優化的導水率場
從西向東（a-a'）和從北向南（b-b'）拉長. ，顯示了這些橫截面的位置。圖6提供了地質分層的概況以及每層内估計的水準導水率分布。可以觀察到，對于兩種校準方法，計算層的厚度和地質結構（例如潛谷）保持相同，而K的分布每個計算層内的值都經過估計過程。對于試驗點和基于單元的校準，兩個橫截面中的砂岩和粘土岩層之間存在總體一緻性；然而， pilot-D 方法中的K值具有更高的可變性，尤其是在第 2 層和第 4 層中。pilot-D 校準方法顯示出相對于 unit-D 校準方法産生更平滑的K場的一般趨勢。
那是因為在 unit-D 方法中，K值被歸類為幾個不同的單元，每個單元之間有明顯的界面，而試驗點之間的值是插值的，是以不同水相之間的邊界被平滑了。為了檢查每個計算層中估計的K值的可變性，已經證明了 pilot-D 和 unit-D 校準方法的相對頻率直方圖。相對頻率直方圖顯示單元 D 中K值的空間分布幾乎沒有明顯的頻率峰值。
這是K的結果值最初被歸類為幾個值，特别是對應于低K的純粘土單元，而在 pilot-D 方法中，由于K值的插值，這些值具有平滑分布。除第一層外，K值分布的範圍在 pilot-D 方法中大約寬一個數量級。在 unit-D 和 pilot-D 校準方法中，第 2 層中的K分布表現出相似的電導率分布，K值的頻率相對較高，約為 10 -4 m s -1，對應于沙子的水力傳導率；此外，兩種校準都表明較小的範圍相對于其他層的K值。與 unit-D 相比，在 pilot-D 校準方法中，第 1、3 和 4 層的K值分布略微偏向較小的K值，對應于較高的粘土含量電導率。
估計跨界地下水通量
水文子彙水面積邊界由地形分界線定義，但這可能不一定是地下水流的情況。圖2中提供的長期空間徑流比資訊支援早期的模組化工作，并表明地下水流穿過東西方向的子彙水面積。為了評估跨界流量相對于水量平衡其他組成部分的大小，已根據模型模拟對每個子彙水面積進行了完整的水量平衡分析 計算出的邊界流量值表明，地下水跨界通量通常很重要，在某些情況下高于抽水和灌溉量。
進入集水區 Haldsoe 的流入流量占試點 D 校準排放量的 17% 和單元 D 校準排放量的 14%，而在集水區 Storaa，這些值分别為 6% 和 5%。從 Karup、Storaa 和 Skjern 集水區，有大量流量流向鄰近的 Gudenaa 和 Haldsoe 集水區。在所有集水區中，卡魯普集水區的失水量最高，相當于試點 D 校準中排水量的 13% 和單元 D 校準中排水量的 11%。該模型計算了每個子彙水面積的地下水流入和流出源以及模拟的穿過南北地形邊界的地下水通量。
模拟的通過子彙水面積邊界的地下水通量已針對 unit-D 和 pilot-D 校準方法顯示。估計的通量是所有四個計算層的總和，在邊界長度上按時間平均。作為表5中提供的資訊的補充，在兩種校準方法中都可以看出，地下水流具有主導的西-東方向，其中 Gudenaa 和 Haldsoe 流域是主要接收流域，而子流域 Karup、Storaa 和 Skjern 是主要損失者。
線性模型預測不确定性分析
以下部分分析了 pilot-D 可識别性，然後分析了參數組和資料價值對 unit-D 和 pilot-D 模型的預測不确定性的貢獻。預測不确定性分析以 Haldsoe 流域出水口的夏季水量平衡作為預測目标為例。夏季水準衡計算為 2000-2007 年夏季（6 月至 9 月）模拟溪流流量 [mm/s] 的偏差。根據觀測到的流量-降雨比和估計的跨界地下水通量（圖 8), 該子彙水面積通過其邊界接收大量地下水，是以被指定為本研究的預測目标。
可識别性
在高度參數化的反演環境中，由于模型輸出對參數的不敏感性或參數之間的相關性，或者兩種情況同時發生，一些參數可能無法被唯一地估計。參數可識别性是一種線性統計量，根據權重雅可比矩陣的 SVD 計算得出，其值介于零（不可識别）和一之間。參數可識别性分析通過将位于解空間中的參數與位于零空間中的參數分開，有助于可視化反問題的次元 進而更好地了解算法。在這項研究中，通過将截斷 SVD 正則化技術用于 CJC 的基于試驗點的校準，通過在兩個試驗的 350 奇異值截止的基礎上僅估計可識别參數（超參數）來有效地限制逆問題-D 和飛行員-B。
pilot-D标定方法的可辨識性分析表明參數的可辨識性在很大程度上符合各計算層觀測值的空間分布。總共 820 個導向點中有 265 個顯示可識别性值高于 0.8，并且已被定義為本研究可識别，其中 97% 的所有可識别導向點位于第二和第四計算層，這些計算層主要是沙質，具有更集中的頭部觀察。由于它們的集中參數化，六個非導電性參數顯示出高于 0.97 的高可識别性值。
