Gold encrusted grey rock

Ympäristömallinnukset kaivoshankkeessa – tunnista hyvät käytännöt

Ympäristömallinnukset kaivoshankkeessa – tunnista hyvät käytännöt 

Erilaisia malleja on alettu soveltaa enenevässä määrin kaivosalan ympäristöselvityksissä. Mallintaminen onkin viisaasti käytettynä erinomainen arviointikeino, mutta mallien käyttöön liittyy myös sudenkuoppia.

Mallin rakentaa ja sitä käyttää ihminen, joten malli huomioi erilaisia tekijöitä mallintajan määrittelemässä laajuudessa ja mallintajan määrittelemällä tavalla. Malli on siis asiantuntijan matemaattinen jatke. Mallinnusohjelman käytön osaaminen sinänsä ei siis tee kenestäkään hyvää mallintajaa, vaan lähtökohtana täytyy olla mallin käyttäjän sovellusalakohtainen asiantuntemus. Mikään laskentamalli ei myöskään toimi kuten tarujen viisasten kivi, joka avulla voi muuttaa rautaa kullaksi. Toisin sanoen laadukas mallinnustyö edellyttää laadukkaita syötetietoja, joiden tuottaminen voi vaatia paljon aikaa ja taloudellisia resursseja. Lähtöaineiston laatuun ja määrään kannattaa panostaa, sillä tulosten käyttökelpoisuus on tyypillisesti sitä suurempi mitä kattavampi on saatavilla oleva lähtöaineisto. 

Mallintamalla voidaan laatia ennusteita esimerkiksi kaivoksen kuivatustarpeesta ja pohjaveden pinnan alenemasta ja kaivannaisjätealueelta suotuvan veden määrästä ja laadusta. Mallintamalla voidaan arvioida ennakkoon myös avolouhoksen tai maanalaisen kaivoksen veden laatua tai louhosjärven muodostumista ja louhosjärven kemiallista käyttäytymistä sulkemisen jälkeen. Mallinnusta voidaan käyttää myös vesi- ja kuormataseiden tuottamiseen ja vesistövaikutusten arviointiin. Myös kaivosten pöly- ja meluvaikutuksia mallinnetaan. Usein malleissa käytetään toisten mallien tuloksia lähtötietoina ja malliketjutuksen lopputulos voi riippua - ja usein riippuukin - ketjun ensimmäisen mallin lähtötiedoista, tehdyistä yksinkertaistuksista ja oletuksista. Tällaisessa jatkumossa muodostuu myös epävarmuuksia, jotka on tunnistettava ja hallittava. 

Kaivosalan toiminnanharjoittajat ostavat mallinnustyötä ja käyttävät sen tuloksia. Viranomaiset ja rahoittajat käsittelevät mallinnustöitä tarkastajan roolissa. Myös konsultit joutuvat tarkistamaan mallinnustyötä: oman mallin syötteeksi voi tulla tuloksia jonkun toisen tekemästä mallista. Kaikkien näiden toimijoiden tuleekin osata tunnistaa hyvät mallinnuskäytännöt sekä osata arvioida syötetietojen riittävyyttä ja kelvollisuutta. Mitä nämä hyvät mallinnuskäytännöt kaivoshankkeiden ympäristömallinnukseen liittyen sitten ovat? 

Konseptualisointi eli käsitteellistäminen mallinnustyön perustana 

Konseptualisointi eli käsitteellistäminen on eräs kaivosympäristön mallintamisen kriittisimmistä työvaiheista. Käsitteellinen malli määrittelee mallinnettavan kokonaisuuden sisäiset tapahtumat ja vuorovaikutukset ”ulkopuolisen maailman” kanssa. Konseptualisointi voidaan esittää esimerkiksi vuokaavioina, jotka kuvaavat veden tai jonkin muun seurattavan aineen, kuten typen, kulkua ja muuntumista kaivoksen prosesseissa. Kuvaukseen sijoitetaan kaikki seurattavan aineen lähteet, poistumat ja kulkureitit systeemissä.  Käsitteellinen malli laaditaan ennen numeerista mallintamista ja se määrittelee myös numeerisessa mallissa huomioitavat asiat. Puutteellinen käsitteellinen malli johtaa siis numeeriseen malliin, joka ei huomioi kaikkia tarpeellisia tekijöitä – tai huomioi ne väärin.  

Konseptualisointi on myös tärkein tapa viestiä mallin sisältö ja toiminta mallinnusraportin käyttäjille, ja se on siten myös keskeinen osa mallinnuksen dokumentointia. Kattava ja ymmärrettävä käsitteellinen malli on perusta, jonka varaan malli rakennetaan ja eräs hyvän mallinnustyön tunnusmerkeistä. Huolellisesti esitetty käsitteellinen malli helpottaa myös työn tarkastamista. 

Mallintamisen hierarkia
Mallintamisen hierarkia

Kriittinen suhtautuminen lähtötietoihin 

Mallinnukseen tarvittaviin lähtötietoihin liittyy monenlaisia haasteita. Esimerkiksi käytettäessä mallien tuottamia tuloksia toisen mallin lähtötietoina, voi lähtötietona käytettävän mallin tulosten luotettavuus olla hankala varmentaa. Jos malli taas käyttää lähtötietona suoraan mitattua dataa, voi lähtötietojen hankkiminen viedä runsaasti aikaa ja vaivaa. Käytettävissä oleva aika ja budjetti vaikuttavat lähtötietojen hankintaan. Lähtötietojen kattavuus ja tarkkuus taas vaikuttavat siihen, mihin ja millä tavalla mallin tuloksia voidaan hyödyntää. 

Kaivosten pohjavesimallinnus sopii esimerkiksi siitä, miten lähtötietojen hankkiminen voi viedä aikaa ja resursseja. Pohjavesimallinnuksen hyvä tarkkuus edellyttää mm. maaperän paksuuden ja vedenjohtavuuden määrittämistä sekä kallioperän rakoilleen vyöhykkeen (pintakallion) paksuuden ja vedenjohtavuuden määrittämistä. Lisäksi tarvitaan kallioperän ruhjeiden vedenjohtavuuksien arviointia. Näiden tietojen hankinta edellyttää esimerkiksi kairarei’istä tehtäviä vedenjohtavuusmittauksia, maatutkauksia ja muita geofysikaalisia tutkimuksia. 

Hyvä esimerkki lähtötietojen luotettavuuden arvioinnin vaativuudesta löytyy malliketjun loppupäästä, vesistövaikutusten arvioinnista. Arvioinnissa käytettävän sekoittumis- ja leviämismallinnuksen lähtötiedot ovat monesti useamman mallin ketjutuksen lopputuloksia. Vesistökuormituksen arviointiin tarvitaan esimerkiksi kaivoksen vesi- ja kuormataseita, ilmastodataa, operatiivista dataa ja suotovesien pitoisuuksia.  

Helppoa tarkastajan työ ei ole mallinnusketjun alkupäässäkään.  Esimerkiksi rikastushiekan suotovesiarvion tarkastaminen alkaa siitä, kuinka rikastushiekkaan suotautuvan veden määrä on arvioitu. Seuraavaksi on tarkastettava, miten arvioinnissa on huomioitu prosessiveden laatu, rikastushiekan pitkäaikaiskäyttäytyminen ja läjityksessä tapahtuvat reaktiot. Suotovesien pitoisuuksien arvioinnissa syötteenä käytettyjen laboratoriotulosten on perustuttava tarkoitukseen sopiviin menetelmiin ja näytteenoton on oltava edustava. On varmistettava, että vesilaatumallissa laboratoriokokeiden ja todellisen ympäristön eroavaisuudet on huomioitu. Tällaisia eroja ovat esimerkiksi kiintoaineen ja veden kontaktisuhde sekä lämpötila. Vastaavissa arvioissa sivukivialueille on myös huomioitava raekokoerot. Kaivoksen kuivatusveden laatuarviosta taas on löydyttävä huomioituna kaivokseen tulevien vesien laadut, louhosseinämävaikutus ja mahdollisen louhostäytön vaikutus. Kivilaatujen tulee edustaa louhosseinämiä oikeissa määräsuhteissa ja todellisen louhoksen ja laboratorion raekokoerot huomioiden. 

Eräs tyypillinen lähtötietoihin liittyvä huomiota vaativa asia on lähtötietojen muuttuminen kesken projektin. On mahdollista, jopa todennäköistä, että hankesuunnitelmaan tehdään merkittäviä teknisiä muutoksia sen jälkeen, kun mallin lähtötiedot on koottu tai laadittu. Jos vaikkapa louhoksen laajuus muuttuu, aikaisempi sivukivinäytteenotto ei välttämättä ole enää edustava. Jos taas läjitysalueen mittasuhteita tai läjitystapaa muutetaan, suotovesilaatu todennäköisesti muuttuu: onhan veden ja kiintoaineen kontaktisuhde muuttunut ja myös kyllästyneisyysolosuhteet ovat saattaneet muuttua.  Nämä muutokset saattavat edellyttää koko mallinnusketjun uudelleenlaskentaa päivitetyillä lähtötiedoilla.  

Lähtötietoihin liittyvien työvaiheiden hyvä dokumentointi säästää aikaa sekä mallinnustiimiltä että työn tarkastajilta. Lähtötietojen läpinäkyvyys on eräs hyvän mallinnustyön tunnusmerkeistä. Läpinäkyvyydellä tarkoitetaan tässä sitä, että mallinnukseen käytetyt lähtöarvot ja parametrit on esitetty dokumentoinnissa ja arvioinnin pohjana käytetyt mittaustiedot ovat saatavilla.  On myös hyväksyttävä, että lähtötietojen tarkistaminen ja hyväksyminen saattaa edellyttää melko suurta ja monipuolista asiantuntijajoukkoa.  

Laadunvarmistus läpinäkyväksi 

Laadunvarmistus on tärkeä osa mallintamista. Eri malleissa ja eri mallinnustilanteissa käytetään erilaisia laadunvarmistustoimenpiteitä, mutta yleensä mallin laadun tarkastamisessa voidaan erottaa neljä eri vaihetta: validointi, kalibrointi, verifiointi ja herkkyysanalyysi. 

Uusien mallinnustyökalujen kehityksessä tai työkalujen uudenlaisessa soveltamisessa validointi on keskeisessä roolissa. Validoinnissa todetaan, että malli toistaa mallinnettavaksi valitut ilmiöt toivotulla tavalla. Yleisesti käytössä olevien mallien laskentamenetelmät on validoitu vertaamalla mallin tuottamia tuloksia analyyttisiin tuloksiin, mittauksiin ja toisten mallien tuloksiin. 

Kun malli on validoitu, sitä voidaan soveltaa. Malli sovitetaan yksittäiseen kohteeseen kalibroinnin avulla, jossa mallin ns. vapaita parametreja säädetään, kunnes mittaukset ja mallitulokset vastaavat toisiaan mahdollisimman hyvin. Kalibrointi voidaan nähdä myös yleisemmin sovellettavissa olevan mallin kohdekuvauksen täydentämisenä siten, että se kuvaa yksittäistä mallinnettavaa kohdetta mahdollisimman hyvin.  

Mallin verifioinnissa mallilla simuloidaan sellaista tapausta tai aikajaksoa, jota ei ole käytetty mallin kalibroinnissa, mutta josta on saatavilla mittauksia. Vertaamalla mallin sopivuutta mittauksiin kalibrointijaksolla ja verifiointijaksolla voidaan arvioida mallin yleispätevyyttä, jos malli toimii yhtä hyvin kalibrointi- ja verifiointitapauksissa, voidaan mallin arvioida toimivan hyvin monenlaisissa olosuhteissa. Mikäli malli ei toista verifiointijaksoa hyvin, on se ehkä hyvä malli kalibrointijaksolla, mutta ei välttämättä yleisesti. 

Herkkyysanalyysissä vaihdellaan mallin parametrien ja lähtötietojen arvoja, ja katsotaan tuloksista miten paljon yksittäisen parametrin tai lähtötiedon muuttuminen vaikuttaa lopputulokseen. Herkkyystarkasteluilla voidaan pureutua vielä kerran syötetietojen riittävyyteen. Joskus malli voi osoittautua erityisen herkäksi sellaiselle tekijälle, jonka osalta lähtötietojen edustavuus on heikko. Tällöin lähtötietoja voi olla tarpeen täydentää ja todennäköisesti mallinnustyökin on uusittava. On huomioitava, että joidenkin lähtötietojen täydentäminen on hidasta, joten edessä voi olla kuukausien tai vuosien täydennysurakka. Yllätyksiltä herkkyysanalyysivaiheessa voi välttyä, jos mallinnusta tekee kokenut tiimi, joka pystyy jo ennakolta kohdistamaan oikeanlaisia vaatimuksia lähtötiedoille. Herkkyystarkasteluilla tuotetaan tehokkaasti tietoa myös riskinarviointiin: missä kohdassa lähtötietojen epävarmuus voi olla erityisen vaarallista lopputulosten luotettavuuden kannalta? 

Mallinnustyön laadunvarmistuksen tukipilareita: validointi, kalibrointi, verifiointi ja herkkyystarkastelut.
Mallinnustyön laadunvarmistuksen tukipilareita: validointi, kalibrointi, verifiointi ja herkkyystarkastelut

Iteratiivinen ja tarkentuva mallintaminen 

Erilaisia malleja ja eri tarkkuustason mallinnusta voidaan käyttää apuna kaivosprojektin etenemisen eri vaiheissa. Suunnittelun yhteydessä kaikkia tarvittavia lähtötietoja ei ole vielä saatavilla, mutta konseptuaalisen tason mallinnuksen avulla voidaan saada systeemistä tietoa, jota ei muuten tulisi ehkä ajatelleeksi. Esimerkiksi vesitasemalli on hyvä tapa pistää useamman asiantuntijan tiedot yhteen ja tällä tavalla saada kokonaiskuva koko systeemistä yhdellä kertaa – kokonaiskuvaa vesien kulusta onkin muulla tavalla varsin hankala saada aikaiseksi. Kaivosprojektin edistyessä ja lähtötietojen tarkentuessa voidaan ottaa käyttöön parempia malleja ja menetelmiä ja sitä kautta päästä lopputuloksiin, joiden tarkkuustaso vastaa asetettuja tavoitteita.  Oleellista tässä on, että mallit rakennetaan siten, että kerran tehtyä mallikokonaisuutta on helppo muuttaa ja ajaa tulokset uusiksi. Koko mallinnussysteemi toimii tässä siis asteittain täydentyvänä ja tarkentuvat kokonaisuutena. 

Eväitä mallinnustyön tarkastajalle ja käyttäjälle 

Kun mallintaminen valitaan ympäristöselvitysten työkalupakkiin, valinnan on oltava perusteltavissa, kuten minkä hyvänsä muunkin tekniikkavalinnan. Mallinnuksen on annettava suoraan tai välillisesti tietoja, joita tarvitaan hankkeen suunnittelussa ja vaikutusarvioinnissa. Mallien toteutuksessa on hyvä ottaa huomioon se, että mallinnukset on useinkin uusittava yhden tai useamman kerran. Mallinnus lisää tietämystä systeemin toiminnasta ja systeemin kokonaiskuvasta. Mallinnuksen avulla saavutettu lisääntynyt tietämys voi aiheuttaa muutoksia suunnitteluun. Arvioinnissa käytettyjen mallien ylläpidettävyys ja jatkokäyttömahdollisuudet kannattaa ottaa siis mallinnustöiden suunnittelussa huomioon. 

Vaativaa ja yksityiskohtaista mallia ei kannata laatia, jos lähtötietojen taso on vasta alustava tai niiden edustavuudessa on epäselvyyksiä.  Tarkkuuteen pyrkivän ja yksityiskohtaisia lähtötietoja vaativan mallinnustekniikan käyttäminen yhdistettynä heikkoihin lähtötietoihin voi pahimmillaan antaa sekä harhaanjohtavat tulokset että harhaanjohtavan vaikutelman pitkälle edenneestä selvitystyöstä. Lähtötietojen tuottamistapa on oltava kuvattuna ja edustavuus perusteltuna.  

Mallinnustyö, kuten muukin ympäristöalan selvitystyö on pyrittävä dokumentoimaan siten, että toinen asiantuntija pystyisi tarvittaessa toistamaan työn. Mallista on oltava saatavilla käsitteellinen kuvaus, josta käy ilmi mitä perustietoja, ilmiöitä ja vuorovaikutuksia mallinnustyössä on huomioitu. Mallinnustyön kattavuutta ja perusteita on pystyttävä arvioimaan ilman työn avaamista mallinnusohjelmassa. 

Hyvässä mallinnustyössä suoritetaan ja dokumentoidaan laadunvarmistus. Dokumentoinnissa kuvataan mallin keskeiset herkkyydet ja epävarmuudet. Jos suuret herkkyydet ja suuret epävarmuudet kohdistuvat samoihin tekijöihin, on tulosten käytettävyyteen suhtauduttava kriittisesti.  

Mallinnustyö on parhaimmillaan, kun se on osa hyvin suunniteltua ympäristöselvitysten jatkumoa. Lähtötietoja kootaan systemaattisesti – ymmärtäen mihin ja miten niitä tullaan käyttämään. Kun mallintaminen tulee ajankohtaiseksi, siihen on asianmukaiset edellytykset. Kun taas mallinnuksen tulokset ovat valmiina, tunnetaan niihin liittyvät epävarmuudet.

 

Lisätietoa

Hannu Lauri, hannu.lauri@afry.com

Elias Pentti, elias.pentti@afry.com

Päivi Pickén, paivi.picken@afry.com