03/2013 - TU Bergakademie Freiberg

Transcription

Fakultät für Mathematik und Informatik
Preprint 2013-03
Helmut Schaeben (Hrsg.)
11. Freiberger Forum für Geoinformationstechnologie
Veranstalter:
Mathematische Geologie und Geoinformatik, TU Bergakademie Freiberg
Beak Consultants, Freiberg
Sächsisches Landesamt für Umwelt, Landwirtschaft und Geologie, Freiberg
ISSN 1433-9307
Helmut Schaeben (Hrsg.)
11. Freiberger Forum für Geoinformationstechnologie
"2-D- und 3-D-Technologien in der Praxis"
Freiberg  20. Juni 2013
Veranstalter:
Mathematische Geologie und Geoinformatik, TU Bergakademie Freiberg
Beak Consultants, Freiberg
Sächsisches Landesamt für Umwelt, Landwirtschaft und Geologie, Freiberg
TU Bergakademie Freiberg
Fakultät für Mathematik und Informatik
Akademiestraße 6
09596 FREIBERG
http://www.mathe.tu-freiberg.de
ISSN 1433-9307
Herausgeber:
Herstellung:
Dekan der Fakultät für Mathematik und Informatik
Medienzentrum der TU Bergakademie Freiberg
Inhalt
Seite
A NEW CONCEPT FOR SEMI-AUTOMATED TOPOLOGY-CONSERVING
GEOMETRY OPTIMIZATION OF VOXELIZED TRIANGLE MODELS BY MEANS
OF COVARIANCEMATRIX-ADOPTION EVOLUTION-STRATEGIES
Michael R. Alvers, Christian Plonka, Sabine Schmidt, Liliana Barrio-Alvers,
Michael Schröder .................................................................................................
7
MULTIKRITERIEN-ANSATZ ZUR GEOLOGISCHEN 3D-MODELLIERUNG
VON STRATIGRAPHISCHEN ZIELHORIZONTEN IN DER UNTERMAINEBENE
Hannah Budde, Christian Hoselmann, Rouwen J. Lehné, Heiner Heggemann,
Anders Hoppe ...................................................................................................... 11
BRANDENBURG 3D – A COMPREHENSIVE 3D SUBSURFACE MODEL,
CONCEPTION OF AN INFRASTRUCTURE NODE AND A WEB APPLICATION
Dorit Kerschke, Maik Schilling, Andreas Simon, Joachim Wächter ............................. 15
ERZEUGUNG, SPEICHERUNG UND VISUALISIERUNG HYDROGEOLOGISCHER
3D-DATEN FÜR DEN FREISTAAT SACHSEN
Sven Etzold, Mathias Hübschmann, Bernd Torchala ................................................. 23
GEOLOGICAL DATA AND INFORMATION MANAGEMENT IN UGANDA
Grace Lubembe Nassuna, Frank Schmidt ............................................................... 29
MATHEMATICAL MODELS OF POTENTIAL PREDICTION IN A NUTSHELL
Helmut Schaeben ................................................................................................. 35
ADVANGEO® 2.0 & ADVANGEO® MINERALS: LAGERSTÄTTENPROGNOSE
MIT KÜNSTLICHEN NEURONALEN NETZEN UND ARCGIS 10
Silke Noack, Andreas Knobloch, Sven H. Etzold, Andreas Barth ................................ 39
FINITE-ELEMENTE SIMULATIONEN AUF DER BASIS REALISTISCHER
GEOLOGISCHER UNTERGRUNDMODELLE
Jana Börner, Ines Görz, Björn Zehner, Klaus Spitzer ................................................ 45
A NEW CONCEPT FOR SEMI-AUTOMATED TOPOLOGY-CONSERVING
GEOMETRY OPTIMIZATION OF VOXELIZED TRIANGLE MODELS BY
MEANS OF COVARIANCE-MATRIX-ADOPTION EVOLUTIONSTRATEGIES
MICHAEL R. ALVERS(1), CHRISTIAN PLONKA(1), SABINE SCHMIDT(2), LILIANA
BARRIO-ALVERS(1,3) UND MICHAEL SCHROEDER(1,3)
(1) Transinsight GmbH. Tatzberg 47-51, 01307 Dresden. [email protected],
[email protected]
(2) Institut fuer Geowissenschaften, Abtlg. Geophysik, Christian-Albrechts-Universität zu
Kiel, Kiel, [email protected]
(3) Biotec TU-Dresden. Tatzberg 47-51, 01307 Dresden. [email protected], [email protected]
KEY WORDS: interactive geophysical modeling,
Gravity, FTG, geometry optimization, CMA-ES,
topology conservation
ABSTRACT
which hosts the model - instead of the model itself.
Thereby it is important to keep the topology of the
space itself in order to keep the topology of the
(contained) model. This can be achieved by a new
paradigm where topology is preserved intrinsically.
Interactive geophysical modeling can be tedious
and time consuming. It is desirable to support
human interactions with automated techniques. It
must be possible to apply not only geometrical
constraints.
We demonstrate a joint approach capable of
combining interactive (space) modeling with
automated CMA-ES geometry optimization. The
aspect of constrained user-interaction supported
by automatic methods will be emphasized.
A strong and flexible optimization technique is the
covariance-matrix-adoption-evolution-strategy
(CMA-ES). CMA-ES is strong in terms of global
convergence and flexible in terms of adoption to
the (local) quality function. This is achieved by
learning a mutation-distribution on the fly. The
method can deal with high-dimensional highly
scaled parameter spaces and fast convergence is
achieved on a variety of typical test cases.
PROBLEME DER
GEOMETRIEOPTIMIERUNG
In realistic geophysical models the number of
geometry describing triangles is huge (in the order
of several thousands). If triangles get small (e.g.
by a changed geometry during optimization) the
probability of incorrect cross-overs increases with
time. This leads to an under-representation of
good solutions and CMA-ES cannot learn the
quality landscape correctly. The optimization
process slows down and often stops completely.
There are two solutions to the problem. The first
solution is "re-injection" where the strategy can
actively be taught what a correct solution is (e.g.
the parameter is set to - or short before - the
constraining limit of the parameter). The second
solution is to avoid false solutions in the first place.
This leads to the challenge to keep topology of a
given model intrinsically. One idea to achieve
topology conservation is to manipulate the space -
Heutige geophysikalische Modelle bestehen aus
großen Anzahlen von geometrischen Primitiven
wie zum Beispiel Dreiecken. Einige Millionen sind
bei industrierelevanten Modellen keine Seltenheit.
Interaktives Modellieren einzelner
Geometriepunkte verbietet sich bei sehr vielen
Modellpunkten. Änderungen der Geometrie kann
nur mittels geeigneten Manipulatoren
vorgenommen werden, die im Allgemeinen an
bestimmten zu veränderten Stellen des Modells oft temporär - angesetzt werden, um
Geometriepunkte zum Beispiel in einem gewissen
Radius in eine bestimmte Richtung zu
verschieben.
Oft wird eine Manipulation derart ausgeführt, dass
Verschiebungen zum Rand des Einfluss-Radius
auf Null gehen, man also in eine Ebene z.B. eine
Gaußkrümmung modellieren kann (ALVERS M.R.
(1998)).
8
Durch mehrere hintereinander ausgeführte
Manipulationen mit verschiedenen Radien und
Verschiebungsgrößen kann so (mühsam) eine
dreidimensionale Veränderung durchgeführt
werden. Dabei ist es für den Benutzer äußerst
schwierig geologisch sinnvolle Modelle zu
erstellen. Das Modellieren auf Schnittebenen
macht Modellierungen etwas einsichtiger bringt
aber andere Probleme mit sich. Komplexe Modell
müssen dafür geschnitten werden, was zur reinen
optischen Darstellung relativ unproblematisch ist
aber unter der Randbedingung der Erhaltung der
geophysikalisch richtigen Topologie äußerst
problematisch wird (SCHULTE J. (1998)).
Zusammenfassend muss konstatiert werden, dass
freie interaktive 3D-Modellierung ein schwieriges
Gebiet ist und selbst erfahrene und geschulte
Geowissenschaftler nach Werkzeugen suchen, die
die Arbeiten deutlich vereinfachen und/oder
unterstützen und/oder automatisieren.
RAUMKRÜMMUNG
Eine Vorgehensweise, die vielversprechend
erscheint, ist die, auf Manipulatoren zu verzichten
und das Modell in einen Raum (zum Beispiel die
umschließende quaderförmige Hülle) zu
interpretieren. Veränderungen erfolgen nun am
(umschließenden) Raum und nicht mehr direkt am
Modell. Wird der umschließende Raum in ein
(geeignetes) Gitter unterteilt und nur die
Gridverbindungen verändert, so bleibt die
Topologie des Gitters erhalten. Ist das im Gitter
liegende Modell sehr hoch aufgelöst, so kann
(praktisch) auch die Erhaltung der Topologie des
Modells garantiert werden.
11. Freiberger Forum Geoinformationstechnologie
eine geeignete Skalierung zu finden, also einen
Faktor, mit dem eine Strafe (Penalty) zur GesamtQualität beitragen soll. Heuristiken zu finden ist
schwierig und kann nie in Allgemeinheit
angegeben werden. Invalide Modelle
auszusondern führt bei automatischen Verfahren
immer dazu, das Modellpopulationen ausgedünnt
werden und das oft wegen kleinster
Topologiefehler bei ansonsten guten
Modellindividuen. Es ist daher sehr
wünschenswert ein Verfahren der
Raumkrümmung zu entwickeln, welches á priori
Topologie erhaltend ist.
RAUMKRÜMMUNG MITTELS SOM
Eine mögliche Lösung für „topologieerhaltende
Raumkrümmung“ sind Self-Organizing-Maps,
SOM (KOHONEN T. and HONKELA T. (2007)).
Das Verfahren zeigt sich generell geeignet, kann
aber aus Gründen der hohen Rechenzeiten sehr
wahrscheinlich nicht im praktischen Einsatz
angewendet werden. Dazu wurden Verfahren mit
Multi-Kern Berechnungen, Cloud-Computing,
Rechnen auf der Grafikkarte (OpenCL) und
generell verteiltes Rechnen getestet.
Der Vorteil des Verfahrens ist aber der, dass bei
Abbildungen von Räumen gleicher Dimension
(unter wenigen einfachen Bedingungen) die
Erhaltung der Topologie garantiert ist. Durch
übertrainieren können bestimmte Teile des Gitters
verdichtet werden (siehe Abbildung 1) und somit
eine Raumkrümmung erzeugt werden. Die
Optimierung wird also auf eine Dichtefunktion von
Trainingspunkten verlagert und kann z.B. in einem
Histogramm abgelegt werden.
Dies ist von besonderer Bedeutung bei der
Verwendung von automatischen Suchverfahren,
denen man im Allgemeinen Informationen über
Topologie eines Modells nur schwer „übermitteln“
kann. In Frage kommen zum einen Strafterme, die
sich negativ auf die Gesamtqualität auswirken,
wenn sich Topologieverletzungen ergeben oder
derartige Modelle können als invalid ausgesondert
werden. Beide Ideen der Bestrafung haben
erhebliche Nachteile. Zum einen ist es schwierig
Ein sehr positiver „Nebeneffekt“ der
Auseinandersetzung mit SOMs ist der, dass die
Aufbereitung des Problems der 3D-Editierung
komplexer geophysikalischen Modelle für die
Anwendung von SOMs, eine elegante
Implementierung eines interaktiv (evolutionär
unterstützten) Raum-Manipulators hervorgebracht
hat, der momentan getestet wird und im Vortrag
vorgestellt wird.
M. R. Alvers, C. Plonka, S. Schmidt, L. Barrio-Alvers, M. Schröder
Die Idee ist, automatische Suchverfahren, wie z.B.
CMA-Evolutionsstrategien, partiell und
benutzerkontrolliert am Raum-Manipulator arbeiten
zu lassen. Wir bezeichnen dass als Benutzer
geführte Evolution. Erste Tests an realistischen
Modellen zeigen sehr gute Ergebnisse. Auch
diese werden im Vortrag vorgestellt.
9
beansprucht. Tests zeigen, dass dieser
Rechenaufwand in den Bereich der Berechnung
des physikalischen Feldes liegt, man also grob
von einer Verdoppelung der á priori Rechenzeit
ausgehen muss. Außerdem reicht
Überrepräsentation nicht aus, um die Ecken des
Trainingsraumes auf die Ecken des zu
optimierenden Raumes eindeutig abzubilden. Die
Nicht-Behandlung von Vektoren in den jeweiligen
Ecken führt oft zu Konvergenzproblemen der
SOM-Simulation und damit als Folge zu
Konvergenzproblemen der eigentlichen
Optimierung. Es kann vermutet werden, dass sich
derartige Probleme umgehen lassen. Ein
gründliches Studium der Effekte wird hier Klarheit
bringen.
ZUSAMMENFASSUNG
CMA-ES: COVARIANCE MATRIX ADOPTION
Leistungsfähige Suchstrategien, die sich für
Probleme mit vielen Parametern eignen, gut mit
lokalen Optima umgehen und in der Praxis schnell
konvergieren sind CMA-Evolutionsstrategien
(HANSEN N. and OSTERMEIER A. (2001)). Sie
zeichnen sich dadurch aus, dass sie mittels eines
Lernverfahrens eine Mutations-Verteilung
(Kovarianz-Matrix) den jeweils lokalen
Gegebenheiten der Qualitätsfunktion anpassen.
Wir verwenden diese Verfahren und stellen
Ergebnisse im Vortrag vor. Der Algorithmus kann
mit Gleichung (1) beschrieben werden.
Geometrieoptimierung mittels topologieerhaltender
Raumkrümmung bewährt sich bei synthetischen
Testproblemen und ist (unseren Wissens nach)
noch nie publiziert worden. Die Anwendung der
SOM-Methode ist rechenintensiv und die
Konvergenz ist nicht garantiert und oft nicht stabil
im de Sinn, dass gleiche Dichtefunktionen zu
gleichen Raumverzerrungen führen. Neue
Verfahren müssen getestet werden.
AUSBLICK
Eine Fortführung der SOM-Idee kann die
Anwendung von Neural-Gas Methoden sein
(MARTINETZ T.M. and SCHULTEN K.J. (1991)).
Im Gegensatz zu SOM wird hier völlig auf Gitter
verzichtet und die Raumkrümmung findet auf
zufällig frei gewählten Vektoren des zu
optimierenden Raumes statt. NG-Methoden
konvergieren besser als SOM und gelten daher als
vielversprechende Alternative.
QUELLEN
PROBLEME
Die Modellierung einer Raumkrümmung mittels
SOMs ist aufwendig: Es muss eine
Dichteverteilungsfunktion optimiert werden, die für
die Überrepräsentation bestimmter Raumgebiete
sorgt, um so die optimale – im Sinne der
eigentlichen Qualitätsfunktion – Raumverzerrung
zu erhalten. Dies erfordert, dass für jede von der
Optimierungsstrategie testweise erzeugte
Dichtefunktion eine SOM-Simulation durchgeführt
werden muss, welche an sich Rechenzeit
ALVERS M.R. (1998) - Zur Anwendung von
Optimierungsstrategien auf Potentialfeldmodelle.
Dissertation FU Berlin (SFB 267), Berliner
Geowissenschaftliche Abhandlungen, Reihe B, Band
28, Berlin, 108 Seiten
HANSEN N. and OSTERMEIER A. (2001). Completely
Derandomized Self-Adaptation in Evolution
Strategies. Evolutionary Computation, 9(2), pp. 159195.
KOHONEN T. and HONKELA T. (2007) Kohonen
Networks. Scholarpedia, 2(1):7421.
MARTINETZ T.M. and SCHULTEN K.J. (1991) - A
neural-gas network learns topologies. In T. Kohonen,
K. Mäkisara, O. Simula, and J. Kangas, editors,
Artificial Neural Networks, pages 397-402. NorthHolland, Amsterdam.
SCHULTE J. (1998): Konstruktion einer
dreidimensionalen Geometrie aus nicht parallelen
Ebenen. Diplomarbeit, Institut für Geologie,
Geophysik und Geoinformatik, FU Berlin
10
DANKSAGUNG
Dieses Vortrag wurde teilweise unterstützt von
AIDA: From Airborne Data Inversion to In-Depth
Analysis und gefördert durch das BMBF
Förderkennzeichen 03G0736A.
MULTIKRITERIEN-ANSATZ ZUR GEOLOGISCHEN 3D-MODELLIERUNG
STRATIGRAPHISCHER ZIELHORIZONTE IN DER UNTERMAINEBENE
HANNAH BUDDE(1), CHRISTIAN HOSELMANN(2), ROUWEN J. LEHNÉ(1),
HEINER HEGGEMANN(2), ANDREAS HOPPE(1)
(1)
Technische Universität Darmstadt, Angewandte Geowissenschaften, Schnittspahnstr. 9, D‐64287 Darmstadt. [email protected]‐darmstadt.de, [email protected]‐darmstadt.de, [email protected]‐darmstadt.de (2)
Hessisches Landesamt für Umwelt und Geologie (HLUG), Rheingaustr. 186, D‐65203 Wiesbaden. [email protected], [email protected] KEY WORDS: 3D-Modellierung, GIS, GOCAD,
Untermainebene.
ABSTRACT
The availability of near-surface geo-resources
such as groundwater or sand and gravel deposits
play a key role in urban development. Due to the
increasing demand for land, particularly in
metropolitan areas, conflicts of utilization between
different economic and environmental interests
often arise. Therefore a 3D geological model for a
part of the metropolitan region of Frankfurt / RhineMain will be created. The 2,700 km² large project
area covers the Lower Main Plain and the Hanau
Basin and is bounded by the Rhenish Slate
Mountains (Rheinisches Schiefergebirge) in the
northwest and the Odenwald in the southeast.
The aim of the model is to visualize important
stratigraphic units like the Quaternary and Tertiary
base. Depending on data availability, the space
between will be further differentiated
stratigraphically. A multi-criteria approach for the
derivation of the horizons has been developed to
avoid model errors due to incorrect entries
associated with the borehole database, to objectify
the stratigraphic classification, and to specify a
size for the reliability of model areas.
Characteristics and descriptive information about
the lithology of each stratigraphic unit in the project
area have been derived based on publications that
address the geology of the Rhine-Main area (e.g.
Gabriel et al. 2012, Hoselmann 2008), results from
two projects; the 3D_NORG (Hoselmann & Lehné
2012) and the Hanau Basin (Lang 2007), as well
as geological maps (scale 1:25,000). The different
parameters, such as color, carbonate content,
grain size etc. will be weighted and for each
stratigraphic unit combined in a specific matrix. In
this way it is possible to classify each of the
17,000 project related wells and to indicate the
probability of belonging to a specific stratigraphic
unit semi-automatically. This makes the modeling
process more transparent and comprehensible for
third parties. In order to ensure the highest quality
standards, stratified information will be visually
checked for plausibility, supported by expertknowledge coming from the geological survey. By
comparing the results of a stratigraphic-based
modeling and the matrix-derived results of the
method applied, a qualitative assessment of the
data stored in the borehole database can also be
conducted.
EINLEITUNG UND ZIELSETZUNG
Für die Entwicklung des urbanen Raumes ist
die Verfügbarkeit und die Nutzung von
oberflächennahen Georessourcen eine wichtige
Voraussetzung. Bedingt durch den steigenden
Flächenbedarf entwickeln sich dabei besonders in
Ballungsgebieten zunehmend Konflikte zwischen
wirtschaftlichen Nutzungsinteressen und
Naturschutzaspekten. Daher soll ein geologisches
3D-Modell wichtiger stratigraphischer Einheiten für
einen Teilbereich der Metropolregion
Frankfurt/Rhein-Main erstellt werden. Ziel ist die
Modellierung wichtiger stratigraphischer Einheiten,
wie die Quartär- und Tertiärbasis. Je nach
Datenverfügbarkeit wird eine weitere
stratigraphische Differenzierung angestrebt. Damit
sollen die Geopotenziale evaluiert, eine
Modellierung von Nutzungsszenarien möglich und
Planungsgrundlagen für die Bewertung bei
Nutzungskonflikten verfügbar gemacht werden.
Das Modell soll mit seinen Eingangsdaten stets
transparent und damit in seiner Aussagekraft für
Dritte leicht nachvollziehbar sein. Der
Kernbetrachtungsraum des 2.700 km² großen
Projektgebiets liegt in den Senkungsbereichen der
Untermainebene und des Hanauer Beckens. Im
Süden und Westen kommen Teile des nördlichen
Oberrheingrabens und des Mainzer Beckens
hinzu. Begrenzt wird das Gebiet im Nordwesten
durch das Rheinische Schiefergebirge und im
Südosten durch den Odenwald.
12
Abbildung 1 – Höhenmodell des Projektgebietes aus SRTM-Daten in GOCAD. Angabe des Maßstabs in [m].
Datenquelle: Jarvis et al. (2008).
METHODIK UND DATENGRUNDLAGE
Für die Erstellung des Modells stehen aus der
Bohrdatenbank des HLUG etwa 17.000
projektrelevante Bohrungen als wesentliche
Datenquelle zur Verfügung. Zusätzlich kann auf
die entsprechenden GK25 Kartenblätter und auf
Flussseismik zurückgegriffen werden (z.B.
Haimberger et.al. 2005). Im Rahmen der
Aufbereitung der Bohrdaten wurde eine Vielzahl
von fehlerhaften Einträgen in den
Bohrschichtverzeichnissen festgestellt.
Insbesondere im Bereich der Stratigraphie gibt es
Unterschiede bei der Interpretation der Schichten
in Abhängigkeit vom Bearbeiter und dem Jahr der
Bohraufnahme. Um diese Einflüsse bei der
Modellierung auf ein Minimum zu reduzieren, wird
jeder Schichteintrag in der Bohrdatenbank mittels
der petrographischen Beschreibung klassifiziert
und unter Angabe einer aus der Gesamtpunktzahl
ermittelten Wahrscheinlichkeit einer
stratigraphischen Einheit zugeordnet. Zur
Klassifikation der Schichten werden Angaben aus
der Literatur im und am Rande des
Betrachtungsraums (z.B. Gabriel etal. 2012,
Hoselmann 2008) und Ergebnisse der bereits
bestehenden Projekte 3D_NORG im nördlichen
Oberrheingraben (Hoselmann & Lehné 2012)
sowie der Hanau-Seligenstädter-Senke (Lang
2007) verwendet. Die erarbeiteten
Klassifikationsparameter wie Farbe, Kalkgehalt,
Korngröße, gehen anschließend gewichtet in eine
Bewertungsmatrix ein. Neben der Ausarbeitung
der Klassifikationskriterien aus der Literatur, ist
demnach die Definition relevanter Schlüssel und
das Abfragen der Kriterien in einem
projektspezifischen GIS ein wesentlicher Teil der
Methodik.
Abbildung 2 – Workflow
H. Budde, C. Hoselmann, R. J. Lehné, H. Heggemann, A. Hoppe
13
ERSTE ERGEBNISSE
Erste Testläufe sind für die Schichten des
Pliozäns und der quartären Terrassensedimente
umgesetzt und geben auf den ersten Blick ein
konsistentes Bild. Über 3.000 der insgesamt gut
200.000 Schichteinträge erfüllen die definierten
Kriterien für quartäre Terrassensedimente in der
Untermainebene zu mindestens 70% und können
damit als Stützpunkte für die Oberflächen-
modellierung herangezogen werden. Sie liegen im
gesamten Bereich räumlich über den fast 500
Einträgen, die als Pliozän eingestuft wurden. Die
Belastbarkeit der durch den Ansatz abgeleiteten
Informationen wird durch Qualitätskontrollen bzw.
mit Wissen aus Erfahrung semi-automatisch sowie
visuell verifiziert.
Abbildung 3 – Ergebnisse der Einstufung der Schichteinträge mittels der Bewertungsmatrix in quartäre
Terrassensedimente und pliozäne Ablagerungen im Bezug zu ihrer räumlichen Lage. Datenquelle der
Hintergrundkarte: Bing Maps
QUELLEN
GABRIEL, G., ELLWANGER, D., HOSELMANN,
C., WEIDENFELLER, M., WIELANDTSCHUSTER, U. (2012): The Heidelberg Basin,
Upper Rhine Graben (Germany): a unique archive
of Quaternary sediments in Central Europe.
Quaternary International, 292: 43-58.
HAIMBERGER, R., HOPPE, A., SCHÄFER, A.
(2005): High-resolution seismic survey on the
Rhine River in the northern Upper Rhine Graben.
Int. J. Earth Sci., 94: 657–668.
HOSELMANN, C. (2008): The Pliocene and
Pleistocene fluvial evolution in the northern Upper
Rhine Graben based on results of the reasearch
borehole at Viernheim (Hessen, Germany).
Quaternary Science Journal (Eiszeitalter und
Gegenwart), 57/3-4: 286–315.
HOSELMANN, C. & LEHNÉ., R.J. (2012): Neue
Lithostratigraphie und ein geologisches 3D-Modell
des nördlichen Oberrheingrabens – Hessisches
Landesamt für Umwelt und Geologie –
Jahresbericht 2012, 77-87.
JARVIS, A., REUTER, H.I., NELSON, A.,
GUEVARA E. (2008): Hole-filled seamless SRTM
data V4. International Centre for Tropical
Agriculture (CIAT) http://srtm.csi.cgiar.org
LANG, S. (2007): Die geologische Entwicklung der
Hanau-Seligenstädter Senke (Hessen, Bayern).
Dissertation an der Technischen Universität
Darmstadt. (http://elib.tudarmstadt.de/diss/000782).
Brandenburg 3D – a comprehensive 3D subsurface model, conception of
an infrastructure node and a web application
DORIT KERSCHKE(1); MAIK SCHILLING(1); ANDREAS SIMON(2) UND JOACHIM
WÄCHTER(1)
(1) Helmholtz Centre Potsdam – GFZ German Research Centre for Geosciences: Centre for
GeoInformationTechnology – CeGIT, Germany. Telegrafenberg, 14473 Potsdam.
[email protected]
(2) Landesamt für Bergbau, Geologie und Rohstoffe Brandenburg (LBGR), Germany. Inselstr.
26, 03046 Cottbus. [email protected]
KEY WORDS: 3D geological modeling, INSPIRE,
Geodata-Infrastructure, infrastructure node,
unterirdische Raumordnung.
ABSTRACT
The Energiewende and the increasing scarcity
of raw materials will lead to an intensified utilization of the subsurface in Germany. Within this
context, 3D geological modeling is a fundamental
approach for integrated decision and subsurface
management processes. Initiated by the development of the European Geodata-Infrastructure
INSPIRE, the German State Geological Offices
started digitizing their predominantly analog archive inventory. Until now, a comprehensive 3D
subsurface model of Brandenburg does not exist.
Therefore the project B3D strives to develop a
new 3D model as well as a subsequent infrastructure node to integrate all geological and spatial
data within the Geodaten-Infrastruktur Brandenburg (GDI-BB) and provide it to the public through
an interactive 2D/3D web application. This will
alleviate spatial and geological data management
within the German State Geological Offices, provide guidance to a systematic subsurface management on the basis of a federated spatial data
infrastructure, and include the public in the decision processes (e-Governance).
The project B3D is funded with resources from
the European Fund for Regional Development
(EFRE)
EINLEITUNG
In einem geologischen 3D-Modell ist das in
Form von Bohrungen und seismischen Profilen
vorliegende Wissen über den Untergrund zusammengefasst und dokumentiert. Aus diesen Basisdaten werden dreidimensionale Lagerungsverhältnisse abgeleitet und in einem Untergrundmodell
integriert, das signifikante geologische Einheiten
und tektonische Strukturen flächendeckend beschreibt. Unter Berücksichtigung spezieller Gesichtspunkte können daraus vielfältige fachspezifische Modelle abgeleitet werden, die definierte
Themen bzw. räumliche Ausschnitte betrachten.
Das 3D-Untergrundmodell bildet so die Grundlage
für Entscheidungs- und Planungsprozesse.
Im Gegensatz zu anderen Bundesländern (Baden-Württemberg, Hessen, Nordrhein-Westfalen)
liegt in Brandenburg noch kein dreidimensionales
geologisches Untergrundmodell vor. Das für die
Modellierung des Untergrundes in Brandenburg
relevante Wissen ist heute in analogen Schichtenverzeichnissen der Bohrungen aber auch in seismischen Daten gespeichert.
Im Land Brandenburg werden zum Beispiel folgende Themenfelder berührt:
Unterirdische Raumordnung, z.B.: Monitoring von Unter‐
grundspeichern, Abgrenzung von Bewilligungsfeldern, z.B. für die Rohstoffförderung, die Oberflächennahe und die tiefe Geothermie. Untersuchung der gegenseitigen Beein‐
flussung von CO2 ‐ oder Erdgasspeichern und anderen Nut‐
zungsarten, Abklärung/Ermöglichung konkurrierender Nutzungen in unterschiedlichen Teufen, Hydrogeologie: Entscheidungshilfen für Maßnahmen bei der Kontamination des Untergrundes (z.B. illegale Müllentsor‐
gung, Chemieunfälle, Wasenplätze etc.), Lagerstättengeologie: Nutzung von Bodenschätzen, Unter‐
grundspeichern und Geothermie sowie der Einsatz von CCS. Im Land Brandenburg ist das Landesamt für
Bergbau, Geologie und Rohstoffe (LBGR) die zuständige Behörde für die Geologische Landesaufnahme, vergleichbar mit anderen Staatlichen Geologischen Diensten in der Bundesrepublik. Das
LBGR ist für die Verwaltung und Pflege der Untergrunddaten und für die Entwicklung eines 3DUntergrundmodells zuständig. Das Untergrundmodell liegt derzeit in analoger Form vor. Obwohl
das Amt damit seinem gesetzlichen Auftrag nach-
16
kommt, ist in der heutigen Praxis im Umgang mit
Geodaten diese analoge Vorhaltung nicht mehr
ausreichend. Ein digitales Untergrundmodell ist
insbesondere unter infrastrukturellen Gesichtspunkten der Landesentwicklung dringend erforderlich.
Ziel des Projekts ist der Aufbau eines Infrastrukturknotens für das LBGR und seine Integration in die Geodaten-Infrastruktur Brandenburgs.
Grundlage bildet die digitale Erfassung der vorhandenen geologischen Daten des Untergrundes
im Land Brandenburg und ihre Speicherung in der
Geologischen Datenbank Brandenburg des LBGR
(GeoDaB). Nach ihrer Harmonisierung werden die
Daten für die Entwicklung eines landesweiten 3DModells des Untergrundes eingesetzt. Die Modellierung erfolgt dabei nach international, abgestimmten Regeln und auf Basis von definierten
Objektarten. Die verwendeten Werkzeuge werden
durch definierte Schnittstellen mit der GeoDaB
verbunden. Über standarisierte OGC-konforme
Schnittstellen wird die GeoDaB in die GeodatenInfrastruktur GDI-BB integriert. Für den Zugriff auf
die angebotenen Dienste werden Module für das
Geologie-Portal entwickelt, welche die einfache
Navigation in den angebotenen Informationen aber
auch die Visualisierung von Karten, Bohrungen
sowie von 3D-Modellen unterstützen. So entsteht
ein Infrastrukturknoten mit Zugang über das Geologie-Portal des LBGR, das mit jedem modernen
Internetbrowser (z.Zt.: Google Chrome, Mozilla
Firefox, Opera und Microsoft Internet Explorer)
abgerufen werden kann.
UMFANG UND QUALITÄT DER
AUSGANGSDATEN
Für das Land Brandenburg gibt es einen über
Jahrzehnte gewachsenen, umfangreichen Bestand
an geologischen Daten (z.B. Schichtenverzeichnisse von Bohrungen, geophysikalische Untersuchungen, Karten, Grundwasserganglinien
u.v.a.m.). Diese Daten liegen in unterschiedlichen
Bearbeitungs- und Erfassungszuständen (digital
oder auf Papier) vor. Bei der Erfassung wurden
darüber hinaus unterschiedliche Nomenklaturen
verwendet. Die Daten stellen einen einmaligen
Wissenspool dar, der über viele Jahrzehnte systematisch aufgebaut wurde. Diese Ressource
kann heute nur sehr eingeschränkt genutzt werden, da der überwiegende Teil der Archive nur in
analoger Form vorliegt. So sind bei vielen Schichtenverzeichnissen derzeit nur die Stammdaten der
Bohrungen digital erfasst. Bei den geophysikalischen Daten fehlen Metadaten. Darüber hinaus
lassen sich die Daten nur mit entsprechender Regionalkenntnis und unter Verwendung von Expertenwissen auswerten. Es fehlt ein Informationssystem, um diese Daten integriert zu speichern und
zu analysieren.
Unterlagen
EEBohrungen
Reflexionsseismik
Regionales
reflexionsseismischen
Kartenwerk
1:100.000
Gesamtanzahl
780
3700 Tiefenprofilblätter
1120 Horizontkarten
4000–6000
Karten, davon
500–550 relevant
Analog
Digital
490
290
3700
0
1120
0
500–550
0
Tabelle 1 – Übersicht der Datengrundlage und Mengengerüst (Beak Consultants GmbH, 2010).
DIGITALISIERUNG
Zur Digitalisierung der analogen Daten wurde
ein Workflow entwickelt (Abb. 1). Zur Vorbereitung
der Digitalisierung wurden alle analogen Daten
gescannt und als PDF bzw. TIFF gespeichert.
Bohrungsdaten (Stammdaten, KurzSchichtenverzeichnisse und Bohrlochabweichungskurven) wurden mit GeoDin im SEP3Schlüssel codiert. Dabei wurden die seismischen
Reflexionshorizonte den stratigraphischen Einheiten zugeordnet.
Scannen der LSVZ, KSVZ
und BA-Kurven
Scannen des
relfexionsseismischen
Kartenwerks 1:100.000
Scannen der
Tiefenprofile
Digitalisierung der KSVZ
und BA-Kurven mit
GeoDin
Digitalisierung des
Kartenwerks mit ArcMap
Digitalisierung der
Tiefenprofile mit ArcMap
Featureclasses
Featureclasses
Isolinien
Störungslinien
Profillinien
Verbreitungsgrenzen
Störungsbereiche
Horizontlinien
Störungen
Salzstrukturen
Erstellung des
strukturgeologischen
3DUntergrundmodells
für das Land
Brandenburg
Erstellung eines
Pilotgebietes auf
Grundlage der
Tiefenprofile
Erstellung eines grobaufgelösten
Untergrundmodells
ASCII-Dateien
(Basisflächen und
Mächtigkeiten) des GFZStrukturmodells
Abbildung 1 – Workflow für die Digitalisierung der analogen Daten. (LSVZ – Langschichtenverzeichnis,
KSVZ – Kurzschichtenverzeichnis, BA-Kurve – Bohrlochabweichungskurve, grün – Eingangsdaten, blau –
3D-Modelle).
Die seismischen Tiefenprofile sowie die Horizontkarten des reflexionsseismischen Kartenwerks
der DDR wurden in ArcMap 10.1 georeferenziert
und vektorisiert. Folgende Reflexionshorizonte
D. Kerschke, M. Schilling, A. Simon, J. Wächter
17
wurden aufgrund ihrer nahezu flächendeckenden
Verbreitung in Brandenburg erfasst:
(Abb. 3, Abb. 4), die sich aus einem rein 2Dorientierten Kartierungsansatz ergeben:
T1 – Transgressionsfläche Känozoikum, T2/B2 – Albtransgression, T3 – Neokomtransgression, T4 – Diskordanzfläche Wealden, E1 – Oberfläche Kimmeridgeanhydrit, E2 – Oberfläche Korallenoolith, L1 – im Toarce, K2 – Oberfläche mittlerer Keuper, M1 – Oberfläche Muschelkalk, S1 – Oberfläche Anhydrit 3a im Oberen Buntsandstein, X1 – Grenzbereich Zechstein/Buntsandstein, Z1 und Z3 Oberfläche Basalanhydrit (Zechstein 2) und Basis Unterer Werraanhydrit (Zechsteinbasis), H6 – etwa Saxonbasis
Durchkreuzung von Horizonten, Unpräziser Verlauf an der Tertiärbasis (Lage über Diskor‐
danz, unvollständige Verbreitung), Unvollständige Verbreitungen, die nicht durch geologische Verhältnisse erklärbar sind, sondern auf der Verfolgbarkeit der seismischen Interpretation beruhen (Abb. 3).
Die bei der Vektorisierung der Tiefenprofile
bzw. Horizontkarten erstellten Featureclasses
wurden je seismischen Bericht bzw. Karte in FileGeodatabases zusammengefasst. Zusätzlich wurden jeweils die georeferenzierten Karten eines
Horizonts zu einem Mosaik zusammengefasst um
eine blattschnittfreie Digitalisierung durchführen zu
können. Um den Anschluss der Daten an die umliegenden Bundesländer zu gewährleisten, erfolgte
die Digitalisierung mit einem Puffer von 10–20 km
über die Landesgrenze Brandenburgs hinaus.
3D-MODELL
Grundlage zur Erstellung des flächendeckenden 3D-Modells für Brandenburg ist ein vom
Helmholtz Zentrum Potsdam – Deutsches GeoForschungsZentrum (GFZ) erzeugtes Modell
(GFZ-Modell; Scheck und Bayer, 1999) mit einer
Gitterweite von 2 km. Aus diesem Modell wurden
die stratigraphischen Top-Flächen von Quartär,
Tertiär, Kreide, Unterkreide, Jura, Trias, Muschelkalk, Buntsandstein, Perm, Rotliegend sowie die
Top- und Base-Flächen der permokarbonen Vulkanite übernommen. Die neu erhobenen Daten
werden in dieses Modell integriert und die Gitterweite auf 250 m verfeinert.
Dazu werden die in ArcMap erstellten Isolinien
und Strukturelemente der Horizontkarten nach
gOcad importiert. Um den Störungssystemen,
Salzstöcken und Verbreitungsgrenzen die richtige
Tiefeninformation zuzuweisen werden ohne Berücksichtigung der Bruchkanten und Verbreitungsgrenzen Horizontflächen aus den Isolinien generiert (Abb. 2a). Anschließend werden die Strukturelemente vertikal auf die Horizontflächen projiziert
und mit diesen verschnitten (Abb. 2b).
Die so generierten Flächengrids sind auf kartierte Verbreitungsgebiete begrenzt und bilden die
Kartengrundlage unverändert und präzise ab. Dieses Modell beinhaltet Mängel und Inkonsistenzen
Abbildung 2 – a) aus Isolinien generiertes Flächengrid
des T4-Horizonts mit projizierten Strukturelementen;
b) Flächengrid mit verschnittenen Strukturelementen.
Um diese Mängel zu bereinigen werden Horizontmarker aus den Bohrungen und das GFZModell verwendet. Dabei werden die Stellen unvollständiger Verbreitung in den neu erstellten
Flächengrids mit den Flächen des GFZ-Modells
plausibel verschnitten.
Abbildung 3 – Horizontmarker belegen den unpräzisen
Verlauf der H6-Horizontfläche.
18
Abbildung 4 – Aus den seismischen Daten abgeleitete unvollständige Horizontverbreitung und Korrektur durch die
Daten des GFZ-Modells.
KONZEPTION
INFRASTRUKTURKNOTEN UND
WEBANWENDUNG
Geologische Schichtenverzeichnisse und –
Messwerte werden im LBGR in einer OracleDatenbank gehalten und mit GeoDin bearbeitet.
Um alle neu hinzukommenden Datentypen aufnehmen, darstellen und verwalten zu können und
den Zugriff auf das Geoportal zu ermöglichen,
muss diese Datenbank erweitert und ausgebaut
werden. Das System ist dabei unabhängig von der
Software, die diese Objekte erstellt und ermöglicht
einen langfristigen Zugriff zur erneuten Bearbeitung und zur 3D-Visualisierung dieser (Massen-)
Daten. Das System weist Schnittstellen für einen
einfachen Import und Export dieser Objekte von
Arbeitsplatzrechnern im Intranet auf und verwaltet
intern selbständig die 2D- und 3D-Objekte so,
dass räumliche Abfragen und Selektionen von
Objekten möglich sind. Das System stellt den gemeinsamen Datenspeicher für einen Mehrbenutzer-Zugriff dar und verfügt über eine automatische
Datensicherung, eine Zugriffskontrolle bei Mehrbenutzer-Zugriffen und eine Rechteverwaltung für
den Zugriff auf die Objekte.
Gleichzeitig sollen ausgewählte Daten und ein
3D-Modell in einem in Echtzeit bedienbaren 3DViewer (mit Standard-Webbrowsern) der Öffentlichkeit zur Verfügung gestellt werden. Dabei werden vorhandene Bohrungen und geologische Profile/Horizontkarten in bekannten Formen dargestellt. Zusätzlich sind 1D- und 2D-Schnitte (d.h.
virtuelle Bohrprofile und Profilschnitte) aus den
3D-Modelldaten auf Nutzeranforderung generierbar.
Die Architektur des projektierten Infrastrukturknoten (ISK) folgt in seiner Struktur dem Konzept
19
einer Service-orientierten Architektur (SOA) und
umfasst drei Ebenen (Abb. 5).
In der GeoDaB-Work werden die Ausgangsdaten (PDFs und TIFFs der gescannten Dokumente
und deren Digitalisierung als DXF, Shapefiles) in
einem Dokumentenarchiv gespeichert. Die GISDaten werden zudem in einer relationalen
PostgreSQL-DB im PostGIS-Schema für die weitere Bearbeitung abgelegt. Die 3D-Daten werden im
GST-Schema der Firma giga-infosystems formatunabhängig vorgehalten.
Um alle gespeicherten Daten zentral zugreifbar
zu machen besitzt die GeoDaB-Work Interfaces zu
den Erfassungs- und Modellierungswerkzeugen
sowie eine SQL-Schnittstelle zur GeoDaB-GDI.
Die Anzahl, der in der Datenbank gespeicherten
Modelle, kann in Zukunft erweitert werden, gesteuert durch unterschiedliche fachliche Notwendigkeiten für spezielle Aufgaben des Untergrundmanagements. Für die Interaktion mit der GeoDaB-GDI besitzt die GeoDaB-Work einen Bereich,
in dem alle für die externe Nutzung vorgesehenen
Information in einer validierten und qualitätsüberprüften Form abgelegt werden.
Die GeoDab-GDI besitzt den gleichen Aufbau
wie die GeoDaB-Work und enthält validierte Datensätze, die nach außen sichtbar sind. Neben
den oben genannten Daten enthält die GeoDaBGDI auch Topologische Karten als Rasterdaten.
Für die GeoDaB-GDI werden aus Gründen des
Datenschutzes ausschließlich Leserechte eingeräumt. Dafür darf nur die Publisher-Komponente
(Abb. 5) Datensätze in die GeoDaB-GDI schreiben. Zusätzlich stellt die Publisher Komponente
die gespeicherten Metadaten aller freigegebenen
Datensätze dem Harvester des Catalogservices
(CSW) der GDI-BB zur Verfügung. So werden
diese im Metadaten Informationssystem (GeoMISBB) registriert und recherchierbar.
Abbildung 5 – Ist- und Soll-Zustand der Systemarchitektur
Ebene 2: Service-Plattform und Geodienste
Die Ressourcen der Ebene 2 werden zur GDIBB über standardisierte OGC-konformen Schnittstellen gekapselt. Diese Schnittstellen werden von
Modulen der Service-Plattform implementiert. Die
Spezifikationen der Plattform umfassen die Interfaces aber auch das Encoding der Daten. Es werden drei Kern-Module unterschieden:
Ebene 1: Informationssystem Geologie Brandenburg (GeoIS)
Die unterste Ebene bildet das Informationssystem zur Verwaltung von Schichtenverzeichnissen
und seismischen Untergrundinformationen einschließlich der aus diesen Daten abgeleiteten 3DModelle. Diese Ebene (GeoIS) umfasst die Geodatenbank GeoDaB-Work als zentralen Datenspeicher und die Werkzeuge zur Erfassung, Bearbeitung und Pflege von Daten einschließlich ihrer
Metadaten. GeoIS wird somit die zentrale Arbeitsplattform des LBGR und hat definierte Zugangsrechte für das Schreiben und Lesen. Die Standardwerkzeuge im LBGR für die Erfassung und
Bearbeitung der Daten sind GeoDin, gOcad und
ArcGIS.
OGC‐Services liefern in oder als Karten dargestellte Daten über einen WMS und WFS, 3D‐Services liefern 3D‐Modelle, bzw. Modellausschnitte, Download‐Services unterstützen basierend auf definierten Rechten den Download von Daten in zu spezifizierenden Formaten. Die in der GeoDaB-GDI gespeicherten Modelldaten werden über OGC Web-Services verfügbar
gemacht. Dafür wird die Open Source Software
GeoServer (www.geoserver.org) verwendet. GeoServer bildet die Referenzimplementierung für die
20
OGC Standards WFS (1.1 und 2.0) und gilt als
standardkonform zur WMS-Spezifikation (1.1.1
und 1.3.0). GeoServer greift per SQL ausschließlich lesend auf die z.T. konfektionierbaren Daten
der GeoDaB-GDI zu und berücksichtigt das Geoservices Application Profile (GAP). Alle Datenzugriffe des 2D-Clients sowie der Suchmasken
des 2D- und 3D-Clients samt Treffern- und Informationsanzeige erfolgen direkt über den GeoServer. Es gibt keinen direkten Zugang vom Client auf
die Datenbank.
Die seismischen Tiefenprofile und die Stammdaten der Bohrungen werden im PostGIS-Schema
der GeoDaB-GDI vorgehalten. Die Stammdaten
der Bohrungen genügen den Anforderungen der
BML sowie der Anzeige und Suchfunktionen im
Client.
Topographische Karten (TK) werden im TIFFFormat zusammen mit den X3D-Daten im Dateisystem der GeoDaB-GDI abgelegt. Mittels der
Geodata Abstraction Library (GDAL) werden die
TK überarbeitet um die Permormance zu erhöhen.
Dabei werden interne Pyramiden mit dem Tool
„gdaladdo“ gebildet. Die TK-WMS werden anschließend über GeoWebCache gecacht.
X3DOM greift direkt auf die gespeicherten
X3D-Dateien zu und lädt diese pro Layer/Horizontkarte in den Client. Zur Optimierung
können Geometrien an dieser Stelle ggf. binär
komprimiert werden. Parallel dazu wird der Import
der 3D-Daten in PostGIS implementiert. So wird
erreicht, dass zu einem späteren Zeitpunkt der
GeoServer unter Verwendung der W3DS Komponente die 3D-Daten ausliefern wird. Dies erlaubt
dann die Publikation von X3D Dokumenten über
das W3DS Protokoll.
Die Metadaten der LBGR Produkte und der
angebotenen Services werden im Berlin/Brandenburgischen Profil der ISO19115 mit
INSPIRE Bestimmung für Geodatensätze und –
reihen (dataset, series) – Version 2.0.0 Teil 1–3 in
ihrer derzeit gültigen Fassung sowie gemäß den
Vorgaben der GDI-DE erfasst und zur Verfügung
gestellt
GeoServer bietet hier eine INSPIREErweiterung, die WMS-Dienste als WMS 1.3 zur
Verfügung stellt und die für die INSPIREKonformität notwendigen Eingabefelder für Metadaten bereitstellt. Diese werden über das GetCapabilities-Dokument ausgeliefert. Zusätzlich erlaubt die INSPIRE-Erweiterung die Eingabe einer
URL zu einem Metadatenserver, auf dem Metadaten der Dienste vorgehalten werden. Dazu sollen
die Dienste entsprechend den Vorgaben am Geoportal GeoMIS des Landes Brandenburg angemeldet werden. Dabei wird folgendermaßen vorgegangen: Unter Nutzung der GeoServer
INSPIRE-Erweiterung werden bei den Diensten
lediglich die URL auf die Metadaten in GeoMIS
angegeben. Durch diese Erweiterung werden zwei
zusätzliche Einträge im xsi:schemaLocation des
Root-<WMS_Capabilities> Tags eingeführt:
 http://inspire.ec.europa/schemas/inspire_vs/1.0  Fehler!
Hyperlink-Referenz
GEOSERVER_ROOT>/…/inspire/inspire_vs.xsd ungültig.
Zusätzlich wird ein „ExtendedCapabilities“Block eingefügt der folgende Informationen enthält:
 Metadaten‐URL (auf Geomis) und MIME type  Default Sprache  Unterstütze Sprache(n)  Antwort‐Sprache(n)
Ein Server hostet die gesamte Anwendung,
den GeoServer, Print-Servlet und die Datenbank.
Als Betriebssystem wird Debian GNU Linux oder
Ubuntu Linux eingesetzt. Als Servlet-Engine wird
Tomcat sowie ein Apache WebServer benutzt. Der
Tomcat wird über ein Portforwarding eingebunden,
so dass nach außen lediglich Port 80 verfügbar
sein muss.
Ebene 3: Geologie-Portal
Das Geologie-Portal bindet die von der Service-Plattform des Infrastrukturknotens angebotenen
Geodienste in eine Oberfläche ein und bietet Recherche- und Download-Funktionen sowie eine
2D- und 3D-Visualisierung.
Die webbasierte Benutzeroberfläche des Geologie-Portals wird in einem aktuellen Standardbrowser ohne zusätzliche Erweiterungen lauffähig
sein. Das Geologie-Portal ist in seiner fachlichen
Ausprägung eine ergänzende Funktion zu dem
bereits bestehenden Onlineangebot des LBGR
und wird zur GDI-Brandenburg kompatibel sein.
Das Portal bietet folgenden Funktionen:
Visualisierung von Geodaten, Abfrage von Sachdaten, Auslieferung von Geodaten, Bereitstellung von Metadaten. Der 2D-MapViewer (WebGIS-Client) ist eine
Kartenanwendung zur Visualisierung der OGCWebdienste. Er bietet die folgenden grundlegenden Funktionen wie z.B. Ansichtsmanipulation
(z.B. Zoom, Pan, Maßstabswahl), Legende, Abfrage- und Messwerkzeuge. Der 2D-MapViewer bezieht die kartenspezifischen Inhalte, die Informationen zu Objekten (FeatureInfo) sowie die Suchanfragen und Suchergebnisse über GeoServer
(WMS und WFS). Eine Ortssuche wird über die
WFS-Schnittstelle durch einen externen WFSDienst realisiert. Zum Druck kommuniziert der 2DMapViewer mit dem Print-Servlet über eine eigene
Schnittstelle.
Der 2D-MapViewer wird aus folgenden Softwarekomponenten aufgebaut:
OpenLayers 2.x, GeoExt 2.0, ExtJs 4.1
Das Modul 3D-EarthViewer bereitet die Untergrundmodelle so auf, dass sie unter Verwendung
des X3D-Schemas direkt durch den Web-Browser
dargestellt werden können. Weitere kartenspezifische Inhalte, Informationen zu Objekten (FeatureInfo) sowie Suchanfragen und Suchergebnisse
werden über den GeoServer (WMS und WFS)
angefragt. Eine Ortssuche wird über die WFSSchnittstelle durch einen externen WFS-Dienst
realisiert.
Der 3D-Earthviewer wird aus folgenden Softwarekomponenten aufgebaut:
X3DOM 1.4, ExtJs 1.4 ZUSAMMENFASSUNG
In der Regional- und Landesplanung werden
zunehmend Aussagen über den tiefen Untergrund
Brandenburgs mit größerer Aussagegenauigkeit
benötigt. Die Geologische Karten im Maßstab
1:25.000 und die veralteten geologischen Schnitttafeln sind in ihrer Aussagekraft über den tiefen
Untergrund (unterhalb von 10–100m) stark eingeschränkt. Obwohl aussagekräftige Daten über den
tiefen Untergrund vorliegen, ist es zur Zeit kaum
möglich, diese zu nutzen. Das Projekt B3D wird
die Entscheidungsgrundlagen für die Planung von
Investitionen und Umweltschutz deutlich verbessern. Hierfür bildet der geplante Infrastrukturknoten einschließlich des Onlineportals im Rahmen
der GDI BE/BB einen wichtigen Baustein. Durch
diese Maßnahme könnten erstmals räumliche
Informationen auch über den tiefen Untergrund für
das gesamte Land Brandenburg über 3D-Modelle
zur Nachnutzung durch Unternehmen, den interessierten Bürger und Landesbehörden bereitgestellt werden.
Eine wichtige Auswirkung des Projekts ist eine
Erhöhung in der Effizienz der verwaltungsinternen
Abläufe im LBGR. Bislang werden ca. 80 Prozent
der Bearbeitungszeit für ein 3D-Modell in die Datenakquise und Aufbereitung investiert. Durch die
konsequente Umstellung auf den dreidimensionalen Raumbezug ergeben sich hier große Einsparungspotenziale, und somit eine Beschleunigung
der internen Verwaltungsabläufe im LBGR. Somit
werden Rahmenbedingungen geschaffen die eine
Weiterentwicklung und Pflege der Datenbestände
wesentlich erleichtern.
Die Maßnahmen setzen die Anforderungen aus
der EU-Gesetzgebung (z. B. INSPIRE) bzw. der
21
resultierenden nationalen Gesetzgebung um. Es
werden essentielle Voraussetzungen geschaffen,
um behördenübergreifende Verwaltungsabläufe
medienbruchfrei zu unterstützen.
QUELLEN
BEAK CONSULTANTS GMBH (2010) – Konzeption für
die Durchführung des Projektes „Modellierung und
web-basierte dreidimensionale Visualisierung des
geologischen Untergrunds von Brandenburg. Freiberg, S. 145.
SCHECK M., BAYER U. (1999) – Evolution of the
Northeast German Basin – inferences from a 3D
structural model and subsidence analysis. Tectonophysics, 313(1–2), S. 145–169.
ERZEUGUNG, SPEICHERUNG UND VISUALISIERUNG
HYDROGEOLOGISCHER 3D-DATEN FÜR DEN FREISTAAT SACHSEN
SVEN ETZOLD(1), MATHIAS HÜBSCHMANN(2) UND BERND TORCHALA(3)
(1) Beak Consultants GmbH; [email protected]
(2) Sächsisches Landesamt für Umwelt und Geologie; [email protected]
(3) Beak Consultants GmbH; [email protected]
KEY WORDS: Hydrogeologische Landesaufnahme, 3D-Untergrundmodell, Geostatistik, Sächsischer Geothermieatlas, 3D-Datenbank, 3DVisualisierung.
ABSTRACT
The Geological Survey of Saxony has built a
3D-database for geological and hydrogeological
base of the country for 13 years. Since 2012 a
new system based on a relational 3D-database is
implemented. The solution FIS HY includes:
 All the workflow from 3D-Modelling process via import
and verification up to storage of the data in the country wide database
 Capturing of factual data according to a unified hydrogeological legend
 Visualisation tool to analyse the database, to create
cross sections and export to GOCAD-SGrid and other
3D-dataformats
EINFÜHRUNG
Das Sächsische Landesamt für Umwelt, Landwirtschaft und Geologie (LfULG, vormals LfUG)
betreibt seit etwa dem Jahr 2000 eine neue systematische hydrogeologische Landesaufnahme.
Ziel der Arbeiten ist die Schaffung eines landesweiten digitalen Informationssystems zum geologisch-hydrogeologischen Bau und den hydrogeologischen Eigenschaften des Untergrundes
Sachsens. Dem Fachinformationssystem Hydrogeologie (FIS HY) kommt dabei als Datenablageund Visualisierungssystem eine entscheidende
Bedeutung zu, dient es doch als zentrales Instrument zur Beantwortung zahlreiche Fragen im Bereich der Angewandten Geologie wie Bautätigkeit,
Rohstoffabbau, Trink- und Brauchwasserversorgung, montanhydrogeologischen Fragen, Altlasten
sowie bei allgemeinen Fragen von Eingriffen in
den Untergrund.
Das vorhandene System war für diese Zwecke
nicht mehr geeignet. Im Zeitraum von 2007 -2012
wurden deshalb in Einzelschritten die wesentlichen Module eines neuen FIS HY entwickelt, getestet und eingeführt. Für die Ausführung der Leistungen wurden IT-Spezialisten der Fa. Beak
Consultants Freiberg gebunden. Ziel war die
Schaffung eines leistungsfähigen Informationssystems zur schnellen und effizienteren Bereitstellung
hydrogeologischer Informationen im LfULG, um
Arbeitsabläufe zu effektivieren und den andauernden Personalrückgang bei gleichbleibenden Aufgaben kompensieren zu helfen. Darüber hinaus
soll das FIS HY zukünftig auch für öffentliche und
private Bedarfsträger geologischhydrogeologischer Informationen (Kommunen,
Landkreise, Universitäten/Hochschulen, Wirtschaft) nutzbar sein.
Der vorliegende Beitrag informiert über Ziele,
Methoden und Ergebnisse dieses Projektes.
AUFGABENSTELLUNG UND
RANDBEDINGUNGEN
Bereits seit den 90er Jahren des vergangenen
Jahrhundert führte die drastische Zunahme der
konkurrierenden Anforderungen an den geologischen Untergrund und das hydrogeologische Wirkungsfeld zu Bestrebungen der Staatlichen Geologischen Dienste (SGD) nach bundeseinheitliche
Methoden. Beispiel sind die entwickelte Methodik
zur Bewertung der Schutzfunktion der Grundwasserüberdeckung oder die Arbeiten zur Sickerwasserprognose. Dabei hat das Fehlen sofort verfügbarer raumbezogenen Tiefeninformationen immer
wieder zu Erschwernissen in der Bearbeitung
komplexer Sachverhalte geführt. Zwar sind gerade
im Freistaat Sachsen eine Fülle geologischer und
hydrogeologischer Informationen als Rohdaten
vorhanden. Aufgrund der Heterogenität stieß deren Verfügbarmachung jedoch wiederholt auf unterschiedliche Schwierigkeiten.
Die hydrogeologische Spezialkartierung ist
deshalb in erster Linie eine über die geologische
Kartierung hinaus gehende Bewertung genetischer
(lithologisch-fazieller) Prozesse sowie petrophysikalischer und chemischer Eigenschaften der Gesteine im Hinblick auf die Beantwortung komplexer
Fragestellungen. Sie geht zwangsläufig einher mit
einer komplexen Kenntnisstandsaufarbeitung. Ge-
24
genstand der neuen hydrogeologischen Spezialkartierung ist deshalb auch im Hinblick auf Vorgängerkartenwerke (z. B. HK50 DDR) nicht mehr
die Erstellung zweidimensionaler Karten mit starren Maßstäben, sondern eine komplexe Analyse
dreidimensionaler Strukturen und Konstruktion von
(hydro-)geologischen Körpern (HGK). Dabei wird
soweit fachlich sinnvoll eine weitgehend digitale
Technologie von der Informationsgewinnung aus
Punktdaten und bestehenden Karten bis hin zur
Erzeugung der Fachgeometrien, Informationsebenen und Themen angewendet.
Zentrales Produkt der Hydrogeologischen Spezialkartierung ist die „Hydrogeologische Grundlagenkarte“. Ihre Bearbeitung steht bisher schwerpunktmäßig im Vordergrund. Im Ergebnis liefert
die hydrogeologische Grundlagenkarte rasterorientierte 3D-Verbreitungsgrenzen zu HGK auf der
Grundlage einer landesweit einheitlichen
hydrostratigrafischen Nomenklatur mit lithologischpetrografischer Differenzierung bis einschließlich
Grundgebirge in einer vergleichsweise hohen Auflösung. Der HGK mit seiner räumlichen Einzelverbreitung ist dabei die geometrische Basis.
Die raumbezogenen hydrogeologischen Daten
der hydrogeologischen Grundlagenkarte sind die
Ausgangsbasis sowohl für hydrogeologische
Themen (Hydrogeologische Schnitte, Schutzfunktion der Grundwasserüberdeckung) als auch für
weitere Fachgebiete innerhalb der Angewandten
Geologie. Insbesondere bildet sie die Grundlage
für die Erstellung des sächsischen Geothermieatlas. Zur Verdeutlichung des methodischen Gesamtkonzeptes dient das Schema in Abb. 1.
Produkte im FIS Hydrogeologie
Übersichtskartenwerke
(HÜK200, HÜK400)
Oberflächenkarten
hydrogeologischer
Einheiten
Spezialkartenwerk
(HyK50)
3D-Geometrien und Sachdaten
hydrogeologischer Körper von
hydrogeologischen Einheiten
Geothermieatlas
Schutzfunktion der Grundwasserüberdeckung
 Leistungsfähiges System der Datenhaltung (TerabyteBereich)
 Blattschnittunabhängigkeit
 weitgehend lizenzkostenfreier Zugang für alle Mitarbeiter im Haus
 raumbezogen (3D), Mindesttiefe der Untergrundinformationen 200 m unter Gelände
 Schnelle, hochauflösende 3D-Visualisierung
 Unkomplizierte Integration in die Systemarchitektur
des LfULG (Windows 7, ESRI ArcGIS, Citrix)
 Export- und Importfunktionen zur 3D-Software im
LfULG GOCAD und anderen Formaten (vorgesehen
sind ESRI-Multipatches und GST)
aus 3D-Daten abgeleitete Themen (Mehrfachnutzungen)
Hydrogeologische Schnitte
sowie regionalgeologisch-genetischen Sachverstand in Verbindung mit Kenntnissen zur Verarbeitung geologischer 3D-Daten auf der Basis geostatistischer Verfahren. Dies stellt an die externen
Bearbeiter der Datenbestände hohe Anforderungen.
Der hydrogeologischen Spezialkartierung liegt
eine vom LfULG entwickelte Bearbeitungsmethodik zu Grunde. Sie sichert die landeweite Vergleichbarkeit der von unterschiedlichen
Dienstleistern erbrachten Kartierungsleistungen.
Vor dem Hintergrund dieser Randbedingungen
und unter Berücksichtigung der zwischen den
Staatlichen Geologischen Diensten vereinbarten
Grundsätzen der hydrogeologischen Kartierung
[BGR (1997, 2011)] wurden von den Nutzern im
LfULG mit Unterstützung von Beak Consultants für
die notwendige Novellierung des FIS HY in Sachsen folgende Anforderungen definiert:
…
Abbildung 1 – Schema zur Mehrfachnutzung der hydrogeologischen 3D-Daten innerhalb der Angewandten
Geologie
Die Kartierungsleistungen selbst werden
überwiegend im Rahmen von Werkverträgen mit
geowissenschaftlichen Dienstleistern erbracht. Die
Orientierung auf weitgehende digitale Bearbeitung
erfordert in hohem Maße geowissenschaftlichen
 Automatisierter Datenaustausch mit den Auftragnehmern der Kartierungsprojekte
Neben diesen grundlegenden Anforderungen
sollte Bestandteil des neuen FIS HY eine hydrogeologische Generallegende sein, um die vorhandenen, aber auch die derzeit und zukünftig entstehenden komplexen Daten fachgerecht speichern
und verwalten zu können. Diese Generallegende
muss auf einem detaillierten geologischstratigrafischen Ordnungsprinzip beruhen und
fortschreibbar sein.
Die bereits entstandenen Kartierungsergebnisse müssen in das neue System der Datenhaltung
übernommen werden können. So wurden bisher
3D-Konstruktionsergebnisse der HGK aus der 3DUmgebung des Modellierers wegen des Fehlens
geeigneter Strukturen und Formate im LfULG in
Teilergebnisse zerlegt als ESRI-Grids an das
LfULG übergeben. In der neuen FIS-Architektur
wurde eine Lösung ohne diesen Umweg implementiert, die aber trotzdem keine Abhängigkeit
S. Etzold, M. Hübschmann, B. Torchala
von einzelnen Softwareprodukten für die 3DModellierung erzeugt.
UMSETZUNG
Das FIS Hydrogeologie besteht aus mehreren
Anwendungen, die in einen Gesamtworkflow eingebunden sind. Den Kartierungsbüros steht eine
Anwendung zur Verfügung, um die in unterschiedlichen Modellierungsprogrammen (z.B. GOCAD,
Surpac) erzeugten 3D-Daten in eine Datenbank zu
importieren. Ferner können die Daten validiert und
Sachdaten erfasst werden. Die mit dieser Anwendung erzeugten Datenbanken und die GIS-Daten
werden ans LfULG übergeben.
Im LfULG werden die Daten mit einer Importanwendung in eine zentrale Arbeitsdatenbank importiert. Die Importanwendung verfügt über eine Vielzahl von Validierungsfunktionen. Mit einer
Visualisierungsanwendung können die 3D-Daten
zusätzlich manuell kontrolliert werden. Bei Korrekturanforderungen werden die Daten in den Kartierungsbüros überarbeitet und erneut importiert.
Nach erfolgreicher Abnahme der Daten werden
diese in die zentrale Produktionsdatenbank importiert. Während die Daten in der Arbeitsdatenbank
projektweise gespeichert werden, ist die Datenhal-
25
tung in der Produktionsdatenbank landesweit, d. h.
projekt- und blattschnittunabhängig.
Auf die Produktionsdatenbank kann mit einer Visualisierungsanwendung zugegriffen werden, die
folgende Funktionen unterstützt:
 Erzeugung von achsenparallelen Schnittsequenzen in
Sekundenschnelle
 Erzeugung von freien Schnitten
 Export von 3D-Daten als GOCAD-SGrid (andere
Formate in Arbeit: ESRI-Multipatches und GST)
 Interaktion zwischen Schnittdarstellung und GIS-und
Sachdaten-Anwendung
 Filterung nach Sachattributen
Die Visualisierungsanwendung ist als Erweiterung
für ArcMap umgesetzt worden. Durch Aufziehen
eines Rechteckes kann das Fenster für die achsenparallelen Schnitte gestartet werden (siehe
Abbildung 2). Für die Visualisierung der 3D-Daten
steht auch ein Werkzeug zur Erzeugung von freien
Schnitten zur Verfügung (siehe Abbildung 3).
Abbildung 2 – Visualisierungsanwendung: Achsenparaleller Schnitt
26
Abbildung 3 – Visualisierungsanwendung: Freier Schnitt
DATENBANK
Die Datenbank umfasst Sachdaten, GIS-Daten
und 3D-Daten. Die GIS-Daten werden in einer
ArcSDE-Datenbank gespeichert. Das RDBMS ist
Oracle.
Grundgeometrie für alle 3D-Körper in der Datenbank sind sogenannte „Säulenabschnitte“. Diese
zeichnen sich durch eine quadratische Grundfläche aus, deren Ecken jeweils zwei z-Werte aufweisen(siehe Abbildung 4a).
Körper setzen sich aus Säulenabschnitten zusammen (siehe Abbildung 4b).
Die Kantenlänge der quadratischen Grundfläche
der Säulen ist landesweit auf 50, 25, bzw. 12,5 m
standardisiert. Damit ist es möglich, die Rasterweite der geologischen oder topologischen Situation
anzupassen (siehe Abbildung 4c).
Durch Säulenabschnitte können auch komplexere
Körper, z.B. Linsen und Störungen eindeutig abgebildet werden (siehe Abbildung 4d und 4e)
S. Etzold, M. Hübschmann, B. Torchala
b)
27
c)
a)
50
d)
NW
SW
NE
25
e)
N
SE
Abbildung 4 – a) Prinzip der Speicherung von 3D-Körpern. b)-e) Beispiele für Körper
12.5
GEOLOGICAL DATA AND INFORMATION MANAGEMENT IN UGANDA
GRACE LUBEMBE NASSUNA(1) UND FRANK SCHMIDT(2)
(1) Department of Geological Survey and Mines, PO Box 9, Entebbe/Uganda.
[email protected]
(2) Beak Consultants GmbH, Am St. Niclas Schacht 13, 09599 Freiberg.
[email protected]
KEY WORDS: Information System, Data
Dissemination, Geology, Geo-Scientific Data,
World Bank, Web Portal, Africa, Uganda,
Documentation.
ABSTRACT
A wealth of geological information is found at
African Geological Surveys. In recent years,
several programmes throughout the continent
were aimed to introduce modern data
management and dissemination technologies. The
goal of these projects is to offer geological data to
potential investors to the mineral sector of the
various countries. As example, the Department of
Geological Survey and Mines (DGSM) in Entebbe,
Uganda, possesses data of geological research
and mineral exploration programmes of more than
100 years. In the frame of a World Bank funded
project, geological data of all types were reviewed,
compiled, digitised and uploaded to information
management systems. This presentation gives an
overview of policies of data dissemination and
geo-scientific data available at DGSM offices and
on its web portal www.uganda-mining.go.ug
INTRODUCTION: SUSTAINABLE
MANAGEMENT OF MINERAL RESOURCES
PROJECT (SMMRP)
In recent years, several programmes funded by
World Bank, European Union, Nordic Fund,
African Development Bank and/or national
budgets in Africa were aimed to introduce modern
data management and dissemination technologies
to Geological Surveys and further authorities that
supervise the mineral sector of the specific
country. The main goal of these projects was to
offer geological data to potential investors to the
mineral sector of the country, to enhance
transparency and sustainability. Modern
information management, preferably with a web
portal, is an important pre-requisite for all of these
goals.
Uganda has received financing from the World
Bank, the Nordic Development Fund (NDF) and
the African Development Bank toward the cost of
the Sustainable Management of Mineral
Resources Project (2004-09, extended up to 2012)
and applied part of the proceeds for the
Establishment of a Modern Documentation Centre
for the geo-scientific data of Uganda. Beak
Consultants GmbH (Freiberg/Germany) won the
contract for this sub-component in 2008 and
developed, in close co-operation with the staff of
the Documentation Centre, an information system
for the management and retrieval of geological
reports and literature. Further sub-components
dealt with the establishment of a Geological and
Mineral Information System (GMIS), a transparent
mining cadastre, geological mapping, airborne
geophysical surveys, social and environmental
issues and the modernisation of the headquarter
and its laboratories.
The Department of Geological Survey and
Mines Uganda (DGSM) under the Ministry of
Energy and Mineral Development (MEMD) was
founded in 1919 with a mission to attract
investment, establish, promote, strategically
manage and safeguard the rational and
sustainable utilisation of mineral resources for
socio-economic development of the country. The
DGSM is technically responsible for the
administration and management of the mineral
sector.
 Its Geology Division collects and interprets the
geological data, identifies economic mineral prospects
and produces maps and reports relevant in the
promotion of exploration and exploitation of Uganda's
mineral resources.
 The Mines Division issues licenses for the exploration
and exploitation of the identified mineral occurrence. It
is also responsible for the administration of the Mining
Act and Regulations to ensure proper management of
the mineral resources and preservation of the
environment through appropriate mining methods.
 The GeoData Division preserves and disseminates
geoscience data of the Department. It offers technical
link of the Department to the local and foreign
investors in the Mining Sector. It operates
Documentation and Cartography sections.
 The Laboratories Division collects/receives raw data
and samples. It analyses and processes the same for
interpretation. The laboratories are: the Assay,
Geochemical, Spectrographic, Petrographic and
Mineral Dressing.
30
Figure 1 – Headquarter of the DGSM in Entebbe
THE MODERN DOCUMENTATION CENTRE
Already prior to the programme, a wealth of
information was found at the DGSM in Entebbe as
a result of the geological research and mineral
exploration programmes of more than 100 years.
Between 2008 and 2012, almost 25 000 media
(published literature) were captured in a
commercial library software called LIBERO.
Metadata of more than 6000 valuable unpublished
geological reports (compiled by DGSM staff,
mining companies and other stakeholders
between 1920 and to date) were entered into a
customised system called UDIS (Unpublished
Documents Information System) which allows to
attach scanned documents to the metadata
records and to decide on a security level for the
reports: are the scans freely available to the
public? Is metadata only available to the public or
the record confident completely? All records or
scans which are approved for “web” can be
queried by anyone over the DGSM Website
www.uganda-mining.go.ug. There are search
fields for any words within the title, abstract, author
or keyword collection as well as drop down lists for
report type, country, commodity or region. The
server is located in the US to ensure a world-wide
high-speed access even to larger scans.
Another option to search spatially is to use the
GMIS (Geological and Mineral Information
System) portal of the DGSM web site and retrieve
a list of reports with links to the scans by selecting
locations on a digital map. It was one of the
challenges of the project to link the various
information systems that were designed and
programmed by different companies, e.g. from
Germany and South Africa. This was due to the
structure of World Bank projects which require
bidding processes for several sub-components.
Each of these bidding processes can take more
than a year. This can result in delays for
dependent projects or at least make it hard to
connect information systems installed by different
companies and technologies at different times and
stages of the programme. In the case of the
Documentation Centre, the contracted companies
agreed in time on a list of “geo-tags” (location
names) which were added to the meta data of
each geological report as well as to the GMIS.
Then, the systems were developed independently
and linked up using a database view during
system introduction on-site (Figure 2). By opening
the map, orange circles show the availability of
reports. The size of the circle represents the
number of reports offered for the specific location.
By clicking on the circle, a drop-down list allows
selecting one of the available reports. Then, meta
data can be queried, including a hyperlink to the
scanned PDF of the report (if non-confidential).
In addition, the web portal provides information
on Uganda’s geology, legislative and fiscal
regimes, an investor’s guide, a news section and a
link to the Mining Cadastre and Registry System.
While most regional data is available free of
charge for download (Figure 3), large scale data
may only be available for preview. The GeoData
Division within the DGSM should be contacted to
acquire the maps or source digital data.
G. L. Nassuna, F. Schmidt
31
Figure 2 – Spatial search of reports
GEOLOGICAL MAPPING, AIRBORNE
GEOPHYSICAL SURVEYS AND
ESTABLISHMENT OF A GEOLOGICAL
AND MINERAL INFORMATION SYSTEM
Figure 3 – Retrieval of unpublished geological reports of Uganda from http://www.uganda-mining.go.ug/webudis/
Geological maps of Uganda at scales 1:500 000,
1:250 000, 1:100 000 and for 54 selected mineral
potential areas at 1:50 000 were submitted under
32
the contract "Geological Mapping, geochemical
surveys and mineral resources assessment". The
maps cover lithostratigraphy, structure, mineral
occurrences and mineral potential zones, zones of
geohazards and touristic geo-sites, as well as the
location of 13 369 geological field observation
points which were used to verify the geology.
Geological map sheets, published in 2011/12, are
available for purchase from the DGSM as
hardcopy, PDF or in an Esri Geodatabase format.
An example map sheet is available for download
from the web portal.
the contract "Geological Mapping, geochemical
surveys and mineral resources assessment". The
maps cover lithostratigraphy, structure, mineral
occurrences and mineral potential zones, zones of
geohazards and touristic geo-sites, as well as the
location of 13 369 geological field observation
points which were used to verify the geology.
Geological map sheets, published in 2011/12, are
available for purchase from the DGSM as
hardcopy, PDF or in an Esri Geodatabase format.
An example map sheet is available for download
from the web portal.
Much of the country was mapped with airborne
geophysics between 2007 and 2012. This resulted
in the production of very high quality map products
at the scales 1:1,000,000, 1:250,000
and 1:100,000.
THE WEB PORTAL
The maps include the following themes:
• Total Magnetic Intensity (TMI)
• Analytical signal of the Total Magnetic Intensity
(TMI_AS)
• Total Magnetic Intensity reduced to the equator
(TMI_RTE)
• Vertical derivative of the Total Magnetic Intensity
(TMI_dZ)
• Ground content of Uranium (U)
• Ground content of Thorium (Th)
• Ground content of Potassium (K)
• Radiometrics, total count (TC)
• Ground content, ratio Uranium/Potassium (U/K)
• Ground content, Thorium/Potassium (Th/K)
• Ground content, Uranium/Thorium (U/Th)
• Radiometric, ternary map
In total 1020 maps are available for purchase
through the DGSM.
All geodata available at the DGSM have been
scanned, digitized and uploaded onto a modern
web-based geodata portal. The GMIS provides a
one-stop-shop for both local and international
investors interested in Uganda’s wealth of
geological information. Meta data and generalized
geological data are freely available for downloads
but other datasets will be accessed through a data
dissemination policy.
GEOLOGICAL MAPPING, AIRBORNE
GEOPHYSICAL SURVEYS AND
ESTABLISHMENT OF A GEOLOGICAL
AND MINERAL INFORMATION SYSTEM
Geological maps of Uganda at scales 1:500 000,
1:250 000, 1:100 000 and for 54 selected mineral
potential areas at 1:50 000 were submitted under
One of the most important tools of data
dissemination is the website www.ugandamining.go.ug. It covers general information that is
relevant to all stakeholders in the mineral sector,
especially potential investors – but also DGSM
staff and the general public. News are frequently
uploaded, e.g. about upcoming conferences and
presentations. Laws and regulations are offered
for download while information on Uganda, e.g.
about economy, infrastructure, industries and
geology & mining are presented as text
information. Further downloads are various
brochures on potential targets for mineral
exploration. The Web Portal provides links to the
public versions of the above mentioned
information systems, i.e. the search for published
and unpublished literature and reports, to the
Mining Cadastre and the Geological & Minerals
Information System including download links to
geological maps as PDF.
The use of the website is statistically monitored.
Currently, an average of 1400 unique visitors has
been recorded (with over 3000 visits in total per
month for the first five months of 2013). These
numbers have doubled within the last year. Still,
up to 20 % of the visitors stay more than 5 minutes
to browse through the information offered, mainly
from Monday to Wednesday; barely on weekends.
The keywords used mostly that guide users to the
website are “Uganda”, “mining”, “mineral”,
“geological”, “survey” and “mines” and
G. L. Nassuna, F. Schmidt
combinations of these.
33
capturing correct and standardised data consumes
much more time (and money in terms of
professional time) than planned and budgeted in
the beginning. Also, funds must be laid back right
from the beginning of the project to maintain the
system (e.g. data security and back-up) and
replace parts after hardware failure.
REFERENCES
Department of Geological Survey and Mines (DGSM)
(2013). www.uganda-mining.go.ug
Figure 4 – Start page of the Web Portal
CONCLUSIONS
The introduction of modern geological data
management is essential to fulfil the tasks of
Geological Surveys both for the actual technical
duties of the Authority and for the communication
with stakeholders in the mineral sector, e.g.
investors, the general public and other national
authorities as well.
However, it is a strategic task to introduce these
systems. It takes several years to secure the funds
for such a programme, conduct the bidding
process, select the right contractors, procure the
necessary hardware from overseas, and finally
accomplish the actual design, development and
introduction of the information system. It is
important to coordinate the work in case of more
than one contractor to ensure consistent
information systems and data exchange and to
coordinate the collaboration of contractor and
future users of the systems. Similarly, all users as
well as the decision makers within the authority
must be included into the design, introduction and
management of the systems right from the start to
enhance the acceptance of the systems. Another
important task, especially in African countries, is to
keep the trained staff in their jobs (e.g. by
competitive wages and constant capacity building).
In many cases, experienced staff left the
authorities for private companies and training had
to be done several times, negatively affecting the
quality and speed of the work and causing
additional costs and delays for the authority
running the system. Further experiences are that
MATHEMATICAL MODELS OF POTENTIAL PREDICTION IN A
NUTSHELL
HELMUT SCHAEBEN
Mathematische Geologie und Geoinformatik, Institut für Geophysik und Geoinformatik,
TU Bergakademie Freiberg, Gustav-Zeuner-Straße 12, 09599 Freiberg,
[email protected]
KEY WORDS: Weights-of-evidence, conditional
independence, graphical models, logistic
regression, log-linear models, artificial neural
networks, iteratively reweighted least squares
2003), support vector machines (Kanevski et al.,
2009), and many others, cf. (Porwal, 2006; Singer
and Menzie, 2010; Schaeben, 2011). All methods
require a training area to estimate the parameters
of the model. In contrast to geostatistics, none of
them considers spatially induced dependence.
ABSTRACT
Mathematical models of potential prediction are
considered from the point of view of generalized
linear models and Markov random fields. In
particular, weights-of-evidence and logistic
regression models are compared using graphical
stochastic models possessing a Markov property.
The key ingredient is the notion of conditional
independence, which in turn will be related to loglinear models. Referring to log-linear models
provides a statistic to test conditional
independence. Then weights-of-evidence, logistic
regression without interaction terms, and logistic
regression including interaction terms can be put
into a hierarchy of methods, where each former
method is a special case of the consecutive latter
method. Logistic regression can be shown to be
optimum for categorical predictor variables.
1 INTRODUCTION
The ultimate goal of potential modeling or
targeting is to recognize locations for which the
probability of a “target” event like a specified
mineralization is a relative maximum. The event
must be sufficiently well understood in terms of
cause and effect to collect data corresponding to
spatially referenced predictors (“evidences”) in
favour or against the event to occur. A “catalogue”
of mineral deposit models has been compiled by
Cox and Singer (1986). Geometallurgy and the
mineral systems approach, e.g. (McCuaig et al.,
2010), will provide more prerequisites for practical
potential modeling. Then spatially referenced
“posterior” probabilities given the predictors can be
estimated by several approaches including
weights-of-evidence (Good, 1950), logistic
regression (Hosmer and Lemeshow, 2000), and
statistical (machine) learning (Hastie et al., 2001),
e.g. with artificial neural nets (Russell and Norvig,
2 WEIGHTS-OF-EVIDENCE
By virtue of Bayes rule for conditional
probabilities the weight of a single predictor B1 is
given as the ratio of some conditional probabilities,
or rather as a ratio of likelihoods. This likelihood
ratio is the factor by which the initial “prior” odds
must be multiplied to get the final “posterior” odds
(Good, 1968, p. 31). To generalize this approach
for several predictors Bl,l =1,...,m, the additional
mathematical modeling assumption of conditional
independence given the target variable T is
required. Two predictor variables Bi, Bj are
conditonally independnet given the target variable
T representing a specified mineralization, if
knowledge of T renders Bi irrelevant for predicting
Bj, where Bi and Bj commute. It should be noted
that two predictor variables Bi, Bj can
simultaneously be (significantly) correlated and
conditionally independent given T.
Assuming conditional independence of binary
random predictor variables B1,..., Bm, the weightsof-evidence model reads
P(T  1| B1,...,Bm ) 


1
0
 logit(p(T  1))   W   W 
:B 1
:B  0


where Λ(z)=1/ (1 + exp(−z)) denotes the logistic
function (Fig. 1), logit(P (T = 1)) = ln (P (T = 1)/P (T
= 0)) is the logit of T =1 which assigns to a
probability the logarithm of the corresponding
odds, and
P(B  1| T  1)
W(1)  ln
,
P(B  1| T  0)
P(B  0 | T  1)
,   1,...,m.
P(B  0 | T  0)
are the weights.
W(0)  ln
36
The term “weights of evidence” had been
coined by Pierce (1878) and used by Minsky and
Selfridge (1961) and Jeffreys (1939; 1961). I.J.
Good elaborated on it since the 50ies of the last
century (Good, 1950; 1960; 1968; 2003) in about
33 papers (Good, 1983, p. 159). The method was
introduced into geosciences since the 90ies by
Agterberg, Bonham-Carter, and Cheng, e.g.
(Agterberg et al., 1989; Agterberg et al., 1990;
Bonham-Carter and Agterberg, 1990), at some
time all with the Geological Survey of Canada, and
other co-authors, and further pursued in numerous
successive publications by them. In practical
applications the binary predictors represnet
presence or absence of favourable or
unfavourable factors. To consider a continuous
random predictor variable B, e.g. distance from a
fault, as a factor, it needs to be binarized with
respect to a user defined threshold d0, i.e., Bbinary
=1 indicating presence, if B ≤ d0, and Bbinary =0
indicating absence, if B > d0. The weights of
evidence are estimated by counting the
occurrences of events within the training area. All
estimates come with standard errors.
Practical applications of weights-of-evidence
are hampered by its mathematical modeling
assumption of conditional independence which is
often doubted to be satisfied by geological
reasoning. Therefore, weights-of-evidence is
subject to numerous attempts to develop
workarounds to relax the assumption of conditional
evidence or to account for its partial violation, e.g.
(Journel, 2002; Krishnan et al., 2005; Polyakova
and Journel, 2007; Krishnan, 2008; Deng, 2009),
and very recently by (Daojun Zhang, Cheng and
Agterberg 2012; Shengyuan Zhang and Cheng,
2012). Deng (2009) was shown to be wrong
(Schaeben and Boogaart, 2011). The geoscience
community appears to be somewhat reluctant to
accept that logistic regression is an alternative in
case the assumption of conditional independence
does not apply. In fact, logistic regression yields
the true conditional distribution in case of multilinear dependencies between categorical predictor
variables. Generally, logistic regression is not
restricted to binary predictor variables; thus
binarization with respect to user defined thresholds
is not required.
3 LOGISTIC REGRESSION
Logistic regression, e.g. (Hosmer and
Lemeshow, 2000), applies the logistic function
Λ(z), the graph of which is sigmoidal. The function
Λ(αz) with a real constant α > 0 rapidly
approximates a Heaviside-function for increasingly
large values of α.
Figure 1: Graphs of the sigmoidal function Λ(z) (left) and Λ(32z) (right).
The logistic function is the inverse of the logit
transfom. Logistic regression generalizes ordinary
linear models using the logit transform as link
function, thus establishing a relationship between
the linear combination of predictor variables and
the logit-transformed conditional mean of the
binary target variable, cf. (Nelder and Wedderburn,
1972; McCullagh and Nelder, 1989). Then the
conditional probability of the target variable given
the predictors, which is referred to as posterior
probability in weights-of-evidence, is modeled with
the logistic function applied to the linear
combination of the predictor variables.


P(T  1| B0 ,...,Bm )      B 
 

The model can be further generalized to
include interaction terms.
In practical applications of the logistic
regression model its parameters have to be
estimated with respect to realizations of the target
and the predictor variables within a training area.
The parameters of the logistic regression model
are usually estimated with the maximum likelihood
method numerically realized with Fisher’s scoring
algorithm, a form of the Newton-Raphson
algorithm, and a special case of iteratively
H. Schaeben
reweighted least squares algorithm. This
procedure ensures nice statistical properties of the
estimates, e.g. all estimates come with a standard
error.
4 ARTIFICIAL NEURAL NETS
With respect to artificial neural nets the logistic
regression model above is called a single–layer
perceptron or single-layer ANN, minimization of
the sum of squared residuals is referred to as
training, gradient methods to solve for the model
parameters are referred to as linear perceptron
training rule, the step size along the negative
gradient is called learning rate. Compared with
logistic regression models the approach with
artificial neural nets is less restrictive. The logistic
function may be replaced by any sigmoidal
function, the choice of the sigmoidal function may
be guided by the numerical complexity to evaluate
itself or functionals of it. A multi–layer or hidden–
layer perceptron comprises multiple nested layers
of regression models with sigmoidal transfer
functions. Thus, the model provided by ANN may
be larger, more general and more flexible, to
represent more involved dependencies than the
logistic regression model. They usually require
more data and apply gradient methods rather than
the statistically inclined maximum likelihood
method and Fisher's scoring algorithm to estimate
the parameters. Usually ANN cannot provide
standard estimation errors.
5 NUMERICAL ASPECTS
A 3d digital geomodel in voxel mode may easily
comprise more than n = 107 voxels. A logistic
regression model with say m = 10 predictor
variables without considering interaction terms will
lead to an (n×m) system of non-linear equations
with m « n, which is usually solved with the
iteratively reweighted least squares algorithm
(Björck, 1996). The numerical complexity of one
iteration of iteratively reweighted least squares is
2nm2 flops (personal communication, Björck,
2013) for the system of normal equations or the
numerically more stable QR decomposition
(Parker, 1994). The total number of iterations to
achieve a sufficient accuracy cannot generally be
predicted. Just the size of the problem indicates
that data management and fast algorithms are an
issue.
6 MATHEMATICAL COMPARISON OF
METHODS
Graphical models, e.g. (Lauritzen, 1996;
Edwards, 2000; Koller and Friedman, 2009;
37
Højsgaard, Edwards and Lauritzen, 2012), provide
an appropriate approach to manage dependence
or conditional independence of random variables.
Thus they may be used to shed new light on the
mathematical relationship of weights-of-evidence,
logistic regression, and log-linear models
(Schaeben, 2013). The actual clarification they
provide may be summarized as follows.
 If the predictor variabless are binary and conditionally
independent given the target, then
 the method of weights of evidence applies,
 logistic regression without interaction terms yields
the true conditional distribution.
 If categorical predictor variables are not conditionally
independent given the target, then
 the method of weights of evidence does not apply,
 logistic regression still applies, but interaction terms
may be needed to yield the true conditional
distribution.
 If (some) predictor variables are not categorical, then
 the method of weights of evidence does not apply,
 logistic regression still applies, interaction terms
may be needed, but multi-linear interaction terms
may yield only approximations to the true
conditional distribution.
7 CONCLUSIONS
Applying graphical models weights-ofevidence, logistic regression without interaction
terms, and logistic regression including interaction
terms can be put into a hierarchy of methods,
where each former method is a special case of the
consecutive latter method. Logistic regression is
more general than weights of evidence, i.e., it is
unrestricted with respect to modeling assumptions
(conditional independence), and type of random
variables (binary). In the way defined above,
logistic regression provides an optimum model for
potential modeling.
8 ACKNOWLEDGEMENTS
Potential modeling is a contribution of the
Geomathematics and Geoinformatics group at TU
Bergakademie Freiberg, Germany, to the project
“Nano-particle products from new mineral
resources in Europe – ProMine” funded by the
European Community’s Seventh Framework
Programme under grant agreement no. 228559.
This publication reflects only the author’s view,
exempting the Community from any liability.
38
REFERENCES
AGTERBERG FP, BONHAM-CARTER GF, WRIGHT
DF (1990) - Statistical pattern integration for mineral
exploration. In: Gaál G, Merriam DF (eds.) Computer
Applications in Resource Estimation Prediction and
Assessment for Metals and Petroleum, Pergamon
Press, 1-21
AGTERBERG FP, BONHAM-CARTER GF, WRIGHT
DF, CHENG Q (1989) - Weights of evidence and
weighted logistic regression for mineral potential
mapping. In: Davis JC, Herzfeld UC (eds.) Computers
in Geology -25 Years of Progress, Oxford University
Press, 13-32
BONHAM-CARTER GF, AGTERBERG FP (1990) Application of a microcomputer based geographic
information system to mineral-potential mapping. In:
Hanley JT, Merriam DF (eds.) Microcomputer-based
Applications in Geology -II Petroleum, Pergamon
Press, 49-74
BJÖRCK A (1996) - Numerical Methods for Least
Squares Problems. SIAM
COX DP, SINGER DA, (1986) - Mineral deposit models.
U.S. Geological Survey Bulletin 1693
DENG M (2009) - A conditional dependence adjusted
weights of evidence model. Natural Resources
Research 18: 249-258
EDWARDS D (2000) - Introduction to Graphical
Modelling. 2nd edn. Springer
GOOD IJ,(1950) - Probability and the Weighing of
Evidence. Griffin, London
GOOD IJ (1960) - Weight of Evidence, Corroboration,
Explanatory Power, Information and the Utility of
Experiments. Journal of the Royal Statistical Society
B 22: 319-331
GOOD IJ (1968) - The Estimation Of Probabilities – An
Essay on Modern Bayesian Methods. Research
Monograph No. 30, The MIT Press, Cambridge, MA,
USA
GOOD IJ (1983) - Good Thinking – The Foundations of
Probability and Its Applications. The University of
Minnesota Press
GOOD IJ (2003) - The accumulation of imprecise
weights of evidence.
http://www.sipta.org/isipta03/jack.pdf. Accessed 21
January 2013
HASTIE T, TIBSHIRANI R, FRIEDMAN J (2001) - The
Elements of Statistical Learning – Data Mining,
Inference, and Prediction. Springer
HØJSGAARD S, EDWARDS D, LAURITZEN S (2012) Graphical Models with R. Springer
HOSMER DW, LEMESHOW S (2000) - Applied Logistic
Regression, 2nd edn. Wiley
JEFFREYS H (1939) - Theory of Probability 1st ed.
Clarendon Press
JEFFREYS H (1961) - Theory of Probability 3rd ed.
Clarendon Press
JOURNEL AG (2002) - Combining knowledge from
diverse sources – An alternative to traditional data
independence hypotheses. Mathematical Geology 34:
573-596
KANEVSKI M, POZDNOUKHOV A, TIMONIN V (2009) Machine learning for spatial environmental data –
Theory, applications and software. EPFL Press
KOLLER D, FRIEDMAN N (2009) - Probabilistic
Graphical Models – Principles and Techniques. The
MIT Press, Cambridge, Massachusetts
KRISHNAN S (2008) - The -model for data redundancy
and information combination in Earth sciences –
Theory and Application. Mathematical Geology 40:
705-727
KRISHNAN S, BOUCHER A, JOURNEL AG (2005) Evaluating information redundancy through the model. In: Leuangthong O, Deutsch CV (eds.)
Geostatistics Banff 2004, Springer, 1037-1046
LAURITZEN S (1996) - Graphical Models. Clarendon
Press, Oxford
MCCUAIG TC, BERESFORD S, HRONSKY J (2010) Translating the mineral systems approach into an
effective exploration targeting system. Ore Geology
Reviews 38: 128-138
MCCULLAGH P, NELDER J (1989) - Generalized
Linear Models. 2nd edn. Chapman and Hall/CRC
MINSKY M, SELFRIDGE OG (1961) - Learning in
random nets. In: Cherry C (ed) Information Theory:
Fourth London Symposium, Butterworths, 335-347
NELDER J, WEDDERBURN R (1972) - Generalized
Linear Models. Journal of the Royal Statistical Society
Ser A 135: 370-384
PARKER RL (1994) - Geophysical Inverse Theory.
Princeton University Press
PIERCE CS (1878) - The probability of induction.
Popular Science Monthly, republished In: Newman JR
(ed) (1956) The World of Mathematics 2. Simon and
Schuster, New York, 1341-1354
POLYAKOVA EI, JOURNEL AG (2007) - The expression for probabilistic data integration.
Mathematical Geology 39: 715-733
PORWAL AK (2006) - Mineral potential mapping with
mathematical geological models. Dissertation,
Enschede, The Netherlands
RUSSELL S, NORVIG P (2003) - Artificial Intelligence A Modern Approach, 2nd ed. Prentice Hall
SCHAEBEN H (2012) - Comparison of Mathematical
Methods of Potential Modeling. Mathematical
Geosciences 44: 101-129. doi 10.1007/s11004-0119373-2
SCHAEBEN H, VAN DEN BOOGAART KG (2011) Comment on “A conditional dependence adjusted
weights of evidence model” by Minfeng Deng in
Natural Resources Research 18 (2009), 249-258.
Natural Resources Research 20: 401-406
SINGER DA, MENZIE WD (2010) - Quantitative Mineral
Resource Assessments, an Integrated Approach.
Oxford University Press
ZHANG D, CHENG Q, AGTERBERG FP (2012) Weights of evidence method and weighted logistic
regression model. Abstracts 34th International
Geological Congress, 1789
ZHANG S, CHENG Q (2012) - A modified weights of
evidence model for mineral potential mapping.
Abstracts 34th International Geological Congress,
2008
ADVANGEO 2.0 & ADVANGEO MINERALS:
LAGERSTÄTTENPROGNOSE MIT KÜNSTLICHEN NEURONALEN
NETZEN UND ARCGIS 10
SILKE NOACK (1); ANDREAS KNOBLOCH (1); SVEN H. ETZOLD (1); ANDREAS
BARTH (1)
(1) Beak Consultants GmbH. 09599 Freiberg. [email protected]
KEY WORDS: Rohstoffe, Lagerstättenprognose,
Potential Modeling, Künstliche neuronale Netze,
GIS-Software.
Kommunikation mit dem Daten- und
Modellexplorer und die einfache Darstellung und
Bearbeitung der Geodaten in ArcMap (vgl. Abb. 1).
ABSTRACT
Artificial Neural Networks (ANN) are used for
statistical modeling of spatial events in
geosciences. The software advangeo® was
developed to enable GIS users to apply neural
network methods on raster geodata. The statistic
modeling results can be developed and displayed
in a user-friendly way within the ESRI ArcGIS
environment. The complete workflow is
documented by the software. Additionally two
special extensions for data processing were
developed. This paper shortly presents the
advangeo® software and its minerals extension to
illustrate the current possibilities to use it for
potential modeling.
ADVANGEO 2.0
Die advangeo® Prediction Software der Firma
Beak Consultants erlaubt dem Nutzer die
Modellierung diverser räumlicher Fragestellungen
auf der Basis vorhandener Geodaten. Die
Software bietet dem Nutzer die Möglichkeit,
strukturiert Datenbestände und Modelle
aufzubauen und dabei die Metadaten zur
Datenaufbereitung, zu den verwendeten
Modellparametern und zu den Ergebnissen
nachvollziehbar zu speichern.
Die Anwendung besteht aus einem Daten- und
Modellexplorer, der die Oberflächen für den
Import, die Erstellung, die Berechnung und die
Verwaltung von Daten und Modellen bereitstellt.
Dabei wird für die Geodatenverarbeitung auf
ArcGIS-Funktionalität zurückgegriffen. Die
zugehörige GIS-Extension erlaubt die
Abbildung 1 – advangeo® Software Komponenten und
Datenverwaltung
Die Software ist seit 2009 am Markt verfügbar
und wird seitdem ständig weiterentwickelt. Seit
Ende 2012 ist die Version 2.0 für ESRI ArcGIS
10.0 verfügbar. Zusätzlich können Erweiterungen
für die automatisierte Datenaufbereitung für a)
erosionsinduzierte („Erosion Extension“) oder b)
rohstoffrelevante Fragestellungen („Minerals
Extension“) erworben werden.
MODELLIERUNGSANSATZ: KÜNSTLICHE
NEURONAL NETZE
Für die Datenmodellierung in advangeo®
werden künstliche neuronale Netze eingesetzt.
Konkret handelt es sich dabei um das Paradigma
des Multi Layer Perceptrons (mehrlagiges
Perzeptron, MLP, Schema siehe Abb.2).
40
Abbildung 2 – Funktionsschema Multi Layer Perceptron
Der Einsatz der künstlichen neuronalen Netze
zur Modellierung räumlicher Fragestellungen stellt
eine nützliche Alternative zu bereits bekannten
und in der Praxis etablierten statistischen
Modellierungsansätzen wie Weights of Evidence
oder (logistischer) Regression dar. Es handelt sich
dabei ebenfalls um einen datengetriebene und
überwachten Ansatz, d.h. es werden Beispiele für
das gesuchte Ereignis bzw. Phänomen benötigt.
Künstliche neuronale Netze bieten folgende
Vorteile:




Sie sind ganz speziell für komplexe
Fragestellungen, wie sie für Zusammenhänge
in der Natur üblich sind, geeignet und damit
nahezu universell einsetzbar.
Die Zusammenhänge werden anhand
vorgegebener Beispiele (Trainingsdaten)
selbständig „erlernt“.
Sie erlauben die Verwendung von Daten
unterschiedlichen Skalenniveaus (für
abhängige und unabhängige Größen) und
ermöglichen sowohl qualitative als auch
quantitative Modellierung.
Sie sind verwendbar, auch wenn die
Zusammenhänge zwischen Einflussfaktoren
und abhängiger Größe nicht genau bekannt
sind.
Nachteil ist die geringe Nachvollziehbarkeit
des konkreten Einflusses der einzelnen
Einflussfaktoren („Black Box“) durch die
Verwendung verdeckter Schichten (vgl. Abb. 2)
Bei der Analyse in advangeo® handelt es sich
um eine Rasteranalyse, d.h. Nachbarschaftsbeziehungen werden während des Modelltrainings
nicht ausgewertet. Diese elementaren
Informationen wie z.B. der Abstand zu einer
Störung oder einer geologischen Formation
müssen deshalb bereits in den Modelleingangsdaten abgebildet werden.
Zusätzlich ist auch eine entsprechende
Aufbereitung der Daten für ihre Verwendung im
Rahmen der Modellierung notwendig bzw.
sinnvoll:




Erstellung binärer Datenebenen für nominale
Eingangsdaten, z.B. geologische Einheiten,
Landnutzung,
Skalierung kontinuierlicher Daten in den
Wertebereich 0..1
Sicherstellen der Rasterintegrität (exakte
Überlagerung der einzelnen Pixel)
Vorbereitung der Trainingsdaten (Erstellen
entsprechender Binärraster bzw. Skalierung
der Daten im Wertebereiche der zu
verwendenden Aktivierungsfunktion, i.A.
Sigmoidfunktion: 0..1)
Sämtliche Datenverarbeitungsschritte setzen
voraus, dass der Nutzer über entsprechende
Datenaufbereitungsstrategien und entsprechendes
GIS-Know How verfügt.
Mit advangeo® und seinen Erweiterungen
werden dem Nutzer Werkzeuge zur Verfügung
gestellt, die diese Arbeitsschritte größtenteils
automatisiert ausführen. Im nachfolgenden
Abschnitt werden die Funktionen der Minerals
Extension genauer erläutert.
ADVANGEO MINERALS EXTENSION
Die Minerals Extension wurde speziell für die
Datenaufbereitung im Rahmen rohstoffrelevanter
Modellierung entwickelt. Die Erweiterung bietet
Module zur Aufbereitung von:





Geologischen Einheiten
Kontaktzonen
Tektonik (Winkelberechnung, Klassifizierung,
Schnittpunkte)
Aufbereitung geophysikalischer Daten
Interpolation und Aufbereitung geochemischer
Punkte
Jedes dieser Module erzeugt direkt
verwendbare Modelleingangsdaten, d.h. diese
Daten sind fertig skaliert, auf das Base Raster
gemappt und mit der Projektarea ausgeschnitten.
Für die Erstellung euklidischer Distanzraster kann
jeweils definiert werden, ob die Skalierung invers
erfolgen soll, d.h. die entsprechende Einheit erhält
S. Noack, A. Knobloch, S. H. Etzold, A. Barth
41
den Wert 1 und die größte Entfernung den Wert 0.
Für jedes Modul werden jeweils entsprechende
Formulare bereitgestellt. Beispielhaft für das
Modul sind diese in Abbildung 3 dargestellt.
Hornblende (grün)
Granitoid (rot)
Kontaktzone (schwarz)
Euklidische Distanz
Abbildung 5 – Modul Kontaktzonen (Rock Contact):
Workflow
Abbildung 3 – advangeo® Daten- und Modellexplorer
mit Minerals Extension Menu und Formularen für das
Modul Tektonik
Das Modul zur Verarbeitung geologischer
Einheiten ermöglicht neben der Generierung
binärer Datenebenen aus vorhandenen
(vektorisierten) geologischen Einheiten auch eine
Gruppierung dieser Daten sowie die Berechnung
euklidischer Distanzen zur definierten Einheit (vgl.
Abb. 4).
Das Modul Tektonik funktioniert in zwei
Arbeitsschritten: zuerst werden die linearen
Elemente in das advangeo® Projekt importiert und
dabei Länge und Winkel der einzelnen Elemente
berechnet. Im zweiten Schritt wird auf die beim
Import berechneten oder vorhandenen Felder
zugegriffen und eine Klassifikation der Daten
ausgeführt. Aus jeder definierten klasse wird
anschließend ein skaliertes euklidisches
Distanzraster als Modelleingangsdatensatz erstellt
(vgl. Abb. 6).
Abbildung 6– Modul Tektonik : Workflow Beispiel
Abbildung 4 – Modul Geologische Einheiten: Workflow
Das Modul zur Verarbeitung der Kontaktzonen
geologischer Einheiten erlaubt die Ermittlung
nutzerdefinierter Kontaktzonen geologischer
Einheiten, z.B. zwischen Hornblende und
Granitoid (vgl. Abb. 5)
Mit Hilfe des Moduls Geophysik können
geophysikalische Rasterdaten wie z.B.
Geomagnetik oder Radiometriedaten in das
Projekt importiert und skaliert werden. Zusätzlich
können automatisch Ableitungen des Feldes wie
Gradient (Hangneigung) oder Aspekt berechnet
werden. (vgl. Abb. 7).
42
Abbildung 7 – Modul Geophysik : Workflow Bsp.
Radiometrie
Im Modul Geochemie können geochemische
Punktdaten wie Stream Sediments importiert und
mit Hilfe des IDW-Verfahrens flächenhaft
interpoliert werden. Dabei kann der Nutzer
Datenfilter verwenden, vorhandene Masken
nutzen oder zur Laufzeit spezielle Masken aus den
Punktdaten erzeugen (durch Buffer/Shrink).
NoData Werte können mit statistischen oder
nutzerdefinierten Werten gefüllt werden. Das
interpolierte Raster wird skaliert und es können
wie beim Modul Geochemie Ableitungen
berechnet werden. (vgl. Abb. 8).
Datenaufbereitung und die Modellierung
potentieller Goldlagerstätten dargestellt werden.
Gold gehört zu den wichtigsten Mineralen in
Ghana. Der geologische Dienst hat große Mengen
raumbezogener Informationen digitalisiert und in
ein Informationsmanagementsystem gespeichert.
Mit Hilfe verschiedener Geodaten wie Geologie,
Tektonik, Geomorphologie und umfangreicher
geophysikalischer Datenbestände sowie
bekannter Mineralvorkommen wurde ein
advangeo® Projekt für ein Teilgebiet im
Nordwesten Ghanas systematisch aufgebaut und
modelliert.
Aus den vorhandenen geologischen Daten
wurden entsprechende Modelleingangsdaten, die
die potentiellen Einflussfaktoren abbilden,
aufbereitet, z.B.



Erzeugung binärer geologischer Einheiten aus
der geologischen Karte und Ableitung
relevanter Kontaktzonen und Abständen dazu
Klassifizierung der Tektonik und Ableitung der
Abstände zu Störungen und ihrer Schnittpunkte
Auswertung der verschiedenen
geophysikalischen Daten
Anschließend wurden die Daten systematisch
für den Modellaufbau verwendet: schrittweise
wurden Daten hinzugefügt bzw. weggelassen, bis
ein plausibles Modell erreicht wurde. Das Schema
der Modellierung in advangeo ist in Abbildung 9
beispielhaft dargestellt.
Abbildung 8– Modul Geochemie : Workflow
LAGERSTÄTTENPROGNOSE
Die Fähigkeit künstlicher neuronaler Netze,
komplexe Beziehungen zwischen Einflussfaktoren
und gesuchter Größe zu analysieren wurde bereits
in verschiedenen Projekten untersucht.
Nachfolgend soll kurz am Beispiel Ghana die
Abbildung 9– Schema der Modellierung in advangeo®
Nachfolgend ist die Modellentwicklung bis hin
zum finalen Modell grafisch dargestellt (Abb.10).
S. Noack, A. Knobloch, S. H. Etzold, A. Barth
Abbildung 10 – Systematische Modellentwicklung bis hin zur Ergebniskarte
AUSBLICK
Die Methode der künstlichen neuronalen Netze
für die Modellierung räumlicher Ereignisse und
Phänomene wurde in der Vergangenheit an
verschiedenen Beispielen erfolgreich getestet.
Problematisch sind die Nachvollziehbarkeit der
detaillierten Einflüsse einzelner Parameter und
eine objektive Bewertung der Modellergebnisse.
Zur weiteren Verbreiterung der
Anwendungsmöglichkeiten und des potentiellen
Nutzerkreises wird die Software derzeit um zwei
Analysemethoden erweitert:


Weights of Evidence als weiteres
datengetriebenes Analyseverfahren und
Fuzzy Logik als alternatives wissensbasiertes
Werkzeug.
Die Methoden sollen Ende 2014 in der
Software advangeo® zur Verfügung stehen.
Das Projekt wird gefördert durch das
Bundesministerium für Wirtschaft und Technologie.
43
FINITE-ELEMENTE SIMULATIONEN AUF DER BASIS REALISTISCHER
GEOLOGISCHER UNTERGRUNDMODELLE
JANA BÖRNER(1); INES GÖRZ(1); BJÖRN ZEHNER(1); KLAUS SPITZER(1)
(1) Institut für Geophysik und Geoinformatik, TU Bergakademie Freiberg, GustavZeuner-Str. 12, 09599 Freiberg, [email protected]
KEY WORDS: 3D-MODELL, GEOPHYSIK, GEO-
INFORMATIK, SKUA®, TETRAEDERGITTER,
FINITE ELEMENTE METHODE (FEM), TRANSIENTELEKTROMAGNETIK
ABSTRACT
We present a modeling concept, which enables us
to build arbitrary 3D geological models using the
Skua® Structure and Stratigraphy Workflow and
mesh these with unstructured tetrahedral grids
applying the Skua® Finite Element Mesh Constructor. We also introduce a Workflow to improve the
Quality of the generated meshes and to adapt
them to geometric constraints using the opensource software tools TetGen and Gmsh. We incorporate these meshes into state-of-the-art inhouse finite element software and carry out simulations of electromagnetic induction phenomena
and measurements. Such highly realistic simulations will allow for the reliable optimization of monitoring campaigns necessary for technologies such
as CO2 sequestration or the exploration of geothermal energy. We present an example based on
geological information from a site in Niedersachsen (Germany) and demonstrate the possibilities
and future challenges of this approach.
EINLEITUNG
Im vergangenen Jahrzehnt sind zahlreiche 3DModelle vom geologischen Untergrund Deutschlands erarbeitet worden. Diese Modelle beschreiben sowohl den geologischen Aufbau als auch
hydrogeologische und geothermische Ressourcen.
Sollen diese 3D Modelle als Ausgangsgeometrie
für die Simulation von physikalischen Prozessen,
die im Untergrund ablaufen, verwendet werden,
müssen sie so aufgebaut sein, dass die einzelnen
geologischen Körper als Tetraeder abgebildet
werden, wobei die Gitterknoten an den geologischen Grenzen exakt zusammenpassen müssen,
um z.B. eine Übertragung von Wärme oder Strom
durch alle geologischen Körper simulieren zu können.
Ein Anwendungsgebiet für derartige Simulationsrechnungen ist die geophysikalische Erkundung.
So können z.B. elektromagnetische Methoden
einen entscheidenden Beitrag zur Überwachung
von Geotechnologien wie der CO2-Verpressung
oder der Geothermie liefern (Börner et al., 2012).
Sie stellen eine einfach anwendbare und kostengünstige Möglichkeit dar, große Bereiche des Erdinneren zerstörungsfrei zu erkunden. Entscheidend für ein robustes und sensitives Monitoring ist
die optimale Konfiguration des Messaufbaus. Diese ist methodenabhängig und standortspezifisch.
Numerische Simulationen ermöglichen, das Verhalten und die Sensitivität einer geophysikalischen
Methode im Vorfeld zu studieren und den Messaufbau zu optimieren. Die Aussagekraft solcher
Berechnungen ist aber nur gegeben, wenn
 das geophysikalische Verfahren hinreichend genau
simuliert wird,
 die petrophysikalischen Gesteinsparameter wirklichkeitsnah gewählt werden und
 das Simulationsgebiet die reale Geologie hinreichend
korrekt abbildet.
Daher stellen wir ein Modellierungs-Konzept vor,
in dem Methoden und Anwendungen der Geoinformatik und Geophysik eng miteinander verschränkt werden (Abbildung 1). Geologische Informationen bilden die Grundlage des Ansatzes.
Geologie
Geologische
Information
Geoinformatik
Modellierung
der 3D
Geometrie
Vermaschung
Geophysik
Finite Elemente
Vorwärts
Simulation
Abbildung 1: Verschränkung von Methoden der Geophysik, Geologie und Geoinformatik in einem Modellierungs-Konzept.
3D-MODELLIERUNG DES GEOLOGISCHEN UNTERGRUNDS
Das Modellierungsgebiet liegt in Niedersachsen
und umfasst die mesozoischen Rahmengesteine
eines Salzdiapirs sowie überlagernde tertäre erodierte Gesteinslinsen und die quartäre Überdeckung der Diapir-Struktur (Abbildung 2). Die geologischen Daten wurden vom Nibis Kartenserver
entnommen (NIBIS, 2013). Die Top-Marker, also
die Hangendgrenzen, ausgewählter Gesteinseinheiten wurden digitalisiert und die Lagerungsverhältnisse in einer stratigraphischen Tabelle definiert.
46
Die Geologie des Modells wurde im Skua® StructureandStratigraphy Workflow (PARADIGM®,2011)
modelliert (Abbildung 3). Mit Hilfe des Structure
and Stratigraphy Workflows werden geologische
Körper durch ein Volumengrid modelliert, und nicht
mehr wie in Gocad über das Verschweißen einzelner triangulierter Flächen zu einem Körper
(Model3D). Dadurch entsteht ein konsistentes aus
mehreren geologischen Körpern aufgebautes 3DModell, das im Objektbrowser als Skua® Modell
und GeologicGrid ansprechbar ist. Eine Grenzflächendarstellung (boundary representation) der
geologischen Körper, ein sogenanntes Model3D,
kann aus dem Skua® Modell problemlos erstellt
werden, wogegen die Model3D-Herstellung in
Gocad meistens problematisch ist. Da das Model3D das Ausgangsmodell für die Tetraedervermaschung darstellt, rechtfertigt dieser Vorteil ausdrücklich die Verwendung des Skua® Structure
and Stratigraphy Workflows bei Modellen, welche
die Ausgangsgeometrie für Finite Elemente Modelle spezifizieren sollen. Das Model3D kann mit Hilfe
des Finite Element Mesh Workflows in ein Tetraedergitter überführt werden. Dabei sind die Möglichkeiten des Nutzers sehr beschränkt, die Auflösung des Tetraedernetzes in verschiedenen Bereichen des Modells zu beeinflussen. Man kann
lediglich die Anzahl der Tetraeder vorgeben.
Abbildung 2: 3D-Modell, das für eine elektromagnetische Simulation aufbereitet werden soll. Dazu sollen geologische
Körper mit realistischen Geometrien als Tetraedergitter abgebildet werden und alle Tetraeder eines geologischen
Körpers sollen konstante Leitfähigkeiten zugewiesen bekommen. Das geologische Modell (groß) besteht aus ausgewählten mesozoischen und känozoischen Horizonten, die einen niedersächsischen Salzdiapir umgeben. Die geologischen Körper werden zunächst nur durch ihre Grenzflächen abgebildet, welche am Kontakt mehrerer Flächen inkonsistent vermascht sind (links unten).
J. Börner, I. Görz, B. Zehner, K. Spitzer
Digitalisierte Top-Marker
47
Stratigraphische Tabelle - Lagerungsverhältnisse
SKUA Structure and Stratigraphy Workflow
Geologic Grid
Model 3D
Finite Element Mesh Constructor
Regular Tetrahedric Mesh
Abbildung 3: Workflow zum Erstellen eines konsistenten und regelmäßigen Tetraedergitters, welches die realistische
Geometrie geologischer Körper wiedergibt.
48
Materialparameter können dem Gitter sowohl für
die Knotenpunkte als auch für die Tetraeder zugewiesen werden, wobei die Parameter für die Knoten direkt erstellt werden können, während die
Eigenschaften für die Tetraeder nur durch Interpolation aufgetragen werden können. In unserem
Modell soll für jede geologische Einheit eine konstante Leitfähigkeit als Tetraeder-Eigenschaft
festgestetzt werden (Abbildung 4), die aus Literaturwerten sowie durch Anwendung des ArchieGesetzes ermittelt wird (Archie, 1942; Schön,
1996).
EIGENSCHAFTEN DES TETRAEDERGITTERS
Das fertige Tetraedergitter (Abbildung 4) besteht
aus Parts, die mit den geologischen Körpern übereinstimmen. Jeder Part umfasst ein zusammenhängendes Gitter, dessen äußerste Knoten auf der
Außengrenze des geologischen Körpers liegen.
Der benachbarte Part besteht wiederum aus einem
zusammenhängenden Gitter mit den äußersten
Punkten in der Grenzfläche, wobei die Knoten geometrisch identisch sind mit den Grenzknoten des
Nachbarparts. Somit erhält der Nutzer ein Tetraedergitter, welches eine konsistente Vermaschung
und doppelte Knoten an den Grenzflächen aufweist. Wenn ein Part mit geringer Mächtigkeit an
einen Part mit großer Mächtigkeit grenzt, entstehen
durch die Forderung nach konsistenter Vermaschung sehr spitzwinklige Tetraeder.
Ein weiteres Problem bei der Vorbereitung des
®
Modells in Skua resultiert daraus, dass die Tetraeder-Eigenschaften nur durch Interpolation zugewiesen werden konnten. Dadurch entstehen im
Grenzbereich der Parts Übergangsbereiche, die
durch eine lineare Interpolation zwischen den unterschiedlichen Leitfähigkeiten entstehen (Abbildung 4). Besonders gravierend wird das Problem in
geologischen Horizonten mit geringer Mächtigkeit,
wo die Zuweisung der Materialparameter durch die
Nachbareinheiten stark verfälscht wird. Dieses
Problem ließ sich nur durch Implementieren eines
eigenen Plugins lösen.
VERBESSERUNG DES NETZES UND
ANPASSUNG AN RANDBEDINGUNGEN
Insgesamt lassen sich mit Hilfe von Skua® bereits
Grenzflächenmodelle und somit Tetraedernetze mit
relativ guter Qualität erstellen. Wenn die Geometrie
kompliziert wird und sich die Flächen mehrfach
schneiden, kann es allerdings vorkommen, dass
sehr spitze Dreiecke entstehen. Abbildung 5 zeigt
zum Beispiel im oberen Teil den Kontakt des oberen Tertiärs an das Salz im Skua® Modell. Die sehr
spitzwinkligen
Dreiecke
führen
Abbildung 4: Eigenschaften des Tetraedergitters. Das Tetraedergitter besteht aus Parts, die an den Grenzen konsistent vermascht sind, aber häufig sehr spitzwinkelige Dreiecke aufweisen (oben und rechts). Die TetraederEigenschaften lassen sich besonders in Parts mit geringer Mächtigkeit nicht als konstante Werte zuweisen (unten
links).
bei einer 3D-Vernetzung zu Tetraedern mit
schlechter Qualität welche für die Simulation oft
nicht mehr geeignet sind.
49
Zusätzlich zu der Möglichkeit der Beeinflussung
der Tetraedervernetzung über die Oberflächen gibt
es bei TetGen die Möglichkeit weitere Punkte im
Inneren zu definieren, die dann Bestandteil des
Netzes sind. Auf diese Weise lässt sich z.B. der
Verlauf eines Bohrlochs in das Netz mit einbeziehen oder eine Verfeinerung des Netzes im Inneren
erreichen. Die Verwendung von TetGen für die
Vernetzung erlaubt es auc, die Vernetzungsparameter wie die erforderliche Qualität an die Tetraeder genauer zu steuer,n als dies mit dem Finite
®
Element Mesh Tool von Skua der Fall ist.
3D FINITE-ELEMENTE-SIMULATION
Abbildung 5: Dreiecksvernetzung am Kontakt vom Salz
gegen das obere Tertiär. Oben das Netz wie es mit dem
®
Skua Workflow generiert wird, unten überarbeitet um
die Qualität der Vernetzung zu verbessern.
Da bei der Erstellung des Netzes mit dem Skua®
Workflow ein wasserdichtes Oberflächenmodell
erstellt wird, besteht die Möglichkeit einzelne dieser Flächen nachträglich neu mit einer besseren
Qualität zu erstellen und das Volumennetz zu aktualisieren. Um diesen Arbeitsablauf zu ermöglichen wurde Gocad/Skua® mit Hilfe seines PluginMechanismus mit C++ um einige Funktionen und
um Schnittstellen zu den open-source Programmen Gmsh (Geuzaine and Remacle, 2009) und
TetGen (Si, 2011) erweitert (Zehner, 2011). Um
diesen Workflow zu nutzen, muss in den Problembereichen ein Rahmen aus den einzelnen Schnittlinien aufgebaut werden, wobei diese mit einer
Splinefunktion abgetastet werden, um eine
gleichmäßige Verteilung der Knoten zu erreichen.
Anschließend werden die betroffenen Flächen neu
vernetzt und die verschiedenen Schnittlinien als
Nebenbedingung beachtet (Constrained Delaunay
Algorithmus). Das mit dieser Methodik neu erstellte Netz ist in Abbildung 6 unten zu sehen.
Der gleiche Arbeitsablauf lässt sich auch benutzen, um lokale Verfeinerungen zu erreichen, oder
um das Finite Elemente (FE) Netz so anzupassen,
dass die Randbedingungen formuliert werden
können. Die Abbildung 6 zeigt zum Beispiel wie
ein Polygonzug, welcher einen Fluss in einer
Grundwassersimulation repräsentiert, in die Vernetzung an der Oberfläche mit aufgenommen wird.
Unmittelbar daneben ist eine lokale Verfeinerung
zu sehen, welche einen Injektionspunkt darstellt.
Nach der 3D Vernetzung werden die einzelnen
Segmente des Polygonzuges durch die Kanten
der Tetraeder repräsentiert und das Tetraedernetz
wird lokal an der Stelle verfeinert, wo auch das
Oberflächennetz fein ist.
Das beschriebene Tetraedergitter wird nun zur
Finite-Element-Simulation einer transientelektromagnetischen Messung eingesetzt. Die Transientelektromagnetik (TEM) ist ein geophysikalisches
Verfahren, das im Zeitbereich arbeitet. Dabei wird
zu einem definierten Zeitpunkt t0 der Gleichstrom
in einer Leiterschleife abgeschaltet. Das darauf
folgende Abklingen der elektromagnetischen Felder – der Transient – wird an einem Empfänger
gemessen. Der Empfänger kann sich an der Erdoberfläche oder in einem Bohrloch befinden. Die
Charakteristika des Transienten lassen Rückschlüsse auf die Verteilung der elektrischen Leitfähigkeit im Untergrund zu.
Abbildung 6: Einbeziehung von Nebenbedingungen in
®
die Vernetzung. Oben: Das mit dem Skua Workflow
erstellte Oberflächennetz. Der Polygonzug ist hier noch
nicht Bestandteil der Triangulation. Mitte: Neue Triangulation, die den Polygonzug wiederspiegelt und eine
lokale Verfeinerung aufweist. Unten: Resultierendes
Tetraedernetz.
50
Für die Simulation wird das mit Skua® modellierte
Netz mit Hilfe des Plugins (Zehner, 2011) im
smesh-format exportiert und dann in die am Institut für Geophysik und Geoinformatik der TU Bergakademie Freiberg entwickelte Software von Afanasjew eingelesen (Afanasjew et al., 2013). Der in
Matlab verfasste Code löst auf unstrukturierten
Tetraedergittern die rot-rot-Gleichung für das
elektrische Feld, welche die Induktionsphänomene
für diffusive elektromagnetische Vorgänge im Zeitbereich beschreibt:
Hier ist e das zeitlich veränderliche elektrische
Feld, σ die elektrische Leitfähigkeit des Gesteins, t
die Zeit, μ die magnetische Permeabilität und je
die Quellstromdichte. Die in der Empfängerspule
induzierte Messspannung ist proportional zur Zeitableitung der magnetischen Flussdichte b, die aus
dem elektrischen Feld berechnet werden kann:
An allen Rändern außer der Erdoberfläche verschwinden die Tangentialkomponenten des elektrischen Feldes, so dass gilt:
An der Erdoberfläche ist eine exakte Randbedingung implementiert, wodurch eine Diskretisierung
des Lufthalbraumes entfällt (Afanasjew et al. 2013,
Goldman et al. 1986). Durch die Anwendung von
rationalen Krylov-Unterraum-Verfahren ist es außerdem möglich das elektrische Feld zu jedem
beliebigen Zeitpunkt mit nur einem Zeitschritt zu
berechnen. Dies ermöglicht die effiziente Berechnung des Transienten, der mehrere Dekaden in
der Zeit umfasst (Eiermann & Ernst, 2006; Güttel2010). Das Quellfeld, das durch die stromdurchflossene Leiterschleife erzeugt wird, kann durch
einen vertikalen magnetischen Dipol (VMD) beschrieben werden, dessen Dipolmoment m sich
wie folgt zusammensetzt:
Hier ist I der Strom in der Leiterschleife, n deren
Windungszahl und A die Fläche, die von der Leiterschleife umschlossen wird. Der Abklingvorgang
kann auf dem beschriebenen Tetraedergitter simuliert werden (siehe Abbildung 7) und zeigt qualitativ ein korrektes physikalisches Verhalten.
Eine quantitative Auswertung würde allerdings die
Anpassung der Vernetzung nicht nur an die Geologie sondern auch an die Besonderheiten des
geophysikalischen Messverfahrens erfordern. Im
Fall der TEM ist eine sehr feine Vernetzung um die
Quelle erforderlich, um das Verhalten des VMD
kurz nach dem Abschalten des Stromes erfassen
zu können. Bei einer unangepassten Vernetzung
(siehe Abbildung 8) wird die Form des Feldes unzureichend abgebildet. Es wird unsymmetrisch
und eckig dargestellt, statt in alle Richtungen
gleichförmig steil abzufallen. Da die FiniteElement-Lösung in jedem Element linear ist, muss
auch die Umgebung und Empfängers hinreichend
fein vernetzt werden, um Interpolationsfehler zu
vermeiden.
®
Eine angepasste Vernetzung ist mit dem Skua
Finite Element Mesh Constructor nicht möglich.
Mit dem oben beschriebenen Workflow unter Einbindung von Gmsh und TetGen basiert der Vernetzungsvorgang auf der bestehenden Oberflächenvermaschung der geologischen Grenzflächen. Das nachträgliche Anpassen des Netzes –
z.B. das gröbere Abbilden der Geologie in für die
Messmethode weniger zentralen Teilen des Modells – kann somit durch eine Neuvernetzung realisiert werden.
51
Abbildung 7: Normierte Magnitude der Zeitableitung der magnetischen Flussdichte für 1e-4 s, 1e-3 s und 1e-2 s
nach dem Abschalten des Gleichstroms in einer Leiterschleife. Dargestellt ist ein Clip der 3D-Lösung, dessen
Schnittfläche durch die Quelle (VMD) verläuft. Aus Orientierungsgründen ist die Vernetzung des Salzstocks sowie
die Lage der geologischen Horizonte mit dargestellt.
ZUSAMMENFASSUNG
Abbildung 8: Nahaufnahme der Vernetzung um die
Quelle zum Zeitpunkt 1e-5 s nach dem Abschalten des
Gleichstroms in einer Leiterschleife. Darstellung der
normierten Magnitude der Zeitableitung der magnetischen Flussdichte.
Es ist gelungen, basierend auf geologischen Informationen ein Tetraedergitter zu erstellen, das
grundsätzlich den Anforderungen einer anschließenden Finite-Elemente-Simulation genügt. Im
Gegensatz zur üblichen abstrakten Nachbildung
geologischer Strukturen wurden hier keine willkürlichen Abstriche bei der Repräsentation der Geologie gemacht. Das resultierende Netz wurde in
eine Software zur 3D-FE-Simulation des geophysikalischen Messverfahrens der Transientelektromagnetik eingebunden und es konnten konsistente Berechnungen durchgeführt werden. Zudem
wurde die Qualität des Netzes mittels eines Plugins lokal verbessert.
52
QUELLEN
AFANASJEW, M., BÖRNER, R.-U., EIERMANN, M.,
ERNST, O., SPITZER, K. (2013) - Efficient ThreeDimensional Time Domain TEM Simulation Using Finite Elements, a Nonlocal Boundary Condition, Multigrid, and Rational Krylov Subspace Methods, Expanded Abstracts, 5th International Symposium on
Three-Dimensional Electromagnetics, May 7 – 9,
2013, Sapporo, Japan, 4p.
ARCHIE, G.E. (1942) - The electrical resistivity log as
an aid in determining some reservoir characteristics.
Transactions of the American Institute of Mining and
Metallurgical Engineers 146, 54–62.
BÖRNER, J. H., HERDEGEN, V., REPKE, J.-U., &
SPITZER, K. (2012) - The impact of CO2 on the electrical properties of water bearing porous media - laboratory experiments with respect to carbon capture and
storage.
Geophysical
Prospecting,
DOI:
10.1111/j.1365-2478.2012.01129.x, 15 p.
EIERMANN, M. AND ERNST, O. G. (2006) - A restarted
Krylovsubspace method for the evaluation of matrix
functions.SIAM Journal on Numerical Analysis, 44,
2481–2504.
GEUZAINE, C. AND REMACLE, J.-F. (2009) - Gmsh: a
Three-Dimensional Finite Element Mesh Generator
with Built-in Pre- and Post-Processing Facilities. International Journal for Numerical Methods in Engineering 79, Wiley, p. 1309 – 1331.
GOLDMAN, Y., HUBANS, C., NICOLETIS, S., & SPITZ,
S. (1986) - A finite-element solution for the transient
electromagnetic response of an arbitrary twodimensional resistivity distribution. Geophysics, 51, 14501461.
GÜTTEL, S. (2010) - Rational Krylov Methods for OperatorFunctions. PhD thesis, Faculty of Mathematics
andInformatics, TU Bergakademie Freiberg.
PARADIGM Gocad-SKUA® SOFTWARE (2011) – URL:
http://www.pdgm.com/products/gocad.aspx.
SCHÖN, J. (1996) - Physical properties of rocks - fundamentals and principles of petrophysics. 1 ed. Pergamon.Volume 18 of Handbook of Geophysical Exploration.
NIBIS® MAPSERVER OF THE LBEG NIEDERSACHSEN,
GERMANY
(2013)
URL:
http://nibis.lbeg.de/cardomap3/, data retrieved february 18th, 2013.
SI, H. (2011) - TetGen, A Quality Tetrahedral Mesh
Generator and a 3D Delaunay Triangulator,
http://tetgen.berlios.de/, last time visited July 2011.
ZEHNER, B. (2011) - Constructing Geometric Models of
the Subsurface for Finite Element Simulation, Conference of the International Association of Mathematical
Geosciences (IAMG 2011), Salzburg, Austria, 5th-9th
September 2011, doi:10.5242/iamg.2011.0069.

03/2013 - TU Bergakademie Freiberg

Transcription

Similar documents

HP-Proteine auf verallgemeinerten Gittern und Homopolymerkollaps

Geschäftsbericht 2010/2011 des Umwelt- und

Astromist 1.7 Benutzerhandbuch

Tagungsband Digital Engineering 2008: VR in der Medizintechnik

Umsetzung des High Nature Value Farmland

4.3 Geologie des Schwarzwalds

immobilien - MedIALINe.de

erhaltenden Geometrieoperatore

Dokumentation zur standardisierten Kartengestaltung in ArcGIS 10