I fire år har NGI (Norges Geotekniske Institutt) brukt helikoptre med AEM-systemer (Airborne ElectroMagnetics) til geoteknisk kartlegging.
Målingene utføres ved at et helikopter, med en sirkulær antenne hengende under, flyr i nøye planlagte ruter frem og tilbake i parallelle flylinjer for å måle elektrisk ledningsevne i grunnen, der det planlegges nye vei- eller jernbanestrekninger.
Det du får er kontinuerlige elektromagnetiske målinger langs hele flylinjen, som kan komplettere data fra tradisjonelle grunnundersøkelser og gjøre det enklere å optimalisere trasévalg før man går inn med dyre enkeltboringer i usikre områder.
Utviklet for kartlegging av grunnvann
AEM-systemet de bruker var i utgangspunktet utviklet som del av et stort prosjekt for å kartlegge grunnvannsressursene i Danmark.
Prosjektingeniør og fysiker Asgeir Kydland Lysdahl ved avdeling for geokartlegging i NGI sier at det danskene har utviklet er det mest nøyaktige som finnes på AEM-markedet.
Til å begynne med foregikk tolkningen av de enorme datamengdene som samles inn manuelt, noe som var svært tidkrevende. Alternativet var å sette enkle terskelverdier i dataene, men det var lite presist.
I januar i fjor begynte NGI å se på hvordan disse dataene kunne tolkes ved hjelp av maskinlæring. Arbeidet, som delvis er støttet av Forskningsrådet, er en del av et initiativ NGI har startet opp som har som mål å utvikle bruk av kunstig intelligens og maskinlæring i geotekniske fagfelt.
Utviklingsarbeidet ble inspirert av en metode som ble presentert på en geofysikk-konferanse (SAGEEP) i 2015.
– Den store utfordringen er å konvertere elektrisk ledningsevne til geotekniske parametere. Mot slutten av fjoråret forbedret vi maskinlæringsteknikken ved å legge til en ikke-lineær funksjonstilpasser fra et ANN-bibliotek (nevrale nettverk). Det gir både en mer konsistent bergmodell og bedre ytelse, sier Lysdahl.
Eget brukergrensesnitt
Rundt dette har de også utviklet sitt eget, interaktive brukergrensesnitt hvor tolkningen utføres. Det er rett og slett en plug-in til kartprogramvaren ArcGIS Pro skrevet med Python Script.
Dataene lagres i en felles geodatabase, og kan sees både i 2D og 3D. Fremstillingen programmet gir de ferdigtolkede dataene virker nokså intuitiv.
Langs hele profilet – la oss si jernbanestrekningen – ser vi hvilke områder som har høy resistivitet og lav ledningsevne i rødt, og hvor det er høy ledningsevne i blått. Er det rødt på toppen av profilet er det berg, og er det blått er det jordsedimenter eller leire.
Utførte boringer i området kan legges inn i programmet for økt nøyaktighet, og spesifiserer du usikkerhet ved ett punkt, beregner programmet ny usikkerhet for alle andre linjer samtidig.
– Den lineære funksjonstilpasseren fungerer veldig bra så lenge du har berg med leire over i hele området og dataene er konsistente. Da benytter du samme regel hele tiden for å finne berget. Men andre steder har du svart leirskifer, som er stein med veldig høy ledningsevne. Eller du har elvesand og morene, som er tørre løsmasser med lav ledningsevne. Da har du plutselig områder med helt forskjellige konfigurasjoner av geologi, og da blir problemet ikke-lineært, tolkningene kan ikke være konstante, og vi trenger dette nevrale nettverket, sier Lysdahl.
- Elon Musk ville bygge verdens raskeste tunnelboremaskin: Nå er den i gang
Noen feilkilder
– Vil det ikke likevel være kilder til feiltolkning?
– Jo. På Ringeriksbanen har vi for eksempel en stor dal som er skåret ut av isbreene, og hvor det kanskje er 80 meter ned til fjell. Over fjellet er det først leire, og så elvesand, i tillegg til grushauger der elven har svinget. Det gir mange hauger som i AEM-målinger kan se ut som berg, men som bare er sand. Derfor må man alltid se på kart og kjenne den lokale geologien. Denne jobben kan aldri gjøres helt automatisk, man er avhengig av at et menneske ser på det og justerer. Men med dette som hjelpemiddel går jobben mye raskere, sier Lysdahl.
Senioringeniør på NGI, Malte Vöge, som har vært med på å utvikle tolkningsmetoden, legger til:
– Det de som planlegger tunnel er mest interessert i er hvor berget begynner, og hvor tykke løsmassene er. Det må tolkes. Det kan ikke beregnes ut fra resistivitetsverdier, siden slike verdier ikke alltid betyr det samme, men avhenger av hele bildet rundt. Erfaringen viser at metoden finner riktig berg de fleste steder, men om vi for eksempel har svakhetssoner som går skrått i vinkel kan vi få feilverdier. Det samme kan også skje når datakvaliteten er dårlig. Det skjer helst om det er ting som forstyrrer signalene, som høyspentledninger eller jernbanelinjer nær flylinjene, sier senioringeniøren.
- Entreprenøren er kastet ut av ett veiprosjekt og kan miste kontrakten på et annet: Fortsetter å levere anbud på store jobber
Bedre på kvikkleire
Foreløpig tolker bare NGIs metode én verdi per søyle, og det er dybden. Neste steg er å tolke én verdi per lag i søylen, slik at de kan tolke materialegenskaper:
– Får vi til det kan vi tolke materialegenskaper, og lese ulike løsmassetyper eller bergarter nedover. Det vil gi modellen en ny romlig dimensjon og nye muligheter for analyse. For det er uendelig mange anvendelser så lenge man klarer å relatere de elektriske egenskapene til de geotekniske, sier Lysdahl.
– Hvilke nye anvendelsesområder jobber dere konkret med?
– Kvikkleire er vanskelig å tolke med AEM fordi det krever ekstremt høy oppløsning. Men vi er heldig på den måten at resistivitet vises på en logaritmisk skala hvor intakt marin leire og kvikkleire ofte ligger langt nok fra hverandre til å kunne adskilles. Så vi forsker på det, og har foreslått metoder som i alle fall kan gi en grov sannsynlighetsklassifisering utfra disse dataene. Men ved slike grunnforhold må man uansett inn med mer detaljerte undersøkelser. Tolkning av kvikkleire vil eventuelt komme som en tilleggstjeneste til bergtolkning. Uansett er AEM-skanning første trinn i utredningen av et stort prosjekt i et stort område. Takket være etterspørsel etter denne type teknologi fra BaneNor og Statens vegvesen har vi klart å introdusere dette i Norge og utvikle bedre metoder for geoteknisk prosjektering, sier Lysdahl.
- En milepæl i utviklingen av fremtidens transportsystem: Her testkjører de Hyperloop
Optimalisering
Avdelingsleder for Landfundamentering i NGI, Magnus Rømoen, bruker de ferdige analysene fra AEM-kartleggingene i planleggingen av grunn-undersøkelsene.
Han mener slike målinger gir dem et fortrinn ved at de slipper å starte med blanke ark:
– Hvis du ikke har noen boringer i et område kan du tolke noe ut fra topografi og kvartærgeologiske kart, men når AEM brukes først får vi et forsprang i planlegging av boringer siden vi har en indikasjon på hva vi kan forvente i hele området vi skal inn i, sier Rømoen, som synes målingene har vært ekstra nyttige på prosjektet Ringeriksbanen:
– Det er ikke aktuelt å mobilisere AEM-kartlegging for en liten byggetomt, men når du skal kartlegge strekninger på mange mil, som Sandvika-Hønefoss, og tid og kostnad er viktig i utbyggingen, da lønner det seg å kunne optimalisere i denne fasen. AEM fjerner ikke behovet for grunnundersøkelser, men målingene gjør det enklere å optimalisere grunnundersøkelsene, sier Rømoen.
- Romersk betong har overlevd saltvann i 2000 år: Nå har forskerne løst mysteriet
Viktig tidligfasetiltak
Hele intercity-triangelet er kartlagt med AEM. Det samme er delstrekninger på E16, Riksvei 4 og E6. Både BaneNor og Statens vegvesen har spart både tid og penger ved å bruke slike kartlegginger i prosjekteringsfasen.
Fagdirektør for anleggs og jernbaneteknikk på Fellesprosjektet Ringeriksbanen og E16, Terje Andreas Vik, sier teknologi som bidrar til at de sparer tid og penger er veldig nyttige for BaneNor:
– AEM-skanning gir mye informasjon tidlig i prosjektet som gjør at vi kan planlegge videre grunnundersøkelser mer effektivt. Noen boringer har blitt planlagt til dels på bakgrunn av AEM-skanningen, mens andre ganger kan vi la være å bore fordi resultatene fra skanningen tilsier det. Hovedfordelen er at skanningen gjør videre boring og eventuelt seismikk mer målrettet, slik at vi sparer både tid og penger, sier Vik.
Han sier at selv om skanningen gir et nokså grovt bilde og ikke viser eksakte dybder til fjell, så gir det et godt bilde av grunnforholdene de vil møte når det sammenstilles med landbasert geofysikk og boringer.
Statens vegvesen har ikke brukt teknologien i like utstrakt grad som BaneNor, men prosjekteringsleder Arvid Sagbakken har beregnet at de sparte inn igjen mer enn det kostet med AEM-skanning den 32 kilometer lange E16-strekningen mellom Nybakk og Slomarka, selv om han i ettertid sier de nok kunne spart mer om de ikke hadde holdt på med vanlige grunnboringer i 2,5 måneder før AEM-kartleggingen.
– AEM-kartlegging har en nytteverdi på store veiprosjekter dersom målingene utføres tidlig. Helst i god tid før det er tid for grunnboringer, slik at man kan sette opp boreprogrammet etter resultatet av AEM-kartleggingen, og slik sett fokusere grunnboringene rundt kritiske områder hvor man faktisk trenger mer nøyaktig informasjon, sier Sagbakken.
- Ingen trodde regn ville bli et stort problem på Svalbard: Slik skal de beskytte frøhvelvet mot klimaendringene