Ved de efterfølgende led i fremstillingen af et potentialekort er der, uafhængigt af den hidtidige dataudvælgelse, mulighed/risiko for, at det afsluttende potentialekort kan få et varieret udseende, afhængigt af de interpolationsrutiner og kontureringsprogrammer der benyttes.

Der er således vigtigt, at der redegøres for valg af interpolationsrutine og konturering i afrapporteringen af potentialekortet.

3.3.1 Interpolationsrutiner

Til interpolation mellem punktdata findes en række forskellige interpolations- eller gridningsrutiner. Disse rutiner er til rådighed i forskellige GIS applikationer, som f.eks. ”Vertical mapper” til MapInfo og Spatial Analyst til ArcGIS, men også i GIS-uafhængige programmer, som f.eks. ”Surfer”.

Interpolationsrutinerne beregner, ud fra pejledataene, en værdi for vandspejlet i et netværk af kasser (gridceller), der dækker hele det vandførende lag. Punkttemaet med pejlinger omregnes således til et fladedækkende tema. Den valgte interpolationsrutine foreslår normalt selv en celle-størrelse afhængig af datapunkternes beliggenhed. Det anbefales, at denne rundes af til nærmeste 50 m. Ved regionale potentialekort vil interpolationsrutinen ofte foreslå en cellestørrelse i størrelsesorden 250 m, mens cellestørrelsen for de magasinspecifikke kort ofte foreslås til en størrelsesorden på 150 m.

Ved geologiske og hydrologiske data benyttes der ofte interpolationsrutinerne Kriging, Invers Distance, TIN eller Natural Neighbourhood (Burrough, P. A. et al, 1997). Som udgangspunkt går disse metoder ud fra, at der ikke er fejl i data og at beregningsrutinen derfor skal medtage alle data punkterne.

Ideen bag interpolationsrutinen Natural Neighbourhood er, at den celle der ligger tættest på det enkelte målepunkt har samme værdi som punktet. Derudover forudsættes ingen sammenhænge mellem data. Metoden kan med fordel bruges, hvis der er store arealer med få datapunkter. Den er datatro i punktet og giver mulighed for at tilvælge ”over- og undershooting” (større /mindre værdier i celler end max./min.-værdi i punkterne). Opsætningen kræver kun få simple valg. Metoden giver erfaringsmæssigt et troværdigt grid og jævne kurveforløb ved langt de fleste sæt af pejledata, men metoden leverer ingen geostatistisk analyse af data.

TIN (Triangular Irregular Network) er velegnet, hvis man ønsker at vise brudlinjer i fladen (og der er datapunkter i brudlinjerne samt i top og bund af data). Rutinen giver en kantet model, der dog kan udglattes med et filter. Der kan være problemer med at anvende TIN, hvis der udglattes og der er spring i data (f.eks. at data skifter fra noget stejlt til noget fladt). Metoden kan give problemer, hvis der er store arealer med få data. Samlet vurderes det, at metoden er mindre velegnet til potentialedata.

Hvis der er markant sammenhæng mellem nærliggende data, kan man med fordel anvende Inverse Distance Weighting (IDW), der er et specialtilfælde af Kriging, se nedenstående. Invers distance giver erfaringsmæssigt nogle jævne kurveforløb. Generelt er IWD ikke nødvendigvis datatro og er desuden afhængig af de parametre (bl.a. vægtningen), der sættes. Metoden kan give problemer, hvis der er store arealer med få data. IDW giver også problemer, hvis søge-afstanden sættes forkert, og der kan opstå ”bull's eyes”. Metoden har en tendens til at udglatte brudlinjer.

Kriging er en samlet gruppe af geostatistiske metoder til interpolation og analyse af trends i data. Ved kriging kan man ændre den funktion, der bruges til at sammenstille data, og man kan søge med forskellige funktioner i forskellige retninger. Ved de datasæt, som normalt benyttes til potentialekort, kan de geostatistiske muligheder, der er til rådighed ved kriging ofte ikke udnyttes fuldt ud. Men er der data nok og kendskab til trends i data, kan kriging med de tilhørende variogramanalyser med fordel anvendes. Metoden giver endvidere mulighed for at beregne usikkerhederne på de dannede grids.

 

3.3.2 Konturering og optegning af potentialelinier

Når der foretages en interpolation af pejlepunkter genereres et grid, som viser vandspejlets beliggenhed. Det er dog visuelt lettere at se og forstå vandspejlets beliggenhed og strømningsmønstret, når der kontureres potentialelinier ud fra griddet. I den forbindelse skal der vælges ækvidistance, det vil sige forskel i potentiale mellem de enkelte isolinier. Ved valg af ækvidistance skal der tages hensyn til datatætheden og variationerne af dataværdierne.

 Ved en lille ækvidistance på f.eks. en 1 meter opnås et meget detaljeret kurveforløb, men også et forløb, som kan være vanskeligt at overskue ved geografisk store potentialekort, og ikke mindst når der er store forskelle mellem højeste og laveste potentiale inden for magasinet.

Ved en stor ækvidistance på f.eks. 5 meter opnås ofte et roligt kurveforløb, der overordnet både kan vise potentialebilledet i områder med små gradienter og i områder med store gradienter. Hvor vandspejlet er meget fladt, kan det dog være vanskeligt at fastlægge strømningsretningen og ikke mindst toppunktet præcist. Et eksempel på et potentialekort med en ækvidistance på 5 meter ses på figur 3.14 (dele af kortet er tidligere vist i figur 1.4).

En kombination af ovenstående, hvor 5 meter-kurverne optræder som fede linier, mens de mellemliggende 1 meter-kurver optræder som tynde eller stiplede linier, giver ligeledes et overskueligt kort.

Det kan i nogle tilfælde være en fordel at kurverne inddeles efter en farveskala, således vil toppunkter og lavninger træde tydeligt frem på kortet, se for eksempel figur 7.1.

Figur 3.14. Potentialekort med ækvidistance på 5 meter. Som interpolationsmetode er valgt Natural Neighbour (simple). Der er benyttet en cellestørrelse på 200 m.