Optimal groundwater quality management under uncertainty: incorporating the effects of spatial variability of hydraulic conductivity

Uncertainty due to spatial variability of hydraulic conductivity is explicitly incorporated into a procedure for the optimal design of aquifer remediation strategies. The management procedure is based on the stochastic approach to groundwater flow and contaminant transport modelling, in which the hydraulic conductivity is represented as a random field. The remediation design procedure begins with the solution of the stochastic inverse model. Maximum Likelihood and Gaussian conditional mean estimation are used to characterize the random conductivity field based on hydraulic conductivity and hydraulic head measurements. Next, the nonlinear groundwater quality management problem is simultaneously solved for a sampling of hydraulic conductivity realizations. An example shows that reclamation design based on as few as thirty conductivity realizations can provide reliable remediation strategies. Exploitation optimale de la qualité des eaux souterraines dans le cas d'incertitude due aux effets de variabilité spatiale de la conductivité hydraulique. Résumé Les incertitudes dues à la variabilité spatiale de la conductivité hydraulique sont explicitement intégrées à un programme pour le rendement optimal des stratégies de remise en état des aquifères. Le programme d'exploitation est basé sur l'approche stochastique des écoulements des eaux souterraines et sur la modélisation du transport des contaminants dans laquelle la conductivité hydraulique est représentée comme un champ aléatoire. Le processus commence par la solution du modèle stochastique inverse. Afin de déterminer le champ aléatoire des conductivités hydrauliques, on utilise les méthodes d'estimation conditionnelle de Gauss et de vérosimilitude maximale qui tiennent compte des données des mesures prises, dans l'aquifère, sur la conductivité hydraulique et sur la charge hydraulique. Ensuite, le problème non-linéaire de l'exploitation