geodata-info
Dybden til redoxgrænsen, 100 m grid
Datasættet viser dybden til redoxgrænsen i meter under terræn i Danmark baseret på en rumlig opløsning på 100 meter. Redoxgrænsen beskriver overgangen mellem oxiderede og reducerede jordlag og er en central hydrogeologisk parameter med betydning for blandt andet nitratreduktion og grundvandets kemiske sammensætning. Kortet er baseret på en statistisk model udviklet ud fra ca. 13.000 observationer af farveskift i sedimentprøver og viser det bedste estimat for dybden til redoxgrænsen i hele landet. Datasættet omfatter desuden et tilhørende usikkerhedsestimat, der beskriver variationen og robustheden af modellens resultater.
Simple
Identifikation
- Titel
-
Dybden til redoxgrænsen, 100 m grid
Offentliggørelsestidspunkt
- Dato (Publication)
- 2019-01-01
Ansvarlig myndighed og kontaktoplysninger
- Kontakt vedr. service
-
Organisationsnavn E-mail adresse Rolle De Nationale Geologiske Undersøgelser for Danmark og Grønland (GEUS)
Point of contact
- Metadata author
-
Organisationsnavn E-mail adresse Rolle De Nationale Geologiske Undersøgelser for Danmark og Grønland (GEUS)
Point of contact
Geografisk udstrækning
- Koordinatsystem
-
ETRS 89 / UTM 32N (EPSG:25832)
Nøgleord
- Nøgleord
-
Datasæt
- Nøgleord
-
Geologi
- Nøgleord
-
Redoxgrænse
- Nøgleord
-
Grundvand
- Nøgleord
-
Hydrogeologi
- Nøgleord
-
Nitratreduktion
- Nøgleord
-
Danmark
- Nøgleord
-
ArcGIS
- Type
- Theme
- Nøgleord
- Kvartærgeologi
- Nøgleord
- Jordbund og biogeokemi
- Nøgleord
- Hydrologi
- Type
- Theme
- Titel
- Forskningsemner
- Dato (Publication)
- 2025-11-03
- Nøgleord
- Danmark
- Type
- Place
- Titel
- Geografisk
- Dato (Publication)
- 2025-12-11
Kvalitet
- Type som metadata beskriver
- Dataset
- Beskrivelse
-
Kortet er baseret på ca. 13.000 observationer af redoxforhold identificeret som farveskift i sedimentprøver fra boringer. På baggrund af disse observationer er der udviklet en statistisk model, der beskriver sammenhængen mellem dybden til redoxgrænsen og en række forklarende variable. Modellen er opbygget ved anvendelse af machine learning-metoden Random Forest og er implementeret på et landsdækkende grid med 100 meters opløsning. For at kvantificere usikkerheden i de beregnede dybder er der anvendt residual Gaussian simulation, hvilket muliggør estimering af den rumlige variation og modelusikkerhed. Metoden og modellens opbygning er dokumenteret i den videnskabelige litteratur.
)))
