Your First Groundwater Model with PMWIN

Chiang, Wen-Hsing; Kinzelbach, Wolfgang

doi:10.1007/978-3-662-05549-6_2

Cited by 4 publications

(7 citation statements)

References 0 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…A three‐layer groundwater flow model was designed to compute the total discharge through the spring bed. The model is built in Processing Modflow Pro (Chiang, ). This software provides a graphical user interface for the classic finite‐difference Modflow code (McDonald and Harbaugh, ), whose reliability and robustness have been tested extensively (Anderson and Woessner, ; Castaño‐Castaño et al ., ; Martínez‐Santos et al ., ).…”

Section: Methodsmentioning

confidence: 99%

Modelling discharge through artesian springs based on a high‐resolution piezometric network

Martínez‐Santos

Díaz-Alcaide

Castaño

et al. 2013

Hydrological Processes

View full text Add to dashboard Cite

Artesian springs are localized aquifer outlets that originate when pressurized ground water is allowed to rise to the surface. Computing artesian discharge directly is often subject to practical difficulties such as restricted accessibility, abundant vegetation or slow flow rates. These circumstances call for indirect approaches to quantify flow. This paper presents a method to estimate ground water discharge through an upwelling spring by means of a three‐layer steady‐state groundwater flow model. Model inputs include on‐site measurements of vertical sediment permeability, sediment temperatures and hydraulic gradients. About 70 spring bed piezometers were used to carry out permeability tests within the spring sediments, as well as to quantify the hydraulic head at different depths below the discharge point. Sediment temperatures were measured at different depths and correlated to permeabilities in order to demonstrate the potential of temperature as a substitute for cumbersome slug tests. Results show that the spatial distribution of discharge through the spring bottom is highly heterogeneous, as sediment permeability varies by several orders of magnitude within centimetres. Sensitivity analyses imply that geostatistical interpolation is irrelevant to the results if field datasets come from a sufficiently high resolution of piezometric records. Copyright © 2013 John Wiley & Sons, Ltd.

show abstract

Section: Methodsmentioning

confidence: 99%

Modelling discharge through artesian springs based on a high‐resolution piezometric network

Martínez‐Santos

Díaz-Alcaide

Castaño

et al. 2013

Hydrological Processes

View full text Add to dashboard Cite

show abstract

“…Model ten, przedstawia transport substancji rozpuszczonej wykorzystując wysokości hydrauliczne zwierciadła wód podziemnych i przepływ wód podziemnych z funkcji Modflow. Ponadto, program oblicza zmiany w stężeniach pojedynczego zanieczyszczenia w wodach podziemnych za pomocą procesów adwekcji, dyspersji i reakcji chemicznych [4].…”

Section: Charakterystyka Procesów Przebiegających W Modelu Mt3dunclassified

“…Dodatkowo, przepływ cząstek zanieczyszczeń można obliczyć za pomocą metody Eulera, metody Runge-Kutta czwartego rzędu i połączenia tych dwóch metod [4]. Wprowadzenie danych dotyczących adwekcji opiera się na oszacowaniu ilości cząstek i gradientu stężeń, który napędza przepływ cząstek zanieczyszczeń.…”

Section: Charakterystyka Procesów Przebiegających W Modelu Mt3dunclassified

See 1 more Smart Citation

Model Rozprzestrzeniania Kadmu W Warstwie Wodonośnej Z Wykorzystaniem Programu Processing Modflow

Piwińska

Kaleta

2016

ZNPRzBiS

View full text Add to dashboard Cite

Zanieczyszczenia występujące w warstwie wodonośnej mogą być naturalne lub antropogeniczne. Skażenie gleb związkami chemicznymi i/lub metalami ciężkimi prowadzi do migracji tych zanieczyszczeń do wód podziemnych. Istnieje możli-wość teoretycznego oszacowania zasięgu rozprzestrzeniania zanieczyszczeń, dzię-ki programom opartym na modelowaniu numerycznym. Jeden z nich, Processing Modflow, został wykorzystany w pracy. Pierwsza część modelowania obejmuje wprowadzenie danych hydrogeologicznych analizowanego obszaru oraz wykonanie bilansu wodnego, na który składa się zasilanie i drenaż wód podziemnych. Pozwala on na uzyskanie informacji o czynnikach decydujących o występowaniu tych dwóch procesów. Założono dwie warstwy wodonośne, gdzie warstwę przypowierzchniową (A) stanowią piaski drobne, a poniżej (B) zalegają iły trzeciorzę-dowe. Grunty te różnią się pod względem właściwości fizycznych i hydrogeologicznych, co ma wpływ na czas przesiąkania wód. Modelowaniu podlegają także dwa ujęcia wód podziemnych (studnie). Uzyskano wyniki, na podstawie których wygenerowano 5-letni obszar zasilania studni oraz mapę hydroizohips. W kolejnym etapie przystąpiono do modelowania transportu zanieczyszczenia. Zanieczyszczeniem, jakie brano pod uwagę był kadm. Program przeprowadza symulację opartą na procesach adwekcji, dyspersji i reakcjach chemicznych. Po upływie czasu symulacji wynoszącego 5 lat, otrzymano mapy ukazujące zasięg rozprzestrzeniania kadmu wraz z liniami stężeń. W rezultacie przeprowadzonych analiz, stwierdzono znaczny wpływ warunków hydrogeologicznych terenu oraz procesów zachodzących podczas transportu zanieczyszczenia na procesy zasilania i drenażu wód oraz migracji kadmu. Potrzebne dane wejściowe pochodziły z różnych pozycji literaturowych. Przeprowadzone modelowanie potwierdziło jego przydatność w ocenie transportu zanieczyszczenia w warstwie wodonośnej.

show abstract

“…Thus, a constant groundwater withdrawal rate, Q = 2750 m 3 /d for each WSW, was assumed during the model experiments to analyse the groundwater flow patterns. The stream-aquifer system was modelled using PMWIN (Chiang, 2005) as the pre-and post-processor for MODFLOW (Harbaugh et al, 2000). Using the River package in MODFLOW for simulating head-dependent flux boundaries (Harbaugh et al, 2000), the leakage coefficient v 0 was determined through the hydraulic conductance of the stream-aquifer interconnection C riv , which represents the resistance to the flow between the surface water and the groundwater caused by the riverbed, i.e., C riv = Fv 0 , where F is the surface area of a model cell (Harbaugh et al, 2000).…”

Section: Model Setupmentioning

confidence: 99%

Optimum experimental design of a monitoring network for parameter identification at riverbank well fields

Wang

Pozdniakov

Shestakov

2015

Journal of Hydrology

View full text Add to dashboard Cite

Keywords:Groundwater and surface water interactions Riverbank filtration Riverbed clogging Hydraulic conductivity MODFLOW s u m m a r y A steady-state flow regime in riverbank well fields is often violated by fluctuations in river stages and variations in groundwater extraction. In this study, a criterion of quasi-steady flow during filtration processes at riverbank well fields was introduced. Under the assumption of steady-state flow, an analytical approach for determining the key hydraulic parameters (aquifer transmissivity and riverbed filtration resistance) between a stream and a hydraulically connected aquifer during riverbank filtration was presented. An optimal regular observation network (consisting of the locations of monitoring wells and the observation regime), which is based on the model-oriented approach using an example of a riverbank well field near the Kuybyshev Reservoir, Russia, was designed to minimise the uncertainty in the estimates of hydraulic parameters. The analyses showed that the initial recession in the surface water levels for the simplest constant groundwater withdrawal patterns can be used to determine the key hydraulic parameters; the error in these estimated parameters was less than 7% or 12%, depending on the designed monitoring network. When comparing the two typical monitoring networks, observation line A-A that passes midway through the water supply wells performed better than observation line B-B that passes through the water supply wells when estimating the hydraulic parameters. The results of this study can be used as a reference for designing and optimising a monitoring network that aims to determine the key hydraulic parameters at riverbank well fields.

show abstract

Your First Groundwater Model with PMWIN

Cited by 4 publications

References 0 publications

Modelling discharge through artesian springs based on a high‐resolution piezometric network

Modelling discharge through artesian springs based on a high‐resolution piezometric network

Model Rozprzestrzeniania Kadmu W Warstwie Wodonośnej Z Wykorzystaniem Programu Processing Modflow

Optimum experimental design of a monitoring network for parameter identification at riverbank well fields

Contact Info

Product

Resources

About