Maaperämallien luotettavuus

Abstract

Maaperä- ja pohjatutkimuksiin liittyvä tieto esitetään tyypillisesti yksinkertaistettuina maaperämalleina, jotka toimivat lähtötietona suunnittelulle ja mahdollistavat tiedon havainnollistamisen. Opinnäytetyön tarkoituksena oli selvittää millaisia menetelmiä maaperää kuvaavien kolmiulotteisten mallien laadinnassa käytetään ja mitkä tekijät vaikuttavat niiden luotettavuuteen. Lisäksi tavoitteena oli tilastollisen tarkastelun avulla tutkia miten havaintopisteiden välimatka vaikuttaa pintamallien luotettavuuteen sekä selvittää aineistona käytetyn laserkeilatun kallionpinnan spatiaalinen vaihtelu. Tutkimuksessa käytettiin Maanmittauslaitoksen laserkeilausaineistoa, jota luokiteltiin ja käsiteltiin mallintamalla sekä paikkatietoanalyysien avulla. Luotettavuutta ja spatiaalista vaihtelua kuvattiin aineistoista muodostetuilla tilastollisilla tunnusluvuilla ja kuvaajilla.

Tutkimuksessa suoritettiin kaikki analyysit sekä kolmioverkkomalleilla että ruutuverkkoon interpoloiduilla pintamalleilla. Luotettavuuden kannalta näiden menetelmien välille ei tutkimuksessa pystytty osoittamaan selvää eroa. Tutkimuksen mukaan havaintopisteiden välimatkalla ei ollut juurikaan vaikutusta referenssipinnan ja vertailupinnan välisten erojen keskiarvoon. Tuloksista kuitenkin ilmeni, että keskiarvon vaihteluväli sekä keskiarvon 95 %:n luottamusväli olivat noin neljä kertaa pienempiä, kun havaintopisteväliä tihennettiin 40 metristä 20 metriin tai 10 metristä 5 metriin. Tutkimusaineiston osalta kalliopinnan spatiaalista vaihtelua kuvattiin tutkimuksessa kalliopinnan korkeuden muutoksena suhteessa etäisyyteen. Tulosten mukaan muutosta oli mahdollista kuvata lineaarisesti siten, että kallionpinnan korkeuden keskimääräinen muutos suhteessa etäisyyteen oli noin 1:10.

Tutkimustulosten perusteella keskihajonta ja luottamusväli osoittautuivat keskiarvoa paremmiksi tavoiksi kuvata pintamallien luotettavuutta. Koska aineisto oli laaja, kalliopinnan spatiaalisen vaihtelun tarkastelun ei todettu antavan kovinkaan paljon tietoa kuvatessa olosuhteita yksittäisen kohteen osalta. Tietoa voi olla kuitenkin mahdollista käyttää esimerkiksi kalliopinnan luottamusvälin arviointiin ilman geostatististen menetelmien käyttämistä. Vaikka tutkimuksessa ei ruutuverkkoon interpoloitujen pintamallien avulla pystytty tuottamaan kolmioverkkoa luotettavampaa kuvausta mallinnettavasta pinnasta, voisi interpolointimenetelmien käytöstä olla hyötyä myös perinteisissä suunnitteluohjelmistoissa. Kolmioverkkomalleja olisi esimerkiksi mahdollista rajata geostatistisilla menetelmillä saadun luotettavuustiedon avulla. Interpolointimenetelmien käyttö mahdollistaisi myös maaperän ominaisuustietojen sisällyttämisen maaperän rakennetta kuvaaviin tilavuusmalleihin, jolloin saataisiin aikaan maaperää huomattavasti tarkemmin kuvaavia malleja, kuin pelkkiä maalajien rajapintoja käyttämällä.

Ground survey results are typically presented as geological or geotechnical models in order to simplify subsurface conditions for planning and visualisation purposes. One of the aims of this study was to summarise the methods currently used in subsurface modelling and to determine obvious sources of errors related to subsurface models. In addition, the effect of sampling distance on reliability of surface models and the spatial variation of the bedrock surface within the data set was analysed using statistical methods. The LiDAR data set used in the analysis was acquired from the National Land Survey of Finland. Data set was classified and processed using modelling methods and GIS analyses in order to create graphs and key statistical figures.

Analyses were performed using both TIN and grid surfaces. The conducted study suggested that there is no noticeable difference in reliability whether the surface is modelled using TIN or grid method. Results suggested that decreasing sample spacing from 40 m to 5 m would not result in a noticeably improvement in the mean difference between the reference surfaces and the comparative surfaces. However, the standard deviation and the confidence interval of the mean difference at 95 % confidence level were reduced by approximately four times when sample spacing was decreased from 40 metres to 20 metres or from 10 metres to 5 metres. The spatial variation of the bedrock surface was described in the study as a distribution of bedrock elevation change over distance. Results suggested that, within the data set, the mean distribution of elevation change over distance may be presented linearly as a ratio of approximately 1:10.

Study showed that standard deviation and confidence interval of the mean differences describe the reliability of the surface models better than the mean difference itself. Furthermore, in this study it was found that analysing the spatial variation of the bedrock surface, within the large data set, gives relatively little information when describing the conditions of an individual site. However, the information could possibly be used when examining the confidence interval of the bedrock surface without any geostatistical methods. Even though the study suggested that interpolated grid surfaces cannot describe the reference surfaces better than TIN surfaces, there could be advantages using geospatial interpolation methods in surface and volumetric modelling. For example, confidence data generated with geostatistical interpolation methods could be used to outline TIN surfaces to present areas where confidence level is at desired level. In addition, using interpolation methods would enable property modelling in volumetric models. Compared to surface models, volumetric models with property information could describe the subsurface conditions in greater detail.