Efficient modeling of environmental systems in the face of complexity and uncertainty

Abstract

Strong industrial development of the last century has led to a significant increase in public demand for different types of energy and, as a consequence, to an enormous increase in demand for natural resources. Naturally, all types of nature resources form a part of our surrounding environment. In order to extract natural resources a wide variety of technologies has been developed. This has led to a strong rise in interventions in the environment continuing up to the present days. At the same time, environmental systems form one of the largest and most important classes of complex dynamic systems. For this reason, society needs a better understanding of the environment in order to have an efficient and safe interaction for the sake of maximized welfare and sustainability in resources management. In particular, the ability to predict how the environment changes over time or how it will react to planned interventions is indispensable. However our surroundings behave non-trivially in various time and spatial scales. Moreover, many environmental systems are heterogeneous, non-linear and dominated by real-time influences of external driving forces. Unfortunately, a complete picture of environmental systems is not available, because many of these systems cannot be observed directly and only can be derived using sparse measurements. Moreover, environmental data is hardly available and expensive to acquire. Overall, this leads to limited observability, and an inherent uncertainty in all modeling endeavors. Still, research over several decades has showed that modeling plays a very important role in reconstructing (as far as possible) the complete and complex picture of the environment systems and offers a unique way to predict behavior of such multifaceted systems. The current thesis contains research in the field of environmental modeling in the face of complexity and uncertainty. The presented thesis is divided into three parts and refers to diverse applications such as underground petroleum reservoirs, groundwater flow, radioactive waste deposits and storage of energy relevant gases. Part 1 focuses on physical concepts and offers several possibilities to accelerate the modeling process. Part 2 deals with efficient model reduction methodologies for uncertainty quantification. Part 3 demonstrates application to the storage of energy relevant gases in geological formations and discusses related challenges.

Die starke industrielle Entwicklung des letzten Jahrhunderts führte zu einer erheblichen Steigerung der öffentlichen Nachfrage nach verschiedenen Energiearten, was wiederum einen enormen Anstieg der Nachfrage nach natürlichen Ressourcen zur Folge hatte. Natürliche Ressourcen bilden einen bedeutenden Bestandteil unserer Umwelt. Die Entwicklung einer Vielzahl von Technologien zur Gewinnung von natürlichen Ressourcen verursacht eine fortwährende Zunahme von Umwelteingriffen. Gleichzeitig sind Umweltsysteme eine der bedeutendsten Erscheinungsformen von komplexen dynamischen Systemen. Aus diesem Grund brauchen wir ein besseres Verständnis unserer natürlichen Umgebung, das uns eine effiziente und sichere Interaktion mit der Umwelt und ein nachhaltiges Ressourcenmanagement zum Wohle der Menschheit ermöglichen kann. Insbesondere die Fähigkeit vorherzusagen, wie sich unsere Umwelt im Laufe der Zeit verändern oder auf geplante Eingriffe reagieren wird, ist unverzichtbar. Unsere Umwelt verhält sich jedoch in verschiedenen zeitlichen und räumlichen Dimensionen sehr komplex. Darüber hinaus sind viele Umweltsysteme nichtlinear und dominiert von Echtzeiteinflüssen externer treibender Kräfte. Ein vollständiges Bild der Umweltsysteme ist oft nicht verfügbar, denn viele dieser Systeme lassen sich nicht direkt beobachten und eine Beschreibung kann nur anhand von spärlich vorhandenen Messwerten hergeleitet werden. Hinzu kommt, dass Umweltdaten kaum erhältlich und teuer zu beschaffen sind. Mehrere Jahrzehnte der Forschung haben gezeigt, dass Modellierung eine sehr wichtige Rolle bei der Rekonstruktion eines vollständigen Bildes von Umweltsystemen spielt und eine einzigartige Möglichkeit bietet, das Verhalten solcher vielschichtiger Prozesse vorherzusagen. Aufgrund der Komplexität unserer Umwelt, besteht die größte Herausforderung in der Konstruktion zuverlässiger und praktikabler Modelle, die eine adäquate Beschreibung physikalischer Konzepte unter gleichzeitiger Berücksichtigung von Unsicherheiten liefern. Die vorliegende Arbeit befasst sich mit Forschung auf dem Gebiet der Umweltmodellierung unter Beachtung von Komplexität und Unsicherheit. Die Arbeit besteht aus drei Teilen und behandelt Anwendungsfälle wie Erdöllagerstätten, Grundwasserströme, die Lagerung radioaktiver Abfälle sowie die unterirdische Speicherung von energierelevanten Gasen. Teil 1 konzentriert sich auf physikalische Konzepte und stellt mehrere Möglichkeiten vor um die Modellierung zu beschleunigen. Teil 2 beschäftigt sich mit effizienten Methoden der Modellreduktion zur Quantifizierung von Unsicherheiten. Teil 3 zeigt Anwendung als die Speicherung von energierelevanten Gasen in geologischen Formationen und diskutiert die damit verbundenen Herausforderungen.