Treffer: The stochastic simulation of karst conduit network structure using anisotropic fast marching, and its application to a geologically complex alpine karst system.

Anisotropic fast-marching algorithms are computationally efficient tools for generating realistic maps of karst conduit networks, constrained by both the spatial extent and the orientation of karstifiable geologic units. Existing models to generate conduit network maps are limited either by high computational requirements (for chemistry-based models) or by their inability to incorporate the effects of elevation and orientation gradients (for isotropic fast-marching models). The new anisotropic fast-marching approach described here provides a significant improvement, though it imitates rather than reproduces actual speleogenetic processes. It can rapidly generate a stochastic ensemble of plausible networks from basic geologic information, which can also be used as input to karst-appropriate flow models. This paper introduces an open-source, easy-to-use implementation through the Python package pyKasso, then describes its application to a well-mapped geologically complex long-term study site: the Gottesacker alpine karst system (Germany/Austria). Groundwater flow in this system is exceptionally well understood from speleological investigations and tracer tests. Conduit formation primarily occurs at the base of the karst aquifer, following plunging synclines. Although previous attempts to reproduce the conduit network at this site yielded implausible network maps, pyKasso quickly generated networks faithful to the known conduit system. However, the model was only able to generate these realistic networks when the inlet-outlet connections of the system were correctly assigned, highlighting the importance of pairing modeling efforts with field tracer tests. Therefore, a model ensemble method is also presented, to optimize field efforts by identifying the most informative tracer tests to perform. [ABSTRACT FROM AUTHOR]

Resumen: Los algoritmos de avance rápido a nivel anisotrópico son herramientas computacionalmente eficientes para generar mapas realistas de redes de conductos kársticos, limitados tanto por la extensión espacial como por la orientación de las unidades geológicas karstificables. Los modelos existentes para generar mapas de redes de conductos están limitados por los elevados requisitos computacionales (para los modelos basados en la química) o por su imposibilidad de incorporar los efectos de los gradientes de elevación y orientación (para los modelos isotrópicos de avance rápido). El nuevo enfoque de avance rápido a nivel anisotrópico descrito aquí supone una mejora significativa, aunque no reproduce los procesos espeleogenéticos reales, sino que los simula. Puede generar rápidamente un conjunto estocástico de redes plausibles a partir de información geológica básica, que también puede utilizarse como entrada para modelos de flujo apropiados para el karst. Este artículo presenta una implementación de código abierto y fácil de usar a través del programa Python pyKasso, y luego describe su aplicación a un sitio de estudio a largo plazo bien cartografiado y geológicamente complejo: el sistema kárstico alpino de Gottesacker (Alemania/Austria). El flujo de aguas subterráneas en este sistema se conoce excepcionalmente bien gracias a las investigaciones espeleológicas y a las pruebas de trazadores. La formación de conductos se produce principalmente en la base del acuífero kárstico, siguiendo la pendiente de los sinclinales. Aunque los intentos anteriores de reproducir la red de conductos en este lugar dieron lugar a mapas de red poco plausibles, pyKasso generó rápidamente redes fidedignas al sistema de conductos conocido. Sin embargo, el modelo sólo fue capaz de generar estas redes reales cuando se asignaron correctamente las conexiones de entrada-salida del sistema, lo que pone de manifiesto la importancia de acoplar los esfuerzos de modelado con las pruebas de trazadores de campo. Por lo tanto, también se presenta un método de conjunto de modelos para optimizar los trabajos de campo mediante la identificación de las pruebas de trazadores más significativas que deben realizarse. [ABSTRACT FROM AUTHOR]

Résumé: Les algorithmes de fast-marching anisotropes sont des outils de calcul rapides et efficaces pour générer des cartes de réseaux de conduits karstiques plausibles au sein d'une formation géologique en prenant en compte le pendage des roches karstifiables. Les modèles existants capables de générer des réseaux de conduits karstiques sont limitées soit par un temps de calcul élevé (dans le cas des modèles génétiques) soit par leur incapacité de représenter les effets des gradients topographiques et du pendage des roches (dans le cas des modèles de fast-marching isotropes). La nouvelle méthode utilisant un fast-marching anisotrope et présentée dans cet article représente une avancée importante même si elle imite les mécanismes de la spéléogenèse plutôt que de les simuler en détail. Cette méthode est capable de générer rapidement un ensemble de réseaux vraisemblables à partir de données géologiques simples, ensemble qui peut ensuite servir de point de départ pour la modélisation de l'écoulement des eaux souterraines en utilisant des modèles adaptés aux aquifères karstiques. Cet article présente une implémentation libre et facile à utiliser de la méthode: le module Python pyKasso. Les capacités de ce module sont démontrés en modélisant une région de karst alpin bien cartographié située dans un contexte géologique complexe: le système Gottesacker (Allemagne/Autriche). L'écoulement des eaux souterraines sur ce site est exceptionnellement bien connu, grâce à de nombreuses données de traçage et d'explorations spéléologiques. Le développement des conduits se concentre à la base de l'aquifère karstique, le long des axes plongeants de synclinaux. Bien que des efforts précédents de simulation du réseau karstique sur ce site aient rendu des cartes de réseaux improbables, pyKasso a pu rapidement générer des réseaux qui se conformaient au réseau connu. En revanche, le modèle n'a pu générer ces réseaux vraisemblables qu'une fois que chaque point d'entrée du système ait été attribué à la source correcte. Cette limitation surligne le lien essentiel entre la modélisation et les données de traçage acquises sur le terrain. Par conséquent, une méthode est proposée pour l'optimisation du travail de terrain, en utilisant un ensemble de modèles pour identifier les traçages les plus informatifs. [ABSTRACT FROM AUTHOR]

Zusammenfassung: Anisotrope Fast-Marching-Algorithmen sind recheneffiziente Werkszeuge zur Generierung realistischer Karströhren-Netzwerke, die durch die räumliche Verbreitung und die Orientierung verkarstungsfähiger geologischer Einheiten eingeschränkt sind. Existierende Ansätze zur Generierung von Karströhren-Netzwerken sind entweder durch ihren sehr hohen Rechenaufwand limitiert (Modelle, die auf der chemischen Lösungskinetik basieren), oder durch die fehlende Möglichkeit, die Effekte von topografischen und strukturellen Gradienten zu berücksichtigen (isotrope Fast-Marching-Modelle). Der neue anisotrope Fast-Marching-Ansatz, der hier vorgestellt wird, ist daher ein wesentlicher Fortschritt, wobei speläogenetische Prozesse eher imitiert als physikalisch reproduziert werden. Er kann aus einfachen geologischen Informationen schnell ein stochastisches Ensemble plausibler Netzwerke generieren, das auch für karstspezifische Strömungsmodelle verwendet werden kann. Dieses Paper stellt eine leicht nutzbare Open-Source-Implementierung mithilfe des Python-Pakets pyKasso vor und beschreibt dann seine Anwendung auf ein gut untersuchtes, geologisch komplexes Untersuchungsgebiet: das alpine Karstsystem Hochifen-Gottesacker (Deutschland/Österreich). Das unterirdische Entwässerungsnetz in diesem Karstgebiet ist aufgrund von speläologischen Beobachtungen und zahlreichen Markierungsversuchen außergewöhnlich gut bekannt. Karströhren bilden sich dort vor allem an der Basis des Karstaquifers und folgen dem Schichtfallen und den abtauchenden Synklinal-Achsen. Während frühere Versuche, das Karströhren-Netzwerk in diesem Gebiet zu reproduzieren, zu implausiblen Ergebnissen führten, konnte pyKasso sehr schnell Netzwerke generieren, die mit dem bekannten Karströhren-Netzwerk gut übereinstimmen. Allerdings war dies nur möglich, wenn die Einlass-Auslass-Verbindungen des Systems korrekt vorgegeben wurden, was zeigt, dass Karst-Modellierungen sinnvollerweise mit Markierungsversuchen kombiniert werden sollten. Daher wird auch eine Modell-Ensemble-Methode vorgestellt, um Geländeuntersuchungen zu optimieren, indem die jeweils aussagekräftigsten Markierungsversuche identifiziert werden. [ABSTRACT FROM AUTHOR]

Resumo: Algoritmos anisotrópicos de marcha rápida são ferramentas computacionalmente eficientes para gerar mapas realistas de redes de condutos cársticos, restringidos tanto pela extensão espacial quanto pela orientação das unidades geológicas cársticas. Os modelos existentes para gerar mapas de rede de condutos são limitados por altos requisitos computacionais (para modelos baseados em química) ou por sua incapacidade de incorporar os efeitos de gradientes de elevação e orientação (para modelos isotrópicos de marcha rápida). A nova abordagem de marcha rápida anisotrópica descrita aqui fornece uma melhoria significativa, embora imite em vez de reproduzir processos espeleogenéticos reais. Ele pode gerar rapidamente um conjunto estocástico de redes plausíveis a partir de informações geológicas básicas, que também podem ser usadas como entrada para modelos de fluxo apropriados para o carste. Este artigo apresenta uma implementação de código aberto e fácil de usar por meio do pacote Python pyKasso e descreve sua aplicação em um local de estudo de longo prazo geologicamente complexo e bem mapeado: o sistema cárstico alpino Gottesacker (Alemanha/Áustria). O fluxo de águas subterrâneas neste sistema é excepcionalmente bem compreendido a partir de investigações espeleológicas e testes de traçadores. A formação de condutos ocorre principalmente na base do aquífero cárstico, seguindo sinclinais profundas. Embora as tentativas anteriores de reproduzir a rede de conduítes neste local produzissem mapas de rede implausíveis, o pyKasso rapidamente gerou redes fiéis ao sistema de conduítes conhecido. No entanto, o modelo só foi capaz de gerar essas redes realistas quando as conexões de entrada-saída do sistema foram corretamente atribuídas, destacando a importância de emparelhar esforços de modelagem com testes de rastreadores de campo. Portanto, também é apresentado um método de conjunto de modelos, para otimizar os esforços de campo, identificando os testes de traçador mais informativos a serem realizados. [ABSTRACT FROM AUTHOR]

摘要: 各向异性快速行进算法是用于生成岩溶管道网络的真实地图的计算有效的工具, 该网络受可溶地质单元的空间范围和分布控制。生成管道网络图的现有模型要么受限于高计算要求(基于化学的模型), 要么受限于它们无法考虑高程和方向梯度的影响(对于各向同性快速行进模型)。这里描述的新的各向异性快速行进方法提供了显著的改进, 尽管它模仿而不是再现实际的洞穴发生过程。它可以从基本地质信息中快速生成合理网络的随机集合, 也可以用作适合岩溶流动模型的输入。本文通过 Python 包 pyKasso 介绍了一个开源、易于使用的实现, 然后描述了在一个细致绘制、地质复杂的长期研究场地:Gottesacker 高山岩溶系统(德国/奥地利)的应用。从洞穴学调查和示踪测试中可以非常清楚地了解该系统中的地下水流。管道的形成主要发生在岩溶含水层的底部, 并沿向斜倾斜。尽管以前在该场地再现管道网络的尝试产生了难以置信的网络图, 但 pyKasso 迅速生成了符合已知管道系统认识的网络。然而, 只有在正确分配系统的入口-出口连接时, 该模型才能生成真实的网络, 这突出了将建模工作与现场示踪试验联合的重要性。因此, 还提出了一种模型集成方法, 通过确定要执行的最大信息量的示踪试验来优化现场工作。 [ABSTRACT FROM AUTHOR]