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.

Sweden have faced decreasing groundwater storage with critical low groundwater levels for several years. Gotland is one example with issues of providing freshwater due to the low groundwater levels. These circumstances can be related to impacts caused by early agriculture development, an increased demand of freshwater and climate change. There is a need in this region to increase the groundwater storage to ensure enough freshwater. The aim of the study is to increase freshwater storage. Digital geographical information system (GIS) was chosen as a tool in this study in order to cover large geographical areas.  The study was divided into two parts, with focus to determine hydrological and hydrogeological conditions and to identify suitable areas where groundwater storage could be increased. The first part studied: specific capacity, groundwater storage, groundwater balance and topographic wetness index. The second part locked at four methods to increase freshwater storage: Lakes, controlled drainage, wetland and subsurface dam. The result tells us that lakes have the potential to provide freshwater for the municipal distribution network. The controlled drainage method has the ability reduce the outflow of surface water and to increase the groundwater infiltration. Earlier drained wetland areas was identified which could serve as freshwater storage. Suitable areas for subsurface dams were identified. They could work as a large groundwater storage as a decentralized system with the ability to provide groundwater for wells that are spread out. However the identified areas for each methods needs further investigations in more detail to determine the accuracy of the results.

The retention potential of landscapes, along with the water regime of spring areas, are important hydrological topics of research, particularly in the current context of increasing extreme drought frequencies. The present work is focused on monitoring the mountain peat bogs, which, due to their overall frequency of occurrence in the spring area of the Vydra river, represent a significant constituent of the rainfall-runoff process of the area of interest. The specific hydropedological features of the organogenous soils (Histosol type soil) provide the high retention potential of the area, however, the influence of these soils on the runoff process is determined by complex physicogeographical factors. The general opinion on the hydrological function of the peat bogs has changed in recent years and the most important factor in the runoff formation in the mountain area of the Šumava Mts. is now thought to be the actual saturation of the headwater, which is predominantly composed of hydromorphic and organogenous soils. The organogenous soils are significant water reservoirs and have an important impact on the landscape. However, they may also intensify the extreme values of the watercourses during extreme precipitation events. The fundamental part of this work focuses on detailed observations of the...

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

Dans le cadre des recherches de la qualité des ressources en eau, l’étude du processus de transfert de masse du sol vers la nappe phréatique constitue un élément primordial pour la compréhension de la pollution de cette dernière. En effet, les éléments polluants solubles à la surface (produits liés aux activités humaines tels engrais, pesticides...) peuvent transiter vers la nappe à travers le milieu poreux qu’est le sol. Ce scénario de transfert de pollution repose sur deux phénomènes : la pluie qui génère la masse d’eau à la surface et la dispersion de celle-ci à travers le milieu poreux. La dispersion de masse dans un milieu poreux naturel comme le sol forme un sujet de recherche vaste et difficile aussi bien au plan expérimental que théorique. Sa modélisation constitue une préoccupation du laboratoire EMMAH, en particulier dans le cadre du projet Sol Virtuel dans lequel un modèle de transfert (modèle PASTIS) a été développé. Le couplage de ce modèle de transfert avec en entrée un modèle décrivant la dynamique aléatoire de la pluie est un des objectifs de la présente thèse. Ce travail de thèse aborde cet objectif en s’appuyant d’une part sur des résultats d’observations expérimentaux et d’autre part sur de la modélisation inspirée par l’analyse des données d’observation. La première partie du travail est consacrée à l’élaboration d’un modèle stochastique de pluie. Le choix et la nature du modèle sont basés sur les caractéristiques obtenus à partir de l’analyse de données de hauteur de pluie recueillies sur 40 ans (1968-2008) sur le Centre de Recherche de l’INRA d’Avignon. Pour cela, la représentation cumulée des précipitations sera assimilée à une marche aléatoire dans laquelle les sauts et les temps d’attente entre les sauts sont respectivement les amplitudes et les durées aléatoires entre deux occurrences d’événements de pluie. Ainsi, la loi de probabilité des sauts (loi log-normale) et celle des temps d’attente entre les sauts (loi alpha-stable) sont obtenus en analysant les lois de probabilité des amplitudes et des occurrences des événements de pluie. Nous montrons alors que ce modèle de marche aléatoire tend vers un mouvement brownien géométrique subordonné en temps (quand les pas d’espace et de temps de la marche tendent simultanément vers zéro tout en gardant un rapport constant) dont la loi de densité de probabilité est régie par une équation de Fokker Planck fractionnaire (FFPE). Deux approches sont ensuite utilisées pour la mise en œuvre du modèle. La première approche est de type stochastique et repose sur le lien existant entre le processus stochastique issu de l’équation différentielle d’Itô et la FFPE. La deuxième approche utilise une résolution numérique directe par discrétisation de la FFPE. Conformément à l’objectif principal de la thèse, la seconde partie du travail est consacrée à l’analyse de la contribution de la pluie aux fluctuations de la nappe phréatique. Cette analyse est faite sur la base de deux relevés simultanées d’observations de hauteurs de pluie et de la nappe phréatique sur 14 mois (février 2005-mars 2006). Une étude statistique des liens entre les signaux de pluie et de fluctuations de la nappe est menée comme suit : Les données de variations de hauteur de nappe sont analysées et traitées pour isoler les fluctuations cohérentes avec les événements de pluie. Par ailleurs, afin de tenir compte de la dispersion de masse dans le sol, le transport de la masse d’eau pluviale dans le sol sera modélisé par un code de calcul de transfert (modèle PASTIS) auquel nous appliquons en entrée les données de hauteurs de pluie mesurées. Les résultats du modèle permettent entre autre d’estimer l’état hydrique du sol à une profondeur donnée (ici fixée à 1.6m). Une étude de la corrélation entre cet état hydrique et les fluctuations de la nappe sera ensuite effectuée en complément à celle décrite ci-dessus pour illustrer la possibilité de modéliser l’impact de la pluie sur les fluctuations de la nappe / Within the research quality of water resources, the study of the process of mass transfer from soil to groundwater is a key element for understanding the pollution of the latter. Indeed, soluble contaminants to the surface (related to human activities such fertilizers, pesticides products ...) can transit to the web through the porous medium that is the ground. This scenario transfer pollution based on two phenomena: the rain that generates the body of water to the dispersion and the surface thereof through the porous medium. The dispersion of mass in a natural porous medium such as soil forms a subject of extensive research and difficult both experimental and theoretical grounds. Its modeling is a concern EMMAH laboratory, particularly in the context of Virtual Sol project in which a transfer model (PASTIS model) was developed. The coupling of this transfer model with input a model describing the dynamics of random rain is one of the objectives of this thesis. This thesis addresses this goal by relying in part on the results of experimental observations and also on modeling inspired by the analysis of observational data. The first part of the work is devoted to the development of a stochastic model of rain. The choice and nature of the model are based on the features obtained from the analysis of data collected rainfall over 40 years (1968-2008) on the Research Centre INRA Avignon. For this, the cumulative rainfall representation will be treated as a random walk in which the jumps and waiting times between jumps are the amplitudes and durations between two random occurrences of rain events. Thus, the probability jumps (log-normal distribution) and that of waiting between jumps (Law alpha-stable) time is obtained by analyzing the laws of probability amplitudes and occurrences of rain events. We show that the random walk model tends towards a subordinate in time geometric Brownian motion (when space step and time step walking simultaneously tend to zero while maintaining a constant ratio), the law of probability density is governed by a Fokker Planck fractional (FFPE). Two approaches are then used to implement the model. The first approach is based on stochastic type and the relationship between the stochastic process derived from the differential equation of Itô and FFPE. The second approach uses a direct numerical solution by discretization of the FFPE. Accordance with the main objective of the thesis, the second part of the work is devoted to the analysis of the contribution of rain to fluctuations in groundwater. We approach this analysis on the basis of two simultaneous records of observations of rainfall amounts and groundwater over 14 months (February 2005-March 2006). A statistical study of the relationship between the signals of rain and fluctuating water will be conducted. Data sheet height variations are analyzed and processed to isolate coherent fluctuations with rain events. In addition, to take account of the mass dispersion in the soil, the mass transport of storm water in the soil layer is modeled by a calculation code transfer (PASTIS model) which we apply input data measured heights of rain. The model results allow between another estimate soil water status at a given depth (here set at 1.6m). A study of the correlation between the water status and fluctuating water will then be performed in addition to that described above to illustrate the ability to model the impact of rain on the water table fluctuations