Verifiering av modelerad förekomst av sura sulfatjordar i Mälardalen

Sammanfattning: Människan står inför stora utmaningar med att bekämpa olika typer av miljöproblem. Många av dessa problem är orsakade av människan men det finns också de problem som orsakats av föroreningar som uppstår naturligt. En av dessa naturliga föroreningar är sura sulfatjordar. Sura sulfatjordar lakar ur förorenande metaller och riskerar således att skada omgivningen, speciellt närliggande vattendrag. Karteringen av dessa jordar har historiskt både varit kostsamma i tid och pengar. Sveriges Geologiska Undersökning (SGU) har utvecklat en modell som via ett script utför maskininlärning för att förutspå förekomsten av sura sulfatjordar på landskapsnivå. Detta förväntas att både spara tid och pengar. Hur väl modellen presterar i områden med begränsad eller helt utan fältdata är dock ej undersökt. I denna studie görs en ansats till att verifiera om modellen förutspår förekomsten av sura sulfatjordar korrekt även på större avstånd från områden med fältobservationer. Studieområdet för modellen är Mälardalen. Området är präglat av jordbruk, vilket kan påverka hur väl modellen presterar. Inom studien undersöktes även en utvecklingsmöjlighet för att lära modellen att inte peka ut områden i vatten som sur sulfatjord, vilket delvis lyckades. Verifieringen av modellens kartering skedde i två steg, den första via GIS-analys där tidigare kända indikatorers spatiala utbredning för sura sulfatjordar granskades, indikatorerna är spårämnen i rotsystemen på bäckvattenväxter. Olika spårämnesförhållanden, Ni (nickel)/Pb (bly), Y (yttrium)/Pb och Cu (koppar)/Pb, jämfördes sedan med modellens kartering. Ytterligare verifiering gjordes via fältstudie. Studien pekar på att modellens kartering går att verifiera på generell landskapsnivå. Studien pekar även på att modellen i visa fall är för konservativ, då platser som modellen pekar ut som icke aktiv sur sulfatjord har höga indikatorvärden samt vid en plats i fält där aktiv sur sulfatjord identifierades. Det kan möjligtvis åtgärdas med utökade indata eller annan utveckling av modellen.