Abstract The potential impacts of the spatial resolution of sedimentary structure data on solute dispersion in heterogeneous porous formations are investigated with Lagrangian-based transport models. The models rely on a covariance function that represent a hierarchical organization of sedimentary facies types by using facies physical properties, such as volume proportions and mean length as well as auto- and cross-transition probabilities and their log-permeability covariance. A detailed sedimentary architecture data (i.e. indicator data) provides better representation of the spatial correlation structures of the global covariances through capturing its underlying structure defined by transition probabilities more accurately. However, the extent to which such data affect time-dependent transport parameters (i.e. dispersivity) is unclear. In this study, we parameterize transport models using detailed collocated sedimentary architecture and permeability data from an outcrop in Espanola Basin, NM. In addition, we perform global sensitivity analysis based on Polynomials Chaos Expansion to understand the significance of parameters in the transport models. The results show that dispersivity and particle displacement variance are under-estimated if less resolved facies (i.e. indicator) data are used even if the global covariance structure is well captured. Dispersivity is sensitive to the correlation scale that is directly calculated from sedimentary architecture data, and the mean log-permeability. However, anisotropy ratio and mean log-permeability are the most sensitive parameters for the transverse dispersivity.

中文翻译：

---

沉积结构数据的分辨率如何影响多尺度和层次系统中的羽流扩散？

摘要 利用基于拉格朗日的输运模型研究了沉积结构数据的空间分辨率对非均质多孔地层中溶质扩散的潜在影响。这些模型依赖于协方差函数，该函数通过使用相物理属性（例如体积比例和平均长度以及自动和交叉转换概率及其对数渗透率协方差）来表示沉积相类型的分层组织。详细的沉积结构数据（即指标数据）通过更准确地捕获由转移概率定义的底层结构，可以更好地表示全局协方差的空间相关结构。然而，这些数据对时间相关的传输参数（即分散性）的影响程度尚不清楚。在这项研究中，我们使用来自新墨西哥州埃斯帕诺拉盆地露头的详细并置沉积结构和渗透率数据来参数化输运模型。此外，我们基于多项式混沌展开进行全局敏感性分析，以了解传输模型中参数的重要性。结果表明，如果使用解析度较低的相（即指标）数据，即使全局协方差结构被很好地捕获，色散度和粒子位移方差也会被低估。离散度对直接从沉积结构数据计算的相关尺度和平均对数渗透率敏感。然而，各向异性比和平均对数渗透率是横向色散率最敏感的参数。我们使用来自新墨西哥州埃斯帕诺拉盆地露头的详细并置沉积结构和渗透率数据来参数化传输模型。此外，我们基于多项式混沌展开进行全局敏感性分析，以了解传输模型中参数的重要性。结果表明，即使全局协方差结构被很好地捕获，如果使用解析度较低的相（即指标）数据，色散和粒子位移方差也会被低估。离散度对直接从沉积结构数据计算的相关尺度和平均对数渗透率敏感。然而，各向异性比和平均对数渗透率是横向色散率最敏感的参数。我们使用来自新墨西哥州埃斯帕诺拉盆地露头的详细并置沉积结构和渗透率数据来参数化传输模型。此外，我们基于多项式混沌展开进行全局敏感性分析，以了解传输模型中参数的重要性。结果表明，即使全局协方差结构被很好地捕获，如果使用解析度较低的相（即指标）数据，色散和粒子位移方差也会被低估。离散度对直接从沉积结构数据计算的相关尺度和平均对数渗透率敏感。然而，各向异性比和平均对数渗透率是横向色散率最敏感的参数。此外，我们基于多项式混沌展开进行全局敏感性分析，以了解传输模型中参数的重要性。结果表明，即使全局协方差结构被很好地捕获，如果使用解析度较低的相（即指标）数据，色散和粒子位移方差也会被低估。离散度对直接从沉积结构数据计算的相关尺度和平均对数渗透率敏感。然而，各向异性比和平均对数渗透率是横向色散率最敏感的参数。此外，我们基于多项式混沌展开进行全局敏感性分析，以了解传输模型中参数的重要性。结果表明，即使全局协方差结构被很好地捕获，如果使用解析度较低的相（即指标）数据，色散和粒子位移方差也会被低估。离散度对直接从沉积结构数据计算的相关尺度和平均对数渗透率敏感。然而，各向异性比和平均对数渗透率是横向色散率最敏感的参数。结果表明，即使全局协方差结构被很好地捕获，如果使用解析度较低的相（即指标）数据，色散和粒子位移方差也会被低估。离散度对直接从沉积结构数据计算的相关尺度和平均对数渗透率敏感。然而，各向异性比和平均对数渗透率是横向色散率最敏感的参数。结果表明，如果使用解析度较低的相（即指标）数据，即使全局协方差结构被很好地捕获，色散度和粒子位移方差也会被低估。离散度对直接从沉积结构数据计算的相关尺度和平均对数渗透率敏感。然而，各向异性比和平均对数渗透率是横向色散率最敏感的参数。