. Ví dụ, Bhatt và cộng sự đã kết hợp chặt chẽ hệ thống thông tin địa lý (GIS) với mô hình thủy văn bằng mô hình dữ liệu chia sẻ để giảm thời gian thiết lập mô hình. Phép song song các mô hình thủy văn phân tán đã được thực hiện để giảm thời gian mô phỏng cho các mô phỏng quy mô lưu vực. Nhiều nghiên cứu khác đã sử dụng điều kiện tiên quyết để đẩy nhanh các mã mô hình thủy văn phân phối tuần tự. Ví dụ, Jacobian phân tích như là một tiền điều kiện để tăng tốc thời gian mô phỏng mô hình. Tương tự như vậy, mô hình HydroGeoSphere sử dụng một bộ điều hoà không hoàn chỉnh của LU với bộ tăng tốc liên hợp để giảm thời gian hội tụ.

Nghiên cứu này thực hiện một chiến lược mô hình hóa dựa trên sự phân chia lồng ghép có thể sử dụng cho các mô phỏng mô hình thủy văn phân tán hiệu quả, đặc biệt đối với các ứng dụng mà ngoài các ước lượng dòng chảy tại các đầu ra của lưu vực đầu nguồn, các ước tính độ phân giải của các trạng thái thủy văn chỉ là mong muốn trong một phần nhỏ của mô hình miền. Các ví dụ về vấn đề này bao gồm xác nhận động lực nước ngầm ở các vị trí giếng khoan, lập bản đồ phân bố nước ngầm trong vùng đất ngập nước và mô tả đặc trưng các tương tác giữa một đặc điểm thủy văn (ví dụ như vùng đất ngập nước hoặc sông) và tầng chứa nước lân cận. Sự phổ biến cơ bản trong những vấn đề này là sự cần thiết phải phác hoạ các trạng thái thuỷ văn hay lượng thông lượng ít nhất là một phần của mô hình miền (sau đây gọi là vùng mục tiêu). Đáng chú ý, những vấn đề này thường đòi hỏi mô phỏng đồng thời phần còn lại của lưu vực sông để: (a) thu được những đóng góp thông lượng từ phần còn lại của mô hình miền vào khu vực mục tiêu. Ví dụ, để nắm bắt được động lực nước ngầm trong một vùng đất ngập nước gần sông suối, người ta cũng phải ước tính giai đoạn trong dòng suối lân cận. Giai đoạn này lần lượt phụ thuộc vào sự đóng góp của dòng chảy và nước triều xuống dòng chảy ở vùng thượng lưu của vùng mục tiêu; và (b) cung cấp ước lượng các trạng thái và thông lượng bổ sung. Ví dụ, mục tiêu mô hình hóa cũng có thể bao gồm mô phỏng dòng chảy tại cửa sông đầu nguồn.

Giả thuyết làm việc của nghiên cứu là mặc dù lưới toàn bộ khu vực đầu nguồn hoặc toàn cầu cung cấp một kết quả mô phỏng được phân tích không gian ở khắp mọi nơi trong lưu vực sông, lưới lọc tinh địa phương có thể đảm bảo ước tính tương tự về luồng dòng chảy tại cửa sông đầu nguồn và các trạng thái thủy văn trong khu vực mục tiêu trong khi đảm bảo tiết kiệm đáng kể thời gian tính toán. Để đánh giá giả thuyết này, chúng tôi đã xem xét hai ứng dụng thử nghiệm. Ứng dụng đầu tiên đề cập đến sự cần thiết phải mô phỏng động lực nước ngầm (GWT) ở vị trí tốt. Mục đích của ứng dụng thứ hai là lập bản đồ các vùng ướt (hoặc các khu vực có GWT trong một khoảng cách nhất định từ mặt đất) trong một vùng đất ngập nước cũng như để đánh giá sự trao đổi thông lượng giữa vùng đất ngập nước và dòng suối lân cận. Bốn mô hình thủy văn với các cấu hình lưới khác nhau rõ rệt đã được thực hiện. Tính chính xác và thời gian tính toán của bốn mô phỏng này được so sánh để đánh giá hiệu quả và hiệu quả của việc phân chia lồng nhau để mô phỏng thủy văn địa phương trong một khu vực mục tiêu nhất định.

Các mô hình thủy văn tích hợp được phân phối đầy đủ có lợi thế là mô phỏng nhiều trạng thái tại độ phân giải không gian-thời gian tốt. Tuy nhiên, độ phân giải mô hình tốt làm tăng đáng kể chi phí tính toán. Nghiên cứu này chứng minh rằng một chiến lược sàng lọc lồng nhau có khả năng làm giảm bớt vấn đề này, đặc biệt là đối với các ứng dụng mà các ước tính độ phân giải tốt của các trạng thái thủy văn chỉ mong muốn trong một phần nhỏ của lưu vực. Kết quả của chúng tôi cho thấy rằng các mô phỏng lồng nhau có thể đưa ra các ước tính tương tự về nước ngầm trong vùng mục tiêu và lưu lượng dòng chảy tại lưu vực đầu nguồn như mô phỏng thông thường, nhưng chỉ bằng một phần chi phí tính toán. Ví dụ, mô phỏng lồng nhau đã tiết kiệm được 97.8% thời gian tính toán so với mô phỏng thông thường trong giai đoạn mô phỏng 5 năm. Chúng tôi cũng thấy rằng các khoản tiết kiệm tính toán đạt được phụ thuộc vào chế độ khí tượng. Ví dụ, trong năm ẩm ướt, mô phỏng lồng nhau đã tiết kiệm 98,7% chi phí thời gian mô phỏng thông thường trong khi tỷ lệ phần trăm giảm xuống còn 97,2% trong năm khô. Điều này cho thấy rằng mô hình lồng nhau được dự kiến ​​sẽ cung cấp hiệu suất hoạt động cao hơn trong các thiết lập tốt hơn.

Để đạt được hiệu quả tính toán tối đa cho một độ chính xác nhất định, các cấu hình lưới lồng nhau tối ưu,nên được bắt nguồn cả về độ phân giải và không gian của nó. Một trong những lý do chính tại sao mô hình lồng nhau cung cấp ước tính tương tự của các trạng thái thủy văn khi mô phỏng tốt là do sự biểu diễn tốt hơn các đặc tính lưu vực trong khu vực mục tiêu. Tuy nhiên, các ước lượng tương tự trong khu vực mục tiêu chỉ có thể xảy ra nếu các dòng bên của mạng từ phần còn lại của miền vào vùng đích không bị ảnh hưởng nhiều bởi việc sử dụng một sự giải phóng thô bên ngoài vùng lồng nhau. Điều này có thể được hỗ trợ bởi: (a) sử dụng một khu vực lồng nhau lớn (lớn hơn nhiều so với khu vực mục tiêu). Tuy nhiên, điều này có thể dẫn đến tăng tải tính toán; (b) sử dụng sự phân tầng lồng nhau trong một địa hình phẳng hơn nơi tương tác dòng bên giữa khu vực mục tiêu và phần còn lại của lưu vực sông là không đáng kể; và (c) buộc ranh giới khu vực lồng nhau để phù hợp với phân chia nước mặt hoặc nước ngầm. Ví dụ, người ta có thể sử dụng một lồng nhau kéo dài đến một ranh giới tiểu lưu vực địa hình. Vì các ranh giới địa hình cũng đóng vai trò như sự phân chia nước bề mặt, các phép lọc lồng nhau có ranh giới ranh giới với phân chia địa hình sẽ tạo ra các ước tính dòng chảy trên mặt đất giống với ước tính thu được bằng cách sử dụng mô phỏng quy mô tốt.

Đáng chú ý, việc xác định ranh giới như vậy đối với các trạng thái thủy văn khác là một thách thức. Ví dụ, phân chia lưu lượng nước ngầm thường là động và có thể không trùng với phân chia nước mặt. Để giảm sự không chắc chắn, nó vẫn là một lựa chọn tốt để thực hiện sự giải thoát lồng nhau bằng các rặng núi sau đây. Trong trường hợp một kiến ​​thức cần thiết để phân định mức độ khu vực lồng nhau là không rõ ràng, có thể sử dụng một sơ đồ kết tụ. Điều này trước tiên có thể đòi hỏi phải phân định một miền lồng nhau lớn hơn một chút so với vùng đích và thực hiện các mô phỏng. Các mô phỏng bổ sung với mức độ lớn hơn và lớn hơn của vùng lồng nhau sau đó sẽ được thực hiện. Một khi các kết quả mô phỏng trong khu vực mục tiêu dừng thay đổi, người dùng có thể chọn cách sắp xếp lồng nhau. Một lựa chọn khác là so sánh kết quả của một mô phỏng lồng nhau với kết quả của một mô phỏng quy mô nhỏ (trong miền thời gian). Các so sánh có thể giúp đánh giá tính đầy đủ của việc giải phóng lồng nhau để ghi lại động lực của trạng thái thủy văn. Hai phương pháp này cũng có thể được sử dụng để xác định độ phân giải tối ưu của lưới, cả bên trong lẫn bên ngoài vùng đích. Người dùng có thể cân bằng nhu cầu tiết kiệm và độ chính xác để đạt được quyết định. Nguồn gốc của lưới tối ưu dự kiến ​​sẽ đặc biệt hữu ích trong các ứng dụng mà mô hình lồng nhau phải được sử dụng lặp đi lặp lại. Đối với các ứng dụng này, nỗ lực cần thiết để tối ưu hóa cấu hình lưới có thể được bù đắp bằng các khoản tiết kiệm tính toán thu được thông qua các mô phỏng lặp lại.

Chiến lược sàng lọc lồng nhau được sử dụng ở đây có thể dễ dàng được sử dụng trong các mô hình phân tán hoàn toàn dựa trên lưới khác như InHM1, HydroGeoSphere và FEFLOW. Các sửa đổi trong bộ giải và sử dụng các phần mềm phân loại lưới có cấu trúc tiên tiến cũng có thể mở rộng khả năng ứng dụng của nó cho các mô hình dựa trên lưới có cấu trúc, chẳng hạn như MODFLOW, ParFlow và PAWS. Các nghiên cứu trong tương lai có thể tập trung vào việc xác định các khu vực phân chia nước ngầm có thể trùng với phân chia nước mặt. Điều này có thể làm cho nó dễ dàng hơn nhiều để xác định mức độ của các khu vực lồng nhau, đặc biệt là để mô hình động lực nước ngầm trong một khu vực mục tiêu.

https://www.nature.com/articles/s41598-018-24122-7