Meget af den nitrat, der bliver udvasket fra rodzonen, omsættes i undergrunden til frit kvælstof, som afgasser til atmosfæren. Omsætningen sker via naturlige processer, men kun hvis der ikke er ilt tilstede. Overgangen mellem jordlag, der er hhv. iltede (oxiderede) og ikke-iltede (reducerede), kaldes redoxgrænsen. Det er nødvendigt at kende placeringen af den grænse for at kunne vurdere, hvor der sker en lille eller stor nitratomsætning.
Metode baseret på machine learning
Som en del af forskningsprojektet TReNDS har GEUS udviklet en ny metode til at estimere redoxgrænsens beliggenhed. GEUS har udviklet en model, der beskriver sammenhængen mellem forskellige forklarende variabler og dybden til redoxgrænsen baseret på ca. 13.000 observationer af farveskift i sedimentprøver fra Jupiter-databasen
”Det har været vigtigt for os, at metoden ikke var en ren maskinel øvelse, men at det skulle være muligt at indbygge viden og forståelse fra tidligere studier,” siger Vibeke Ernstsen der er seniorforsker i GEUS og ekspert i redoxforhold i undergrunden.
GEUS har benyttet machine learning-metoden ’Random Forest’ kombineret med geostatistik. Julian Koch, der er forsker i GEUS og har stået for den tekniske løsning, forklarer:
”Med denne metode har det været muligt at generere et nationalt kort i en fin grid-opløsning på 100 m og opnå både et bedste bud på dybden til redoxgrænsen og et estimat af usikkerheden på denne dybde.”
Bedre mulighed for opdateringer
Det første nationale kort over redoxgrænsen blev etableret i 2006 på basis af en manuel tolkning, hvilket er en tids- og ressourcekrævende opgave. Da den nye metode er automatiseret, er det blevet langt hurtigere at opdatere kortet, når der er indsamlet nye data.
”Det er vores ønske, at kortet løbende bliver opdateret, og vi inviterer derfor til samarbejde om at inddrage redoxdata, der ikke ligger tilgængelig i Jupiter-databasen,” siger Anker Lajer Højberg, seniorforsker i GEUS og koordinator for TReNDS.
Estimater på usikkerhed kan rekvireres ved at henvende sig til GEUS.