Bilag 5. Hydrauliske parametre - Repræsentativitet DJF: Ole Hørbye Jacobsen, Bo Vangsø Iversen, Christen Børgesen



Relaterede dokumenter
Bilag 2. Kornstørrelsesfordeling og organisk stof - Repræsentativitet DJF: Mogens H. Greve, Bjarne Hansen, Svend Elsnab Olesen, Søren B.

Bilag 4. Geokemiske og fysiske parametre - repræsentativitet GEUS: Vibeke Ernstsen

Bilag 3A. Variabilitet, Geostatistik og Mikrobiologi, Generelt GEUS: Ingelise Møller DJF: Lars Elsgaard, Mogens H. Greve, Finn P.

9. Udvekslingskoefficienter mellem makroporer og jordmatrix

3. Fremgangsmåde ved fortolkning af data

Opsætning af vandtransportmodel

Bestemmelse af hydraulisk ledningsevne

Bilag 7: Sammenhænge mellem simple jordegenskaber GEUS: Jim Rasmussen

Figur 3. Jordartskort med angivelse af feltlokaliteter som er undersøgt i forbindelse med etableringen af projektets datagrundlag.

Kvantificering af Hydrauliske Egenskaber

Øvelse 4: Jordens vandindhold

KUPA-SAND: SANDEDE AREALERS SÅRBARHED FOR PESTICIDNEDSIVNING

Lineær regression. Simpel regression. Model. ofte bruges følgende notation:

Bilag 8. Omregning af K d til K f GEUS: Jim Rasmussen

Reeksamen i Statistik for Biokemikere 6. april 2009

Bilag 10. Korrelationsmetoder og resultater GEUS: Jim Rasmussen, Per Rosenberg

Arbejdet på kuglens massemidtpunkt, langs x-aksen, er lig med den resulterende kraft gange strækningen:

Modellering af vand- og stoftransport

APPENDIX A1. Analyse af klimadata

Notat om Høfde 42, december Vandretensionsforsøg. Steen Vedby DGE Group

Drivhusgasbalancer for dyrkede organiske jorde

Høfde 42: Vurdering af specifik ydelse og hydraulisk ledningsevne i testcellerne TC1, TC2 og TC3

Curriculum Vitae : Senior scientist at University of Aarhus, Faculty of Agricultural Sciences, Department of Agroecology.

β = SDD xt SSD t σ 2 s 2 02 = SSD 02 f 02 i=1

Løsning til eksaminen d. 14. december 2009

To samhørende variable

4. Resultater 4.1 Repræsentativitet

UDKAST. Projektbeskrivelse for. Koncept for udpegning af pesticidfølsomme arealer (KUPA)

Konceptuel forståelse. af fordeling. Mette M. Broholm, Ida V. Jørgensen og Poul L. Bjerg

Notat 5.1.: Elevers karaktergennemsnit og fordeling på almene efterskoler

Økonometri lektion 5 Multipel Lineær Regression. Inferens Modelkontrol Prædiktion

STORE BREDLUND, UDLÆG TIL RÅSTOFPLAN 2016 Råstofindvindingens påvirkning på grundvand 1 POTENTIALEFORHOLD VED STORE BREDLUND

Bilag 3B. Variabilitet baseret på humus indholdet og det samlede ler-silt indhold

ISCC. IMM Statistical Consulting Center. Brugervejledning til beregningsmodul til robust estimation af nugget effect. Technical University of Denmark

Lineær regression i SAS. Lineær regression i SAS p.1/20

Reestimation af uddannelsessøgende

Modellering af stoftransport med GMS MT3DMS

Coulombs lov. Esben Pape Selsing, Martin Sparre og Kristoffer Stensbo-Smidt Niels Bohr Institutet F = 1 4πε 0

Skriftlig eksamen Science statistik- ST501

INTERNT GEUS-NOTAT Side 1

Demonstration af basisk hydrolyse & biologisk nedbrydning: Vandretention

Kommentarer til øvelser i basalkursus, 2. uge

5. Diskussion 5.1. Grundlag for zonering

GRAS. GRAS profil UDVINDING AF GEODATA FRA SATELLITBILLEDER OG FLYFOTOS - KOBLING MELLEM REMOTE SENSING OG GIS

En statistikstuderendes bekendelser Søren Wengel Mogensen

Anvendt Statistik Lektion 7. Simpel Lineær Regression

Multipel Linear Regression. Repetition Partiel F-test Modelsøgning Logistisk Regression

Mobilisering og Transport af Jordkolloider og Fosfor

Multipel regression. M variable En afhængig (Y) M-1 m uafhængige / forklarende / prædikterende (X 1 til X m ) Model

Vedlagte notat er udarbejdet af sektionsleder Mogens Humlekrog Greve, Institut for Agroøkologi.

KORTLÆGNING AF KILDER TIL FOSFORTAB FRA DET ÅBNE LAND

Rapport Fedtkvalitet i moderne svineproduktion Jodtal, smeltepunkt og sammenhæng mellem fedtvæv (fedtatlas) samt farve af spæk og ph i kam

Grundvand aldersbestemmelse med isotoper & CFC ATV møde: Datahåndtering og tolkning af jord- og grundvandsforurening

Reeksamen i Statistik for biokemikere. Blok

Udglatning af GWR-prisindeksene

Oscillator. Af: Alexander Rosenkilde Alexander Bork Christian Jensen

Modul 6: Regression og kalibrering

Grundvandsmodel for infiltrationsbassin ved Resendalvej

D1 1 Partikelformede bjergarter

modeller for den umættede zone en ny geofysisk metode i hydrologisk modellering?

Risikovurderinger overfor indeklimaet baseret på grundvandskoncentrationer

Anvendt Statistik Lektion 9. Variansanalyse (ANOVA)

VEKSELSPÆNDINGENS VÆRDIER. Frekvens Middelværdi & peak værdi (max) Effektiv værdi (RMS) Mere om effektiv værdi!

Bilag 7. SFA-modellen

Afdeling for Anvendt Matematik og Statistik Januar Regressionsanalyse i SAS 2. Regressionsanalyse med GLM Sammenligning af regressionslinier

Reestimation af uddannelsessøgende til modelversion okt15

Eksamen i Statistik for Biokemikere, Blok januar 2009

Strømningsfordeling i mættet zone

Model. (m separate analyser). I vores eksempel er m = 2, n 1 = 13 (13 journalister) og

Undersøgelse af smeltevandsaflejringer indenfor proximale smeltevandssletter: Basisdata fra undersøgelser på Karup og Tinglev hedeslette

TVIVLEREN PROFIL AF FOLKEAFSTEMNINGENS STORE JOKER

Anvendt Statistik Lektion 9. Variansanalyse (ANOVA)

Måling og simulering af vandindhold og vandtransport i umættet zone på lokal skala

Bilag 1. Geologi og Pedologi, Repræsentativitet Geologi.

Nitrat i grundvand og umættet zone

Bilag 2: Undersøgelse af de nationale tests reliabilitet. Sammenfatning

Analysestrategi. Lektion 7 slides kompileret 27. oktober :24 p.1/17

EJENDOMSPRISERNE I HOVEDSTADSREGIONEN

Notat. Baggrund. Internt notat om AEM beregninger Nord og Initialer Syd modellen

Jordpakning. Processer, effekter og forebyggelse. Bioforsk-konferansen 2011 Sarpsborg, 9. februar 2011

Filterjord. - Funktion og drift. Temadag: KLAR TIL LAR KU: Skovskolen, 30. april Simon Toft Ingvertsen

Medarbejdertilfredshed 2003 Tekniske Skoler Østjylland

Dokumentation - Del 2 - Måling og modellering af vand- og stoftransport i grundvandsstrømninger

Perspektiv i udnyttelsen af jordens makroporer til byens nedsivning. Hvilken jordstruktur er hensigtsmæssig? ssig? Eksempler påp

Erfaringsopsamling på udbredelsen af forureningsfaner i grundvand på villatanksager

Morten Frydenberg 26. april 2004

Den sociale profil i optagesystemet Perspektiver på karakteroptag og social (u)lighed i optaget til universiteterne

1 Ensidet variansanalyse(kvantitativt outcome) - sammenligning af flere grupper(kvalitativ

Kursus i varians- og regressionsanalyse Data med detektionsgrænse. Birthe Lykke Thomsen H. Lundbeck A/S

Vurdering af klima ændringens konsekvenser for udvaskning af pesticider i lerområder ved brug af en oplandsskala hydrologisk model

grupper(kvalitativ exposure) Variation indenfor og mellem grupper F-test for ingen effekt AnovaTabel Beregning af p-værdi i F-fordelingen

2. januar 2015 Proj.nr Version 1 LRK/EHBR/EVO/CCM/MT. Rapport

Nedsivning af vejvand

Anvendt Statistik Lektion 8. Multipel Lineær Regression

Porøsitetsforhold i landbrugsjord I. Modeller og jordtypeforskelle

Noter om vand: Adhæsion og kohæsion. Vandmolekylet er polær

Vurdering af forhold ved grundvandssænkning

Hvorfor fitter lønrelationen ikke mere?

Basal Statistik - SPSS

DEMOGRAFI OG VELSTAND - UDDRAG FRA ANALYSEGRUNDLAGET FOR DEN REGIONALE UDVIKLINGSPLAN

Transkript:

Bilag 5. Hydrauliske parametre - Repræsentativitet DJF: Ole Hørye Jacosen, Bo Vangsø Iversen, Cristen Børgesen Hydraulisk ledningsevne I dataaser findes der kun meget egrænsede data vedrørende ydrauliske parametre. Derfor kan man ikke ud fra målingerne i projektet udtale sig direkte om repræsentativiteten. De ydrauliske parametre i Ap-orisonten er i øj grad styret af jordens indold af organisk stof. I de underliggende orisonter er det i øjere grad partikelstørrelsesfordelingen, der er estemmende. En analyse af repræsentativiteten af tekstur og umusindold giver derfor et godt fingerpeg om repræsentativiteten af de ydrauliske parametre. Ap-orisont B-orisont,,,,,,5,,,,,,5 vandindold [cm /cm ] C-orisont Yoldia Alluvial Proximal Distal Bakkeø MS Bakkeø DS Weicsel MS, Djurs. Weicsel MS, Vends.,,,,,,5 vandindold [cm /cm ] Figur 5. viser vandretentionsmålinger for de forskellige landskaselementer målt i Ap-, B- og C-orisonten. Sammenligner man de tre orisonter er der en tydelig tendens til, at jo dyere man kommer ned i profilen desto mere afviger de tre landskaselementer relaterende til Weicsel morænesand sig Figur 5.. Vandretentionsmålinger for de forskellige landskaselementer. De enkelte punkter er middelværdier for samtlige målinger i Ap-, B- og C-orisonterne fra ver af de tre lokaliteter, der knytter sig til vert landskaselement. A er muldorisonten, Ap er den del af muldorisonten som udgør pløjelaget, B er udfældningsorisonten under muldlage. Under B ligger den relativt upåvirkede C orisont. fra landskaselementerne relaterende til smeltevandssand. Det samme gør sig til dels gældende for målingerne fra Yoldiafladen. I Ap-orisonten er det øje indold af organisk stof med til at udviske effekten af forskellene i teksturfordelingen mellem de forskellige landskaselementer. I C-orisonten træder teksturfordelingen mellem landskaselementerne tydeligt Bilag side 89

frem. De dårligt sorterede morænesandjorde ar en jævn afdræning svarende til en ligelig porestørrelsesfordeling i jorden. De tre landskaselementer på edesletten (Alluvial, Proximal og Distal) samt smeltevandssand på akkeø ar en kraftig afdræning til omkring pf,7, vilket svarer til et øjt indold af grovporer (>6 µm) i jorden. Den finsandede, velsorterede Yoldiajord afdrænes markant mellem pf,7 og pf, svarende til en meget ligelig porestørrelsesfordeling i området mellem og 6 µm (ækvivalent porediameter). I B-orisonten (udfældningsorisonten) er tendensen til en adskillelse mellem smeltevandssand, morænesand og Yoldiafladen knap så udtalt som i C-orisonten, vilket sandsynligvis forklares ved et moderat indold af organisk stof i disse orisonter. Ap-orisont B-orisont,,,,,,5 C-orisont,,,,,,5 vandindold [cm /cm ] Yoldia Hedeslette Bakkeø MS/DS Weicsel MS,,,,,,5 vandindold [cm /cm ] Figur 5.. Vandretentionsmålinger for forskellige landskaselementer i relation til kvadratnetsprofilerne. De enkelte punkter er middelværdier for målinger i Ap-, B- og C-orisonterne. Hedeslette indeolder landskaselementerne Proximal, Distal og Alluvialkegle. For vandretentionsmålinger fra kvadratnetsprofil punkterne (figur 5.) er forskellen mellem de forskellige orisonter knap så markant. Der ses dog en svag tendens til at målinger for Yoldiafladen samt Weicsel morænesand afviger mere fra edesletten jo dyere man kommer ned i profilet. Figur 5. viser værdierne for den mættede ydrauliske ledningsevne (K s ) for de forskellige landskaselementer målt i Ap-, B- og C-orisonten på projektets lokaliteter. Billedet svarer meget til vandretentionsmålingerne med en mere markant forskel mellem landskaselementerne ørende til morænesand og landskaselementerne ørende til smeltevandssand jo dyere, man komme ned i profilet. I C-orisonten skiller Weicsel MS og Bakkeø MS sig tydeligt ud fra Alluvialkegle samt Proximal og Distal edeslette. Samtidig er der en tendens til at variailiteten mellem målingerne på morænesandslokaliteterne stiger med dyden, vorimod variailiteten mellem de tilsvarende målinger på edesletten falder. Bilag side 9

Ap Horisont B C K s [cm/d] Yoldia Alluvial Proximal Distal Bakkeø MS Bakkeø DS Weicsel MS, Djurs. Weicsel MS, Vends. Figur 5.. Mættet ydraulisk ledningsevne (K s ) for de forskellige landskaselementer målt på store kolonner (68 cm ). Punkterne er middelværdier for samtlige målinger i Ap-, B- og C- orisonterne fra de tre lokaliteter, der knytter sig til vert landskaselement. Fejllinierne er ± standard afvigelse. De målte retentionskurver, samt mættet og umættet ydraulisk ledningsevne er optimeret i et neuralt netværk for at finde sammenængen mellem de simple jordegenskaer og målte ydrauliske data. Der er optimeret for forskellige kominationer af jordegenskaer for at finde de der er mest etydningsfulde (mindste Root Mean Square Error). Den edste forklaring med færrest mulige parametre lev opnået ved at enytte retentionskurve, kornstørrelsesfordeling, volumenvægt, organisk kulstofindold, dyde og landskaselement. I det følgende forklares disse inputparametre til det neurale netværk. De ydrauliske forold i jorden er i projektet eskrevet ved de ydrauliske funktioner foreslået af Jarvis, (99) aseret på Brooks and Corey, (96) og Mualem, (976). Funktionsudtrykkene eskriver et doeltdomæne. Retentionskurven eskrives ved θ θ r ( ) = θ θ r S e= θ θ ( ) = θ s θ λ > Bilag side 9

vor S e er effektiv mætning, θ er volumetrisk vandindold, er trykpotentialet og λ er en porestørrelsesfordelingsfaktor. Suskripterne r, s og står for residual, mættet og grænsen mellem de to domæner. Hydraulisk ledningsevne eskrives ved k( S e )= k +( k s - k k (S )(S e e ) ) n n* > vor k er den umættede ydrauliske ledningsevne [cm day - ], n =+½ og n* er en empirisk parameter (sat til 5 som foreslået af Jarvis, (99)). I figur 5. vises vor godt parametrene lev optimeret. Resultatet ser tilfredsstillende ud for de fleste parametre. Residual vandindold er ikke særligt godt estemt, men da pesticidudvaskning kun foregår, når jorden er fugtig er det eller ikke den vigtigste. For nogen af parametrene er der ret stor usikkered på målingerne og således vil variationsintervallet på outputtet fra det neurale netværk være mindre end de fittede målte data. Desuden er parametrene indyrdes korreleret således at når den ene parameter er lav er en korreleret parameter måske lidt øjere og kompenserer for det. Det ses da også af figur 5.5 at vi for langt de fleste målte orisonter ar en meget lav Root Mean Square Error. Bilag side 9

,,,8,6,, A,,5,,5 B,,,,,6,8,,,,,5,,5,,6 C,5 D,5,,,,,,,5,6,,,,,5,,8 E,6,,,,,,,6,8, F G fittet fittet Figur 5.. Hydrauliske modelparametre. Figuren viser sammenængen mellem parametrene fittede til målte data fra KUPA-profilerne og de tilsvarende parametre ved neurale netværk. A: porestørrelsefordelingskoefficient (λ); B: reciprokke grænsetension mellem mikroog makroporer (/ ); C: porøsitet (θ s ); D: vandindold ved tension (θ ); E: residualt vandindold (θ r ); F: mættet ydraulisk ledningsevne (k s ); G: ydraulisk ledningsevne ved tension (k ). Bilag side 9

,6,, RMSE, m m -,,8,6,, Figur 5.5. Root Mean Square Error mellem de målte retentionsdatapunkter og de som er prædikterede med neuralt netværk plottede i stigende rækkefølge. Referencer Brooks, R. H. and Corey, A. T., 96: Hydraulic properties of porous media. Hydraulic Paper #, Colorado State University, Ft. Collins, Co., Jarvis, N., 99: MACRO - A Model of Water Movement and Solute Transport in Macroporous Soils. Swedis University of Agricultural Sciences. Department of Soil Sciences. Reports and Dissertations 9. Mualem, Y., 976: A new model for predicting te ydraulic conductivity of unsaturated porous media. Water Resour. Res. :5-5