meta

Tiivistelmä:
Abstract:
Tässä kuvauksessa ja esitettävissä kartoissa käytetään nimitystä geoenergia kuvaamaan maankamaran ylimmästä 300 metristä hyödynnettävissä olevaa lämpöenergiaa ja lämmitystehoa. Kansainvälisessä tieteellisessä kirjallisuudessa käytetään geoenergian synonyymeinä termejä shallow geothermal energy ja low enthalpy geothermal energy. Geoenergia erotetaan tässä yhteydessä syvästä geotermisestä energiasta (engl. deep geothermal energy), joka kuvaa syvältä kallioperästä hyödynnettävissä olevaa korkean lämpötilan energiaa. 300 m geoenergiapotentiaali kuvaa maankamaran ylimmältä 300 metriltä saatavaa, lämpöarvoltaan matalaa lämpöenergiapotentiaalia, joka on hyödynnettävissä rakennusten lämmittämiseen ja/tai viilentämiseen kalliosta poratusta energiakaivosta. Maankamaralla tarkoitetaan sekä kiteistä kallioperää että sitä peittäviä irtaimia maalajeja. Geoenergiapotentiaali arvioitiin laskennallisesti simuloimalla lämmönsiirtymistä maankamarassa aksiaalisymmetrisen energiakaivomallin avulla. Energiakaivon aktiivinen kokonaissyvyys vakioitiin 300 metriin sisältäen kallioperän ja sitä mahdollisesti peittävät maalajit. Geoenergiapotentiaalin arvioinnissa on hyödynnetty seuraavia digitaalisia aineistoja: Kallioperä 1:1 000 000, Maaperä 1:200 000 (maalajit), Maapeitepaksuus 1:1 000 000, GTK:n tekemiä lämpötilaluotauksia, Ilmatieteen laitoksen ilman vuotuinen keskilämpötila (Pirinen et al., 2012), Suomen kallioperän tiheys (Pirttijärvi et al., 2013), Suomen geokemiallinen atlas (Gustavsson et al. 1987). Aineisto Suomen 300 m geoenergiapotentiaalista koostuu kahdesta rasterimuotoisesta kartasta, jotka sisältävät laskennalliset arviot (1) varastoituneen lämpöenergian määrästä [GWh] ja (2) jatkuvasti uusiutuvasta lämmöntuottotehosta [W], kun kyseessä on 300 m syvä energiakaivo. Ne osoittavat geoenergiapotentiaalin aluekohtaisen saatavuuden ja vaihtelun. Arvioilla pyritään antamaan lisätietoa Suomen geoenergian hyödyntämisen potentiaalista Työ- ja elinkeinoministeriön (TEM) laatiman kansallisen ilmasto- ja energiastrategian tavoitteisiin sekä vastaamaan EU:n energia- ja ilmastotavoitteisiin. Kartat on tuotettu geoenergiapotentiaalin yleistarkasteluun mittakaavassa 1:1 000 000. Ne eivät sovellu kiinteistökohtaiseen suunnitteluun tai mitoitukseen, eivätkä suurimittakaavaiseen (yli 1:500 000) tarkasteluun. Karttojen solukoko on yksi neliökilometri.
/
In this metadata document and in the maps, the term geoenergy is used to describe the thermal energy and renewable heating power that can be extracted from the uppermost 300 meters of the ground. In scientific literature, the terms shallow geothermal energy and low enthalpy geothermal energy are used as synonyms for geoenergy. In contrast to geoenergy, geothermal energy refers to high temperature thermal energy that is extracted from depths below 300 meters and can be used for heating and electrical power generation. The 300 m geoenergy potential dataset describes the low enthalpy geothermal potential that can be extracted from the uppermost 300 metres of the ground and be used for space heating and/or cooling. The term ground is used to refer to both the crystalline bedrock and to the quaternary sediments that overlay it. The geoenergy potential was estimated computationally by simulating heat transfer in the ground using an axisymmetric borehole model. The active depth of the borehole was fixed to 300 metres and it includes the effects of both the bedrock and the quaternary deposits that possibly overlay the bedrock. The following digital datasets were utilized in the computations: Bedrock of Finland 1:1 000 000, Superficial deposits of Finland 1:200 000 (sediment polygons), Superficial deposits thickness 1:1 000 000, Borehole temperature logs by GTK, Mean annual air temperature map by the Finnish Meteorological Institute (Pirinen et al., 2012), Density map of Finland by Pirttijärvi et al. (2013), Geochemical Atlas of Finland by Gustavsson et al. (1987). The 300 m geoenergy potential dataset comprises two raster maps that provide computational estimates of (1) the stored thermal energy, and (2) the renewable heating power extractable from a 300 m deep borehole. The maps show the areal availability and variation of the geoenergy potential. The maps are intended to provide further information concerning the availability of geoenergy in order to facilitate the national climate and energy strategy of the Finnish Ministry of Economic Affairs and Employment (TEM) and the climate and energy policy of the European Union (EU). The maps were produced to provide a general overview of the geoenergy potential at the scale of 1:1 000 000. They are not suitable for the sizing of ground source energy systems at the level of individual properties nor for large scale investigations (scales larger than 1:500 000). The cell size of the raster maps is 1 km x 1 km.
Käyttötarkoitus:
Purpose:
300 m geoenergiapotentiaali -aineistossa esitetään kvantitatiiviset arviot maankamaran ylimmän 300 metrin sisältämän geoenergian määrästä eri osissa Suomea. Laskennallisilla arvioilla pyritään antamaan lisätietoa Suomen geoenergian hyödyntämisen potentiaalista Työ- ja elinkeinoministeriön (TEM) laatiman kansallisen ilmasto- ja energiastrategian tavoitteisiin sekä vastaamaan EU:n energia- ja ilmastotavoitteisiin. Tarkoituksena on myös tukea kansallista energiahuoltoa ja aluesuunnittelua sekä edistää geoenergian kestävää käyttöä niin pientalojen lämmityksessä kuin suurten kiinteistöjen lämmitys- ja viilennysenergian sekä energian varastoinnin ratkaisuissa. Geoenergiapotentiaalikartoilla halutaan lisäksi osoittaa geologisten ja geofysikaalisten tekijöiden vaikutus sekä nostaa geoenergiakohteiden kokonaissuunnittelun tasoa Suomessa. 300 m geoenergiapotentiaali -aineisto on pieneen mittakaavaan (1:1 000 000) keskiarvostettua tietoa geoenergiapotentiaalista. Aineiston solukoko on yksi neliökilometri. Aineisto ei sovellu kiinteistökohtaiseen tarkasteluun ja mitoitukseen eikä sitä tule tarkastella suuremmassa mittakaavassa kuin 1:500 000.
/
The 300 m geoenergy potential dataset provides an overall view of the quantitative geoenergy potential of the Finnish bedrock for the uppermost 300 meters. The quantitative estimates provide additional information concerning the potential of geoenergy exploitation in Finland to support the national climate and energy strategy of TEM and the climate and energy policy of EU. The purpose is to support the national energy policy and regional planning, and to promote the sustainable utilization of geoenergy for space heating and cooling of households and larger properties and to promote energy storage in ground. The potential maps also aim to show the influence of geological and geophysical factors and to increase the quality of planning of targets utilizing geoenergy in Finland. The 300 m geoenergy potential dataset is averaged information at small scale (1:1 000 000) concerning the geoenergy potential. The cell size of the dataset is one square kilometer. The dataset is not suitable for dimensioning at the level of individual properties and should not be viewed at larger scales than 1:500 000.
Käyttökelpoisuus:
Use limitation:
300 m geoenergiapotentiaali -aineiston (karttojen) tarkoitus on antaa kvantitatiivinen yleiskuva kallioon varastoituneen geoenergian määrästä ja kallioperän uusiutuvasta lämmöntuottotehosta sekä näiden aluekohtaisista vaihteluista Suomessa. Aineisto on pieneen mittakaavaan yleistettyä ja keskiarvostettua tietoa, eikä sitä ole tarkoitettu kiinteistökohtaiseen tarkasteluun ja mitoituksen. Kartan solukoko on 1 km2. Aineistoa ei sovellu tarkasteltavan suuremmassa mittakaavassa kuin 1:500 000. Paksujen maapeitteiden alueilla, erityisesti Salpausselkä ja harjualueilla, geoenergiapotentiaalikartat sisältävät muita alueita enemmän epävarmuutta. Maalajien lämmönjohtavuus riippuu suuressa määrin raekoosta, huokoisuudesta ja huokostilan täyttämän veden määrästä, ja pohjavesien liikkeet vaikuttavat merkittävästi lämmön siirtymiseen maaperässä. Harjualueilla pohjaveden pinnan syvyys voi olla jopa useita kymmeniä metrejä maanpinnan alapuolella. Kuivalla maaosuudella lämmönsiirtyminen on heikompaa kuin pohjaveden pinnan alapuolella. Geoenergiapotentiaalikartoissa pohjaveden pinnan korkeutta ja veden mukana tapahtuvaa lämmönsiirtymistä (konvektio) ei ole huomioitu. Paksujen maapeitteiden alueet erottuvat kallioperään varastoituneen lämpöenergian kartassa pääsääntöisesti ympäristöään paremman potentiaalin alueina, mikä aiheutuu irtomaakerroksen eristävästä vaikutuksesta ja sitä kautta korkeammasta lähtölämpötilasta kallioperässä. Konvektion seurauksena eristävä vaikutus voi kuitenkin hävitä, jolloin positiivista vaikutusta lämpötilaan ei synny. Jatkuvasti uusiutuvan lämpötehon kartassa paksujen maapeitteiden alueet erottuvat pääosin ympäristöään huonomman potentiaalin alueina, koska maalajien lämmönjohtavuus on huonompi kuin kivilajien lämmönjohtavuus. Veden liike irtomaassa (ja myös kallioperässä) voi kuitenkin parantaa merkittävästi lämmön siirtymistä, jolloin erityisesti karkeiden maalajien alueilla energiakaivo voi parhaimmillaan toimia varsin tehokkaasti. Myös Lapin laajalla rapakallioalueella geoenergiapotentiaalin arvio on epävarma vastaavista syistä kuin paksujen maapeitteiden alueilla. Rapakalliolla ja maapeitteellä on vaikutusta myös energiakaivon porauskustannuksiin, mutta tässä selvityksessä on keskitytty geologisiin tekijöihin. Saaristossa geoenergiapotentiaalikartat sisältävät myös muita alueita enemmän epävarmuutta, koska ympäröivän meren vaikutuksista maankamaran lämpötiloihin ei ole olemassa tarpeeksi tutkimustietoa.
/
The 300 m geoenergy potential dataset is intended to provide a quantitative overview of the geoenergy stored in the bedrock and the renewable heating power extractable from the bedrock and their areal variation in Finland. The dataset is generalized small scale information and it is not intended for inspection and sizing of boreholes at the level of individual households. The cell size of the dataset is 1 square kilometre. The dataset is not suitable for inspection at scales larger than 1:500 000. In areas covered by thick overburden, especially in Salpausselkä and esker areas, the geoenergy potential maps are more uncertain than in other areas. Thermal conductivities of sediments depend strongly on grain size, porosity and the level of saturation. Thus, the movement of groundwater has a strong influence on heat transfer in the overburden. In Salpausselkä and esker areas water table may be even tens of metres below ground surface. In dry sediment, heat transfer is less pronounced than below the water table. In the Geoenergy potential dataset, the influences of the depth of the water table and advection heat transfer were omitted. Areas of thick overburden can be seen in the stored heat map as areas of greater geoenergy potential than the surrounding areas because of the insulating effect of surface sediments. This effect raises the ground temperature level and, thus, the geoenergy potential is greater. However, advection heat transfer may eradicate the insulating effect so that ground temperatures will not be raised. In the renewable heating power map, areas of thick overburden are distinguished as areas of lower geoenergy potential than the surrounding areas. This is because the thermal conductivities of sediments are lower than those of rocks. Advection heat transfer in the overburden (and also in the bedrock) may, however, significantly increase overall heat transfer in which case, especially in coarse grain size areas, borehole heat transfer may work efficiently. In the large weathered rock areas of Lapland, the geoenergy potential estimates are more uncertain for similar reasons as in areas of thick overburden. Weathered rocks and the overburden also influence the drilling costs. However, in this dataset, economical factors were omitted for the sake of geology. Also on islands the geoenergy potential is more uncertain because the influence of the surrounding sea on ground temperatures is not well known.
Teema avainsana:
Theme keyword:
energia/thermal energy, energiakaivo/ground heat, geoenergiapotentiaali/energy potential
Koordinaattijärjestelmä:
Reference system identifier:
EUREF FIN TM35FIN EPSG:3067
Jakeluformaatin nimi:
Distribution format:
Ei saatavissa INSPIRE-yhteensopivassa muodossa
Tiff



Aineiston formaatti:
Data format:

GTK-SYKE Metatieto
GTK-SYKE Metadata

Metatiedon tiedot
Metadata
 
Metadatan kieli:
Metadata language:
suomi/finnish
englanti/english
Merkistö:
Character set:
8859part15
Metatiedon päivämäärä:
Date:
2019-07-02
Hierarkiataso:
Hierarchy level:
tietoaineisto/dataset
Metatiedon standardin nimi:
Standard name:
ISO 19115:2005
Metatiedon standardin versio:
Standard version:
JHS158:2005
Metatiedon tiedostotunniste:
File identifier:
uusiutuva_geoenergiateho_w.tif.xml
Ylemmäntason tiedostotunniste:
Parent identifier:
Geoterminen energiapotentiaali: 300 m geoenergiapotentiaali
/
Geothermal energy potential: 300 m geoenergy potential
Vastuutaho
Metadata point of contact
 
Organisaatio:
Organisation:
Geologian tutkimuskeskus
Rooli:
Role:
omistaja/owner
Yhteystiedot
Contact
 
Puhelinnumero:
Phone number:
0295030000
Fax-numero:
Fax number:
Osoite:
Address:
PL 96 (Vuorimiehentie 5)
Postitoimipaikka:
Post office:
ESPOO
Postinumero:
Post number:
02151
Sähköpostiosoite:
E-mail:
geodata@gtk.fi

Takaisin/Back

Aineiston tunnistamistiedot
Data identification
 
Seuraava päivitys:
Next updating:
Luonti:
Creation:
2018-11-12
Julkaiseminen:
Date of publication:
Vaihtoehtoinen nimi:
Alternate name:
Versio:
Version:
2.0
Version päiväys:
Version date:
2018-11-12
Esitystapa
Presentation
Resurssin tunniste:
Resource identifier
Tunnisteen tyyppi:
Identifier
Aiheluokka:
Topic category:
geotieteet/geoscientific information
Vastuutaho
Responsible party
 
Organisaatio:
Organisation:
Geologian tutkimuskeskus
Rooli:
Role:
omistaja/owner
Yhteystiedot
Contact
 
Puhelinnumero:
Phone number:
0295030000
Osoite:
Address:
PL 96 (Vuorimiehentie 5)
Postitoimipaikka:
Post office:
ESPOO
Postinumero:
Post number:
02151
Sähköpostiosoite:
E-mail:
geodata@gtk.fi
Avainsanat
Keywords
 
Ala
Discipline
 
Avainsanat:
Keywords:
geoenergia/shallow geothermal energy, geofysiikka/geophysics, geologia/geology
Asiasanasto:
Thesaurus:
Geosanasto
Paikka
Place
 
Avainsanat:
Keywords:
Suomi/Finland
Asiasanasto:
Thesaurus:
Geosanasto
Esiintymä
Stratum
 
Avainsanat:
Keywords:
Asiasanasto:
Tesaurus:
Aikajakso
Temporal
 
Avainsanat:
Keywords:
Asiasanasto:
Tesaurus:
Muu luokittelu
Additional keywords
 
Avainsanat:
Keywords:
energia/thermal energy, energiakaivo/ground heat, geoenergiapotentiaali/energy potential
Asiasanasto:
Tesaurus:
Geosanasto
INSPIRE
INSPIRE
 
Avainsanat:
Keywords:
Asiasanasto:
Thesaurus:
GEMET I
GEMET I
 
Avainsanat:
Keywords:
geologia
Asiasanasto:
Thesaurus:
GEMET - Themes, version 2.3
Paikkatietohakemisto  
Avainsanat:
Keywords:
Asiasanasto:
Tesaurus:
Tiivistelmä:
Abstract:
Tässä kuvauksessa ja esitettävissä kartoissa käytetään nimitystä geoenergia kuvaamaan maankamaran ylimmästä 300 metristä hyödynnettävissä olevaa lämpöenergiaa ja lämmitystehoa. Kansainvälisessä tieteellisessä kirjallisuudessa käytetään geoenergian synonyymeinä termejä shallow geothermal energy ja low enthalpy geothermal energy. Geoenergia erotetaan tässä yhteydessä syvästä geotermisestä energiasta (engl. deep geothermal energy), joka kuvaa syvältä kallioperästä hyödynnettävissä olevaa korkean lämpötilan energiaa. 300 m geoenergiapotentiaali kuvaa maankamaran ylimmältä 300 metriltä saatavaa, lämpöarvoltaan matalaa lämpöenergiapotentiaalia, joka on hyödynnettävissä rakennusten lämmittämiseen ja/tai viilentämiseen kalliosta poratusta energiakaivosta. Maankamaralla tarkoitetaan sekä kiteistä kallioperää että sitä peittäviä irtaimia maalajeja. Geoenergiapotentiaali arvioitiin laskennallisesti simuloimalla lämmönsiirtymistä maankamarassa aksiaalisymmetrisen energiakaivomallin avulla. Energiakaivon aktiivinen kokonaissyvyys vakioitiin 300 metriin sisältäen kallioperän ja sitä mahdollisesti peittävät maalajit. Geoenergiapotentiaalin arvioinnissa on hyödynnetty seuraavia digitaalisia aineistoja: - Kallioperä 1:1 000 000 - Maaperä 1:200 000 (maalajit) - Maapeitepaksuus 1:1 000 000 - GTK:n tekemiä lämpötilaluotauksia - Ilmatieteen laitoksen ilman vuotuinen keskilämpötila (Pirinen et al., 2012) - Suomen kallioperän tiheys (Pirttijärvi et al., 2013) - Suomen geokemiallinen atlas (Gustavsson et al. 1987) Aineisto Suomen 300 m geoenergiapotentiaalista koostuu kahdesta rasterimuotoisesta kartasta, jotka sisältävät laskennalliset arviot (1) varastoituneen lämpöenergian määrästä [GWh] ja (2) jatkuvasti uusiutuvasta lämmöntuottotehosta [W], kun kyseessä on 300 m syvä energiakaivo. Ne osoittavat geoenergiapotentiaalin aluekohtaisen saatavuuden ja vaihtelun. Arvioilla pyritään antamaan lisätietoa Suomen geoenergian hyödyntämisen potentiaalista Työ- ja elinkeinoministeriön (TEM) laatiman kansallisen ilmasto- ja energiastrategian tavoitteisiin sekä vastaamaan EU:n energia- ja ilmastotavoitteisiin. Kartat on tuotettu geoenergiapotentiaalin yleistarkasteluun mittakaavassa 1:1 000 000. Ne eivät sovellu kiinteistökohtaiseen suunnitteluun tai mitoitukseen, eivätkä suurimittakaavaiseen (yli 1:500 000) tarkasteluun. Karttojen solukoko on yksi neliökilometri.
/
In this metadata document and in the maps, the term geoenergy is used to describe the thermal energy and renewable heating power that can be extracted from the uppermost 300 meters of the ground. In scientific literature, the terms shallow geothermal energy and low enthalpy geothermal energy are used as synonyms for geoenergy. In contrast to geoenergy, geothermal energy refers to high temperature thermal energy that is extracted from depths below 300 meters and can be used for heating and electrical power generation. The 300 m geoenergy potential dataset describes the low enthalpy geothermal potential that can be extracted from the uppermost 300 metres of the ground and be used for space heating and/or cooling. The term ground is used to refer to both the crystalline bedrock and to the quaternary sediments that overlay it. The geoenergy potential was estimated computationally by simulating heat transfer in the ground using an axisymmetric borehole model. The active depth of the borehole was fixed to 300 metres and it includes the effects of both the bedrock and the quaternary deposits that possibly overlay the bedrock. The following digital datasets were utilized in the computations: - Bedrock of Finland 1:1 000 000 - Superficial deposits of Finland 1:200 000 (sediment polygons) - Superficial deposits thickness 1:1 000 000 - Borehole temperature logs by GTK - Mean annual air temperature map by the Finnish Meteorological Institute (Pirinen et al., 2012) - Density map of Finland by Pirttijärvi et al. (2013) - Geochemical Atlas of Finland by Gustavsson et al. (1987) The 300 m geoenergy potential dataset comprises two raster maps that provide computational estimates of (1) the stored thermal energy, and (2) the renewable heating power extractable from a 300 m deep borehole. The maps show the areal availability and variation of the geoenergy potential. The maps are intended to provide further information concerning the availability of geoenergy in order to facilitate the national climate and energy strategy of the Finnish Ministry of Economic Affairs and Employment (TEM) and the climate and energy policy of the European Union (EU). The maps were produced to provide a general overview of the geoenergy potential at the scale of 1:1 000 000. They are not suitable for the sizing of ground source energy systems at the level of individual properties nor for large scale investigations (scales larger than 1:500 000). The cell size of the raster maps is 1 km x 1 km.
Käyttötarkoitus:
Purpose:
300 m geoenergiapotentiaali -aineistossa esitetään kvantitatiiviset arviot maankamaran ylimmän 300 metrin sisältämän geoenergian määrästä eri osissa Suomea. Laskennallisilla arvioilla pyritään antamaan lisätietoa Suomen geoenergian hyödyntämisen potentiaalista Työ- ja elinkeinoministeriön (TEM) laatiman kansallisen ilmasto- ja energiastrategian tavoitteisiin sekä vastaamaan EU:n energia- ja ilmastotavoitteisiin. Tarkoituksena on myös tukea kansallista energiahuoltoa ja aluesuunnittelua sekä edistää geoenergian kestävää käyttöä niin pientalojen lämmityksessä kuin suurten kiinteistöjen lämmitys- ja viilennysenergian sekä energian varastoinnin ratkaisuissa. Geoenergiapotentiaalikartoilla halutaan lisäksi osoittaa geologisten ja geofysikaalisten tekijöiden vaikutus sekä nostaa geoenergiakohteiden kokonaissuunnittelun tasoa Suomessa. 300 m geoenergiapotentiaali -aineisto on pieneen mittakaavaan (1:1 000 000) keskiarvostettua tietoa geoenergiapotentiaalista. Aineiston solukoko on yksi neliökilometri. Aineisto ei sovellu kiinteistökohtaiseen tarkasteluun ja mitoitukseen eikä sitä tule tarkastella suuremmassa mittakaavassa kuin 1:500 000.
/
The 300 m geoenergy potential dataset provides an overall view of the quantitative geoenergy potential of the Finnish bedrock for the uppermost 300 meters. The quantitative estimates provide additional information concerning the potential of geoenergy exploitation in Finland to support the national climate and energy strategy of TEM and the climate and energy policy of EU. The purpose is to support the national energy policy and regional planning, and to promote the sustainable utilization of geoenergy for space heating and cooling of households and larger properties and to promote energy storage in ground. The potential maps also aim to show the influence of geological and geophysical factors and to increase the quality of planning of targets utilizing geoenergy in Finland. The 300 m geoenergy potential dataset is averaged information at small scale (1:1 000 000) concerning the geoenergy potential. The cell size of the dataset is one square kilometer. The dataset is not suitable for dimensioning at the level of individual properties and should not be viewed at larger scales than 1:500 000.
Myötävaikuttaneet tahot:
Credits:
Työ- ja elinkeinoministeriö.
Viitedokumentti:
Reference document:



Tietoaineiston kieli:
Language:
englanti/english
Status:
Status:
valmis/completed
Ylläpitotietojen tiedot
Maintenance information
 
Ylläpitotiheys:
Update frequency:
ei suunnitteilla/not planned
Päivityksen laajuus:
Update scope:
Resurssin/Aineiston rajoitteet
Limitations
 
Käyttökelpoisuus:
Use limitation:
300 m geoenergiapotentiaali -aineiston (karttojen) tarkoitus on antaa kvantitatiivinen yleiskuva kallioon varastoituneen geoenergian määrästä ja kallioperän uusiutuvasta lämmöntuottotehosta sekä näiden aluekohtaisista vaihteluista Suomessa. Aineisto on pieneen mittakaavaan yleistettyä ja keskiarvostettua tietoa, eikä sitä ole tarkoitettu kiinteistökohtaiseen tarkasteluun ja mitoituksen. Kartan solukoko on 1 km2. Aineistoa ei sovellu tarkasteltavan suuremmassa mittakaavassa kuin 1:500 000. Paksujen maapeitteiden alueilla, erityisesti Salpausselkä ja harjualueilla, geoenergiapotentiaalikartat sisältävät muita alueita enemmän epävarmuutta. Maalajien lämmönjohtavuus riippuu suuressa määrin raekoosta, huokoisuudesta ja huokostilan täyttämän veden määrästä, ja pohjavesien liikkeet vaikuttavat merkittävästi lämmön siirtymiseen maaperässä. Harjualueilla pohjaveden pinnan syvyys voi olla jopa useita kymmeniä metrejä maanpinnan alapuolella. Kuivalla maaosuudella lämmönsiirtyminen on heikompaa kuin pohjaveden pinnan alapuolella. Geoenergiapotentiaalikartoissa pohjaveden pinnan korkeutta ja veden mukana tapahtuvaa lämmönsiirtymistä (konvektio) ei ole huomioitu. Paksujen maapeitteiden alueet erottuvat kallioperään varastoituneen lämpöenergian kartassa pääsääntöisesti ympäristöään paremman potentiaalin alueina, mikä aiheutuu irtomaakerroksen eristävästä vaikutuksesta ja sitä kautta korkeammasta lähtölämpötilasta kallioperässä. Konvektion seurauksena eristävä vaikutus voi kuitenkin hävitä, jolloin positiivista vaikutusta lämpötilaan ei synny. Jatkuvasti uusiutuvan lämpötehon kartassa paksujen maapeitteiden alueet erottuvat pääosin ympäristöään huonomman potentiaalin alueina, koska maalajien lämmönjohtavuus on huonompi kuin kivilajien lämmönjohtavuus. Veden liike irtomaassa (ja myös kallioperässä) voi kuitenkin parantaa merkittävästi lämmön siirtymistä, jolloin erityisesti karkeiden maalajien alueilla energiakaivo voi parhaimmillaan toimia varsin tehokkaasti. Myös Lapin laajalla rapakallioalueella geoenergiapotentiaalin arvio on epävarma vastaavista syistä kuin paksujen maapeitteiden alueilla. Rapakalliolla ja maapeitteellä on vaikutusta myös energiakaivon porauskustannuksiin, mutta tässä selvityksessä on keskitytty geologisiin tekijöihin. Saaristossa geoenergiapotentiaalikartat sisältävät myös muita alueita enemmän epävarmuutta, koska ympäröivän meren vaikutuksista maankamaran lämpötiloihin ei ole olemassa tarpeeksi tutkimustietoa.
/
The 300 m geoenergy potential dataset is intended to provide a quantitative overview of the geoenergy stored in the bedrock and the renewable heating power extractable from the bedrock and their areal variation in Finland. The dataset is generalized small scale information and it is not intended for inspection and sizing of boreholes at the level of individual households. The cell size of the dataset is 1 square kilometre. The dataset is not suitable for inspection at scales larger than 1:500 000. In areas covered by thick overburden, especially in Salpausselkä and esker areas, the geoenergy potential maps are more uncertain than in other areas. Thermal conductivities of sediments depend strongly on grain size, porosity and the level of saturation. Thus, the movement of groundwater has a strong influence on heat transfer in the overburden. In Salpausselkä and esker areas water table may be even tens of metres below ground surface. In dry sediment, heat transfer is less pronounced than below the water table. In the Geoenergy potential dataset, the influences of the depth of the water table and advection heat transfer were omitted. Areas of thick overburden can be seen in the stored heat map as areas of greater geoenergy potential than the surrounding areas because of the insulating effect of surface sediments. This effect raises the ground temperature level and, thus, the geoenergy potential is greater. However, advection heat transfer may eradicate the insulating effect so that ground temperatures will not be raised. In the renewable heating power map, areas of thick overburden are distinguished as areas of lower geoenergy potential than the surrounding areas. This is because the thermal conductivities of sediments are lower than those of rocks. Advection heat transfer in the overburden (and also in the bedrock) may, however, significantly increase overall heat transfer in which case, especially in coarse grain size areas, borehole heat transfer may work efficiently. In the large weathered rock areas of Lapland, the geoenergy potential estimates are more uncertain for similar reasons as in areas of thick overburden. Weathered rocks and the overburden also influence the drilling costs. However, in this dataset, economical factors were omitted for the sake of geology. Also on islands the geoenergy potential is more uncertain because the influence of the surrounding sea on ground temperatures is not well known.
Lainmukaiset rajoitteet
Lecal constraints
 
Saantirajoitteet:
Access constraints:
lisenssi/license
Käyttörajoitteet:
Use constraints:
tekijänoikeus/copyright
Lupateksti:
Copyright:
© Geologian tutkimuskeskus
Turvallisuusrajoitukset
Security constraints
 
Turvaluokittelu:
Classification:
julkinen/unclassifield
Sijaintitiedon erotuskyky:
Spatial resolution:
Maantieteellinen kattavuus
Geographic bounding box
 
Länsi:
West:
84993.830763
Itä:
East:
731993.830763
Pohjoinen:
North:
7775752.335000
Etelä:
South:
6637752.335000
Ajallinen kattavuus
Temporal reference
 
Aloitus pvm:
Start date:
Lopetus pvm:
End date:
Sijainnillinen ja ajallinen kuvaus:
Description:

Takaisin/Back

Esitystapa (sijaintitieto)
Portrayal
 
Sijaintitiedon esitystapa:
Spatial representation type:
rasteri/grid
Topologian taso:
Topology level:
Nimi:
Name:
Objektin tyyppi:
Type:
Objektien lkm:
Count:

Takaisin/Back

Koordinaattijärjestelmä
Coordinate system
 
Vertausjärjestelmän tunniste
Reference system identifier
Arvo:
Code:
3067
Nimiavaruus:
Namespace:
EPSG

Takaisin/Back

Aineiston laatutiedot
Data quality information
Alkuperätiedot
Source
 
Historia:
History:
Geoenergiapotentiaalin arvioimiseksi simuloitiin maankamarassa johtumalla tapahtuvaa lämmönsiirtoa aksiaalisymmetrisen energiakaivomallin avulla. Geoenergiapotentiaaliin vaikuttavina geofysikaalisina ja geologisina tekijöinä huomioitiin seuraavat muuttujat, jotka on johdettu käytetyistä lähtöaineistoista: -kivilajin lämmönjohtavuus -kivilajin ominaislämpökapasiteetti -kivilajin tiheys -maapeitteen lämmönjohtavuus -maapeitteen tilavuuslämpökapasiteetti -maapeitteen paksuus -maanpinnan vuosittainen keskilämpötila -geoterminen lämpövuo Kivilajit perustuvat GTK:n kallioperäkartan 1:1 000 000 litologisiin kivilajiyksiköihin (Kallioperä 1:1 000 000) ja niiden lämmönjohtavuudet Peltoniemen ja Kukkosen (1995) kivinäytteistä tekemiin laboratoriomittauksiin. Kivilajien ominaislämpökapasiteettina käytettiin kaikille kivilajeille arvoa 728 J/(kg∙K), joka perustuu vuosina 1994-2015 Olkiluodon kivinäytteistä tehtyihin mittauksiin (Kukkonen, 2015). Kivilajien tiheysaineisto perustuu GTK:n yli 130 000 näytteen tietokantaan. Pirttijärvi et al. (2013) interpoloivat tiheysaineiston Inverse Distance Weighting -menetelmällä säännölliseen hilaan, jonka solukoko on 2 km x 2 km. Interpoloinnissa he ottivat huomioon litologisen vaihtelun. Tiheysarvot edustavat 4 km2 kokoisen alueen keskiarvoa. Maalajit perustuvat GTK:n maaperän yleiskartan 1:200 000 pohjamaalajitietoon. Pohjamaalajien lämmönjohtavuuden arvot perustuvat kirjallisuuslähteisiin (Aittomäki ja Saviharju, 1971; Blomberg et al., 2015). Maapeitteen paksuus perustuu GTK:n päivitettyyn maapeitepaksuuskarttaan (Maapeitepaksuus 1:1 000 000), jossa aineiston solukoko on 250 m x 250 m. Maanpinnan keskilämpötila perustuu Ilmatieteen laitoksen laskemaan ilman keskilämpötilaan vertailukaudelle 1981-2010 (Pirinen et al., 2012). Pirinen et al. (2012) yleisti keskilämpötilan Kriging -menetelmää käyttäen säännölliseen hilaan, jonka solukoko oli 1 km x 1 km. Maanpinnan vuotuinen keskilämpötila laskettiin ilman keskilämpötilan avulla käyttäen relaatiota Tmaanpinta=0,71∙Tilma+2,93 (Kukkonen, 1986). Maanpinnan keskilämpötila-arvot edustavat yhden neliökilometrin kokoisen alueen keskiarvoa. Geoterminen lämpövuo perustuu Kukkosen (1989) esittämään menetelmään, jossa lämpövuo lasketaan radiogeenisen lämmöntuoton avulla. Laskennassa käytettiin Suomen geokemiallisesta atlaksesta (Gustavsson et al. 1987) otettuja kalium-, uraani- ja thoriumpitoisuuksien määrityksiä ja GTK:n porarei’istä mittaamia lämpötilaprofiileja. Lähteet: -Aittomäki, A. ja Saviharju, K., 1971. Maalajien lämpöteknillisistä ominaisuuksista. Valtion tekninen tutkimuslaitos, Lämpöteknillinen laboratorio, Tiedonanto 14. sivumäärä s. -Blomberg, T., Claesson, J., Eskilson, P., Hellström, G. & Sanner, B., 2015. Earth Energy Designer. Software manual, v. 3,22. 82 p. -Gustavsson, N., Koljonen, T., Noras, P. and Tanskanen, H., 1987. Geochemical Atlas of Finland. In: 12th Int. Geochemical Exploration Symposium, Orleans, France, April 23-26, 1987. Bur. Rech. Geol. Min., 163 p. -Kukkonen, I., 1986. Menneisyyden ilmastonmuutoksen vaikutus kallion lämpötilaan ja lämpötilagradienttiin Suomessa. Geologian tutkimuskeskus, Espoo, Tiedonanto YST-51. 70 s. -Kukkonen, I., 1989. Terrestrial heat flow and radiogenic heat production in Finland, the central Baltic Shield. Tectonophysics 164, 219-230. -Kukkonen, I., 1993. Heat flow map of northern and central parts of the Fennoscandian Shield based on geochemical surveys of heat producing elements. Tectonophysics 225, 3-13. -Peltoniemi, S. & Kukkonen, I. 1995. Kivilajien lämmönjohtavuus Suomessa: yhteenveto mittauksista 1964-1994. Geologian tutkimuskeskus, arkistoraportti Q18/95/1. 14.s. Saatavissa: http://tupa.gtk.fi/raportti/arkisto/q18_95_1.pdf -Pirinen, P., Simola, H., Aalto, J., Kaukoranta, J-P., Karlsson, P. & Ruuhela, R., 2012. Tilastoja Suomen ilmastosta 1981-2010. Ilmatieteen laitos, raportti 2012:1, Helsinki. 96 s. -Pirttijärvi, M., Elo, S. & Säävuori, H., 2013. Lithologically Constrained Gridding of Petrophysical Data. Geophysica 49 (1-2), 33-51.
/
To produce the Geoenergy potential dataset, heat transfer in the ground was simulated using an axisymmetric borehole model. The geological and geophysical factors influencing the geoenergy potential were derived from the source data and included the following variables: -thermal conductivity of bedrock -specific heat capacity of bedrock -density of bedrock -thermal conductivity of overburden -thickness of quaternary sediments -volumetric heat capacity of overburden -mean annual ground temperature -geothermal heat flux The rock types were based on the lithological units presented in the bedrock map of Finland 1:1 000 000 and their thermal conductivities were based on the laboratory measurements by Peltoniemi and Kukkonen (1995). The specific heat capacity was assigned the constant value of 728 J/(kg•K) for each rock type. This value was based on laboratory measurements from rock samples taken in Olkiluoto during 1994 2015 (Kukkonen, 2015). The bedrock density dataset was based on the petrophysical database of GTK comprising over 130 000 samples. Pirttijärvi et al. (2013) interpolated bedrock density using the Inverse Distance Weighthing method to a regular grid with the cell size of 2 km x 2 km. The interpolation method took the lithological variation of the Finnish bedrock into account. The density values represent the mean of a 4 square kilometer area. Sediment types were based on the GTK bottom sediment dataset at the 1:200 000 scale. The thermal conductivities of sediment types were based on values from literature (Aittomäki ja Saviharju, 1971; Blomberg et al., 2015). The superficial deposits thickness dataset was based on the updated superficial deposits thickness map of Finland at the scale of 1:1 000 000. The dataset was a raster dataset with a cell size of 250 m x 250 m. The mean annual ground temperature (MAGT) was based on the mean annual air temperature (MAAT) estimated by the Finnish Meteorological Institute for the period 1981-2010 (Pirinen et al., 2012). Pirinen et al. (2012) interpolated MAAT for the whole Finland using the Kriging method. The cell size of the MAAT dataset was 1 km x 1 km. MAGT was calculated from MAAT using the relation Tground=0,71∙Tair+2,93 (Kukkonen, 1986). The MAGT values represent the average over an area of one square kilometer. The geothermal heat flux dataset was produced using the method presented in Kukkonen (1989). The method uses radiogenic heat production values to estimate the geothermal heat flux. The radiogenic heat production values used in the production of the dataset were based on the uranium, thorium and potassium measurements taken from the Geochemical Atlas of Finland (Gustavsson et al., 1987). To relate radiogenic heat production to geothermal heat flux, borehole temperature logs by GTK were used. Source: -Aittomäki, A. ja Saviharju, K., 1971. Maalajien lämpöteknillisistä ominaisuuksista. Valtion tekninen tutkimuslaitos, Lämpöteknillinen laboratorio, Tiedonanto 14. sivumäärä s. -Blomberg, T., Claesson, J., Eskilson, P., Hellström, G. & Sanner, B., 2015. Earth Energy Designer. Software manual, v. 3,22. 82 p. -Gustavsson, N., Koljonen, T., Noras, P. and Tanskanen, H., 1987. Geochemical Atlas of Finland. In: 12th Int. Geochemical Exploration Symposium, Orleans, France, April 23-26, 1987. Bur. Rech. Geol. Min., 163 p. -Kukkonen, I., 1986. Menneisyyden ilmastonmuutoksen vaikutus kallion lämpötilaan ja lämpötilagradienttiin Suomessa. Geologian tutkimuskeskus, Espoo, Tiedonanto YST-51. 70 s. -Kukkonen, I., 1989. Terrestrial heat flow and radiogenic heat production in Finland, the central Baltic Shield. Tectonophysics 164, 219-230. -Kukkonen, I., 1993. Heat flow map of northern and central parts of the Fennoscandian Shield based on geochemical surveys of heat producing elements. Tectonophysics 225, 3-13. -Peltoniemi, S. & Kukkonen, I. 1995. Kivilajien lämmönjohtavuus Suomessa: yhteenveto mittauksista 1964-1994. Geologian tutkimuskeskus, arkistoraportti Q18/95/1. 14.s. Saatavissa: http://tupa.gtk.fi/raportti/arkisto/q18_95_1.pdf -Pirinen, P., Simola, H., Aalto, J., Kaukoranta, J-P., Karlsson, P. & Ruuhela, R., 2012. Tilastoja Suomen ilmastosta 1981-2010. Ilmatieteen laitos, raportti 2012:1, Helsinki. 96 s. -Pirttijärvi, M., Elo, S. & Säävuori, H., 2013. Lithologically Constrained Gridding of Petrophysical Data. Geophysica 49 (1-2), 33-51.
Prosessointihistoria:
Process step:
Kivilajit perustuvat GTK:n kallioperäkartan 1:1 000 000 litologisiin kivilajiyksiköihin (kivilajinimi ja kivilajiassosiaatio), jotka ovat vektorimuotoista aineistoa (polygoni). Kivilajit luokiteltiin lämmönjohtavuuden mukaan perustuen Peltoniemen ja Kukkosen (1995) tekemiin kivinäytteiden laboratoriomittauksiin. Luokiteltujen kivilajien lämmönjohtavuus vaihteli välillä 1,78-4,75 W/(m∙K). Luokittelun jälkeen vektoriaineisto muutettiin rasteriksi solukoolla 1km x 1km. Kivilajien ominaislämpökapasiteettina käytettiin kaikille kivilajeille arvoa 728 J/(kg∙K), joka perustuu Olkiluodon kivinäytteiden laboratoriomittauksiin 1994-2015 (Kukkonen, 2015). Kivilajien tiheys perustuu Pirttijärven et al. (2013) interpoloimaan aineistoon, jonka solukoko on 4 km2 ja formaatti Geosoftin grd-tiedosto. Tiheyden vaihteluväli aineistossa on 2402,18-3001,05 kg/m3. Tiheysarvot edustavat 4 km2 kokoisen alueen keskiarvoa. Tiheysaineisto on lähtöaineistoista pienimmässä mittakaavassa eli epätarkin. Maalajit perustuvat GTK:n maaperän yleiskartan 1:200 000 pohjamaalajitietoon. Aineisto on vektorimuodossa (polygoni). Maalajit luokiteltiin lämmönjohtavuuden mukaan perustuen kirjallisuuslähteisiin (Aittomäki ja Saviharju, 1971; Blomberg et al., 2015). Luokiteltujen maalajien lämmönjohtavuus vaihteli välillä 1,70-2,40 W/(m∙K) olettaen, että maarakeiden välinen huokostila on vedellä kyllästynyt. Luokittelun jälkeen vektoriaineisto muutettiin rasteriksi solukoolla 1km x 1km. Maalajien tilavuuslämpökapasiteetti vakioitiin käyttämällä kaikille maalajeille arvoa 2,4 MJ/(m3∙K). Maapeitteen paksuus perustuu GTK:n päivitettyyn maapeitepaksuuskarttaan 1:1 000 000, joka on rasterimuodossa ja jonka solukoko 250 m x 250 m eli 6,25 ha. Maapeitteen paksuuden vaihteluväli aineistossa on 0-153,35 m. Maapeitteen paksuusaineiston solukoko kasvatettiin 1km2:iin. Maapeitteen paksuus vaikuttaa geoenergiapotentiaaliin siitä syystä, että maalajien termiset ominaisuudet poikkeavat kivilajien vastaavista ominaisuuksista. Ilman vuosittainen keskilämpötila perustuu Ilmatieteen laitoksen interpoloimaan aineistoon, jonka havainnot on kerätty ilmastolliselta vertailukaudelta 1981-2010 (Pirinen et al., 2012). Aineiston solukoko on 1 km x 1 km, jolloin lämpötila-arvot edustavat 1 km2 kokoisen alueen keskiarvoa. Aineisto maanpinnan vuosittaisesta keskilämpötilasta johdettiin ilman vuosittaisesta keskilämpötilasta Kukkosen (1986) esittämällä kaavalla Tmaanpinta=0,71∙Tilma+2,93. Geoterminen lämpövuo johdettiin Kukkosen (1989) esittämää menetelmää käyttäen, jossa radiogeenisen lämmöntuoton ja geotermisen lämpövuo välille johdettiin lineaarinen relaatio. Uusia lämpötilamittauksia hyödyntäen johdettiin päivitetty relaatio Qgeoterminen= 10,491•Qradiogeeninen+15,792. Relaatiota käyttäen laskettiin uudet lämpövuon arvot, jotka yleistettiin käyttäen Kriging-menetelmää säännölliseen hilaan. Hilan solukoko oli 1 km x 1 km. Maankamarassa johtumalla tapahtuvaa lämmönsiirtoa simuloitiin aksiaalisymmetrisessä geoemetriassa COMSOL Multiphysics® -ohjelmistolla (v.5,3). Energiakaivon reunalle asetettiin lämpötilaksi 0 celsiusastetta ja simulointia jatkettiin, kunnes kaivon ja maankamaran välille syntyi terminen tasapainotila. Geoenergiapotentiaalikartat laadittiin tekemällä laskenta kahdessa vaiheessa. Ensimmäisessä vaiheessa valittiin satunnaisesti 4356 karttapistettä, joille haettiin lähtöaineistoista muuttujien arvot. Jokaiselle pisteelle suoritettiin simulointi ja tuloksena saatiin lämpövuo kaivon reunan läpi. Lämpövuo lähestyi asymptoottisesti vakioarvoa, joka edustaa uusiutuvaa lämpötehoa laskentapisteellä. Laskentapisteen lämpövarasto laskettiin integroimalla kaivon reunan yli kulkeva lämpövirta ajan suhteen ja erottamalla lopputuloksesta uusiutuvan lämpötehon vaikutus. Laskennan toisessa vaiheessa käytettiin kolmikerroksisia ns. eteenpäin syöttäviä neuroverkkoja luomaan tuloskartat laskenta-ajan säästämiseksi. Laskenta toteutettiin Python-ohjelmointikielellä käyttäen TensorFlow™- ja Keras-kirjastoa. Neuroverkkojen virheenarviointi tehtiin 1144 satunnaisesti valitussa testipisteissä. Keskimääräiset virheet olivat energiavarastoa estimoivalle neuroverkolle 0,25 % ja uusiutuvaa lämpötehoa estimoivalle neuroverkolle 0,16 %.
/
The rock types were based on the lithological units of the GTK digital bedrock map 1:1 000 000 (based on their rock names and rock associations). The bedrock map was in vector format. Each rock type was assigned a thermal conductivity from the database of laboratory measurements by Peltoniemi and Kukkonen (1995). The thermal conductivities of rock types ranged from 1.78 to 4.75 W/(m•K). Once each rock type was assigned a thermal conductivity, the polygon dataset was rasterized. The specific heat capacity of each rock type was assigned the constant value of 728 J/(kg∙K). This value was based on laboratory measurements of rock samples taken from Olkiluoto during 1994-2015 by Kukkonen (2015). The density of bedrock was based on the Geosoft grid dataset created using interpolation by Pirttijärvi et al. (2013). The cell size of the density dataset was 4 square kilometers. The density ranged from 2402 to 3001 kg/m3. The density values represent averages over 4 square kilometer areas. The density dataset had the smallest scale and was the most generalized of all the datasets used. The sediment types were based on the digital quaternary deposit map of Finland at the scale of 1:200 000 and on information about the base sediment type. The quaternary deposit dataset was in vector format. The thermal conductivities of sediment types were assigned representative values according to literature (Aittomäki ja Saviharju, 1971; Blomberg et al., 2015) assuming that the sediment deposits were fully saturated. The thermal conductivities varied from 1.7 to 2.4 W/(m∙K). The volumetric heat capacity of the sediment types was assumed the constant value of 2.4 MJ/(m3∙K). Once the sediment types were assigned thermal conductivities, the dataset set was rasterized to the cell size of 1 km x 1 km. The sediment thickness was based on the updated version of the GTK digital superficial deposits thickness dataset at the scale of 1:1 000 000. The dataset had the cell size of 250 m x 250 m. Sediment thickness varied from 0 to 153 meters in the dataset. The original dataset was averaged to a more general dataset having the cell size of 1 km x 1 km. Sediment thickness has an effect on the geoenergy potential because the thermal conductivity of sediment is usually lower than the thermal conductivity of crystalline rock. The mean annual air temperature (MAAT) dataset was created by the Finnish Meteorological Institute for the climatological normal period 1981-2010 by Kriging interpolation (Pirinen et al., 2012). The cell size of the dataset was 1 km x 1 km. The mean annual ground temperature (MAGT) dataset was derived from the MAAT dataset using the linear relation Tground=0.71∙Tair+2.93 (Kukkonen, 1986). The geothermal heat flux dataset was derived using the method presented by Kukkonen (1989). The method relates geothermal heat flux to radiogenic heat production. An updated relation was calculated using new borehole temperature measurements. The new relation was Qgeothermal=10,491•Qradiogenic+15,792 and it was used to calculate new estimates of the geothermal heat flux. The heat flux estimates were then interpolated into a regular grid having the cell size of 1 km x 1 km using the Kriging interpolation method. Conductive heat transfer in the ground was simulated in an axisymmetric geometry using COMSOL Multiphysics® version 5.3. The boundary between the borehole and the ground was set to 0 °C and simulation was carried out until a thermal equilibrium was reached between the borehole and ground. The maps describing the geoenergy potential were prepared in two stages. In the first stage a random sample of 4356 calculation points were chosen and parameter values for each of the points were determined from the datasets. Heat transfer simulation was then carried out for each point which resulted in values of heat flow through the borehole wall as a function of time. The heat flow approaches asymptotically a constant value which represents the renewable heating power at the calculation point. The amount of heat stored at the calculation point was estimated by integrating the heat flow through the borehole wall in time and subtracting the effect of the renewable heating power from the result. In the second stage, feed forward neural networks with three layers were used to produce the geoenergy potential maps. Neural networks were used in order to circumvent the high computational cost of COMSOL Multiphysics® simulations. The computations were carried out using the Python programming language and the TensorFlow™ and Keras libraries. The neural networks were validated using 1144 independently calculated test points. The average relative error for the neural network predicting the stored energy amount was 0.25 %. For the neural network predicting the renewable heating power, the average relative error was 0.16 %.
Prosessointiympäristö:
Processing environment:
Lähtöaineistot käsiteltiin Esrin ArcMap -ohjelmistolla. Energiakaivomalli ja lämmönsiirtymisen simulointi tehtiin COMSOL Multiphysics® -ohjelmistolla (v.5,3). Geoenergiapotentiaalikarttojen laskenta tehtiin käyttämällä kolmikerroksisia eteenpäin syöttäviä neuroverkkoja tuloskarttojen luomiseksi. Laskenta toteutettiin Python-ohjelmointikielellä käyttäen TensorFlow™- ja Keras -kirjastoa. Laskennan perusteella saatujen tuloskarttojen jatkokäsittelyssä lopullisten karttojen laatimiseksi käytettiin ArcMap -ohjelmistoa.
/
The source data was processed using Esri’s ArcMap GIS software. Heat transfer simulations were carried out using the COMSOL Multiphysics® finite element analysis software. The production of the geoenergy potential datasets were carried out using three-layer feed forward neural networks. The neural networks were implemented in the Python programming language using the TensorFlow™ and Keras libraries. The final maps were produced using ArcMap.
Aineiston laaturaportti - Sääntöjenmukaisuus
Data quality report - Regulation
 
INSPIRE-sääntöjenmukaisuus:
INSPIRE-conformity:
false
Määrittely:
Definition:
Määrittelyn päivämäärä:
Definition date:
Toiminto:
Operation:
päivitys/revision

Takaisin/Back

Aineiston jakelutiedot
Distribution
 
Jakelija
Distributor
 
Yhteystiedot
Contact
 
Nimi:
Name:
Aineistomyynti
Organisaatio:
Organisation:
Geologian tutkimuskeskus
Rooli:
Role:
omistaja/owner
Puhelinnumero:
Phone number:
0295030000
Katuosoite:
Address:
PL 96 (Vuorimiehentie 5)
Postinumero:Post number 02151
Postitoimipaikka:
Post office:
ESPOO
Sähköpostiosoite:
E-mail:
geodata@gtk.fi
Saatavilla oleva formaatti
Distribution format
 
Jakeluformaatin nimi:
Format name:
Ei saatavissa INSPIRE-yhteensopivassa muodossa
Tiff



Jakeluformaatin versio:
Version:
Jakeluformaatin määrittely:
Specification:
Tilausohjeistus
Order process
 
Maksut ja maksuaika:
Fees and payment time:
Palvelutunnit:
Planned available date time:
Tilausohjeet:
Ordering instruction:
Online-osoite (URL):
Online-address:
http://hakku.gtk.fi
Jakelutapa:
Delivery method:
informaatiota/information
Offline-jakelu:
Off-line distribution:
Median nimi:
Media name:
on-line/online

Takaisin/Back

Kohde- ja ominaisuustiedot
Feature and attribute information
 
Ominaisuustiedot:
Attribute information:

 

Takaisin/Back