本发明属于水文地质领域污染源识别技术领域，具体涉及一种融合多源观测数据精细刻画重非水相污染场地的方法。
背景技术：
重非水相液体(dnapl)污染在世界各地普遍存在。一旦泄漏到地下，重非水相液体(dnapl)的高密度、低界面张力和低粘度的特性使其难以清除，并导致其成为地下水污染的长期来源。当重非水相液体(dnapl)被释放到地下时，重非水相液体(dnapl)会被困在孔隙中形成不连续的离散或低渗透区域上方的池状重非水相液体(dnapl)。重非水相液体(dnapl)在地下介质中的空间分布受到渗透系数非均质性的影响，详细描述地下含水层结构是对重非水相液体(dnapl)污染源区进行高分辨率表征的前提。
常见的表征污染源区结构的方法有侵入式钻探和土壤调查中的样本采集，但是这些方法会破坏污染源区结构并导致池状重非水相液体(dnapl)进一步运移。近年来，许多非侵入性方法被用于刻画重非水相液体(dnapl)的分布，如井间分溶示踪(pitt)方法，谐波水力层析方法。然而大多数已有研究没有联合反演渗透率和重非水相液体(dnapl)的非均质分布，也没有考虑水头数据对重非水相液体(dnapl)污染源区结构估计的价值。
只有少数研究者考虑了渗透率的影响，例如yeh和zhu(2007)提出了水力/分溶示踪层析方法(hptt)推估重非水相液体(dnapl)污染源，该方法结合了水力层析(ht)和分溶示踪法(ptt)，能同时反演渗透率和重非水相液体(dnapl)饱和度的空间分布。但水力/分溶示踪层析方法(hptt)对于池状为主的重非水相液体(dnapl)污染源区结构的推估精度明显不足。这是因为，首先水力/分溶示踪层析方法(hptt)在推估过程没有考虑重非水相液体(dnapl)的饱和度先验信息对于水头数据的价值。其次，水力/分溶示踪层析方法(hptt)只能利用下游的观测井监测分溶示踪浓度，由于观测井孔有限，难以对重非水相液体(dnapl)污染源区结构进行高分辨率刻画。最后，在强非均质含水层中，利用分溶示踪剂推估重非水相液体(dnapl)饱和度的空间分布时，往往会出现示踪剂的绕流作用，从而给重非水相液体(dnapl)饱和度空间分布的推估带来很大的挑战。
与水力/分溶示踪层析方法(hptt)相比，地球物理法在刻画污染物分布方面具有成本低、采样密度高的优点。为了克服由于数据缺乏和示踪剂绕流而造成的重非水相液体(dnapl)污染源区结构推估的误差，可以使用地球物理方法作为观测数据来源，以提高重非水相液体(dnapl)污染源区结构的刻画精度。地球物理方法，特别是电阻率层析成像(ert)方法，对以池状为主的重非水相液体(dnapl)有良好的响应，被广泛应用于重非水相液体(dnapl)污染源区结构的探测。
技术实现要素：
发明目的：为了克服水力/分溶示踪层析方法(hptt)在推估重非水相液体(dnapl)污染源区结构过程中观测孔有限、忽视重非水相液体(dnapl)饱和度的空间分布对水头数据的影响、分溶示踪剂出现的扰流作用等问题，本发明提出了一种融合多源观测数据精细刻画重非水相污染场地的方法，通过建立一个耦合多相流模型和电阻率层析成像(ert)模型的循环迭代联合反演框架，提高对渗透率和重非水相液体(dnapl)污染源的精细刻画。
技术方案：一种融合多源观测数据精细刻画重非水相污染场地的方法，包括以下步骤：
步骤1：在污染场地采用水力层析(ht)方法观测得到水头数据观测值；
步骤2：在污染场地采用井间分溶示踪(pitt)法得到示踪剂浓度观测值，采用电阻率层析成像(ert)方法，测量得到视电阻率观测值；
步骤3：将作为先验信息的重非水相液体(dnapl)饱和度的空间分布和模拟生成的渗透率空间分布，进行水力层析(ht)过程模拟，得到水头数据模拟值；采用集合卡尔曼滤波算法同化水头数据模拟值和水头数据观测值，得到渗透率空间分布；
步骤4：随机生成重非水相液体(dnapl)饱和度的空间分布，将所得重非水相液体(dnapl)饱和度的空间分布和步骤3得到的渗透率空间分布，进行井间分溶示踪(pitt)过程模拟，得到示踪剂浓度模拟值，将随机生成的重非水相液体(dnapl)饱和度的空间分布和步骤2得到的渗透率空间分布，进行地球物理正演，得到视电阻率模拟值；采用集合卡尔曼滤波算法同化所得示踪剂浓度模拟值，示踪剂浓度观测值，视电阻率模拟值和视电阻率观测值，得到重非水相液体(dnapl)饱和度的空间分布；
步骤5：以步骤4得到的重非水相液体(dnapl)饱和度的空间分布作为步骤3的先验信息，转入步骤3，形成迭代循环，直至达到收敛标准结束循环，得到重非水相液体(dnapl)污染源区空间分布。
进一步的，在步骤2中，所述的“在污染场地采用井间分溶示踪(pitt)法得到示踪剂浓度观测值”，具体包括：
在污染场地采用井间分溶示踪(pitt)法，将分溶型和保守型示踪剂同时注入含水层，从观测井中获得浓度穿透曲线，基于浓度穿透曲线得到示踪剂浓度观测值。
进一步的，所述步骤1，具体包括：
s101：在污染场地，将同一井孔分割为多个垂直井段；
s102：按顺序对该井孔不同井段进行抽水或注水，对其他井段的水头响应进行监测，得到多个数据组，该数据组包括抽水量或注水量和其对应的水位响应数据；
对污染场地的其他井孔重复执行s101至s102，最终得到一系列连续的交叉孔数据组，该数据组包括抽水量或注水量和其对应的水位响应数据，作为水头数据观测值。
进一步的，在步骤3中，所述的“模拟生成的渗透率空间分布”，包括：采用由地质统计软件库中的顺序高斯模拟生成的渗透率空间分布。
有益效果：本发明与现有技术相比，具有以下优点：
(1)本发明通过建立一个耦合多相流模型和电阻率层析成像(ert)模型的循环迭代联合反演框架，以提高渗透率和对重非水相液体(dnapl)污染源区结构的刻画；
(2)本发明采用基于集合卡尔曼滤波(enkf)的循环迭代方法，考虑了饱和度先验信息对于水头数据的影响，提高重非水相液体(dnapl)污染源的推估精度。
附图说明
图1为循环反演框架流程图；其中，sn场表示重非水相液体(dnapl)饱和度的空间分布场，lnk是渗透率k取对数，表示对数渗透率场；
图2为理想算例参考场；
图3为观测孔和电极的分布位置；其中，三角形表示观测孔，方块代表电极，矩形为水力层析(ht)过程中的注入孔，在垂直方向上，观察孔与电极位置重合；
图4为两次循环，四种算例下对数渗透率场的均值和散点图；其中case1是无重非水相液体(dnapl)饱和度的空间分布作为先验信息下的渗透率推估结果，case2是基于循环1中井间分溶示踪(pitt)获得的重非水相液体(dnapl)饱和度的空间分布作为先验信息下的渗透率推估结果，case3是基于循环1中电阻率层析成像(ert)获得的重非水相液体(dnapl)饱和度的空间分布作为先验信息下的渗透率推估结果，case4是基于循环1中井间分溶示踪(pitt)和电阻率层析成像(ert)联合获得的重非水相液体(dnapl)饱和度的空间分布作为先验信息下的渗透率推估结果；
图5为两次循环中，六种算例下估计重非水相液体(dnapl)饱和度(sn)场的集合均值和方差；在循环1推估重非水相液体(dnapl)饱和度的空间分布过程中，在case5中仅使用井间分溶示踪(pitt)方法数据，在case6中仅使用电阻率层析成像(ert)数据，在case7中同时使用井间分溶示踪(pitt)和电阻率层析成像(ert)数据；在循环2推估重非水相液体(dnapl)饱和度的空间分布过程中，在case8中仅使用井间分溶示踪(pitt)方法数据，在case9中仅使用电阻率层析成像(ert)数据，在case10中同时使用井间分溶示踪(pitt)和电阻率层析成像(ert)数据。
具体实施方式
为了使本发明的目的、技术方案和优点更加清楚，下面将结合附图及具体实施例对本发明进行详细描述。
如图1所示，为了考虑渗透率对重非水相液体(dnapl)饱和度的空间分布的影响，本发明提出了一种融合多源观测数据精细刻画重非水相污染场地的方法，分五个阶段进行反演：
第1阶段：在污染场地进行水力层析(ht)测试，用止水器将同一井孔分割为许多垂直井段，按顺序在不同井孔的不同井段进行抽水或注水，并在其他井段监测水位响应，得到一系列连续的交叉孔数据组，该数据组包括抽水量或注水量及对应的水位响应数据。以上数据组即为含水层的水头数据观测值。
第2阶段：在污染场地采用井间分溶示踪(pitt)法将分溶型和保守型示踪剂同时注入含水层，从观测井中获得浓度穿透曲线，基于浓度穿透曲线得到示踪剂浓度观测值；同时采用地表联合跨孔的电阻率层析成像(ert)方法，获取大量廉价且低精度的视电阻率观测值。
第3阶段：使用顺序高斯模拟生成渗透率空间分布场(k场)，设置先验信息重非水相液体(dnapl)饱和度的空间分布(sn场)，在初始阶段，重非水相液体(dnapl)场＝0，表示没有重非水相液体(dnapl)分布场的先验信息，参照第1阶段中的水文地质条件以及水力层析(ht)布置方式，利用德克萨斯大学化学成分模拟器(utchem)软件建立多相流模型，将先验信息和渗透率空间分布场(k场)代入多相流模型，进行水力层析(ht)过程模拟，运行得到水头数据模拟值，采用集合卡尔曼滤波算法同化所得水头数据模拟值和第1阶段得到的水头数据观测值，估计得到渗透率空间分布。
第4阶段：随机生成重非水相液体(dnapl)饱和度的空间分布，参照第2阶段中的水文地质条件以及井间分溶示踪(pitt)方法和电阻率层析成像(ert)方法的布置方式，利用德克萨斯大学化学成分模拟器(utchem)软件建立相应的多相流模型。以第3阶段估计得到的渗透率空间分布作为先验信息，将先验信息和随机生成的重非水相液体(dnapl)饱和度的空间分布代入多相流模型运行，进行井间分溶示踪(pitt)过程模拟，得到示踪剂浓度模拟值，将先验信息和随机生成的重非水相液体(dnapl)饱和度的空间分布，代入电阻率层析成像(ert)模型，进行电阻率层析成像(ert)，得到视电阻率模拟值，采用集合卡尔曼滤波算法同化所得示踪剂浓度模拟值，第2阶段得到的示踪剂浓度观测值，视电阻率模拟值和视电阻率观测值，估计得到重非水相液体(dnapl)饱和度的空间分布。
第5阶段，为了将重非水相液体(dnapl)饱和度分布信息纳入到水力层析(ht)中，将第4阶段所得的重非水相液体(dnapl)饱和度的空间分布作为第3阶段的先验信息继续进行渗透率反演，形成迭代循环，直至收敛结束，从而提高渗透率和重非水相液体(dnapl)污染源区结构刻画的准确性。
现对上述阶段中提及到的模型说明如下：
本发明的多相流模型采用德克萨斯大学化学成分模拟器(utchem)来模拟重非水相液体(dnapl)在水相中的释放、迁移和溶解。德克萨斯大学化学成分模拟器(utchem)是一个三维多相流模拟器，可以模拟多组分污染物运移、复杂的地球化学反应、微生物降解和有机物溶解。在本发明中，德克萨斯大学化学成分模拟器(utchem)用于生成重非水相液体(dnapl)污染源区，以及多相流运移过程中的计算。
电阻率层析成像(ert)模型将水文地质信息转化为地球物理信息，得到地下电阻率。现以细砂为例，因此应用了阿尔奇定律将水文状态和电性结合在一起：
其中，ρ为砂体电阻率，sw为水相饱和度(sw sn＝1)，m为砂体胶结指数，假设饱和指数和胶结度相等，根据经验假设m＝2，σw为孔隙水电导率(s/m)，细砂孔隙率φsd由下列算式得到：
式中，dsd为砂体直径，在本实施例中，dsd＝10-4m。
水的电阻率取决于孔隙流体中溶解离子的浓度和流动性，离子浓度对孔隙水电阻率的影响可以用以下模型来解释：
式中，t为温度(℃)，cf为与盐度相关的离子浓度(mol/l)。在本实施例中，温度设定为常数(25℃)，cf为保守示踪剂的浓度。
原始地球物理观测数据ρa可以通过岩石物理模型转换成砂体电阻率ρ的直流电阻率正演模型得到。电阻率层析成像(ert)模型可以通过求解偏微分方程来计算视电阻率值：
式中，ρ为砂体电阻率，v为电势，δ是狄拉克函数，r为单电流电极，理想化为原点的点源，i为电流强度为。本实施例采用agiearthimager软件求解地球物理正演问题。
本发明应用集合卡尔曼滤波算法(enkf)来推断含水层渗透率和重非水相液体(dnapl)饱和度分布。集合卡尔曼滤波算法(enkf)是一种从贝叶斯公式出发的顺序蒙特卡罗方法，假设正演模型是一阶马尔科夫过程，它通过一组实现来估计模型参数的统计量，在集合卡尔曼滤波算法中，测量误差与时间无关。
在初始时间t0阶段，利用自然对数变换渗透率分布(lnk)场，通过对地质统计参数的先验猜测得到渗透率y(y＝lnk)的nr实现；在第2阶段，通过对重非水相液体(dnapl)分布参数的先验猜测得到lnsn的nr实现。增广状态向量yt解释为：
式中，pt为t时刻状态参数向量，如k、sn；st为状态变量向量，如水头、浓度、地球物理观测数据。ny＝nm ns表示参数维数，其中ns为多相流模型中的网格数，nm为需要估计的参数。
从相同的先验信息开始，将多相流模型向前推进到第一次测量时间t1。在t1时刻，将增广状态向量y1更新为：
式中，a是模型分析，f是指初始猜测或模型预测，
在本发明中，使用重启集合卡尔曼滤波(“restartenkf”)算法递归反演渗透率和重非水相液体(dnapl)分布。首先，在获得新的测量数据后，将多相流模型从t0重新运行到ti。然后通过式(6)更新每个测量时间ti的k值或sn值，重复这个过程直到同化结束。
综上，本发明通过构建基于集合卡尔曼滤波的循环迭代方法，融合了水头，示踪剂浓度以及电阻率等多源观测数据，显著提高含水层非均质分布和重非水相液体(dnapl)污染源区的精细刻画程度。本发明的系统考虑了渗透率对重非水相液体(dnapl)饱和度的空间分布的影响，将电阻率层析成像(ert)模型和多相流模型耦合在一个反演框架中，形成循环迭代。
现通过以下数值实验来说明本发明的联合反演框架的优势。在这些合成算例中，水力层析(ht)过程仅通过水头数据进行监测，而井间分溶示踪(pitt)过程通过水文地质采样和电阻率层析成像(ert)进行监测。
算例是一个二维剖面的非均质承压含水层(长16米，高8米)。含水层离散成32×16＝512个单元格，每个单元的大小δx＝δz＝0.5m。含水层的顶部和底部均为零通量边界，设置固定的0.005水力梯度，保证地下水从左向右流动。参考场(绝对渗透率k场，如图2所示)由顺序高斯模拟生成，均值lnk＝-26(m2)，标准差为σlnk＝1.3，相关长度ix＝5m，iz＝1.5m的指数协方差函数。模型的具体参数见表1。
四氯乙烯在泄漏中过程形成了池状的污染源区。在该泄露过程中，假设四氯乙烯在10天内以点源形式渗漏，渗漏速率为0.06m3/d，之后50天进行自然迁移。运移过程中，四氯乙烯穿过高渗透带，之后聚集在低渗透带(图1)。
对于反演框架，渗透率的初始实现是通过顺序高斯模拟(sgsim)生成的，将表1中的指数协方差函数参数作为反演过程中渗透率的先验协方差函数参数。反演的实现大小取为500。重非水相液体场的初始实现是由顺序高斯模拟生成，均值＜lnsn＞＝-4.6(sn＝0.01)，标准差lnsn＝1，相关长度ix，iz＝5，3m的指数协方差模型。重非水相饱和度场的实现大小与渗透率场相同。
为了证明循环迭代联合反演框架的优势(图1)，对不同类型的观测数据组合进行了两次数值实验。在实验中，设计了两次循环(表2)的十种情况。在循环1中，使用不考虑重非水相液体(dnapl)先验信息的水头数据估计渗透率，然后根据case1得到的渗透率，在case5中仅使用井间分溶示踪(pitt)数据，在case6中仅使用电阻率层析成像(ert)数据，在case7中同时使用井间分溶示踪(pitt)和电阻率层析成像(ert)数据反演重非水相液体(dnapl)分布。在循环2中，分别根据case5、case6和case7中重非水相液体(dnapl)饱和度分布场作为先验信息，利用case2、case3和case4中的水力层析(ht)数据估计渗透率场。然后分别用case2、case3、case4中获得的渗透率场作为先验信息，分别用case8中的井间分溶示踪(pitt)数据、case9中的电阻率层析成像(ert)数据、case10中的井间分溶示踪(pitt)和电阻率层析成像(ert)数据来估计重非水相液体(dnapl)分布。
在水力层析(ht)中，在含水层x＝0m，5.3m，10.6m和16m处放置4口垂直穿透井。每个井平均有8个观察孔(图3三角形)和1个至2个注入孔(图3矩形)。在各注水口按10m3/d的恒定速率依次向含水层注水，同时利用观测口采集水头数据。每个孔注射2天，6个注射孔注水共12天。在每个注入过程中，可以得到32个观测数据。在总共的12次注入过程中，共获得384个水头数据。
在井间示踪过程中，在x＝0的位置以3m3/d的速度均匀注入8个孔，在x＝16的位置以3m3/d的速度从8个孔均匀抽运示踪剂，得到示踪剂浓度数据。x＝5.3m和10.6m的其他16个端口也用于示踪剂浓度数据的观测。在稳态流场下，示踪剂混合物释放在注入井中，持续1天。2，2-dimethyl-3-pentanol(dmp)，n-hexanol(hex)和6-methyl-2-heptanol(6m2h)被用作分溶示踪剂，每个示踪剂溶液浓度为0.5kg/m3，分溶系数值分别为27.5，8.5，88.5。保守示踪剂选用溴化物，浓度设置为5kg/m3，使得注入地下时水相电导率发生显著变化。在进行电阻率层析成像(ert)测量时，顶部含水层设17个电极，垂直钻孔设32个电极(图3)，顶部电极之间及垂直孔内电极之间相距1m。电极阵列在水平线上采用偶极-偶极配置，在井间测量中采用双极-双极阵列。模拟时间为10天，每天采集一次分溶示踪浓度数据和电阻率层析成像(ert)数据。在井间分溶示踪(pitt)测试期间共采集了720个分溶示踪剂浓度数据和14670个电阻率数据。阶段2完成后，将获得的重非水相液体(dnapl)饱和度空间分布带回阶段1开始循环2。在水头数据、示踪剂浓度和电阻率中分别增加了1％、3％和10％的相对误差。
图4显示了利用水头数据和循环迭代框架对渗透率场的估计和真实渗透率场与估计渗透率场的散点图。在渗透率反演中，所有的推估方法都是基于水头数据。因此，渗透率估计结果的差异主要是由于重非水相液体(dnapl)先验信息的差异造成的。
在case1中，没有使用关于重非水相液体(dnapl)分布的先验信息来描述渗透率场。这样的估计可以重建渗透率场的主要结构，表明水力层析(ht)是渗透率表征的一种有效方法。但由于缺乏重非水相液体(dnapl)分布的先验信息，在水力层析(ht)过程中，会将重非水相液体(dnapl)分布对水头的影响误认为渗透率对水头的影响。结果表明，水力层析(ht)方法不能更准确地表征渗透率场。在case1-4中，由于缺少重非水相液体(dnapl)场的先验信息，在case1中渗透率场估计的均方根误差最差。
在case2、case3和case4中，用于估计水力层析(ht)场的重非水相液体(dnapl)分布的先验信息分别来自case5、case6和case7(图5)。根据图4和图5可知，在相同的条件下，较差的重非水相液体饱和度(sn)先验信息(case6)会导致渗透率的估计结果较差(case3)，而准确的重非水相液体先验信息(case7)会导致渗透率的估计结果较好(case4)。重非水相液体的先验信息越接近参照场，渗透率的推估结果越好。因此，重非水相液体(dnapl)分布的先验信息对渗透率推估具有重要意义。与没有重非水相液体(dnapl)分布先验信息的情况(casel)相比，使用重非水相液体(dnapl)饱和度(sn)的最佳先验信息(case4)，渗透率估计的均方根误差降低了16.6％。
基于循环1中case1估计的渗透率场，我们在case5中的只用井间分溶示踪(pitt)数据，case6中只用电阻率层析成像(ert)数据，case7中使用井间分溶示踪(pitt)数据和电阻率层析成像(ert)数据来描述重非水相液体(dnapl)场。基于case2-4情况下渗透率(lnk)先验信息，我们用分别用case5-7的方法对应估计case8-10中的重非水相液体(dnapl)饱和度分布场(见表2)。
在case5中，可以通过在井间分溶示踪(pitt)测试中得到的示踪数据推估出重非水相液体(dnapl)的近似分布。但由于缺乏观测孔，导致重非水相液体(dnapl)源区在含水层中的分布范围估计过高。重非水相液体(dnapl)高饱和度的低渗透区域会产生绕流问题，导致推估结果不准确。渗透率的先验信息不准确也是重非水相液体(dnapl)错误估计的一个重要原因。
在case6中，使用低成本和数据密集型的电阻率层析成像(ert)来反演池状占优势的重非水相液体(dnapl)污染源区结构。根据岩石地球物理模型，电阻率层析成像(ert)对高饱和重非水相液体(dnapl)敏感。与case5相比，case6确定了重非水相液体(dnapl)分布的大致范围。然而，由于分辨率较低，电阻率层析成像(ert)无法准确描述重非水相液体(dnapl)源区形状。此外，电阻率层析成像(ert)的低分辨率导致case6的方差大于case5。
case7结合示踪剂和电阻率层析成像(ert)数据估计重非水相液体(dnapl)分布。集合的均方根误差的结果表明，结合这两个数据集可以很好地再现重非水相液体(dnapl)分布。这表明电阻率层析成像(ert)可以作为示踪剂的一个很好的补充。虽然电阻率层析成像(ert)的准确性较低，但可以为研究区域提供足够的数据，且对高饱和重非水相液体(dnapl)区域较为敏感。另一方面，在高精度示踪数据的约束下，可以成功地降低重非水相液体(dnapl)源区反演的不确定性。值得注意的是，重非水相液体(dnapl)积累的地方的方差相对较低。因为该区域的重非水相液体(dnapl)饱和度有很大改进。因此，这里的观察更值得估计，不确定性也更低。
将循环1中case5-7的均方根误差与循环2中case8-10的均方根误差进行比较，循环2中估计的重非水相液体(dnapl)饱和度分布场要优于循环1中估计的重非水相液体(dnapl)饱和度，这是由于渗透率值作为先验信息精度的提高，可以更好地估计重非水相液体(dnapl)饱和度分布场。因此，先验信息渗透率的准确性对重非水相液体(dnapl)饱和度分布的估计至关重要。与循环1中三种情况的结果相比，循环2中重非水相液体(dnapl)饱和度分布估计的均方根误差平均降低了7.9％。
表1utchem软件里用到的模拟含水层环境的参数
表2.数值实验的参数设置
表2中，循环1表示该循环的第一次迭代，循环2表示循环的第二次迭代。重非水相液体(dnapl)饱和度分布sn＝0表示没有重非水相液体(dnapl)饱和度分布(sn)的先验信息。
1.一种融合多源观测数据精细刻画重非水相污染场地的方法，其特征在于：包括以下步骤：
步骤1：在污染场地采用水力层析方法观测得到水头数据观测值；
步骤2：在污染场地采用井间分溶示踪法得到示踪剂浓度观测值，采用电阻率层析成像方法，测量得到视电阻率观测值；
步骤3：将作为先验信息的重非水相液体饱和度的空间分布和模拟生成的渗透率空间分布，进行水力层析过程模拟，得到水头数据模拟值；采用集合卡尔曼滤波算法同化水头数据模拟值和水头数据观测值，得到渗透率空间分布；
步骤4：随机生成重非水相液体饱和度的空间分布，将所得重非水相液体饱和度的空间分布和步骤3得到的渗透率空间分布，进行井间分溶示踪过程模拟，得到示踪剂浓度模拟值，将随机生成的重非水相液体饱和度的空间分布和步骤2得到的渗透率空间分布，进行地球物理正演，得到视电阻率模拟值；采用集合卡尔曼滤波算法同化所得示踪剂浓度模拟值，示踪剂浓度观测值，视电阻率模拟值和视电阻率观测值，得到重非水相液体饱和度的空间分布；
步骤5：以步骤4得到的重非水相液体饱和度的空间分布作为步骤3的先验信息，转入步骤3，形成迭代循环，直至达到收敛标准结束循环，得到重非水相液体污染源区空间分布。
2.根据权利要求1所述的一种融合多源观测数据精细刻画重非水相污染场地的方法，其特征在于：在步骤2中，所述的“在污染场地采用井间分溶示踪法得到示踪剂浓度观测值”，具体包括：
在污染场地采用井间分溶示踪法，将分溶型和保守型示踪剂同时注入含水层，从观测井中获得浓度穿透曲线，基于浓度穿透曲线得到示踪剂浓度观测值。
3.根据权利要求1所述的一种融合多源观测数据精细刻画重非水相污染场地的方法，其特征在于：所述步骤1，具体包括：
s101：在污染场地，将同一井孔分割为多个垂直井段；
s102：按顺序对该井孔不同井段进行抽水或注水，对其他井段的水头响应进行监测，得到多个数据组，该数据组包括抽水量或注水量和其对应的水位响应数据；
对污染场地的其他井孔重复执行s101至s102，最终得到一系列连续的交叉孔数据组，该数据组包括抽水量或注水量和其对应的水位响应数据，作为水头数据观测值。
4.根据权利要求1所述的一种融合多源观测数据精细刻画重非水相污染场地的方法，其特征在于：在步骤3中，所述的“模拟生成的渗透率空间分布”，包括：采用由地质统计软件库中的顺序高斯模拟生成的渗透率空间分布。
技术总结