I Sverige finns det en brist på studier angående hydrologisk torka trots att det existerar problem med torka idag. Hydrologisk torka kan ha allvarliga konsekvenser på både naturen och samhället när det kommer till vattentillgång, växt -och djurliv och jordbruk. Av den anledningen är det viktigt att studier görs som undersöker allvarligheten i den hydrologiska torkan i Sverige för att få en bättre förståelse. I den här studien användes ett månadsvis Q95 värde som ett tröskelvärde med ett minimum av fem dagar i följd under tröskelvärdet för att definiera hydrologisk torka. Metoden applicerades på fem avrinningsområden in Sverige med data som sträckte sig mellan 1961- 2010. Resultatet från studien visade på att hydrologisk torka var speciellt framträdande under v issa år. Dessa år verkade vara kopplade till varandra under två till tre år i följd. De visade även ofta liknande månader och antal dagar under tröskelvärdet. Andra studier gjorda över de Nordiska länderna visade på liknande resultat. Metoden överensstämde även till en stor del av historisk torka i Sverige. För att kunna ge en större och komplett bild av hydrologisk torka diskuterades några möjliga metoder. Nederbörd, snö, strömflöde, evapotranspiration och grundvatten skulle behöva räknas med för en mer pr ecis studie. Standardiserade index kan täcka de mesta av de olika delarna, men för att få mera specifika förlustvärden så skulle även en tröskelnivå metod behöva implementeras i studien / In Sweden there is a lack of studies on the topic of hydrological drought even though it exist present problems of drought. Hydrological drought can have severe effects on both nature and society regarding water supply, animal life and agriculture. It is important to investigate the severity of hydrological drought in Sweden to get a better understanding of this phenomenon and its affects. To define hydrological drought this study used a Q95 monthly threshold with a minimum of 5 consecutive days below the threshold. This method was used on five catchments in Sweden with data ranging from 1961 -2010. The result from the study showed that hydrological drought was very prominent in some year s. These years seemed to be often linked together in two to three consecutive years. They often had similar amount of days and months below the threshold. Other studies over the Nordic countries showed similar results. The method also gave a result that to a certain degree showed droughts that coincided with historical records of drought in Sweden. This gave a positive feedback of the index accuracy. To get a broader picture of how hydrological drought propagates in Sweden some possible choices were discuss ed. Precipitation, snow, streamflow, evapotranspiration and groundwater would need to be covered for a more precise study. Standardized indices have most of spectrum covered, but it would be suggested to implement the threshold level method as well to get accurate deficits.

Med nya utmaningar för att tillgodose behoven av tjänligt dricksvatten hos konsumenter över hela världen krävs innovativa tekniker för övervakning av vattenkvalitet. I det här projektet undersöktes ett nytt instrument som detekterar och klassificerar partiklar i dricksvatten med hjälp av maskininlärda modeller. Målet var att utvärdera dess användbarhet som ett onlinesystem för tidig varning på Norrvattens reningsverket och ledningsnät. Utvärderingen utfördes som två separata delar: (1) en översiktlig analys av data som tidigare samlats in av tre instrument placerade på Norrvattens reningsverk och ledningsnät med målet att hitta trender och definiera tröskelnivåer, och (2) genom att utföra spikningsexperiment i instrumentet med kända föroreningar i laboratoriemiljö. Föroreningarna som undersöktes var E. coli, B. megaterium, humussyror, cyanobakterier av stam Synechocystis PCC 6803, och biofilm. Flödescytometri genomfördes på samma föroreningar för att möjliggöra jämförelser. Dataanalysen visade att instrumentet kan upptäcka säsongsvariationer i partikelnivåer. Dessutom har det partikelklasser som inte varierade med dessa fluktuationer vilket gör dem lovande som oberoende parametrar i ett varningssystem. Det fanns dock indikationer på att instrumentet kan göra oförutsedda klassifikationer av partiklar utifrån skillnader i sammansättningen mellan träningsdatats vatten och vattnet på Norrvatten. De laborativa experimenten visade att instrumentet kunde detektera alla föroreningar som testades, även vid cellantal på några få hundra celler/mL. Det kunde jämföras med flödescytometern, där det nya instrumentet kunde upptäcka halter av cyanobakterier under detektionsgränsen för flödescytometern, vilket indikerar en hög känslighet. Därför drogs slutsatsen att instrumentet har potential som tidigt varningssystem, men dess användbarhet hos Norrvatten är begränsad i dess nuvarande tillstånd på grund av de oförutsedda klassificeringarna av partiklar i deras vatten. / With emerging challenges in ensuring safe supplies of drinking water to consumers worldwide, there is a need for innovative technologies for water quality monitor- ing. In this project, an instrument which can detect and classify particles in drinking water using machine-learned models was investigated. The aim was to assess its usefulness as an online, early warning system in the drinking water treatment plant and distribution system at Norrvatten. The assessment was conducted as two separate parts: (1) an analysis of data previously collected by three instruments located around Norrvatten’s plant and distribution system, with the aim of finding trends and creating baselines, and (2) by conducting spiking experiments in the instrument using known contaminants in a lab environment. The contaminants tested were E. coli, B. megaterium, humic acids, cyanobacteria Synechocystis PCC 6803, and biofilm. Flow cytometry was performed on the same contaminants to enable comparison. It could be concluded from the data analysis that the instrument can detect seasonal trends in particle levels. In addition, there are classes of particles which are not subject to these fluctuations, making them promising as independent parameters in a warning system. There were however indications that the instrument can make unexpected classifications of particles due to differences in composition in the training data water and the water at Norrvatten. The lab experiments showed that the instrument could detect all contaminants tested, even cell numbers of a few hundred cells/mL. Comparing with flow cytometry, the novel instrument could detect concentrations of cyanobacteria below the detection limit of the flow cytometer, indicating a high sensitivity. It was concluded that the instrument has properties desired in an early warning system, but its usefulness at Norrvatten is limited in its current state due to the unexpected classifications of particles in their water.