Co je to model proudění podzemní vody (hydraulický model)?
Modely jsou v nejširším významu zjednodušeným funkčním vyjádřením existujícího fyzikálního systému.

Pro případ hydraulických modelů lze obecnou definici modelu upřesnit tak, že hydraulický model představuje zjednodušenou funkční reprezentaci reálného hydrogeologického systému, která slouží k analýze chování systému jako celku i jeho jednotlivých částí.
Význam pojmu model je různorodý a závisí na kontextu, ve kterém je používán. Většinu modelů lze zařadit do jedné z následujících kategorií:
- kvalitativní popis procesů probíhajících v systému, například formou schématu nebo slovního popisu,
- zjednodušená fyzikální reprezentace systému, například fyzikální modely z ekvivalentních materiálů, elektrické analogy nebo laboratorní experimenty,
- matematická reprezentace fyzikálního systému.
V dalším textu se budeme zabývat pouze třetí skupinou, tedy modely vyjádřenými matematicky a řešenými pomocí výpočetních programů.
Prakticky každá studie hydrogeologických procesů, která přesahuje pouhý sběr a tabelování dat, v sobě zahrnuje určitou formu modelování. Na počátku si hydrogeolog zpravidla vytváří vlastní představu o tom, jak daný systém funguje. Mluvíme o tzv. mentálním modelu. Na něj navazuje koncepční model, který tuto představu převádí do podoby sdělitelné a ověřitelné odbornou veřejností. Jde již o strukturovanější popis systému, který může mít podobu grafů, blokdiagramů, geologických a hydrogeologických řezů, map nebo jiných grafických výstupů doplněných textovým komentářem. Součástí koncepčního modelu bývá zejména vymezení a geometrizace hydrogeologických jednotek, například kolektorů a izolátorů, odhad jejich hydraulických parametrů, popis okrajových podmínek, definice zdrojů a propadů a základní představa o vodní bilanci území.
Následujícím krokem je převod koncepčního modelu do matematického modelu, který vyjadřuje vztahy mezi jednotlivými prvky systému pomocí matematických rovnic. V hydrogeologii jsou tyto rovnice u složitějších reálných úloh zpravidla řešeny numerickými metodami. Tím vzniká numerický model, jehož sestavení je spojeno mimo jiné s prostorovou a v případě nestacionárních úloh také časovou diskretizací řešeného systému.
Numerické modelování představuje významný nástroj studia hydrogeologických procesů, protože umožňuje kvantitativně popsat proudění podzemní vody a související procesy, ověřovat předpoklady koncepčního modelu a hodnotit odezvu systému na různé přírodní i antropogenní vlivy. Při práci s numerickým modelem lze rozlišit dva základní přístupy k odhadu jeho parametrů: přímé modelování a inverzní modelování.
Při přímém modelování jsou parametry modelu, například hydraulické vlastnosti kolektoru, stanoveny a na základě jejich hodnot jsou následně vypočítávány hladiny, průtoky a další modelové veličiny. V praxi však bývá pro většinu modelovaných systémů k dispozici podstatně více dat o hladinách podzemní vody, průtocích či směrech proudění než přímých informací o parametrech modelovaného prostředí. Hodnoty těchto parametrů je proto zpravidla nutné odhadovat nepřímo na základě schopnosti modelu reprodukovat pozorovaný stav systému. Vstupní parametry proto bývají v průběhu kalibrace postupně upravovány, často metodou pokusu a omylu, tak aby bylo dosaženo přijatelné shody mezi pozorovanými a simulovanými hodnotami. Tento postup může vést k uspokojivé kalibrační shodě, bývá však časově náročný a nemusí vždy vést k nalezení nejlepší kombinace parametrů. Současně sám o sobě neposkytuje systematickou informaci o nejistotě odhadovaných parametrů ani o nejistotě výsledných predikcí modelu.
Právě tyto limity jsou jedním z důvodů využití inverzního modelování, při kterém jsou vybrané parametry modelu upravovány systematicky a zpravidla automatizovaně tak, aby byla minimalizována odchylka mezi výsledky modelu a terénním pozorováním. Inverzní modelování je založeno na opakovaném spouštění numerického modelu pro různé kombinace parametrů, a může proto být výpočetně velmi náročné. S rostoucím a současně stále dostupnějším výpočetním výkonem však tato omezení postupně ztrácejí na významu a metody automatické kalibrace lze využívat i u rozsáhlejších a složitějších modelů. Vedle hledání optimální kombinace parametrů tak lze stále častěji provádět také citlivostní analýzy a hodnotit nejistotu parametrů i modelových predikcí.
Důležitým doplňkem kalibrace je citlivostní analýza, která umožňuje určit, na změny kterých parametrů a okrajových podmínek model reaguje nejvýrazněji a které naopak mají na výsledky pouze malý vliv. Pomáhá tak zaměřit kalibraci na skutečně významné parametry a současně ukazuje, které části modelu jsou dostupnými daty dobře podloženy a kde přetrvává větší nejistota. Ani velmi dobrá shoda modelu s pozorovanými daty totiž sama o sobě neznamená, že jsou všechny parametry modelu určeny jednoznačně. Podobného výsledku kalibrace lze často dosáhnout různými kombinacemi parametrů. Citlivostní analýza a hodnocení nejistoty modelových predikcí proto představují důležitou součást moderního numerického modelování, zejména pokud má být model použit k predikci budoucího vývoje nebo k posouzení dopadů plánovaných zásahů.
Kalibrovaný numerický model lze následně využít k predikci odezvy hydrogeologického systému na změnu podmínek. Může jít například o změnu odběrů podzemní vody, výstavbu podzemního díla, odvodnění území, změnu okrajových podmínek, dlouhodobý vývoj dotace podzemní vody nebo šíření rozpuštěných látek.
Predikční výpočet se od kalibrace zásadně liší tím, že model již nereprodukuje známý stav systému, ale je použit pro podmínky, které dosud nenastaly nebo nebyly pozorovány. Výsledky predikce jsou proto vždy podmíněny správností koncepčního modelu, kvalitou dostupných dat a nejistotou parametrů i budoucích vstupních podmínek.
Z tohoto důvodu se predikce zpravidla neomezuje na jediný výpočet. Vhodnější je posuzovat soubor scénářů, které pokrývají realistický rozsah možného budoucího vývoje. Vedle základní varianty mohou být hodnoceny například méně a více příznivé podmínky, odlišné hodnoty dotace, rozdílná intenzita odběrů nebo různé varianty technického řešení.
Významnou roli zde opět hraje citlivostní analýza a hodnocení nejistoty. Umožňují určit, které předpoklady mají na predikovaný výsledek největší vliv a do jaké míry je výsledek robustní vůči změnám parametrů. V řadě případů je proto vhodnější interpretovat výsledky modelu jako rozsah pravděpodobného vývoje než jako jedinou přesně určenou hodnotu.
Model tak neslouží pouze k výpočtu „budoucího stavu“, ale především jako nástroj pro porovnávání variant, identifikaci rozhodujících faktorů a posouzení možných důsledků plánovaných zásahů.
