Contact surface for contaminant plume in heterogeneous porous media

The spatial and temporal distribution of reactants and products, have practical applications especially in the groundwater remediation context. During the past twenty years increased attention has been devoted to understanding and quantifying mixing dynamics of chemicals migrating, in heterogeneous porous formation. In this context, a variety of metrics have been proposed to quantify the state of mixing of a plume of dissolved chemicals. Much less attention has been devoted to the characterization of the shape and geometrical features of a contaminant body, as it travels through heterogeneous subsurface reservoir. The object of the thesis is, to develop a methodology to measure the evolution in time of the contact surface in contaminant plume fronts, that are transported in heterogeneous porous media, and to check the implication of the models for the simulation of the permeability field, comparing the Gaussian with the subGaussian model, that has been recently proposed as that best describing the spatial distribution of the permeability of the aquifers. We evaluated the differences in shape and size of contact surfaces, in contaminant plume fronts, that the subGaussian model poses on solute transport, comparing the result with the most used, Gaussian model. Since the area occupied by the plume is not well defined, we introduced a threshold. Threshold is a limit value of concentrations under which the plume is neglected. Identified the plume, we computed the area, perimeter, and ratio P/√A, for 1200 values of threshold, and five moments of time. We quantified, mixing, dilution and spreading, through three indicators: (i)the mixing state, (ii)the dilution index, and (iii) the second spatial moment of the plume. Results show that the differences of area, perimeter, and ratio are very case dependent, on time and threshold. The Gaussian field has lower mixing at early time, but a more stretched plume. The trend of mixing reverses at long times and this higher spreading will result a higher mixing/dilution.

La distribuzione spaziale e temporale dei reagenti e prodotti è di interesse pratico, specialmente in un contesto di rimedio delle falde acquifere. Negli ultimi vent’anni, sempre maggiore attenzione è stata messa nel capire e quantificare il mixing di sostanze chimiche migranti in mezzi porosi eterogenie. In questo contesto una grande varietà di indicatori è stata proposta per calcolare lo stato di mescolamento delle sostanze chimiche dissolte. Molta meno attenzione è stata dedicata nel quantificare la forma e le caratteristiche geometriche del plume mentre si muove nel bacino idrico. Lo scopo della tesi è, sviluppare una metodologia per misurare l’evoluzione nel tempo della superficie del plume mentre è trasportato in un mezzo poroso eterogeneo. Valutando l’influenza del modello usato per la simulazione del campo di permeabilità, comparando il modello Gaussiano con il sub-Gaussiano, che è stato recentemente proposto come modello migliore per descrivere il campo di permeabilità. Sono state calcolate le differenze di forma e dimensione del plume create dal modello Gaussiano confrontandole con quelle create dal modello sub-Gaussiano. Poiché l’area del plume non è ben definita, è stato introdotto il concetto di threshold. Il threshold è un valore limite di concentrazione sotto il quale la presenza del contaminante viene trascurata. Sono quindi state calcolate l’area, il perimetro e il rapporto tra perimetro e area, per 1200 valori di threshold, e per cinque istanti di tempo. Sono stati inoltre calcolati il mixing e lo spreading attraverso tre indicatori: (i)il mixing state, (ii)il dilution index, e (iii) il secondo momento spaziale del plume. I risultati mostrano che le differenze di area, perimetro e rapporto sono molto variabili a seconda del threshold e dell’istante di tempo considerato. Il campo Gaussiano provoca minor mixing negli istanti iniziali, ma una forma del plume più strecciata. Alla fine della simulazione, il trend del mixing si inverte, e il maggior spreading causerà una miglior mixing.