Určení parametrů svahové půdy na povodí Uhlířská pomocí inverzního modelování

Abstract

Hydraulické vlastnosti pôdy sú kľúčovým faktorom ovplyvňujúcim pohyb vody a transport kontaminantov v pôdnom prostredí. Práca sa zaoberá optimalizáciou scaling faktorov hydraulických parametrov pôdy na povodí Uhlířská v Jizerských horách. V rámci výskumu boli spracované dáta z meraní tlakových výšok v pôdnom profile počas šiestich vegetačných sezón (2017-2022). Dáta boli využité na simulácie prúdenia vody pomocou numerického modelu S1D. K minimalizácii odchýlok medzi meranými a simulovanými tlakmi pôdnej vody bol použitý optimalizačný nástroj PEST-ASP. Na riešenie inverznej úlohy využíva Levenbergov-Marquardtov algoritmus v zmysle metódy najmenších štvorcov. Optimalizované boli scaling faktory vlhkosti, hydraulickej vodivosti a tlakových výšok. Testované boli optimalizačné stratégie sekvenčná, jednotná a naviazaná. Sekvenčná metóda sa ukázala ako najefektívnejšia, pričom významnú rolu zohráva poradie optimalizovaných veličín. Výsledky ukázali, že charakter sezónnych zrážok významne ovplyvňuje optimalizované parametre. Pre sezóny s nadpriemerným a podpriemerným úhrnom boli identifikované odlišné hodnoty scaling faktorov.Soil hydraulic properties are a key factor influencing water movement and contaminant transport in the soil environment. This thesis deals with the optimization of scaling factors of soil hydraulic parameters in the Uhlířská catchment in the Jizera Mountains. Within the research, pressure head data in the soil profile during six vegetation seasons (2017-2022) were analysed. These data were used for water flow simulations using the S1D numerical model. The PEST-ASP optimization tool was used to minimize the deviations between measured and simulated soil water pressures. PEST-ASP uses the Levenberg-Marquardt algorithm in the sense of the least squares method to solve the inverse problem. The scaling factors of soil water content, hydraulic conductivity and pressure head were optimised. The optimization strategies tested were sequential, lumped and tied. The sequential method was found to be the most effective, emphasizing the need for the correct order of the optimised factors. The results showed that the character of seasonal rainfall significantly affects the optimisation results. Different values of the scaling factors were identified for seasons with above-average and below-average rainfall.