GIS-IDENTIFIERING AV OMRÅDEN MED FÖRUTSÄTTNINGAR FÖR SKRED I UPPSALA LÄN

GIS-IDENTIFIERING AV OMRÅDEN MED FÖRUTSÄTTNINGAR FÖR SKRED I UPPSALA LÄN MED KOPPLING TILL FÖRORENAD MARK OCH OMRÅDEN KÄNSLIGA FÖR SKYFALL Petter Cottman

Förord Examensarbetet har genomförts som ett uppdrag åt Länsstyrelsen i Uppsala län på Enheten för Samhällsskydd och Beredskap med handledning från både Länsstyrelsen och Stockholms universitet. Först och främst vill jag tacka min handledare på arbetsplatsen, Mino Ashkan Far, som gjort det möjligt för mig att få utföra mitt examensarbete hos Länsstyrelsen. Jag vill dels tacka henne för värdefull handledning, för all hjälp med stort och smått men också för hennes stora engagemang att få in mig i arbetsplatsens vardag. Jag vill också rikta ett extra stort tack till Karin Gustavsson och Malin Berglind för all hjälp och för det förtroende jag fått inom praktikarbetet som jag utfört vid sidan av examensarbetet. Tack även till Ida Lindén och Fredrik Svanberg på Miljöskyddsenheten för värdefull hjälp och vägledning gällande analyserna som omfattar förorenade områden. Ett stort tack till Andreas Eriksson vid Fiskeenheten vid Länsstyrelsen i Jönköpings län som svarat på otaliga mejl och bidragit med sin kunskap om Shadow Slope Algorithm, GIS och skredkartering. Sedan vill jag tacka samtliga medarbetare på Enheten för Samhällsskydd och Beredskap som fått mig att känna mig välkommen på arbetsplatsen sedan den första dagen. På Stockholms universitet vill jag rikta ett stort tack till mina handledare Karin Ebert och Jesper Arnström. Framsida: Foto, Sävjaån med omgivning. Ett område med förutsättningar för skred. Bild, ett exempel på ett resultat från Shadow Slope Algorithm. Skuggor i rött som visar områden med förutsättningar för skred kopplat till terrängen.

Abstract Landslides are considered as one of the most dangerous and unpredictable types of natural disasters. During the past decades the occurrences of landslides has increased globally. Causes are thought to be due to the ongoing climate change with a greater frequency of extreme weather and an increasing global trend of exploitation of areas consisting of sensitive soils. There are data about earlier occurred landslides in Uppsala län and there are also data about potential contaminated objects, but there are no previous scientific studies investigating the relationships between them. The aim of this study was to map areas prone to landslides in Uppsala län using a shadow-casting algorithm called Shadow Slope Algorithm. The relationship between areas prone to landslides and potential contaminated ground was also analyzed and mapped. A third analysis was conducted to find out if any of the objects from the previous analysis were located in areas in which water assemble in occurrence of heavy rainfall (blue spots). Heavy rainfall is predicted to become more frequent and more extreme in many parts of Sweden and in Uppsala län due to climate change. The results show that there are areas prone to landslides in every municipality within Uppsala län. The incidence is highest in the southern and in the southwestern parts of the study area in and around the Mälardalen-region. The validated result can be related to the distribution of cohesion soils, greater soil depths, greater topographical variations and the presence of water. Areas prone to landslides on potential contaminated ground can also be found in the whole study area. The result from the third analysis showed that there are mapped objects representing potential contaminated ground located in blue spot in every part of Uppsala län which can affect the frequency of landslides and the dispersion of pollutants. Keywords: Landslides, Landslide susceptibility mapping, GIS, Shadow-casting algorithms, Contaminated ground, Climate change, EBH, Blue spots, Uppsala län

Sammanfattning Skred anses vara en av de absolut farligaste och mest oberäkneliga naturolyckor som finns (Dai, et al. 2002). Under det senaste decenniet har uppkomsten av skred blivit allt vanligare i stora delar av världen (Nadim, et al. 2006; MSB, 2014a). Orsakerna tros bland annat bero på klimatförändringarna med en allt högre frekvens av extremväder och en global trend av exploatering av områden bestående av känslig mark (Nadim, et al. 2006; MSB, 2008). I Uppsala län finns det dokumentation om tidigare inträffade skred och så även om förorenad mark. Dock förekommer det inga tidigare vetenskapliga studier som berör kopplingen mellan de båda faktorerna. Syftet med studien var att genom användning av Shadow Slope Algorithm identifiera och kartera områden i Uppsala län där det finns förutsättningar för skred. Analyser har också att genomförts för att undersöka huruvida några skredkänsliga områden på potentiellt förorenad mark. Till sist har dessutom analyser utförts med syftet att ta reda på om det finns identifierade områden från föregående analys som ligger i anslutning till platser som kan komma att vara extra sårbara för ökad nederbörd i form av skyfall. Konsekvenserna från ett föränderligt klimat tros förstärkas allt mer i framtiden i form av en ökad och intensivare nederbörd i stora delar av Sverige och i Uppsala län. Resultatet visar att det finns områden med förutsättningar för skred i hela länet. I en validering har det dessutom visat sig att metoden kan anses vara stabil och resultatet tillförlitligt. Områdena med skredförutsättningar förkommer främst i länets södra och sydvästra delar i och kring Mälardalsregionen. Förekomsten kan kopplas samman till kohesionsjordarnas utbredning, jordmäktigheten, förekomsten av vatten och skillnader i topografin. Genom resultatet har det även framkommit att det finns skredkänsliga områden på potentiellt förorenad mark i länets alla kommuner. Dessutom har flera utav dessa objekt som representerar potentiellt förorenad mark kunnat lokaliseras till lågpunktsområden där större vattenmängder kan ansamlas efter kraftiga skyfall. Något som kan komma att påverka frekvensen för både skred och spridning av förorenade ämnen i framtiden.

Innehållsförteckning 1. Inledning... 1 1.1 Syfte och frågeställningar... 2 2. Bakgrund... 3 2. 1 Mekanismer och processer bakom massrörelser och skred... 3 2. 2 Skred i förorenade områden... 4 2. 3 Ökade nederbördsmängder och påverkan på frekvensen för skred... 5 3. Studieområde... 6 3. 1 Områdesbeskrivning... 6 3. 1. 1 Skred i Uppsala län... 8 3. 1. 2 Förorenade områden i Uppsala län... 8 3. 1. 3 Ett föränderligt klimat i Uppsala län... 9 4. Tidigare forskning... 11 4. 1 GIS och kartering av områden med förutsättningar för skred... 11 4. 2 Kartering av områden med förutsättningar för skred genom användning av tvärsnittsvinklar och shadow casting algorithms... 11 4. 3 Upplösning och skala... 12 4. 4 Validering av metod... 12 4. 5 Analyser kring skred och förorenad mark... 12 5. Metod... 14 5. 1 Avgränsningar... 14 5. 2 Datainsamling... 14 5. 3 Data... 15 5. 4 Bearbetning av data inför analyser... 16 5. 5 Analys av förutsättningar för skred i kohesionsjordar genom användning av: Shadow Slope Algorithm... 18 5. 1. 1 Filtreringsprocessen... 19 5. 1. 2 Validering av metod, skredanalys... 20 5. 6 Identifiering av områden med förutsättningar för skred på potentiellt förorenad mark... 20 5. 7 Analys kring potentiellt förorenad mark inom lågpunktsområden med förutsättningar för skred... 21 5. 8 Kvantifiering av känd felkälla, skredanalys... 22 6. Resultat... 24 6. 1 Resultat av analysen av förutsättningar för skred i kohesionsjordar... 24 6. 1. 1 Resultat av validering av metod, skredanalysen... 26 6. 2 Resultat av analysen kring identifiering av områden med förutsättningar för skred på förorenad mark... 29

6. 3 Resultat av analysen kring potentiellt förorenad mark inom lågpunktsområden med förutsättningar för skred... 30 6. 4 Resultat av analysen för kvantifieringen av känd felkälla... 32 7. Diskussion... 33 7. 1 Analysen och resultatet av förutsättningar för skred i kohesionsjordar... 33 7. 1. 1 Validering av metod, skredanalys... 36 7. 2 Analysen och resultatet kring identifiering av områden med förutsättningar för skred på förorenad mark... 37 7. 3 Analysen och resultatet kring potentiellt förorenad mark inom lågpunktsområden med förutsättningar för skred... 39 7. 4 Kvantifiering av känd felkälla... 41 8. Slutsats... 42 9. Referenser... 43 10. Bilagor... 47 Figurförteckning Figur 1. Skiss av ett rotationsskred och dess bakåtgripande rörelse längst en cirkulär glidyta.... 3 Figur 2. Översiktlig karta över Uppsala län... 6 Figur 3. Jordmäktigheten i Uppsala län.... 7 Figur 4. Höjdmodell över länet... 8 Figur 5. Upplösningen på SGU:s Jordartskartor i länet... 16 Figur 6. Schematisk skiss som illustrerar hur en tvärsnittsvinkel inom algoritmen identifierar tvärsnittsareor... 19 Figur 7. Algoritmens utseende i ModelBuilder.... 19 Figur 8. Känd felälla... 22 Figur 9. Känd felkälla... 22 Figur 10. Känd felkälla... 23 Figur 11. En översiktlig karta över hela länet som visar resultatet från skredanalysen... 25 Figur 12. En översiktlig karta över Enköpings kommun som visar resultatet från skredanalysen... 26 Figur 13. Foto A. Ett av två områden längst med Sävjaån som besöktes under fältvalideringen.... 27 Figur 14. Foto B. Det andra området som besöktes vid fältinventeringen... 27 Figur 15. Fotopunkterna knutna till fotografierna i figur 13 och 14... 28 Figur 16. Fotopunkterna och områden som Shadow Slope Algorithm karterat som skredkänsliga. 28 Figur 17. Kohesionsjordarnas utbredning i länet... 29 Figur 18. Ett exempel från Tierp kommun som visar två identifierade... 31 Tabellförteckning Tabell 1. Översiktlig sammanfattning av de data som ingått i analysen... 15 Tabell 2. Riskklassificeringen inom EBH-stödet... 21 Tabell 3. Totala arealer för varje kommun i länet samt hur många km 2 som utgörs av områden med förutsättningar för skred... 24 Tabell 4. Avstånd mellan de åtta resterande gamla skredärren till karterat skredkänsliga områden... 27 Tabell 5. Det totala antalet objekt från EBH-stödet samt deponier för varje kommun.... 29

Tabell 6. Antalet objekt inom varje analys som sammanfaller med skredkänsliga områden... 30 Tabell 7. Antalet objekt som sammanfaller med skredkänsliga lågpunktsområden inom varje kommun... 31 Tabell 8. Information om objektet från EBH-stödet som identifierats utan buffertzon... 32 Tabell 9. Totala arealer som utgörs av lågpunktsområden i varje kommun... 32 Förkortningar DEM Digital elevation model (Digital höjdmodell) DTM Digital terrain model (Digital terrängmodell) EBH Förkortning för: Efterbehandling GIS Geografisk informationssystem HK Högsta kustlinjen Lidar Light detection and rangging (Laser-radar) MIFO Metodik för inventering av förorenade områden RCP Representative concentration pathways SGI Statens geotekniska institut LST - Länsstyrelsen SDE (databas) Spatial database engine SGU Sveriges geologiska undersökning

1. Inledning Skred anses vara en av de absolut farligaste och mest oberäkneliga naturolyckor som finns. Runt om i världen orsakar dessa stor förödelse i form av materiella skador med stora ekonomiska förluster, mänskligt lidande och dödsfall (Dai, et al. 2002). Under det senaste decenniet har uppkomsten av skred blivit allt vanligare i stora delar av världen (Nadim, et al. 2006; MSB, 2014a). Orsakerna tros bland annat bero på klimatförändringarna med en allt högre frekvens av extremväder och en global trend av exploatering av områden bestående av känslig mark (Nadim, et al. 2006; MSB, 2008). Komplexiteten bakom de system som styr jordens processer gör det svårt att skapa säkra prognoser för var och när en sådan process kommer att äga rum (Pourghasemi, et al. 2013). Vilket också varit en av de allra största utmaningarna för de som driver forskning kring verksamma krafter som ständigt förändrar och formar jorden. Skred är ett exempel på en sådan process och under de senaste två årtiondena har det publicerats flertalet studier som bygger på analyser om kartläggning av skredkänsliga områden genom analys av geografisk data (Pourghasemi, et al. 2013). Metoderna som används för att kartera skredkänsliga områden varierar mellan länder i olika delar av världen. Allt från översiktliga analyser som täcker stora områden till detaljerade detaljstudier av små områden utförs för att förebygga effekterna och konsekvenserna från denna typ av sluttningsprocess (Lundström & Andersson, 2008). En skuggskapad algoritm, shadow-casting algorithm, sammanställdes för ett par år sedan och har tillsammans med högupplösta höjdmodeller främst använts inom analyser i urbana miljöer kopplade till bland annat termiska analyser och vinburna luftföroreningsspridningar. Metoder har sedan utvecklats för att kartera skredkänsliga områden vars analyser bygger på skuggskapande algoritmer (Lindberg, et al. 2011). Både globalt och i Sverige anses forskningsbehovet stort kring klimatförändringarnas påverkan för processer på markytan. Sverige har speciella geologiska förutsättningar och kunskap och metoder bör utvecklas utifrån de förhållandena (MSB, 2008). I SGI (2016) framkommer det att SGI och SGU idag samarbetar i framställningen av digitala kartor som visar förutsättningarna för skred i finkorniga jordarter runt om i landet. Men några nationellt täckande stabilitetskarteringar kopplat till förorenad mark utförs dock inte i dagens läge. Rapporten framhäver vikten av att kartera områden där det kan föreligga risker för jordrörelser i kombination av markföroreningar, översvämningar och effekter från klimatförändringar. Sverige är förskonat från skred av den värsta magnituden som regelbundet inträffar i andra delar av världen, men det finns exempel på händelser med mycket allvarliga följder (MSB, 2014a). De flesta teorier pekar på att klimatet i Sverige längre fram i seklet kommer bli både varmare och i perioder även blötare och som en direkt konsekvens av det förändrade klimatet förväntas frekvensen för skred att öka (SMHI, 2015; MSB, 2008). För att möta de förväntade förändringarna och 1

dess effekter kommer långsiktiga anpassningar av samhället att krävas (MSB, 2008). I Uppsala län finns det dokumentation om tidigare inträffade skred och så även om förorenad mark. Dock förekommer inga tidigare vetenskapliga studier som berör kopplingen mellan de båda faktorerna. Mot bakgrund av kunskapen om riskerna kring kopplingen mellan skred, förorenad mark och påverkan på skredfrekvensen från ökade och intensivare nederbördsmängder ligger det helt i tiden att fylla denna kunskapslucka för det område som utgör studiens geografiska avgränsning: Uppsala län. Verktyget Shadow Slope Algorithm, som i den här studien har använts för att kartera områden där förutsättningar för skred förekommer, har satts ihop av Stefan Arvidsson och Andreas Eriksson vid Institutionen för Geovetenskaper Göteborgs Universitet och bygger på teorin som beskrivs i Lindberg, et al. (2011). 1.1 Syfte och frågeställningar Syftet med studien är att med användning av Shadow Slope Algorithm identifiera och kartera områden i Uppsala län där det finns förutsättningar för skred. Utifrån den aktuella skredkarteringen kommer analyser att genomföras för att undersöka om några av de skredkänsliga områdena ligger på potentiellt förorenad mark. Till sist kommer dessutom analyser att utföras med syftet att ta reda på om det finns identifierade områden från föregående analys som ligger i anslutning till platser som kan komma att vara extra sårbara för en ökad och intensivare nederbörd i form av skyfall. Något som kan påverka frekvensen för både skred och föroreningsspridning. För att svara på dessa frågor utgår studien från följande frågeställningar: Identifierar Shadow Slope Algorithm några områden i Uppsala län med förutsättningar för skred? Sammanfaller dessa områden med potentiellt förorenad mark? Om ja, ligger dessa i anslutning till områden som kan komma att vara extra sårbara för en ökad och intensivare nederbörd i form av skyfall? 2

2. Bakgrund 2. 1 Mekanismer och processer bakom massrörelser och skred Massrörelser är en typ av sluttningsprocess och ett samlingsnamn för rörelser i jord, berg, snö- eller ismassor. När dessa inträffar transporteras material nedför sluttningar av varierande volym och hastighet beroende på de lokala förhållandena (Nemčok, et al. 1972). De huvudsakliga faktorerna som skapar förutsättningar för sluttningsprocesser är enligt Hugget (2011) gravitationen, rinnande vatten och temperaturförändringar. För att en slänt ska anses vara stabil måste de mothållande inre krafterna som benämns som skjuvhållfasthet vara större än effekten av de påtryckande krafterna skjuvspänningen (Dai, et al. 2002; Katz & Aharonov, 2006). Det är därför skjuvhållfastheten bestämmer hur hög en sluttning kan bli med en viss lutning innan påverkan från gravitationskraften blir för stor och materialet rör sig nedåt (SGI, 1982). Sluttningens lutningsgrad och de geotekniska egenskaper hos materialet som utgör sluttningen spelar en stor roll för hur skredbenägen en slänt är (Yalcin, 2007). Vanliga faktorer som påverkar släntstabiliteten är en ökad yttre belastning på slänten, erosion från vattendrag, minskad motvikt eller försämrad hållfasthet i jorden genom ett förändrat porvattentryck (Lanni, et al. 2012; Dai, et al. 2002; Işık, et al. 2004). Inte sällan är det dock en kombination av flera faktorer, både sådana skapade av naturen och sådana som uppkommit genom antropogen aktivitet (Meusburger & Alewell, 2008). Skred kännetecknas av en sammanhängande jordmassa som rör sig nedåt i en slänts riktning (Cruden, 1991). Händelseförloppet sker oftast snabbt och det är inte ovanligt att ett skred uppstår plötsligt utan någon större förvarning (Dai, et al. 2002). Man skiljer ofta mellan två olika typer av skred: rotationsskred och flak- eller släntskred. Det förstnämnda uppstår som regel i konkava sluttningar och är vanligast förekommande i tjocka, enhetliga material som lera (Hugget, 2011). Rotationsskredet rör sig neråt på en cirkulär glidyta med en slags bakåtgripande rotationsrörelse, (se figur 1). Flak/släntskred uppstår däremot oftare längst med plana sluttningsytor och har istället en mer rak och mindre roterande Figur 1. Skiss av ett rotationsskred och dess bakåtgripande rörelse längst en cirkulär glidyta. Figuren är hämtad från Lindberg, et al. (2011) bakåtgripande rörelse (Nandi & Shakoor 2010). Det som de har gemensamt är att de uppstår genom att ett brott uppkommit längst en glidyta i jorden. Jordlagren ovanpå glidytan utgör själva skredmassan (Terlien, 1998). Grovkorniga jordar med en partikelstorlek över 0,06 mm kallas friktionsjordar (SGF, 3

1981). I dessa jordarter är det jordpartiklarnas grovhet och dess kontakt mot underlaget som skapar friktionskrafter som håller partiklarna samman (Hugget, 2011). Finkornigare jordarter, lera- och silt (som också kallas kohesionsjordar) hålls förutom friktionen även samman av kohesionskrafter (SGF, 1981). Kohesionskrafterna verkar genom elektromagnetiska bindningar och kapillära krafter mellan partiklarna och styrs i stor grad av dess storlek och form (Hugget, 2011). En lerjords tendens att börja röra sig ökar ju mer vatten den innehåller. Desto mer vatten som tillförs till lerjorden desto mindre blir kohesionskrafterna, vilket resulterar i att lerjorden då även förlorar en del av sin skjuvhållfasthet (Crozier, 2010; Van Asch, et al. 1998). Detsamma gäller siltjordar. När dessa blir vattenmättade börjar den lätt flyta, vilket resulterar i att risken för skred ökar (MSB, 2014a; MSB, 2014b). I Sverige förekommer lera och silt framförallt i låglänta områden, ofta i anslutning till vattendrag, sjöstränder eller kuster (SGI, 2016). Förhöjda grundvattennivåer bidrar till ett positivt porvattentryck och därför har dessa faktorer en avgörande roll för markens stabilitet (Van Asch, et al. 1998). Intensiva och/eller långvariga regn räknas som de vanligast förekommande och oftast avgörande faktorerna som triggar igång skred i världen (Lanni, et al. 2012; Vallet, et al. 2013). De flesta skreden i Sverige har inträffat under vår och höst, det vill säga under perioder då snösmältning, tjällossning och höstregn äger rum. Under årets perioder med låg nederbörd förbättras överlag sluttningarnas stabilitet genom att erosionen på sluttningarna generellt minskar, portrycket blir lägre och sluttningarnas egenvikt minskar (SGI, 1982; MSB, 2014a). Träd och buskar skyddar slänten från direkt erosionspåverkan från nederbörd och minskar vattenmängden under markytan genom transpiration. Rotsystemen kan öka jordens skjuvhållfasthet och minska portrycket genom att suga upp vatten (Fan & Su, 2008; Ghestem, et al. 2011: Yalcin, 2007). En intensifierad markanvändning genom exempelvis kalhuggning kan minska dessa positiva effekter på skjuvhållfastheten vilket ökar förutsättningarna för skred (SGI, 1982; MSB, 2014a). I Sverige har huvuddelen av alla större karterade lerskred inträffat i ler- och siltjordar under HK i anslutning till å- och älvdalgångar (Lindberg, et al. 2011; SGI, 1982). Dock är inte alla leror lika skredbenägna. I Sverige är glacialleror vanligtvis fastare och stabilare än postglaciala leror. I områden bestående av glacialleror kan slänter bestående av dessa ofta bli både höga och branta utan att skreda (SGI, 2005). Kvicklera, som i störst utsträckning i Sverige förekommer på västkusten, har alldeles speciella egenskaper vilket gör den extra sensitiv (Melchiorre & Tryggvason, 2014; Lundström, et al. 2009). I stort sett alla lerskred som följts av allvarliga konsekvenser i Sverige och Norge kan benämnas som kvicklerskred (Lundström, et al. 2008). 2. 2 Skred i förorenade områden Vilka konsekvenser ett skred lämnar efter sig är till stor del beroende på var det inträffar någonstans. Om det råkar vara i ett område som består av förorenad mark finns det anledning till extra oro. I dessa 4

fall föreligger det en risk för föroreningsspridning på ett sätt som är väldigt svårt att kontrollera (Göransson, et al. 2008). Om den förorenade marken utgör själva skredmassan riskerar den att transporteras och spridas genom skredets rörelse och framfart. Finns det förorenade materialet djupare ner i jordlagren riskerar det istället att bli mer tillgängligt och blottat genom att det skyddande markskiktet transporteras bort av skredet (Stockholms stad, 2007). Störst okontrollerad spridning riskerar att uppstå om ett skred inträffar i förorenad mark i anslutning till ett medium av rinnande vatten (Göransson, et al. 2008). Det är inte heller ovanligt att verksamheter som bedrivit eller bedriver miljöfarlig verksamhet ligger intill större vattendrag, sjöar eller kust då industriella verksamheter ofta är beroende av vatten för både produktions- och transportsyften. Enligt Åkesson (2010) är det är konstaterat att det kring flera stora ytvattensystem i landet med stor sannolikhet finns risk för spridning av förorenat- och miljöfarligt material i samband med massrörelser. Om materialet når ett vattendrag riskerar det att vara i suspension i månader då det kan transporteras nedströms som uppströms och kan komma att påverka såväl ytvatten som grundvattenkvalitén i de drabbade områdena. 2. 3 Ökade nederbördsmängder och påverkan på frekvensen för skred På grund av att nederbörd räknas som en av de vanligast förekommande faktorerna som triggar igång skred är det heller inte särskilt konstigt att en ökad frekvens för skred listas som en av många konsekvenser av ett förändrat klimat med ökade nederbördsmängder som följd (Crozier, 2010). En ökad nederbörd, avrinning och ett intensivare regn tros med säkerhet få konsekvenser som påverkar markstabiliteten (Seneviratne, et al. 2012). Något som också kan kopplas till varför skreden anses vara väder- och klimatbetingade (MSB 2008). För torra, siltiga jordar kan en ökad vattenkvot bidra till att hållfastheten i en slänt ökar (SGI, 2005). Det överlag humida klimatet i Sverige bidrar dock till fuktiga jordar och vid ökade vattenkvoter stiger porvattentrycket och marken blir vattenmättad vilket leder till att hållfastheten i jorden istället minskar (MSB, 2008). Ökade vattenmängder påverkar dessutom densiteten i en jordmassa vilket i sin tur har en påverkan på släntstabiliteten (Crozier, 2010). I SGI (2005) beskrivs hur släntstabiliteten i svenska förhållanden kan komma att påverkas av ökade nederbördsmängder. Släntstabiliteten tros komma att påverkas extra mycket av kortvariga, häftiga regn i form av skyfall. Nederbörd av den här typen har en tendens att leda till ökad avrinning och ökad vattenföring i vattendragen, vilket i sin tur ökar erosionen och underminering vid släntfoten. Därför kommer slänter som angränsar till vattendrag bli extra känsliga för ökade nederbördsmängder; områden som redan för dagen är kända för att utgöras av skredkänslig mark. Högre och intensivare nederbördsmängder i framtiden tros inte påverka skredfrekvensen i hela landet. På sina håll kan den minska och på andra platser förbli oförändrad. Uppsala län tillhör dock de områden som kommer att påverkas genom att marken blir mer känslig för skred (MSB, 2014a). 5

3. Studieområde 3. 1 Områdesbeskrivning Uppsala län (figur 2) har ca 350 000 invånare och består av åtta kommuner: Heby, Enköping, Håbo, Uppsala, Knivsta, Tierp, Östhammar och Älvkarlebys kommun. Majoriteten av länets befolkning, nästan två tredjedelar, bor i Uppsala kommun (Länsstyrelsen, 2016a). Länet är ca 7600 km 2 stort och omkring hälften av den totala arealen består av skogsmark och en fjärdedel av jordbruksmark (Länsstyrelsen, 2015a). Mälaren ligger i söder och andra större vattendrag som löper genom länet är Fyrisån, Örsundaån, Dalälven, Tämnarån, Forsmarksån, Olandsån och Skeboån. Figur 2. Översiktlig karta över Uppsala län med de största tätorterna, kommungränser och ett generaliserat marktäcke och vägnät 6

Uppsala län utgörs av Götalands och östra Svealands berg-, morän- och lerområde och jordarterna i länet är både glaciala och postglaciala (SGU, 1998). Hela länet låg för 10 000 år sedan under HK och Uppsalaslätten som utgörs av bördig åkermark består av glacial och postglacial lera som i olika perioder avsatts på havsbottnen när området täcktes av vatten (SGU, 2016; SGU, 2015). Äldre jordarter har även hittats i form av moräniserat sediment som troligen härstammar från tidigare istider än den senaste. Morän är vanligt förekommande i länets nordöstra och centrala delar. Förekomsten av morän i de södra delarna är huvudsakligen koncentrerat till i landskapet uppstickande bergshöjder. Isälvssediment som sand och grus finns i åsar som ofta ligger i anslutning till dalgångar. I länets norra delar är de mer finkorniga sedimenten begränsade till vissa dalstråk och låglänta områden. I de norra delarna återfinns också de största torvmarkerna i länet. Jordmäktigheten i länet är som lägst i de norra delarna, vanligtvis är denna omkring 5 m. I Mälardalsregionen är jordmäktigheten större och de mäktigaste lerorna hittas i trakterna kring Uppsala där de ligger på 10-20 m, lokalt över 40-50 m (SGU, 1998). Se figur 3 för en översiktlig karta över jorddjupen i länet. Figur 3. Jordmäktigheten i Uppsala län. Mörkare färger indikerar ett mäktigare jorddjup och ljusare ett mindre Berggrunden i Uppsala län ligger inom den svekokarelska orogenen och utgörs till stor del av granitioider vilka är vanligt förekommande i hela Sverige. Landskapet i Uppsala län kännetecknas av små höjdskillnader och är flackt och låglänt ur ett nationellt perspektiv (Östhammars kommun, 2011). Landskapet i länets norra delar är minst kuperat och höjder som överstiger 50 m ö. h. är relativt ovanliga. I länets södra och västra delar är de topografiska skillnaderna större. Den relativa reliefen i länet är 117 m (se figur 4). De små höjdskillnaderna bidrar till att temperatur- och nederbördsfördelningen är relativt 7

jämn över hela länet, dock styrs klimatet av avståndet till havet och till viss del även av Mälaren i de södra delarna (SMHI, 2013). 3. 1. 1 Skred i Uppsala län Inom SGU:s databas över tidigare inträffade skred förekommer det karteringar i Uppsala län (LST, 2014d). Enligt Lars Rodhe på SGU varierar skredbenägenheten hos finkorniga jordarter mellan olika delar av landet. Olika egenskaper hos leran och förekomsten av kvicklera spelar en stor roll. De finkorniga jordarterna i Uppsala län är inte att betrakta som särskilt skredbenägna då förekomsten av kvicklera är liten, även om det har och förekommer skred i området (Rodhe, 2016). 3. 1. 2 Förorenade områden i Uppsala län I dagsläget finns det runt 3600 objekt i Uppsala län som är eller kan vara förorenade och dessa ligger ofta i eller i anslutning till nedlagda eller pågående industriella verksamheter. 909 av dessa objekt är riskklassificerade. 86 objekt har fått högsta riskklassificering, Klass 1. 307 stycken har tilldelats den näst högsta, Klass 2 (Länsstyrelsen, 2015b; Länsstyrelsen, 2016b). En förklaring till riskklassificeringarna kommer längre fram i kapitlet. Figur 4. Höjdmodell över länet med störst de största topografiska skillnaderna i de södra och västra delarna av länet En stor del av det här kapitlet bygger på information ur Länsstyrelsen (2015b) och författarna bakom rapporten menar att när ett område klassificerats som förorenat innebär det att föroreningen kan medföra skada för människors hälsa eller på miljön. Halterna av det förorenade ämnet överstiger även bakgrundshalten, det vill säga halten av ämnet som naturligt kan förekomma i marken. Hanteringen av miljöfarligt material och kunskapen om dess påverkan på miljön har inte alltid sett ut som den gör idag. Längre bak i tiden släpptes det i en större omfattning ut mer miljöfarliga ämnen i mark och vatten, både från allmänheten och också från industriverksamhet. Föroreningar utgörs ibland av ämnen som inte längre är tillåtna att använda, exempelvis PCB och 8

kvicksilver. Om inte åtgärder tas finns det en risk att dessa ämnen blir kvar i marken under en lång tid, vilket ökar risken för spridning till dess omgivning. Ett steg mot att uppfylla ett av de nationella miljökvalitetsmålen om en giftfri miljö omfattar Länsstyrelsens arbete med förorenade områden genom användning av MIFO-metodiken. Naturvårdsverket har tagit fram arbetsmetoden och dess riktlinjer som går ut på att riskklassificera misstänkt förorenade områden. Information om objekten samlas kontinuerligt in till den nationella databasen över förorenade områden, EBH-stödet, som Länsstyrelsen förvaltar. Områden som främst prioriteras är objekt som är känsliga utifrån en exponeringsrisk där många människor och framförallt barn vistas. Vattenförekomster, exempelvis objekt kopplade till grundvatten och vattenskyddsområden, prioriteras. Samt områden med stora naturskyddsvärden, exempelvis Natura2000-områden (Länsstyrelsen, 2015b). Riskklassificering görs sedan efter en bedömning av de risker som föreligger kring det förorenade området för människor och miljö i dagsläget och i framtiden. Här vägs föroreningens farlighet samman med föroreningsnivån, spridningsförutsättningar och känsligheten/skyddsvärdet. Klass 1 innebär mycket stor risk Klass 2 - Stor risk Klass 3 Måttlig risk och Klass 4 Liten risk (Naturvårdsverket, 1999) Den största delen förorenade områden i länet har bildats genom utsläpp, spill eller olyckor som uppstått under efterkrigstiden fram till 1970-talet. Gamla deponier där massor och förorenat avfall från olika industriella verksamheter dumpats är också i stor utsträckning förorenade. Föroreningar från äldre tiders industri är framförallt orsakade av järnbruk- och gruvverksamheter. Flera av länets vattentäkter är påverkat av föroreningar. Exempelvis har bekämpningsmedel, klorerade lösningsmedel och fluorerade alkylsyror hittats (Länsstyrelsen, 2015b). 3. 1. 3 Ett föränderligt klimat i Uppsala län I den senaste rapporten från SMHI gällande ett framtida klimat i Uppsala län redovisas två olika utvecklingsvägar kopplat till hur användningen av fossila bränslen utvecklas i framtiden. Ett med observationer och beräkningar för låga utsläpp: RCP4.5 och ett för höga utsläpp: RCP8.5 (SMHI, 2015). Mellan 1991-2013 låg årsmedeltemperaturen på omkring 5,8 C i hela länet med små regionala skillnader. Enligt båda scenarierna kommer årsmedeltemperaturen att öka med omkring 3 respektive 5 9

grader i slutet av seklet. Den största ökningen kommer att ske vintertid, med uppemot 6 grader enligt RCP8.5. Vegetationsperioden kommer att förlängas med upp till 3 månader som ett resultat av temperaturökningen. Även årsmedelnederbörden kommer att öka enligt de båda scenarierna., sammantaget över hela året med 20-30 % och med störst ökning under vinter och vår med upp till 40 %. På grund av uppvärmningen kommer nederbörd i form av regn istället för snö bli allt vanligare vintertid. Nederbörden ser enligt rapporten också ut att bli allt intensivare då tillfällen med extrem korttidsnederbörd i form av skyfall kommer att öka. Den maximala dygnsnederbörden ökar med upp till 25 % och 1-timmesnederbörden med upp emot 30 % (SMHI, 2015). 10

4. Tidigare forskning 4. 1 GIS och kartering av områden med förutsättningar för skred I dagsläget finns det ett flertal metoder för att utföra analyser med målet att kartera områden med skredförutsättningar med hjälp av ett GIS. Analyser som omfattar data som höjd- och sluttningsdata, jordarsdata, nederbördsdata, fältmätningar och historisk skreddata (Andersson, et al. 2013). Utvecklingen inom fjärranalysteknik har under de senaste tio åren gått kraftigt framåt vilket lett till att tillgången på ny, detaljerad information om jordytan och dess terräng ökat. Luft- och markbunden lidarteknik har resulterat i en alltmer högupplöst terrängdata som gjort det möjligt att utföra mer precisa analyser av topografin och processer kopplade till denna. Lidartekniken har gjort det möjligt att skapa digitala höjd (DEM)- och terrängmodeller (DTM) med högre upplösning än < 1 m (Tarolli, 2014). Lindberg, et al. (2011) betonar vikten av en höjdmodell av god kvalité och menar att denna utgör en av de absolut viktigaste beståndsdelarna gällande data inom en skredanalys. Pradhan (2013) jämför i sin studie resultatet från olika metoder gällande kartering av skredkänsliga områden i Malaysia. I analyserna ingår förutom sluttningsvinklar även faktorer som jordartstyp och kurvaturformen i sluttningarna. För att fastslå vilka parametrar som ska användas för de olika faktorerna har fältbesök utförts till områden där skred tidigare inträffat. På så sätt har data samlats in som sedan kan ligga till grund för vidare kartering av skredkänsliga områden med hjälp av GIS. 4. 2 Kartering av områden med förutsättningar för skred genom användning av tvärsnittsvinklar och shadow casting algorithms I algoritmer som räknar på skredkänslighet kopplat till sluttningsvinklar utgår beräkningarna vanligtvis från vinkeln på sluttningens yta baserat på höjdskillnaden mellan en aktuell pixel och grannpixlarna. Den här metoden har uppenbara svagheter när områden med förutsättningar för rotationsskred ska karteras (Lindberg, et al. 2011). I och med rotationsskredens bakåtsträvande rörelse kan sådana algoritmer inte kartera hela området som rotationsskredet utgör. Då enbart den kritiska ytvinkeln identifieras exkluderas ytor som ligger bakom släntkrönet under det valda tröskelvärdet men inom skredets utbredning (Lindberg, et al. 2011; Melchiorre & Tryggvason 2015). I Lindberg, et al (2011) utgår metoden från en skuggskapande algoritm, shadow casting algorithms, för att kartera områden känsliga för rotationsskred i kohesionsjordar i trakterna kring Göteborg. Algoritmen utgår inte från vinkeln på sluttningens yta utan istället från en tvärsnittsvinkel som överstiger ett visst tröskelvärde. Med hjälp av tvärsnittsvinkeln identifieras inte bara områden som överstiger den kritiska sluttningsvinkeln utan även planare ytor bakom släntkrönet som omfattas av rotationsskredets massbalans och bakåtsträvande rörelse. 11

En högupplöst DEM är den indata som behövs för att en algoritm av det här slaget ska kunna skapa ett raster som visar vart i terrängen förutsättningar för rotationsskred finns baserat på topografin. För att ytterligare bygga på analysen kompletteras denna genom att addera jordartsdata (Lindberg, et al. 2011). Eftersom skredkänsliga områden i stor utsträckning ligger intill vattendrag och sjöar menar Lindberg, et al. (2011) att data över bottentopografin är att föredra om resultatet från algoritmen ska bli så tillförlitligt som möjligt. I de fall när bottendata inte finns att tillgå ska istället en buffertzon skapas runt vatten i studieområdet och storleken på buffertzonen bestäms av vattendragets karaktär. Melchiorre & Tryggvason (2015) och Lindberg, et al. (2011) betonar vikten av en filtreringsprocess efter att en algoritm av deras slag används tillsammans med en högupplöst höjdmodell. Eftersom upplösningen är så pass hög identifieras små och smala områden som känsliga för skred trots att det med stor sannolikhet inte är en korrekt kartering på grund av otillräcklig massbalans. 4. 3 Upplösning och skala Gällande valet av rasterupplösning på en DEM finns det ingen upplösning som fungerar globalt i alla situationer (Hengl, 2006; Claessens, et al. 2005; Tian, et al. 2008). Valet av upplösning bör förhålla sig till storleken på studieområdet, terrängens komplexitet, till de objekt som ska identifieras samt till upplösningen på övriga data som ingår i analysen om flera datakällor används (Hengl, 2006; Claessens, et al. 2005). Om en DEM med för låg upplösning används i en komplex terräng riskerar lägesnoggrannheten att försämras då terrängens komplexitet kan generaliseras i alltför stora drag. Vid överlagringsanalyser där data med olika upplösning kombineras bör användaren vara medveten om skillnaden i upplösning och de missmatchningar som kan uppstå mellan dataseten (Kienzle, 2004). 4. 4 Validering av metod När områden med förutsättningar för skred karteras är ett av de viktigaste stegen i arbetsprocessen att utföra validering av modellen som används. Om valideringssteget inte utförs kan varken modellen eller resultatet anses ha någon tyngd eller vetenskaplig betydelse (Pourghasemi, et al. 2013). Melchiorre & Tryggvason (2015) validerar sin metod och sitt resultat genom två olika tillvägagångssätt. I det ena jämför de resultatet med en karta som visar områden känsliga för skred från SGI. I den andra jämför de resultatet med data över gamla skredärr från SGU. 4. 5 Analyser kring skred och förorenad mark I Göransson, et al. (2009) karteras och riskklassificeras områden med förutsättningar för skred som sammanfaller med förorenad mark i Götaälvdalen. Genom att kombinera och överlagra data över skredkänsliga områden med data som visar förorenad mark genom en punkt i centrum av det förorenade området kan ytor där de båda skikten överlappar karteras. I ett examensarbete används en likadan metod 12

för att utreda risker för föroreningsspridning i samband med massrörelser. Detaljstudier genomförs längs med Viskan, Klarälven och Ångermanälven genom att kombinera data över områden känsliga för massrörelser, potentiellt förorenad mark och miljöfarliga verksamheter (Åkesson 2010). I rapporten SGI (2016) som är tänkt som ett stöd för att i ett tidigt skede kunna uppmärksamamma och kartlägga områden där problematiken kring kombinationen markföroreningar och naturolyckor föreligger används en överlagringsanalys. Underlagsdata som använts till analyserna inom rapporten är bland annat data över potentiellt förorenade områden hämtat från EBH-stödet och ett antal stabilitetsoch översvämningskarteringar. I rapporten framgår det att viss manuell bearbetning krävs för att anpassa delar av de underlagsdata som används. Exempelvis är de data som visar potentiellt förorenade områden i punktform. Punkterna representerar inte med säkerhet varken föroreningens korrekta position eller utbredning vilket gör att en buffertzon på 50 m skapats runt punkterna (SGI, 2016). 13

5. Metod Arbetet är en metodstudie och skredanalysen bygger i huvudsak på metoden i Lindberg, et al. (2011). Dock finns det skillnader mellan metoderna gällande vilken data, parametrar och tillvägagångssätt som ingått och använts i den här studiens skredanalys då teori från ytterligare forskning vägts in. Metoderna för de två efterföljande överlagringsanalyserna gällande skred kopplat till förorenad mark och påverkan från ökade nederbördsmängder har grundat sig på teori från tidigare forskning och rapporter knutna till ämnet (Göransson, et al. 2009; Åkesson, 2010; SGI, 2016). Strukturen i kapitlet ser ut som följer: Det första stycket definierar studiens avgränsningar. Sedan framgår information om de data som ingår i studien och hur dessa bearbetats inför analyser. Därefter följer en beskrivning av metoden för karteringen av områden med förutsättningar för skred och de efterföljande filtreringsprocesserna. Valideringsmetoden av skredkarteringen beskrivs sedan och efterföljs av en metodbeskrivning för analysen av identifiering av skredkänsliga områden på potentiellt förorenad mark. Analysen kring potentiellt förorenad mark kopplat till lågpunktsområden med förutsättningar för skred beskrivs därefter. Till sist framgår hur kvantifieringen av en känd felkälla gått till. 5. 1 Avgränsningar Den geografiska yta som studien omfattar utgörs av Uppsala län. Karteringen av områden med förutsättningar för skred gäller rotationsskred i kohesionsjordar, det vill säga i ler- och siltjordar. Studien ämnar inte utreda sluttningsprocesser i morän och grovkorniga jordarter. Viktigt är att poängtera är att studiens syfte inte omfattar utreda sannolikheten eller risken för skred. Det gäller även för analysen kring påverkan av skyfall. Analyserna bör istället ses som aktsamhetskarteringar av områden där potentiella förutsättningar för skred och påverkan från ökade nederbördsmängder kan finnas. Effekter och konsekvenser kommer inte att undersökas närmare än vad som kan ske om ett skred uppstår i koppling till förorenad mark. 5. 2 Datainsamling Data för bearbetning och analys har hämtats från Länsstyrelsernas SDE-databas över nationell- och lokal geodata. All geografisk data behandlas i ArcMap 10.3 (ESRI, 2014) och i referenssystemet SWEREF 99, projektion Transverse Mercator (TM). 14

5. 3 Data Tabell 1 visar en översiktlig sammanfattning med samtliga indata som använts direkt eller bearbetats inför analys. En mer detaljerad tabell med övergripande information om samtliga data finns under bilaga 1. Tabell 1. Översiktlig sammanfattning av de data som ingått i analysen Namn Referensnamn LM Nationell höjdmodell - (LST, 2015a) 2 meter SGU Jordartskartan (LST, 2014a) 1:50 000 SGU Jordartskartan 1:100 (LST, 2014b) 000-1:200 000 SGU Jorddjup 2014 (LST, 2014c) SGU Jordarter Jordskred (LST, 2014d) och raviner GSD_Fastighetskartan (LST, 2015b) (Vatten) GSD_Fastighetskartan (LST, 2015c) (Bäckar & diken) GSD_Fastighetskartan (LST, 2015d) (Kommungränser) EBH-stödet (LST, 2014c) Deponier (LST, 2015e) Lågpunktskartering (LST, 2016) LM Ortofoto (LST, 2015f) I den här studien har en DEM, Lantmäteriets Lidar-modell med en ursprungsupplösning på 2 m använts (LST_2015a). Noggrannheten i höjd är normalt bättre än 0, 1 m på plana, hårdgjorda ytor. Lägesnoggrannheten kan dock minska i kraftigt kuperad terräng och i områden med tät vegetation (Lantmäteriet, 2013). Jordartskartan från SGU har använts för att identifiera kohesionsjordar i länet. Som framgår i figur 5 täcks den största delen av länet av Jordartskartan med en upplösning på 1:50 000 LST (2014a) förutom en del i länets sydvästra del där täckningen utgörs av en upplösning på 1:100 000 LST (2014b). Jordartskartorna från SGU:s främsta syfte är att ge en översiktlig bild av jordarters utbredning inom ett område och därför förekommer medvetna generaliseringar inom visualiseringarna för att öka kartornas läsbarhet. Lägesfel på grund av generaliseringar uppgår till maximalt 100 m, medan lägesfel om 30 m inte är ovanligt. Informationen i Jordartskartan bygger på provtagningar i ytlagret från ett djup av ca 0,5 m (SGU, 2014a). Jorddjupsdata från SGU har använts och denna har en rasterupplösning på 10 m och bygger på en interpolering av jorddjupsuppgifter som erhållits genom provborrningar, seismisk sondering och data om berg i dagen. Generaliseringsgraden ökar i och med avstånden från borrningshålen vilket gör att felkällor och osäkerheter i djupinformationen kan variera över länet (SGU, 2014d). 15

Data över tidigare inträffade skred LST (2014d) är framtaget av SGU. Data bygger på bildtolkning med höjdmodell och information från jordartsgeologiska databaser SGU (2014b) och har använts i två syften. I ett först steg för att extrahera jorddjupsdata från tidigare inträffade skred och i ett andra steg för att validera resultatet från skredanalysen. Från Fastighetskartan har tre olika datagrupper använts. Data om vatten i form av hav, sjöar och större vattendrag har använts för att skapa buffertzoner. Data om bäckar och diken med en mindre diameter än 6 m har använts för att undvika felklassificeringar av skredkänsliga områden. Data över läns- och kommungränser har använts för att extrahera data till respektive område och för att dela upp analyserna kommunvis (LST, 2015b; LST, 2015c; LST, 2015d). Figur 5. Upplösningen på SGU:s Jordartskartor i länet Potentiellt förorenade områden har identifierats genom att använda data från EBH-stödet och data över olika typer av deponier i länet (LST, 2014c; LST, 2015e). En lågpunktskartering med rinnvägar, framtagen av Länsstyrelsen i Uppsala län och som visar vilka områden i länet där vattenansamlingar kan bildas vid skyfall LST (2016), har använts i det sista analyssteget. Lågpunktskarteringen bygger främst på en topografisk analys och markens egenskaper som exempelvis infiltrationskapaciteten eller inbyggda åtgärder för att reglera/styra vattenflödet har inte räknats in i analysen (Länsstyrelsen, 2016c). I den här studien har endast lågpunktskarteringen använts. Rinnvägarna har exkluderats. 5. 4 Bearbetning av data inför analyser De GIS-baserade arbetsprocesserna för att bearbeta data inför analyser visualiseras genom bilder från ModelBuilder under bilaga 3. Efter rekommendationer från Tian, et al. (2008) och Penna, et al. (2014) har olika upplösningar testats på höjdmodellen inom Shadow Slope Algorithm. Det har gjorts för att kunna fastslå vilken upplösning som var mest lämplig att använda till skredanalysen. Upplösningarna som har testats var: 2, 5, 10, 15 och 20 m. Resultatet av de identifierade områdena för respektive upplösning har sedan jämförts med ett ortofoto (LST, 2015f). Det har gjorts för att skapa en uppfattning om vid vilken upplösning resultatet 16

blev som lämpligast med så få felaktigt karterade diken eller andra artefakter som möjligt. Hänsyn till upplösningen på övriga indata har också tagits som Hengl (2006) och Claessens, et al. (2005) förordar. En upplösning på 5 m på höjdmodellen gav det visuellt bästa resultatet i jämförelse med ortofoto och har därför använts. Eftersom det är områden med förutsättningar för rotationsskred i kohesionsjordar som har karteras, har först ett urval gjorts ur jordartskartorna LST (2014a) och LST (2014b) inför analysen. På så sätt har samtliga jordarter som inte innehar kohesionsegenskaper exkluderats ur analysen. Urvalet som framgår under bilaga 2 har grundats på en jordartsklassificering av finkorniga jordarter som gjorts inom en rasoch skredanalys utförd av Länsstyrelsen i Örebro län (Länsstyrelsen, 2013). Upplösningen på jorddjupsrastret har ändrats från 10 till 5 m för att anpassas till höjdmodellen. R, G, B banden har kombinerats för att skapa djupvärden efter riktlinjer i (SGU, 2014d). För att ta reda på jorddjupen i de områden där skred tidigare inträffat har data från jorddjupsrastret exporterats från två olika områden (LST, 2014c). Dels från Uppsala län men även från ett område i Värmlands län vilket gjorde det statistiska underlaget stabilare. Tillvägagångssättet som har använts bygger på metoden i Pradhan (2013) som handlar om att samla data från tidigare inträffade skred för val av parametrar för nya skredkarteringar. Endast attributet Skredärr i finkorniga jordarter har exporterats till ett eget shape-lager för att utesluta skred som inte inträffat i kohesionsjordar. Gamla skredärr som uppenbarligen inte hade tillräckligt exakta koordinatangivelser har raderats, exempelvis om de har lokaliserats i mitten av ett vattendrag eller i en sjö. Jorddjupsdata har sedan extraherats ur de gamla skredärren och har därefter förts in och bearbetats i Excel. Resultatet ledde till att områden som utgörs av jordar med ett mindre jorddjup än 1 m uteslöts ur skredanalysen i ett senare steg. Varje kommun har exporterats till ett eget skikt LST (2015d), och data från Fastighetskartan innehållande vatten LST (2015b) har klippts med respektive kommungräns. Data över bottentopografin i vattendrag, sjöar och hav i Uppsala län har inte funnits tillgänglig för denna studie; därför har metoden med buffertzoner istället använts. Då det inte finns något attribut som skiljer olika vattendrag, sjöar eller hav från varandra inom LST (2015b) har istället en buffertzon på 25 m använts för alla typer av vatten oavsett typ eller storlek. De områden där buffertzonerna och kohesionsjordar överlappar har ansetts vara skredkänsliga oavsett markens lutning. Buffertzonerna har i ett senare skede slagits ihop med skredkänsliga områden som Shadow Slope Algorithm identifierat. För att minska antalet felkarterade områden där tillräcklig massbalans eller jorddjup för rotationsskred saknas har områden som täcks av bäckar och diken och låg jordmäktighet exkluderats ur höjdmodellen. Det första steget var att göra på ett liknande sätt som med vattnet. Data över bäckar och diken LST 17

(2015c) har klippts med respektive kommungräns för att sedan tilldelas en buffertzon på 6 m. Nästa steg bestod i att klassificera om jorddjupsrastret till att endast områden med för låg jordmäktighet fick ett värde. Det sista steget var att slå ihop de båda rastren, buffertzonerna runt bäckar/diken och jorddjuprastret innehållandes tunna jordar. Sedan har dessa områden exkluderats ur höjdmodellen. Metoden är tänkt att kompensera för bristen att algoritmen i sig inte kan inkludera jorddjupet som en faktor. Slutresultatet är ett höjddata färdigt att användas i Shadow Slope Algorithm där diken, bäckar och områden med ett för tunt jordtäcke inte blir klassificerade som skredkänsliga. Lågpunktskarteringen är indelad i två skikt: Polygoner > 16 m 2 som utgörs av ca 3, 7 miljoner polygoner i hela länet samt polygoner < 16 m 2 som utgörs av närmare 25 miljoner polygoner i hela länet. I den här studiens sista analys, där lågpunktskarteringen ingått, har skiktet med polygoner > 16 m 2 använts. Data från EBH-stödet över potentiellt förorenad mark är punktform. För att minska problemet som SGI (2016) tar upp med föroreningens utbredning har författarnas rekommendationer följts genom att en buffertzon på 50 m har skapats runt varje punkt. 5. 5 Analys av förutsättningar för skred i kohesionsjordar genom användning av: Shadow Slope Algorithm De GIS-baserade arbetsprocesserna inom skredanalysen framgår under bilaga 4. Den bearbetade höjdmodellen har först vänts upp och ner inom algoritmen vilket resulterar i att höjdvärdena blir spegelvända, höjder blir dalar och vise versa. Sedan har en ljuskälla simulerats från en given vinkel över horisonten som belyst höjderna, och på så vis kastas skuggor ner i dalarna. Utgångspunkten för azimutvinkeln för ljuskällan kommer är satt till 0 och slutvärdet är 360. Genom att upprepa den simulerade ljuskällan i kopassets alla riktningar med ett valfritt azimutintervall kan algoritmen skapa nya skuggmönster med ett omfång av 360 över hela det aktuella området. Valet av tvärsnittsvinkel som representeras av vinkeln på den simulerade ljuskällan över horisonten har grundats med bakgrund till den tidigare forskning där algoritmer innehållandes tvärsnittsvinklar fungerat som analysverktyg. Samtliga studier har då utgått från samma tvärsnittsvinkel, 5,7 (Tryggvason, et al. 2015; Melchiorre; Tryggvason 2015; Lindberg, et al. 2011). I Lindberg, et al. (2011) tas ett azimutintervall om 5 grader upp som ett exempel vilket även används i den här studien. Det betyder att algoritmen upprepar beräkningarna och skapar nya skuggor 72 gånger i en radie av 360 innan analysen är slutförd. Dessa skuggor representerar områden med förutsättningar för rotationsskred kopplat till terrängen. Slutprodukten blir ett Boolean-raster där pixlar med förutsättningar för skred har tilldelats värdet 1 och pixlar utan förutsättningar för skred värdet 0. Metoden för att identifiera tvärsnittsarean utifrån en tvärsnittsvinkel illustreras i en schematisk skiss i figur 6. 18

I figur 7 illustreras de olika stegen inom algoritmen. Algoritmen har körts sammanlagt åtta gånger för att producera ett Boolean-raster för varje kommun i länet. Figur 6. Schematisk skiss som illustrerar hur en tvärsnittsvinkel inom algoritmen identifierar tvärsnittsareor i sluttningar över 5.7. Figuren är hämtad från Lindberg, et al. (2011) några förutsättningar för skred måste områdena utgöras av kohesionsjordar. Efter att Boolean-rastret har skapats är arbetet klart med att använda Shadow Slope Algorithm. Dock återstår det ett par steg innan skredanalysen kan anses vara slutförd. Om det ska föreligga Därför har alla skuggområden i Boolean-rastret som överlappar med kohesionsjordar identifierats, och de områden från Boolean rastret som inte överlappar med kohesionsjordar har exkluderats. För att slutligen sammanställa alla områden där förutsättningar för skred finns har det kombinerade lutnings- och kohesionslagret slagits ihop med buffertzonerna innehållande kohesionsjordar. Slutresultatet är ett skikt i vektorformat med polygoner som representerar områden med förutsättningar för skred. Figur 7. Algoritmens utseende i ModelBuilder. Indata är den bearbetade höjdmodellen och utdata Boolean-rastret med 1 och 0 värden 5. 1. 1 Filtreringsprocessen Resultatet från Shadow Slope Algorithm och de efterföljande stegen har gått igenom filtreringsprocesser innan det slutliga resultatet har ansetts färdigt. Enligt Lindberg, et al. (2011) bör alla 19

karterade polygoner under 25 m 2 exkluderas ur resultatet. Så även delar i polygoner med en mindre diameter än 3 m. Filtreringsprocessen i den här studien har utförts i två omgångar med två olika syften: 1. Syftet med den första filtreringsprocessen har varit att framställa rådata vilken även är den data som har ingått i vidare analyser. 2. Den andra filtreringsprocessen har en högre generaliseringsgrad och dess syfte har varit att skapa ett resultat för visualisering i kartform anpassat till studieområdenas storlek. Inför framställandet av rådata har två filtreringsprocesser testats där minimumdiametern på delar i polygoner var satt till 3 respektive 6 m. Resultatet från de båda filtreringsprocesserna har sedan jämförts med ett ortofoto (LST, 2015f). Minimumdiametern har fastslagits till 6 m och minimumarean för polygoner sattes till 25 m 2. Arbetsstegen inom de båda filtreringsprocesserna ser likadana ut förutom att valda parametrar inom verktygen skiljer sig åt. Inför framställandet av data för visualisering i kartform har alla polygoner med en area under 1000 m 2 och alla delar i polygoner med en smalare diameter än 20 m exkluderats ur resultatet. 5. 1. 2 Validering av metod, skredanalys För att kontrollera resultatet och dess tillförlitlighet har en validering av skredanalysmetoden utförts. Metoden har utgått från Melchiorre & Tryggvason (2015) och data över gamla skredärr från SGU har använts (LST, 2014d). Totalt finns det 68 gamla skredärr i Uppsala län inom (LST, 2014d). Valideringen har gått ut på att undersöka hur många utav dessa som överlappar med områden som karterats som områden med förusättningar för skred genom att utföra en Select By Location i ArcMap. Två platser i Uppsala kommun som enligt resultatet består av områden med förutsättningar för skred har dessutom besökts med syftet att utföra en fältvalidering. Koordinaterna har tagits för platserna där fotografering skett genom användning av applikationen PDF Maps Avenza (2016) för att på ett tydligt sätt kunna koppla landskapet som syns i fotografierna till resultatet i kartorna. 5. 6 Identifiering av områden med förutsättningar för skred på potentiellt förorenad mark Arbetsstegen för analysen framgår under bilaga 5. Metodvalet har grundats på metoderna i Göransson, et al. (2009) och Åkesson (2010) där en kombination och överlagring av data om förorenad mark och skredkänsliga områden används. 20

Som framgår av tabell 2 finns det inom EBH-stödet LST (2014c) ett attribut som heter Risklass_ där föroreningarna har tilldelats olika riskklassificeringar. Med bakgrund till klassificeringarna har analysen delats upp i två separata delar: 1. I en första analys, (Analys 1), har objekt med någon av de två högsta riskklassificeringarna inom EBH-stödet som sammanfaller med områden med förutsättningar för skred identifierats. I Analys 1 ingår: Objekt från EBH-stödet med riskklassificeringarna 1 och 2 2. I den andra analysen, (Analys 2), har områdena som innehar någon av de resterande, lägre riskklassificeringarna utretts på samma sätt som inom den föregående analysen. I Analys 2 ingår: Objekt från EBH-stödet med riskklassificeringarna 3 och 4 Objekt som blivit tilldelat attributet Uppgift saknas Objekt med attributet Känslig markanvändning och Mindre känslig markanvändning Data om deponier i länet Objekt med attributet: Känslig markanvändning och Mindre känslig markanvändning är åtgärdade objekt där en risklassificering inte längre fyller någon funktion. Analys 1 och Analys 2 har genomförts både med punktskiktet från EBH-stödet samt med EBH-buffertzonerna på 50 m. Tabell 2. Riskklassificeringen inom EBH-stödet Data, EBH-stödet Attribut: Riskklass_ 1 2 3 4 Känslig Markanvändning Mindre Känslig Markanvändning Uppgift saknas 5. 7 Analys kring potentiellt förorenad mark inom lågpunktsområden med förutsättningar för skred Arbetsstegen inom analysen framgår under bilaga 6. För att kartera områden med förutsättningar för skred på potentiellt förorenad mark, där det dessutom finns förutsättningar för ansamlingar av större vattenmängder efter skyfall har metodvalen baserats på metoden som har använts i föregående analys som beskrivs i kapitel 5. 6. I den här analysen har de potentiellt förorenade objekten som överlappar med områden med skredförutsättningar (resultatet från föregående analys) ingått i en överlagringsanalys med lågpunktskareringen (LST, 2016). Även här har flera överlagringsanalyser utförts: 21

Objekt från Analys 1 med och utan buffertzoner och lågpunktskarteringen Objekt från Analys 2 med och utan buffertzoner och lågpunktskarteringen 5. 8 Kvantifiering av känd felkälla, skredanalys Arbetsstegen inom kvantifieringen av känd felkälla framgår under bilaga 7. En identifierad felkälla som illustreras i figur 8 är att vattnet från Fastighetskartan LST (2015b) och vattnet från Jordartskartorna LST (2014a) och LST (2014b) inte alltid stämmer överens. Vattnet från Jordartskartorna är i högre grad generaliserat vilket också är uppkomsten till felkällan. Om buffertzonerna som har skapats runt vatten underliggs av kohesionsjordar ska dessa zoner klassificeras som att de har förutsättningar för skred. I vissa fall är vattnet så pass generaliserat i Jordartskartorna att delar av buffertzonerna utgörs av vatten trots att området i verkligheten utgörs av en jordart. Problemet som uppstår är att delar av buffertzonerna riskerar att bli felaktigt klassificerade. I figur 9 illustreras ett exempel där en buffertzon med underliggande kohesionsjord inte går hela vägen in till vattendraget på grund av den höga generaliseringsnivån av underlaget i Jordartskartan. Figur 8. Den ljusare blåa, transparanta nyansen är vattnet från Jordartskartan och den mörkare blåa nyansen är vattnet från Fastighetskartan Figur 9. Den röda färgen är en buffertzon med en underliggande kohesionsjord. Buffertzonen når inte ända in till vattendraget på grund av generaliseringen i Jordartskartan 22

Eftersom en del av skredanalysen utgår ifrån jordartskartorna LST (2014a) och LST (2014b) går dessa data inte att bortse ifrån, vilket gör att felkällan heller inte går att lösa helt och hållet. De områden där det har uppstått missmatchningar mellan vattnen har dock identifierats. Genom att ta reda på var dessa generaliserade områden gränsar till kohesionsjordar har en kvantifiering av felkällan genomförts. Något som kan ge en uppskattning om av hur stora arealer som kan vara felklassificerade. Arealer som möjligtvis hade utgjorts av buffertzoner där förutsättningar för skred skulle funnits. Ett exempel på ett eventuellt felaktigt klassificerat område syns i figur 10. Figur 10. Den gröna nyansen visar potentiellt felklassificerade områden längst med vattendraget 23

6. Resultat Strukturen i resultatdelen ser ut som följer: Först presenteras resultatet från skredanalysen och därefter resultatet från valideringen. Sedan redovisas resultatet av analysen kring identifiering av skredriskområden på förorenad mark som erhållits genom Analys 1 och Analys 2. Resultatet från de båda analyserna med och utan buffertzoner runt objekten presenteras och resultatet redovisas enskilt för varje kommun. Därefter redovisas resultat av analysen kring potentiellt förorenad mark inom lågpunktsområden med förutsättningar för skred. Även här redovisas resultatet kommunvis där objekt med och utan buffertzoner ingått. Till sist presenteras resultatet för kvantifieringen av den kända felkällan. 6. 1 Resultat av analysen av förutsättningar för skred i kohesionsjordar Resultatet från Shadow Slope Algorithm påvisar att det finns områden med förutsättningar för rotationsskred i kohesionsjordar i hela länet. Som framgår i den översiktliga kartan (figur 11) är förekomsten av områden med förutsättningar för skred framförallt koncentrerade till de delarna av länet som ligger i och omkring Mälardalen. Exempelvis i Uppsala kommuns sydvästra delar och de centrala och norra delarna av Enköpings kommun (se figur 12) men även nordväst om Uppsala stad. I länets tre nordligaste kommuner, Tierps, Östhammar och Älvkarlebys kommun är förekomsten av områden med förutsättningar för skred som minst och utbredningen minskar med avståndet till kusten. Gemensamt för alla kommuner inom länet är att de största och mest sammanhängande områdena med förutsättningar för skred hittas längst med vattendrag och sjöar. I tabell 3 presenteras resultatet för varje kommun i form av totala arealer och procentsatser. Under bilaga 8 visualiseras resultatet i kartform för samtliga kommuner. För att se kohesionsjordarnas utbredning i länet, se figur 17. Tabell 3. Totala arealer för varje kommun i länet samt hur många km 2 som utgörs av områden med förutsättningar för skred Kommun Totala arealer för kommuner och områden med förutsättningar för skred Areal Areal med (exklusive vatten) förutsättningar för Procent av den totala arealen som utgörs av områden med förutsättningar för skred skred Enköping 1180 km 2 58 km 2 ~ 5 % Heby 611 km 2 25 km 2 ~ 4 % Håbo 143 km 2 10 km 2 ~ 7 % Knivsta 283 km 2 15 km 2 ~ 5 % Tierp 1550 km 2 21 km 2 ~ 1 % Uppsala 2177 km 2 84 km 2 ~ 4 % Älvkarleby 212 km 2 2 km 2 ~ 1 % Östhammar 1465 km 2 20 km 2 ~ 1 % Hela länet 7626 km 2 232 km 2 ~ 3 % 24

Figur 11. En översiktlig karta över hela länet som visar resultatet från skredanalysen. De röda ytorna är områden där förutsättningar för skred finns 25

Figur 12. En översiktlig karta över Enköpings kommun som visar resultatet från skredanalysen. De röda ytorna är områden där förutsättningar för skred finns 6. 1. 1 Resultat av validering av metod, skredanalysen Av de totalt 68 gamla skredärren från SGU:s databas LST (2014d) lokaliserades 60 stycken av dessa till områden där det enligt Shadow Slope Algorithm finns förutsättningar för skred. I tabell 4 framgår de olika avstånden från de resterande åtta gamla skredärren till områden som algoritmen karterat som skredkänsliga. Figurerna 13 och 14 visar två fotografier från de områden i Uppsala kommun som besöktes under fältvalideringen. I figur 15 visualiseras platserna där fotografierna togs, och i figur 16 visualiseras i vilka områden förutsättningar för skred finns. Som framgår i figur 16 har inte bara de 26

sluttande partierna blivit karterade, utan också en bit av de plana partierna bakom släntkrönet upp mot åkrarna. Tabell 4. Avstånd mellan de åtta resterande gamla skredärren till karterat skredkänsliga områden Avstånd till karterade skredkänsliga områden från de 8 gamla skredärr som inte lokaliserats till dessa Antal gamla skredärr Avstånd till karterat skredkänsligt område 1 6 m 2 9 m 1 12 m 1 16 m 3 > 20 m Figur 13. Foto A. Ett av två områden längst med Sävjaån som besöktes under fältvalideringen. Foto: Petter Cottman, 2016 Figur 14. Foto B. Det andra området som besöktes vid fältinventeringen. Foto: Petter Cottman, 2016 27

Figur 15. Fotopunkterna knutna till fotografierna i figur 13 och 14. Färgnyanserna i kartan är inte kopplade till marktäcket, de syftar till att förstärka de visuella skillnaderna i terrängen. Figur 16. Fotopunkterna och områden som Shadow Slope Algorithm karterat som skredkänsliga. I den här verifieringsanalysen så har inga buffertzoner använts runt vatten utan resultatet är endast kopplat till verktyget och terrängen. Färgnyanserna i kartan är inte kopplade till marktäcket, de syftar till att förstärka de visuella skillnaderna i terrängen. 28

Figur 17. Kohesionsjordarnas utbredning i länet 6. 2 Resultat av analysen kring identifiering av områden med förutsättningar för skred på förorenad mark I tabell 4 framgår det totala antalet objekt från EBH-stödet och antalet deponier kopplat till varje kommun. De röda och gula färgerna i tabellen är kopplade till uppdelningen av riskklassificeringarna och i vilken analys de ingår i: Analys 1=röd och Analys 2=gul. Tabell 5. Det totala antalet objekt från EBH-stödet samt deponier för varje kommun. Det totala antalet som ingår i Analys 1 och Analys 2 framgår också Kommun Antal potentiellt förorenade områden, EBH-stödet Data från EBH-stödet och data om deponier för samtliga kommuner Antal Antal Antal Antal objekt objekt objekt objekt med med med med Risklass Risklass Risklass Risklass 1 2 3 4 Analys 1 Analys 1 Analys 2 Analys 2 Antal Övriga * Antal Deponier Analys 2 Enköping 668 11 74 96 14 474 44 Heby 257 3 23 34 16 181 0 Håbo 182 3 14 40 12 127 13 Knivsta 124 2 16 23 6 77 8 Tierp 373 13 33 29 14 284 2 Analys 2 29

Uppsala 1309 20 112 150 30 997 97 Älvkarleby 111 5 6 11 4 86 10 Östhammar 495 16 38 41 5 395 19 *Inom Övriga klasser ingår: Känslig Markanvändning ; Mindre Känslig Markanvändning & Uppgift saknas Resultatet visar att det finns objekt från EBH-stödet och deponier som sammanfaller med områden med förutsättningar för skred i länets samtliga kommuner. Flest objekt har identifierats i Uppsala kommun, följt av Enköpings kommun, både inom Anlays 1 och Analys 2 med och utan buffertzon. Det totala antalet objekt för varje kommun framgår i tabell 5 där resultatet från Analys 1 och Analys 2 med och utan användandet av buffertzoner redovisas. Tabell 6. Antalet objekt inom varje analys som sammanfaller med skredkänsliga områden Potentiellt förorenade mark (antal objekt) i områden med förutsättningar för skred. Med och utan buffertzon Analys 2 Analys 1 Antal objekt Antal objekt Kommun Analys 1 Antal objekt Analys 2 Antal objekt Utan buffertzon Utan buffertzon Med buffertzon Med buffertzon (50 m) (50 m) Enköping 7 46 52 380 Heby 5 20 11 111 Håbo 0 14 9 101 Knivsta 1 11 14 81 Tierp 5 15 16 125 Uppsala 15 97 96 810 Älvkarleby 0 0 1 10 Östhammar 1 13 15 128 Under bilaga 9 redovisas en mer detaljerad information om varje objekt som identifierats inom Analys 1 utan buffertzon. Exempel på verksamheter vid identifierade objekt liggandes i områden med förutsättningar för skred är textilindustrier, sågverk, plantskolor och drivmedelshantering. 6. 3 Resultat av analysen kring potentiellt förorenad mark inom lågpunktsområden med förutsättningar för skred När resultatet från föregående Analys 1 och Analys 2 med buffertzoner kombinerades med lågpunktsområdena från skyfallskarteringen (LST, 2016) hittades flera områden runt om i länet där de tre dataskikten överlappar, se tabell 6. Det betyder att det finns områden som utgörs av potentiellt förorenad mark där skredförutsättningar finns och som dessutom är känsliga för ökade nederbördsmängder. Flest objekt identifierades i Uppsala kommun följt av Enköpings, Tierps och Östhammars kommun. När en likadan analys genomfördes utan buffertzoner identifierades endast ett objekt från EBH-stödet som ligger i ett lågpunktsområde med förutsättningar för skred. Information om objektet som lokaliserades i Östhammars kommun finns i tabell 8. För den totala arealen som utgörs av lågpunktsområden i varje kommun se tabell 9. Objekt i Tierps och Enköpings kommun som identifierats i analysen kan ses i figur 18 och under bilaga 10. 30

Figur 18. Ett exempel från Tierp kommun som visar två identifierade objekt belägna intill Tämnarån Tabell 7. Antalet objekt som sammanfaller med skredkänsliga lågpunktsområden inom varje kommun Potentiellt förorenad mark inom lågpunktsområden med förutsättningar för skred Kommun Analys 1 Antal objekt Utan buffertzon Med och utan buffertzon Analys 2 Antal objekt Utan buffertzon Analys 1 Antal objekt Med buffertzon (50 m) Analys 2 Antal objekt Med buffertzon (50 m) Enköping 0 0 22 179 Heby 0 0 6 73 Håbo 0 0 4 45 Knivsta 0 0 8 38 Tierp 0 0 11 77 Uppsala 0 0 47 412 Älvkarleby 0 0 1 8 Östhammar 0 1 9 96 31

Tabell 8. Information om objektet från EBH-stödet som identifierats utan buffertzon Potentiellt förorenad mark lokaliserat till ett lågpunktsområde med förutsättningar för skred. Identifierat utan buffertzon Kommun Id* Objektnamn Primär bransch* Koord. Koord. Riskklass N* E* Östhammar 150227 Nedlagd deponi, G:a Egnahemstippen, Österbybruk Avfallsdeponier - icke farligt, farligt avfall 6676728 660093 3 * Id inom EBH-stödets databas * Bransch med högsta branschklass på objektet * Koordinaterna är anpassade till SWEREF 99_TM och enheten är meter Tabell 9. Totala arealer som utgörs av lågpunktsområden i varje kommun Totala arealer för lågpunktsområden inom respektive kommun Kommun Areal Enköping 43 km 2 Heby 56 km 2 Håbo 8 km 2 Knivsta 16 km 2 Tierp 101 km 2 Uppsala 111 km 2 Älvkarleby 20 km 2 Östhammar 77 km 2 6. 4 Resultat av analysen för kvantifieringen av känd felkälla Sammanlagt i hela länet kan områden på omkring 30 km 2 fått en felaktig klassificering i analysen gällande områden med förutsättningar för skred. Det är områden som ligger längst med vattendrag, sjöar och hav som inte blivit klassificerade som skredkänsliga. I vissa fall skulle dessa områden inkluderats i buffertzonerna innehållande kohesionsjordar. 32

7. Diskussion 7. 1 Analysen och resultatet av förutsättningar för skred i kohesionsjordar Genom användning av Shadow Slope Algorithm och efterföljande stegen har områden med förutsättningar för skred karterats i hela länet. Förekomsten av områden med förutsättningar för skred ser olika ut för olika delar av länet som framgår i figur 11 och tabell 3. Störst är förekomsten i länets södra och sydvästra delar, i hela Mälardalsregionen och nordväst om Uppsala längst med vattendrag som skär igenom landskapet. Genom en jämförelse mellan figur 3, figur 11 och figur 17 kan ett tydligt mönster urskiljas. De karterade områdena följer kohesionsjordarnas utbredning och förekomsten av karterade områden blir större desto mer ett område domineras av dessa jordarter. Detsamma gäller jordmäktigheten då kohesionsjordarna i större utsträckning förekommer i områden där jordmäktigheten är som störst. Paralleller kan dessutom dras mellan karterade områden och förekomsten av sjöar och vattendrag. De båda kategorierna är mest vanligt förekommande i länets södra delar vilket även stödjer teorin att skred i ler- och siltjordar ofta inträffat i anslutning till vattendrag (Lindberg, et al, 2011; SGI, 1982). Trots att de topografiska skillnaderna är små i länet går resultatet att koppla till reliefen då skillnaderna i denna är som störts i länets södra och sydvästra delar, se figur 4. I länets nordligare delar är förekomsten av områden med förutsättningar för skred lägre än i de södra/sydvästra delarna vilket har och göra med ett allmänt flackare landskap, en mindre utbredning av kohesionsjordar och en lägre jordmäktighet. De områden som trots allt karterats som skredkänsliga i dessa trakter är framförallt områden längst med vattendrag vilket framgår i kartorna för Älvkarlebys, Östhammars och Tierps kommun se (bilaga 8). Det finns dock ett par viktiga saker som bör diskuteras och som en bör ha i åtanke vid tolkning av resultatet gällande metoden och de data som använts inom studien. Gällande förstudierna är det noterbart att det finns ett stort utbud av både internationell och nationell litteratur som handlar om skred och analysmetoder för att utföra kartering. Det finns dock ett identifierat problem kopplat till litteraturen. I stort sett all svensk litteratur i form av vetenskaplig forskning och rapporter är geografisk avgränsad till västra Sverige och Götaälvdalen (Lundström & Andersson, 2008; Lindberg, et al. 2011; Melchiorre & Tryggvason, 2015). Det är inte särskilt uppseendeväckande då förekomsten av kvicklera är som störst i just de områdena och de hittills allvarligaste skreden har inträffat med koppling till denna (Lundström, et al. 2008). Men det har försvårat arbetet med att bygga upp en bakgrundskunskap om de rådande förhållandena gällande skredförutsättningar i Uppsala län då området inte benämns i någon litteratur. Problematiken kring valet av upplösning på höjdmodellen är ett av studiens mest kritiska moment då denna i hög grad påverkar resultatet från Shadow Slope Algorithm. Upplösningen på de höjddata som använts sattes till 5 x 5 m. Detaljrikedomen behölls då i resultatet samtidigt som de allra minsta och smalaste områdena försvann, exempelvis flera felaktigt karterade diken. Dessa områden försvann inte 33

då originalupplösningen på höjdmodellen användes (2 x 2 m) trots att en filtreringsprocess på efterhand genomfördes likt den Lindberg, et al. (2011) rekommenderar. Valet av tvärsnittsvinkeln på 5.7 gjordes med bakgrund till litteraturen då samtliga källor utgått från denna efter anvisningar från SGI (Lindberg, et al. 2011; Melchiorre & Tryggvason, 2015; Tryggvason, et al. 2015). Om ett högre tröskelvärde på tvärsnittsvinkeln använts hade den totala arealen av karterade områden blivit betydligt mindre och på så vis riskerat en underskattning av områden med skredförutsättningar. Vilket azimutintervall som används när ljuskällan simuleras påverkar detaljgraden i resultatet från analysen och valet bör till stor del grundas med hänsyn till landskapets karaktär och morfologi (Tryggvason, et al. 2015). I Uppsala län är variationerna i reliefen inte särskilt stora men skillnader förekommer vilket även avspeglats i resultatet. Azimutintervallet om 5 valdes efter riktlinjer från (Lindberg, et al. 2011). Ett lägre azimutintervall hade riskerat att skapa ett alltför generaliserat resultat. Trots att upplösningen på höjddata sänktes för att bland annat anpassas till övriga data inom analysen är denna långt mer högupplöst än de data som använts för att bestämma jordartstyp och jorddjup. Båda de sistnämnda datakällornas syfte är att ge en översiktlig bild av jordtäcket och jorddjupen. Stora generaliseringar förekommer och kvalitén, felmarginalerna och säkerheten varierar mellan olika platser. Att missmatchningar i karteringen uppstått mellan höjddata med en normalt bättre noggrannhet i höjd än 0,1 m och exempelvis jordartsdata där lägesfel på 100 m förekommer är högst troligt. Enligt Lindberg, et al. (2011) påverkar den här typen av missmatchningar slutresultatet och problematiken bör finnas i åtanke när resultatet granskas. Trots att de data som visar jorddjupet har en hög grad av generalisering fick de ta plats i analysen då flertalet studier benämner betydelsen av jorddjupet som en viktig faktor för en tillförlitlig skredkartering (Tryggvason, et al. 2015; Lindberg, et al. 2011; Melchiorre & Tryggvason, 2015). Eftersom data om jordarter i djuplagren i studieområdet är ofullständig har informationen om jordarterna endast hämtats från det översta skiktet. Det är därför omöjligt att veta om hela massan inom tvärsnittsarean som karteras som skredkänslig innehåller de jordarter som finns i ytlagret. Om så inte är fallet leder problemet till en viss överskattning av områden med skredförutsättningar. Problemet kan dessutom orsaka en underskattning av områden med skredförutsättningar. Vid flera platser där det i ytlagret förekommer jordar som inte klassificeras som skredkänsliga kan det ligga kohesionsjordar på djupet. Vid en korrekt kartering skulle även dessa områden klassificeras som att de hade förutsättningar för skred. När resultatet av analysen granskades upptäcktes ytterligare ett problem kopplat till de jordartsdata som har använts. Flera ytor i tätorter har karterats som områden med skredförutsättningar trots att de i många 34

fall utgörs av stabiliserat, hårdgjort material där förusättningar för skred säkerligen saknas. Problemet torde uppstå på grund av att exempelvis tätorter inte klassificeras som urbant område i Jordartskartorna utan delar av urbana områden klassificeras istället till den jordart som finns under de hårdgjorda ytorna. I praktiken skulle därför en hel tätort kunna klassificeras som ett område med skredförutsättningar. Samma problematik gäller de vägbankar som i vissa fall karterats som skredkänsliga. Valet av storlek på buffertzonerna runt vattendrag, sjöar och hav påverkar det slutgiltiga resultatet och den totala arealen av områden med skredförutsättningar. Eftersom det i den här studien inte har varit möjligt att särskilja olika typer av vattendrag från varandra som i Lindberg, et al. (2011) blev valet istället att generalisera och endast använda en bredd på buffertzonerna. Valet föll på 25 m. Om istället en buffertzon med en bredd på exempelvis 50 m använts hade den totala arean av områden med skredförutsättningar ökat markant. Oavsett val av storlek på buffertzonerna finns det alltid risk för en över eller underskattning av karterade områden. För att lösa problemet krävs ett vattendata med ett mer detaljerat attribut eller bottendata då metoden med buffertzonerna kan uteslutas helt och hållet. De filtreringsprocesser som slutligen genomfördes med hänvisning från Lindberg, et al. (2011) och Melchiorre & Tryggvason (2015) resulterade i att de minsta och smalaste polygonerna utan tillräcklig masabalans för ett rotationsskred exkluderades. Lindberg, et al. (2011) nämner vilka minimimått de utgått ifrån men hur dessa filtreringsprocesser ska genomföras framgår inte i någon av studierna. Tillskillnad från i Lindberg, et al. (2011) valdes en minimumbredd på 6 m istället för 3 m då förekomsten av felaktigt karterade vägbankar och diken då minskade något. I övrigt följdes riktlinjerna i Lindberg, et al. (2011) gällande minsta storlek på polygoner. Måtten i den andra filtreringsprocessen fastslogs efter lämpligaste resultat för en översiktlig visualisering för varje kommun. Att analysen utförts för varje kommun medför att de personer som eventuellt kan tänkas använda resultatet även har kopplingar till aktuell kommun. Med stor sannolikhet besitter de också då en viss lokalkännedom om området, något som är en viktig sak vid tolkning av aktsamhetsanalyser av det här slaget. En individ utan någon lokalkännedom kommer troligtvis tolka resultatet på ett helt annat sätt än en person som har kunskap om områdets miljö. En med lokalkännedomen kan på en gång avfärda vissa karterade områden som skredkänsliga. Exempelvis en hårdgjord yta i ett samhälle eller en vägbank. Lokalkännedom vid tolkning av resultatet minskar med andra ord de ovan diskuterade problemen som uppstått i och med den använda metoden och det uppnådda resultatet. Huruvida skredsituationen faktiskt ser ut i Uppsala län och hur stor sannolikheten är för att det ska uppstå ett skred i något av de karterade områdena är det svårt att dra några slutsatser om genom att tolka resultatet från den här analysen. Något som heller inte ingått i studiens syfte. Lerans anses inte särskilt sensitiv i Uppsala län Rodhe (2016) och någon information om historiskt inträffade skred med allvarliga 35

konsekvenser i länet har inte gått att hitta. Men som bekant har det uppstått skred i finkorniga jordarter tidigare. Förekomsten av vad tidigare forskning och rapporter klassar som skredkänsliga kohesionsjordar förekommer i hela länet. Att dessa ligger i sluttningar som innehar tillräcklig sluttningsvinkel för att ett skred ska kunna uppstå, bakom släntkrönen och i relativ stor utsträckning runt vattendrag är tillräckligt för att beakta resultatet och de karterade områdena med en viss aktsamhet. Eftersom det är förutsättningarna som utretts lämpar sig de karterade områdena väl som underlag för vidare och fördjupade studier och undersökningar. Fördjupningar som skulle kunna utreda vilka faktiska risker det föreligger för att skred ska uppstå i de karterade områdena. 7. 1. 1 Validering av metod, skredanalys Intressant att belysa är att metoden fungerat i den här studiens undersökningsområde genom att ett resultat är nått. Uppsala län ligger på andra sidan landet från trakterna kring Göteborg där studieområdet kopplat till Lindberg, et al. (2011) är beläget. De geologiska förutsättningarna för de båda områdena ser olika ut, exempelvis kring utbredningen av kvicklera och variationer i topografin. Det kan tyda på att den här studiens metod kan anses vara ett stabilt tillvägagångsätt när områden med förutsättningar för skred ska karteras. Metoden som har använts i studien identifierade 88 % av de områdena där tidigare skred inträffat i Uppsala län. Därför bör både arbetsprocessen för skredanalysen och resultatet anses pålitligt. Något som enligt Pourghasemi, et al. (2013) är viktigt för att inbringa en vetenskaplig betydelse i studien. Varför de åtta resterande gamla skredärren inte ligger inom områden som algoritmen karterat som skredkänsliga skulle dessutom kunna bero på lägesfel i SGU:s data över gamla skredärr. Som framgår i tabell 4 ligger fem av de gamla skredärren under 17 m ifrån närmaste karterade skredkänsliga område. Tre stycken ligger > 20 m ifrån. Eventuellt hade ett större underlag än de 68 gamla skredärren från SGU:s databas varit önskvärt vilket ytterligare hade kunnat stärka resultatets tillförlitlighet. Ett intressant tillvägagångssätt hade kunnat vara att köra Shadow Slope Algorithm, de efterföljande stegen och en validering i ytterligare ett eller flera område i landet. Exempelvis i Värmlands län där jorddjupsdata tidigare extraherats från gamla skredärr. Även fältvalideringen bekräftade att metoden och dess resultat som pålitligt. För att validera resultatet kopplat till Shadow Slope Algorithm användes endast skuggrastret som skapades av verktyget, de underliggande jordarterna och jorddjupet i framställandet av kartan i figur 16. Metoden valdes för att kunna fokusera valideringen på Shadow Slope Algorithm. Hade en buffertzon använts i den här valideringen hade hela området runt vattendraget blivit karterat som skredkänsligt oavsett marklutning. I studiens skredanalys som beskrivs i kapitel 5. 5 har buffertzoner dock använts även inom det här området. I figur 13 och 14 syns sluttande partier med planare områden bakom släntkrönen upp mot åkrarna. I figur 16 syns det klart och tydligt att både de sluttande partier och de bakomliggande, plana partiet har blivit karterat. Områden som skulle kunna utgöras av ett rotationsskreds massbalans. 36

Dessvärre var tidpunkten illa vald för fotografering i de båda områdena då marken täcktes av högt gräs, något som gjorde det svårare att se terrängens struktur. Fler platser hade dessutom varit intressant att besöka i syftet för att validera metoden. Exempelvis för att utreda om lokala eller regionala skillnader förekommer, vilket skulle ha kunnat leda fram till svar gällande om metoden lämpar sig bättre att använda i vissa miljöer än i andra. 7. 2 Analysen och resultatet kring identifiering av områden med förutsättningar för skred på förorenad mark Valet av metod för att identifiera områden med förutsättningar för skred på förorenad mark har grundats på de tidigare studier där liknande analyser genomförts (Göransson, et al. 2009; Åkesson, 2010; SGI, 2016). Tillvägagångssättet och resultatet behövs trots det diskuteras. Eftersom de potentiellt förorenade objekten är uppdelade i två olika analyser: Analys 1 och Analys 2 och dessutom med och utan buffertzoner är det intressant att diskutera hur de båda resultaten kan tolkas. Antalet karterade objekt som överlappar med skredkänsliga områden är relativt högt om man ser till det totala antalet objekt av potentiellt förorenad mark och deponier i varje kommun som framgår i tabell 5. Paralleller kan dras mellan resultatet och den totala arean som utgörs av skredkänsliga områden för varje kommun, (tabell 3) och det totala antalet objekt från EBH-stödet samt deponier för varje kommun (tabell 5). Uppsala kommun har exempelvis den största arealen av områden med förutsättningar för skred, 84 km 2, och dessutom det högsta antalet konstaterade EBH-objekt och deponier, sammanlagt 1406 stycken. Därför är det inte helt oväntat att Uppsala kommun toppar antalet potentiellt förorenade objekt bland länets kommuner som överlappar med skredkänsliga områden inom både Analys 1 och Analys 2 med och utan buffertzoner. I Enköpings kommun hittar man näst störst ytor med förutsättningar för skred, totalt 58 km 2, näst flest objekt inom EBH-stödet och deponier, och dessutom det andra högsta antalet objekt inom Analys 1 och Analys 2 med och utan buffertzoner. Med andra ord kan man se ett tydligt mönster i resultatet i en jämförelse mellan tabellerna 3, 5 och 6. Valet att utföra två separata analyser kopplade till objektens riskklassificeringar, Analys 1 och Analys 2, har motiverats genom att de olika risknivåerna har olika prioriteringar för vidare undersökningar inom MIFO-metodiken (Länsstyrelsen, 2015b). Det vore därför olämpligt att klumpa ihop alla objekt oavsett riskklass utan att kunna särskilja dem på ett enkelt sätt. Uppdelningen underlättar för tolkning av resultatet och för att ta reda på var vidare undersökningar bör prioriteras. Inom Analys 2 ingår det dock kategorier där riskklassificeringen kan anses vara okänd. Där av alla objekt som omfattas inom Övriga klasser i tabell 5: Känslig Markanvändning, Mindre Känslig Markanvändning och Uppgift saknas. Det gäller även all data över deponier i länet. Inom det sistnämnda datasskiktet kan det finnas objekt som borde ingå i Analys 1 då det inte finns något attribut som beskriver vilken risknivå deponierna har då deponierna är inte kopplade till EBH-stödet. I vissa fall kan dessutom data över 37

deponier överlappa med objekt från EBH-stödet. Det vill säga att deponierna även är representerade inom EBH-stödet. Det kan leda till att det sammanlagda antalet objekt kan vara något överrepresenterat i hela länet. Jämför man antalet objekt som identifierats inom Analys 1 och Analys 2 utan buffertzon är objekten noterbart färre än antalet som identifierats inom samma två analyser med en buffertzon runt objekten. Exempelvis identifierades 15 objekt inom Analys 1 utan buffertzon i Uppsala kommun och 96 objekt inom samma analys med buffertzon. En skillnad på 81 objekt. Inom Analys 2 för samma kommun är skillnaden ännu större. Där identifierades 97 respektive 810 objekt. Det är en skillnad på 713 objekt. SGI (2016) hävdar att det är svårt att veta om punkter som representerar ett objekten har korrekta koordinater eller vilken utbredning det förorenade området faktiskt har med endast en utgångspunkt. För att minska omfattningen av problemet något menar författaren att en buffertzon kan skapas runt objektet. Omkretsen på buffertzonerna om 50 m i den här studien sattes efter anvisningarna i (SGI, 2016). Genom den här analysen är det omöjligt att ta reda på om det var ett någorlunda korrekt val av mått då föroreningarnas utbredningar är okända. Det som motiverar valet av användning av buffertzoner är att det kan minska problemet med den okända utbredningen av de förorenade ämnena något. En yta från en buffertzon representerar säkerligen verkligheten bättre gällande en förorenings utbredning än en enstaka punkt. Vid tolkning av resultatet bör man dock vara medveten om subjektiviteten i valet av buffertzon och att föroreningens utbredning kopplat till vissa objekt kan vara alltifrån nära korrekt till grovt under- eller överskattad. Osäkerheten kopplad till föroreningarnas utbredning i marken är även det som har motiverat valet att redovisa resultatet från de båda analyserna med och utan buffertzon i tabell 6. Objekten som karterats utan buffertzonerna kan fungera som ett urval ur det större resultatet med fler identifierade objekt när buffertzoner har använts. Ett resultat vars användning lämpar sig för mer platsspecifika och vidare studier då objekten med större säkerhet ligger inom ett område där förutsättningar för skred finns (om skredkartingen där är korrekt). Dessutom kan objekten från Analys 1 (tabell 6) vara de av högst intresse att undersöka närmare eftersom de innehar någon av de två högsta riskklassificeringarna. Men ännu en gång bör lokalkännedomen för varje område nämnas som en viktig egenskap vid tolkning av resultatet, och i det här fallet även kunskap om de potentiellt förorenade objekten. Vissa av objekten inom tabell 6 bör säkerligen exkluderas ur resultatet på grund av dess lokalisering. Exempelvis ligger många av objekten som överlappar med skredkänsliga områden inne i bebyggda delar av Uppsala och Enköping. Som tidigare nämndes i diskussionen kring skredanalysen saknar säkerligen många av dessa områden förusättningar för skred. Något som i sin tur leder till att objekten även riskerar att bli felaktigt karterade i den här analysen. Men likt skredanalysen bör även det här resultatet tolkas som en aktsamhetskartering som ämnar ta reda på vilka objekt som faktiskt bör prioriteras gällande efterbehandling. 38

7. 3 Analysen och resultatet kring potentiellt förorenad mark inom lågpunktsområden med förutsättningar för skred Något som bör nämnas är att det inte har använts någon bakgrundslitteratur som stödjer de metodval som ingått i den här analysen. Det beror på att ingen relevant litteratur där några analyser med liknande data eller syfte har hittats. Istället har en överlagringsanalys genomförts med samma metodval som inom den föregående analysen gällande skredkänsliga områden på potentiellt förorenad mark. På så sätt har alla de potentiellt förorenade objekten som överlappar med områden med skredförutsättningar som dessutom ligger inom lågpunktsområden karterats. Resultatet går att koppla till tabell 5 och tabell 6 vilket inte är särskilt förvånande. Objekt som utgörs av potentiellt förorenad mark inom lågpunktsområden med förutsättningar för skred förekommer i störts utsträckning i de kommuner där det största antalet objekt inom EBH-stödet eller deponier förekommer. Objekten som karterats inom den föregående analysen, 5. 6 och vars resultat framgår i tabell 6 har alla ingått i överlagringsanalysen med de karterade lågpunktsområdena. Både de som identifierats med och utan buffertzon. Intressant att belysa är att buffertzonerna här ser ut att ha haft en väldigt stor inverkan på resultatet. När buffertzoner har använts identifierades objekt liggandes i lågpunktsområden i alla kommuner, både inom Analys 1 och Analys 2. Exempelvis identifierades 47 stycken objekt i Uppsala kommun inom Analys 1 och 412 stycken inom Analys 2. Resultatet från analysen där objekten utan buffertzoner ingått ser helt annorlunda ut. I den har endast ett objekt identifierats som kan lokaliseras till Östhammars kommun. En förklaring till varför antalet objekt som identifierats utan buffertzoner blivit så pass lågt kan ha och göra med hur objekten inom EBH-stödet är karterade kopplat till de metoder som har byggt upp skyfallskarteringen (lågpunktskarteringen). Inom EBH-stödet finns det ett attribut som heter Fastighet där fastighetsnamn- och nummer framgår. I många fall är punkten som representerat det förorenade objektet kopplat till en fastighet (Länsstyrelsen, 2016b). I det PM som beskriver skyfallskarteringen framgår det att ytor som utgörs av byggnader har exkluderats ur analysen för att vatten inte ska kunna flöda igenom eller ansamlas på en byggnad (Länsstyrelsen, 2016c). Det gör att flera av objekten inom EBH-stödet lokaliseras till punkter som inte kan överlappa med lågpunktsområdena inom den här analysen. Huruvida teorin stämde har kontrollerats och det visade sig att 509 av 1309 objekt inom EBH-stödet i Uppsala kommun överlappar med byggnader från Fastighetskartan och 206 av 668 stycken objekt inom EBH-stödet i Enköpings kommun. Att punkten i många fall ligger på en byggnad är en bristfällighet inom de EBH-data som använts inom den här analysen. Problematiken leder till att det inom det här resultatet är mer relevant att titta på objekten som identifierats med buffertzon för att få en bättre representation av verkligheten. För att ett område ska kunna bli vattenfyllt vid kraftig nederbörd krävs skillnader i topografin där rinnvägarna leder vattnet till en sänka där det slutligen ansamlas. Att lågpunktsområden sammanfallit 39

med skredkänsliga områden kan förklaras genom att lågpunkterna kan ligga vid släntfoten av det karterade skredområdet där man ofta hittar de lägre punkterna i topografin. Utan att närmare analysera ökade förutsättningar för skred som en konsekvens av ökad och intensivare nederbörd är kopplingen mellan de platser som karterats i resultatet och det som sägs i litteraturen tydlig. Scenarier med regelbundna vattenansamlingar vid släntfoten, en ökad erosion och underminering kan leda till en ökad frekvens för skred i framtiden (SGI, 2005). Vid de områden som karterats i den här analysen kan det även finnas förutsättningar för den okontrollerbara föroreningsspridningen som Göransson, et al. (2008) beskriver i och med att de förorenade materialet riskerar att komma ut i vatten. Likt de två tidigare analyserna bör lokalkännedom av ett område ännu en gång betonas. Eftersom att lågpunktskarteringen bygger på en topografisk analys som inte tagit hänsyn till markens infiltrationsegenskaper eller andra vattenavledande åtgärder bör den som tolkar resultatet känna till det aktuella området (Länsstyrelsen, 2016c). Det finns säkerligen objekt inom tabell 7 som är ligger vid platser där det inte förekommer någon risk för att vattenansamlingar kan bildas. Men även resultatet från den här analysen ska ses som en aktsamhetskartering. En aktsamhetskartering som även bör sättas in och tolkas i ett framtidsperspektiv. Klimatet förändras och på sikt kommer det göra det än mer, både temperatur och nederbördsmässigt (SMHI, 2015). Att frekvensen för skred troligen kommer att öka som en följd av den ökade nederbörden verkar också högst troligt (Crozier, 2010; MSB, 2008; SGI, 2005). Därför bör inte karterade områden och objekt idag dömas ut ur resultatet då förutsättningarna kan förändras längre fram i tiden. Resultatet kan dessutom fungera som ett bra verktyg inom exempelvis klimatanpassning för att fastslå vid vilka områden och objekt extra aktsamhetsåtgärder kan vara lämpligt att vidta. Ett användningsområde som resultaten dessutom lämpar sig för är som ett underlag för en ny riskbedömning av de identifierade objekten inom EBH-stödet. Eftersom riskklassificeringarna inom EBH-stödet bland annat bestämts efter spridningsförutsättningarna Länsstyrelsen (2015) är det högst relevant att räkna med förutsättningar för skred och riskerna när dessa är lokaliserade till lågpunktsområden som ytterligare spridningsfaktorer. Objekten i kartan i figur 18 är bra exempel på sådana objekt där extra aktsamhet kan vara lämpligt och vidare åtgärder kan behöva tas. Eftersom att förutsättningar för både skred och vattenansamlingar förekommer, och att objekten dessutom ligger längst med Tämnarån gör lokaliseringen kritisk. Skulle ett skred inträffa i den potentiellt förorenade marken finns det säkerligen en risk för en okontrollerbar spridning av förorenade ämnen. Genom att identifiera objekt av intressen för vidare och fördjupade undersökningar skulle ett objekt risklassificering kunna höjas en eller flera nivåer om de nya spridningsförutsättningarna inte varit kända sedan tidigare. Något som även involverar de identifierade objekten inom de lägre riskklassificeringarna inom Analys 2. Inom den här studien analyser har data om rinnvägar som finns inom lågpunktskarteringen exkluderats helt. För vidare studier vore det intressant att även analysera dessa kopplat till områden där 40

förutsättningar för skred finns och potentiellt förorenad mark. Exempelvis skulle dessa rinnvägar kunna kopplas till eventuella spridningsvägar för förorenat material inom ett avrinningsområde. 7. 4 Kvantifiering av känd felkälla Likt den föregående analysen har metoden som använts till kvantifieringen av känd felkälla inte grundats på någon bakgrundslitteratur. Resultatet ger en fingervisning av hur stora områden som kan ha fått en felaktig klassificering inom skredanalysen. Det gäller främst de buffertzoner som på flera håll inte når enda in till vattenlinjen, se figur 9 och 10. Felkällan är en viktig sak att ha i åtanke vid tolkning av resultatet från samtliga analyser på grund av att samtliga analyser är sammankopplade. Resultaten bygger på varandra och hade större områden karteras i den första skredanalysen hade dessutom fler objekt även identifierats inom de två efterkommande analyserna. Att analyserna är beroende av varandra är heller inget unikt för den här delen av studien, det gäller även de analyser som tidigare diskuterats. 41

8. Slutsats Resultatet från analysen där Shadow casting algoritm ingått visar att det finns områden med förutsättningar för skred i hela länet. Genom validering har det dessutom visat sig att metoden kan anses som stabil och resultatet som tillförlitligt trots varierande upplösning i de data som använts och kombinerats inom studiens analyser. Områdena med skredförutsättningar förkommer främst i länets södra och sydvästra delar i och kring Mälardalsregionen, i de centrala och nordligare delarna av Enköpings kommun och nordväst om Uppsala. Förekomsten kan kopplas samman med kohesionsjordarnas utbredning, jordmäktigheten, förekomsten av vatten och skillnader i topografin. Genom resultatet från den andra analysen har det även framkommit att det finns områden med förutsättningar för skred på potentiellt förorenad mark. Identifierade skredkänsliga områden sammanfaller med objekt från EBH-stödet och deponier inom länets samtliga kommuner. Flest objekt från EBH-stödet och deponier kopplat till skredkänsliga områden förekommer i Uppsala och Enköpings kommun. Resultatet från den tredje analysen visar dessutom att flera utav de tidigare identifierade objekten har kunnat lokaliseras till lågpunktsområden där större vattenmängder kan ansamlas efter kraftiga skyfall. Något som kan komma att påverka frekvensen för både skred och spridning av förorenade ämnen. Verkligheten ofta är långt mer komplex än de data som kan analyseras inom ett GIS. För att tolka resultatet på ett korrekt sätt är lokalkännedom om områdena och dess miljöer viktigt. Resultatet omfattar inte någon risk- eller sannolikhetsbedömning för skred eller spridning av förorenat material. Analyserna och dess resultat ska istället ses som aktsamhetskarteringar där karterade områden och objekt är identifierade för vidare och fördjupade undersökningar. Något som kan sättas in i ett framtidsperspektiv och fungera som ett verktyg inom klimatanpassning för att anpassa samhället och minska effekterna från de förväntade förändringarna som tros komma som en konsekvens av ett föränderligt klimat. Ett konkret exempel är kopplat till de identifierade objekten från EBH-stödet och deponier. I och med den nya kännedomen om de karterade objektens lokalisering skulle resultatet kunna användas som ett underlag för en eventuell ny riskbedömning av objekten inom EBH-stödet. 42

9. Referenser Andersson, S. Y; Bergman, R; Johansson, M; Persson, E & Nyberg, L. 2013. Landslide risk management A brief overview and example from Sweden of current situation and climate change. International Journal of Disaster Risk Reduction 3. Pp: 44-61 Avenza, 2016. PDF Maps Mobile App. Avenza Systems Inc. Claessens, L; Heuvelink, G. B. M; Schoorl, J. M & Veldkamp, A. 2005. DEM resolution effects on shallow landslide hazard and soil redistribution modelling. Earth Surface Processes and Landforms, 30(4), 461-477 Crozier, M. J. 2010. Deciphering the effect of climate change on landslide activity: A review. Geomorphology, 124(3), 260-267 Cruden, D. M. 1991. A simple definition of a landslide. Bulletin of Engineering Geology and the Environment, 43(1), 27-29 Dai, F. C; Lee, C. F & Ngai, Y, Y. 2002. Landslide risk assessment and management: an overview. Engineering geology, 64(1), 65-87 ESRI. 2014. ArcGis Desktop: Release 10.3. ESRI (Environmental Systems Resource Institute). Redlands, California, USA Fan, C. C & Su, C. F. 2008. Role of roots in the shear strength of root-reinforced soils with high moisture content. Ecological Engineering, 33(2), 157-166 Ghestem, M; Sidle, R. C & Stokes, A. 2011. The influence of plant root systems on subsurface flow: implications for slope stability. BioScience, 61(11), 869-879 Göransson, G. I; Bendz, D & Larson, P. M. 2009. Combining landslide and contaminant risk: a preliminary assessment. A Study of the Göta Älv river Valley. Journal of soils and sediments, 9 (1), 33-45 Hengl, T. 2006. Finding the right pixel size. Computers & Geosciences, 32(9), 1283-1298 Hugget, R. J. Hillslopes. In: Fundamentals of Geomorphology. 2011. Third Edition red. Pp. 164 186. Abingdon: Routledge. (ISBN 978-0-415-56774-9 hbk) Işık, N. S; Doyuran, V & Ulusay, R. 2004. Assessment of a coastal landslide subjected to building loads at Sinop, Black Sea region, Turkey, and stabilization measures. Engineering geology, 75(1), 69-88 Katz, O & Aharonov, E. 2006. Landslides in vibrating sand box: What controls types of slope failure and frequency magnitude relations? Earth and Planetary Science Letters, 247(3), 280-294 Kienzle, S. 2004. The effect of DEM raster resolution on first order, second order and compound terrain derivatives. Transactions in GIS, 8(1), 83-111 Lantmäteriet. 2013. Produktbeskrivning; GSD-Höjddata, grid 2+. Dokumentversion: 1.6 Lindberg, F; Olvmo, M & Bergdahl, K. 2011. Mapping areas of potential slope failures in cohesive soils using a shadow-casting algorithm a case study from SW Sweden. Computers and Geotechnics, 38 (6), Pp: 791-799 Länsstyrelsen, 2015b. Regionalt program för arbetet med förorenade områden i Uppsala län 2015-2017. Länsstyrelsen i Uppsala län. Miljöskyddsenheten 43

Lundström, K & Andersson, M. 2008. Hazard mapping of landslides, a comparison of three different overview mapping methods in fine-grained soils. In Proceedings of the 4th Canadian conference on geohazards: from causes to management. Presse de l Université Laval, Québec Lundström, K; Larsson, R & Dahlin, T. 2009. Mapping of quick clay formations using geotechnical and geophysical methods. Landslides, 6 (1), Pp: 1-15 Länsstyrelsen. 2013. Ras- och skredrisker i Örebro län. En GIS-analys över potentiella ras- och skredområden. Länsstyrelsen i Örebro län. Publikationsnummer: 2013:37 Länsstyrelsen. 2015a. Risk- och sårbarhetsanalys för Uppsala län 2015. Länsstyrelens meddelandeserie 2015:08. Enheten för samhällsskydd och beredskap. ISSN: 1400-4712. Uppsala Länsstyrelsen. 2016a. Länsstyrelsen i Uppsala län. Uppsala län. Tillgänglig via: http://www.lansstyrelsen.se/uppsala/sv/om-lansstyrelsen/om-lanet/pages/default.aspx Hämtad: 02.25.2016 Länsstyrelsen. 2016b. Västra Götalands län. Inventering enligt MIFO. Frågor och svar. Tillgänglig via: http://www.lansstyrelsen.se/vastragotaland/sv/miljo-och-klimat/verksamhetermed-miljopaverkan/fororenade-omraden/inventering/pages/fragor_svar.aspx#mifo Hämtad: 04.14.16 Länsstyrelsen. 2016c. Teknisk vägledning för kommunvisa skyfallskarteringar i Uppsala län kartering av riskområden vid skyfall (lågpunkter och rinnvägar). Länsstyrelsen Uppsala län. Diarienummer: 451-2842-15. Uppsala Melchiorre, C & Tryggvason, A. 2015. Application of a fast and efficient algorithm to assess landslide-prone areas in sensitive clays in Sweden. Natural hazards and earth system sciences, 15(12), 2703-2713 Meusburger, K & Alewell, C. 2008. Impacts of anthropogenic and environmental factors on the occurrence of shallow landslides in an alpine catchment (Urseren Valley, Switzerland). Natural Hazards and Earth System Science, 8(3), 509-520 MSB. 2008. Klimatförändringar, skred och ras En forskningsöversikt. MSB Projektnr: 13681. Diarienummer: 2-0805-504. Karlstad MSB. 2014a. Handbok för ras-, skred- och slamströmsolycka. MSB (Myndigheten för samhällsskydd och berdeskap). Publikationsnummer: MSB-632 MSB. 2014b. Jordarternas bildningssätt. MSB. Tillgänglig via: https://www.msb.se/sv/forebyggande/naturolyckor/skred-ras-ochslamstrommar/varfor-intraffar-skred-och-ras/jordarternas-bildningssatt/ Hämtad: 03.10.2016 Nadim, F; Kjekstad, O; Peduzzi, P; Herold, C & Jaedicke, C. 2006. Global landslide and avalanche hotspots. Landslides, 3(2), Pp: 159-173 Nandi, A & Shakoor, A. 2010. A GIS-based landslide susceptibility evaluation using bivariate and multivariate statistical analyses. Engineering Geology, 110(1), 11-20 Naturvårdsverket. 1999. Metodik för inventering av förorenade områden. Rapport 4918. Stockholm: Naturvårdsverket förlag (ISBN 91-620-4918-6) 44

Nemčok, A; Pašek, J & Rybář, J. 1972. Classification of landslides and other mass movements. Rock Mechanics 4.2, 71-78 Penna, D; Borga, M; Aronica, G. T; Brigandì, G & Tarolli, P. 2014. The influence of grid resolution on the prediction of natural and road-related shallow landslides. Hydrology and Earth System Sciences, 18(6), 2127-2139 Pourghasemi, H. R; Moradi, H. R; Aghda, S. F; Gokceoglu, C & Pradhan, B. 2014. GIS-based landslide susceptibility mapping with probabilistic likelihood ratio and spatial multicriteria evaluation models (North of Tehran, Iran). Arabian Journal of Geosciences, 7(5), 1857-1878 Pradhan, B. 2013. A comparative study on the predictive ability of the decision tree, support vector machine and neuro-fuzzy models in landslide susceptibility mapping using GIS. Computers & Geosciences, 51, 350-365 Rodhe, L. 2016. Enhetschef, Jord och Berg. Avdeldningen för samhällsplanering. SGU (Sveriges geologiska undersökning. Muntlig kommunikation: 02.25.2016 Seneviratne, S.I; N. Nicholls, D; Easterling, C.M; Goodess, S; Kanae, J; Kossin, Y; Luo, J; Marengo, K; McInnes, M; Rahimi, M; Reichstein, A; Sorteberg, C. V & X. Zhang. 2012. Changes in climate extremes and their impacts on the natural physical environment. In: Managing the Risks of Extreme Events and Disasters to Advance Climate Change Adaptation. [Field, C.B; V. Barros, T.F; Stocker, D; Qin, D.J; Dokken, K.L; Ebi, M.D; Mastrandrea, K.J; Mach, G.-K; Plattner, S.K; Allen, M; Tignor & P.M. Midgley (eds.)]. A Special Report of Working Groups I and II of the Intergovernmental Panel on Climate Change (IPCC). Cambridge University Press, Cambridge, UK, and New York, NY, USA, pp. 109-230 SGF. 1981. Jordarternas indelning och benämning. Geotekniska laborationsanvisningar, del 2. Sveriges Geotekniska Förening (SGF). Statens råd för byggnadsforskning, Stockholm SGI. 1982. Kartering och klassificering av lerområdens stabilitetsförutsättningar. SGI (Statens geotekniska institut). Rapport No 15. Linköping SGI. 2005. Släntstabilitet i jord Underlag för handlingsplan för att förutse och förebygga naturolyckor i Sverige vid förändrat klimat. Deluppdrag 1. Jordskred och ras i klimatförändringens spår. SIG (Sveriges geotekniska institut). Projektnummer: 12370. Linköping SGI. 2016. Riskbedömning av förorenade områden med hänsyn till naturolyckor, Information och råd. SGI (Statens geotekniska institut) publikation 20. Diarienummer: 1202-0133. Linköping SGU. 1998. Översiktsstudie av Uppsala län Geologiska förutsättningar. Sveriges geologiska undersökning. SKB (Svensk kärnbränslehantering AB) Rapport R-98-32 SGU. 2014a. Produkt: Jordarter 1:25 000-1:100 000. Produktbeskrivning. Versionnummer 1. SGU SGU. 2014b. Produkt: Jordskred och raviner. Produktbeskrivning. Versionnummer 1. SGU (Sveriges geologiska undersökning) SGU. 2014d. Ricksäckande jorddjupsmodell. SGU (Sveriges geologiska undersökning) rapport 2014:14. Uppsala SGU. 2015. SGU Kartgenerator. Produkten visar läget av HK under olika tidsperioder.tillgänglig via: http://apps.sgu.se/kartgenerator/maporder_sv.html Hämtad: 04.04.2016 45

SGU. 2016. Postglaciala finkorniga sediment. Tillgänglig via: http://www.sgu.se/omgeologi/jord/fran-istid-till-nutid/landhojning-fran-havsbotten-till-lerslatt/postglacialafinkorniga-sediment/ Hämtad: 04.04.2016 SMHI. 2013. Klimatanalys för Uppsala län. SMHI (Sveriges meteorologiska och hydrologiska institut) Rapport Nr 2013-9. Norrköping SMHI. 2015. Framtidsklimat i Uppsala län enligt RCP-scenarier. SMHI (Sveriges meteorologiska och hydrologiska institut) Klimatologi Nr 20. Norrköping Stockholms stad. 2007. Effekter på förorenad mark vid ett förändrat klimat. Stockholms stad, Miljöförvaltningen. Stockholm Tarolli, P. 2014. High-resolution topography for understanding Earth surface processes: opportunities and challenges. Geomorphology, 216, 295-312 Terlien, M. T. 1998. The determination of statistical and deterministic hydrological landslidetriggering thresholds. Environmental geology, 35(2-3), 124-130 Tian, Y; XiaO, C; Liu, Y & Wu, L. 2008. Effects of raster resolution on landslide susceptibility mapping: A case study of Shenzhen. Science in China Series E: Technological Sciences, 51(2), 188-198 Tryggvason, A; Melchiorre, C & Johansson, K. 2015. A fast and efficient algorithm to map prerequisites of landslides in sensitive clays based on detailed soil and topographical information. Computers & Geosciences, 75, 88-95 Vallet, A; Bertrand, C & Mudry, J. 2013. Effective rainfall: a significant parameter to improve understanding of deep-seated rainfall triggering landslide a simple computation temperature based method applied to Séchilienne unstable slope (French Alps). Hydrology and Earth System Sciences Discussions, 10(7), 8945-8991 Van Asch, T. W; Buma, J & Van Beek, L. P. H. 1999. A view on some hydrological triggering systems in landslides. Geomorphology, 30(1), 25-32 Yalcin, A. 2007. The effects of clay on landslides: A case study. Applied Clay Science, 38(1), 77-85 Åkesson, M. 2010. Mass movements as contamination carriers in surface water systems - Swedish experiences and risks. Examensarbeten i geologi vid Lunds universitet, No. 253, 46 pp. 45 points Östhammars kommun. 2011. Karaktärslandskap Uppland Landskapskaraktärisering för bedömning av landskapsbild. Östhammars kommun - Samhällsbyggnadsenheten 46

10. Bilagor Bilaga 1. Data som bearbetats och använts inom analyserna Data för bearbetning och analys Typ Namn Beskrivning Skapad/u ppdatera d Raster/DEM LM Nationell höjdmodell - 2 meter GSD-Höjddata, grid 2+ Upplösning: 2x2 m Distributör Källa samt referensnamn 2015 Lantmäteriet Länsstyrelsen i Uppsala län Shape Ytskikt Shape Ytskikt Raster Shape Linjeskikt Shape Ytskikt Shape Linjeskikt Shape Linjeskikt Shape Punktskikt Shape Ytskikt SGU Jordartskartan 1:50 000 (grupp) SGU Jordartskartan 1:100 000-1:200 000 (grupp) SGU Jorddjup 2014 SGU Jordarter Jordskred och raviner (grupp) GSD_Fastighetskartan GSD_Fastighetskartan GSD_Fastighetskartan LST Potentiellt förorenade områden EBH (Riskklass) LstC Deponier Jordartsdata, grundlager, ca djup: 05, m. Jordartsdata, grundlager, ca djup: 05, m. Jorddjup, ungefärlig upplösning: 1:50 000 Upplösning: 10x10 m Produkten visar spår i terrängen av inträffade jordskred på land och havsbottnen samt raviner i lösa jordlager Hav, sjöar och större vattendrag från Fastighetskartan Bäckar och diken, <6 m från Fastighetskartan Läns- och kommungränser från Fastighetskartan EBH-stödet är länsstyrelsernas register över potentiella och konstaterade förorenade områden Diverse deponier i Uppsala län (LST, 2015a) 2014 SGU Länsstyrelsen i Uppsala län (LST, 2014a) 2014 SGU Länsstyrelsen i Uppsala län (LST, 2014b) 2014 SGU Länsstyrelsen i Uppsala län (LST, 2014c) 2014 SGU Länsstyrelsen i Uppsala län (LST, 2014d) 2015 Lantmäteriet Länsstyrelsen i Uppsala län (LST, 2015b) 2015 Lantmäteriet Länsstyrelsen i Uppsala län (LST, 2015c) 2015 Lantmäteriet Länsstyrelsen i Uppsala län (LST, 2015d) 2014 Länsstyrelsen i Uppsala län 2015 Länsstyrelsen i Uppsala län Länsstyrelsen i Uppsala län Miljöskyddsenhet en (LST, 2014c) Länsstyrelsen i Uppsala län Miljöskyddsenhet en Shape Ytskikt Shape Raster Lågpunktskartering LM Ortofoto Data som visar vilka lågpunktsområden där stora vattenansamlingar kan samlas vid intensivt regn i form av skyfall Ortofoto över Sverige. Svartvitt 2016 Länsstyrelsen i Uppsala län (LST, 2015e) Länsstyrelsen i Uppsala län (LST, 2016) 2015 Lantmäteriet Länsstyrelsen i Uppsala län (LST, 2015f) 47

Bilaga 2. Urvalet av finkorniga jordarter som ingår i karteringen av skredkänsliga områden Attribut SGU Jordartskarta 1:25 000 1:100 000 JG2 JG2_TX 6 Gyttja 9 Svämsediment, ler--silt (postglacialt, yngre) 16 Lergyttja--gyttjelera 17 Postglacial lera, ospecificerad 19 Postglacial finlera 22 Postglacial grovlera 24 Postglacial silt 25 Postglacial grovsilt 39 Silt 40 Glacial lera 46 Glacial varvig silt med lerskikt 49 Glacial grovsilt 50 Isälvssediment, grovsilt--block 85 Lera 86 Lera--Silt 8114 Jord (oklassad) tidvis under vatten 8119 Postglacial finlera; tidvis under vatten 8802 Älvsediment, grovsilt--finsand 8810 Älvsediment, silt 8817 Svämsediment, silt--sand (postglacialt, yngre) 9007 Svämsediment, silt (postglacialt, yngre) 9010 Svämsediment, grovsilt--finsand (postglacialt, yngre) 9039 Grovsilt Bilaga 3. Arbetsprocesser för bearbetning av data inför analyser 1. Bearbetning av höjddata inför analys i ArcMap 2. Den GIS-baserade arbetsprocessen för att extrahera jorddjup ur gamla skredärr 48

3. Framtagandet av buffertzoner runt vatten innehållandes kohesionsjordar 4. Metod för att exkludera diken, bäckar och områden med för tunt jordtäcke ur analysen Bilaga 4. GIS-baserade arbetsprocesser för analysen av förutsättningar för skred i kohesionsjordar genom användning av: Shadow Slope Algorithm 1. De sista stegen inom skredanalysen när Boolean-rastret slås ihop med kohesionsjordar och buffertzoner 49

2. Arbetsprocessen inom filtreringsprocessen för resultatet som ska visualiseras genom kartor Bilaga 5. Arbetsprocesser inom analysen för identifiering av områden med förutsättningar för skred på potentiellt förorenad mark 1. Inom det här exemplet visas arbetsstegen inom Analys 1 där buffertzoner använts. Arbetsstegen ser likadan ut när buffertzoner inte används 1. Inom det här exemplet visas arbetstagen inom Analys 2 där buffertzoner används. Arbetsstegen ser likadan ut när buffertzoner inte används 50

Bilaga 6. Arbetsprocess inom analysen kring potentiellt förorenad mark inom lågpunktsområden med förutsättningar för skred 1. Arbetsstegen för Analys 1 utan buffertzoner. Processen ser likadan ut när buffertzoner använts och även för Analys 2 Bilaga 7. Arbetsprocess för kvantifiering av känd felkälla 1. Arbetsstegen inom kvantifieringen av felkällan. Data som ingår är vatten från Jordartskartan och Fastighetskartan samt lagret med kohesionsjordar 51