Syftet med detta examensarbete är att kunna beräkna sannolikheten av extrema grundvattennivåers återkomsttid. Detta är av betydelse för till exempel dimensionering av grundläggning när risken för hydraulisk bottenupptryckning eller skredrisk måste vantifieras. I föreliggande examensarbete valdes 139 långa grundvattennivåmätserier med varierande hydrogeologiskt miljö ut ur SGU:s grundvattennät. Dessa tidsserier anpassas till olika statistiska fördelningsfunktioner för att prognostisera grundvattennivån som uppträder med en visst återkommsttid. Normal-, Weibull- och Gumbelfördelning liksom logpearson typ 3-fördelning (LP3) och Generaliserad Extremvärdesfördelning (GEV) samt Generaliserad Paretofördelning (GPD) testades och jämfördes. Därutöver beräknades huruvida dessa är lämpliga som modeller för predikteringen av återkommstnivåer. Två olika ansatser diskuteras för att välja ut tidsseriernas extremvärden, årliga maximiserier och överskridelseserier samt deras lämplighet med hänsyn till grundvattennivåns årstidsfluktuation och periodicitet. I undersökningen framgår att den vedertagna normalfördelningen oftast är en lämplig modell men i vissa fall måste förkastas. GEV och LP3 tillåter oftast en bättre anpassning än normalfördelningen men är känsligare mot outliers. GPD visar sig ha god anpassningsgrad till överskridelseserier. Det krävs dock deklustring av mätserier vilket leder till ett minskad antal värden som fördelningen kan anpassas på. / The ability to calculate the probability of extreme groundwater levels is fundamental, when estimating the risk of hydraulic heave at the bottom of an excavation or landslides triggered by excess pore water pressure. This can be done by fitting historic groundwater level data to probability density functions and extrapolating to certain return levels. However, very little research has been done in the field of estimating extreme groundwater level with probability density functions. The design guide (TK-Geo) of the Swedish Transport Administration (Trafikverket) gives a brief description of a method developed in the eighties. It is based on applying well-established hydrological theory to groundwater level time series. In this study, recent research on hydrologic extreme value analysis is applied and used to bring the methods in groundwater up to date. More than 100 long time-series of groundwater data recorded by SGU in the Swedish groundwater network (often used as reference series) are utilized for testing. Established parameter estimation techniques such as Maximum Likelihood Estimation and Probability-Weighted Moments with L-moments are compared and weighed against the traditionally used Method of Moments. Swedish research with focus on this topic usually takes advantage of the simplicity of the Block Maxima Approach, while evading the more complex Peaks over Threshold method. These methods are also applied and discussed as to how their use influences the inferences made. Traditionally used statistical distributions such as the Normal, Weibull and Gumbel distributions are compared to the more flexible and presently more popular Generalized Extreme Value distribution and Generalized Pareto distribution. In order to estimate model adequacy a number of goodness-of-fit tests are discussed and implemented, such as the Anderson-Darling test and Kolmogorov-Smirnoff test. This results in a general overview of how to compute return levels for high return periods and which models should be preferred. Fitting probability density distributions requires the data to be independent and identically distributed, a condition, which groundwater level measurements are generally not in accordance with. This is a consequence of the groundwater’s inherent seasonality not only within one year, but also over random numbers of years. Using data with seasonality results in underestimation of extremes and should be avoided. Examples of identification and recommendations for handling this sort of phenomena are given.

Ground water are referred to one of Sweden’s most essential natural resources and constitutes an important part of the water management in Sweden, especially for the smaller municipalities. The ground water recharge in pore aquifer is mainly controlled by the difference between evapotranspiration and the amount of precipitation. The impact of climate change on ground water recharge was considered as a gap of knowledge with the release of IPCC’s fourth assessment report in 2007 and have just recently undertake research by scientists. The publications of scientific papers regarding this subject has increased and shows different and uncertain results. SGU has concluded that for both moraine and esker reservoirs, the annual average ground water table will fall in southeast Sweden as a result of climate change. This appears to occur in both emissions’ scenario RCP 4,5 and RCP 8,5. The objective of this study was to contribute knowledge concerning ground water recharge in eskers by quantifying the relationship between ground water levels and the amount of precipitation in an unconfined esker (Nybroåsen), outside Nybro, SE Sweden. Ground water level and precipitation data between 1970 and 2019 were obtained from Nybro Energi and SMHIs data observation stations, respectively. A correlations analysis was performed between average seasonal ground water level and the amount of seasonal precipitation, for autumn and spring during the years 1970–1989 and 2000–2019. The analysis demonstrates a moderate relationship during spring between 1970–1989, probably due to snowmelt and the percolation of accumulated precipitation. During spring in the 2000s, the analysis demonstrates a very weak relationship probably due to changes in temperature patterns during winter observed by SMHI in the country Kalmar, in which milder winters and the absence of ground frost have become more common. The analysis demonstrates a very weak relationship during autumn because of the meteorological and hydrological factors that inhibit ground water recharge until December.

Grundvatten och dess varierande nivåer kan potentiellt få en stor inverkan både på byggnaderoch dess omgivning och kan innebära risker som upplyftande krafter, skred och ras. Baseratpå detta är det av vikt att kunna förutsäga extrema grundvattennivåer, kallat dimensionerandegrundvattennivåer. Däremot görs sällan mätningar under en längre tid, vilket krävs för att fastställasannolikheten av en viss grundvattennivå. För att kunna prognostisera den dimensionerandegrundvattennivån har den så kallade Chalmersmodellen utvecklats. Modellen utgår från attsätta korta mätningar från ett grundvattenrör vid en observationsplats (observationsrör) i relation till en lång mätserie från ett grundvattenrör vid en referensplats (referensrör). Enligtmetoden ska val av referensrör baseras på att det är likartade förhållanden mellan de två platserna, att de ligger inom 50 km från varandra och att mätningar i referensröret utförts i mer än 20 år. Denna studie syftar att utreda med vilken tillförlitlighet som Chalmersmodellen kan prognostisera grundvattennivåer som kan förekomma inom en viss återkomsttid. Fokus är på hur valet av referensrör som är placerade vid olikartade hydrogeologiska förhållanden påverkar Chalmersmodellens resultat. Studien utförs som en fallstudie, med utgångspunkt i utbyggnaden av tunnelbanan i Stockholm vid Sockenplan och Station Sofia. Utgångspunkten i Chalmersmodellen är att använda grundvattennivåmätningar från observationsplatsen tillsammans med mätningar från en ostörd miljö vid en referensplats. Beräkningar görs genom att utföra databehandling och beräkningar i Python i enlighet med beskrivningar från Chalmersmodellen och utvärderas genom att jämföras mot en liknande metod kallad extremvärdesanalys. Karakterisering av platserna vid observationsrören och referensrören används för att utvärdera hur stor inverkan olika hydrogeologiska egenskaper (akvifertyp och topografiskt läge) har på beräkningarna av den dimensionerande grundvattennivån. Resultaten visar att Chalmersmodellen generellt underskattar dimensionerande grundvattennivåer. Modellen har även varierande storleksordning av noggrannheten och därmed är det svårt att fastställa förväntad noggrannhet med Chalmersmodellen. Studien visar även att om observationsrör och referensrör är placerade vid en sluten akvifer kan en högre tillförlitlighet förväntas och osäkerheten i tillförlitligheten tycks öka för öppna akviferer. Slutligen om referensrör och observationsrör väljs utifrån att likartade hydrogeologiska egenskaper och samvariation mellan respektive grundvattennivåer, kan högre precision förväntas enligt denna studie. / Groundwater can potentially have a great impact on both constructions and the surrounding areas, and high groundwater levels can involve risks such as uplifting forces and landslide. Due to these risks it is important to predict and estimate the probability of extreme groundwater levels. However, when the necessary long term measurements are not available alternative methods are needed, like the Chalmers model. The Chalmers model is used for calculating extreme ground water levels, by combining a short measurement series from an observation well with the data from a reference well. For the results to be as accurate as possible, the two wells must share similar characteristics. The aim of this study is to investigate the Chalmers model when predicting the groundwater level for a specific return period. Focus will be on how the choice of different reference wells, with different characteristics, will influence the accuracy of the model.  A case study will be conducted on two station sites (Sockenplan and Station Sofia) for the extension of the metro in the southern part of Stockholm, Sweden, upon which the Chalmer model will be implemented. The different characteristics of the obeservation and reference wells are tested to evaluate the accuracy of the model. The accuracy will be evaluated by using extreme value analysis as an alternative calculation model, assumed to be more precise, and compare the difference in extreme groundwater levels. The measurements used as reference in the Chalmers model are public data from The Geological Survey of Sweden, SGU, for groundwater levels. Data processing and calculations are performed in python. This study highlights the difficulties in determining the accuracy of the Chalmers model when predicting extreme groundwater levels, and no specific expected accuracy has been determined. Generally, the model appears to underestimate extreme grounwater levels. Furthermore, if the observation well and reference well are located by a confined aquifer and between inflow- and outflow areas, a higher precision can be expected. The uncertainty of the model increases with an unconfined aquifer. The results also imply that if the reference well and the observation well are selected based on similar hydrogeological characteristics, a covariation of groundwater levels over time and between highest and lowest level, a higher accuracy can be expected.

Grundvattnets kemiska kvalitet påverkas av olika processer i dess närområde, dessa kan vara såväl mänskliga aktiviteter som klimatologiska faktorer. Hur och i vilken utsträckning de påverkar grundvattenkvaliteten kan studeras genom att undersöka utvecklingen av historiska grundvattenkvalitetsdata i relation till förändringar i klimatet. Detta kandidatarbete syftar till att studera hur grundvattnets kvalitet påverkas av klimatförändringarna. Data över ökande och minskande trender i förändringar hos olika kemiska parametrar har bearbetats utifrån material från Sveriges geologiska undersökning från stationer i grundvattenmagasin utspridda i Sverige, detta under åren 1985-2014 samt 1995-2014 i områden där risk för lokal föroreningsspridning är liten. De undersökta kemiska parametrarna är olika salter, tungmetaller, organisk halt och fysikaliska parametrar. De senaste 40 åren i Sverige har präglats av ett varmare klimat med höjda grundvattennivåer, klimatscenarier förutser en liknande utveckling men där grundvattennivåerna kommer sjunka i sydöstra Sverige. Resultatet visar på trender som mest sannolikt beror på minskade deposition av svavel, kväve och tungmetaller sedan slutet av 1970-talet. Mätvärden för sulfat, kväveföreningar, konduktivitet, tungmetaller och pH har minskat, medan dessa för alkalinitet och organisk halt har ökat. Klimatologiska faktorer som har påverkat grundvattnet är en ökad årsmedeltemperatur och förändrade grundvattennivåer, vilket främst syns genom ökande temperatur i grundvattnet samt utspädning av salter och en ökad organisk halt. / The chemical quality of groundwater is affected by different processes in its surrounding. These can be human activities as well as climatological factors. How and to what extent they influence the groundwater quality can be studied by examining the development of historical groundwater quality data in relation to changes in the climate. This Bachelor thesis aims to study how the quality of the groundwater is affected by the climate change. Data of increasing and decreasing trends in changes of different chemical parameters have been processed based on material from the Geological Survey of Sweden from stations in groundwater aquifers spread out in Sweden. The data represent the years 1985-2014 and 1995-2014 and are collected in areas where the risk of local pollution is small. The investigated chemical parameters are different salts, heavy metals, organic content and physical parameters. In the last 40 years, Sweden has been characterized by a warmer climate and higher groundwater levels, and climate scenarios predict a similar development but with a lowering of groundwater levels in south-east of Sweden. The results show trends that most likely indicate a decrease in deposition of sulfur, nitrogen and heavy metals since the end of 1970’s. Measured concentrations of sulphate, nitrogen compounds, heavy metals and also conductivity and pH have decreased, while alkalinity and organic compounds have increased. Climatological factors that have influenced the groundwater are the increased annual mean temperature and variation in groundwater levels, which is mainly evident as an increased temperature in the groundwater, dilution of salts and an increased organic content.

Det borras en tunnel under Stockholm av Svenska kraftnät som ska bli 13,4 km lång. Närtunneln är klar ska den förstärka och ersätta vissa delar av Stockholms elnät. Grundvattennivånhar inte sjunkit lika mycket som förväntat när inläckget till tunneln var högt.När grundvatten sjunker är det var och hur mycket grundvattennivån sjunker som ärproblemet inte själva inläckaget. Syftet med rapporten var att undersöka verktyg för attprognostisera avsänkning av grundvatten samt försöka förstå vilka parametrar som är viktigaför att skapa en bra modell. Det undersöktes även varför grundvattennivån i moränenovanför bergtunneln sjunker över ett stort område. Det sattes upp en modell med fleralager i jorden och berget med olika konduktivitet. I berget lades det även in svagare zoneri form av krosszoner för att längs dem lokalt ge högre konduktivitet. Modellen gavs ävenflera områden med speciella egenskaper för att efterlikna verkligheten. Först modelleradesen grundvattenyta i en referensmodell som kalibrerades med hjälp av grundvattenröri området. Sedan lades tunneln in i modellen med hjälp av uppmätta inläckage för att beräknaen ny grundvattenyta. Grundvattenytan från referensmodellen jämfördes med denfrån modellen med tunneln för att få fram grundvattensänkningen. Modellen visade enstörre skillnad i grundvattennivå där det inte var krosszoner som korsade tunneln medandär den korsades var avsänkningen mer utspridd längs krosszonen.Det finns flera sätt att angripa ett problem. För att kunna använda analytiska ekvationerbehöver det göras stora förenklingar vilket kan vara bra i ett inledningsskede för att fåen bättre bild av problemet förhållandevis enkelt. För att få en mer detaljerad bild avproblemet behövs däremot andra modeller. I en modell behövs det många parametrar ochvissa kan vara viktigare än andra. I just det här arbetet bedömdes vissa delar inom geologinvara viktigast som var det finns mäktiga jordlager, den hydrauliska konduktivitetenför berget och var svaghetszonerna är i berget. Anledningen att grundvattennivån runtSvenska kraftnäts tunnel sjunker över ett stort område kan vara svaghetszonerna i berget. / Svenska kraftnät excavates a 13.4 km long tunnel in the rock below Stockholm. Whencompleted, it will strengthen and replace parts of Stockholm’s electricity grid. When theleakage to the tunnel was high, the groundwater level did not drop as much as expected.When the groundwater drops, it is where and how much that is the problem and notthe actual leakage to the tunnel. The purpose of the report was to investigate toolsfor forecasting groundwater subsidence and to try to understand which the importantparameters are for creating a reliable model. It was also investigated why the groundwaterlevel in the moraine above the rock tunnel drops over a large area. A model was set upwith several layers in the soil and rock with different conductivity. Weaker zones werealso added to the bedrock to provide higher conductivity locally along them. The modelwas also given several areas with special features to mimic reality. A groundwater surfacewas first modeled in a reference model that was calibrated using groundwater wells in thearea. The tunnel was then added to the model using measured leakage to calculate a newgroundwater surface. The groundwater surface from the reference model was comparedwith that from the model with the tunnel to obtain the groundwater lowering. The modelshowed a large local reduction of the groundwater level where there was more stable rock,while where weaker zones crossed the tunnel the reduction was more spread out along theweaker zone.There are several ways to adress problems with. To be able to use analytical equations,large simplifications are required, which can be good in an initial stage to get a betterpicture of the problem relatively easily. However, to get a more detailed view of theproblem, other models are required. In a model, many parameters are required and somemay be more important than others. In this report, certain parts of the geology werejudged to be most important, such as where there are thick soil layers, the conductivity ofthe rock and where the weaker zones are in the bedrock. The reason why the groundwaterlevel around Svenska kraftnät’s tunnel falls over a large area may be the zones of weaknessin the rock.

Sveriges geologiska undersökning (SGU) ansvarar för den nationella övervakningen av grundvattennivåer. I Grundvattennätet finns drygt 300 mätstationer där grundvattennivåer observeras två gånger varje månad. Grundvattensituationen i Sverige och grundvattenmagasinens fyllnadsgrad presenteras med kartor som konstrueras med data från de uppmätta grundvattennivåerna. För att öka detaljgraden i kartorna syftade detta arbete till att undersöka om beräkningar från den hydrologiska beräkningsmodellen S-HYPE kunde användas för att fylla ut med data där mätningar inte finns tillgängliga. Arbetet utfördes genom korrelationsanalyser mellan uppmätta och beräknade grundvattennivåer för att avgöra noggrannheten i S-HYPEs beräkningar av grundvattennivåer. Korrelationsanalyserna visade vilka egenskaper hos mätstationerna (miljövariabler) som gav upphov till avvikelser mellan beräknade och uppmätta nivåer. Två typer av modellerade grundvattennivåer har jämförts med uppmätta grundvattennivåer i SGUs Grundvattennät; grundvattennivåer som beräknas med avseende på arealandelarna av jordklasser och markanvändningen i varje delavrinningsområde (viktade medelgrundvattennivåer), samt grundvattennivåer som beräknas separat för varje specifik jordklass i ett delavrinningsområde. Resultaten visade att jordartsspecifikt beräknade nivåer gav bättre korrelation med uppmätta nivåer. Vidare analyser visade att S-HYPE beräknade nivåer i jordklassen grovjord med stor osäkerhet och att jordklassen kunde behöva delas upp för att öka modellens noggrannhet. En stark korrelation erhölls med beräknade nivåer i moränjordar där omättade zonen generellt är liten. Alla miljövariabler påverkade korrelationen mer eller mindre. Den känsligaste faktorn var dock den omättade zonens mäktighet, vilket visade sig då beräknade grundvattennivåer från S-HYPE blev för snabbreagerande när avståndet till grundvattennivån var stort. Speciellt tydligt blev det vid snösmältningen på våren då stor grundvattenbildning sker och mycket vatten under kort tid perkolerar till grundvattnet. / The geological survey of Sweden (SGU) is responsible for the national monitoring of groundwater levels. In the Groundwater network there are just over 300 stations where groundwater levels are measured twice each month. The groundwater situation in Sweden and the “degree of filling” of groundwater are presented with maps made with data from measured groundwater levels. To increase the amount of information in the maps, this work intended to examine if calculated data from the hydrological model S- HYPE could be used to fill the spatial and temporal gaps where measured data were not available. The work was performed with correlation analyzes to determine the accuracy of the calculated groundwater levels from S-HYPE. Correlation analyses indicated which site characteristics (environmental variables) of the monitoring stations that caused possible deviations in the correlation. Two types of modeled groundwater levels were compared to measured levels; groundwater levels that were calculated with respect to the proportions of soil classes and land uses in each sub-basin (weighted mean groundwater levels), and groundwater levels that were calculated separately for a specific soil class. The results showed that levels calculated for specific soils gave better correlation with measured levels. Further analyzes showed that S- HYPE calculated levels in coarse soils with considerable uncertainty and that this soil class needs to be better defined. A strong correlation was obtained with the calculated levels in till soils. All environmental variables influenced the correlation to some degree. The thickness of the unsaturated zone, however, was the most sensitive factor in the correlation, which was evident because the calculated groundwater levels from S- HYPE were too fast-responding when the groundwater level was deep. This became particularly clear during the spring snowmelt, when groundwater recharge is large, and a large amount of water percolates to the groundwater zone.

Myndigheten Sveriges Geologiska Undersökning (SGU) har ett nationellt ansvar för att övervaka Sveriges grundvattennivåer. Eftersom det inte är möjligt att få ett heltäckande mätstationssystem måste grundvattennivån beräknas på vissa platser. Därför är det intressant att undersöka sambandet mellan grundvattennivån och utvald geografisk information, så kallade miljövariabler. På sikt kan maskininlärning komma att användas inom SGU för att beräkna grundvattennivån och då kan en förstudie vara till stor hjälp. Examensarbetets syfte är att genomföra en sådan förstudie genom att undersöka vilka miljövariabler som har störst betydelse för grundvattennivån och kartlägga modellosäkerheter vid grundvattenprediktering. Förstudien genomförs på sju områden inom SGUs grundvattennät där mätstationerna finns i grupper likt kluster. I förstudien används övervakad maskininlärning som i detta examensarbete innebär att medianvärden på grundvattennivån och miljövariablerna används för att träna modellerna. Med hjälp av statistisk data från modellerna kan prestandan utvärderas och justeringar göras. Algoritmen som används heter Random Forest som skapar ett klassifikations- och regressionsträd, vilket lär modellen att utifrån given indata fatta beslut som liknar männiksans beslutfattande. Modellerna ställs upp i ArcGIS Pros verktyg Forest-based Classification and Regression. På grund av områdenas geografiska spridning sätts flera separata modeller upp. Resultatet visar att det är möjligt att prediktera grundvattennivån men betydelsen av de olika miljövariablerna varierar mellan de sju undersökta områdena. Orsaken till detta lär vara geografiska skillnader. Oftast har den absoluta höjden och markens lutningsriktning mycket stor betydelse. Höjd- och avståndsskillnad till låg och hög genomsläpplig jord har större betydelse än vad höjd- och avståndsskillnad har till medelhög genomsläpplig jord. Höjd- och avståndsskillnad har större betydelse till större vattendrag än till mindre vattendrag. Modellernas r2-värde är något låga men inom rimliga gränser för att vara hydrologiska modeller. Standardfelen är oftast inom rimliga gränser. Osäkerheten har visats genom ett     90 %-igt konfidensintervall. Osäkerheterna ökar med ökat avstånd till mätstationerna och är som högst vid hög altitud. Orsaken lär vara för få ingående observationer och för få observationer på hög höjd. Nära mätstationer, bebyggelse och i dalgångar är osäkerheterna i de flesta fallen inom rimliga gränser. / The Swedish authority Geological Survey of Sweden (SGU) has a national responsibility to oversee the groundwater levels. A national network of measurement stations has been established to facilitate this. The density of measurement stations varies considerably. Since it will never be feasible to cover the entire country with measurement stations, the groundwater levels need to be computed in areas that are not in the near vicinity of a measurement station. For that reason, it is of interest to investigate the correlation between the groundwater levels and selected geographical information, so called environmental variables. In the future, SGU may use machine learning to compute the groundwater levels. The focus of this master's thesis is to study the importance of the environmental variables and model uncertainties in order to determine if this is a feasible option for implementation on a national basis. The study uses data from seven areas of the Groundwater network of SGU, where the measuring stations are in clusters. The pilot study uses a supervised machine learning method which in this case means that the median groundwater levels and the environmental variables train the models. By evaluating the model's statistical data output the performance can gradually be improved. The algorithm used is called “Random Forest” and uses a classification and regression tree to learn how to make decisions throughout a network of nodes, branches and leaves due to the input data. The models are set up by the prediction tool “Forest-based Classification and Regression” in ArcGIS Pro. Because the areas are geographically spread out, eight unique models are set up. The results show that it’s possible to predict groundwater levels by using this method but that the importance of the environmental variables varies between the different areas used in this study. The cause of this may be due to geographical and topographical differences. Most often, the absolute level over mean sea level and slope direction are the most important variables. Planar and height distance differences to low and high permeable soils have medium high importance while the distance differences to medium high permeable soils have lower importance. Planar and height distance differences are more important to lakes and large watercourses than to small watercourses and ditches.  The model’s r2-values are slightly low in theory but within reasonable limits to be a hydrological model. The Standard Errors Estimate (SSE) are also in most cases within reasonable limits. The uncertainty is displayed by a 90 % confidence interval. The uncertainties increase with increased distance to measuring stations and become greatest at high altitude. The cause of this may be due to having too few observations, especially in areas with high altitude. The uncertainties are smaller close to the stations and in valleys. / SGUs grundvattennät